[发明专利]一种基于RF-PSO的泥水平衡式盾构掘进参数优化方法

权利要求书

1.一种基于RF-PSO的泥水平衡式盾构掘进参数优化方法，用于对盾构掘进参数进行优化，其特征在于，包括以下步骤：

步骤S1，确定掘进参数，并采集与所述掘进参数相对应的掘进数据，得到掘进数据集；

步骤S2，对所述掘进数据集进行标准化处理，得到标准化数据集；

步骤S3，构建采用操作参数、泥水仓压力和地质信息参数对掘进荷载参数进行预测的随机森林岩机映射模型，并确定所述掘进荷载参数和所述操作参数的约束条件；

步骤S4，将所述标准化数据集输入到所述随机森林岩机映射模型，并利用网络搜索法对所述随机森林岩机映射模型的超参数进行训练，得到最优超参数，将所述最优超参数代入到所述随机森林岩机映射模型，得到最优随机森林岩机映射模型；

步骤S5，构建掘进速度v的优化目标函数；

步骤S6，根据所述最优随机森林岩机映射模型，基于所述优化目标函数利用粒子群算法得到最优掘进速度、最优贯入度和最优刀盘转速；

所述随机森林岩机映射模型包括总推力F的预测子模型和刀盘扭矩T的预测子模型，

所述超参数包括bagging框架的参数和决策树的参数，

所述bagging框架的参数包括决策树数量k，

所述决策树的参数包括最大特征数m以及决策树最大深度d，

所述掘进速度v的优化目标函数具体表达式为：

max v＝f(p,n)＝p×n

式中，p代表贯入度，n代表刀盘转速。

2.根据权利要求1所述的一种基于RF-PSO的泥水平衡式盾构掘进参数优化方法，其特征在于：

其中，所述步骤S4包括以下步骤：

步骤S4-1，根据所述掘进参数的取值范围，利用将所述标准化数据集对所述随机森林岩机映射模型进行训练，得到最优的所述决策树数量k；

步骤S4-2，最优决策树数量代入所述随机森林岩机映射模型，并根据所述掘进参数的取值范围，通过网格搜索得到最优的所述最大特征数m和最优的所述决策树最大深度d；

步骤S4-3，将最优的超参数组合代入到所述随机森林岩机映射模型，得到所述最优随机森林岩机映射模型。

3.根据权利要求1所述的一种基于RF-PSO的泥水平衡式盾构掘进参数优化方法，其特征在于：

其中，所述步骤S6包括以下步骤：

步骤S6-1，设置粒子群算法的初始参数；

步骤S6-2，构建初始种群为当前种群，所述当前种群中的每个粒子是包括所述贯入度p和所述刀盘转速n的参数组合；

步骤S6-3，将所述优化目标函数作为适应度函数，根据所述优化目标函数的具体表达式计算所述每个粒子的适应度；

步骤S6-4，将所述每个粒子的所述参数组合代入到所述最优随机森林岩机映射模型，该模型输出相应的总推力F和刀盘扭矩T；

步骤S6-5，判断所述每个粒子是否满足所述约束条件，如果满足所述约束条件的粒子，根据所述适应度进行更新其历史最优位置，并在此基础上更新种群的全局最优位置，如果不满足约束条件的粒子进行丢弃；

步骤S6-6，重复步骤S6-3至步骤S6-5，直到最大迭代次数达到预定次数；

步骤S6-7，输出所述最优贯入度、所述最优刀盘转速以及所述最优掘进速度。

4.根据权利要求1所述的一种基于实时地质信息的泥水盾构掘进参数预测方法，其特征在于：

其中，所述掘进参数包括所述地质信息、所述泥水仓压力、所述操作参数和所述掘进荷载参数，

所述地质信息包括上一环推力切深指数FPI的均值、上一环推力切深指数FPI的方差、上一环旋转切深指数TPI的均值、上一环旋转切深指数TPI的方差，

所述操作参数包括掘进速度v、刀盘转速n和贯入度p，

所述掘进荷载参数包括总推力F和刀盘扭矩T。

5.根据权利要求3所述的一种基于RF-PSO的泥水平衡式盾构掘进参数优化方法，其特征在于：

其中，所述初始参数包括种群数量、惯性权重、加速度常量和最大迭代次数。