[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

说明书

本发明提供一种基于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，并采集与掘进参数相关的掘进数据，得到掘进数据集。步骤S2，对掘进数据集进行标准化处理，得到标准化数据集。步骤S3，构建随机森林岩机映射模型，并确定约束条件。步骤S4，将标准化数据集输入到随机森林岩机映射模型，并利用网络搜索法对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，并根据最优超参数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，根据最优随机森林岩机映射模型，基于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。

技术领域

本发明涉及一种基于RF-PSO的泥水平衡式盾构掘进参数优化方法。

背景技术

盾构法施工由于具有对环境影响小、开挖效率高等优点，在我国各类地下空间施工建设中得到广泛应用。其中，由于泥水盾构对维持开挖面稳定具有显著的作用，因此广泛应用于各类海底隧道建设。然而，以往盾构在掘进过程中的掘进参数选择及调整主要依靠人工经验与操作手册，面对复杂多变的地质条件，掘进参数选择缺乏科学依据，泥水盾构控制参数选择不当，难以适应复杂岩体地质条件，是造成掘进效率低、工期延误、刀具损耗增加与掘进成本剧增的重要诱因。因此，开展泥水盾构控制参数优化决策方法的研究，建立泥水盾构控制参数优化决策模型，对于泥水盾构安全、高效施工具有重要的指导意义。

目前常见的盾构施工优化方法是针对TBM整个掘进过程，通过对岩体地质信息与历史掘进数据的挖掘与分析，优化盾构掘进过程中的主要控制参数乃至整个控制过程。如张娜等(2018)釆用数据挖掘的方法建立岩-机信息感知互馈模型，通过分析TBM主司机操作过程构建了智能决策控制体系；Li等(2019)指出，常规地层与不良地层下的TBM智能控制与掘进应采用不同思路，在不良地层中，智能控制应超前地质勘探相结合，在专家系统防灾救灾经验的指导下，确保 TBM安全掘进，而在常规地层中，智能控制应根据其实时监测的岩体力学信息和TBM开挖状态，对掘进参数进行调整、控制和优化； Min等(2008)以工期最短，成本最低为优化目标，提出了TBM施工隧道建设工序规划及资源分配方法，并据此开发了隧道施工决策辅助工具(Decision Aids for Tunneling,DAT)；Xing等(2008)提出了一种智能专家控制系统，可在自动识别地质条件变化的基础上，自适应改变刀盘的驱动功率；段理文(2019)利用XGBOOST算法，从历史掘进数据中提取控制参数的变化规律，进而给出控制参数的预测结果，以协助司机进行参数调整并提高掘进性能；江俊杰(2012)通过多智能体系统方法，解决掘进机状况识别和控制参数决策等相关问题。

当前已有部分盾构掘进优化决策方法或辅助施工软件，为盾构控制参数优化提供了良好的思路与方案。其中，不少研究采用目标优化的方法来获取最优控制参数，这些研究大多采用单一的优化目标来评判控制参数的优劣，难以得到多项指标综合最优的控制参数决策结果。同时，决策过程缺少多元约束，决策结果易超出合理的取值范围，影响盾构施工安全。对此，应从盾构施工的实际需求出发，充分利用岩机映射关系构建多元约束与综合优化目标，进而通过多目标优化方法，构建更为科学合理的控制参数优化模型。

发明内容

为解决上述问题，提供一种基于RF-PSO的泥水平衡式盾构掘进参数优化方法，本发明采用了如下技术方案：