-
题名基于PSO-SVR算法的悬臂式掘进机工作性能预测
被引量：1
- 1
-
-
作者
傅鹤林
赵一博
王立志
郭弘宇
李鲒
邓皇适
-
机构
中南大学
中铁第一勘察设计院集团有限公司
中建五局土木工程有限公司
-
出处
《铁道工程学报》
EI
CSCD
北大核心
2024年第9期92-98,共7页
-
基金
湖南省建设科技计划项目(KY202109)。
-
文摘
研究目的:悬臂式掘进机作为铣挖法中不可或缺的机械设备,其工作性能常受到围岩特征和机械设备等条件的制约。为预测悬臂式掘进机工作性能,本文以瞬时切割速率ICR作为评价指标,综合考虑围岩因素和机械设备因素,通过不同算法预测ICR,优选出基于粒子群优化的支持向量机算法(PSO-SVR),并据此建立了ICR预测系统,从而快速高效地预测铣挖隧道掘进机工作性能和施工速度。研究结论:(1)利用已开挖的铣挖法隧道数据作为训练样本,通过5种算法预测ICR,其中粒子群优化的支持向量机算法预测精度最佳;(2)通过粒子群优化算法搜寻最优惩罚系数C和核函数系数g,能有效避免陷入局部最优解问题,并显著提高模型预测精度和泛化能力;(3)十折交叉验证结果表明,PSO-SVR算法具有较好的鲁棒性,且鲁棒性高于其他4种算法;(4)依托赣州蓉江隧道工程,PSO-SVR模型可准确预测悬臂式掘进机瞬时切割速率和施工速度,预测精度显著高于经验公式和其他算法,可为铣挖机械设备选型以及铣挖隧道施工速度预测提供参考。
-
关键词
悬臂式掘进机
瞬时切割速率
工作性能预测
粒子群算法
支持向量机
-
Keywords
roadheader
instantaneous cutting rate
performance prediction
particle swarm optimization
support vector machine
-
分类号
U455.6
[建筑科学—桥梁与隧道工程]
-
-
题名基于模糊推理的悬臂式隧道掘进机工作性能预测方法
被引量：7
- 2
-
-
作者
曹文贵
李树林
张永杰
-
机构
湖南大学岩土工程研究所
长沙理工大学土木与建筑学院
-
出处
《水文地质工程地质》
CAS
CSCD
北大核心
2018年第5期80-85,共6页
-
基金
国家自然科学基金项目资助(51378198
51208063)
+1 种基金
高等学校博士学科点专项科研基金项目资助(20130161110017)
湖南省交通运输厅科技计划项目资助(201533)
-
文摘
悬臂式隧道掘进机的工作性能一般采用其进行隧道铣挖的瞬时切割速率来综合度量,它是其进行隧道铣挖施工的适应性及其设备选型的重要依据。为了预测悬臂式隧道掘进机铣挖瞬时切割速率,结合其主要受隧道围岩岩性与施工设备条件控制的特点,本文首先选取岩石单轴抗压强度、岩石质量指标和悬臂式隧道掘进机截割功率作为预测指标,建立出铣挖瞬时切割速率预测模型;然后,考虑影响因素的模糊不确定性特点,提出基于模糊推理理论(包括模糊化、模糊规则库、模糊推理机和去模糊化)的铣挖瞬时切割速率预测方法。该方法不仅可全面反映隧道围岩岩性及施工设备条件的影响,还可反映相应各影响因素的模糊不确定性。最后,通过与现有方法分析和实测结果的比较分析,表明了本文模型与方法的合理与可行性。
-
关键词
隧道
悬臂式隧道掘进机
瞬时切割速率
工作性能预测
模糊推理
-
Keywords
tunnel
roadheaders
instantaneous cutting rate
prediction of roadheader performance
fuzzy inference
-
分类号
TU45
[建筑科学—岩土工程]
-
