基于信息融合与堆叠卷积网络的TBM推力和扭矩预测

杨耀红; 张哲; 陈建国; 李群胜; 刘宇翔

doi:10.20040/j.cnki.1000-7709.2025.20241868

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于信息融合与堆叠卷积网络的TBM推力和扭矩预测

更新时间：2026-02-25

- 基于信息融合与堆叠卷积网络的TBM推力和扭矩预测
- Issue 9, Pages: 92-96(2025)
- 作者机构：
  
  1. 华北水利水电大学水利学院
  2. 河南省水圈与流域水安全重点实验室
  3. 河南省水利第一工程局集团有限公司
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2025.20241868
  CLC： U455.31
- Published：2025
- 稿件说明：
移动端阅览
杨耀红, 张哲, 陈建国, et al. 基于信息融合与堆叠卷积网络的TBM推力和扭矩预测[J]. 2025, (9): 92-96.
DOI：

杨耀红, 张哲, 陈建国, et al. 基于信息融合与堆叠卷积网络的TBM推力和扭矩预测[J]. 2025, (9): 92-96. DOI： 10.20040/j.cnki.1000-7709.2025.20241868.

摘要

合理准确预测隧道掘进机的推力和扭矩是实现TBM智能化控制的关键问题之一。对此，提出一种两阶段知识数据双驱动时空堆叠卷积网络(KD-NTS-GAT)预测方法。首先基于专家知识表达与NTS-NOTEARS方法提出一种新的信息融合技术，通过聚类方法将离散的专家经验与NTS-NOTEARS连续指标进行映射并平滑融合，量化提取TBM关键运行参数之间的因果关系，显著提高了因果关系的真实性。然后，将因果关系作为先验知识进一步与堆叠卷积网络深度学习模型结合，用于预测TBM推力和扭矩。结合新疆输水隧洞工程Ⅳ标段，将KD-NTS-GAT方法与纯数据驱动结果进行对比分析，结果表明两阶段知识数据双驱动时空堆叠卷积网络具有更好的推力与扭矩预测能力。研究结论可为TBM施工智能化控制提供参考。

Abstract

关键词

Keywords

references

周小雄,龚秋明,殷丽君,许弘毅,班超.基于BLSTM-AM模型的TBM稳定段掘进参数预测[J].岩石力学与工程学报,2020(S2).

苗海宾,向朝建,刘胜楠,黄东男,娄花芬.专家知识增强的机器学习建模在高强高导铜合金开发中的应用[J].工程科学学报,2023(11).

Pål Drevland Jakobsen,Lars Langmaack,Filip Dahl,Torkjell Breivik.Development of the Soft Ground Abrasion Tester (SGAT) to predict TBM tool wear, torque and thrust[J].Tunnelling and Underground Space Technology incorporating Trenchless Technology Research,2013.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于多轴强度信息融合的特高拱坝整体安全性评价

蚀变岩隧洞围岩变形破坏发生机制及支护措施适应性研究

水电工程TBM洞挖料资源化利用对策与思考

Match and simulation analysis of hydraulic system radiator of wheel loader

Influence of stress on chloride permeability in concrete

Related Author

姓海涛

龚赐缘

杨钟宇

池丽敏

池建军

刘登学

黄书岭

丁秀丽

Related Institution

南京市溧水区水务局

南京水利规划设计院股份有限公司

河海大学环境学院

中水北方勘测设计研究有限责任公司

长江科学院水利部岩土力学与工程重点实验室

AI问答

⁰