一种TBM掘进机掘进状态监测方法、系统、设备及介质

本发明涉及tbm隧道地质识别及刀盘维护，特别涉及一种tbm掘进机掘进状态监测方法、系统、设备及介质。

背景技术：

1、在tbm隧洞施工过程中，尤其是对于长距离和深度较大的隧洞，施工前期往往难以全面识别沿线的不良地质状况，如软弱破碎带、节理发育带、断层和岩溶裂隙等；这些因素容易导致施工中出现塌方、突水和突泥等严重事故，对施工安全构成极大威胁，甚至可能引发人员伤亡；另一方面，在tbm运行过程中很难对tbm刀盘的刀具进行实时监测，经常发生刀具损坏而tbm继续掘进的工况，这会极大地降低tbm掘进的效率，同时对tbm刀盘造成严重的损伤。

2、此外，tbm的快速掘进速度要求对于地质体的识别必须具备快速、实时和高精度的特点，以适应掌子面前方地质条件的快速变化；现阶段，在tbm的掘进过程中，tbm掘进机的金属刀盘会对电磁探测产生严重干扰，同时tbm在掌子面区域占据了较大空间，几乎填满了整个隧道断面，这增加了电磁探测对地质数据的采集难度，且现阶段对于tbm掘进机状态的判断通常根据各数据单独判断，致使难以通过tbm机器参数与围岩参数间的相互关系进行判断，从而难以准确地获取tbm掘进机的实时状态信息。

技术实现思路

1、本发明实施例提供一种tbm掘进机掘进状态监测方法、系统、设备及介质，可以解决现有技术中，存在的难以通过tbm机器参数与围岩参数间的相互关系进行判断，从而难以准确地获取tbm掘进机的实时状态信息的问题。

2、本发明实施例提供一种tbm掘进机掘进状态监测方法，包括以下步骤：

3、在tbm掘进机运行开始前获取tbm掘进机刀盘的刀盘数据；获取tbm掘进机待开采地质体的地质数据和施工数据；获取tbm掘进机在运行过程中tbm掘进机在x、y及z维度方向上的振动数据；获取tbm掘进机在运行过程中tbm掘进机的运行数据；

4、确定振动数据与运行数据的非线性响应关系、振动数据与刀盘数据的非线性响应关系、振动数据与地质数据的非线性响应关系，以及振动数据与施工数据的非线性响应关系；

5、确定振动数据与运行数据、刀盘数据、地质数据和施工数据的综合响应模型；

6、根据各个非线性响应关系和综合响应模型，获得振动数据的影响因素；在实时振动数据变化时，获取实时影响因素的变化状态；在实时影响因素变化时，获取实时振动数据的变化状态；并根据振动数据与影响因素之间相互变化状态，形成振动数据与影响因素之间的互馈机制；其中，所述影响因素包括运行数据、刀盘数据、地质数据和施工数据；

7、根据振动数据与影响因素之间的互馈机制，通过实时振动数据获取各影响因素的数值范围以判断tbm掘进机的掘进状态。

8、优选地，所述获取tbm掘进机在运行过程中tbm掘进机在x、y及z维度方向上的振动数据，包括：

9、在tbm掘进机刀盘的后侧按相同间隔布置两个mems型加速度计和两个压电加速度计，在tbm掘进机运行开始后，mems型加速度计和压电加速度计分别采集不同刀盘不同位置的振动数据；

10、所述振动数据包括：tbm掘进机运行过程中在x、y及z三个维度方向上的振动信号、加速度值随时间变化的时间历程、环方差、每环的最大加速度、每环的均方根加速度、波峰因数及偏度。

11、优选地，所述tbm掘进机的运行数据、刀盘数据、地质数据和施工数据分别为：

12、所述tbm掘进机运行数据包括：tbm掘进机的刀盘推力、刀盘转速、刀盘扭矩、贯入度、掘进速度、撑靴有效支撑力及总推力；

13、所述tbm掘进机刀盘数据包括：刀盘更换时间、损失状态、破坏类型及损坏位置；

14、所述tbm掘进机地质数据包括：岩石单轴抗压强度、岩石抗拉强度、岩石耐磨性、岩石脆性、岩体完整性系数、地下水状态及围岩工程地质条件；

15、所述tbm掘进机施工数据包括：施工进度、排渣数据、超前预报信息、环境温度及环境湿度。

16、优选地，所述确定振动数据与运行数据的非线性响应关系、振动数据与刀盘数据的非线性响应关系、振动数据与地质数据的非线性响应关系，以及振动数据与施工数据的非线性响应关系，包括：

17、构建循环神经网络模型rnn，分别根据tbm掘进机的振动数据与运行数据、刀盘数据、地质数据和施工数据，分别对循环神经网络模型rnn进行训练，分别获得振动数据与运行数据、刀盘数据、地质数据和施工数据的响应模型；

18、在振动数据与运行数据、刀盘数据、地质数据和施工数据分别对应响应模型中，利用皮尔逊相关系数统计法计算振动数据各参数变量与tbm掘进机运行数据各参数变量、刀盘数据各参数变量、地质数据各参数变量和施工数据各参数变量之间的相关性；

19、根据相关性并通过随机森林机器学习模型建立振动数据与运行数据、振动数据与刀盘数据、振动数据与地质数据，以及振动数据与施工数据的非线性响应关系。

20、优选地，所述形成振动数据与影响因素之间的互馈机制，包括：

21、根据tbm掘进机的振动数据与运行数据、刀盘数据、地质数据和施工数据，对循环神经网络模型rnn进行训练，获得综合响应模型；

22、根据tbm掘进机运行时的实时运行数据、刀盘数据、地质数据和施工数据，以及tbm掘进机振动数据与运行数据、刀盘数据、地质数据和施工数据的非线性响应关系，利用综合响应模型将控制振动数据特性参数的各数据中阈值高于设定阈值的数据设定为控制振动数据特性参数的影响因素；

23、所述影响因素为运行数据、刀盘数据、地质数据和施工数据中的部分数据；

24、并获取振动数据特性参数与影响因素间在tbm掘进机运行过程中的互相作用过程，将该互相作用过程设定为振动数据特性参数与影响因素间的互馈机制。

25、本发明实施例还提供一种tbm掘进机掘进状态监测系统，包括：

26、振动监测模块，用于在tbm掘进机运行开始前获取tbm掘进机刀盘的刀盘数据；获取tbm掘进机待开采地质体的地质数据和施工数据；获取tbm掘进机在运行过程中tbm掘进机在x、y及z维度方向上的振动数据；获取tbm掘进机在运行过程中tbm掘进机的运行数据；

27、深度学习模块，用于确定振动数据与运行数据的非线性响应关系、振动数据与刀盘数据的非线性响应关系、振动数据与地质数据的非线性响应关系，以及振动数据与施工数据的非线性响应关系；

28、确定振动数据与运行数据、刀盘数据、地质数据和施工数据的综合响应模型；

29、根据各个非线性响应关系和综合响应模型，获得振动数据的影响因素；在实时振动数据变化时，获取实时影响因素的变化状态；在实时影响因素变化时，获取实时振动数据的变化状态；并根据振动数据与影响因素之间相互变化状态，形成振动数据与影响因素之间的互馈机制；其中，所述影响因素包括运行数据、刀盘数据、地质数据和施工数据；

30、预警模块，用于根据振动数据与影响因素之间的互馈机制，通过实时振动数据获取各影响因素的数值范围以判断tbm掘进机的掘进状态。

31、本发明实施例还提供一种电子设备，包括存储器和处理器；

32、所述存储器，用于存储计算机程序；

33、所述处理器，用于执行所述存储器中存储的计算机程序时，实现如上所述的一种tbm掘进机掘进状态监测方法的步骤。

34、本发明实施例还提供一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序被处理器执行时实现如上所述的一种tbm掘进机掘进状态监测方法的步骤。

35、本发明实施例提供一种tbm掘进机掘进状态监测方法、系统、设备及介质，与现有技术相比，其有益效果如下：

36、本发明通过在tbm掘进机的刀盘上设置多个不同类型的加速度计，以获取tbm掘进机的振动数据，将振动数据分别与tbm掘进机运行数据、刀盘数据、地质数据和施工数据建立独立的响应模型，以获取振动数据与各数据参数之间的非线性关系；并同时根据非线性关系建立综合响应模型，在综合响应模型中根据非线性关系获取控制振动数据特性参数的影响因素，并建立振动数据与影响因素间的互馈机制，并能根据互馈机制，使得通过振动数据推算出各影响因素的具体数值范围，从而判断tbm掘进机的掘进状态。不同于传统技术通过获取一系列数据参数以进行判断，本发明是首先通过建立tbm掘进机在运行时的振动数据与各个数据之间的非线性响应关系，而后根据各数据对应非线性响应关系和实时运行数据，在综合响应模型下发现控制振动数据特性参数的各数据中的影响因素，以建立振动数据与影响因素间的互馈机制，使得只通过振动数据就能推算出各影响因素的具体数值范围，从而判断掘进状态，并不像传统技术通过一系列参数并分析后才能判断。

37、并且，本发明所设置的多个不同类型的加速度计，避免了静态重力的影响，同时在记录频率上涵盖了正常频率和极低频率，能更加全面地反映tbm掘进机的振动情况。