科研之友
微信
新浪微博
Facebook
分享链接
摘要
考虑到隧道掘进机的性能对地质条件比较敏感且其操作依赖于司机经验，提出基于随机森林和粒子群算法的隧道掘进机操作参数地质条件自适应决策方法。利用随机森林(RF)分别建立地质类型、操作参数与推进速度、刀盘转矩的映射关系模型；结合映射关系模型，构建以盾构机推进速度最大为目标，以刀盘转速、螺旋输送机转速、总推力、土仓压力4个操作参数为控制变量的优化方程；利用粒子群算法(PSO)求解各地质类型地层中的最优操作参数决策结果。通过新加坡某地铁工程施工数据验证所提方法的有效性和优越性。研究结果表明：建立的随机森林模型中推进速度和刀盘转矩预测的决定系数R2分别达到0.936和0.961，均大于adaboost、多元线性回归、岭回归、支持向量回归和深度神经网络模型中相应的R2；基于粒子群算法的操作参数决策方法能够准确求解操作参数最优解，寻优用时均比遗传算法、蚁群算法和穷举法的短。本文所提决策方法使隧道掘进机在该施工段的福康宁卵石地层、句容地层IV、句容地层V、海洋黏土地层中的推进速度分别提升了67.2%、41.8%、53.6%和15.0%。
- 出版日期2023
- 单位上海交通大学
