基于局部线性嵌入和支持向量机回归的TBM施工参数预测

依托吉林引松工程开展隧道掘进机（TBM）施工参数预测研究,提出TBM施工数据分段提取算法,提取上升段前30 s的总推进力、刀盘转速、推进速度、刀盘扭矩、刀盘转速电位器设定值、推进速度电位器设定值、贯入度、贯入度指数(FPI)、扭矩切深指数(TPI)9个参数作为输入;通过局部线性嵌入（LLE）完成对上升段数据特征的降维;基于支持向量机回归（SVR）建立TBM施工控制参数（推进速度、刀盘转速）和负载参数（总推进力、刀盘扭矩）预测模型. 分析是否结合前一掘进循环的FPI、TPI指数进行预测对预测效果的影响. 结果表明,上述方法在推进速度、刀盘转速、总推进力、刀盘扭矩的预测中均取得了较好的预测效果,平均预测绝对百分比误差均小于15%,验证了该预测方法的有效性,该方法可以为TBM现场施工提供指导.     

基于马尔可夫过程和深度神经网络的TBM围岩识别

为了实现隧道围岩的实时识别,基于马尔可夫过程和深度神经网络模型,提出将先验围岩信息和掘进参数结合,作为深度神经网络输入的隧道掘进机（TBM）围岩实时识别方法. 根据施工现场地质勘探资料,用马尔可夫过程的隧道围岩分类方法预测隧道沿线的围岩分布概率;将该围岩分布概率作为先验围岩信息,结合TBM掘进参数作为神经网络输入,真实围岩类别作为输出,训练深度神经网络以实现对TBM前方围岩的实时识别. 使用工程现场数据进行对比实验,结果表明,所设计的深度神经网络模型的围岩总体识别率高于96%. 相比于仅将掘进参数作为输入,当结合先验围岩信息和掘进参数作为输入时,模型围岩识别率提高6%以上.     

基于PSO-SVR的土压平衡盾构施工进度优化

针对隧道掘进机(TBM)利用率预测研究匮乏的问题,建立数据驱动的利用率预测模型并进一步对施工进度展开优化. 结合新加坡某地铁隧道项目数据,研究地质类型、司机操作与载荷对TBM利用率的影响,提出基于支持向量回归(SVR)的利用率预测方法,并以施工进度最大为目标展开操作参数优化. 利用SVR建立掘进环利用率与地质类型、载荷、操作参数的映射模型;建立以施工进度最大为目标,以地质类型、载荷、操作参数为约束边界的优化方程;利用粒子群优化(PSO)寻找特定地质类型下最优的操作参数. 结果表明：SVR模型在验证集和测试集上的R²分别为0.729和0.625,均优于多元线性回归、决策树、k最近邻、随机森林、AdaBoost和XGBoost模型;PSO能准确地找出最优的操作参数.     

NSVR硬岩隧道掘进机刀盘扭矩预测分析

为了避免硬岩隧道掘进机（TBM）刀盘受困,提出TBM刀盘扭矩的非线性支持向量回归（NSVR）预测模型来指导TBM掘进施工.结合吉林引松供水工程现场掘进大量数据,研究TBM刀盘扭矩与掘进参数间的相关关系,得到刀盘扭矩与围岩类别、刀盘转速和推进速度具有明显相关关系：随着围岩强度由强到弱,推进速度对刀盘扭矩的影响逐渐变弱,刀盘转速对刀盘扭矩的影响逐渐变强.基于这种相关关系,建立刀盘扭矩NSVR预测模型,并将该模型应用于吉林引松隧道工程,对按1：1划分的19 854个训练样本和19 854个测试样本的刀盘扭矩进行预测.预测结果表明：训练样本集和测试样本集的平均相对预测误差分别为11.3%和12.9%,测试样本集中相对预测误差高于60%的有516个测试样本,占测试样本集总数的2.6%.各项数据表明,在给定刀盘转速、推进速度和围岩类别条件下,建立的刀盘扭矩NSVR预测模型具有较高的预测精度.     

基于隧道掘进机掘进过程的岩体状态感知方法

针对现有技术无法预先、实时获取隧道掘进机（TBM）掌子面岩体状态参数的问题,提出基于TBM掘进过程监测的岩体状态感知方法. 以吉林引松供水工程TBM施工隧道为依托,分析TBM掘进过程中掘进参数的变化规律,建立TBM掘进参数与岩体参数数据库,研究TBM设备参数和在掘岩体参数之间的相互关系. 分别采用分步回归和聚类分析的方法建立岩机关系模型,利用监测TBM掘进参数实时感知岩石强度、体积节理数和围岩等级等参数. 以石灰岩和花岗岩地层为例,对TBM在掘岩体参数的预测值与实际值进行对比. 结果表明,利用提出的岩体状态感知方法预测的岩石抗压强度UCS和体积节理数与实际值的误差小于18%,预测当前围岩等级与实际岩体状态基本一致,验证了研究结果的准确性.     

支持个人移动的多代理系统网络协商思想

描述了支持个人移动,为用户提供智能接口以进行服务的多代理系统的结构和操作.本系统由下面的协议代理组成:个人通信代理（PCA）,给用户提供应用服务的智能接口;服务供应代理（SPA）,支持服务和用户间的通信;网络供应代理（NPA）,为SPA发出的请求提供网络连接.     

基于自适应阈值的DDoS攻击态势预警模型

为了准确识别分布式拒绝服务（DDoS）攻击态势预警级别,研究DDoS攻击态势预警技术,设计DDoS攻击态势预警模型逻辑结构,定义区域网络安全脆弱性因子（SVF）. 基于长短时记忆（LSTM）网络流量预测模型和区域网络安全脆弱性因子,提出基于动态自适应阈值的DDoS攻击态势预警模型. 提取IP数据包统计特征（IPDCF）,使用LSTM预测模型对IPDCF序列建模,对正常流进行预测. 根据预测结果和SVF实时动态地计算预警阈值和预警区间,基于预警阈值和预警区间设定态势预警级别. 实验结果表明,利用该模型能够实时、有效地预警DDoS攻击态势,准确地识别DDoS攻击态势安全级别.     

采用极限梯度提升算法的电力系统电压稳定裕度预测

将极限梯度提升树（XGBoost）算法应用于电力系统电压稳定评估问题. 根据电压稳定问题特点,提出能够反映电力系统运行状态的特征集;把电压稳定裕度绝对值作为映射目标,并介绍生成样本集的方法. 在介绍XGBoost算法基本原理的基础上,研究该算法的技术细节. 在IEEE-39节点系统上进行验证,结果表明,XGBoost算法在R方值和平均绝对百分误差2项回归指标上均优于其他几类机器学习算法,且模型的计算速度最快,可以满足在线应用要求. 同时,XGBoost算法具有良好的数值错误和数值缺失容错性,并可以针对预测偏差较大的样本进行数据补充,实现模型的更新,使得模型表现趋于稳定.     

再制造全断面隧道掘进机刀盘多元损伤探究

为解决国内大量全断面隧道掘进机(TBM)未能全寿命使用,以及损伤修复相关问题。通过查阅国内外文献资料,分析TBM刀盘疲劳、磨损、蠕变、断裂等因素的影响程度,研究刀盘微观裂纹扩展机理,结合TBM刀盘特定服役环境(地质参数、结构参数、操作参数等)构建多元损伤模型,从再制造刀盘方面提出了多元损伤耦合框架。     

一种基于TBM掘进参数的现场岩石强度快速估算模型

基于隧道掘进机(tunnel boring machine, TBM)现场实际掘进参数与岩石强度的相关性,提出一种现场岩石强度快速估算模型。该模型详细分析了开敞式TBM现场实际掘进参数的趋势,建立了其与岩石单轴抗压强度(uniaxial compressive strength, UCS)的拟合关系式;根据回归系数R²排序:0.761 2(贯入度指数)> 0.759 5(推力)> 0.691 5(掘进比能)>0.598 6(扭矩)> 0.561 5(贯入度),确定采用贯入度指数(field penetration index, FPI)快速估算岩石强度UCS。与以往岩石强度经验模型对比,该估算模型更具针对性和适用性。研究成果为TBM工程岩石强度的快速估算提供了一种新的切实可行的思路。     

基于动态贝叶斯网络的TBM卡机风险预测

为了预测隧道机械施工时隧道掘进机（TBM）卡机风险,基于动态贝叶斯网络（BN）分析卡机概率系统. 通过专家知识以及解释结构模型确定风险因素和风险事件的因果关系,收集国内隧道机械施工地质条件实测数据,根据相关规范、研究成果和云模型云间划分法对风险指标进行区间划分,运用粗糙集分类原理对数据进行离散化,获取风险因素的原始先验概率和风险事件的条件概率. 结合软件GENIE,建立动态BN模型预测卡机风险. 结果表明：在无证据条件下,TBM卡机风险概率为8%;造成TBM卡机的关键风险因素是岩石类型、大量的地下水和断裂破碎带. TBM卡机的关键致因链为岩石类型→掌子面突泥涌沙→卡刀盘→卡机,大量的地下水→掌子面突泥涌沙→卡刀盘→卡机,高地应力→软岩大变形→卡护盾→卡机,围岩坍塌→卡护盾→卡机.     

双节理岩体TBM滚刀破岩过程数值模拟

为了研究节理特征对全断面掘进机(tunnel boring machine, TBM)盘形滚刀破岩的影响,采用颗粒流方法建立盘形滚刀与含平行双节理岩体的二维数值模型,进行不同节理倾角和间距的30组数值试验,根据数值试验结果研究岩体破裂模式、滚刀竖向接触力峰值随节理倾角和间距的变化规律、滚刀破岩过程中细观裂纹扩展规律。研究结果表明:不同的节理特征下,滚刀破岩可以分为4种基本的破裂模式;滚刀竖向接触力峰值随节理倾角的增大呈现先减小后增大的趋势,在节理倾角为30°或45°时最小,在节理倾角为90°时最大;滚刀竖向接触力峰值随节理间距的增大总体上呈现增大趋势;随滚刀的贯入,滚刀竖向接触力与细观裂纹个数有3个关联的变化阶段。通过研究TBM滚刀与节理岩体相互作用机制,揭示不同节理特征对滚刀破岩的影响规律,对TBM滚刀的合理设计和施工有一定的指导意义。     

基于现场数据的TBM掘进速率研究

为了研究TBM掘进速率在不同地质条件下的变化规律,基于吉林引松供水隧道工程开敞式TBM现场掘进数据,将TBM刀盘破岩过程分为3个阶段：挤压阶段、起裂阶段和破碎阶段,并对破碎阶段应用统计回归方法,分析在不同岩石饱和单轴抗压强度、完整性系数的条件下,TBM刀盘贯入度与刀盘推力、刀盘扭矩的关系.研究表明,在特定施工条件下,刀盘贯入度随刀盘推力增大呈幂函数曲线增长,随刀盘扭矩增大呈线性关系增长,增长率与岩石饱和单轴抗压强度、完整性系数密切相关.进一步建立对于不同强度、完整性岩石的掘进机掘进速率模型,进行实际工程施工预测,预测结果的平均相对误差都低于16%,表明模型预测精度较高,可以为实际工程施工中操作参数的优化和不良地质条件的捕捉提供帮助.     

敞开式TBM护盾半径适应性设计

为了研究敞开式岩石隧道掘进机（TBM）护盾半径与开挖洞径的适应性问题,建立护盾与洞壁接触理论模型;基于护盾与洞壁接触间隙的变化规律,结合有限元力学性能分析和实际工况,提出护盾半径的设计方法. 结果表明：底侧护盾最下部应与最小洞壁保持5~10 mm的间隙,在水平位置附近与洞壁相切接触,护盾半径由开挖洞径上、下限共同决定;顶护盾的设计半径应比隧洞开挖半径小30~50 mm,其和洞壁的最大间隙与两者的半径差呈正相关关系,受开挖洞径大小影响微小;底护盾半径设计应保证护盾底部与最小开挖洞壁底部接触,护盾半径应比隧洞开挖半径小15~50 mm.