土压平衡盾构机密封舱土压力控制方法

基于有限元数值模拟方法,建立了密封舱土压力控制的参考模型。以密封舱渣土的Duncan-Chang非线性弹性本构模型为基础,建立了盾构机密封舱土压力与盾构机推进速度和螺旋输送机转速的映射关系,提出了盾构机密封舱土压力优化控制模型。数值模拟结果表明,该方法对于有效控制密封舱土压力行之有效且易于实现。     

土压平衡盾构机密封舱压力控制实验研究

为了解决土压平衡盾构机密封舱压力自动控制问题,建立了密封舱压力控制机理模型和实验台。根据实验台观测数据,采用系统辨识方法识别控制模型中的参数。以优化理论为基础,提出了密封舱压力稳健控制方法。实验研究结果表明,所建立的压力控制机理模型、模型参数辨识方法和优化控制策略是有效的。     

基于计算机仿真技术的矿井救援密封舱盾构土压平衡问题研究

井下救援密封舱是煤矿安全生产的保障,是危机时刻矿工的最后一道生命线。随着煤矿开拓推进,密封舱会受到掘进机扰动而发生围岩压力变化,影响了密封舱的稳定性。文章基于以上问题建立了密封舱压力场分布模型和压力控制模型。根据模型制定了密封舱周围开拓扰动影响的控制策略,利用计算机仿真技术验证了模型和控制策略的有效性。此研究为井下救援密封舱及巷道布置研究提供了科学依据。     

土压平衡式盾构机土舱压力控制仿真分析

阐述了土压平衡式盾构机电液控制系统工作原理。在AMESim仿真环境中搭建了系统的仿真模型,仿真分析了推进系统的推进速度、螺旋输送机转速以及密封土舱内土压力的相关关系。仿真结果表明,通过实时控制推进系统的推进速度和螺旋输送机的转速,可使密封土舱内的土压力达到稳定,从而保证施工质量,有效维持地表的稳定性。     

基于密封舱压力场的盾构土压平衡控制建模与仿真

为实现更准确、有效的土压平衡控制,提出一种新的密封舱土压平衡控制的建模方法.基于小波阈值去噪后的现场施工数据,采用最小二乘法建立了密封舱压力场分布模型;在此基础上,通过分析掘进控制参数与密封舱压力的关系以及土压状态发生变化的影响因子,建立了以等效压力为控制目标的密封舱土压平衡控制模型.设计了模糊自适应PID控制器,构建了土压平衡控制系统.最后,利用现场施工数据进行仿真验证,结果表明模型的有效性,为盾构掘进过程的土压平衡控制奠定了基础。     

数据驱动下的矿产预测模型构建方法研究

这是一个计算无处不在、软件定义一切、数据驱动发展的新时代。在矿产预测中,相较于以前统计方法,机器学习、深度学习算法的优势在于能更好地表现出矿化点和空间要素之间的非线性的复杂关系。本文将地质、物探、化探、遥感资料融合在一起,用决策树、支持向量机、卷积神经网络三种算法建模,开展综合信息的矿产预测工作。针对甘肃省北山地区的样本数据,发现相对于卷积神经网络的建模方法,决策树和支持向量机的建模方法更为合适。     

盾构机土压平衡系统的ARMA模型及其参数估计

为了表征盾构机土仓压力平衡系统的时滞特性和提高模型的预测精度,建立了该系统的自回归滑动平均(ARMA)模型,并提出了基于优化算法的ARMA模型参数估计方法。实验结果表明,与经典的线性机理模型相对比,新模型显著提高了土仓压力的拟合和预测精度。ARMA模型预测土仓压力的最大相对误差从机理模型的41%降低到9%。结合实验数据,分析了该系统动态响应的时滞特性,分析表明,螺旋输送机转速对下一时刻土仓压力影响的时滞特性更加明显。     

基于PSO-SVR预测模型的综采工作面周期来压研究

为了准确预测综采工作面基本顶周期来压规律,采用灰度系统理论提取了影响综采工作面周期来压的八个显著因素。针对支持向量机(SVR)预测模型过分依赖主观选择的参数问题,建立了粒子群算法优化参数选择的支持向量机(PSO-SVR)预测模型。试验结果得出：PSO-SVR比SVR模型在周期来压强度和步距的均方误差分别降低为47.7%、74.3%,决定系数分别提升为45.7%、44.6%。为突显PSO-SVR模型性能的优越性,与应用最广泛的BP普通神经网络进行了对比试验,粒子群算法对标准支持向量机模型性能优化效果明显,较普通BP神经网络优势显著。可见,PSO-SVR对于多种因素影响的非线性耦合预测具有较高的精度和较强的泛化性。     

基于数据驱动的长庆油田致密砂岩压后产量预测

超低渗透率的页岩和致密砂岩等非常规油藏已成为长庆油田重要的油气资源。对于该类油气藏开采的关键技术是水力压裂,如何确定当前施工参数对产量的直接影响,准确预测压后产量对于优化压裂参数尤为重要。由于现在对于地层中裂缝增长的内在机理尚不明确,没有合适的物理模型能够准确评估各压裂施工参数对于产量的综合影响。通过分析长庆油田致密砂岩地质属性和压裂施工参数,采用数据驱动的方法来识别压后产量和产量影响因素之间的相关性,建立了从储层性质与压裂施工参数到产量的预测模型。在前期可获取的数据资料有限的情况下,建立了合理预测致密砂岩产量的模型,并且通过使用相应的数据集训练该模型而扩展到其他非常规油田,在实际工程应用上前景明朗。     

盾构密封舱土压预测及优化控制智能策略

盾构掘进过程中开挖面压力失衡易导致地表塌陷或隆起的灾难性事故。由于密封舱土压的变化情况与开挖面压力密切相关,因此精确预测及控制密封舱土压是有效预防开挖面压力失衡的关键技术之一。为建立密封舱土压的预测模型,首先从机理上对密封舱土压与掘进参数的关系,特别是刀盘扭矩对土压的影响,做了详细分析,以此为基础确定了密封舱土压模型新的输入输出参数。然后建立了依据密封舱压力传感器数据、基于最小二乘支持向量机（LS-SVM）的土压预测模型。并且基于此预测模型,以密封舱内四点土压预测值与设定值偏差最小为优化指标,采用粒子群算法（PSO）对控制参数进行在线优化,实时控制密封舱土压平衡。最后结合现场施工数据进行了仿真对比分析,验证了模型的有效性和准确性,为准确预测和控制密封舱土压,保证掘进过程安全提供了技术支持。     

盾构机土仓压力平衡系统智能建模及其实验

为解决盾构机土仓压力平衡系统时滞、非线性、时变和不确定特性建模问题,建立了基于神经网络和系统输入-输出观测数据的智能建模方法,解决了土仓压力平衡系统的解析数学建模所遇到的困难。计算结果表明,基于Gauss-Newton优化的神经网络训练方法,具有较快的收敛速度。盾构机实验台实验结果表明,与解析数学建模方法相比,所提出的新的智能建模方法拟合和预测精度提高了一个数量级,验证了智能建模方法的有效性和精确性。     

盾构机土仓压力控制模型及其参数辨识

基于改性后渣土的非线性本构关系,建立了盾构机土仓压力控制模型。根据现场观测的土仓压力、螺旋输送机转速和盾构机推进速度数据,提出了基于遗传算法的土仓压力控制模型参数辨识方法。工程实践应用结果表明,所建立的土仓压力控制模型及其参数辨识方法是十分有效的,土仓压力控制模型预测的土仓压力与观测值吻合较好。     

一种新的盾构机土仓压力控制模式及其实验研究

为解决盾构机土仓压力控制的快速性和稳定性问题,提出了一种新的控制策略。该控制策略将螺旋输送机的旋转速度和盾构机的推进速度作为可控变量,采用优化算法实现盾构机土仓压力自适应控制。研究表明：由于刀盘的直径比螺旋输送机的直径大很多,因此通过补充调整盾构机的推进速度控制土仓压力会更有效。试验结果表明,与单独控制螺旋输送机转速控制土仓压力方法相对比,土仓压力控制的快速性和稳定性都得到了提高。     

基于密封舱压力场梯度的盾构开挖面稳定性判定

提出了一种基于密封舱压力场梯度的土压平衡盾构开挖面稳定性的判定方法。利用非均匀B样条最小二乘方法建立了密封舱压力场的分布模型,在此基础上,分析了竖直与水平方向压力梯度的变化,基于密封舱压力场梯度范数给出了开挖面的稳定域及判定方法。对于压力场梯度范数的极值,采用多级动态惩罚函数与粒子群相结合的优化算法对优化函数进行求解。最后,利用现场施工数据进行了仿真研究,对密封舱压力平衡、失衡时的压力场及等压线分布特征进行了分析,并进一步对开挖面的稳定性进行了判断,验证了判定方法的有效性。     

盾构掘进土压控制模型的建立及仿真

为建立以密封舱压力平衡为目标的土压控制模型,提出了采用机理分析与LS-SVM技术相结合的方法。首先对盾构掘进过程进行机理分析,根据掘进过程的连续性方程、力学平衡方程等,建立了密封舱土压控制模型;由于盾构总推力、推进速度、螺旋输送机转速等施工参数对密封舱土压的影响程度不同,在模型中引入了权重系数γ。然后基于LS-SVM技术建立了误差模型并求取参数γ的最优值。最后通过仿真验证了模型的有效性。     

基于极限学习机的采煤机功率预测算法研究

为减少对领域专家的过分依赖,实现企业专家经验知识的继承,面向采煤机方案设计中总体技术参数的确定过程,结合采煤机条件属性与决策属性间的映射关系,提出了基于极限学习机的采煤机功率预测模型。采用遗传算法选定最佳隐层神经元个数,利用递进方式比选确定激励函数,随机产生输入权值及隐元偏置,由此计算隐层节点输出矩阵、隐层与输出层连接权重,进而完成建模与优化。模型可根据用户输入的不同原始设计条件输出采煤机功率的预测值。选用某煤机企业的实例数据进行算例分析,将其与基于支持向量机回归预测模型进行对比,实验结果表明,ELM模型可实现600 ms内完成单次功率预测,预测值与真实值平均相对误差在2.5%以内。其预测精度优于SVM模型,且在学习速度方面优势明显,推理效率显著提高。