排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
为基于数据实现掘进过程自动化和实现自动纠偏进行数学建模,给出了一种优质训练集数据的提取方案,经分析论证,以偏差与偏差的变化率之积小于0为优质数据的判别条件是合理的.借助于优质数据进行机器学习建模,将得到的模型在盾构现场实际匹配上线测试,预报结果与实际结果有很好的吻合性.用混淆矩阵作度量测试预报结果,反映出具有较高的正确率,说明了以优质数据建模方法的有效性,可为类似的大数据建模优质数据寻取提供参考. 相似文献
5.
6.
泥水盾构机在进行地铁线路的挖掘过程中容易受到地质和其他各种因素的影响,导致掘进的线路偏离之前设定好的轴线,这就很容易发生重大工程事故,所以对盾构进行姿态控制十分重要.本文运用提取到的线路数据并对其进行数据融合,从中选择优质参数建立泥水盾构机的XGBoost模型,给出油缸压力预测区间,帮助司机进行盾构姿态控制操作.将所建... 相似文献
7.
8.
9.
自动控制、实时纠偏和自动驾驶在盾构工作过程中靠调整左右两侧油缸压力来实现,各个油缸压力的分配与规划路线的弯曲程度、升降程度密切相关,根据规划线路DTA数据高精度算出线路拐弯曲率、上下趋势斜率是重要的前期工作,考虑到盾构DTA数据一般不是等间隔的情况,本文提出了一种非等距节点下关于间隔尺度对斜率二阶逼近、对曲率达到一阶逼近的计算方法,理论上给出了严格证明,并针对一段真实线路加以验证,该方法也可应用到类似交通道路的其他问题中去. 相似文献
10.