| 全断面掘进机关键部件特征参数预处理研究 |
| |
| 引用本文： | 张天瑞,代沅兴,赵海峰,于天彪,王宛山. 全断面掘进机关键部件特征参数预处理研究[J]. 中国工程机械学报, 2013, 0(6): 474-479 |
| |
| 作者姓名： | 张天瑞 代沅兴 赵海峰 于天彪 王宛山 |
| |
| 作者单位： | [1]东北大学机械工程与自动化学院,辽宁沈阳110819 [2]北方重工集团有限公司全断面掘进机国家重点实验室,辽宁沈阳110141 |
| |
| 基金项目： | 国家“973”计划资助项目（2010CB736007）,教育部基本科研业务费专项资金资助项目（N110603007） |
| |
| 摘 要： | 首先介绍了全断面掘进机（Tunnel Boring Machine,TBM）主要系统部件的状态参数,通过分析TBM特征参数时间序列的变化趋势,确定了采用灰色预测和神经网络预测相结合的方法对TBM关键部件状态特征参数的变化趋势进行预测,建立了基于灰色理论和神经网络的全断面掘进机状态特征参数预测模型.通过实例计算,给出了预测模型的改进措施.经过改进的预测模型,能够保证设备达到1级预测精度,预测10小时后的设备运行情况.最后,介绍了开发的全断面掘进机故障诊断系统中参数预测的部分,使得预测结果更直接地呈现在操作者面前,具有很好的指导意义.
|
| 关 键 词： | 全断面掘进机 灰色理论 神经网络 特征参数 预处理 |
Parametric preprocessing on key components of tunnel boring machines |
| |
| ZHANG Tian-rui,DAI Yuan-xinf,ZHAO Hai-fenf,YU Tian-biao,WANG Wan-shan. Parametric preprocessing on key components of tunnel boring machines[J]. Chinese Journal of Construction Machinery, 2013, 0(6): 474-479 |
| |
| Authors: | ZHANG Tian-rui DAI Yuan-xinf ZHAO Hai-fenf YU Tian-biao WANG Wan-shan |
| |
| Affiliation: | 1. School of Mechanical Engineering and Automation, Northeastern University, Shenyang, 110819, China; 2. State Key Laboratory of Tunnel Boring Machine, Northern Heavy Industries Group Co., Ltd, Shenyang, 110141, China) |
| |
| Abstract: | Firstly, the key component state parameters of tunnel goring machine （TBM） system are in- troduced. By analyzing the variation tends on TBM feature parameter time series, a prediction model is established by integrating the grey theory and neural network. Through computational cases, the im- proved prediction metrics are postulated. To this end, this model can ensure the extrafinegrade prediction on 10-hour running conditions. As a result, the prediction results can be provided for operators more di- rectly. |
| |
| Keywords: | tunnel boring machine, grey theory neural network~ feature parameter ~ preprocessing |
| 本文献已被 维普 等数据库收录！ |
|
