基于TBM掘进性能的岩体分级及可掘性等级感知识别方法

传统的围岩分级方法难以适用于TBM掘进性能评价和预测，因此，建立一套适用于TBM施工的岩体可掘性分级系统并实现可掘性等级的准确感知识别。基于4条TBM隧道的152组岩体和机器数据建立的数据库，分析岩体参数与TBM可掘性评价指标的相关性，采用多目标决策方法 TOPSIS实现TBM隧道岩体可掘性分级。由于实际TBM掘进中岩体参数较难获取，利用单刀推力(Th)、净掘进速度(PR)、刀盘转速(RPM)以及贯入度(PRev)等TBM掘进参数对所提出的岩体可掘进性等级进行了感知识别。感知识别中，采用贝叶斯优化确定多种机器学习分类算法的最优超参数组合，实现最大感知识别准确率，比较不同算法对于岩体可掘性等级感知识别的适用性，并确定最优的感知识别方法。最后，基于吉林引松工程的实时TBM掘进数据，验证岩体可掘性分级及可掘性等级感知识别方法的有效性和准确性。研究成果可用于TBM平稳运行段岩体可掘性评估预测，为掘进参数优化和建立TBM智能化控制系统提供参考。