基于XGBoost的隧道掘进机操作参数智能决策系统设计

• 作者: 段理文 王飞 秦永峰 龚国芳
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 隧道掘进机(TBM) 智能决策 场操作系数指数(FOI) 极端梯度提升算法(XGBoost) 预测
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 机械工程、电气工程
• 页码范围: 633-641
• 页数: 9页
• 分类号: TH137
• 字数: 5686字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2020.04.001

摘要

为了实现隧道施工的同质化,提出基于极端梯度提升算法(XGBoost)预测模型的隧道掘进机(TBM)操作参数的智能决策方法.定义场操作系数指数(FOI)作为替代传统场切深指数(FPI)的围岩级别特征参数,使用XGBoost算法建立预测模型以实现对FOI的预测,对围岩级别进行预测、判断.通过对优秀司机在特定FOI下TBM操作参数的选择,建立专家模型实现FOI与特定TBM操作参数的关联,实现TBM操作参数的智能决策.使用引松工程的现场数据进行对比实验,结果表明,设计的TBM操作参数的智能决策系统能够实现对优秀的TBM司机操作参数决策的复现,相比于以FPI为特征参数的传统智能决策系统,新系统的推进速度和刀盘转速两部分的平均相对误差分别下降8.84％和7.97％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王飞	浙江大学流体动力与机电系统国家重点实验室	137	1774	24.0	37.0
2	龚国芳	浙江大学流体动力与机电系统国家重点实验室	136	2208	21.0	42.0
3	秦永峰	浙江大学流体动力与机电系统国家重点实验室	4	0	0.0	0.0
4	段理文	浙江大学流体动力与机电系统国家重点实验室	4	40	3.0	4.0