基于长短时记忆网络的盾构机刀盘扭矩实时预测

• 作者: 杨泰春 陶建峰 余宏淦 刘成良
• 来源期刊: 地下空间与工程学报
• 学科: 交通运输
• 关键词: 盾构机 刀盘扭矩 实时预测 长短时记忆网络
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 设计、施工、检测
• 页码范围: 1801-1808
• 页数: 8页
• 分类号: U455.43
• 语种: 中文

摘要

盾构机是土质隧道开挖的优质工程机械,被广泛应用在地铁建设.刀盘扭矩是保证盾构正常推进的关键参数,能被精确实时预测对预防灾难事故、确保施工正常推进具有极高的指导意义.针对现有扭矩预测多为计算平均值的问题,提出一种基于长短时记忆(Long-Short Term Memory,LSTM)网络的扭矩实时预测模型.首先通过分析盾构机状态参数与扭矩的相关性,选择一组关键状态参数,降低输入维度;然后建立LSTM扭矩预测模型;最后利用该模型在归一化后的实际数据集上进行验证并与BP网络模型对比.试验结果表明,该模型在测试集上均方差为0.002 81,平均绝对误差为0.036 7,均优于BP网络;该模型具有良好的预测能力与泛化性能,能够很好地拟合关键状态参数与刀盘扭矩之间的非线性关系.