遗传算法与分组数据处理神经网络相结合的人工智能预测盾构掘进过程中滚刀的寿命

• 作者: Khalid Elbaz 沈水龙 周安楠 尹振宇 吕海敏
• 来源期刊: 工程（英文）
• 关键词: 滚刀寿命 盾构隧道 施工参数 分组数据处理与遗传算法
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: Tunnel Engineering—Article
• 页码范围: 238-251,中插119-中插133
• 页数: 1页
• 语种: 英文

摘要

滚刀的磨损是一个影响盾构隧道掘进效率和滚刀更换决策的关键问题.本研究提出了一种估算滚刀寿命(Hf)的新模型,模型将分组数据处理(GMDH)型神经网络(NN)与遗传算法(GA)整合在一起.遗传算法优化了GMDH网络结构的效率和有效性,使得每个神经元都能从上一层网络搜索最佳连接集.使用所提出的模型,可以分析盾构机性能数据库、滚刀的消耗、地质条件和操作参数等监测数据.为了验证所提出模型的性状,进行了案例研究,用数据说明了混合模型的优越性.结果表明,使用该混合模型预测的滚刀使用寿命的准确率高.灵敏度分析表明,盾构切入速率(PR)对滚刀的使用寿命有重要影响.研究结果对盾构隧道的设计和施工都很有意义.