一种基于数据驱动的隧道掘进机推进过程摩擦力计算方法

技术领域

本发明涉及隧道掘进装备施工的技术领域，尤其涉及一种基于数据驱动的隧道掘进机推进过程摩擦力计算方法，用于计算隧道掘进机推进过程设备的摩擦力。

背景技术

隧道掘进机推进过程摩擦力是判断设备是否会发生卡机的关键指标。公开号为CN105952465A的一种围岩与全断面隧道掘进机护盾相互作用过程监测方法，在护盾外表面安装压力盒和护盾内表面安装表面应变传感器，通过护盾外表面和护盾内表面两者的变形换算围岩对护盾的挤压力，根据挤压力与摩擦系数的乘积换算出护盾所受摩阻力。由于围岩的摩擦系数受岩体的完整性、光滑程度有关，简单的以人为经验主观估计的摩擦系数存在较大的误差。公开号为CN104732059A的硬岩TBM装备掘进过程中总推力的计算方法，在计算摩擦力时同样采用了人为经验主观估计的摩擦系数。

发明内容

针对现有技术在计算摩擦力时人为经验主观估计摩擦系数误差大，计算挤压力需额外增加复杂传感的技术问题，本发明提出一种基于数据驱动的隧道掘进机推进过程摩擦力计算方法，依托隧道掘进机推进过程的实时数据实现摩擦力的计算，不增加数据采集设备，且减少了人为主观因素的影响，提高了摩擦力计算的精度。

为了达到上述目的，本发明的技术方案是这样实现的：一种基于数据驱动的隧道掘进机推进过程摩擦力计算方法，其步骤如下：

步骤一：按照设定频率采集当前循环中隧道掘进机推进过程的实时数据，实时数据包含总推进力F、推进速度V和刀盘转速n；

步骤二：提取当前循环从刀盘启动至平稳掘进过程的实时数据，平稳掘进过程的判定标准为总推进力F、推进速度V和刀盘转速n三者变异系数均小于设定阈值；

步骤三：提取步骤二中实时数据的数据段的推进速度V求取k次微分；

步骤四：寻找推进速度连续增大不低于k+1个采样点的数据段i～i+L为目标检测段，目标检测段的总推进力F的均值为隧道掘进机推进过程摩擦力值，其中，L表示目标检测段的数据序列长度。

所述步骤二中变异系数的计算方法为：

总推进力F的变异系数Cv(F)为：

推进速度V的变异系数Cv(V)为：

刀盘转速n的变异系数Cv(n)为：

其中，std()是标准差函数，Mean()为均值函数。

所述步骤三中的微分是在离散数据序列里前后求差值；微分次数根据人为经验设定，且k>＝3。

推进速度V三次微分的计算方法为：

即k＝3，提取的平稳掘进过程的提取段的推进速度序列为V＝(V

第一次求差分的结果D

D

统计结果D

Pos1＝(m

其中，m

第二次求差分的结果D

D

统计结果D

Pos2＝(m

其中，m

第三次求差分的结果D

D

统计结果D

其中，m

根据位置Pos3返回原始序列找到目标检测序列Data_Target，其是在原始数据中起始点为Pos1[Pos2(m

所述步骤四中摩擦力Ff的计算方法为：

其中，Fi表示目标检测段中位置i处的总推进力。

本发明的有益效果：本发明可以实现隧道掘进机掘进过程中摩擦力的自动化计算，可适用于盾构机、TBM或双护盾TBM等，解决现有技术在摩擦力计算过程中，摩擦系数需要根据人为经验选取，无法根据围岩的变化自适应计算摩擦力的问题。与现有的摩擦力计算需要新增传感器或人为经验估算摩擦系数相比，本发明更加直接的以数据特征来判断隧道掘进机摩擦力，无需估算摩擦系数或新增传感器，计算简单，同时可根据岩体条件的变化计算设备当前摩擦力，用于辅助司机评估摩擦力异常导致卡机的风险。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的流程示意图。

图2为本发明具体实例中某一个完整循环的设备数据的曲线图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，一种基于数据驱动的隧道掘进机推进过程摩擦力计算方法，其步骤如下：

步骤一：按照设定频率采集当前循环中隧道掘进机推进过程的实时数据，实时数据包含总推进力F、推进速度V和刀盘转速n。

步骤二：提取当前循环从刀盘启动至平稳掘进过程的实时数据，平稳掘进过程的判定标准为总推进力F、推进速度V和刀盘转速n三者变异系数均小于设定阈值。

所述步骤二中变异系数的计算方法为：

总推进力F的变异系数Cv(F)为：

推进速度V的变异系数Cv(V)为：

刀盘转速n的变异系数Cv(n)为：

其中，std()是标准差函数，Mean()为均值函数。

总推进力F、推进速度V和刀盘转速n三者的变异系数的默认设定阈值为0.05。

步骤三：对步骤二提取的平稳掘进过程数据段的推进速度V求取k次微分。

所述步骤三中的微分是在离散时间数据序列的数据采用求差分替代微分，即序列的数据前后求差值；微分次数根据人为经验设定，且k>＝3。

推进速度V三次微分的计算方法为：

即k＝3，提取的平稳掘进过程为提取段，提取段的推进速度序列为V＝(V

第一次求差分的结果D

D

统计结果D

Pos1＝(m

其中，m

第二次求差分的结果D

D

对位置代号进行微分，判断相邻点的位置是否连续，用位置微分构造出新的数据序列。统计结果D

Pos2＝(m

其中，m

第三次求差分的结果D

D

是对位置代号进行微分，判断相邻点的位置是否连续，用位置微分构造出新的数据序列。统计结果D

其中，m

根据位置Pos3返回原始序列找到目标检测序列Data_Target，其是在原始数据中起始点为Pos1[Pos2(m

此过程若存在q<3或r<2，则本循环不存在目标检测序列，以上一个摩擦力检测值作为本循环的摩擦力计算值。

步骤四：寻找推进速度连续增大不低于k+1个采样点的数据段i～i+L为目标检测段，目标检测段的总推进力F的均值为隧道掘进机推进过程摩擦力值，其中，L代表目标检测段的数据序列长度，L与k无关系。

找到目标检测序列Data_Target的原始数据位置i～i+L，根据原始数据位置总推进力F的均值即可计算摩擦力Ff的计算方法为：

其中，Fi表示目标检测段中位置i处的总推进力。

图2是某一个完整循环的设备数据，点状线条为总推进力F，含圆圈状线条为推进速度V，含星状线条为刀盘扭矩T，两条虚线之间的区域点是根据本发明的方法找到的推进速度连续增大的数据段，摩擦力即是两条虚线之间的区域点对应位置的总推进力平均值。其中，变异系数的默认设定阈值为0.05，L与k无关系，非定制，k>＝3，建议取k＝3。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。