公共文化服务平台

搜索到854篇“ 盾构姿态“的相关文章

盾构姿态主动调节装置及方法: 本发明公开了盾构姿态主动调节装置及方法，主动调节装置，安装在米字梁内，用于控制盾构后点姿态；米字梁，安装在中盾内后部，起支承中盾作用。制造盾构机时在中盾米字梁的四个位置安装盾构姿态主动调节装置，并随着盾构向前掘进在盾构开...; 王国义刘秀争张丽虹李勇李宁钟海军郭强李宗奇

盾构姿态检核方法研究及测量实践: 2025年; 在盾构法隧道施工过程中,盾构机姿态的准确性及稳定性对隧道的顺利贯通起着十分重要的作用。因此,需采用独立于盾构导向系统之外的其他测量方法,对盾构机姿态进行定期监控。基于盾构机本体独立坐标系的构建,结合工程实践,探析了空间距离交会法、两点直算法及空间坐标转换法在盾构姿态复测中的成果,验证了这3种检核方法的三维坐标分量差别较小、精度相当,均能满足对盾构机姿态复测的要求,可为盾构施工的测量人员提供参考。; 丁东强; 关键词：盾构法隧道施工

基于机器学习的盾构姿态实时智能控制方法: 本发明属于智能控制系统领域，具体涉及基于机器学习的盾构姿态实时智能控制方法，本发明的方法，数据采集模块能够更全面、准确地反映盾构施工的实际情况，在控制过程中，对千斤顶的工作状态、液压系统压力等关键参数进行实时监测，能够及...; 李凤远韩伟锋王雅文任颖莹江南张合沛万雪钰陈桥何蒙蒙陈瑞祥石凯丽

一种基于机器视觉的盾构姿态控制方法与系统: 本发明公开了一种基于机器视觉的盾构姿态控制方法与系统，包括：根据所述特征点运动轨迹，构建盾构机运动状态模型，采用卡尔曼滤波算法对运动状态进行预测和校正，得到盾构机实时姿态数据；获取盾构机振动数据，所述振动数据基于惯性测量...; 徐赞曹文贵彭文哲郑智雄张超周浩袁涌筌聂上杰

基于多注意力机制优化组合模型的盾构姿态预测方法: 本申请提供基于多注意力机制优化组合模型的盾构姿态预测方法，包括以下步骤：获取目标盾构机的历史特征数据、盾构姿态数据，对其进行缺失值补齐、掘进段数据提取、数据归一化，再由灰色关联分析两者关联度；通过选择核网络对输入特征注意...; 刘哲陈培帅杨钊姬付全许超熊栋栋曾亮贺创波高如超钟涵张飞雷温博为

基于多重深度学习算法的盾构姿态预测模型: 2025年; 在广东某盾构隧道中,通过相关数据比较分析RNN,LSTM,GRU,TCN深度学习算法的预测效果,据此提出适用于隧道盾构施工数据的预处理算法框架,以及基于多变量正态分布的异常值检测方法。通过数据清理、盾构状态数据分割、数据归一化处理后,显著增强深度学习算法拟合能力。建立盾构姿态预测模型,并对模型预测表现进行详细对比分析,最终结合GRU,TCN得到更精确的盾构姿态预测模型。通过MAE和RMSE指标综合比较分析各深度学习算法的预测效果,得出不同姿态下的最优预测模型。将该研究成果应用于多重深度学习模型,进行盾构姿态预测和调整,提高了掘进设备的自动化程度和安全性。; 林金华陈哲凡熊昊陈磊黄明峰; 关键词：盾构姿态

基于灰色关联分析下深度学习盾构姿态预测模型: 2025年; 为解决盾构姿态偏离隧道设计轴线的问题,提出一种基于长短期记忆(LSTM)与支持向量回归(SVR)的堆叠集成预测模型。利用灰色关联分析将灰色关联度较低的滚动角参数剔除后通过离散小波转换(DWT)去噪处理,将处理后的数据分别进行两个单一模型预测后进行最优赋权得到DWT-LSTM-SVR堆叠预测模型。其中,将刀盘水平位移、盾尾水平位移、刀盘垂直位移和盾尾垂直位移作为预测模型的输出变量,其余22个掘进参数和5个地层参数为输入变量,并将DWT-LSTM-SVR模型应用于珠江三角洲水资源配置工程A3标段。结果表明:DWT-LSTM-SVR模型的4个盾构姿态参数预测值与真实值误差与其他模型相比较小,说明该模型可以有效结合单一模型,且在剔除与4个盾构姿态参数关联度较低的参数后可以提高模型预测精度;DWT-LSTM-SVR模型的评价指标均满足施工误差要求,其中,对于盾尾位移值的预测效果较好,平均绝对百分比误差约为0.02,拟合度R 2值均高于0.98,说明DWT-LSTM-SVR模型可以满足模型设计要求。通过建立不同数据集分析数据数量对堆叠模型预测精度的敏感性,结果表明数据越多堆叠模型预测精度越高,可为其他盾构姿态的提前调整提供一定参考。; 满轲柳宗旭商艳宋志飞刘晓丽苏宝; 关键词：盾构姿态

基于融合注意力机制的盾构姿态组合预测模型研究: 2025年; 针对盾构姿态预测模型存在易过拟合、预测精度低的问题,提出一种基于融合注意力机制的盾构姿态组合预测模型。为强化有效特征的提取,抑制冗余特征信息的表达,引入基于选择性卷积核网络(selective kernel networks,SKNet)的特征注意力机制提取网络,消除固定尺寸卷积核带来的限制,并自适应形成带有注意力的特征映射。为更好地捕捉长期信息和特征模式,通过双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)、门控循环单元(gated recurrent unit, GRU)得到2组隐含输出结果,再利用多头注意力机制,捕获组合模型输出的隐含特征与模型输出的盾构姿态之间的依赖关系,进一步提高预测模型对重要隐含特征的信息抓捕能力;同时,为解决地质勘察钻孔数据连续性差、精确性不足,难以应用于机器学习模型训练的问题,将基于人工先验知识的二级特征引入模型特征输入,提升模型对地层信息的感知能力。最后,基于广州地铁12号线官洲站—大学城北站盾构实例,对模型不同参数结构下的性能进行研究,并进行对比试验验证模型性能,采用可解释性试验评估特征对预测结果的影响。试验结果表明,相比其他预测模型,所提出的预测模型优越性更好,预测精度更高,解决了长时间序列高特征维度数据在传统模型下易过拟合且预测精度较低的问题。; 刘哲许超熊栋栋

基于Logistic映射GWO的盾构姿态预测: 2025年; 针对地铁隧道盾构姿态难以控制的问题,提出基于Logistic映射灰狼算法(GWO)的盾构姿态预测方法。该方法引入Logistic映射生成初始值,并针对灰狼算法中的收敛因子A进行分解,分为决策因子A 1与衰减因子A 2,以改善收敛因子在全局与局部搜索时的能力不足问题,可以有效学习盾构时序数据中的长期依赖关系。研究依托武汉地铁11号线东段马房山站~虎泉站数据集对所提方法进行验证。以盾尾水平偏移预测为例,L-GWO模型预测的相关系数(R)达到了0.9985,均方根误差(RMAE)为1.23 mm,相较于GWO模型和粒子群,L-GWO模型可以更准确地预测盾构姿态。此外,与GWO、GA-GWO、PSO-GWO模型相比,Logistic映射在防止网络退化、加强盾构数据特征学习能力方面的作用显著。; 刘云花张亚辉; 关键词：隧道工程盾构隧道混沌映射

一种盾构姿态位置偏差预测方法: 本发明属于盾构掘进技术领域，具体涉及一种盾构姿态位置偏差预测方法。本发明将已完工的盾构施工项目的各项参数作为源域数据，在预训练模型中训练，并提取预训练模型中特征提取层的相关参数，在特征提取层之后叠加两层新的全连接层，构成...; 刘绥美牟松徐进苏叶茂章龙管张泽慧朱菁梅元元李才洪杨冰刘洋梁博张中华胡可陈鑫李明扬陈可王奇彬

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈