| 基于PSO-LSSVM算法的隧道掘进机掘进参数预测方法 |
| |
| 作者姓名： | 李宏波 张冬月 葛学元 |
| |
| 作者单位： | 中机新材料研究院郑州有限公司;盾构及掘进方法国家重点实验室;中机新材料研究院郑州有限公司;北京机科国创轻量化科学研究院有限公司;北京机科国创轻量化科学研究院有限公司 |
| |
| 基金项目： | 国家重点研发计划(2020YFB2006803,2020YFB2006803,2020YFB1709504);河南省科技攻关(212102310270); |
| |
| 摘 要： | 为了规避隧道掘进机(tunnel boring machine, TBM)掘进参数人为设定的主观性,提出了一种基于粒子群-最小二乘支持向量机算法(PSO-LSSVM)的TBM掘进参数预测方法。通过从海量TBM工程掘进数据中探寻参数变化规律,降低了TBM主司机设定掘进参数的主观性,辅助其合理选择掘进参数,有利于提高掘进效率、规避工程风险,经实验和工程数据验证,PSO-LSSVM算法通过对样本粒子全局迭代寻优来优化参数,提升了预测算法泛化能力和预测精度,对推力、扭矩和推进速度参数预测数值偏差满足要求,可辅助指导主司机设定掘进参数。
|
| 关 键 词： | 隧道掘进机(tunnel boring machine,TBM) 掘进参数 粒子群(particle swarm optimization,PSO) 支持向量机(support vector machine,SVM) 参数预测 |
| 收稿时间： | 2022-09-29 |
| 修稿时间： | 2023-03-20 |
|
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
|
点击此处可从《科学技术与工程》下载免费的PDF全文 |
|
