基于大数据挖掘技术的盾构刀具磨损分析与识别研究

Cutting-tool wear consumption has been one of the bottlenecks that plagued the construction efficiency. Optimization of cutter selection and configuration, identification of tool wear are effective ways to reduce tool wear and its influence. Establishing reliable evaluation model on optimization effect of cutting-wheel tools and identification method for tool wear based on the working parameter has important engineering significance and economic benefits. The following studies and corresponding methodologies are included: (1) interrelationship of cutting wheel types, tool configuration, tool parameters and tool wear is obtained by data mining, the influence law of tool selection and configuration on tool wear is revealed, optimization effect evaluation method considering tool wear is established; (2) the combination of the theory analysis and data mining is used to study variation law of shield tunneling parameters, the influence mechanism of tool wear on shield tunneling parameters is revealed, numerical model of shield tunneling parameters in the process of tool wear is built; (3) artificial neural network is used to tool wear fault identification, and accurate identification of tool wear is accomplished.

刀具磨损一直是困扰盾构施工效率的瓶颈问题之一，刀盘刀具选型配置优化、刀具磨损识别是降低刀具磨损及其影响的有效途径，建立可靠的刀盘刀具优化效果评价模型和基于掘进参数的刀具磨损识别方法具有重要工程意义和经济效益。本课题主要开展以下研究：通过数据挖掘，获取不同掘进参数下刀盘型式、刀具配置方式、刀具构型参数与刀具磨损的关系模型，揭示盾构刀盘刀具选型配置对刀具磨损的影响规律，建立考虑刀具磨损的刀盘刀具优化效果评价方法；综合运用理论分析、数据挖掘手段，研究刀具在不同磨损状态下盾构掘进参数的变化规律，揭示刀具磨损对盾构掘进参数的影响机理，建立刀具磨损过程中盾构掘进参数变化的理论计算模型；综合运用人工神经网络等数据挖掘手段，建立基于盾构掘进参数的刀具磨损故障识别方法，实现刀具磨损的准确识别。

刀盘刀具是盾构推进过程的关键部件之一，是影响掘进效率和掘进距离的重要因素，刀盘选型不合理、刀具配置不适应地质条件、刀具更换不及时导致刀盘刀具过度磨损并频繁换刀已成为最严重工程问题之一。项目针对盾构刀盘刀具选型配置对刀具磨损的影响规律、盾构刀具磨损状态与掘进参数关联规律、基于盾构掘进参数的刀具磨损故障识别方法三个内容展开研究，主要研究成果有：利用数值模拟方法对刀具与硬质矿物质相互作用产生的刀具磨损机理进行分析，基于现有单一地层磨损系数，给出一套复杂地层条件下刀具磨损工程计算方法，为工程中刀具磨损快速计算提供了理论基础，基于工程案例统计数据，开展了盾构选型参数对刀具磨损的影响分析，为进一步改进刀盘刀具设计提供参考；基于工程数据和理论分析，给出了考虑贯入度、土仓压力等施工参数的土压平衡盾构刀盘扭矩计算模型，基于工程换刀案例库，利用数理统计方法，梳理分析了刀盘扭矩、贯入度、推力等盾构掘进参数在换刀前后的变化规律，给出不同参数组合下换刀前后数据统计特征，为刀具磨损识别提供了依据；针对刀具磨损定量分析与识别问题，提出基于刀盘扭矩能量与泡沫添加剂体积的刀具磨损双参数预测模型，利用神经网络方法实现基于掘进多个参数变化特征的刀具磨损预测方法，并对预测模型进行了工程应用与验证。研究成果为刀盘刀具设计、换刀时机的选择和换刀数目的预测提供技术支撑。