Indexed by：
Abstract：
隧道掘进机(TBM)掘进数据的上升段为实时岩体条件感知和掘进性能参数预测提供了丰富的信息。提出一种融合注意力机制的双向长短时记忆网络,来实现TBM掘进稳定段的性能参数预测。在所提出的模型中,4个主要参数的时间序列数据作为主要输入来提取岩机作用关系,稳定段的推进速度和刀盘转速作为辅助输入来考虑主司机的控制行为,模型输出推力和扭矩预测值。不同于传统的预测模型,所提出的模型不依赖于地质参数,通过自动学习上升段的特征来建立控制参数与预测性能参数之间的映射关系。模型建立过程,采用多项数据处理技术来修正异常值、过滤噪声及归一化等,并提出了基于扭矩时序曲线来识别TBM上升段和稳定段的方法。依托于吉林引松供水...
Keyword：
Reprint Author's Address：
Email：
Source ：
岩石力学与工程学报
Year： 2020
Issue： S2
Volume： 39
Page： 3505-3515
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 7
Affiliated Colleges：
