買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安理工大學(xué)申請的專利基于地層信息動態(tài)識別的TBM操作參數(shù)智能決策方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119554041B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411703218.3，技術(shù)領(lǐng)域涉及：E21D9/06；該發(fā)明授權(quán)基于地層信息動態(tài)識別的TBM操作參數(shù)智能決策方法是由佘磊;胡成成;李炎隆;許增光設(shè)計(jì)研發(fā)完成，并于2024-11-26向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于地層信息動態(tài)識別的TBM操作參數(shù)智能決策方法在說明書摘要公布了：本發(fā)明公開了基于地層信息動態(tài)識別的TBM操作參數(shù)智能決策方法，包括獲取TBM掘進(jìn)過程中的巖?機(jī)參數(shù)，對參數(shù)信息進(jìn)行預(yù)處理并構(gòu)建原始數(shù)據(jù)庫，建立三種掘進(jìn)工況，基于表格深度學(xué)習(xí)架構(gòu)，建立巖體參數(shù)多輸出預(yù)測模型和掘進(jìn)參數(shù)多輸出預(yù)測模型，綜合考慮掘進(jìn)效率、施工成本、設(shè)備安全和工程經(jīng)驗(yàn)進(jìn)一步構(gòu)建多目標(biāo)優(yōu)化算法，通過巖體參數(shù)多輸出預(yù)測模型預(yù)測巖體參數(shù)，識別掘進(jìn)工況，以掘進(jìn)參數(shù)多輸出預(yù)測模型為擬合函數(shù)，依據(jù)實(shí)際掘進(jìn)工況要求優(yōu)化TBM掘進(jìn)狀態(tài)并給出操作參數(shù)決策值。本發(fā)明不僅考慮了掘進(jìn)速率和刀具消耗，還考慮了設(shè)備安全和工程經(jīng)驗(yàn)等，給出的操作參數(shù)決策值能有效提高施工效率，降低刀具成本，并保證施工安全性。

本發(fā)明授權(quán)基于地層信息動態(tài)識別的TBM操作參數(shù)智能決策方法在權(quán)利要求書中公布了：1.基于地層信息動態(tài)識別的TBM操作參數(shù)智能決策方法，其特征在于，包括以下步驟： 步驟1，獲取TBM掘進(jìn)過程的操作參數(shù)、被動參數(shù)和巖體參數(shù)，對參數(shù)信息進(jìn)行預(yù)處理以構(gòu)建原始數(shù)據(jù)庫，將原始數(shù)據(jù)庫按8：2的比例劃分成訓(xùn)練集和測試集，建立軟巖地層、平衡地層和硬巖地層三種掘進(jìn)工況； 步驟2，基于表格深度學(xué)習(xí)架構(gòu)TabNet，用訓(xùn)練集構(gòu)建巖體參數(shù)多輸出預(yù)測模型和掘進(jìn)參數(shù)多輸出預(yù)測模型，分別用于地層信息識別和表征映射關(guān)系，用測試集驗(yàn)證巖體參數(shù)多輸出預(yù)測模型和掘進(jìn)參數(shù)多輸出預(yù)測模型性能； 所述步驟2中，基于表格深度學(xué)習(xí)架構(gòu)TabNet，以操作參數(shù)和被動參數(shù)為輸入，以巖體單軸抗壓強(qiáng)度和巖體質(zhì)量指標(biāo)為輸出，構(gòu)建巖體參數(shù)多輸出預(yù)測模型，在TBM掘進(jìn)隧道環(huán)的過程中會直接產(chǎn)生操作參數(shù)和被動參數(shù)，以其作為巖體參數(shù)多輸出預(yù)測模型的輸入，可識別出該隧道環(huán)的掘進(jìn)地層信息； 所述步驟2中，基于表格深度學(xué)習(xí)架構(gòu)TabNet，以操作參數(shù)和巖體參數(shù)為輸入，以掘進(jìn)速率和每延米刀具消耗量為輸出，構(gòu)建掘進(jìn)參數(shù)多輸出預(yù)測模型，在掘進(jìn)過程中，動態(tài)地將新采集的參數(shù)信息加入到數(shù)據(jù)庫中，不斷訓(xùn)練巖體參數(shù)多輸出預(yù)測模型和掘進(jìn)參數(shù)多輸出預(yù)測模型，以增強(qiáng)模型性能； 步驟3，基于對掘進(jìn)效率、施工成本、設(shè)備安全和工程經(jīng)驗(yàn)的考慮構(gòu)建多目標(biāo)優(yōu)化算法，通過巖體參數(shù)多輸出預(yù)測模型預(yù)測巖體參數(shù)，識別掘進(jìn)工況，以掘進(jìn)參數(shù)多輸出預(yù)測模型為擬合函數(shù)，依據(jù)實(shí)際掘進(jìn)工況要求優(yōu)化TBM掘進(jìn)狀態(tài)并給出操作參數(shù)決策值； 所述步驟3中，通過加權(quán)切比雪夫標(biāo)量化策略將黑翅鳶算法改進(jìn)成多目標(biāo)優(yōu)化算法，然后利用Tent混沌映射策略替換黑翅鳶算法的初始種群生成策略，從而構(gòu)建多目標(biāo)黑翅鳶優(yōu)化算法，以TBM掘進(jìn)隧道環(huán)過程中直接產(chǎn)生的操作參數(shù)和被動參數(shù)作為巖體參數(shù)多輸出預(yù)測模型的輸入，獲得實(shí)際巖體參數(shù)，根據(jù)實(shí)際巖體參數(shù)中巖體單軸抗壓強(qiáng)度識別出掘進(jìn)工況，進(jìn)而確定優(yōu)化方案，在優(yōu)化過程中，根據(jù)工程需求設(shè)定目標(biāo)值和權(quán)重，保持巖石參數(shù)不變，以掘進(jìn)參數(shù)多輸出預(yù)測模型為擬合函數(shù)，用TBM掘進(jìn)隧道環(huán)過程中直接產(chǎn)生的操作參數(shù)和實(shí)際巖體參數(shù)作為輸入，獲得掘進(jìn)速率和每延米刀具消耗量，然后結(jié)合開挖計(jì)劃和施工預(yù)算設(shè)置掘進(jìn)速率和每延米刀具消耗量的權(quán)重和目標(biāo)值，綜合考慮掘進(jìn)效率、施工成本、設(shè)備安全和工程經(jīng)驗(yàn)，對不同的工況制定不同的優(yōu)化方案，最終給出相應(yīng)的刀盤轉(zhuǎn)速、刀盤扭矩和刀盤推力的決策值。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西安理工大學(xué)，其通訊地址為：710048 陜西省西安市碑林區(qū)金花南路5號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。