(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111487564.9 (22)申请日 2021.12.07 (71)申请人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 邱道宏　李雪冰　薛翊国　于月浩　 郭壮壮　刘秋实　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 代理人 杨琪 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/17(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06F 119/02(2020.01) (54)发明名称 一种基于神经网络的TBM滚刀磨损实时预测 方法及系统 (57)摘要 本发明提供了一种基于神经网络的TBM滚刀 磨损实时预测方法及系统， 获取每一滚刀的现场 数据； 依据获取的现场数据， 以及预设的TBM滚刀 磨损时序预测模 型， 得到每一滚刀磨损量的时序 预测值； 在每一滚刀寿命周期内， 对各个时段的 历史滚刀磨损量和预测滚刀磨损量累加， 获得总 磨损量； 依据总磨损量确定预测的滚刀磨损状态 和滚刀更换时间； 本发明基于LSTM， 综合考虑现 场掘进数据领域信息和历史信息， 有效提取数据 的序列变化信息， 建立预测TBM滚刀磨损量的时 序预测模型， 利用现场掘进数据实现对滚刀磨损 智能化预测和 信息化管理， 对滚刀的磨损状态以 及滚刀更换的时间进行预测， 避免了盾构机在一 段复杂岩石地层下停机， 规避了不良地质问题的 发生。 权利要求书2页 说明书5页 附图1页 CN 114417697 A 2022.04.29 CN 114417697 A 1.一种基于神经网络的TBM滚刀磨损实时预测方法， 其特 征在于， 包括： 获取每一滚刀的现场数据； 依据获取的现场数据， 以及预设的TBM滚刀磨损时序预测模型， 得到每一滚刀磨损量的 时序预测值； 其中， 所述TBM滚刀磨损时序预测模型基于 长短时记 忆神经网络训练得到； 在每一滚刀寿命周期内， 对各个时段的历史滚刀磨损量和预测滚刀磨损量累加， 获得 总磨损量； 依据总磨损量确定预测的滚刀磨损状态和滚刀更 换时间。 2.如权利要求1所述的一种基于神经网络的TBM滚刀磨损实时预测方法， 其特征在于， 所述TBM滚刀磨损时序预测模型的训练过程 为： 获取TBM掘进机在隧道掘进时的掘进参数时序数据， 以及刀盘每一滚刀磨损量数据； 对 每一滚刀磨损量数据进行时序 处理， 得到刀盘每一滚刀磨损量时序值， 刀盘每一滚刀磨损 量时序值与掘进参数时序数据在时间上相对应； 建立包括掘进参数时序数据和刀盘 每一滚刀磨损量时序值的数据样本库； 根据建立的数据样本库和长短期记 忆神经网络， 训练得到TBM滚刀磨损时序预测模型。 3.如权利要求2所述的一种基于神经网络的TBM滚刀磨损实时预测方法， 其特征在于， 所述掘进参数至少包括掘进速度、 刀盘扭矩、 刀盘推力、 刀盘转速和滚刀贯入度中的一种或 多种； 所述刀盘每一滚刀磨损量数据至少包括滚刀安装半径、 滚刀磨损高度、 滚刀更换维修 位置和滚刀更 换时间的一种或多种。 4.如权利要求2所述的一种基于神经网络的TBM滚刀磨损实时预测方法， 其特征在于， 对每一滚刀磨损量数据进 行时序处理， 是将滚刀磨损量数据与掘进参数数据通过桩号和滚 刀更换维修时间一 一对应。 5.如权利要求2所述的一种基于神经网络的TBM滚刀磨损实时预测方法， 其特征在于， 所述数据样本库中， 获取掘进参数和滚刀磨损数据的时间间隔相同； 缺失的滚刀磨损量数 据采用插值补。 6.如权利要求2所述的一种基于神经网络的TBM滚刀磨损实时预测方法， 其特征在于， 以预测值与真实值之间的相对误差率、 平均绝对百分比误差和拟合优度三个指标对模型有 效性进行评价。 7.如权利要求1所述的一种基于神经网络的TBM滚刀磨损实时预测方法， 其特征在于， 依据每一滚刀的总磨损量判定滚刀磨损状态， 是根据磨损量与滚刀磨损高度的对应关系； 对于不同类型和不同位置的滚刀， 预测磨损高度超过其界定的磨损高度时即可判定该滚刀 失效， 需要更 换滚刀。 8.一种基于神经网络的TBM滚刀磨损实时预测系统， 其特 征在于， 包括： 数据采集模块， 被 配置为： 获取每一滚刀的现场数据； 预测模块， 被配置为： 依据获取的现场数据， 以及预设的TBM滚刀磨损时序预测模型， 得 到每一滚刀磨损量的时序预测值； 其中， 所述TBM滚刀磨损时序预测模 型基于长 短时记忆神 经网络训练得到； 磨损量确定模块， 被配置为： 在每一滚刀寿命周期内， 对各个时段的历史滚刀磨损量和 预测滚刀磨损量累加， 获得总磨损量； 依据总磨损量确定预测的滚刀磨损状态和滚刀更换 时间。权　利　要　求　书 1/2 页 2 CN 114417697 A 29.一种电子设备， 其特征在于， 包括存储器、 处理器及存储在存储器上并可在处理器上 运行的计算机程序， 所述处理器执行所述程序时实现了如权利要求1 ‑7任一项所述的基于 神经网络的TBM滚刀磨损实时预测方法中的步骤。 10.一种计算机可读存储介质， 其特征在于， 其上存储有计算机程序， 该程序被处理器 执行时实现了如权利要求1 ‑7任一项所述的基于神经网络的TBM滚刀磨损实时预测方法中 的步骤。权　利　要　求　书 2/2 页 3 CN 114417697 A 3