基于神经网络算法的滚刀磨损量预测方法

TU94; 为了给盾构施工开仓换刀提供参考,将滚刀磨损简化为多元非线性拟合问题,构建了数据分析框架,综合考虑机械、地质、管理3大类因素,对滚刀磨损量进行预测.以广州地铁18号线番禺广场站到南村万博站区间盾构区间为工程背景,选取共14种参数,结合公式获得标定后数据共2386条,包含34把正面滚刀,共81次滚刀磨损量.通过SMBO方法和LM算法改进BPNN算法训练过程,充分发挥神经网络优势,所得模型对83.3％的测试样本的预测值决定系数(R2)高于0.86,相比标定样本时参考的公式,准确度有较大提高,表明该方法所训练模型对滚刀磨损量的发展趋势预测更加准确....

Full description

Saved in:
Bibliographic Details
Published in郑州大学学报（工学版） Vol. 44; no. 1; pp. 83 - 95
Main Authors 丁小彬, 谢宇轩, 薛皓文, 李世佳
Format Journal Article
LanguageChinese
Published 华南理工大学华南岩土工程研究院,广东广州 510640%华南理工大学土木与交通学院,广东广州 510640%广州轨道交通建设监理有限公司,广东广州 510010 2023
华南理工大学土木与交通学院,广东广州 510640
Subjects
优化算法
滚刀磨损
盾构机
改进BP神经网络
Online AccessGet full text
ISSN1671-6833
DOI10.13705/j.issn.1671-6833.2022.04.009

Cover

More Information
Summary:TU94; 为了给盾构施工开仓换刀提供参考,将滚刀磨损简化为多元非线性拟合问题,构建了数据分析框架,综合考虑机械、地质、管理3大类因素,对滚刀磨损量进行预测.以广州地铁18号线番禺广场站到南村万博站区间盾构区间为工程背景,选取共14种参数,结合公式获得标定后数据共2386条,包含34把正面滚刀,共81次滚刀磨损量.通过SMBO方法和LM算法改进BPNN算法训练过程,充分发挥神经网络优势,所得模型对83.3％的测试样本的预测值决定系数(R2)高于0.86,相比标定样本时参考的公式,准确度有较大提高,表明该方法所训练模型对滚刀磨损量的发展趋势预测更加准确.
ISSN:1671-6833
DOI:10.13705/j.issn.1671-6833.2022.04.009