典型文献
基于深度迁移学习的TBM纠偏调向控制研究
文献摘要：
全断面硬岩隧道掘进机(TBM)在掘进过程中,会受到自重、地质条件、人为因素等影响,导致掘进姿态发生变化,偏离目标轴线,需要通过纠偏调向使其回到目标轨迹上,以保证施工质量.提出了一种基于深度迁移学习的TBM纠偏调向控制方法,先采用深度迁移学习神经网络建立TBM纠偏调向参数预测模型,再通过分析TBM纠偏调向位姿模型,结合最大边刀移动量与最小转弯半径规划纠偏轨迹.工程验证效果表明:基于深度迁移学习的TBM纠偏调向参数预测模型具备更高的控制精度,能将TBM姿态与目标轴线偏差约束在±20 mm以内,洞壁更光滑,提高了隧道施工质量;基于最大边刀移动量与最小转弯半径规划纠偏轨迹,纠偏调向过程更可控,避免了因调节过度造成的刀具和刀盘损坏,同时减小了TBM卡机的风险.
文献关键词：
TBM;纠偏调向控制;深度迁移学习;LSTM神经网络;轨迹规划
中图分类号：
作者姓名：
侯昆洲
作者机构：
中国铁建重工集团股份有限公司,长沙410100
文献出处：
引用格式：
[1]侯昆洲-.基于深度迁移学习的TBM纠偏调向控制研究)[J].现代隧道技术,2022(04):81-89
A类：
纠偏调向控制
B类：
深度迁移学习,TBM,全断面硬岩,硬岩隧道掘进机,掘进过程,自重,地质条件,人为因素,轴线,目标轨迹,施工质量,参数预测,位姿,大边,最小转弯半径,工程验证,控制精度,线偏差,隧道施工,刀具,刀盘,卡机,轨迹规划
AB值：
0.204257
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
