基于PSO-SVR算法的悬臂式掘进机工作性能预测

作     者：傅鹤林 赵一博 王立志 郭弘宇 李鲒 邓皇适 FU Helin;ZHAO Yibo;WANG Lizhi;GUO Hongyu;LI Jie;DENG Huangshi

作者机构：中南大学长沙410009 中铁第一勘察设计院集团有限公司西安710043 中建五局土木工程有限公司长沙410000 

基　　金：湖南省建设科技计划项目(KY202109) 

出 版 物：《铁道工程学报》 (Journal of Railway Engineering Society)

年 卷 期：2024年第41卷第9期

页      码：92-98页

摘      要：研究目的:悬臂式掘进机作为铣挖法中不可或缺的机械设备,其工作性能常受到围岩特征和机械设备等条件的制约。为预测悬臂式掘进机工作性能,本文以瞬时切割速率ICR作为评价指标,综合考虑围岩因素和机械设备因素,通过不同算法预测ICR,优选出基于粒子群优化的支持向量机算法(PSO-SVR),并据此建立了ICR预测系统,从而快速高效地预测铣挖隧道掘进机工作性能和施工速度。研究结论:(1)利用已开挖的铣挖法隧道数据作为训练样本,通过5种算法预测ICR,其中粒子群优化的支持向量机算法预测精度最佳;(2)通过粒子群优化算法搜寻最优惩罚系数C和核函数系数g,能有效避免陷入局部最优解问题,并显著提高模型预测精度和泛化能力;(3)十折交叉验证结果表明,PSO-SVR算法具有较好的鲁棒性,且鲁棒性高于其他4种算法;(4)依托赣州蓉江隧道工程,PSO-SVR模型可准确预测悬臂式掘进机瞬时切割速率和施工速度,预测精度显著高于经验公式和其他算法,可为铣挖机械设备选型以及铣挖隧道施工速度预测提供参考。

主 题 词：悬臂式掘进机 瞬时切割速率 工作性能预测 粒子群算法 支持向量机 

学科分类：081406[081406] 08[工学] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.3969/j.issn.1006-2106.2024.09.016

馆 藏 号：203144896...