摘要：针对全断面岩石隧道掘进机刀盘在恶劣工况下的应变监测,本文提出了一种表面应变重构的视觉识别方法。通过图像中圆形标距中心点之间像素点数量的变化,得到标距的实际变形,并在此基础上结合柯西-格林公式进行表面应力重构。本文以隧道掘进机刀盘刀座和筋板2个关键位置为研究对象,设计了4330V和Q345-D共2种材料不同尺寸标准样件,搭建了基于视觉识别和基于应变片的2套测量系统,进行了拉伸载荷作用下的应变对比及样件表面应力重构。研究表明:本文基于视觉识别方法测得的2种材料标准件变形的误差范围为1.28%~3.23%,在此基础上,进行的材料表面应力重构的误差范围为2.20%~4.76%。本文方法可以实现变形的准确测量及实现多方向的应变和变形重构,为实现复杂结构的应变和变形测量奠定了坚实基础。

摘要：为解决恶劣工况下全断面硬岩隧道掘进机(tunnel boring machine,TBM)关键主承力结构应变监测难、监测不准的难题,提出了一种基于BP神经网络和有限元分析的TBM刀盘关键位置应变重构方法.首先,通过静、动力学有限元分析确定了TBM刀盘关键位置,并提取了刀盘典型易损特征子结构.其次,基于有限元技术和实验设计(design of experiments,DOE)方法,分别进行了标准件和特征子结构多载荷下静力学有限元分析,并构建了载荷-应变数据库.最后,运用BP神经网络建立了标准样件和刀盘特征子结构的应变重构模型,并进行了标准样件的实验验证.结果表明,重构应变的平均误差为10%,验证了方法的可行性,为TBM刀盘复杂结构的应变重构提供了一种可行的方法.