基于BP神经网络的全断面岩石隧道掘进机刀具系统故障预测研究-《沈阳建筑大学学报(自科版)》

文章信息/Info

摘要:: 目的研究滚刀故障机理并实现对全断面岩石隧道掘进机(Tunnel Boring Machine,TBM)刀具系统的故障预测，分析滚刀故障对系统驱动端参数的影响，提高刀盘掘进效率。方法基于Adams软件建立驱动系统动力学模型并进行仿真分析；提出并建立具有5-12-5形式网络结构的TBM刀具系统故障预测BP神经网络模型；利用MATLAB软件对不同磨损程度的滚刀状态预测进行建模仿真；采用GA-BP算法对该模型实现优化。结果滚刀磨损加剧后，刀盘推力平均增加2.3%，驱动扭矩平均增加8.4%，刀盘转速减小12.2%，掘进速度平均下降4.7%；应用GA-BP算法的神经网络诊断模型的诊断误差曲线相对平稳，模型训练的均方误差为0.000 342 16。结论驱动设备参数与滚刀故障之间存在对应关系，各特征参数均受到不同程度影响；基于GA-BP算法的神经网络预测模型诊断误差最小，训练过程仅需40次迭代便可达到网络性能要求，收敛速度显著提高，可用于检测TBM刀具系统在不同磨损程度下的状态类型。