-
公开(公告)号:CN117493837A
公开(公告)日:2024-02-02
申请号:CN202410004533.0
申请日:2024-01-03
Applicant: 中铁南方投资集团有限公司 , 同济大学
IPC: G06F18/2113 , G06F18/213 , G06F18/10 , G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/0985 , E21D9/06
Abstract: 本发明公开了一种基于机器学习的盾构掘进机姿态分项预测方法,涉及盾构掘进机姿态预测领域。该方法包括:获取姿态参数数据的趋势项和波动项与施工参数数据的趋势项和波动项;确定强相关参数,并确定强相关参数数据的趋势项和波动项;构建并训练第一长短时记忆网络模型和第二长短时记忆网络模型;对训练后的第一长短时记忆网络模型和第二长短时记忆网络模型进行超参数优化和第二轮训练,以获取盾构掘进机姿态分项预测结果。本发明考虑了盾构掘进机施工参数对盾构掘进机姿态的影响,并克服了盾构掘进机时序参数关联因素复杂的问题,进而能实现盾构掘进机姿态的准确预测。
-
公开(公告)号:CN117493837B
公开(公告)日:2024-03-19
申请号:CN202410004533.0
申请日:2024-01-03
Applicant: 中铁南方投资集团有限公司 , 同济大学
IPC: G06F18/2113 , G06F18/213 , G06F18/10 , G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/0985 , E21D9/06
Abstract: 本发明公开了一种基于机器学习的盾构掘进机姿态分项预测方法,涉及盾构掘进机姿态预测领域。该方法包括:获取姿态参数数据的趋势项和波动项与施工参数数据的趋势项和波动项;确定强相关参数,并确定强相关参数数据的趋势项和波动项;构建并训练第一长短时记忆网络模型和第二长短时记忆网络模型;对训练后的第一长短时记忆网络模型和第二长短时记忆网络模型进行超参数优化和第二轮训练,以获取盾构掘进机姿态分项预测结果。本发明考虑了盾构掘进机施工参数对盾构掘进机姿态的影响,并克服了盾构掘进机时序参数关联因素复杂的问题,进而能实现盾构掘进机姿态的准确预测。
-
公开(公告)号:CN119571874A
公开(公告)日:2025-03-07
申请号:CN202411541633.3
申请日:2024-10-31
Applicant: 同济大学
IPC: E02D33/00 , E02D17/08 , E02D19/18 , E02F9/26 , E02F9/24 , E02F5/08 , E02F5/14 , E02F1/00 , G01N29/04 , G01M3/04 , G01M3/00
Abstract: 本发明提供了一种防渗墙的施工检测装置及施工方法,属于工程建筑设备技术领域,其中,施工检测装置包括环形导轨,环所述铣削机架的周向固定在所述铣削机架上;滑动块滑动连接在所述环形导轨上,所述滑动块被配置为受外力驱动在所述环形导轨上位移,所述滑动块上固连有用于检测槽体的检测件;所述铣削机架进入槽体中时,所述检测件随所述滑动块沿所述铣削机架的周向同步移动,以对至少部分所述槽体进行检测。本发明提供的施工检测装置,通过在铣削机架上设置环形导轨,检测件能够随着滑动块在环形导轨上同步移动,对至少部分槽体进行检测,从而能够在施工过程中即可进行槽体的质量检测和控制工作,有利于及时对槽体进行修补防护,保证成槽质量。
-
-