-
公开(公告)号：CN113988113B
公开(公告)日：2025-01-17
申请号：CN202111090057.1
申请日：2021-09-17
Applicant: 济南轨道交通集团有限公司 , 上海同岩土木工程科技股份有限公司 , 山东轨道交通研究院有限公司
IPC: G06F18/10 , G06F18/213
Abstract: 本发明涉及一种盾构掘进过程各阶段数据自动分离方法及计算机可读介质，其中数据自动分离方法包括：获取掘进参数数据；提取掘进状态数据；判断相邻数据的时间节点是否连续，并划分初始的各掘进循环段；对数据进行平滑处理；对数据各掘进阶段分别计算极小峰值点，将数据分割形成单掘进循环段；计算单掘进循环段的极大峰值点，并根据第一个极大峰值点将数据分割为上升段数据和平稳掘进段数据分割点；对数据进行分段线性拟合计算斜率，并根据斜率正负的变化点作为平稳掘进段、下降段的分割点，实现平稳段和下降段的分离；获得分离后的上升段、平稳掘进段和下降段数据。与现有技术相比，本发明具有能够有效避免误判、数据识别完整等优点。
-
公开(公告)号：CN115659784A
公开(公告)日：2023-01-31
申请号：CN202211196924.4
申请日：2022-09-28
Applicant: 济南轨道交通集团有限公司 , 山东轨道交通研究院有限公司 , 上海同岩土木工程科技股份有限公司
IPC: G06F30/27 , G06F18/23 , G06N20/00 , G06Q10/0635 , G06F119/14
Abstract: 本发明提出了一种盾构机施工掘进参数的实时风险预警方法及系统，包括：获取地质状况勘察数据以及对应的历史盾构机数据并在处理后得到正常稳定施工段的掘进数据；基于地质特征参数建立聚类模型，将正常稳定施工段的掘进数据输入至该模型，输出多个集群，其中类似地质状况均在一个集群中；在各集群中分别统计所有地质状况对应的掘进参数的分布，并给出预警值；将即将掘进环的地质特征参数输入至聚类模型中以获得该环所属集群并得到该环对应掘进参数的预警值；开始施工后，实时提取连续较短时间内的掘进数据，并建立掘进参数与预警值的显著差异性检验模型，如果差异性显著则对该时间段的掘进参数进行预警。
-
公开(公告)号：CN114564886A
公开(公告)日：2022-05-31
申请号：CN202210155812.8
申请日：2022-02-21
Applicant: 上海同岩土木工程科技股份有限公司
Abstract: 本发明涉及一种基于地质参数量化的盾构掘进参数预测方法，该方法包括以下步骤：将地层沿着埋深方向进行单元化处理，基于各单元片段的地质参数和隧道参数，建立地质状况量化矩阵，结合对应的掘进参数生成训练数据，并基于训练数据建立卷积神经网络模型；获取待施工段的地质状况量化矩阵，输入所述卷积神经网络模型获得对应掘进参数的预测值。与现有技术相比，本发明具有充分体现土层的复杂程度、预测精度高等优点。
-
Patent Agency Ranking
公开(公告)号：CN113111467B
公开(公告)日：2023-05-12
申请号：CN202110513502.4
申请日：2021-05-11
Applicant: 上海同岩土木工程科技股份有限公司
IPC: G06F30/17 , G06F30/27 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06F119/14
Abstract: 本发明涉及一种基于混合神经网络的掘进参数预测方法、介质及设备，所述预测方法包括以下步骤：获取当前时间之前设定的时间或距离内设定掘进参数的历史数据；按照设定的训练步长和预测步长从上述历史数据中提取训练数据；利用上述数据训练混合神经网络模型至最优；按照设定的训练步长提取当前时间节点之前的历史数据作为待预测样本数据，输入上述混合神经网络模型，实现对未来设定步长的关键掘进参数的预测，所述设定掘进参数包括所述关键掘进参数；当盾构机掘进至设定的预测步长时，重复上述步骤，其中，混合神经网络模型基于一维卷积层和时间序列算法单元构建。与现有技术相比，本发明具有可实现未来一段时间的掘进参数预测、预测精度高等优点。
-
公开(公告)号：CN113988113A
公开(公告)日：2022-01-28
申请号：CN202111090057.1
申请日：2021-09-17
Applicant: 济南轨道交通集团有限公司 , 上海同岩土木工程科技股份有限公司 , 山东轨道交通研究院有限公司
IPC: G06K9/00
Abstract: 本发明涉及一种盾构掘进过程各阶段数据自动分离方法及计算机可读介质，其中数据自动分离方法包括：获取掘进参数数据；提取掘进状态数据；判断相邻数据的时间节点是否连续，并划分初始的各掘进循环段；对数据进行平滑处理；对数据各掘进阶段分别计算极小峰值点，将数据分割形成单掘进循环段；计算单掘进循环段的极大峰值点，并根据第一个极大峰值点将数据分割为上升段数据和平稳掘进段数据分割点；对数据进行分段线性拟合计算斜率，并根据斜率正负的变化点作为平稳掘进段、下降段的分割点，实现平稳段和下降段的分离；获得分离后的上升段、平稳掘进段和下降段数据。与现有技术相比，本发明具有能够有效避免误判、数据识别完整等优点。
-
公开(公告)号：CN113901609A
公开(公告)日：2022-01-07
申请号：CN202111181541.5
申请日：2021-10-11
Applicant: 济南轨道交通集团有限公司 , 上海同岩土木工程科技股份有限公司 , 山东轨道交通研究院有限公司
IPC: G06F30/17 , G06F30/27 , G06F17/18 , G06F119/14
Abstract: 本发明涉及一种盾构机多源掘进参数关联性分析方法，包括：步骤1：获取盾构机多源数据，并对数据进行预处理；步骤2：基于方差选择法进行掘进参数的初步筛选；步骤3：进行两两参数之间的线性关系分析；步骤4：进行两两参数之间的非线性关系分析；步骤5：基于多元线性回归模型进行被动参数与主动参数之间的线性关系分析；步骤6：基于多项式回归模型进行被动参数与主动参数之间的非线性关系分析；步骤7：经过步骤6筛选后剩余的参数，利用随机森林算法进行被动参数与主动参数之间的模型训练，并根据特征重要性选择最优参数组合。与现有技术相比，本发明具有准确性高、更加可靠、直观、效率高、分析能力强的等优点。
-
公开(公告)号：CN113111467A
公开(公告)日：2021-07-13
申请号：CN202110513502.4
申请日：2021-05-11
Applicant: 上海同岩土木工程科技股份有限公司
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/14
Abstract: 本发明涉及一种基于混合神经网络的掘进参数预测方法、介质及设备，所述预测方法包括以下步骤：获取当前时间之前设定的时间或距离内设定掘进参数的历史数据；按照设定的训练步长和预测步长从上述历史数据中提取训练数据；利用上述数据训练混合神经网络模型至最优；按照设定的训练步长提取当前时间节点之前的历史数据作为待预测样本数据，输入上述混合神经网络模型，实现对未来设定步长的关键掘进参数的预测，所述设定掘进参数包括所述关键掘进参数；当盾构机掘进至设定的预测步长时，重复上述步骤，其中，混合神经网络模型基于一维卷积层和时间序列算法单元构建。与现有技术相比，本发明具有可实现未来一段时间的掘进参数预测、预测精度高等优点。
-
公开(公告)号：CN115330664A
公开(公告)日：2022-11-11
申请号：CN202210161180.6
申请日：2022-02-22
Applicant: 上海同岩土木工程科技股份有限公司
Abstract: 本发明涉及一种基于图像识别的围岩风化程度全自动识别方法及装置，所述识别方法包括以下步骤：获取待识别掌子面图像，对该待识别掌子面图像进行预处理和光照校正，获得处理后图像；对所述处理后图像进行基于风化围岩特征的图像分割，获得分割图像；基于预先构建的围岩风化程度判定指标体系，从所述处理后图像和分割图像中获取相应指标值；通过训练获得的围岩风化程度量化评价模型和归一化处理后的相应指标值，获取围岩风化程度的定量化判定结果；其中，所述围岩风化程度量化评价模型为基于多元线性回归方法和所述围岩风化程度判定指标体系构建的模型。与现有技术相比，本发明具有判别准确性高、可实现定量化判定等优点。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.042 seconds)
