買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜石家莊鐵道大學;昌邑市礦產資源服務中心申請的專利基于TBM運行參數的風險動態評估方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119337742B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411878115.0，技術領域涉及：G06F30/27；該發明授權基于TBM運行參數的風險動態評估方法是由張騫;聶瑤奇;石龍賀;張穎;杜立杰;楊亞磊;李青蔚設計研發完成，并于2024-12-19向國家知識產權局提交的專利申請。

本基于TBM運行參數的風險動態評估方法在說明書摘要公布了：本發明屬于隧道掘進機施工領域，提供了基于TBM運行參數的風險動態評估方法，包括：獲取TBM運行參數數據，利用TOPSIS法對每個循環的數據進行綜合評價，生成對應的評價分數；構建并訓練第一個神經網絡模型，以TBM的掘進速度、刀盤扭矩和總推進力作為輸入，評價分數作為輸出；構建并訓練第二個神經網絡模型，三個特征的未來值作為第一神經網絡模型的輸入；將第二神經網絡模型預測出的未來值輸入到第一神經網絡模型中，以實時動態輸出TBM的圍巖適應性評價分數；本發明能夠對TBM的掘進速度、刀盤扭矩和總推進力進行實時預測，并據此輸出動態的圍巖適應性評價分數，以實現施工方案的自適應調整，確保施工的安全性和效率。

本發明授權基于TBM運行參數的風險動態評估方法在權利要求書中公布了：1.基于TBM運行參數的風險動態評估方法，其特征在于，包括以下步驟：步驟1，獲取并連續采集TBM在正常掘進過程中每個循環的運行參數數據，運行參數數據包括掘進速度、刀盤扭矩和總推進力，建立完整的數據庫；步驟2，通過變異系數法對運行參數數據進行處理，計算各個運行參數的變異系數，并利用TOPSIS法對每個循環的數據進行綜合評價，生成對應的評價分數；步驟3，構建并訓練第一個神經網絡模型，以TBM的掘進速度、刀盤扭矩和總推進力作為輸入，評價分數作為輸出，優化神經網絡的權重參數；步驟4，構建并訓練第二個神經網絡模型，利用歷史數據預測TBM的掘進速度、刀盤扭矩和總推進力三個特征的未來值，作為第一神經網絡模型的輸入；步驟5，將第二神經網絡模型預測出的掘進速度、刀盤扭矩、總推進力輸入到第一神經網絡模型中，以實時動態輸出TBM的圍巖適應性評價分數；步驟6，在施工過程中，通過實時輸入TBM的實際和預測的運行參數，動態調整TBM的掘進參數，實現圍巖適應性的動態評估；步驟2中，變異系數的計算公式為： ； 是第i個運行參數的變異系數，是第i個運行參數的標準差，是第i個運行參數的均值；步驟2中，利用TOPSIS法對每個循環的數據進行綜合評價，生成對應的評價分數，包括以下步驟：步驟2.1：對TBM的運行參數進行標準化處理，標準化公式為： ； 是第i個參數在第j個循環的標準化值， 是第i個參數在第j個循環的原始值；步驟2.2：計算正負理想解,公式如下： ；其中，為標準化后的最大值，為標準化后的最小值；步驟2.3：分別計算每個循環的數據到正理想解和負理想解的歐幾里得距離： ；其中，定義第i個評價對象與最大值距離為，定義第i個評價對象與最小值距離為；步驟2.4：使用以下公式計算每個循環的綜合評價分數： ；分數用于表示每個循環的圍巖適應性分數，數值越接近1表示越理想，越接近0表示圍巖適應性較差；步驟3中，包括以下步驟：步驟3.1：將TBM的掘進速度、刀盤扭矩和總推進力作為第一個神經網絡模型的輸入，第一個神經網絡模型的網絡結構包括兩層隱藏層，每層包括128個神經元；步驟3.2：第一個神經網絡模型采用Adam優化算法，初始學習率設定為0.001，損失函數選擇均方誤差，用于衡量預測值與真實值之間的差異；步驟3.3：第一個神經網絡模型訓練過程中，將歷史數據集劃分為訓練集和驗證集，通過反復迭代優化網絡權重和偏置，逐步提升預測性能；步驟3.4：訓練完成后，第一個神經網絡模型應用于實時環境中，根據TBM的當前運行參數，輸出圍巖適應性評價分數；步驟5中，包括以下步驟：步驟5.1：第二個神經網絡模型的輸入為TBM在過去若干時間步內的歷史運行參數，包括掘進速度、刀盤扭矩和總推進力；步驟5.2：第二個神經網絡模型采用LSTM網絡的結構設計，包括一層LSTM隱藏層，包括64個神經元，LSTM隱藏層之后連接一層全連接層，輸出未來的運行參數，使用線性激活函數使輸出為連續值；步驟5.3：第二個神經網絡模型使用Adam優化器進行訓練，初始學習率設置為0.0005，損失函數為均方誤差，用于衡量模型預測值與實際值之間的差異，訓練過程中，數據被劃分為訓練集和驗證集，通過反復迭代優化模型權重和偏置參數；步驟5.4：訓練完成后，第二個神經網絡模型根據輸入的歷史運行數據進行未來參數的預測，提供對TBM運行的動態調整依據；步驟5.4：將預測的未來運行參數輸入到第一神經網絡，實現TBM適應性評價的實時動態更新。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人石家莊鐵道大學;昌邑市礦產資源服務中心，其通訊地址為：050043 河北省石家莊市北二環東路17號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。