數(shù)據(jù)挖掘在盾構(gòu)機(jī)故障診斷中的應(yīng)用研究

1、沈陽理工大學(xué)碩士學(xué)位論文數(shù)據(jù)挖掘在盾構(gòu)機(jī)故障診斷中的應(yīng)用研究姓名：韓超申請學(xué)位級別：碩士專業(yè)：指導(dǎo)教師：于洋2011沈陽理工大學(xué)碩士學(xué)位論文摘要近年來，為適應(yīng)城市發(fā)展的需要和滿足城市居民日益增長的出行需求，城市地鐵建設(shè)不斷加快了步伐。盾構(gòu)機(jī)是挖掘地鐵隧道的專用設(shè)備之一，由于盾構(gòu)機(jī)是集光、機(jī)、電、液、傳感、信息技術(shù)于一體的超大型、復(fù)雜設(shè)備，在日常挖掘中常會遇到液壓和電氣控制方面的一些故障，這些故障不僅會造成重大的經(jīng)濟(jì)損失，嚴(yán)重者甚至造成人員的傷亡。因此，及時有效的分析盾構(gòu)機(jī)故障產(chǎn)生的原因，以及對未來運(yùn)行狀況做出正確的判斷，將具有重大的經(jīng)濟(jì)效益和學(xué)術(shù)研究價值。盾構(gòu)機(jī)的數(shù)據(jù)采集系統(tǒng)中存儲著大量的數(shù)據(jù)

2、，如何從這些數(shù)據(jù)中提取出有用的知識是盾構(gòu)機(jī)故障診斷的關(guān)鍵。本文將數(shù)據(jù)挖掘技術(shù)應(yīng)用到盾構(gòu)機(jī)故障診斷中，利用數(shù)據(jù)挖掘技術(shù)中的粗糙集理論去掉數(shù)據(jù)中對故障診斷決策不起作用的冗余信息。針對傳統(tǒng)的屬性約減方法重復(fù)屬性多的缺點(diǎn)，本文提出一種基于屬性重要度選擇的約簡方法。以約簡后的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的前置環(huán)節(jié)，采用神經(jīng)網(wǎng)絡(luò)算法的閥值判別條件對故障數(shù)據(jù)進(jìn)行診斷，診斷出故障發(fā)生的原因及部位。其次，由于盾構(gòu)機(jī)運(yùn)行時呈現(xiàn)出的復(fù)雜、不確定性行為，單一的預(yù)測模型難以真實(shí)的反映其運(yùn)行狀態(tài)的變化規(guī)律。因此，本文提出一種最小二乘與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法做進(jìn)一步預(yù)測。最小二乘能反映線性序列的趨勢走向，神經(jīng)網(wǎng)絡(luò)能抓住非線性時間序列的變

3、化規(guī)律，兩者優(yōu)勢互補(bǔ)。以此實(shí)現(xiàn)對盾構(gòu)機(jī)未來運(yùn)行狀況的預(yù)測。最后，通過 VS2005 編程實(shí)現(xiàn)粗糙集屬性約減算法，并結(jié)合 Matlab 仿真分析故障診斷、預(yù)測算法的可行性。關(guān)鍵詞：盾構(gòu)機(jī)，故障診斷，數(shù)據(jù)挖掘，神經(jīng)網(wǎng)絡(luò)，最小二乘沈陽理工大學(xué)碩士學(xué)位論文AbstractIn recent years, in order to adapt to the needs of urban development and to meetgrowing travel demand of urban residents. Urban subway continues to accelerate thepace o

4、f construction, Shield is one of the special equipment for excavation of subwaytunnel, due to the Shield is extra-large, complicated equipment which integrates optical,mechanical, electrical, hydraulic, sensor, information technology, in daily mining oftenmeet some aspects fault of hydraulic and ele

5、ctric control, these fauls not only causesevere economic losses, even cause serious casualties. Therefore, how to timely andeffective analysis the causes of the shield fault, and make correct judgment to thefuture operation conditions, this will have great economic benefits and academicresearch valu

6、e.The shield data acquisition system stores large number of data, how to extractuseful knowledge from these data is the key to shield fault diagnosis. This thesisintroduces data mining technology into the shield fault diagnosis. Using the rough settheory of data mining technology to remove the redun

7、dant information which doesntwork in fault diagnosis decision. Aiming at the faults of traditional attribute reductionmethod has more repeated attribute. This thesis presents a kind of reduction methodthat based on attribute importance selection. With the reduction data as neuralnetworks lead link,

8、using threshold discriminant conditions of neural networkalgorithm to diagnosis the reduction data, diagnosed the fault reasons and parts.Secondly, because the complex and uncertain behavior when the shield run-timepresent, single forecasting model is difficult to reflect the real changes of operati

9、ngstate. Therefore this thesis adopts the least-square combine with neural network to thefurther prediction. The least-square can reflect the trend towards of linear sequence,neural networks could catch the variation of nonlinear time series, complement eachothers advantages. Therefore realize to fo

10、recast future health of the shield.Finally, through VS2005 programming realize rough set attribute reduction沈陽理工大學(xué)碩士學(xué)位論文algorithm,and combine with matlab simulation analysis the feasibility of faultdiagnosis,prediction algorithm.Keyword:Shield,Fault Diagnosis,Data Mining,Neural Network,Least-Square第

11、 1 章第 1 章緒論緒論1.1 本課題的研究目的及意義盾構(gòu)法是修建隧道的一種先進(jìn)方法。最近十多年來，隨著我國隧道和地下工程的快速發(fā)展，盾構(gòu)法得到了廣泛的應(yīng)用，尤其在大城市地鐵、水利水電隧洞中越來越多的應(yīng)用盾構(gòu)法進(jìn)行修建1,2。我國是世界上應(yīng)用盾構(gòu)數(shù)量較多的國家之一，并且隨著地鐵建設(shè)的蓬勃發(fā)展，對盾構(gòu)機(jī)的需求也有較大的增長，盾構(gòu)機(jī)是盾構(gòu)法挖掘中的最重要設(shè)備，現(xiàn)代盾構(gòu)機(jī)是集光、機(jī)、電、液、傳感、信息技術(shù)于一體的超大型、復(fù)雜設(shè)備，除其自身結(jié)構(gòu)復(fù)雜、自動化程度高外，盾構(gòu)機(jī)的工作環(huán)境非常惡劣，許許多多無法避免的因素的影響，使得設(shè)備出現(xiàn)各種各樣的故障，這些故障不但造成重大的經(jīng)濟(jì)損失，更嚴(yán)重者將會導(dǎo)致災(zāi)難

12、性的事故。因此，對盾構(gòu)機(jī)在運(yùn)行過程中出現(xiàn)的故障進(jìn)行診斷以及未來狀態(tài)趨勢的預(yù)測就顯得極為重要。對地鐵盾構(gòu)機(jī)故障的診斷和狀態(tài)預(yù)測就是及時發(fā)現(xiàn)設(shè)備的異常和故障，掌握盾構(gòu)機(jī)的運(yùn)行現(xiàn)狀，把握住它的未來發(fā)展趨勢，對已形成的或正在形成的故障進(jìn)行分析診斷，判斷故障的部位和產(chǎn)生的原因，并及早采取有效的防治措施，做到防患于未然3。在生產(chǎn)現(xiàn)代化的今天，如石油化工、水利、發(fā)電、煉鋼行業(yè)等都采用單機(jī)、超負(fù)荷、持續(xù)性的生產(chǎn)工作方式，很多大型機(jī)械設(shè)備在現(xiàn)代化大規(guī)模生產(chǎn)中起著至關(guān)重要的作用，一旦因故障而出現(xiàn)停機(jī)，全廠將導(dǎo)致停產(chǎn)，由此將造成十分巨大的經(jīng)濟(jì)損失4。例如，我國石油化工行業(yè)所使用的 50 萬噸合成氨及乙烯裝置，均裝有

13、各種型號的汽輪機(jī)、壓縮機(jī)和泵等大型機(jī)組。如果企業(yè)因這些機(jī)器故障而停產(chǎn)的話，則一天損失的產(chǎn)值將在 60120 萬元；電力系統(tǒng)部門一臺 50 萬千瓦的發(fā)電機(jī)組如果因故障而停機(jī)一天，將少發(fā) 900 萬度電，以每度電 0.4 元計算，則每天的經(jīng)濟(jì)損失為 360 萬元。此外，某些現(xiàn)代的器械或尖端設(shè)備一旦發(fā)生故障將導(dǎo)致重大事故。如前蘇聯(lián)切力諾貝利核電站爆炸、美國三里島核電站放射性物質(zhì)外逸，印度博帕爾農(nóng)藥廠的毒氣泄漏等，都是近代設(shè)備重大事故中的典型。因此，-1-沈陽理工大學(xué)碩士學(xué)位論文開展設(shè)備的狀態(tài)監(jiān)測和故障診斷是很有必要的。據(jù)資料表明日本日立公司將故障診斷技術(shù)應(yīng)用于預(yù)知性維修中，公司所屬某電站汽輪機(jī)車間事

14、故發(fā)生率降低了80%。另據(jù)日方資料介紹，采用設(shè)備故障診斷技術(shù)，每年的設(shè)備維修費(fèi)可減少25%50%，而故障停機(jī)時間則可降低 75%，因此，把故障診斷技術(shù)應(yīng)用到設(shè)備維修制度具有重要的意義5。鑒于此，文章針對目前沈陽地鐵建設(shè)中常用的沈陽重工集團(tuán)生產(chǎn)的盾構(gòu)機(jī)為研究對象，結(jié)合目前迅速發(fā)展的數(shù)據(jù)庫技術(shù)，運(yùn)用數(shù)據(jù)挖掘技術(shù)找到海量數(shù)據(jù)背后隱藏的重要信息，并利用相關(guān)的理論算法，實(shí)現(xiàn)對盾構(gòu)機(jī)故障的診斷以及未來運(yùn)行狀態(tài)的預(yù)測，以此來輔助工程技術(shù)人員的設(shè)備檢修工作，這將有益于我國隧道施工信息化進(jìn)程的早日實(shí)現(xiàn)。1.2 故障診斷的研究現(xiàn)狀及主要方法1.2.1 故障診斷技術(shù)故障診斷技術(shù)包括對機(jī)械零件或結(jié)構(gòu)的診斷技術(shù)、機(jī)械設(shè)

15、備的診斷技術(shù)和機(jī)械系統(tǒng)的診斷技術(shù)三方面。實(shí)際工程中機(jī)械設(shè)備工作或運(yùn)行狀態(tài)多種多樣，其環(huán)境條件亦相差很大，因此就產(chǎn)生了不同類型的故障診斷方法6：1、功能診斷和運(yùn)行診斷對新安裝或維修好的機(jī)械設(shè)備診斷其功能是否正常，并根據(jù)診斷結(jié)果對其進(jìn)行必要的調(diào)整，稱為功能診斷；對正在服役的設(shè)備或系統(tǒng)的運(yùn)行狀態(tài)的診斷，監(jiān)視其故障的發(fā)生或發(fā)展，稱為運(yùn)行診斷。2、定期診斷和連續(xù)監(jiān)控診斷定期診斷是指對設(shè)備進(jìn)行定期常規(guī)檢查和診斷；連續(xù)監(jiān)控診斷是采用現(xiàn)代化儀表和計算機(jī)對其運(yùn)行狀態(tài)進(jìn)行連續(xù)監(jiān)視和控制。（1）直接診斷和間接診斷直接根據(jù)機(jī)器關(guān)鍵零部件的信息(一次信息)確定這些部件的狀態(tài)叫直接診斷；間接診斷是通過二次信息間接地判別關(guān)

16、鍵部件的狀態(tài)變化。（2）常規(guī)診斷和特殊診斷機(jī)器正常運(yùn)行，即常規(guī)工況下進(jìn)行的診斷稱為常規(guī)診斷；借助于機(jī)器特殊工況，如機(jī)組的啟動和停車過程進(jìn)行的診斷稱為特殊診斷。-2-第 1 章緒論（3）簡易診斷和精密診斷簡易診斷相當(dāng)于初診，一般由現(xiàn)場作業(yè)人員進(jìn)行，能對設(shè)備的狀態(tài)有效地做出概括性的評價。對簡易診斷不能完全確定的故障要進(jìn)行專門的精密診斷，一般由精密診斷的專家來實(shí)施。1.2.2 故障的研究現(xiàn)狀機(jī)械故障診斷作為一門新興的綜合性邊緣學(xué)科，經(jīng)過幾十年的發(fā)展，已經(jīng)初步形成了相對完整的理論體系，以其診斷手段為例，已經(jīng)初步形成以振動診斷、油樣分析、溫度監(jiān)測和無損檢測探傷為主，其他診斷方法為輔的研究局面7。就診斷技

17、術(shù)而言，除了單一的參數(shù)的故障診斷技術(shù)外，目前已經(jīng)形成了多參量、多故障的綜合診斷。此外將人工智能的研究成果引入到機(jī)械故障診斷中為其注入了新的活力。例如：基于專家系統(tǒng)的故障診斷不僅在理論上得到了長足的發(fā)展，而且在國外已有一些成功的應(yīng)用實(shí)例。除此之外，神經(jīng)網(wǎng)絡(luò)作為人工智能的另一個重要分支，對其研究也逐漸涉及到機(jī)械故障診斷領(lǐng)域，并且在故障診斷領(lǐng)域已經(jīng)成為一個新的研究內(nèi)容。就應(yīng)用領(lǐng)域而言，機(jī)械故障診斷技術(shù)已在旋轉(zhuǎn)機(jī)械、往復(fù)機(jī)械、各種流程工業(yè)、機(jī)械加工過程和各種基礎(chǔ)零部件的故障診斷方面獲得應(yīng)用，這其中以旋轉(zhuǎn)機(jī)械的故障診斷應(yīng)用最廣。世界各國的故障診斷技術(shù)發(fā)展也不盡相同，美國在故障診斷領(lǐng)域一直處于領(lǐng)先的行列，

18、其次英、法、德、日等國也具有各自的優(yōu)勢。我國與這些故障診斷先進(jìn)的國家相比還有一定的差距，雖然在理論上跟蹤得比較緊密，但在故障診斷的可靠性和精確性等方面仍有一定的落后。1.3 基于數(shù)據(jù)挖掘技術(shù)的故障診斷1.3.1 數(shù)據(jù)挖掘技術(shù)及方法1.3.1.1 數(shù)據(jù)挖掘技術(shù)隨著數(shù)據(jù)庫技術(shù)和網(wǎng)絡(luò)技術(shù)的迅速發(fā)展，收集數(shù)據(jù)的能力已經(jīng)大大的提高，快速增長的海量數(shù)據(jù)收集、存放在大型和大量數(shù)據(jù)庫中，沒有強(qiáng)有力的工具，理解這些數(shù)據(jù)已經(jīng)遠(yuǎn)遠(yuǎn)超出了人的能力范圍。數(shù)據(jù)挖掘技術(shù)正是在這樣的條件下應(yīng)運(yùn)而生的。數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中-3-沈陽理工大學(xué)碩士學(xué)位論文提取隱含在其中的人們事先不知道的，但

19、又是潛在有用的信息和知識的過程8。利用數(shù)據(jù)挖掘進(jìn)行機(jī)械設(shè)備的故障診斷，就是根據(jù)該機(jī)組數(shù)據(jù)庫中的歷史運(yùn)行記錄，對設(shè)備可能的運(yùn)行狀態(tài)進(jìn)行分類并對其未來趨勢進(jìn)行預(yù)測。地鐵盾構(gòu)機(jī)的數(shù)據(jù)庫中存儲著大量的與設(shè)備運(yùn)行相關(guān)的數(shù)據(jù)，因此數(shù)據(jù)挖掘技術(shù)在盾構(gòu)機(jī)故障診斷中有良好的應(yīng)用前景。1.3.1.2 數(shù)據(jù)挖掘的方法數(shù)據(jù)挖掘的方法主要包括：神經(jīng)網(wǎng)絡(luò)方法、遺傳算法、決策樹方法、粗糙集方法等。（1）神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)的全稱是人工神經(jīng)網(wǎng)絡(luò)(ANN)，它最早由心理學(xué)家和生物學(xué)家提出，模擬人腦結(jié)構(gòu)行為的并行人工系統(tǒng)。簡單的說神經(jīng)網(wǎng)絡(luò)是一組連接輸入/輸出單元，其中每個連接都與一個權(quán)相關(guān)聯(lián)。在學(xué)習(xí)階段，通過調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)值，

20、使之能夠預(yù)測輸入樣本的正確類來標(biāo)號學(xué)習(xí)。常用的神經(jīng)網(wǎng)絡(luò)算法有：BP 神經(jīng)網(wǎng)絡(luò)；RBF 神經(jīng)網(wǎng)絡(luò)；概率神經(jīng)網(wǎng)絡(luò)；徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)等。（2）遺傳算法遺傳算法是進(jìn)化計算方法的實(shí)例，是優(yōu)化型算法。給出一個問題潛在解(個體)的種群，進(jìn)化計算用新的潛在解擴(kuò)展該種群。進(jìn)化計算算法的基礎(chǔ)是生物進(jìn)化，即隨著時間的流逝，進(jìn)化出最好的或最適應(yīng)的個體。在數(shù)據(jù)挖掘中，遺傳算法可以用于聚類、預(yù)測甚至關(guān)聯(lián)規(guī)則?？梢哉J(rèn)為這些技術(shù)是從一組表示數(shù)據(jù)的模型中發(fā)現(xiàn)最適應(yīng)的模型。（3）決策樹方法決策樹是一種將一個訓(xùn)練樣本劃分成一組規(guī)則的技術(shù)。它由節(jié)點(diǎn)分支組成，起始點(diǎn)叫做根節(jié)點(diǎn)。訓(xùn)練樣本被分為兩個或更多的子集，這取決于實(shí)驗(yàn)的結(jié)果。最終

21、結(jié)果是一組包含所有可能的規(guī)則。由于它是以樹狀結(jié)構(gòu)的圖形來表示模型的，因此容易理解，已成為常用的方法。決策樹算法主要包括 ID3，C4.5，AC2，CN2，CART 等。這些算法都適合于分類問題，其中一些算法相當(dāng)快速，也適用于回歸問題。（4）粗糙集方法粗糙集理論是研究不精確、不確定知識的一種數(shù)學(xué)工具。粗糙集方法有幾個-4-第 1 章緒論優(yōu)點(diǎn)：不需要給出額外信息、簡化輸入信息的表達(dá)空間、算法簡單、易于操作。粗糙集處理的對象是類似二維關(guān)系表的信息表。目前成熟的關(guān)系數(shù)據(jù)庫管理系統(tǒng)和新發(fā)展起來的數(shù)據(jù)倉庫管理系統(tǒng)，為粗糙集的數(shù)據(jù)挖掘奠定了堅(jiān)實(shí)的基礎(chǔ)。現(xiàn)在國際上已經(jīng)研制出來了一些基于粗糙集的工具應(yīng)用軟件，如

22、加拿大 regina 大學(xué)開發(fā)的 kdd-r；美國 kansas 大學(xué)開發(fā)的 lers 等。1.3.2 數(shù)據(jù)挖掘技術(shù)的研究現(xiàn)狀近年來，數(shù)據(jù)挖掘技術(shù)作為一種新興的知識發(fā)現(xiàn)手段已經(jīng)被越來越多的故障領(lǐng)域?qū)＜宜匾?，許多國家和研究機(jī)構(gòu)在故障診斷項(xiàng)目中加入了對數(shù)據(jù)挖掘的研究。在國外，數(shù)據(jù)挖掘技術(shù)已被廣泛的應(yīng)用于各個領(lǐng)域，在美國數(shù)據(jù)挖掘在故障診斷領(lǐng)域的應(yīng)用已經(jīng)進(jìn)入實(shí)用化階段。如?？酥Z公司的卡特軟件，用數(shù)據(jù)歸納方法從海量數(shù)據(jù)中提取其背后所隱含的知識并自動生成決策規(guī)則，這些規(guī)則為故障診斷決策提供了強(qiáng)有力的支持；英國阿伯丁大學(xué)計算機(jī)系開發(fā)的 tiger 系統(tǒng)，用于汽輪機(jī)故障診斷；新加坡國立大學(xué)用粗糙集理論對故障

23、樣本屬性進(jìn)行約簡；香港中文大學(xué)用數(shù)據(jù)挖掘技術(shù)對發(fā)電機(jī)組的故障數(shù)據(jù)進(jìn)行知識的發(fā)現(xiàn)和規(guī)則的提取等。相比于國外，國內(nèi)的數(shù)據(jù)挖掘技術(shù)起步比較晚并沒有形成整體的研究力量，1993 年國家自然科學(xué)基金首次支持?jǐn)?shù)據(jù)挖掘領(lǐng)域的項(xiàng)目研究。目前，國內(nèi)院校如清華大學(xué)、中科院計算機(jī)技術(shù)研究所等都已經(jīng)開展了數(shù)據(jù)挖掘的基礎(chǔ)理論以及應(yīng)用研究；復(fù)旦大學(xué)施伯樂教授領(lǐng)導(dǎo)開發(fā)了數(shù)據(jù)挖掘工具集 AMNER；四川大學(xué)唐常杰教授領(lǐng)導(dǎo)的針對時間序列方面的數(shù)據(jù)挖掘研究等都取得了重要的研究成果91.3.3 盾構(gòu)機(jī)故障診斷的研究現(xiàn)狀將人工智能技術(shù)應(yīng)用到設(shè)備的故障診斷和狀態(tài)監(jiān)測當(dāng)中，同時以知識處理為系統(tǒng)核心的智能檢測和診斷技術(shù)已成為設(shè)備故障診斷的

24、一個主要發(fā)展方向。但是這種智能診斷技術(shù)目前僅在通信、醫(yī)療、船舶及電力等行業(yè)應(yīng)用的比較廣泛，而在機(jī)械制造業(yè)(除汽車制造業(yè))的應(yīng)用相對較少。同時對處于發(fā)展階段的城市軌道交通建設(shè)中的常用設(shè)備盾構(gòu)機(jī)來說，其狀態(tài)監(jiān)測與故障診斷仍處于半自動狀態(tài)，-5-。沈陽理工大學(xué)碩士學(xué)位論文即以人工現(xiàn)場勘察和設(shè)備報警分析相結(jié)合。在國外，對盾構(gòu)的研究主要集中在盾構(gòu)施工性能的評估、適用性模型建立等。如日本學(xué)者 S.Okubo,K.Fukui 和 W.Chen 開發(fā)了一套專家系統(tǒng)用來評估在日本國內(nèi)施工的盾構(gòu)機(jī)的可靠性；美國學(xué)者 Peter E. Sutherland 提出了一種電壓比較法來評估盾構(gòu)機(jī)的性能10；Marcelo

25、 G. Simoes 和 Taehong Kim 運(yùn)用模糊邏輯理論開發(fā)了一套 TBM 盾構(gòu)機(jī)使用性能預(yù)測系統(tǒng)11；M.Alvarez Grima 等人也利用模糊邏輯與神經(jīng)網(wǎng)絡(luò)來對 TBM 性能進(jìn)行評價12；文獻(xiàn)13,14分析了不同的地質(zhì)、施工參數(shù)等對盾構(gòu)機(jī)施工性能的影響。國內(nèi)研究地鐵盾構(gòu)機(jī)故障診斷的有：西安交大的宋鵬舉、王成棟、張優(yōu)云等人研發(fā)的“基于 Delphi 的 TBM 故障診斷專家系統(tǒng)”針對的是 TB880E 型全斷面隧道盾構(gòu)機(jī)。該系統(tǒng)將盾構(gòu)機(jī)分解為各個對象進(jìn)行診斷和狀態(tài)監(jiān)測；石家莊鐵道學(xué)院的王滿增、徐明新等人也對“基于 Delphi 的 TBM 故障診斷專家系統(tǒng)”進(jìn)行了詳細(xì)研究論述；

26、中鐵隧道集團(tuán)的趙華、蘇東、喬文生以及韓亞麗等也重點(diǎn)針對TB880ETBM 的狀態(tài)監(jiān)測和故障診斷進(jìn)行了相關(guān)的研究和探討，但主要是通過油液和振動監(jiān)測的方法來進(jìn)行故障診斷15,16。還有一些文獻(xiàn)研究了關(guān)于盾構(gòu)機(jī)施工、選型方面的智能輔助決策系統(tǒng)。此外，還有一些文獻(xiàn)是關(guān)于盾構(gòu)機(jī)狀態(tài)自動監(jiān)測和施工仿真等方面的研究。有關(guān)盾構(gòu)機(jī)智能故障診斷的研究在國內(nèi)尚不多見，主要研究集中在對盾構(gòu)機(jī)的性能、特點(diǎn)的評價和盾構(gòu)機(jī)施工的輔助智能決策等方面。目前在沈陽施工的我國自主研制生產(chǎn)的盾構(gòu)機(jī)，雖然配有基于專家系統(tǒng)的故障診斷，但是存在一定的局限性，只針對其中某一特定型號的盾構(gòu)機(jī)，而不能適用于多種類型的機(jī)組。因此，我們相信在數(shù)據(jù)大

27、量積累的今天，數(shù)據(jù)挖掘技術(shù)將成為智能故障診斷知識獲取和診斷工程決策支持的重要手段。1.4 論文的主要研究內(nèi)容本文主要以沈陽重工集團(tuán)生產(chǎn)的土壓平衡盾構(gòu)機(jī)作為研究對象，通過對盾構(gòu)機(jī)的結(jié)構(gòu)及工作原理進(jìn)行分析，掌握其故障的特點(diǎn)。采用數(shù)據(jù)挖掘技術(shù)中的粗糙集算法對故障樣本集進(jìn)行屬性約減和規(guī)則提?。蝗缓蟀鸭s簡后故障樣本輸入到神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行分類和診斷得出故障的原因。其次，針對地鐵盾構(gòu)機(jī)系統(tǒng)通常會呈現(xiàn)出復(fù)雜、不確定性行為，單一的神經(jīng)網(wǎng)絡(luò)模型難以真實(shí)的反映其運(yùn)行狀態(tài)-6-第 1 章緒論的變化規(guī)律，因此采用最小二乘法與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法對其未來運(yùn)行狀態(tài)進(jìn)行預(yù)測。充分利用最小二乘能反映線性序列的趨勢走向，神經(jīng)網(wǎng)

28、絡(luò)又能抓住非線性時間序列的變化規(guī)律，優(yōu)勢互補(bǔ)。本文的主要結(jié)構(gòu)安排如下：第一章為介紹了本課題的目的和意義，故障及故障診斷技術(shù)的定義和分類，數(shù)據(jù)挖掘技術(shù)的發(fā)展現(xiàn)狀以及論文的主要研究工作。第二章首先介紹了盾構(gòu)機(jī)的相關(guān)理論包括盾構(gòu)法施工以及盾構(gòu)機(jī)的機(jī)組構(gòu)成，其次著重分析了盾構(gòu)機(jī)的故障機(jī)理和掘進(jìn)參數(shù)，給出了盾構(gòu)機(jī)主系統(tǒng)的故障樹，最后采用 ADO 數(shù)據(jù)庫訪問技術(shù)獲取盾構(gòu) PDV 數(shù)據(jù)采集系統(tǒng)中的數(shù)據(jù)到本文數(shù)據(jù)庫中，總結(jié)出本論文所需的挖掘數(shù)據(jù)。第三章介紹了數(shù)據(jù)挖掘技術(shù)的定義、過程、方法和未來的研究方向，著重研究了本論文的核心理論粗糙集與神經(jīng)網(wǎng)絡(luò)，結(jié)合具體的實(shí)例對粗糙集相關(guān)概念、定義和一般算法進(jìn)行了詮釋，這些

29、概念將會在后續(xù)章節(jié)中用到。第四章對盾構(gòu)機(jī)的故障進(jìn)行了診斷，將粗糙集與神經(jīng)網(wǎng)絡(luò)應(yīng)用到盾構(gòu)機(jī)故障的具體實(shí)例當(dāng)中，結(jié)合盾構(gòu)機(jī)的故障特點(diǎn)和以往粗糙集理論的在故障診斷中的常用算法，本文提出了一種基于屬性重要度選擇的算法對故障樣本集進(jìn)行屬性約簡，然后把約簡后的樣本集作為 BP 神經(jīng)網(wǎng)絡(luò)的輸入，采用閥值判別條件進(jìn)行盾構(gòu)機(jī)故障診斷，通過仿真分析算法的可行性。第五章對盾構(gòu)機(jī)的故障進(jìn)行了預(yù)測，分析以往故障預(yù)測的方法，總結(jié)各方法的優(yōu)缺點(diǎn)，針對盾構(gòu)機(jī)系統(tǒng)的復(fù)雜、不確定性，單一的神經(jīng)網(wǎng)絡(luò)難以真實(shí)的反映其運(yùn)行狀態(tài)的缺點(diǎn)。本文提出了基于 BP 神經(jīng)網(wǎng)絡(luò)與最小二乘相結(jié)合的預(yù)測方法，優(yōu)勢互補(bǔ)。通過仿真分析算法的可行性。第六章總

30、結(jié)了本文取得的研究成果和存在的不足之處，提出了未來的工作方向。-7-沈陽理工大學(xué)碩士學(xué)位論文第 2 章盾構(gòu)機(jī)相關(guān)理論的介紹2.1 盾構(gòu)法施工概述2.1.1 盾構(gòu)法盾構(gòu)法是一種在地面下暗挖隧道的施工工藝。盾構(gòu)全名叫盾構(gòu)隧道掘進(jìn)機(jī)(Tunnel Boring Machine)是一種隧道掘進(jìn)的專用工程機(jī)械，它是一個橫斷面外形與隧道橫斷面外形相同、尺寸稍大、利用回旋刀具開挖、內(nèi)藏排土機(jī)具、自身設(shè)有保護(hù)外殼用于暗挖隧道的機(jī)械。采用此法建造的隧道，其埋設(shè)深度可以不受地面建筑和交通的限制。近年來由于盾構(gòu)法在施工技術(shù)上的不斷改進(jìn)，機(jī)械化程度越來越強(qiáng)，對地層的適應(yīng)性也越來越好。城市市區(qū)建筑公用設(shè)施密集、交通繁忙

31、明挖隧道施工對城市生活干擾嚴(yán)重，特別在市中心。若隧道埋深較大，地質(zhì)又復(fù)雜時，用明挖法建造隧道則很難實(shí)現(xiàn)。而盾構(gòu)法施工城市地下鐵道、上下水道等各種隧道具有明顯優(yōu)點(diǎn)18。此外，在建造水下公路和地鐵隧道中，盾構(gòu)法也往往以其經(jīng)濟(jì)合理而得到采用。盾構(gòu)法施工的概貌如圖 2.1 所示。圖 2.1 盾構(gòu)法施工的概貌1盾構(gòu)；2盾構(gòu)千斤頂；3盾構(gòu)正面網(wǎng)格；4出土轉(zhuǎn)盤；5出土皮帶運(yùn)輸機(jī)；6管片拼裝機(jī)；7管片；8壓降泵；9壓漿扎；10出土機(jī)；11初砌結(jié)構(gòu)；12在盾尾空隙中壓漿；13后盾管片；14豎井-8-第 2 章盾構(gòu)機(jī)相關(guān)理論的介紹2.1.2 盾構(gòu)法施工歷史18 世紀(jì)末英國人提出在倫敦地下修建橫貫泰晤士河隧道的構(gòu)想

32、，1818 年布魯內(nèi)爾觀察了小蟲腐蝕木船底板成洞的經(jīng)過，從而得到啟示，在此基礎(chǔ)上提出了盾構(gòu)法施工，并取得了專利。這就是開放型手掘盾構(gòu)的原型。布魯內(nèi)爾于 1823 擬定了倫敦泰晤士河兩岸的另一條道路隧道的計劃。這個計劃由當(dāng)時的國會確認(rèn)，工程于 1825 年動工，隧道長 458m，隧道斷面為 11.4m。但因地層下沉，致使工程被迫中止。經(jīng)過對失敗教訓(xùn)的總結(jié)，及對盾構(gòu)的改進(jìn)，工程在 1841 年貫通。自布魯內(nèi)爾的方形盾構(gòu)以后，盾構(gòu)技術(shù)又經(jīng)過二十幾年的改進(jìn)，到 1869 年建造了第二條橫貫泰晤士河上的隧道。格萊德采用了新發(fā)明的圓形盾構(gòu)，使用鑄鐵扇形管片掘削隧道，直到工程結(jié)束未出現(xiàn)任何事故。隨后 188

33、7 年格萊德使用了盾構(gòu)和氣壓組合的工法在南倫敦鐵道隧道施工中并獲得了成功，這為近代的盾構(gòu)法奠定了基礎(chǔ)17。19 世紀(jì)末 20 世紀(jì)中葉盾構(gòu)法相繼傳入美國、法國、德國、日本、蘇聯(lián)等國，美國于 1892 年最先開發(fā)了封閉式盾構(gòu)；18961899 年德國柏林使用鋼管片建造了柏林隧道；1917 年日本采用盾構(gòu)法建造國鐵羽約線；1931 年蘇聯(lián)用英制盾構(gòu)建造了莫斯科地鐵隧道，施工中使用了化學(xué)注漿和凍結(jié)工法；1954 年中國阜新建造2.6m 的圓形盾構(gòu)疏水隧道；1957 年中國北京建造了 2m、2.6m 的盾構(gòu)下水道，這一時期是盾構(gòu)工法在世界各國得以推廣普及。20 世紀(jì) 6080 年代盾構(gòu)工法繼續(xù)完善和發(fā)

34、展，1960 年英國倫敦首次使用滾筒式挖掘機(jī)；同年美國紐約最先使用油壓千斤頂盾構(gòu)機(jī)；1964 年日本琦玉隧道中首次使用泥水盾構(gòu)；1969 年日本東京首次使用泥水加壓盾構(gòu)施工；1972 年日本開發(fā)土壓盾構(gòu)成功；1981 年日本開發(fā)氣泡盾構(gòu)成功；1982 年日本開發(fā) ECL 工法成功；1989 年日本開發(fā)注漿盾構(gòu)工法成功?？傊@一時期的特點(diǎn)是開發(fā)了多種新型盾構(gòu)工法，以泥水式、土壓式盾構(gòu)法為主。1990 年2010 年這一段時間里盾構(gòu)工法的技術(shù)進(jìn)步極為顯著。歸納起來有以下幾個特點(diǎn)：（1）盾構(gòu)隧道長距離化、大直徑化；（2）盾構(gòu)多樣化；（3）施工自動化；-9-沈陽理工大學(xué)碩士學(xué)位論文2.1.3 盾構(gòu)機(jī)類

35、型及結(jié)構(gòu)2.1.3.1 盾構(gòu)機(jī)類型針對土質(zhì)類型及盾構(gòu)機(jī)工作方式的不同，盾構(gòu)機(jī)可分為三種類型、四種模式：三種類型：軟土盾構(gòu)機(jī)；硬巖盾構(gòu)機(jī)；混合型盾構(gòu)機(jī)。四種模式：開胸式；半開胸式(欠土壓平衡式)/閉胸式土壓平衡式；氣壓式。2.1.3.2 盾構(gòu)機(jī)結(jié)構(gòu)盾構(gòu)機(jī)的總體結(jié)構(gòu)如圖 2.2 所示19。圖 2.2 盾構(gòu)總體結(jié)構(gòu)圖刀盤刀盤是盾構(gòu)機(jī)的核心部件，其結(jié)構(gòu)形式、強(qiáng)度和整體剛度都直接影響到施工掘進(jìn)的速度和成本，并且出了故障維修處理困難。不同的地質(zhì)情況和不同的制造廠家，刀盤的結(jié)構(gòu)也不相同，其常見的結(jié)構(gòu)有：平面圓角刀盤、平面斜角刀盤、平面直角刀盤。前體前體又叫切口環(huán)，是開挖土倉和擋土部分，位于盾構(gòu)的最前端，結(jié)構(gòu)

36、為圓筒形，前端設(shè)有刃口，以減少對底層的擾動。在圓筒垂直于軸線、約在其中段處焊有壓力隔板，隔板上焊有安裝主驅(qū)動、螺旋輸送機(jī)及人員艙的法蘭支座和四個攪拌棒，還設(shè)有螺旋機(jī)閘門機(jī)構(gòu)及氣壓艙。此外，隔板上還開有安裝 5 個土壓傳感器、通氣通水等的孔口。不同開挖形式的盾構(gòu)機(jī)前體結(jié)構(gòu)也不相同。- 10 -第 2 章盾構(gòu)機(jī)相關(guān)理論的介紹中體中體又叫支承環(huán)，是盾構(gòu)的主體結(jié)構(gòu)承受作用于盾構(gòu)上的全部載荷。是一個強(qiáng)度和剛性都很好的圓形結(jié)構(gòu)，地層力、所有千斤頂?shù)姆醋饔昧?、刀盤正面阻力、盾尾鉸接拉力及管片拼裝時的施工載荷均由中體來承受。中體內(nèi)圈周邊布置有盾構(gòu)千斤頂和鉸接油缸，中間有管片拼裝機(jī)和部分液壓設(shè)備、動力設(shè)備、螺旋

37、輸送機(jī)支承及操作控制臺。有的還有行人加、減壓艙。中體盾殼上焊有帶球閥的超前鉆預(yù)留孔，也可用于注膨潤土等材料。螺旋輸送機(jī)螺旋輸送機(jī)是土壓平衡盾構(gòu)機(jī)的重要部件。螺旋輸送機(jī)由液壓馬達(dá)減速裝置驅(qū)動，驅(qū)動裝置與螺旋輸送機(jī)采用球形鉸接，以適應(yīng)螺旋軸的自由擺動。為防止渣土的侵入，其輸出端采用了與主軸承外密封相同的結(jié)構(gòu)，并自動注脂。螺旋機(jī)轉(zhuǎn)速范圍可以在 022rpm 內(nèi)無級調(diào)速，控制出土量很方便。調(diào)節(jié)螺旋輸送機(jī)的出土速度是控制土倉壓力的重要方法之一。液壓系統(tǒng)盾構(gòu)的液壓系統(tǒng)包括主驅(qū)動、推進(jìn)系統(tǒng)(包括鉸接系統(tǒng))、螺旋輸送機(jī)、管片安裝機(jī)及輔助液壓系統(tǒng)。主驅(qū)動系統(tǒng)和螺旋輸送機(jī)液壓系統(tǒng)共用一個泵站，安裝在二號拖車上。主

38、驅(qū)動系統(tǒng)和螺旋輸送機(jī)液壓系統(tǒng)各自為一個獨(dú)立的閉式循環(huán)系統(tǒng)，這樣可以保證液壓系統(tǒng)的高效率及系統(tǒng)的清潔。推進(jìn)系統(tǒng)和管片安裝機(jī)泵站安裝在盾殼內(nèi)。注漿系統(tǒng)盾構(gòu)機(jī)注漿系統(tǒng)分為三大類：(1)同步注漿：在超挖間隙形成的同時，立即注漿，使?jié){液及時填充超挖間隙的方式。(2)異步注漿：盾尾已存在大量間隙空間，才對間隙進(jìn)行注漿的方式。這種注漿方式不能迅速對間隙進(jìn)行填充，增大了對土層的的擾動性，不利于地面沉降的控制，因此，僅在地質(zhì)情況良好、對地表沉降要求較低時才能使用。(3)二次注漿：在注漿效果不理想時，需要通過二次注漿，一般在隧道發(fā)生偏移、地表沉降異常及一些特殊地段使用。PDV 數(shù) 據(jù) 采 集 系 統(tǒng)PDV 數(shù)據(jù)采

39、集系統(tǒng)是集采集、存儲、處理、顯示、評估解釋與盾構(gòu)機(jī)相關(guān)的- 11 -沈陽理工大學(xué)碩士學(xué)位論文數(shù)據(jù)于一身的系統(tǒng)，盾構(gòu)機(jī)所有可測量的掘進(jìn)參數(shù)都將通過時鐘脈沖控制的測量傳感器連續(xù)的采集進(jìn)而顯示。盾構(gòu)機(jī)所有必須記錄的掘進(jìn)參數(shù)值將以直方圖的形式顯示在 PDV 數(shù)據(jù)采集系統(tǒng)的監(jiān)測器屏幕上，其屏幕上主要包括以下顯示內(nèi)容20溫度/壓力；(5)電壓；(6)其他；(7)錯誤信息PDV 數(shù)據(jù)采集系統(tǒng)的工作示意圖如 2.3 所示。圖 2.3 PDV 數(shù)據(jù)采集系統(tǒng)的工作示意圖技術(shù)人員可在 PDV 數(shù)據(jù)采集系統(tǒng)上面的屏幕頁之間轉(zhuǎn)換并從中提取所需的掘進(jìn)數(shù)據(jù)。通過對 PDV 數(shù)據(jù)采集系統(tǒng)收集到的大量掘進(jìn)數(shù)據(jù)的監(jiān)控可實(shí)現(xiàn)對盾構(gòu)

40、機(jī)運(yùn)行狀況的信息化管理。通過電話撥號、Internet 等可將正在掘進(jìn)的盾構(gòu)機(jī)狀態(tài)數(shù)據(jù)傳送至設(shè)計部門、監(jiān)理部門及施工部門，為整個工程的信息化管理提供了重要的信息與數(shù)據(jù)來源。2.2 盾構(gòu)機(jī)故障及掘進(jìn)參數(shù)分析地鐵盾構(gòu)機(jī)是集光、機(jī)、電、液、傳感、信息技術(shù)于一體的大型系統(tǒng)。其結(jié)構(gòu)龐大，層次復(fù)雜。盾構(gòu)機(jī)在施工過程中需要監(jiān)控的參數(shù)多達(dá)數(shù)十個，而且各個參數(shù)之間還存在著不同程度的相關(guān)性使系統(tǒng)建模困難。由于設(shè)備系統(tǒng)的復(fù)雜性，其故障呈現(xiàn)的突發(fā)性、隨機(jī)性、無序性給維修造成困難。因此，如何有效的利用盾構(gòu)機(jī)掘進(jìn)過程中保存的運(yùn)行參數(shù)，根據(jù)故障時記錄的參數(shù)及時找出發(fā)生故障的部位，以及根據(jù)已知的運(yùn)行狀態(tài)去預(yù)測機(jī)組未來的運(yùn)行情況