买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安理工大学申请的专利基于地层信息动态识别的TBM操作参数智能决策方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119554041B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411703218.3，技术领域涉及：E21D9/06；该发明授权基于地层信息动态识别的TBM操作参数智能决策方法是由佘磊;胡成成;李炎隆;许增光设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本基于地层信息动态识别的TBM操作参数智能决策方法在说明书摘要公布了：本发明公开了基于地层信息动态识别的TBM操作参数智能决策方法，包括获取TBM掘进过程中的岩‑机参数，对参数信息进行预处理并构建原始数据库，建立三种掘进工况，基于表格深度学习架构，建立岩体参数多输出预测模型和掘进参数多输出预测模型，综合考虑掘进效率、施工成本、设备安全和工程经验进一步构建多目标优化算法，通过岩体参数多输出预测模型预测岩体参数，识别掘进工况，以掘进参数多输出预测模型为拟合函数，依据实际掘进工况要求优化TBM掘进状态并给出操作参数决策值。本发明不仅考虑了掘进速率和刀具消耗，还考虑了设备安全和工程经验等，给出的操作参数决策值能有效提高施工效率，降低刀具成本，并保证施工安全性。

本发明授权基于地层信息动态识别的TBM操作参数智能决策方法在权利要求书中公布了：1.基于地层信息动态识别的TBM操作参数智能决策方法，其特征在于，包括以下步骤： 步骤1，获取TBM掘进过程的操作参数、被动参数和岩体参数，对参数信息进行预处理以构建原始数据库，将原始数据库按8：2的比例划分成训练集和测试集，建立软岩地层、平衡地层和硬岩地层三种掘进工况； 步骤2，基于表格深度学习架构TabNet，用训练集构建岩体参数多输出预测模型和掘进参数多输出预测模型，分别用于地层信息识别和表征映射关系，用测试集验证岩体参数多输出预测模型和掘进参数多输出预测模型性能； 所述步骤2中，基于表格深度学习架构TabNet，以操作参数和被动参数为输入，以岩体单轴抗压强度和岩体质量指标为输出，构建岩体参数多输出预测模型，在TBM掘进隧道环的过程中会直接产生操作参数和被动参数，以其作为岩体参数多输出预测模型的输入，可识别出该隧道环的掘进地层信息； 所述步骤2中，基于表格深度学习架构TabNet，以操作参数和岩体参数为输入，以掘进速率和每延米刀具消耗量为输出，构建掘进参数多输出预测模型，在掘进过程中，动态地将新采集的参数信息加入到数据库中，不断训练岩体参数多输出预测模型和掘进参数多输出预测模型，以增强模型性能； 步骤3，基于对掘进效率、施工成本、设备安全和工程经验的考虑构建多目标优化算法，通过岩体参数多输出预测模型预测岩体参数，识别掘进工况，以掘进参数多输出预测模型为拟合函数，依据实际掘进工况要求优化TBM掘进状态并给出操作参数决策值； 所述步骤3中，通过加权切比雪夫标量化策略将黑翅鸢算法改进成多目标优化算法，然后利用Tent混沌映射策略替换黑翅鸢算法的初始种群生成策略，从而构建多目标黑翅鸢优化算法，以TBM掘进隧道环过程中直接产生的操作参数和被动参数作为岩体参数多输出预测模型的输入，获得实际岩体参数，根据实际岩体参数中岩体单轴抗压强度识别出掘进工况，进而确定优化方案，在优化过程中，根据工程需求设定目标值和权重，保持岩石参数不变，以掘进参数多输出预测模型为拟合函数，用TBM掘进隧道环过程中直接产生的操作参数和实际岩体参数作为输入，获得掘进速率和每延米刀具消耗量，然后结合开挖计划和施工预算设置掘进速率和每延米刀具消耗量的权重和目标值，综合考虑掘进效率、施工成本、设备安全和工程经验，对不同的工况制定不同的优化方案，最终给出相应的刀盘转速、刀盘扭矩和刀盘推力的决策值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。