基于PSO-LSSVM算法的隧道掘进机掘进参数预测方法

作者：李宏波; 张冬月; 葛学元^*

来源：科学技术与工程, 2023, 23(14): 6230-6237.

• 隧道掘进机(tunnel boring machine,TBM)
• 掘进参数
• 粒子群(particle swarm optimization,PSO)
• 支持向量机(support vector machine,SVM)
• 参数预测

为了规避隧道掘进机(tunnel boring machine, TBM)掘进参数人为设定的主观性，提出了一种基于粒子群-最小二乘支持向量机算法(PSO-LSSVM)的TBM掘进参数预测方法。通过从海量TBM工程掘进数据中探寻参数变化规律，降低了TBM主司机设定掘进参数的主观性，辅助其合理选择掘进参数，有利于提高掘进效率、规避工程风险，经实验和工程数据验证，PSO-LSSVM算法通过对样本粒子全局迭代寻优来优化参数，提升了预测算法泛化能力和预测精度，对推力、扭矩和推进速度参数预测数值偏差满足要求，可辅助指导主司机设定掘进参数。

• 单位
  北京机科国创轻量化科学研究院有限公司