一种盾构机刀具状态分析与诊断方法与流程

技术特征：
1.一种盾构机刀具状态分析与诊断方法，其特征在于，包括以下步骤：获取盾构机刀具的振动数据、转速数据和温度数据；通过经验模态分解算法对所述振动数据进行信号分解，得到多个第一分解信号；对所述第一分解信号进行希尔伯特变换，得到第一解析信号；分别对所述第一解析信号、所述转速数据和所述温度数据进行独立成分分析，对应得到第一特征向量、第二特征向量和第三特征向量，构成待识别样本；将所述待识别样本，输入至预先训练好的识别模型进行检测，得出刀具状态。2.根据权利要求1所述的一种盾构机刀具状态分析与诊断方法，其特征在于，所述获取盾构机刀具的转速数据包括：在所述盾构机刀具边缘位置上设置磁铁；通过霍尔传感器获取磁感应强度的周期性变化，得到脉冲信号周期；将所述脉冲信号周期作为所述盾构机刀具的转动周期，得到转速数据。3.根据权利要求1所述的一种盾构机刀具状态分析与诊断方法，其特征在于，通过经验模态分解算法对所述振动数据进行信号分解，步骤包括：提取出所述振动数据中的极大值点和极小值点；对所述极小值点进行插值，形成下包络；对所述极大值点进行插值，形成上包络；计算所述上包络和所述下包络的均值，得到具有单调性的最高频imf分量作为第一分解信号。4.根据权利要求1所述的一种盾构机刀具状态分析与诊断方法，其特征在于，将所述第一特征向量、第二特征向量和第三特征向量，输入至预先训练好的识别模型进行检测，得出刀具状态，步骤包括：所述识别模型为最近邻分类器；根据刀具在不同状态下的振动数据、转速数据和温度数据，得到标准状态样本；将标准状态样本中的独立分量作为基函数，将待识别样本中独立分量的系数作为该识别样本的特征向量；根据所述基函数和所述识别样本的特征向量，计算所述标准状态样本和所述待识别样本的余弦距离；将所述余弦距离作为两个样本相似度之间的度量，通过所述最近邻分类器进行状态识别。5.根据权利要求4所述的一种盾构机刀具状态分析与诊断方法，其特征在于，还包括采用adcs-elm算法训练自适应诊断模型，并通过所述自适应诊断模型对所述识别模型进行更新。6.根据权利要求5所述的一种盾构机刀具状态分析与诊断方法，其特征在于，所述训练自适应诊断模型，步骤包括：随机获取n组状态识别结果，作为第一代鸟窝；通过式(1)更新缩放步长：
其中，a
t 1
为第t 1次的缩放步长，t为当前迭代次数，t为总的迭代次数，x
best
为当前最优解；根据更新后的搜索幅度通过式(2)产生新解，作为第二代鸟窝：a＝a0(x
t-x
best
)
ꢀꢀꢀꢀꢀꢀ
(2)其中，常数a0取值0.01，a为更新后的缩放步长；比较所述第一代鸟窝和所述第二代鸟窝，保留更优结果；更新迭代次数，直到迭代结束并输出最优鸟窝位。

技术总结
本发明公开了一种盾构机刀具状态分析与诊断方法，包括以下步骤：获取盾构机刀具的振动数据、转速数据和温度数据；通过经验模态分解算法对所述振动数据进行信号分解，得到多个第一分解信号；对所述第一分解信号进行希尔伯特变换，得到第一解析信号；分别对所述第一解析信号、所述转速数据和所述温度数据进行独立成分分析，对应得到第一特征向量、第二特征向量和第三特征向量，构成待识别样本；将所述待识别样本，输入至预先训练好的识别模型进行检测，得出刀具状态；本发明中的第一解析信号具有很好的信噪比，在盾构机刀具所处的复杂环境下，采集振动数据噪音过大，本发明能够更优的采集振动数据。采集振动数据。采集振动数据。


技术研发人员：徐恒基 杨民强 陈鹏 陈建福 周胜利 郭建豪 吴玉礼 赵斌 陆野 孙小玉 刘辉 高永军 杨帆 谢旭 葛元锋
受保护的技术使用者：中铁十四局集团大盾构工程有限公司
技术研发日：2022.03.15
技术公布日：2022/6/4