System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及盾构施工,特指一种刮刀状态实时检测系统及方法。
技术介绍
1、在现有技术中,通常是采用直接检测方法对盾构刮刀进行磨损检测。直接检测方法具体是通过刀盘中的液压传感器系统检测泄露出的液压油进行判断刮刀磨损状态,因为刮刀一旦磨损到一定的程度,液压油就会流出。液压传感器法因为原理简单、维护方便、成本较低,因此普遍应用在刮刀和刀盘盘面的磨损检测上。其缺点是通过液压传感器法测量的是某一固定值的磨损量,到达这个值后就应对刮刀进行更换。液压传感器法测量磨损量存在一定的滞后性、也不够精准,无法实时地测量出刀具的磨损值。液压传感器的布置多依靠经验,无法准确表征区域刀具的整体磨损量,极有可能导致多次的开仓换刀,降低施工效率。
技术实现思路
1、本专利技术的目的在于克服现有技术的缺陷,提供一种刮刀状态实时检测系统及方法,解决现有的液压传感器法测量存在滞后性、不够精确,无法实时测量刀具的磨损值进而导致多次开仓换刀,降低施工效率的问题。
2、实现上述目的的技术方案是:
3、本专利技术提供了一种刮刀状态实时检测方法,包括如下步骤:
4、于刮刀内安装电阻传感器,利用所述电阻传感器实时检测刮刀工作过程中的电阻数据;
5、在盾构掘进的过程中,实时采集刀盘转速数据、刀盘角度数据以及进刀率数据;
6、将所述刀盘转速数据、刀盘角度数据、进刀率数据以及电阻数据输入至一智能模块内;
7、接收所述智能模块输出的刮刀磨损量、刮刀完好率以及刮刀预测
8、本专利技术刮刀状态实时检测方法的进一步改进在于,还包括:
9、在盾构掘进施工的前期,选取设定距离内的施工参数作为训练数据,所选取的施工参数包括电阻数据、刀盘转速数据、刀盘角度数据以及进刀率数据;
10、利用所述施工参数计算得到对应的约束结果;
11、将所述训练数据以及对应的约束结果进行相应的机器学习算法的模型训练以得到智能模块。
12、本专利技术刮刀状态实时检测方法的进一步改进在于,在将所述刀盘转速数据、刀盘角度数据、进刀率数据以及电阻数据输入至一智能模块内之前,对所述的刀盘转速数据、刀盘角度数据、进刀率数据以及电阻数据进行滤波和清洗。
13、本专利技术刮刀状态实时检测方法的进一步改进在于,还包括:将所述的刀盘转速数据、刀盘角度数据、进刀率数据以及电阻数据存储在数据库中。
14、本专利技术还提供了一种刮刀状态实时检测系统,包括:
15、设于刮刀内的电阻传感器,用于在刮刀工作过程中实时检测电阻数据;
16、施工数据采集单元,用于在盾构掘进过程中实时采集刀盘转速数据、刀盘角度数据以及进刀率数据;
17、与所述电阻传感器和所述施工数据采集单元连接的数据平台,用于接收所述电阻传感器实时检测的电阻数据和所述施工数据采集单元实时采集的刀盘转速数据、刀盘角度数据以及进刀率数据;
18、与所述数据平台连接的智能模块,所述智能模块用于接收所述数据平台发送的电阻数据、刀盘转速数据、刀盘角度数据以及进刀率数据,输出对应的刮刀磨损量、刮刀完好率以及刮刀预测寿命给所述数据平台;
19、与所述数据平台连接的显示单元,用于显示所述数据平台发送的刮刀磨损量、刮刀完好率以及刮刀预测寿命。
20、本专利技术刮刀状态实时检测系统的进一步改进在于,所述智能模块由机器学习算法通过模型训练得到,模型训练的训练数据为采集的盾构掘进施工前期设定距离内的施工参数,所述施工参数包括电阻数据、刀盘转速数据、刀盘角度数据以及进刀率数据;
21、所述训练数据还包括根据所述施工参数计算得到的约束结果。
22、本专利技术刮刀状态实时检测系统的进一步改进在于,所述数据平台在将电阻数据、刀盘转速数据、刀盘角度数据以及进刀率数据发送给所述智能模块之前,对电阻数据、刀盘转速数据、刀盘角度数据以及进刀率数据进行滤波和清洗。
23、本专利技术刮刀状态实时检测系统的进一步改进在于,还包括与所述数据平台连接的数据库,所述数据库用于存储所述的刀盘转速数据、刀盘角度数据、进刀率数据以及电阻数据。
24、本专利技术刮刀状态实时检测系统及方法的有益效果为:
25、本专利技术通过设置的电阻传感器检测刮刀的磨损情况,根据电阻传感器检测的电阻数据能够换算得到刮刀的磨损量,实现了准确的表征刮刀的磨损情况。
26、本专利技术的智能模块通过机器学习算法,能够对刮刀磨损数据以及施工数据进行学习,实现预测刮刀的工作寿命。
27、本专利技术的刮刀磨损量、刮刀完好率以及刮刀预测寿能够进行可视化展示,实现高效的对刮刀进行监控,建立合理、准确的刀具管理方案。
本文档来自技高网...【技术保护点】
1.一种刮刀状态实时检测方法,其特征在于,包括如下步骤:
2.如权利要求1所述的刮刀状态实时检测方法,其特征在于,还包括:
3.如权利要求1所述的刮刀状态实时检测方法,其特征在于,在将所述刀盘转速数据、刀盘角度数据、进刀率数据以及电阻数据输入至一智能模块内之前,对所述的刀盘转速数据、刀盘角度数据、进刀率数据以及电阻数据进行滤波和清洗。
4.如权利要求1所述的刮刀状态实时检测方法,其特征在于,还包括:将所述的刀盘转速数据、刀盘角度数据、进刀率数据以及电阻数据存储在数据库中。
5.一种刮刀状态实时检测系统,其特征在于,包括:
6.如权利要求5所述的刮刀状态实时检测系统,其特征在于,所述智能模块由机器学习算法通过模型训练得到,模型训练的训练数据为采集的盾构掘进施工前期设定距离内的施工参数,所述施工参数包括电阻数据、刀盘转速数据、刀盘角度数据以及进刀率数据;
7.如权利要求5所述的刮刀状态实时检测系统,其特征在于,所述数据平台在将电阻数据、刀盘转速数据、刀盘角度数据以及进刀率数据发送给所述智能模块之前,对电阻数据、刀
8.如权利要求5所述的刮刀状态实时检测系统,其特征在于,还包括与所述数据平台连接的数据库,所述数据库用于存储所述的刀盘转速数据、刀盘角度数据、进刀率数据以及电阻数据。
...【技术特征摘要】
1.一种刮刀状态实时检测方法,其特征在于,包括如下步骤:
2.如权利要求1所述的刮刀状态实时检测方法,其特征在于,还包括:
3.如权利要求1所述的刮刀状态实时检测方法,其特征在于,在将所述刀盘转速数据、刀盘角度数据、进刀率数据以及电阻数据输入至一智能模块内之前,对所述的刀盘转速数据、刀盘角度数据、进刀率数据以及电阻数据进行滤波和清洗。
4.如权利要求1所述的刮刀状态实时检测方法,其特征在于,还包括:将所述的刀盘转速数据、刀盘角度数据、进刀率数据以及电阻数据存储在数据库中。
5.一种刮刀状态实时检测系统,其特征在于,包括:
6.如权利要求5所述的刮刀...
【专利技术属性】
技术研发人员:顾旭莹,王皓辉,费俊杰,沈辉,潘成杰,张艳栋,张成杰,包蓁,王志华,徐文庆,冯羽潇,董宾,孙俊康,顾薛炯,张宇,
申请(专利权)人:上海隧道工程有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。