张合沛/ZHANG He-pei

（盾构及掘进技术国家重点实验室，河南 郑州 450001）

自动纠偏、辅助驾驶是一种发展趋势，利用力学原理纠偏当然是一种好的方案但有难度，也有学者从事这方面的研究[1]，随着大数据技术的兴起如数据分类、特征提取、主成分分析、神经网络等工具的应用[2，3]，借助于大数据构造建模是一种可以接受的方法[4～6]，随着盾构掘进项目的增多和采集数据技术能力的加强，为大数据技术应用于盾构纠偏提供了数据支撑。现在盾构工作过程中能采集到的参数都在近百项之多，使用的采集系统能达到诸如油缸压力、刀盘扭矩、掘进速度等参数的评价指标60 多项，基本能达到数据分析的需要。如何从这些数据中提取优质数据，有效表征盾构司机为提高效率、提高掘进速度进行正确操作的数据，以这些数据构建数学模型指导盾构工作过程是一件有意义的工作。

近年来，出现了针对不同地质条件下盾构掘进姿态控制的研究成果，有从技术理论层次研究[7]，从工程力学角度做深度分析[8]；有从地质类型进行分类研究[9]；也有从数据科学方面展开研究[10]，还有从几何角度进行分析研究[11]。最近从机器学习的角度研究盾构掘进中的科学现象不断出现[12，13]。关于盾构掘进过程中的姿态控制也有研究[14，15]。本文定位于对油缸压力的分析，通过盾构掘进过程中有关纠偏动作的优质数据提取，用机器学习的方法，学习出姿态控制的数学模型，为辅助巡航、姿态自动控制提供参考算法。……