摘要
传统的盾构健康状态诊断方法主要是人工巡检和定期维护,这种方法不仅效率低下,而且难以准确判断盾构的实时健康状态。因此,提出基于机器学习的盾构健康状态跟踪诊断方法。首先,以机器学习算法为基础,进行盾构健康状态跟踪诊断的设计;其次,进行盾构运行数据的采集,采用传感器技术,为后续的状态监测提供坚实的数据基础;最后,基于机器学习算法中的决策树实时跟踪诊断盾构的健康状态,输出盾构健康运行状态的跟踪结果,从而完成整个诊断流程。试验结果表明:基于机器学习的盾构健康状态跟踪诊断方法能够准确判断出盾构轴承的异常振动状态频率,而其余两种文献方法的诊断误差较大。试验结果证明该方法有效。
出处
《工程机械文摘》
2024年第6期16-19,共4页
Construction Machinery Digest
