一种盾构TBM滚刀边滚刀损坏预警方法

1.一种盾构TBM滚刀边滚刀损坏预警方法，其特征在于：包括以下步骤：步骤S1：对历史数据按环号、按时间提取及盾构施工状态筛选；步骤S2：对历史数据进行启动段和稳定段检测、点群数量检测，剔除过短数据段，之后检测历史数据量相对于时间、环号、里程是否满足当量要求；步骤S3：对数据性态进行判断，获取当量历史数据的百分位点、众数、数据偏离带范围、孤点分布特点；步骤S4：对历史数据进行基于设备特点的绝对量限制清洗和基于连续数据规律的相对量清洗，对盾构TBM推进速度、推进力、刀盘扭矩和贯入度进行相应的平滑处理、获取各项参数的斜率、波动情况、均值的值，获得基础健康数据特征与整体数据趋势；步骤S5：判断盾构TBM的类型、直径和当前状态；步骤S6：建立实时数据滑窗，向前提取10分钟的数据，与之前的数据进行累积；步骤S7：每隔一分钟对累计的实时数据进行一次绝对量的数据清洗，同时丢弃滑窗末端的部分数据，保持有效的十分钟滑窗数据；步骤S8：对实时数据进行与历史数据相似的特征数据处理，获取各项参数的斜率、波动情况、均值的值；步骤S9：结合土压盾构、泥水盾构和TBM的滚刀、边滚刀损坏判据，判断是否发生了滚刀、边滚刀损坏的异常事件，如果发生了滚刀、边滚刀损坏异常事件，进而判断滚刀、边滚刀损坏的严重程度，实现盾构施工过程中实时判断是否发生了滚刀、边滚刀损坏的异常。 2.根据权利要求1所述的一种盾构TBM滚刀边滚刀损坏预警方法，其特征在于：所述步骤S1具体包括：对历史数据按环号进行逐环提取并判断盾构施工状态，剔除停机状态时数据；对于环号失效的项目，对历史数据按里程进行提取和转化，并判断盾构施工状态；对于环号失效的项目，对历史数据按时间逐小时进行提取，并判断盾构施工状态。 3.根据权利要求1所述的一种盾构TBM滚刀边滚刀损坏预警方法，其特征在于：所述步骤S2具体包括：对提取的历史数据基于数据分布特点、变点检测和点群识别进行启动段和稳定段检测分段；通过点群数量检测，剔除过短数据段；检测历史数据量相对于时间、环号、里程是否满足当量要求。 4.根据权利要求1所述的一种盾构TBM滚刀边滚刀损坏预警方法，其特征在于：所述步骤S3具体包括：对数据性态进行判断，查看数据的正态性，分析正态分布偏差，统计历史数据的分布特征，获取当量历史数据的百分位点、众数、数据偏离带范围、孤点分布特点。 5.根据权利要求1所述的一种盾构TBM滚刀边滚刀损坏预警方法，其特征在于：所述步骤S4具体包括：对历史数据进行基于设备特点和3σ准则对数据进行绝对量限制清洗，对历史数据进行基于连续数据规律的相对量清洗，对盾构TBM推进速度、推进力、刀盘扭矩和贯入度进行相应的平滑处理、获取各项参数的斜率、波动情况、均值、中位数、众数的值，获得基础健康数据特征与整体数据趋势。 6.根据权利要求1所述的一种盾构TBM滚刀边滚刀损坏预警方法，其特征在于：所述步骤S5具体包括：每隔一分钟进行一次盾构TBM的类型、直径和当前状态的判断，对处于掘进状态的盾构TBM进行实时数据的判断操作。 7.根据权利要求1所述的一种盾构TBM滚刀边滚刀损坏预警方法，其特征在于：所述步骤S6具体包括：建立实时数据滑窗，每隔一分钟，根据当前时间，向前提取10分钟的数据，与之前的数据进行累计，截取在掘进的有效数据，并判断数据量，当第一次提取数据不足时，再向前提取10秒数据，判断状态与数据量，直至完成10分钟有效数据的提取。 8.根据权利要求1所述的一种盾构TBM滚刀边滚刀损坏预警方法，其特征在于：所述步骤S7具体包括：每隔一分钟对累计的实时数据进行一次绝对量的数据清洗，对10分钟窗口的有效数据，进行数据的性态判断和数据的统计进而得到去除极端的异常数据，同时丢弃滑窗末端的部分数据，保持有效的十分钟滑窗数据。 9.根据权利要求1所述的一种盾构TBM滚刀边滚刀损坏预警方法，其特征在于：所述步骤S8具体包括：对实时数据进行与历史数据相似的特征数据处理，对处理过的实时数据进行特征数据的提取，包括数据变化率、中位数、众数、平均值、波动范围，完成与历史数据处理近似的当前时间窗口数据的处理。