来源：期刊VIP网 时间：
作者：周奇才;姜宽;王耀;张恒;陈传林;
单位：同济大学机械与能源工程学院;上海地铁盾构设备工程有限公司;
摘要：为了提高传统机器学习模型在盾构推进参数方面的预测精度，提出了基于粒子群优化（PSO）的混合模型算法。以推进油缸推力和位置预测为例，阐述了PSO优化的混合模型构建流程。以粒子群优化模型为基础，分别建立混合多层感知机（MLP）油缸推力模型、混合长短期记忆（LSTM）人工神经网络油缸推力预测模型，以及混合LSTM油缸位置预测模型。以实际工程数据为例，完成多种混合预测模型的构建，并与RF、XGBoost等传统模型对比，验证所提方法和模型的有效性和先进性。实验表明：经过PSO优化的模型准确率均有不同程度的提升，本文提出的基于粒子群优化模型对指导掘进参数调控、辅助操作人员掘进等具有一定的工程价值。
关键词：盾构机;;粒子群优化;;机器学习;;长短期记忆人工神经网络;;推进油缸
