随着城市化建设程度的不断加大,我国越来越重视地下空间的开发。盾构机作为盾构法的主要施工工具,越来越多地投入到地下空间的建设当中。刀盘滚刀处在盾构机掘进方向的最前端,极易产生磨损,因此有效预测及控制滚刀磨损,对于减少工程成本和提升掘进效率具有重要意义。本文侧重从盾构滚刀磨损预测和滚刀布局优化两方面展开研究,通过结合格拉姆角差场（Gramian Angular Difference Field,GADF）和卷积神经网络（Convolutional Neural Network,CNN）,建立了盾构滚刀磨损预测模型,并设计了滚刀磨损预测系统,实现了对滚刀磨损量的有效预测;基于预测系统构建了中心滚刀布局的多目标优化模型并进行求解,获得了优化后的中心滚刀布局方案。主要研究内容如下:（1）分析了盾构滚刀磨损机理与磨损失效形式,确定研究对象为正常均匀磨损的盘形滚刀。依托某工程的盾构区间数据,结合磨损预测经验公式,建立了一套滚刀磨损数据集,采用GADF对其进行预处理,转换为二维图像集。（2）基于Py Torch深度学习框架构建了改进的CNN模型,以预处理后的滚刀磨损数据集作为输入层,以滚刀磨损量为输出层。通过训练对比,分析不同超参数下模型的预测性能,确定模型的最佳超参数设置,并在此基础上分析不同卷积层数目和不同卷积核尺寸对模型预测性能的影响,确定模型的最优结构,建立了基于GADF-CNN的滚刀磨损预测模型。（3）将GADF-CNN模型与BP模型、未改进的GADF-CNN模型进行了预测结果对比,表明GADF-CNN模型的预测误差明显较小,综合预测效果较佳。在此基础上,采用Py Qt5设计了包含前端人机交互界面和后端数据转换及数据预测的盾构滚刀磨损预测系统,可方便快捷地获得滚刀磨损量的预测结果。（4）结合盾构滚刀磨损预测系统,分析了刀盘上中心滚刀、正滚刀和边滚刀的磨损量差异,确定对中心滚刀进行布局优化设计。以刀盘径向载荷、刀盘倾覆力矩以及滚刀破岩量标准差为优化目标,构建了中心滚刀布局优化模型。采用NSGA-III（Nondominated Sorting Genetic AlgorithmⅢ）进行了多目标优化求解,经对比分析表明,优化后的滚刀磨损和刀盘受力状况均得到一定改善。