秦岭隧道的成功贯通，极大地推动了全断面掘进机(TBM)施工技术的发展，标志着我国铁路长大隧道施工进入了一个新的历史纪元，同时高效、安全、快速的掘进也成为TBM施工技术研究的重点之一。全断面掘进机参数之间相互作用关系非常复杂，为了有效、合理的开发和使用现场掘进数据，进而掌握参数与岩石之间的关系以及对掘进状况做出科学的评价，以利于掘进机掘进效能的提高，为施工提供有益的指导和掘进机的国产化设计提供可靠依据。所以有必要寻求一条经济、可行的技术途径，实现掘进状况的识别分析研究，掌握掘进对象和参数之间的某些潜在规律性。因此本论文研究重点和主要任务就是在研究世界掘进机施工技术发展的前提下，以秦岭隧道为背景，根据掘进机面对不同的岩石时所使用的推进力、扭矩等参数的不同，提出将模式识别的有关原理与理论运用于现场掘进工况的分类研究，对掘进机的掘进数据进行二次开发、利用，判别掘进机掘进的掘进状况，挖掘参数间的潜在规律，为掘进机的高效、安全掘进服务。主要进行了如下工作： 1．分析研究了Wirth TB880-E全断面隧道掘进机的数据采集系统，在此基础上提出了采用二值函数判断、奇异点剔除、滤波处理等数据预处理手段和对数据进行空推修正，可以有效地抑制掘进数据不必要的干扰和纠正各种偏离，提高了信号信噪比，使处理数据尽可能地接近真实值； 2．提出推进力、扭矩、切深三个原始特征和FPI指数、TPI指数和切割系数C三个变换特征等共计六种特征用于掘进状况的分类识别，并且基于提高分类算法效率的考虑，在分级聚类的过程中采用距离度量准则分别就聚类结果进行了特征提取，选择出不同的阶段相应准确、合理、有效的特征； 3．依据隧道掘进机掘进状况的模式识别问题的性质，采用非监督模式识别方法，选用欧氏距离作为相似性度量，综合运用近邻函数准则算法和分级聚类算法对掘进数据进行分类识别；最终将掘进数据分为空推、硬岩掘进、软岩掘进三大类，软岩掘进中又分为五小类掘进状况。 4．结合当前数据挖掘技术的发展并面向未来掘进机掘进数据的合理开发， 西南交通大学硕士研究生学位论文 第＊页 引入了数据挖掘的概念和架构，并在此架构内完成对聚类结果的分析和解释， 从而将全断面掘进机掘进状况的识别分析工作纳入更为广阔的研究空间。获得 了软、硬岩的数据分布函数，完成了不同掘进状况下的掘进性能对比分析，得 到了软硬岩条件下的推进力、扭矩需求关系以及切割效率的评估模式和利用掘 进参数进行刀具过度磨损判断的技术路径和标准。 总之通过本论文的研究发现，利用掘进数据进行掘进机掘进状况的识别分 析是可行的，数据挖掘的知识可以用于掘进对象划分和掘进性能的评价以及刀 具磨损的判断；另外大量数据资料基础上的掘进状况模式的确立，对掘进数据 的挖掘利用以及掘进机施卜和未来掘进机设计制造国产化也具有重要意义。