第一章 引言
伴随着城市化的进程，地下轨道交通和市政管廊的建设规模越来越大，盾构法由于施工安全、对周围环境影响小等特点，已经成为隧道掘进的主要工法。盾构刀盘是开挖地层的主要部件，在穿越高强度岩层或者复合地层的时候，会遇到很大的磨损问题。如果不能对刀盘的磨损状况做出正确的预判，很容易造成刀具非正常失效，甚至刀盘损坏，从而造成停机换刀、工期延误和巨大的经济损失。因此建立准确的刀盘磨损预测模型对保证施工效率、控制成本起着决定性的作用。目前的预测模型大多依靠传统的岩土力学参数，不能很好地体现复杂地质条件下动态磨损的过程[1]。本文主要用关键地质修正系数和实时掘进参数来改进和优化现有的模型。这就需要对摩擦学和地质工程的交叉原理有深刻的认识，并且要依靠大量的历史施工数据来进行标准化处理以及算法的验证。改进后的模型会努力提高预测精度，由原来的被动事后维修转变为主动预防性维护，给现场工程技术人员赋予更有指导意义的决策参照，保证盾构施工的安全、连续、高效。
第二章 盾构刀盘磨损预测相关研究基础与现状梳理
2.1 盾构刀盘磨损的核心机理与传统预测方法局限
盾构刀盘磨损属于影响掘进效率和工程成本的重要因素，它的物理过程主要是磨粒磨损、黏着磨损和疲劳磨损的耦合作用。在切削岩土的时候，滚刀受到高接触应力引起的磨粒切削和脆性断裂，刮刀更多的是受到软黏土引起的黏着磨损以及交变载荷下表面疲劳剥落。由于受力不同，所以磨损量和掘进参数、地层参数之间存在着复杂的非线性映射关系，即地层硬度和掘进速度的变化都会直接影响到刀具的受力情况以及磨损速率。因此核心机理就是传统预测方法中的比能法、经验公式法和回归统计法。但是在复合地层等复杂多变的环境下，这些方法就存在着明显的不足。比能法不能完全覆盖地质突变造成的局部异常磨损；经验公式法过分依靠某个工程的数据，权重的确定常常受到人工经验的限制，没有普适性；回归统计法对于长周期的磨损趋势来说，由于数据噪声和变量选择的原因，拟合偏差较大。传统的方法不能很好地把握多维参数之间的动态耦合关系，不能满足目前工程上对于高精度预测的要求。
表1 盾构刀盘磨损核心机理与传统预测方法局限梳理
2.2 国内外盾构刀盘磨损预测模型的研究进展综述
盾构刀盘磨损预测属于保证隧道施工安全和效率的重要部分，其研究发展大致上是沿着时间线以及技术路线这两条线路前进的。早期的研究大多采用数值仿真和理论分析的方法，用离散元软件模拟刀岩相互作用，虽然可以从微观上解释磨损机理，但是由于计算量大、参数标定困难，不能满足工程实时性的要求。伴随着信息技术的发展，机器学习方法也成为了主流，支持向量机、随机森林等算法把掘进参数当作特征输入，从而实现了磨损量的非线性映射预测，明显改善了模型的效率。近些年来，深度学习技术的重大进展又促使这一领域得到进一步的发展，长短期记忆网络（LSTM）、卷积神经网络（CNN）等模型对于长序列时序数据有着很好的表现，可以更加准确地把握磨损演变的动态特性。经过梳理可以发现，虽然各种模型在一定的工况下取得了应用成果，但是仍然存在着共性的不足，即现有的模型大多依靠专家的经验来选择特征，造成特征权重的分配比较固定，不能适应复杂的多变地质环境；其次，大部分研究把磨损当作一个单一的过程来对待，没有考虑到机械、地质、操作等各方面的耦合性影响，造成模型的泛化能力受到限制。由此可以看出目前的研究还没有很好地解决多源异构数据深度融合以及自适应建模的问题，这也是本文试图通过改进模型结构和优化算法来突破的方向。
第三章 改进型盾构刀盘磨损预测模型的构建与工程验证
3.1 多源特征参数融合的输入指标体系搭建
多源特征参数融合的输入指标体系搭建是改进盾构刀盘磨损预测模型的基础性工作，核心就是按照工程可获取性和磨损强相关性两个原则，把各种异构数据整合起来，全面反映磨损状态。该体系把地层物理力学参数、盾构实时掘进参数和刀盘自身属性参数这三大类特征都考虑进去，具体有土体石英含量、岩石单轴抗压强度、岩体完整性系数、推进速度、刀盘扭矩、贯入度、总推力、刀具类型、刃口宽度和初始磨损量等十多个重要指标。地层参数直接影响磨粒磨损效应，掘进参数体现动态负载和摩擦生热环境，刀盘属性决定耐磨基础，三者一起形成完整的因果链。为了保证输入数据的质量，要对多源异构参数实施严格的标准化预处理流程，即用均值插补法填补缺失值、用拉依达准则剔除异常值、用Min-Max方法归一化。归一化计算公式如下：
经过以上流程可以消除量纲差别、抑制数据噪声，给后面预测模型的输入层提供规范、可靠、高分辨率的特征数据集，进而大大提高模型在复杂地质环境中泛化的能力以及预测精度。
3.2 基于注意力机制优化的组合预测模型核心架构
3.2.1 磨损特征权重自适应分配模块设计
盾构刀盘磨损预测体系里，磨损特征权重自适应分配模块的设计属于提高模型精度的重要部分。传统的预测方法一般用人工赋值或者等权重分配的方式来处理，不能客观地反映复杂的地质条件下各个因素的非线性影响，因此本文采用注意力机制代替传统的方法，以达到权重智能动态调整的目的。该模块的主要原理就是根据各个输入特征和磨损量之间的关系来自动生成不同的权重。模型把掘进参数和地质参数送入注意力层，用得分计算公式准确地量化出每一个特征对于目标预测值的影响程度，再经由Softmax归一化处理把原始得分转变成权重系数，从而让模型把焦点放在重要的信息上。在实际使用中，本模块可以对不同的掘进情况做出及时的反应，对滚刀切削速度、岩石单轴抗压强度等和磨损有密切关系的参数，会自动增大其权重；而对环境噪声或者低敏感度的数据，则会自动抑制。经过复合地层典型工况的测试可知，本模块在遇到软硬不均的岩层的时候，可以迅速地发现地质突变所引起的特征重要性发生的变化，从而对权重进行调整。该种自适应机制很好地解决了特征干扰的问题，使模型对复杂的工况有很强的适应性，证明了该模块设计的合理性以及工程实用性。
3.2.2 多维度磨损演化趋势拟合算法实现
多维磨损演化趋势拟合算法，就是为了解决盾构施工过程中磨损过程的非线性、随机性问题而提出的，它的主要思想就是用注意力机制优化后的特征数据来构建时序卷积网络和门控循环单元相结合的深度学习模型。算法首先用时序卷积网络提取出刀具在各个空间位置上磨损特征的分布情况，利用卷积核的局部感知特性，准确地捕捉到刀盘边缘和中心刀具由于受力不同所造成的空间维度磨损非均匀性规律，然后利用门控循环单元对长序列的掘进参数进行处理，通过门控机制来筛选出重要的信息，记忆时间维度的磨损累积状态，进而达到对磨损速率随掘进时间动态变化的准确拟合。在模型训练过程中，用均方误差作为主要的损失函数，使用Adam优化器和学习率衰减策略来对超参数进行调优，保证模型在高维特征空间中能够快速收敛并且得到较高的精度。相比传统的拟合方法，该组合架构可以很好地处理复杂地质条件下突变磨损的工况，依靠两个维度的特征融合以及注意力权重的动态调整，明显加强了模型对于瞬时磨损突变和长周期累积趋势的捕捉能力，给之后的预测决策赋予了精确的数据支持。
3.3 依托城市地铁盾构施工项目的实测对比验证
图 1 改进型盾构刀盘磨损预测模型的构建与工程验证流程
选择国内某典型城市地铁复合地层盾构施工项目作为实测验证载体，该区间地层软硬交替出现，主要为上软下硬的复合地层和全断面硬岩段，对刀盘的耐磨性要求很高。本项目采用土压平衡盾构机，刀盘直径6.28米，配备硬岩滚刀和撕裂刀等组合刀具。现场磨损监测方案制订了详细的测量程序，在每次开仓检查的时候，用高精度的专业量具对刀具的磨损深度做人工标定，并且结合传感器实时数据来保证原始数据的准确性。从大量的工程数据中严格挑选出300组包含全部地层类型的实测掘进参数和刀盘磨损量数据，形成一个有代表性的验证样本集。验证时将改进模型预测的磨损值同现场人工检测和传感器监测得到的实际磨损值逐个样本进行对比分析，用散点图分布和时序拟合曲线直观地表现两者的吻合程度。结果表明，改进模型在各个地层的预测值都很接近实际值，误差处于可控制的范围之内，因此可以很好地验证出该模型在实际复杂的工程中是可行的、有指导意义的。
3.4 改进模型与传统预测方法的精度差异分析
为了检验改进模型的实际应用价值，本文用比能法、基础BP神经网络模型和改进型预测模型在相同的条件下进行量化精度的比较。在实验设计上使用了平均绝对误差、均方根误差、决定系数、预测误差小于1毫米的样本占比这四个主要的统计指标，对同一个实测掘进数据集进行系统的计算和评价。从分析结果可以看出，改进模型的各项指标都比传统的办法好得多，决定系数也更接近于1，说明预测值和实测值的拟合程度非常高。通过对误差分布箱线图进行深入剖析之后，又对不同地层条件下各个方法的偏差波动情况有了更深刻的认识。在高磨损性石英地层以及磨损发生突变的高风险工况下，传统的比能法由于不能很好地处理复杂的非线性关系而存在较大的滞后，基础BP神经网络也存在过拟合的问题，造成误差离散。但是改进模型具有很好的泛用性、鲁棒性，不但可以有效地减小极端误差，而且可以大幅度提高预测精度，从而证明了本文提出的刀盘磨损预测模型改进是十分有效的。
第四章 结论
本文对盾构刀盘磨损预测模型进行了详细的探究和改良，得到了一套符合实际情况的高效预测体系。该改进模型以摩擦磨损基本原理为基础，考虑了地质硬度、掘进参数、刀盘材质等许多影响因素，用数据回归分析和智能算法来提高预测精度。模型用实时采集到的掘进速度、扭矩和地质勘察数据作为输入，经过标准化计算流程后得到刀盘磨损量的动态估计。规范了磨损监测的操作程序，也确定了各种地质情况下刀盘寿命的评定途径。改进后的模型在实际工程应用中具有明显的优势，可以提前预警出可能发生的风险，从而有效地防止由于突然出现的刀盘失效而造成的停机事故。对提高隧道施工速度、削减维护费用、保证工程安全等有着十分重要的实践意义，而且给盾构施工精细化管理赋予了科学依据和技术支持。
参考文献
\[1\]王宇皓, 黄钶文, 闻庆晟. 砂性地层盾构切刀磨损预测模型研究[J]. 铁道建筑技术, 2020(11): 5.
\[2\]卢鹏飞. 盾构机刀盘磨损机理与维修技术创新[J]. 建筑与施工, 2025(5).
\[3\]唐少辉, 张晓平, 李方毅. 一种结构可调整的盾构刀具磨损试验模型刀盘[P]. 2018.