Predictive machine learning for main drive torque estimation in earth pressure balanced tunnelling considering reciprocal effects of EPB tunnelling in soft and mixed ground
Dissertation, Ruhr-Universität Bochum, 2023
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Körperschaften: | , |
| Format: | UnknownFormat |
| Sprache: | eng |
| Veröffentlicht: |
Düren
Shaker Verlag
2023
|
| Schriftenreihe: | Schriftenreihe des Instituts für Konstruktiven Ingenieurbau
Heft 2023-7 |
| Schlagworte: | |
| Online Zugang: | Cover Inhaltsverzeichnis |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Tag hinzufügen 
| Zusammenfassung: | Dissertation, Ruhr-Universität Bochum, 2023 Zentraler Bestandteil Erddruckgestützter Tunnelbohrmaschinen (EPB TBMs) sind die Motoren des Hauptantriebs, deren Leistung ausreichend zu bemessen ist, um das Schneidrad während des gesamten Tunnelvortriebs zu drehen und den Boden auszuheben. Die optimierte Bemessung des Hauptantriebs ist entscheidend für die Energieeffizienz, wobei Leistungsminderungen bis hin zur Blockade zu verhindern sind. EPB-TBMs nutzen zur aktiven Ortsbruststützung das ausgehobene Bodenmaterial, wobei Wechselwirkungen zwischen TBM und Boden eine Herausforderung darstellen. Im Rahmen dieser Dissertation wurde unter Berücksichtigung der Wechselwirkungen ein Modell zur Abschätzung des Drehmoments auf Basis des maschinellen Lernens (ML) entwickelt. Das robuste Modell ermöglicht optimierte Vorhersagen des nominalen Hauptlager Drehmomentes sowie des maximal zu erwartenden Drehmomentes im Regelvortrieb und gewährleistet die Interpretier- und Übertragbarkeit zur Anwendung bei zukünftigen EPB Projekten |
|---|---|
| Beschreibung: | Literaturverzeichnis: Seite 139-152 |
| Beschreibung: | XVI, 178 Seiten Illustrationen, Diagramme 21 cm x 14.8 cm, 267 g |
| ISBN: | 9783844092462 978-3-8440-9246-2 3844092463 3-8440-9246-3 |