DOI: 10.11799/ce202509018
基于智能集成算法的煤矿TBM掘进参数多目标优化方法研究
沈远伟1
朱昊1
曹梦炫1
冯昌如1
朱梦圆1
张超凡2
1.陕西正通煤业有限责任公司,陕西 咸阳 7136992.西安科技大学 能源学院,陕西 西安 710054
摘要：在煤矿巷道TBM掘进过程中,掘进参数对推进效率、能耗及刀具磨损的影响显著,且三者之间存在复杂的非线性耦合关系.传统的经验调参方式或单目标优化方法难以同时兼顾效率、成本与安全性.为此提出一种集成灰狼优化算法(GWO)、径向基神经网络(RBF)、非支配排序遗传算法Ⅱ(NSGA Ⅱ)与逼近理想解排序法(TOPSIS)的多层级智能优化方法,该方法融合了元启发式优化、非线性建模、多目标进化与决策排序,可实现掘进参数的全流程优化控制.首先,通过RBF神经网络构建掘进参数与推进速度、掘进比能、刀具磨损量之间的非线性映射模型,并采用GWO算法优化其超参数以提高预测精度;其次,采用NSGA Ⅱ实现多目标优化,获得Pareto最优解集;最后,通过TOPSIS-熵权法筛选出综合最优的掘进参数方案.以正通煤业TBM实测数据为案例开展验证,结果表明:在最优方案条件下,推进速度提高23.97%,掘进比能下降 26.44%,刀具磨损量降低43.67%.该方法在提升掘进效率的同时,显著降低了能耗与刀具损耗,实现了效率、成本与安全性的协同优化,具备良好的工程适用性与推广价值.
关键词：TBMGWORBF神经网络NSGA ⅡTOPSIS多目标优化掘进参数优化掘进比能
分类号：TD263(矿山设计与建设)TP183(自动化基础理论)
资助基金：陕西省自然科学基础研究计划计划联合基金项目(2021JLM-06)
论文发表日期：2025-09-20
在线出版日期：2025-11-03（本平台首次上网日期，不代表文献的发表时间）
页数：9( 129-137 )
英文信息