MVSAPNet:一种多变量数据驱动的方法,用于检测复合层盾道中磁盘切割器磨损状态
Yewei Xiong1,2, Xinwen Gao1,2, Dahua Ye1,2
1SHU-SUCG Research Centre of Building Information, Shanghai University, Shanghai 201400, China.
Sensors (Basel, Switzerland)
|April 28, 2025
概括
这项研究引入了一种新方法,即多变量选择性注意力原型网络 (MVSAPNet),用于准确检测屏蔽道施工中的磁盘切割器磨损. MVSAPNet有效地解决了数据不平衡,并提高了检测磨损的准确性,以提高安全性和效率.
科学领域:
- 工程 工程师 工程师 工程师
- 地质技术工程 地质技术工程
- 机器学习 机器学习
背景情况:
- 磁盘切割机是盾道施工中的关键部件.
- 监控切割盘磨损对于运行安全和效率至关重要.
- 在土壤筒仓内直接观察切割器磨损会带来重大挑战.
研究的目的:
- 提出一个端到端检测方法来检测光盘切割机磨损状态.
- 解决现有分类方法的局限性,特别是数据不平衡.
- 为了提高磁盘切割机磨损检测的准确性和效率.
主要方法:
- 开发了多变量选择性注意力原型网络 (MVSAPNet).
- 引入了一个注意力原型网络,用于从多个输入参数中选择变量.
- 利用原型网络来学习正常和磨损状态的类中心,通过功能距离比较检测磨损.
主要成果:
- MVSAPNet在Ma Wan跨海道项目的数据上获得了0.9187的准确度和0.8978的F1得分.
- 与其他分类模型相比,拟议的方法表现出优越的性能.
- 成功解决了在磨损状态检测中数据不平衡的挑战.
结论:
- MVSAPNet提供了一种有效的解决方案,用于准确有效地检测磁盘切割器的磨损.
- 该方法通过克服数据不平衡问题,提高了盾道施工的安全性和效率.
- 该方法在地下工程项目中对现实世界的应用具有显著的前景.
更多相关视频
09:10Precision of In Vivo Quantitative Tooth Wear Measurement Using Intra-Oral Scans
Published on: July 12, 2022
2.7K
09:00Visualization of Failure and the Associated Grain-Scale Mechanical Behavior of Granular Soils under Shear using Synchrotron X-Ray Micro-Tomography
Published on: September 29, 2019
13.2K
