《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于MFO-BPNN的螺旋钻机钻速预测研究

作者：李嘉辉,王英,郑荣跃,等. 日期：2024-04-24/span> 浏览：1093 查看PDF文档

基于MFO-BPNN的螺旋钻机钻速预测研究*

李嘉辉1,王英1*,郑荣跃2,叶军3,赵京昊4,陈立4

(1.宁波大学机械工程与力学学院,浙江宁波 315211;2.宁波大学土木工程与地理环境学院,浙江宁波 315211;

3.浙江工业职业技术学院机电工程学院,浙江绍兴 312000;4.浙江易通特种基础工程股份有限公司,浙江宁波 315800)

摘要:针对利用现有经验公式所建立的螺旋钻机钻速预测模型存在准确度不足的问题,提出了一种基于飞蛾扑火算法(MFO)的反向传播神经网络(BPNN)钻速预测模型。首先,对MFO算法的基本原理进行了研究,构建了MFO算法优化BPNN的具体流程;接着,采集了江苏无锡某施工现场钻探数据,并分析了钻速影响因素,运用小波阈值降噪、归一化和灰色关联度分析等系列方法对采集数据进行了预处理,得到了训练和测试集;然后,将MFO算法运用于神经网络的权值和阈值训练,以代替原有梯度下降法,建立了MFO-BPNN钻速预测模型;最后,对上述预测模型与BPNN模型、遗传算法优化反向传播神经网络(GA-BPNN)模型以及粒子群优化算法优化反向传播神经网络(PSOBPNN)模型的预测结果和评价指标进行了详细的对比分析。研究结果表明:运用MFO-BPNN建立的钻速预测模型,其可靠性达到了91.65%,其决定系数(R2)优于其他3种预测模型,3项误差指标也是其中最低的,说明该模型的预测精度良好,适合于桩基础工程的实际应用,可为复杂因素影响下的钻速预测提供一种新思路。

关键词:螺旋钻机;钻速预测;飞蛾扑火算法;反向传播神经网络;遗传算法优化反向传播神经网络;粒子群优化算法优化反向传播神经网络;决定系数;桩基础工程

中图分类号:TH69;TE24文献标识码:A文章编号:1001-4551(2024)04-0633-10

本文引用格式:

李嘉辉,王英,郑荣跃,等.基于MFO-BPNN的螺旋钻机钻速预测研究［J］.机电工程,2024,41(4):633-642.

LI Jiahui, WANG Ying, ZHENG Rongyue, et al. Drilling speed prediction of spiral drilling rigs based on MFO-BPNN［J］.Journal of Mechanical & Electrical Engineering, 2024,41(4):633-642.