买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河海大学申请的专利基于TBM多模态数据融合的隧道围岩稳定性诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119513517B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411378781.8，技术领域涉及：G06F18/20；该发明授权基于TBM多模态数据融合的隧道围岩稳定性诊断方法是由杨文坤;赵海涛;石崇;杨果;何锦涛;王胜;曹乾;张维维;巫锦程;刘美欣;陈卓然;林澳庆;杨瑞;邓植煊;马坤宇设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本基于TBM多模态数据融合的隧道围岩稳定性诊断方法在说明书摘要公布了：本发明公开了基于TBM多模态数据融合的隧道围岩稳定性诊断方法，包括步骤1、划分围岩稳定性类型；步骤2、TBM多模态数据准备；步骤3、TBM多模态数据时空对齐与融合；步骤4、多模态数据空值与重复值填充；步骤5、基于开挖掘进段的多模态数据特征提取；步骤6、构建基于掘进段的TBM多模态特征数据库；步骤7、构建隧道围岩稳定性预测模型；步骤8、隧道围岩稳定性现场诊断应用。本发明基于时间和空间两种信息保障不同模态数据间对齐的准确性，并通过最近邻的空值填充和线性插值方法实现对数据空值程度低和空值程度高的模态数据进行修复补全，能适用于隧道工程施工过程中不同监测模态的融合，能实现对现场围岩稳定性的快速诊断，保障施工环境安全。

本发明授权基于TBM多模态数据融合的隧道围岩稳定性诊断方法在权利要求书中公布了：1.一种基于TBM多模态数据融合的隧道围岩稳定性诊断方法，其特征在于：包括如下步骤： 步骤1、划分围岩稳定性类型：将围岩稳定性划分N种稳定性状态类型；其中，N≥2； 步骤2、TBM多模态数据准备：对每种稳定性状态类型隧道围岩，均采用TBM进行掘进，并在隧道掘进施工过程中，对不同类型模态数据进行连续监测采集；因而，每种稳定性状态类型隧道围岩均采集得到n种模态数据；随后，对每种稳定性状态类型隧道围岩的每种模态数据，均以天为单位进行分割，形成n种模态数据块； 步骤3、TBM多模态数据时空对齐：对每种稳定性状态类型隧道围岩的n种模态数据块，按照采样频率进行由高到低排序，以最高采样频率对应的模态数据块为基准，依托时间和空间桩号位置，对剩余n-1种模态数据块进行遍历，并复制至最高采样频率对应的模态数据块中，实现对齐和融合处理； 步骤4、数据填充：识别步骤4中时空对齐后的TBM多模态数据中的空值和重复值，通过判别空值和重复值所占百分比类型分别采用KNN最近邻填充或线性插值方法对识别出的空值和重复值进行修复； 步骤5、特征提取：针对每种稳定性状态类型隧道围岩数据填充后的n种模态数据块，均以掘进段为单位进行特征提取；对同一个掘进段内的同一模态数据块通过统计或计算物理指标的方法提取若干个值作为特征值；因而，同一个掘进段内第i个模态可得到ni个特征，则对于所有n种模态数据块对应nsum＝n1+n2+…+nn个特征值；其中，掘进段是指TBM的刀盘转速从刀盘启动至达到最大行程停机过程中由零值转变为非零最后降为零的阶段数据； 步骤6、构建基于掘进段的TBM多模态特征数据库：基于步骤5中不同围岩稳定性工况类型所提取的所有掘进段的不同模态数据的特征值，共同构成基于掘进段的TBM多模态特征数据库； 步骤7、构建隧道围岩稳定性预测模型：隧道围岩稳定性预测模型为机器学习模型，隧道围岩稳定性预测模型的输入为一个掘进段内n种模态的特征值，隧道围岩稳定性预测模型的输出为隧道围岩稳定类别；使用步骤6构建的基于掘进段的TBM多模态特征数据库，进行训练隧道围岩稳定性预测模型； 步骤8、隧道围岩稳定性诊断：对TBM在隧道掘进施工过程中的n种模态数据进行监测，并获得当前掘进段不同模态下共计nsum个特征值；然后，将当前掘进段的nsum个特征值输入步骤7训练后的隧道围岩稳定性预测模型中，预测得到当前掘进段隧道围岩的稳定性状态。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河海大学，其通讯地址为：211100 江苏省南京市江宁开发区佛城西路8号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。