Kathrin Glab

Predictive Machine Learning for Main Drive Torque Estimation in Earth Pressure Balanced Tunnelling

Considering Reciprocal Effects of EPB Tunnelling in Soft and Mixed Ground


Front	Back

ISBN:

978-3-8440-9246-2

Series:

Schriftenreihe des Instituts für Konstruktiven Ingenieurbau
Herausgeber: Prof. Dr.-Ing. R. Breitenbücher, Prof. Dr.-Ing. Rüdiger Höffer, Univ.-Prof. Dr. Markus Knobloch, Univ.-Prof. Dr.-Ing. habil. Peter Mark and Prof. Dr.-Ing. Markus Thewes
Bochum

Volume:

2023,7

Keywords:

Earth Pressure Balanced Tunnel Boring Machines; Machine Learning; Torque Estimation

Type of publication:

Thesis

Language:

English

Pages:

180 pages

Figures:

79 figures

Weight:

267 g

Format:

21 x 14,8 cm

Binding:

Paperback

Price:

48,80 € / 61,10 SFr

Published:

December 2023

Buy:

Download:

Available PDF-Files for this title:

You need the Adobe Reader, to open the files. Here you get help and information, for the download.

These files are not printable.


	Document		Document
	Type		PDF
	Costs		36,60 EUR
	Action		Purchase in obligation and display of file - 29,8 MB (31289719 Byte)
	Action		Purchase in obligation and download of file - 29,8 MB (31289719 Byte)


	Document		Table of contents
	Type		PDF
	Costs		free
	Action		Display of file - 222 kB (227327 Byte)
	Action		Download of file - 222 kB (227327 Byte)

User settings for registered users

You can change your address here or download your paid documents again.

User:	Not logged in.
Actions:	Login / Register Forgotten your password?

Recommendation:

You want to recommend this title?

Review copy:

Here you can order a review copy.

Link:

You want to link this page? Click here.

Export citations:

Text
BibTex
RIS

Abstract:

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.