硬岩掘进机(Tunnel Boring Machine,TBM)由于其掘进速度快,在大多数情况下对周围岩体的影响很小,且具有机械化程度较高的优点,目前被广泛应用于世界各地的隧道工程。随着制造技术不断提升,TBM的结构与性能都越来越适应复杂多变的地质环境,然而,在操作TBM进行施工时,很多时候仍然只能依靠操作员的经验应对不同的地质条件。为了实现TBM的地质适应性控制,本文进行了以下内容研究:(1)建立了地质条件在线识别模型,通过研究TBM的工作参数与地质条件的对应关系,找到可以反映周围地质条件的工作参数。利用基于工程改进的KNN算法建立了地质条件在线识别模型,可高效地根据输入的工作参数识别出当前所处的地质条件,为后续的研究奠定了基础。(2)建立了异常工况预警模型,利用数学统计的方式对施工数据中的异常数据进行分析,依据异常数据的特点建立异常工况预警模型,从而能够在异常工况发生时及时预警。利用实际数据进行测试,发现模型能够有效识别已被标注的异常工况,并且能够根据异常工况的类型输出相应的预警信号。(3)针对刀盘控制系统建立了基于提前补偿的分区耦合控制模型,分析驱动电机与刀盘的传动原理。为了提升一组驱动电机的同步性能,建立了分区耦合控制策略。为了解决掘进面载荷不均匀的问题,提出了基于提前补偿的分区耦合控制策略,通过Matlab/Simulink进行仿真测试,验证了模型的有效性。(4)研究了基于地质条件的掘进参数多目标优化模型,建立了考虑掘进效率、能量消耗、磨损量、振动量、掘进面稳定性(水平支撑力)、掘进风险的多目标模型。根据各类地质条件的特点,相应调整六个优化函数的权重,根据权重将多目标模型转化为单目标优化模型并用遗传算法求解模型,通过Matlab/Simulink对部分实际施工数据进行了优化。