-
公开(公告)号：CN106845860A
公开(公告)日：2017-06-13
申请号：CN201710092535.X
申请日：2017-02-21
Applicant: 中南大学湘雅医院
IPC: G06Q10/06
Abstract: 本发明公开了一种肺量计检查自动化质量控制的方法和装置，方法包括准备阶段和测试阶段：所述准备阶段，预先定义并存储各种类型的肺功能测试所对应的肺量计结果质量控制标准列表；所述测试阶段，首先，从肺量计中读入肺量计结果；然后根据具体的肺功能测试类型，选择对应的肺量计结果质量控制列表；最后，判断肺量计结果是否符合该类型肺功能测试对应的肺量计结果质量控制列表中的所有类目；如果符合，则输出肺量计结果符合质量控制标准；否则，输出肺量计结果不符合质量控制标准及其不符合的质量控制列表类目。本发明能够自动化评测受试者肺功能检查结果的质量，本发明方法和装置独立于肺量计，可以实现在一个计算机的硬件或软件模块中，结果更加准确可靠。
-
公开(公告)号：CN116256244A
公开(公告)日：2023-06-13
申请号：CN202211430506.7
申请日：2022-11-15
Applicant: 中南大学
Abstract: 本发明涉及微波加热系统，具体公开了一种微波加热实验系统、热力耦合装置和实验方法，微波加热实验系统包括热力耦合装置、测温装置和微波辐射器，微波辐射器包括外导体、设于外导体内的内导体和位于外导体与内导体之间的电介质填充部，外导体上设有微波辐射口，热力耦合装置包括金属屏蔽层、加载部、与金属屏蔽层外侧连接的壳体，测温装置包括第一温度传感元件和第二温度传感元件，第一温度传感元件和第二温度传感元件电连接于显示装置。本发明的微波加热实验系统、热力耦合装置和实验方法能够进行含预制钻孔岩石的微波加热实验、模拟钻孔围岩的热力耦合环境和监测温度，便于对钻孔内微波加热技术进行实验和研究，且实验效果好。
-
公开(公告)号：CN115630257B
公开(公告)日：2023-04-21
申请号：CN202211629158.6
申请日：2022-12-19
Applicant: 中南大学
IPC: G06F17/11 , G06F30/27 , F42D3/04 , G06F119/14
Abstract: 本发明涉及预测方法，具体地涉及一种爆破漏斗体积预测方法，包括如下步骤：A）获取岩石试样的物理力学参数；B）从爆破现场获取实际漏斗爆破参数以及爆破之后的爆破漏斗体积V1，并结合所述物理力学参数构建数据库R；C）所述数据库R通过机器学习算法训练机器学习模型，获得相应的预测模型，从而获得所述预测模型的预测结果，取其平均值作为最终的爆破漏斗体积V2。本发明的爆破漏斗体积预测方法能够通过实验构建爆破漏斗体积预测模型，且预测精度高，工作量小，大大减少了实验的物力和人力的支出，有利于在实际爆破工程中寻求最优的爆破参数。
-
公开(公告)号：CN115860134A
公开(公告)日：2023-03-28
申请号：CN202211425997.6
申请日：2022-11-14
Applicant: 中南大学
IPC: G06N20/00
Abstract: 本发明涉及基于机器学习和极限学习机混合模型的爆破块度预测方法，包括如下步骤：A)获取爆破的原始数据，确定其变量参数，计算各变量参数的偏度值；B)根据偏度值对变量参数进行分类，对各类变量参数基于设定的转换方法进行转化生成新变量参数，对新变量参数基于至少一种机械学习方法进行处理生成新特征数据集；C)根据新特征数据单元确定极限学习机模型隐藏层神经元个数，并据此到得最佳极限学习机模型网络结构，保存最佳极限学习机模型网络结构中对应的权重参数值；D)基于新特征数据集、最佳极限学习机模型网络结构和权重参数值预测爆破平均块度。本发明的基于机器学习和极限学习机混合模型的爆破块度预测方法能够减少运算量，且精度高。
-
Patent Agency Ranking
公开(公告)号：CN117390973A
公开(公告)日：2024-01-12
申请号：CN202311696938.7
申请日：2023-12-12
Applicant: 中南大学
IPC: G06F30/27 , G06N3/048 , G06N3/084 , G06F17/16 , G06F17/18 , G06F18/2135 , G06F18/27 , G06F119/14
Abstract: 本发明涉及矿山爆破预测方法，提供一种基于多层感知机模型的矿山爆破炮孔利用率预测方法，包括获取矿岩的物理力学参数、爆破设计参数；基于爆破设计参数进行爆破试验，获取爆破之后的炮孔利用率，并结合物理力学参数、爆破设计参数建立原始数据库；应用主成分分析法对原始数据库进行预处理，从而获取目标数据库；基于目标数据库训练多层感知机预测模型，遍历目标数据库中的样本集，计算损失，不断优化模型参数获取炮孔利用率预测模型，评估炮孔利用率预测模型的泛化性能并获取高性能炮孔利用率预测模型，从而获取炮孔利用率的预测结果。本发明基于多层感知机模型的矿山爆破炮孔利用率预测方法能够安全、精准、高效地获取炮孔利用率的预测结果。
-
公开(公告)号：CN115630257A
公开(公告)日：2023-01-20
申请号：CN202211629158.6
申请日：2022-12-19
Applicant: 中南大学
IPC: G06F17/11 , G06F30/27 , F42D3/04 , G06F119/14
Abstract: 本发明涉及预测方法，具体地涉及一种爆破漏斗体积预测方法，包括如下步骤：A）获取岩石试样的物理力学参数；B）从爆破现场获取实际漏斗爆破参数以及爆破之后的爆破漏斗体积V1，并结合所述物理力学参数构建数据库R；C）所述数据库R通过机器学习算法训练机器学习模型，获得相应的预测模型，从而获得所述预测模型的预测结果，取其平均值作为最终的爆破漏斗体积V2。本发明的爆破漏斗体积预测方法能够通过实验构建爆破漏斗体积预测模型，且预测精度高，工作量小，大大减少了实验的物力和人力的支出，有利于在实际爆破工程中寻求最优的爆破参数。
-
公开(公告)号：CN117390973B
公开(公告)日：2024-03-22
申请号：CN202311696938.7
申请日：2023-12-12
Applicant: 中南大学
IPC: G06F30/27 , G06N3/048 , G06N3/084 , G06F17/16 , G06F17/18 , G06F18/2135 , G06F18/27 , G06F119/14
Abstract: 本发明涉及矿山爆破预测方法，提供一种基于多层感知机模型的矿山爆破炮孔利用率预测方法，包括获取矿岩的物理力学参数、爆破设计参数；基于爆破设计参数进行爆破试验，获取爆破之后的炮孔利用率，并结合物理力学参数、爆破设计参数建立原始数据库；应用主成分分析法对原始数据库进行预处理，从而获取目标数据库；基于目标数据库训练多层感知机预测模型，遍历目标数据库中的样本集，计算损失，不断优化模型参数获取炮孔利用率预测模型，评估炮孔利用率预测模型的泛化性能并获取高性能炮孔利用率预测模型，从而获取炮孔利用率的预测结果。本发明基于多层感知机模型的矿山爆破炮孔利用率预测方法能够安全、精准、高效地获取炮孔利用率的预测结果。
-
公开(公告)号：CN116611312A
公开(公告)日：2023-08-18
申请号：CN202310416454.6
申请日：2023-04-18
Applicant: 中南大学
IPC: G06F30/27 , G06N3/0464 , G06N20/00 , G01N3/08 , G01N3/02 , G06F119/14
Abstract: 本发明涉及参数预测方法，具体地涉及一种矿岩力学参数预测方法，包括如下步骤：A)获取矿岩试样的力学参数，所述力学参数包括单轴抗压强度、抗拉强度和黏聚力；B)对开采现场进行钻孔，采集钻孔内壁的图像信息，获得钻孔内的二维地质平面图；C)利用卷积神经网络特征提取模块提取所述二维地质平面图中的岩石的结构特征X，通过所述结构特征X与所述力学参数构建力学数据库；D)通过所述力学数据库构建极限学习机模型，利用所述极限学习机模型预测待检测的矿岩的单轴抗压强度、抗拉强度和黏聚力。本发明的矿岩力学参数预测方法以原始地质信息为依据构建矿岩力学参数预测模型，预测精度和预测效率较高，且节约人力、物力和资金。
-
公开(公告)号：CN221124026U
公开(公告)日：2024-06-11
申请号：CN202322702070.9
申请日：2023-10-09
Applicant: 中南大学
Abstract: 本实用新型提供了一种用于双轴加载试验的模具及系统，涉及力学试验技术领域，包括：第一加载模块，具有第一面，所述第一面上形成有两个间隔的抵接部，两个抵接部之间形成临空区，两个抵接部分别用于抵接试样的拱脚部，所述抵接部与拱脚部的轮廓全等；第二加载模块，用于抵接试样的平面部；背板，设置在第二加载模块远离第一加载模块的一侧，所述背板与所述第二加载模块贴合，利用第一加载模块形成的抵接部与试样的拱脚部接触，模拟真实状态下隧道底部隆起的真实受力情况，有助于了解隧道的强度、变形和破裂等方面的详细信息，同时第一加载模块还为试样提供了稳固的基座，保证试样在加载过程中的稳定性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.023 seconds)
