基于爆源近区不同炮孔微差振动合成的爆破参数确定方法

    公开(公告)号:CN111426243B

    公开(公告)日:2020-12-29

    申请号:CN202010064260.0

    申请日:2020-01-20

    Abstract: 本发明涉及隧道爆破技术领域,提供了一种基于爆源近区不同距离炮孔微差爆破振动合成的爆破参数确定方法,在测振点实测炮孔起爆后的振动波形,从实测振动波形中分离出若干个炮孔的实测单孔波形;对实测单孔波形对应的振速、药量和爆源距进行回归分析,确定振速峰值衰减函数、振速峰值包络线函数;后期爆破设计时,结合上述函数和后期爆破参数进行波形构造,得到多个预测单孔波形,将多个预测单孔波形进行叠加得到预测合成波形;根据预测波形合成情况确定各炮孔的最佳延期时间。本发明在综合考虑多个单孔波形的思想下,通过对基础波形进行变换,并对得到的各段单孔波形进行叠加,使得对振动波形的预测更为精确,同时还可以设计出最佳的爆破参数。

    一种保护隧道超小净距中夹岩柱的精准爆破方法

    公开(公告)号:CN111412802A

    公开(公告)日:2020-07-14

    申请号:CN202010003997.1

    申请日:2020-01-03

    Abstract: 本发明公开了一种保护隧道超小净距中夹岩柱的精准爆破方法,涉及工程爆破技术领域,超小净距中夹岩柱宽度为0.5~1.0m。该方法具体为:(1)将后行洞分为四部两平台分次开挖,从时空分布上遵循从远端到近端、先上部后下部的原则,距中夹岩最远岩体先开挖,并确保岩柱近区爆破时始终为三临空面;(2)根据每个分区与保护岩柱距离采用不同爆破技术:对距保护岩柱较远的首挖区,掏槽孔设置在远离岩柱一侧的偏心位置,岩柱近区和掏槽眼逐孔起爆,其余炮孔多段起爆;距保护岩柱最近区(II区)开挖时,现场装药量计算采用本发明独创方法(不同位置空间单孔振动曲线重构结合微差振动合成);采用数码-非电雷管混合起爆网络;距保护岩柱最近的周边眼实施逐孔起爆-水压爆破;关键部位孔内分段和空孔降振。本发明满足超小净距岩柱保护要求前提下可保证正常进尺。

    破岩面积和孔底抵抗线均按比例变化的辅助孔位确定方法

    公开(公告)号:CN119164257A

    公开(公告)日:2024-12-20

    申请号:CN202411201519.6

    申请日:2024-08-29

    Abstract: 本发明涉及隧道智能爆破孔位设计技术领域,具体描述了一种破岩面积和孔底抵抗线均按比例变化的辅助孔位确定方法,包括:建立穿过掏槽区和掏槽孔的水平剖面,确定周边孔和掏槽孔孔位,设定周边孔孔口距和孔底距,确定最后一排辅助孔的孔位,得到辅助孔在水平剖面内承担的总破岩面积;设定辅助孔孔底抵抗线上限,确定辅助孔排数;设定辅助孔破岩面积的比例序列,确定各排辅助孔承担的破岩面积;设定辅助孔孔底抵抗线的比例序列,获得各排辅助孔的孔底位置,获得各排辅助孔的孔口位置;孔底抵抗线超过设定的上限时,增加一排辅助孔,更新各排辅助孔孔位,直至辅助孔孔底抵抗线满足要求。

    一种基于深度学习的掘进机性能预测方法及装置

    公开(公告)号:CN118428409B

    公开(公告)日:2024-09-13

    申请号:CN202410896968.0

    申请日:2024-07-05

    Abstract: 本发明提供一种基于深度学习的掘进机性能预测方法及装置,涉及掘进机性能预测技术领域。所述基于深度学习的掘进机性能预测方法包括:获取掘进机工作的历史数据;采用滑动窗口方法和多项式回归分析方法,对历史数据进行处理,获得最佳输入参数数据;构建初始的深度学习框架;根据最佳输入参数数据,采用网络搜索与遗传算法相结合的方法,进行超参数确定,获得最优参数;根据最佳输入参数数据,对初始的深度学习框架进行训练,获得训练好的深度学习框架;获取未知工况掘进机历史数据;将未知工况掘进机历史数据输入训练好的深度学习框架中,获得掘进机性能预测结果。采用本发明,可提高掘进机调控参数精度。

    一种用于智能孔位设计系统的孔位自适应调整方法及装置

    公开(公告)号:CN118607030A

    公开(公告)日:2024-09-06

    申请号:CN202411077333.4

    申请日:2024-08-07

    Abstract: 本发明提供一种用于智能孔位设计系统的孔位自适应调整方法及装置,涉及隧道智能爆破孔位设计技术领域。所述方法包括:进行初始爆破设计,得到所有崩落孔端部初始坐标;设定需要调整位置的崩落孔的总孔数,在崩落孔的两个端部平面内,确定受这些崩落孔影响的区域,在区域内布置采样点,采样点簇数量等于崩落孔总孔数;将各崩落孔的初始位置作为初始簇中心,计算每个采样点与各崩落孔的距离,将各采样点分配到距离最近的崩落孔所在的簇中;根据分配结果,更新各簇的簇中心即崩落孔位置;更新采样点与簇中心的距离,重新分配采样点,继续更新崩落孔位置直至其不再变化。本发明可高效获得各崩落孔的孔口和孔底位置,提高爆破设计的合理性。

    一种基于深度学习的掘进机性能预测方法及装置

    公开(公告)号:CN118428409A

    公开(公告)日:2024-08-02

    申请号:CN202410896968.0

    申请日:2024-07-05

    Abstract: 本发明提供一种基于深度学习的掘进机性能预测方法及装置,涉及掘进机性能预测技术领域。所述基于深度学习的掘进机性能预测方法包括:获取掘进机工作的历史数据;采用滑动窗口方法和多项式回归分析方法,对历史数据进行处理,获得最佳输入参数数据;构建初始的深度学习框架;根据最佳输入参数数据,采用网络搜索与遗传算法相结合的方法,进行超参数确定,获得最优参数;根据最佳输入参数数据,对初始的深度学习框架进行训练,获得训练好的深度学习框架;获取未知工况掘进机历史数据;将未知工况掘进机历史数据输入训练好的深度学习框架中,获得掘进机性能预测结果。采用本发明,可提高掘进机调控参数精度。

Patent Agency Ranking