-
公开(公告)号：CN111706022B
公开(公告)日：2022-07-29
申请号：CN202010481164.6
申请日：2020-05-31
Applicant: 东南大学 , 中国铁路设计集团有限公司 , 中国国家铁路集团有限公司 , 中铁工程设计咨询集团有限公司
IPC: E04F13/072 , E04F13/23 , E04G21/00
Abstract: 本发明公开了一种屋面装饰板可调节连接系统及施工方法，其中屋面装饰板可调节连接系统包括装饰板组合件、插槽连接件、滑轨支座和压型钢板；所述插槽连接件包括与装饰板组合件连接的第一连接部和与滑轨支座连接的第二连接部，在所述第一连接部上设置有插槽，所述连接装饰板组合件通过所述插槽连接在插槽连接件上；所述滑轨支座包括上端连接件、π型插槽以及夹具，上端连接件插入π型插槽中固定，π型插槽两侧边与夹具固定；所述第二连接部与上端连接件转动连接；所述滑轨支座通过所述夹具与所述压型钢板连接并可在所述压型钢板上滑动。本发明结构简单，设计合理，可根据不同的使用场景和使用需求进行调节，同时可标准化生产构件，制造简单。
-
公开(公告)号：CN218061061U
公开(公告)日：2022-12-16
申请号：CN202221522562.9
申请日：2022-06-17
Applicant: 东南大学 , 中国铁路设计集团有限公司 , 中国国家铁路集团有限公司 , 中铁工程设计咨询集团有限公司
Abstract: 本实用新型涉及一种屋面装饰板与压型钢板间的加固装置，压型钢板的每个圆轴部分匹配一个加固装置本体，所述的加固装置本体包括U型架，U型架的两个垂直部分分别向外侧延伸，形成连接片，所述连接片垂直于U型架的垂直部分；还包括相对布设的两个夹片，两个夹片之间形成用于设置压型钢板圆轴部分的空腔；每个夹片的两端向外延伸形成过渡段，定义位于夹片一端的过渡段为第一过渡段，夹片另一端的过渡段为第二过渡段，第一过渡段与U型架的横向部分固定，第二过渡段连接L型板；L型板的横向部分平行于连接片，且L型板的横向部分在安装时贴合压型钢板横向部分；本实用新型其结构简单、安装方便、加固性能好，且部分构件可按照需求的变化进行调节。
-
公开(公告)号：CN118965971A
公开(公告)日：2024-11-15
申请号：CN202410987550.0
申请日：2024-07-23
Applicant: 石家庄铁道大学 , 中国国家铁路集团有限公司 , 中国铁路设计集团有限公司 , 中铁十二局集团有限公司
IPC: G06F30/27 , G06N7/01 , G06Q10/20 , G06Q50/08 , G06F111/08 , G06F119/02
Abstract: 本发明提供一种确定隧道维护时间的方法、装置、终端及存储介质。该方法包括：获取隧道的本构模型；其中，本构模型包含钢筋锈蚀质量损失；根据本构模型构建失效概率方程；获取隧道的服役时间，将钢筋锈蚀质量损失的偏差因子赋予一个正态分布的先验概率分布，根据失效概率方程，确定隧道维护时间；获取隧道的实时数据，根据先验概率分布，利用贝叶斯统计方法将偏差因子更新，获得偏差因子的后验分布，根据后验分布更新失效概率方程，根据更新后的失效概率方程重新计算隧道维护时间。本发明能够精准确定隧道维护时间，能够根据隧道维护时间及时维护隧道，从而延长隧道的使用寿命。
-
公开(公告)号：CN118798479A
公开(公告)日：2024-10-18
申请号：CN202411082552.1
申请日：2024-08-08
Applicant: 石家庄铁道大学 , 中国国家铁路集团有限公司 , 中国铁路设计集团有限公司 , 中铁十二局集团有限公司
IPC: G06Q10/063 , G06Q50/08 , G06N3/0464 , G06N3/09
Abstract: 本发明提供一种基于机器学习的隧道空洞裂纹病害的评估方法。该方法包括：获取隧道内部的地质信息数据；地质信息数据输入训练好的卷积神经网络模型，输出检测结果；其中，检测结果包含空洞和裂纹的数量、大小及形状参数；检测结果输入训练好的机器学习模型，输出隧道的安全性评估分数；通过修正系数更新安全性评估分数，获得更新后的安全性评估分数。本发明能够解决隧道安全性评估准确性较低的问题，提高安全性评估的准确性和可靠性。
-
公开(公告)号：CN119312705A
公开(公告)日：2025-01-14
申请号：CN202411875776.8
申请日：2024-12-19
Applicant: 石家庄铁道大学 , 中国国家铁路集团有限公司
IPC: G06F30/27 , G06N3/0464 , G06N3/084 , G06N3/09 , G06V10/20 , G06V10/25 , G06V10/30 , G06V10/46 , G06V10/54 , G06V10/77 , G06V10/82 , G01V11/00 , G01N25/00 , G01N33/24 , G01N23/2206 , G06F111/10
Abstract: 本发明公开了一种蚀变带检测与分析方法及系统，属于不良地质前兆特征识别领域，包括：通过数值模拟获取地质环境中的物理化学过程数据，生成蚀变带的空间分布图像；对空间分布图像进行预处理，获得预处理图像；从预处理图像中提取蚀变带特征；基于监督学习方式，通过蚀变带特征训练卷积神经网络，获得蚀变带检测模型；通过蚀变带检测模型对实际蚀变带数据进行识别，获得检测结果。本发明能够准确地检测蚀变带的位置、范围和特征，为地质勘查、隧道工程和环境监测等领域提供可靠的技术支持。
-
Patent Agency Ranking
公开(公告)号：CN117910807A
公开(公告)日：2024-04-19
申请号：CN202410179932.0
申请日：2024-02-18
Applicant: 石家庄铁道大学 , 中国国家铁路集团有限公司 , 中国铁路建设管理有限公司
IPC: G06Q10/0635 , G06Q50/26 , G06N3/006 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种隧道软岩大变形风险分级预警方法、系统、设备及介质，涉及隧道软岩变形预警技术领域。所述方法包括：获取复杂艰险山区隧道软岩的基础数据；基于所述基础数据计算强度应力比；根据所述基础数据和所述强度应力比构建复杂艰险山区隧道软岩大变形的风险评估指标；将所述风险评估指标输入WOA‑CNN‑LSTM模型进行预测，得到大变形风险等级；所述WOA‑CNN‑LSTM模型是利用鲸鱼算法对CNN‑LSTM神经网络模型进行优化确定的；所述WOA‑CNN‑LSTM模型包括指标输入层和等级输出层，形成多对一输入的预测结构模型。本发明能够提高隧道软岩大变形风险的预测精度和稳定性。
-
公开(公告)号：CN117371111A
公开(公告)日：2024-01-09
申请号：CN202311553224.0
申请日：2023-11-21
Applicant: 石家庄铁道大学 , 中国国家铁路集团有限公司
IPC: G06F30/13 , G06F30/23 , G06F30/27 , G06N3/0464 , G06N3/084 , G06F111/10 , G06F119/14
Abstract: 本发明提供一种基于深度神经网络和数值仿真的TBM卡机预测方法及系统，属于隧道掘进技术领域，包括以下步骤：利用数值仿真技术，构建卡机数值样本库；基于所述卡机数值样本库利用CNN和Transformer，建立卡机预测模型；利用卡机预测模型，实现对TBM卡机的实时监测和预警。本发明实现了对TBM卡机的实时监测和预警，减轻或避免卡机现象的发生，提高了TBM施工的安全性和效率。
-
公开(公告)号：CN119849254A
公开(公告)日：2025-04-18
申请号：CN202510029722.8
申请日：2025-01-08
Applicant: 石家庄铁道大学 , 中国国家铁路集团有限公司
Abstract: 本公开的实施例提供了一种基于数据驱动的隧道结构安全状态推理方法；应用于隧道工程安全评估领域。所述方法包括建立裂缝描述特征集；利用扩展有限元模型计算裂缝描述特征集中不同裂缝类型对应衬砌剩余承载力，获取衬砌剩余承载力结果集；以裂缝描述特征集为训练样本，衬砌剩余承载力结果集为标注；根据训练样本对衬砌剩余承载力预测模型进行训练；将需要预测的衬砌剩余承载力对应裂缝描述特征集输入训练好的衬砌剩余承载力预测模型，获取预测衬砌剩余承载力；通过测试隧道支护支撑力获取围岩压力，计算围岩压力与预测衬砌剩余承载力的比值，获取衬砌安全等级和隧道结构安全等级。以此提高了安全评估的全面性及准确度且评价结果更加客观真实。
-
公开(公告)号：CN119294144A
公开(公告)日：2025-01-10
申请号：CN202411815678.5
申请日：2024-12-11
Applicant: 石家庄铁道大学 , 中国国家铁路集团有限公司
IPC: G06F30/20 , G06N3/08 , G06N3/04 , G06F111/10
Abstract: 本发明提供一种基于数值模拟和神经网络的隧道岩爆预测方法，包括以下步骤：收集相关地质参数数据和TBM的运行参数，建立数据库；设置隧道模型的元素参数，并划分网格添加边界条件，利用上述收集的相关地质参数数据进行数值模拟；引入损伤和断裂力学模型，进行数值计算并模拟开挖过程；通过模拟开挖过程中TBM的运行参数训练神经网络；在实际掘进中运用训练好的神经网络输出岩爆发生的概率和范围。本发明可以持续输出预测结果，从而为隧道施工提供实时的安全预警。
-
公开(公告)号：CN117371111B
公开(公告)日：2024-06-18
申请号：CN202311553224.0
申请日：2023-11-21
Applicant: 石家庄铁道大学 , 中国国家铁路集团有限公司
IPC: G06F30/13 , G06F30/23 , G06F30/27 , G06N3/0464 , G06N3/084 , G06F111/10 , G06F119/14
Abstract: 本发明提供一种基于深度神经网络和数值仿真的TBM卡机预测方法及系统，属于隧道掘进技术领域，包括以下步骤：利用数值仿真技术，构建卡机数值样本库；基于所述卡机数值样本库利用CNN和Transformer，建立卡机预测模型；利用卡机预测模型，实现对TBM卡机的实时监测和预警。本发明实现了对TBM卡机的实时监测和预警，减轻或避免卡机现象的发生，提高了TBM施工的安全性和效率。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.208 seconds)
