-
公开(公告)号：CN118327465A
公开(公告)日：2024-07-12
申请号：CN202410576953.6
申请日：2024-05-10
Applicant: 中南大学
Abstract: 本申请公开了一种隧道隆起变形控制方法、装置及钻具，属于隧道及地下工程技术领域。所述方法包括步骤：确定位于隧道两侧地表的目标钻孔孔位；利用钻具沿着目标钻孔孔位进行钻孔，将地下土壤置换为干性混合骨料；在对目标钻孔孔位取土换填完成的情况下，进行封孔处理。通过本申请中的隧道隆起变形控制方法，可以减少或抵消隧道上方土体卸载后向上的回弹变形，具有地层适用性广、操作简单、方便施工、施工周期短和成本低的特点。
-
公开(公告)号：CN118395799A
公开(公告)日：2024-07-26
申请号：CN202410583212.0
申请日：2024-05-11
Applicant: 中交(百色)北环高速公路投资建设有限公司 , 中南大学
IPC: G06F30/23 , G06F30/13 , G06F119/14
Abstract: 本发明实施例公开了一种窄填土被动土压力计算方法、装置、电子设备及存储介质，该方法包括：通过有限元极限分析方法模拟非饱和渗流下窄填土在被动土压力下的破坏，得到窄填土在被动土压力下的直线滑裂面；根据所述直线滑裂面将有限填土进行土体划分，得到第一土体区域和第二土体区域；通过静力平衡方程式得到第一合力和第一倾覆力矩；根据静力平衡条件得到第二合力和第二倾覆力矩；根据所述第一合力和第一倾覆力矩，以及第二合力和第二倾覆力矩，得到土体的土压力合力作用点高度。本发明实施例考虑了地震场‑非饱和渗流场的耦合效应，能准确评估窄填土地震的被动土压力情况，从而指导工程设计和实施，提高了工程的稳定性和安全性。
-
公开(公告)号：CN119538526A
公开(公告)日：2025-02-28
申请号：CN202411513437.5
申请日：2024-10-28
Applicant: 中南大学
IPC: G06F30/20 , G06F17/10 , G01N3/24 , G01N3/08 , G06F119/14 , G06F111/10
Abstract: 本发明公开了一种非连续结构面剪切本构模型的构建方法，其包括如下步骤：获取峰值和残余阶段抗剪强度参数；基于Jennings准则获取初始的非连续结构面的岩体抗剪强度τ；引入系数ξj和ξr分别对节理和岩桥处法向应力进行调整，同时引入系数ω对岩桥内聚力进行调整，获取调整后的非连续结构面的岩体抗剪强度τ；基于Lajtai岩桥破坏理论判据获取张拉、剪切以及强度失效三种非连续结构面的破坏判据；获取岩桥发生张拉破坏条件下、剪切破坏条件下以及强度失效破坏条件下对应的非连续结构面的剪切本构模型。本发明建立非连续结构面剪切本构模型，能够有效描述非连续结构面的剪切行为特征，有效提升本构模型的实用性。
-
公开(公告)号：CN118666567A
公开(公告)日：2024-09-20
申请号：CN202410615598.9
申请日：2024-05-17
Applicant: 中南大学
IPC: C04B33/132 , C04B33/13
Abstract: 本申请公开了一种铅锌尾矿基烧结砖的制备方法及铅锌尾矿基烧结砖，属于尾矿循环利用领域。所述方法包括步骤：将质量占比89％～94％的主体原料与质量占比6％～11％的玻璃粉均匀混合得到混合料；主体原料包括铅锌尾矿和粘土，铅锌尾矿的质量占比大于粘土的质量占比；将水加入至混合料中搅拌均匀得到坯料；将坯料置入密封装置中并在室温环境下放置第一预设时长得到陈化好的坯料；将陈化好的坯料依次经过加压成型、干燥得到烘干后的砖坯：将烘干后的砖坯按照预设烧结温度模型烧结得到铅锌尾矿基烧结砖。通过本申请中的铅锌尾矿基烧结砖的制备方法，有效提高了铅锌尾矿烧结砖的力学性能和强度，同时也能增加铅锌尾矿的利用率。
-
公开(公告)号：CN118194689A
公开(公告)日：2024-06-14
申请号：CN202410041234.4
申请日：2024-01-11
Applicant: 云南迪庆有色金属有限责任公司 , 中南大学
IPC: G06F30/27 , G06N3/006 , G06N3/08 , G06F119/14
Abstract: 本发明公开了一种基于神经网络预测异性岩石结构面抗剪强度的方法和装置，该方法包括：构建ANN初始预测模型，使用样本对ANN初始预测模型进行训练，并使用粒子群优化算法对ANN初始预测模型的模型参数进行优化；当训练后的ANN初始预测模型的预测精度达到预设精度时，训练结束，得到PSO‑ANN预测模型；将目标岩石结构面的目标数据输入PSO‑ANN预测模型，预测目标岩石结构面对应的异形结构面的峰值抗剪强度。本发明实施例通过粒子群优化算法优化人工神经网络的模型参数，避免ANN容易陷入局部最优的问题，并通过迭代找到全局最优解，可以使得预测值在数值上更接近实际结果，误差波动较小。
-
Patent Agency Ranking
公开(公告)号：CN117973188A
公开(公告)日：2024-05-03
申请号：CN202410044218.0
申请日：2024-01-11
Applicant: 云南迪庆有色金属有限责任公司 , 中南大学
IPC: G06F30/27 , G06F30/25 , G06F18/23 , G06F18/2321 , G06F18/23213 , G06F119/14
Abstract: 本发明公开了一种确定岩体中岩桥作用范围的方法和装置，该方法包括：基于单轴压缩实验，获取含有岩桥的实验试样的应力应变曲线和峰值强度；构建与实验试样同尺寸的数值模型，通过调整数值模型的参数，保证数值模型的峰值强度、弹性模量以及裂纹的扩展方式与单轴压缩实验的实验试样数据一致；确定数值模型中所有颗粒的最大主应力；根据所有颗粒的最大主应力，通过聚类算法对数值模型中所有颗粒进行聚类，得到多个簇别，并确定关键簇；将关键簇中的颗粒的边界点依次相连，得到岩桥的作用范围。本发明实施例可以帮助研究人员确定复杂节理分布下的岩桥作用范围，能够有针对性的在岩桥内布置监测设备，提高预测岩石破坏的监测效率。
-
公开(公告)号：CN119416424A
公开(公告)日：2025-02-11
申请号：CN202411259579.3
申请日：2024-09-10
Applicant: 中南大学
IPC: G06F30/20 , G06F17/10 , G06F119/14
Abstract: 本发明公开了一种基于大型岩体剪切位移的边坡动态安全系数计算方法，其包括如下步骤：建立剪切应力τ与岩石界面总面积S的关系式；结合经典结构面剪切应力‑位移曲线及Weibull分布构建小尺寸岩石试样的剪切本构模型；将小尺寸岩石试样的剪切本构模型中的参数转化为对应的大型岩体参数，构建大型岩体剪切本构模型；将滑体的实时剪切位移带入大型岩体剪切本构模型中，获取边坡的动态安全系数。本发明通过构建一种新的大型岩体剪切本构模型，基于该大型岩体剪切本构模型的表达式，将滑体的剪切位移带入至大型岩体剪切本构模型中，使得岩体的剪切位移能够被用来计算边坡的动态安全系数。
-
公开(公告)号：CN118428088A
公开(公告)日：2024-08-02
申请号：CN202410581718.8
申请日：2024-05-11
Applicant: 中交(百色)北环高速公路投资建设有限公司 , 中南大学
IPC: G06F30/20 , G06F30/13 , E02D29/02 , E02D17/20 , G06F119/14
Abstract: 本申请实施例提供了一种土体挡墙系统稳定性确定方法、装置、设备及存储介质，其中，土体挡墙系统包括挡墙、位于挡墙的第一侧的第一土体以及位于挡墙的第二侧的第二土体，稳定性确定方法包括获取土体挡墙系统的参数信息，参数信息指示挡墙存在运动的情况下，确定重力对土体挡墙系统的目标区域的重力做功功率、目标区域的速度间断面的能量耗散率以及外部荷载目标区域的荷载做功功率，根据重力做功功率、能量耗散率以及荷载做功功率，确定土体挡墙系统的稳定性。本申请实施例能够有效降低土体挡墙系统稳定性确定难度，可以广泛适用于各类尺寸或边界条件下的挡墙坡体，应用范围广泛，对多种工程地质都有参考和应用价值。
-
公开(公告)号：CN117408012A
公开(公告)日：2024-01-16
申请号：CN202311103731.4
申请日：2023-08-30
Applicant: 云南迪庆有色金属有限责任公司 , 中南大学
IPC: G06F30/20 , G06F119/14
Abstract: 本发明公开了一种基于极限强度的岩石三轴强度准则构建方法和装置，该方法包括：基于岩石破坏时偏应力(σ1‑σ3)与围压σ3之间的非线性关系，发现σ1‑σ3曲线的极限强度p与σ1‑σ3曲线的差值随围压σ3的增加而非线性减小，考虑所述差值构成的差值曲线具有两个端点，确定q的边界；对于不同类型的岩石，q的下降趋势是不同的，为保证量纲的一致性，设q为σ3和σci的非线性函数；将q为σ3和σci的函数关系代入差值关系中，构建σ1、p、σci以及σ3的关系式，即第一岩石三轴强度准则。基于综合数据库，本发明实施例建立了无需三轴试验数据即可进行岩石强度估算的简化准则，即第二岩石三轴强度准则。
-
公开(公告)号：CN117235510A
公开(公告)日：2023-12-15
申请号：CN202311255874.7
申请日：2023-09-26
Applicant: 云南迪庆有色金属有限责任公司 , 中南大学
IPC: G06F18/2135 , G06N3/0464 , G06N3/08 , G06N3/006
Abstract: 本申请实施例提供了一种节理粗糙度预测方法与节理粗糙度预测模型训练方法，其中，节理粗糙度预测模型训练方法，包括：获取m个初始训练样本，每个初始训练样本包括n个粗糙度参数指标和粗糙度标签；对m个初始训练样本进行主成分分析，得到k个主成分特征向量；基于k个主成分特征向量处理m个初始训练样本，得到m个目标训练样本；使用m个目标训练样本训练预先建立的初始机器学习模型，得到节理粗糙度预测模型。本申请实施例针对不同节理的粗糙度系数的预测有着较高的精度和较广的适用性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
