-
公开(公告)号：CN117208772A
公开(公告)日：2023-12-12
申请号：CN202311184804.7
申请日：2023-09-14
申请人： 盾构及掘进技术国家重点实验室 , 中铁隧道局集团有限公司
摘要： 本发明涉及起重设备安全技术领域，特别是一种基于图像识别的门式起重机安全智能预警系统，包括双目摄像头、起重机运行数据采集器、计算服务器、云平台、终端设备、声光报警设备、显示终端；终端设备包括：个人电脑、手机、平板电脑等。本发明提供了一套集图像语义识别、行为识别与预测等多种技术于一体，智能识别门式起重机产生运行过程中的违章行为和安全隐患，对安全风险进行预测，并通过多种手段进行预警、提醒，使门式起重机安全生产各岗位均能及时提到相应的预警信息，及时对相关问题进行处置，以提高门式起重机产生运行过程中的安全性。
-
公开(公告)号：CN116624163A
公开(公告)日：2023-08-22
申请号：CN202310343516.5
申请日：2023-04-03
申请人： 盾构及掘进技术国家重点实验室 , 中铁隧道局集团有限公司
发明人： 万雪钰 , 阳成 , 叶忠 , 杨聚会 , 李增 , 周毅 , 江南 , 张合沛 , 谷田鑫 , 李梦雨 , 郁凯旋 , 张斌 , 夏明 , 史志慧 , 羊天利 , 黄威 , 陈乐乐 , 梁荣章
摘要： 本发明涉及盾构施工技术领域，特别是一种基于盾构掘进参数的地质识别方法，包括以下步骤：采集盾构机的掘进参数；对采集到的掘进参数进行统计分析以及相关性分析；使用K‑Means聚类算法对盾构掘进参数与地质类别进行无监督的学习；根据聚类结果最终实现基于盾构掘进参数的地质识别。可以对盾构机当前地质类型进行确认，为盾构机掘进参数的准确调控提供一定的参考。通过将盾构掘进参数与地质信息相结合，准确识别当前地质、预防安全事故、同时辅助施工人员判断有着重大研究意义；并且能够有效呈现不同地质情况下掘进参数的分布，能够为盾构机掘进参数的准确调控提供参考。
-
公开(公告)号：CN118250303A
公开(公告)日：2024-06-25
申请号：CN202410330126.9
申请日：2024-03-22
申请人： 盾构及掘进技术国家重点实验室 , 中铁隧道局集团有限公司
摘要： 本发明涉及一种基于新型设备采集终端的多数据融合生产数据采集管控系统，包括新型设备采集终端、服务器和客户端，各类现场设备数据经新型设备采集终端获取发送至服务器、受到服务器处理后反馈至客户端；新型设备采集终端包括数据采集接口、通讯口和核心处理单元，数据采集接口用于与各类现场设备连接、采集现场设备数据信息，核心处理单元用于处理现场设备数据信息，新型设备采集终端通过通讯口与服务器连通。本发明将现场设备、物料信息进行集成、储存、筛选、处理并进行整合，便于用户通过客户端了解各类设备信息，显著提升用户决策与现场事务处理效率。
-
公开(公告)号：CN116883779A
公开(公告)日：2023-10-13
申请号：CN202310784295.5
申请日：2023-06-29
申请人： 中铁隧道局集团有限公司 , 盾构及掘进技术国家重点实验室
IPC分类号： G06V10/774 , G06V10/778 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0475 , G06N3/09 , G06N3/094
摘要： 本发明公开了一种基于知识蒸馏的目标检测算法训练模型的构建方法及其在盾构施工现场安全行为检测中的应用，包括下列步骤：(1)获取数据集，在数据集中生成训练集和测试集；(2)利用知识蒸馏的目标检测算法对数据集进行训练和验证。本发明采用基于知识蒸馏的目标检测算法构建训练模型，实现简单网络模型在复杂环境中的检测应用，联合特征蒸馏损失、网络输出蒸馏损失和检测损失对模型进行训练，提升学生网络的检测精度。
-
公开(公告)号：CN116738178A
公开(公告)日：2023-09-12
申请号：CN202310742909.3
申请日：2023-06-21
申请人： 中铁隧道局集团有限公司 , 盾构及掘进技术国家重点实验室
IPC分类号： G06F18/20 , G06F18/27 , G06F18/10 , G06N3/0499 , G06N3/084
摘要： 本发明涉及盾构施工技术领域，特别是一种基于数据挖掘的盾构掘进参数预测方法，一种基于数据挖掘的盾构掘进参数预测方法，通过采集盾构掘进参数，对采集到的掘进参数进行预处理，并对掘进参数进行相关性分析和回归分析，建立BP神经网络对盾构掘进参数进行预测，进而实现掘进参数预测的目的，以给予盾构司机掘进参数推荐值，提高盾构掘进效能。
-
公开(公告)号：CN118760976A
公开(公告)日：2024-10-11
申请号：CN202410769162.5
申请日：2024-06-14
申请人： 盾构及掘进技术国家重点实验室 , 中铁隧道局集团有限公司
IPC分类号： G06F18/2415
摘要： 本发明公开了一种基于变点检测的隧道掘进机掘进参数处理方法，首先通过设定的阈值对采集掘进参数中的非正常掘进状态数据进行筛选；通过变点检测和数据分段、清洗方法实现有效数据和无效数据的分段，删除无效数据段，重组新的有效数据段。本方法有助于大数据技术对有效掘进参数的统计挖掘，对分析不同地质条件下不同类型隧道掘进机掘进参数变化的研究提供基础，具有较高的工程应用价值。
-
公开(公告)号：CN116882621A
公开(公告)日：2023-10-13
申请号：CN202310774806.5
申请日：2023-06-27
申请人： 中铁隧道局集团有限公司 , 盾构及掘进技术国家重点实验室
IPC分类号： G06Q10/063 , G06Q10/10 , G06Q50/08 , G06F18/241
摘要： 本发明涉及一种基于工程数据驱动的盾构法隧道工程动态监管评价模型建模方法，包括数据驱动指标设计、模糊综合评价设计和效果评价，数据驱动指标设计包含：指标选取和设计、指标评分方式设计、指标设计分类；模糊综合评价设计包含：模糊综合评价基本步骤、指标阈值确定方法；效果评价包含：工程应用背景评价、工程应用分析、工程应用评价。通过本发明建立较为科学、全面、合理的盾构法隧道工程动态监管评价模型，能够解决目前隧道评价和工程项目管理评价方法存在的准确性欠佳问题。
-
公开(公告)号：CN116446896A
公开(公告)日：2023-07-18
申请号：CN202310345287.0
申请日：2023-04-03
申请人： 盾构及掘进技术国家重点实验室 , 中铁隧道局集团有限公司
发明人： 郁凯旋 , 黄金光 , 王超峰 , 杨聚会 , 张合沛 , 周振建 , 江南 , 李叔敖 , 谷田鑫 , 万雪钰 , 张斌 , 李梦雨 , 李增 , 周毅 , 夏明 , 史志慧 , 羊天利 , 黄威 , 陈乐乐 , 梁荣章
摘要： 本发明涉及全断面隧道掘进机的技术领域，尤其是涉及一种TBM刀盘转速自适应控制方法。其通过建立相关数据库和随机森林算法优化模型，根据实时参数调整刀盘的转速，实现刀盘转速的自适应控制，能够大幅度提高推进施工的效率和TBM操作准确性。
-
公开(公告)号：CN117236176A
公开(公告)日：2023-12-15
申请号：CN202311204741.7
申请日：2023-09-19
申请人： 中铁隧道局集团有限公司 , 盾构及掘进技术国家重点实验室
IPC分类号： G06F30/27 , G06N3/0464 , G06N3/044 , G06N3/084 , G06N20/00 , G06F119/14
摘要： 本发明涉及一种面向CAE仿真流程并基于数据驱动的滚刀载荷迁移计算方法，提取全断面岩石掘进机中刀盘刀具信息，从地质勘察资料中获取岩石地层的物理力学特征参数，基于施工大数据平台提取掘进机在特定地层条件下的载荷数据，以刀盘刀具信息、岩石地层的物理力学特征参数为输入矩阵，以刀盘载荷为输出矩阵，从输入矩阵、输出矩阵中选取部分作为训练样本，剩余部分作为验证样本，模型训练后选择最终模型，最后将滚刀参数带入输出载荷，将输出载荷与CAE载荷加载模块关联，施加滚刀载荷；可解决目前滚刀加载主要依靠理论模型、与地层物理力学参数关联性差、载荷数据取值偏差大的缺点，可提高CAE分析中滚刀载荷加载过程中准确性、高效性。
-
公开(公告)号：CN117236175A
公开(公告)日：2023-12-15
申请号：CN202311204736.6
申请日：2023-09-19
申请人： 中铁隧道局集团有限公司 , 盾构及掘进技术国家重点实验室
IPC分类号： G06F30/27 , G06F30/23 , G06N20/00 , G06N3/044 , G06N3/0464 , G06N3/084 , G06F111/04 , G06F119/14 , G06F111/08
摘要： 本发明涉及一种基于CAE仿真与机器学习耦合的盾构TBM装备运行状态数字孪生方法，步骤如下：S1：建立盾构TBM装备数字化模型；S2：施加约束边界条件；S3：建立装备载荷集；S4：抽取载荷样本并在模型中施加载荷；S5：有限元模型求解；S6：装备结构应力、变形结果等数据获取，形成数据集；S7：机器学习模型训练；S8：输出盾构TBM装备运行应力、变形等数据；S9：数据孪生模型可视化；以上过程将CAE仿真与机器学习耦合，建立载荷数据与应力、应变等状态数据的非线性映射关系，从而实现对应力、应变等状态的快速预测，对提高盾构TBM装备运行过程中结构受力状态评估水平具有重要意义。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.062 秒)
