-
公开(公告)号:CN119618805A
公开(公告)日:2025-03-14
申请号:CN202510163360.1
申请日:2025-02-14
Applicant: 众智软件股份有限公司 , 中核勘察设计研究有限公司
Inventor: 梁朝书 , 周志 , 陈博涛 , 冷凝 , 高建杨 , 赵超 , 何光源 , 张阔 , 徐静静 , 姜丽 , 崔艳玲 , 杨亚楠 , 蔡东洋 , 滑晓亮 , 高昂 , 胡庆磊 , 张晓丽 , 周辉 , 李瑾夫
Abstract: 本发明公开了一种静载试验加载控制装置及其工作方法,装置包括:60V动力电源的负极与油泵负极直接连接,处于长通状态,正极依次连接直流接触器单元的被控端和油泵正极;直流变压器的输入端正负极分别对应接入60V动力电源的正负极;固态继电器单元的主控端正负极分别对应连接静载仪器空载线路的正负极,被控端正极连接直流变压器输出端正极,被控端负极连接直流接触器单元的控制端正极;直流接触器单元的控制端负极连接直流变压器的输出端负极。通过将传统的380V三相交流电驱动油泵系统转变为60V直流电机驱动系统,降低对现场复杂电力供应的依赖。60V直流电源可满足加载需求,使设备在不同环境下的应用更灵活便捷。
-
公开(公告)号:CN119846004A
公开(公告)日:2025-04-18
申请号:CN202510010587.2
申请日:2025-01-03
Applicant: 中核勘察设计研究有限公司 , 华北水利水电大学 , 中原工学院
IPC: G01N23/2251 , G06V20/60 , G06V10/12 , G06V10/774 , G01N15/02
Abstract: 本发明提供了一种基于SEM图像的滑带土物理性质识别装置,涉及滑带土物理性质识别技术领域,该装置包括:SEM装置、主机和手持显示屏;SEM装置用于对待识别滑带土采集初始SEM图像,所述主机用于对初始SEM图像进行分析,手持显示屏用于显示主机对初始SEM图像的分析结果;SEM装置通过探测器对电子信号进行收集和放大,将信号转化为图像信号,以得到待识别滑带土对应的SEM图像;得到待识别滑带土的物理性质,并将待识别滑带土的物理性质发送至手持显示屏进行显示;本发明的装置无需在实验室进行测定,测定周期较短,可直接在野外完成作业。
-
公开(公告)号:CN118097291B
公开(公告)日:2025-02-11
申请号:CN202410303263.3
申请日:2024-03-18
Applicant: 中核勘察设计研究有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于卷积神经网络的岩石裂隙自动识别方法,涉及岩石裂隙预测技术领域,包括以下步骤:收集大量钻孔孔壁岩石图像;使用图像标注工具标注出钻孔孔壁岩石图像中的节理裂隙,得到节理裂隙形态图像,和由节理裂隙形态图像组成的节理裂隙形态数据集;基于深度学习模型,对节理裂隙形态图像进行分割处理,构建裂隙识别模型;该基于卷积神经网络的岩石裂隙自动识别方法,通过引入深度神经网络,可以对钻孔孔壁岩石图像中存在的节理裂隙快速准确检测识别,使得裂隙的识别与确认不受次要因素影响,野外采集数据速度快,降低了该工作准入门槛,提高了完成岩石、节理裂隙识别的效率。
-
公开(公告)号:CN120006710A
公开(公告)日:2025-05-16
申请号:CN202510394002.1
申请日:2025-03-31
Applicant: 中核勘察设计研究有限公司
Abstract: 本发明涉及一种可减小桩基负摩擦阻力的囊式护筒及其施工工艺,有效的解决了护筒较为笨重、施工成本高、减摩效果差、适用性较差的问题;囊式护筒由钢护筒、气囊、风路系统和灌浆系统组成,气囊为筒状且同轴固定在钢护筒的内壁,风路系统轴向贯穿所有气囊且与每个气囊连通,能够实现所有气囊的充气和放气,灌浆系统轴向贯穿所有气囊但不与任何气囊连通,用于灌浆填补拔筒后形成的空腔,本发明充气状态用于支护,在未充气时能够保持薄壁状态,便于运输和安装,囊式护筒无需永久埋置于地基土中,可重复循环利用,在拔护筒时灌注润滑材料,减小桩体周边地层沉降对桩体产生的负摩阻力,适用于各种复杂地层条件下的桩基施工,具有广泛的适用性。
-
公开(公告)号:CN118097291A
公开(公告)日:2024-05-28
申请号:CN202410303263.3
申请日:2024-03-18
Applicant: 中核勘察设计研究有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于卷积神经网络的岩石裂隙自动识别方法,涉及岩石裂隙预测技术领域,包括以下步骤:收集大量钻孔孔壁岩石图像;使用图像标注工具标注出钻孔孔壁岩石图像中的节理裂隙,得到节理裂隙形态图像,和由节理裂隙形态图像组成的节理裂隙形态数据集;基于深度学习模型,对节理裂隙形态图像进行分割处理,构建裂隙识别模型;该基于卷积神经网络的岩石裂隙自动识别方法,通过引入深度神经网络,可以对钻孔孔壁岩石图像中存在的节理裂隙快速准确检测识别,使得裂隙的识别与确认不受次要因素影响,野外采集数据速度快,降低了该工作准入门槛,提高了完成岩石、节理裂隙识别的效率。
-
-
-
-