-
公开(公告)号：CN119355117A
公开(公告)日：2025-01-24
申请号：CN202411327369.3
申请日：2024-09-23
Applicant: 武汉科技大学
Abstract: 本发明涉及支护检测技术领域，尤其涉及一种锚固结构损伤检测装置及方法，该装置包括：探测组件，包括中心探测体和平行设置在中心探测体四周的周侧探测体，中心探测体和周侧探测体内部均具有压电片；操控组件，与探测组件连接，操控组件包括与压电片电性连接的控制器；其中，中心探测体被配置为在检测时抵持锚杆且内部的压电片发射应力波信号，周侧探测体被配置为在检测时抵持托盘且内部的压电片用于接收应力波信号并发送至控制器，控制器根据接收的应力波信号判定锚固结构是否存在损伤。本发明通过中心探测体抵持锚杆并发出激励信号，通过与托盘抵持的周侧探测体接收应力波信号来判定锚固结构是否存在损伤，精度更加准确，操作更加便捷。
-
公开(公告)号：CN114547965B
公开(公告)日：2024-11-29
申请号：CN202210011696.2
申请日：2022-01-06
Applicant: 武汉科技大学
IPC: G06F30/27 , G06N20/00 , G06Q10/0637 , G06F119/14
Abstract: 本发明涉及一种基于正态化与平衡化集成Voting的岩爆烈度分级预测方法，S1：搜集、整理并汇总国内外岩爆烈度分级数据构建岩爆数据集；S2：对构建的岩爆数据集先后使用Yeo‑Johnson变换与K‑means SMOTE过采样将数据正态化与平衡化处理；S3：以处理好的岩爆数据集为输入构建多个机器学习岩爆烈度分级预测模型；S4：计算各个模型预测性能好坏与预测结果差异的综合权重；S5：将所有机器学习模型放入Voting进行训练预测，用穷取法依次剔除权重小的模型筛得最优Voting岩爆烈度分级预测模型，对基模型预测结果采用少数服从多数原则，投票确定最终的预测结果。本发明数据优化上减少离群点以及数据不平衡的影响，算法优化上集成多个优秀模型，对提高岩爆预测的精度有重要意义。
-
公开(公告)号：CN117945786A
公开(公告)日：2024-04-30
申请号：CN202410096028.3
申请日：2024-01-23
Applicant: 武汉科技大学
IPC: C04B38/10 , C04B33/132 , C04B33/13
Abstract: 本发明涉及固体废弃物资源化利用技术领域，尤其涉及一种保温隔热发泡陶瓷及其制备方法和应用。该保温隔热发泡陶瓷由锯泥粉末、分散剂、水、明胶和发泡剂为原料制得，原料混合得到混合浆料，随后对混合浆料顺次进行干燥、烧结得到保温隔热发泡陶瓷。制得的保温隔热发泡陶瓷具有高孔隙率、较低的体积密度、较高的耐压强度和极低的导热系数，综合性能优异，能有效降低建筑能耗，符合新型轻质建筑墙体的要求，解决了现有发泡陶瓷产品强度低、保温隔热性能差的问题。
-
公开(公告)号：CN116947526A
公开(公告)日：2023-10-27
申请号：CN202310968339.X
申请日：2023-08-02
Applicant: 武汉科技大学
IPC: C04B38/02 , C04B28/08 , C04B111/40
Abstract: 本发明属于磷尾矿资源综合利用技术领域。本发明提供了一种轻质隔热高强泡沫混凝土及其制备方法和应用，由包含下列质量份数的原料制备得到：磷尾矿30～50份、钢渣50～70份、稳泡剂0.5～1份、发泡剂3～5.1份、水30～51份。本发明提供的轻质隔热高强泡沫混凝土干密度为0.6～0.9g/cm3，抗压强度为12～15MPa，导热系数为0.08～0.12W/(m·K)。甲基纤维素溶解后在固相颗粒和气相气泡之间形成了一层湿润的柔弹性薄膜，增加了液膜强度，减少泡沫流失现象，在拌和过程中还起到润滑效果，有效地改进了浆体的流动性，使泡沫混凝土的孔隙更加均匀，增强了泡沫混凝土的抗压强度性能和保温隔热性能。
-
公开(公告)号：CN114380617A
公开(公告)日：2022-04-22
申请号：CN202210012993.9
申请日：2022-01-07
Applicant: 武汉科技大学
IPC: C04B38/06 , C04B35/66 , C04B33/32 , C04B33/132 , C04B35/185 , C04B35/195 , C04B35/20 , C04B35/443 , C04B35/622
Abstract: 一种磷尾矿‑煤矸石基轻质隔热材料及其制备方法。其技术方案是：以50～80wt％的磷尾矿和20～50wt％的煤矸石为原料，混匀，外加所述原料6～32wt％的水，搅拌，即得混合料；将所述混合料困料12～24h，浇注成型，自然干燥，90～110℃条件下烘干24～48h，即得预处理料；将所述预处理料先以4～6℃/min的速率从室温升温至360～400℃，再以2～4℃/min的速率升温至670～750℃，然后以10～12℃/min的速率升温至1100～1500℃，保温3～7h，随炉冷却，制得磷尾矿‑煤矸石基轻质隔热材料。本发明具有再利用率高、生产成本低和工艺简单的特点，所制备的磷尾矿‑煤矸石基轻质隔热材料耐压强度高、气孔率高和导热系数低。
-
Patent Agency Ranking
公开(公告)号：CN113378909A
公开(公告)日：2021-09-10
申请号：CN202110632148.7
申请日：2021-06-07
Applicant: 武汉科技大学
Abstract: 本发明公开了一种岩石节理面粗糙度系数的分级表征方法、设备及介质；该方法包括：通过灰度图像处理将标准JRC曲线数字化，以获取标准曲线轮廓坐标值；将所述标准JRC曲线进行聚合经验模态分解，利用临界分解水平判别准则，分解为初级粗糙结构和次级粗糙结构；利用所述初级粗糙结构和次级粗糙结构完成节理面粗糙度系数的分级表征。该方法基于初级粗糙度和次级粗糙度统计参数提出的分级表征公式对于节理面粗糙度系数的准确表征具有重要意义；且通过双参数来表征岩石节理面粗糙度系数要比单一参数时相关性系数要高；通过聚合经验模态分解处理标准JRC曲线的方法比其它方法相比，数学定义更加明确，更加客观。
-
公开(公告)号：CN117345235A
公开(公告)日：2024-01-05
申请号：CN202311471054.1
申请日：2023-11-07
Applicant: 武钢资源集团大冶铁矿有限公司 , 武汉科技大学
Abstract: 本发明涉及一种用于阶段首采盘区开采的分段凿岩阶段出矿嗣后充填采矿方法，该方法是：将首采盘区划分矿房和矿柱；先对若干矿房的第一分段进行一步骤分段空场采矿；再对上述矿房的剩余分段和剩余矿房进行二步骤分段凿岩阶段采矿和一步骤充填；最后对矿柱进行三步骤分段凿岩阶段采矿和二步骤充填；一步骤充填和二步骤充填过程中的充填井分别布置在矿体远端边界处和近端边界处。本发明具有开采时间短、充填结顶率高的特点，能够有效提高采掘失调矿山在阶段衔接开采过程中的生产能力。
-
公开(公告)号：CN117105689A
公开(公告)日：2023-11-24
申请号：CN202311122239.1
申请日：2023-09-01
Applicant: 武汉科技大学
IPC: C04B38/02 , C04B28/04 , C04B111/40
Abstract: 本发明涉及一种新型膨胀充填材料及制备方法，新型膨胀充填材料由以下主要成份组成：胶凝材料、矿山尾砂、发泡剂、膨胀剂、速凝剂和稳定剂，所述新型膨胀充填材料具体成分及质量比为：胶凝材料14.51%～14.82％、矿山尾砂58.05%～59.28％、充填用水23.24％～23.53％、发泡剂1.74%～2.83%、膨胀剂0％～1.45％、速凝剂0.44%、稳定剂0.15％，所述胶凝材料优选为普通硅酸盐水泥和矿渣硅酸盐水泥（胶固粉）一种或一种以上。本发明的有益效果是：该新型膨胀充填材料及制备方法，本发明的新型膨胀充填材料强度理想、膨胀发育时间短、体积膨胀率大，能够主动接顶，有效提高接顶率，改善接顶效果，提高采场稳定性。
-
公开(公告)号：CN113378909B
公开(公告)日：2022-08-12
申请号：CN202110632148.7
申请日：2021-06-07
Applicant: 武汉科技大学
Abstract: 本发明公开了一种岩石节理面粗糙度系数的分级表征方法、设备及介质；该方法包括：通过灰度图像处理将标准JRC曲线数字化，以获取标准曲线轮廓坐标值；将所述标准JRC曲线进行聚合经验模态分解，利用临界分解水平判别准则，分解为初级粗糙结构和次级粗糙结构；利用所述初级粗糙结构和次级粗糙结构完成节理面粗糙度系数的分级表征。该方法基于初级粗糙度和次级粗糙度统计参数提出的分级表征公式对于节理面粗糙度系数的准确表征具有重要意义；且通过双参数来表征岩石节理面粗糙度系数要比单一参数时相关性系数要高；通过聚合经验模态分解处理标准JRC曲线的方法比其它方法相比，数学定义更加明确，更加客观。
-
公开(公告)号：CN114547965A
公开(公告)日：2022-05-27
申请号：CN202210011696.2
申请日：2022-01-06
Applicant: 武汉科技大学
IPC: G06F30/27 , G06N20/00 , G06Q10/04 , G06F119/14
Abstract: 本发明涉及一种基于正态化与平衡化集成Voting的岩爆烈度分级预测方法，S1：搜集、整理并汇总国内外岩爆烈度分级数据构建岩爆数据集；S2：对构建的岩爆数据集先后使用Yeo‑Johnson变换与K‑means SMOTE过采样将数据正态化与平衡化处理；S3：以处理好的岩爆数据集为输入构建多个机器学习岩爆烈度分级预测模型；S4：计算各个模型预测性能好坏与预测结果差异的综合权重；S5：将所有机器学习模型放入Voting进行训练预测，用穷取法依次剔除权重小的模型筛得最优Voting岩爆烈度分级预测模型，对基模型预测结果采用少数服从多数原则，投票确定最终的预测结果。本发明数据优化上减少离群点以及数据不平衡的影响，算法优化上集成多个优秀模型，对提高岩爆预测的精度有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.019 seconds)
