公开(公告)号：CN114677018A

公开(公告)日：2022-06-28

申请号：CN202210319947.3

申请日：2022-03-29

申请人： 中国地质大学(武汉)

发明人： 李长河 ,  马友腾 ,  唐豪 ,  邱钧祥 ,  王兴宏 ,  周广辉

IPC分类号： G06Q10/06 ,  G06Q10/04 ,  G06N3/12 ,  G06F17/18 ,  G06Q50/02

摘要： 本发明涉及矿山作业优化领域，提供一种面向实时配矿的多目标矿卡在线调度方法及系统，包括：获取实际生产环境信息；通过所述实际生产环境信息计算获取各铲装点到各卸载点的最优路径；构建面向实时配矿的多目标矿卡在线调度模型；通过所述最优路径、约束处理和NSGA‑III算法对所述多目标矿卡在线调度模型进行求解，获得调度方案。本发明解决配矿难控制导致入选铜品位波动大的问题及不同型号矿卡混合运输矿石和废石难以统一在线调度的问题，最直接的节约运输成本以提高矿企的经济效益，为智慧矿山和无人矿山建设提供技术支持。

公开(公告)号：CN116523157A

公开(公告)日：2023-08-01

申请号：CN202310418868.2

申请日：2023-04-17

申请人： 中国地质大学(武汉)

发明人： 李长河 ,  王洋 ,  唐豪 ,  曾三友 ,  王兴宏 ,  周广辉

IPC分类号： G06Q10/047 ,  G06Q10/0631 ,  G06Q50/02 ,  G06F30/20 ,  G06F111/04 ,  G06F111/06

摘要： 本发明提供了一种面向模拟配矿的露天矿铲车走铲规划方法及系统，包括：获取矿山实际作业环境信息；通过所述实际作业环境信息计算获取可使矿石品位波动最小的爆堆及出矿量任务信息；结合最小集合覆盖及贪婪算法求取可覆盖每个爆堆的铲装作业集；构建面向模拟配矿的露天矿铲车走铲规划模型；通过所述爆堆以及出矿量任务信息、约束处理和DCNSGA‑III算法对所述铲车走铲规划模型进行求解，获得铲车的行走路线。本发明的有益效果是：解决了配矿难导致的贫矿浪费和入选矿品位波动大的问题及无规划行走所导致的效率低和能耗高的问题，最直接的行走规划路线对于提供贫矿利用率和企业经济效益具有重要意义。

公开(公告)号：CN117272791A

公开(公告)日：2023-12-22

申请号：CN202311156256.7

申请日：2023-09-07

申请人： 中国地质大学(武汉)

发明人： 李长河 ,  王宇航 ,  王兴宏 ,  周广辉

IPC分类号： G06F30/27 ,  G06N3/0464 ,  G06N3/08 ,  G06N5/01 ,  G06F17/16

摘要： 本发明提供一种基于3D卷积神经网络的爆堆爆破形变预测方法，包括：构建3D卷积神经网络，通过训练数据对3D卷积神经网络进行训练，获得训练好的3D卷积神经网络；获取爆堆爆破前的勘探数据，对勘探数据进行预处理，获得第一矩阵和第二矩阵；将第一矩阵和第二矩阵输入训练好的3D卷积神经网络进行预测，获得爆堆爆破后的形变预测结果。本发明通过普通单元和降维单元堆叠的方式构建3D卷积神经网络，可以获取更加多样的特征，同种单元使用相同的结构，可以简化3D卷积神经网络的结构，减少搭建难度；通过勘探数据构建具有块段信息的第一矩阵和具有硬度信息的第二矩阵作为3D卷积神经网络的输入，充分体现了爆堆爆破的多种特征，避免了特征丢失。

公开(公告)号：CN118502955A

公开(公告)日：2024-08-16

申请号：CN202410684703.4

申请日：2024-05-30

申请人： 中国地质大学(武汉)

发明人： 李长河 ,  田文俊 ,  王兴宏 ,  周广辉

IPC分类号： G06F9/50

摘要： 本发明提供一种面向异构系统的动态权重负载均衡方法，涉及服务器集群技术领域，该方法包括：获取各个服务器节点的历史负载参数和当前负载参数；基于所述历史负载参数和所述当前负载参数确定所述服务器节点在下一时刻的预期负载参数；基于各个所述服务器节点的静态性能参数为对应的所述预期负载参数匹配权值系数，确定各个所述服务器节点的目标负载参数；所述权值系数与所述静态性能参数呈负相关。本发明充分考虑了服务器节点的静态性能参数对服务器可用资源的影响，实现了对各服务器负载情况的精准评估，从而提升了后续的系统的资源利用率。

公开(公告)号：CN117314990A

公开(公告)日：2023-12-29

申请号：CN202311258410.1

申请日：2023-09-26

申请人： 中国地质大学(武汉)

发明人： 李长河 ,  梁召淮 ,  王兴宏 ,  周广辉

IPC分类号： G06T7/55 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/088 ,  G06N3/0895

摘要： 本发明公开一种基于遮挡解耦网络的无监督双目深度估计方法，构建双目深度估计模型，包括遮挡解耦的匹配模块、基于代价体的遮挡感知模块、域不变的遮挡填充模块；以及整个网络所对应的分步训练策略。匹配模块构建了一个精简的双目深度估计网络，用以仅回归非遮挡区域的视差，并在真实场景中通过自监督的方式对网络进行微调，遮挡感知模块利用匹配模块中聚合后的代价体生成遮挡掩码图，遮挡填充模块根据所生成的非遮挡区域的视差，以及相机左图中的语义信息来填充遮挡区域的视差。本发明采用遮挡解耦网络，解决了无监督对遮挡区域性能退化的问题，抑制了遮挡区域对匹配任务的不利影响，提升了对于遮挡以及非遮挡区域预测的准确性。