-
公开(公告)号:CN117985598A
公开(公告)日:2024-05-07
申请号:CN202410308475.0
申请日:2024-03-18
申请人: 中国矿业大学(北京) , 江西蓝翔重工有限公司
摘要: 本发明公开一种单轨吊自动铺轨装置,属于煤矿开采技术领域;一种单轨吊自动铺轨装置包括能够沿着导轨长度方向滑动的悬挂梁,悬挂梁的一侧固定有第一驱动器,第一驱动器的驱动轴末端固定有伸缩臂并带动伸缩臂升降;伸缩臂的一侧设置第二横梁,伸缩臂上固定有第一横向驱动器来驱动第一横梁沿着垂直于轨道的方向水平横移,第一横梁上固定有第二驱动器,第二驱动器的驱动轴末端固定有电磁吸盘并驱动电磁吸盘升降;所述悬挂梁的下端设置有固定架,固定架上设置有能够升降的安装架,安装架上安装有能够转动的第一滑轮组件,电磁吸盘能够将轨道搬运至第一滑轮组件的上方,来使轨道沿着其长度方向滑动;安装架一侧设置有第二横向驱动器,来推动导轨在第一滑轮组件上的水平位移;悬挂梁的上端固定有轨道定位滑轮,轨道能与轨道定位滑轮对齐,以完成铺轨操作。
-
公开(公告)号:CN118622298A
公开(公告)日:2024-09-10
申请号:CN202410825396.7
申请日:2024-06-25
申请人: 中国矿业大学(北京)
摘要: 本发明公开一种钻装封一体车,属于煤矿开采技术领域;一种钻装封一体车包括车体,车体上设置有自动装药装置、炮泥自动封堵装置以及两个两个凿岩钻臂;两个凿岩钻臂上分别设置有一个输送管道,并分别与自动装药装置和炮泥自动封堵装置连接;两个凿岩钻臂上分别设置有一个第二驱动器来与输送管道连接,并能够分别将自动装药装置中的炸药以及炮泥自动封堵装置的炮泥送入炮孔中;通过自动装药和自动封堵将物料准确快速投入指定位置,全自动实现装药封堵过程,可以有效地降低人工成本,降低工人操作安全风险,实现精细化快速爆破施工。
-
公开(公告)号:CN116630747A
公开(公告)日:2023-08-22
申请号:CN202310647872.6
申请日:2023-06-02
申请人: 中国矿业大学(北京)
IPC分类号: G06V10/774 , G06V10/82 , G06V20/70 , G06V10/762 , G06N3/0464 , G06N3/08
摘要: 本发明公开了一种基于深度学习的轻量型炮孔智能检测方法及装置,涉及计算机视觉领域。包括:获取隧道(巷道)中掌子面上的炮孔图片数据;标注炮孔图片数据并划分训练集和验证集;构建轻量型炮孔智能检测模型;部署轻量型炮孔智能检测模型;将炮孔图片输入到轻量型炮孔智能检测模型获得炮孔的识别结果。本发明能够轻量化部署到车载嵌入式设备中,实现炮孔智能检测,提高隧道(巷道)施工过程中炮孔检测效率、减小工人的劳动强度和保障施工人员的健康和安全,对推动隧道(巷道)工程智能化发展具有重要的意义。
-
公开(公告)号:CN115810126A
公开(公告)日:2023-03-17
申请号:CN202211586167.1
申请日:2022-12-09
申请人: 中国矿业大学(北京)
IPC分类号: G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/77 , G06V10/774 , G06V10/82
摘要: 本发明涉及计算机视觉领域的目标检测任务,尤其涉及一种基于改进YOLOv5模型的炮孔识别方法,通过基于改进YOLOv5的目标检测模型,制作数据集;标注出炮孔图片中工作面上的全部炮孔;提取出炮孔图片中每一个炮孔的中心点的坐标;根据提取到的炮控中心的坐标进行绘制实际炮孔布局图。改进的YOLOv5模型包括添加注意力机制,更多关注炮孔图片上炮孔位置的特征;改进回归损失函数,使得模型预测框的位置更加接近于真实框的位置。通过该方法,增强了最终训练模型的鲁棒性,提高了炮孔识别模型的准确率,可以快速实现炮孔的标定和位置坐标的获取,为井巷掘进爆破的工作减少人力和物力,提高工作人员的工作效率。
-
公开(公告)号:CN117932407A
公开(公告)日:2024-04-26
申请号:CN202410094318.4
申请日:2024-01-23
申请人: 中国矿业大学(北京)
IPC分类号: G06F18/24 , G06F18/25 , G06F18/2413 , G06F18/2411 , G06F18/21 , G06F18/214 , G06F18/27 , G06N3/0499 , G06N3/08 , G06F18/10
摘要: 本发明公开了一种基于Stacking算法的岩性识别预测方法,涉及岩土工程数据处理技术领域,解决了复杂地质岩石岩性识别预测问题。方法包括以下步骤:1)获取训练用数据,包括随钻测量参数、地质报告,构建学习样本;2)对数据进行异常值处理和归一化处理,并划分出训练集与测试集;3)将处理后的训练集放入Stacking算法建立的模型进行岩性识别的训练;4)使用训练好的模型对测试集的数据进行岩性预测;5)通过F1‑Score评价训练的模型性能,如未达到预期效果,调整Stacking中的超参数重新进行步骤3)、4),直到获得预期模型。与现有技术相比,基于Stacking算法构建的岩性识别模型对非线性关系的拟合更为出色,拥有良好的表达能力与泛化能力。
-
-
-
-