-
公开(公告)号：CN110986714A
公开(公告)日：2020-04-10
申请号：CN201911413046.5
申请日：2019-12-31
申请人： 浙江交工集团股份有限公司 , 浙江科技学院 , 绍兴文理学院
摘要： 本发明涉及一种用于竖井爆破开挖防堵监测装置，包括本体，装配于本体上的固定装置、过滤系统、振动系统、滑动系统和监测系统；所述固定装置包括固定环，固定环固设于本体外侧周向布设；过滤系统包括分别位于本体侧面的若干进渣孔和位于本体底部的排渣孔；进渣孔位于固定环上，所述振动系统对称布设于排渣孔两侧，滑动系统装配于振动系统上；本装置为圆柱桶状振动过滤装置，桶身直径略小于排渣井直径，在排渣前，将装置固定于排渣井口，通过桶身侧面六个圆孔将石渣排入桶内，圆孔直径为1/3排渣井直径，可起到过滤大块的作用，桶内有振动装置，可快速将排入桶内的石渣通过桶内排渣孔排出，提高施工效率。
-
公开(公告)号：CN110414064A
公开(公告)日：2019-11-05
申请号：CN201910582779.5
申请日：2019-07-01
申请人： 绍兴文理学院
摘要： 一种结构面表面形貌与抗剪强度关联模型的构建方法，包括如下步骤：(1)用三维激光扫描仪提模型结构面初始形态的点云数据，选取结构面进行结构面剪切试验至结构面发生破坏停止；(2)点云数据以及高速摄像机拍摄的照片经处理获取每一次剪切过程中的关键点的结构面起伏形态，获得结构面表面的各种几何参数特征信息；(3)在m次剪切过程中，通过分析筛选构造数据集与剪切强度数据向量；(4)将构造数据集输入深度神经网络，剪切强度数据向量作为输出结果，通过深度神经网络的训练得出所需的模型；(5)根据步骤(4)的网络训练模型，得出关键参数因子与峰之间且强度之间的最佳函数关系。本发明能准确的估计结构面抗剪强度。
-
公开(公告)号：CN110986714B
公开(公告)日：2024-10-15
申请号：CN201911413046.5
申请日：2019-12-31
申请人： 浙江交工集团股份有限公司 , 浙江科技学院 , 绍兴文理学院
摘要： 本发明涉及一种用于竖井爆破开挖防堵监测装置，包括本体，装配于本体上的固定装置、过滤系统、振动系统、滑动系统和监测系统；所述固定装置包括固定环，固定环固设于本体外侧周向布设；过滤系统包括分别位于本体侧面的若干进渣孔和位于本体底部的排渣孔；进渣孔位于固定环上，所述振动系统对称布设于排渣孔两侧，滑动系统装配于振动系统上；本装置为圆柱桶状振动过滤装置，桶身直径略小于排渣井直径，在排渣前，将装置固定于排渣井口，通过桶身侧面六个圆孔将石渣排入桶内，圆孔直径为1/3排渣井直径，可起到过滤大块的作用，桶内有振动装置，可快速将排入桶内的石渣通过桶内排渣孔排出，提高施工效率。
-
公开(公告)号：CN110377980A
公开(公告)日：2019-10-25
申请号：CN201910582777.6
申请日：2019-07-01
申请人： 绍兴文理学院
摘要： 一种基于BP神经网络岩石节理面峰值抗剪强度的预测方法，包括如下步骤：(1)训练参数的获取：1.1)通过三维激光扫描仪获取结构面三维形貌点云数据集，通过MATLAB程序得到最大可能接触面积比、节理面粗糙度参数；1.2)通过巴西劈裂试验、单轴试验和剪切试验获取岩石抗拉强度、施加于岩石上的法向应力；(2)通过训练完毕的神经网络进行峰值剪切强度的预测：2.1)步骤(1)获取的数据构成神经网络训练的预测数据集；2.2)将训练测试数据输入BP神经网络，训练好的网络根据自身学习情况，数据之间的逻辑和高度非线性映射关系，通过各神经元已经确定连接权值和阈值预测峰值剪切强度值τp。本发明快速预测岩石结构抗剪强度。
-
公开(公告)号：CN110414064B
公开(公告)日：2023-03-24
申请号：CN201910582779.5
申请日：2019-07-01
申请人： 绍兴文理学院
摘要： 一种结构面表面形貌与抗剪强度关联模型的构建方法，包括如下步骤：(1)用三维激光扫描仪提模型结构面初始形态的点云数据，选取结构面进行结构面剪切试验至结构面发生破坏停止；(2)点云数据以及高速摄像机拍摄的照片经处理获取每一次剪切过程中的关键点的结构面起伏形态，获得结构面表面的各种几何参数特征信息；(3)在m次剪切过程中，通过分析筛选构造数据集与剪切强度数据向量；(4)将构造数据集输入深度神经网络，剪切强度数据向量作为输出结果，通过深度神经网络的训练得出所需的模型；(5)根据步骤(4)的网络训练模型，得出关键参数因子与峰之间且强度之间的最佳函数关系。本发明能准确的估计结构面抗剪强度。
-
公开(公告)号：CN110457746B
公开(公告)日：2022-12-13
申请号：CN201910582778.0
申请日：2019-07-01
申请人： 绍兴文理学院
IPC分类号： G06F30/20 , G06N3/08 , G06F119/14
摘要： 一种基于BP神经网络的结构面峰值抗剪强度预测模型构建方法，包括如下步骤：(1)用三维激光扫描仪提取结构面初始形态的点云数据，通过MATLAB软件对点云数据进行统计分析，获得三维表面的各种形貌特征参数信息；(2)基于MATLAB编程构建BP神经网络；(3)BP神经网络训练，随机选取每个连接权值和阈值，初始化处理步骤(1)中得到的A0、σt以及σn组成的输入样本数据；将BP神经网络实际输出的剪切强度值τ与期望输出值比对，得到输出层的各单元一般化误差；对比实际和期望输出以调整各层神经元的连接权值和阈值，再进行重复训练，直至神经网络的全局误差E小于设定值。本发明准确的估计结构面抗剪强度。
-
公开(公告)号：CN110377980B
公开(公告)日：2023-05-12
申请号：CN201910582777.6
申请日：2019-07-01
申请人： 绍兴文理学院
IPC分类号： G06F30/20 , G06F30/27 , G06N3/084 , G06T17/05 , G06N3/04 , G01N3/24 , G01N3/08 , G06F119/02 , G06F119/14
摘要： 一种基于BP神经网络岩石节理面峰值抗剪强度的预测方法，包括如下步骤：(1)训练参数的获取：1.1)通过三维激光扫描仪获取结构面三维形貌点云数据集，通过MATLAB程序得到最大可能接触面积比、节理面粗糙度参数；1.2)通过巴西劈裂试验、单轴试验和剪切试验获取岩石抗拉强度、施加于岩石上的法向应力；(2)通过训练完毕的神经网络进行峰值剪切强度的预测：2.1)步骤(1)获取的数据构成神经网络训练的预测数据集；2.2)将训练测试数据输入BP神经网络，训练好的网络根据自身学习情况，数据之间的逻辑和高度非线性映射关系，通过各神经元已经确定连接权值和阈值预测峰值剪切强度值τp。本发明快速预测岩石结构抗剪强度。
-
公开(公告)号：CN110457746A
公开(公告)日：2019-11-15
申请号：CN201910582778.0
申请日：2019-07-01
申请人： 绍兴文理学院
摘要： 一种基于BP神经网络的结构面峰值抗剪强度预测模型构建方法，包括如下步骤：(1)用三维激光扫描仪提取结构面初始形态的点云数据，通过MATLAB软件对点云数据进行统计分析，获得三维表面的各种形貌特征参数信息；(2)基于MATLAB编程构建BP神经网络；(3)BP神经网络训练，随机选取每个连接权值和阈值，初始化处理步骤(1)中得到的A0、 σt以及σn组成的输入样本数据；将BP神经网络实际输出的剪切强度值τ与期望输出值比对，得到输出层的各单元一般化误差；对比实际和期望输出以调整各层神经元的连接权值和阈值，再进行重复训练，直至神经网络的全局误差E小于设定值。本发明准确的估计结构面抗剪强度。
-
公开(公告)号：CN211773977U
公开(公告)日：2020-10-27
申请号：CN201922498945.1
申请日：2019-12-31
申请人： 浙江交工集团股份有限公司 , 浙江科技学院 , 绍兴文理学院
IPC分类号： E02F3/02
摘要： 本实用新型涉及一种辅助人工清渣的多功能铲子，包括铲头和可伸缩铲柄；铲头与铲柄可拆式连接；所述铲头包括铲头本体和套槽；铲头本体和套槽固定连接，所述铲柄包括上铲柄、下铲柄和调节机构，所述上铲柄和下铲柄均为中空结构，上铲柄和下铲柄通过调节机构实现伸长和缩短；上铲柄插接于套槽内；本实用新型结构简单，使用方便，铲头与铲柄可拆式连接，方便拆卸和安装；而上铲柄和下铲柄通过调节机构实现伸长和缩短，使得铲柄的长度可调，携带方便。
-
公开(公告)号：CN211503864U
公开(公告)日：2020-09-15
申请号：CN201922498016.0
申请日：2019-12-31
申请人： 浙江交工集团股份有限公司 , 浙江科技学院 , 绍兴文理学院
摘要： 本实用新型涉及一种用于竖井爆破开挖防堵监测装置，包括本体，装配于本体上的固定装置、过滤系统、振动系统、滑动系统和监测系统；所述固定装置包括固定环，固定环固设于本体外侧周向布设；过滤系统包括分别位于本体侧面的若干进渣孔和位于本体底部的排渣孔；进渣孔位于固定环上，所述振动系统对称布设于排渣孔两侧，滑动系统装配于振动系统上；本装置为圆柱桶状振动过滤装置，桶身直径略小于排渣井直径，在排渣前，将装置固定于排渣井口，通过桶身侧面六个圆孔将石渣排入桶内，圆孔直径为1/3排渣井直径，可起到过滤大块的作用，桶内有振动装置，可快速将排入桶内的石渣通过桶内排渣孔排出，提高施工效率。(ESM)同样的发明创造已同日申请发明专利
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.024 秒)
