-
公开(公告)号：CN111739108A
公开(公告)日：2020-10-02
申请号：CN202010533881.9
申请日：2020-06-12
Applicant: 鞍钢集团矿业有限公司
Abstract: 本发明涉及一种基于卷积神经网络的铁矿粉品位快速估测方法，包括下述步骤：步骤一：数据采集及数据集制作，采集各个品位值的铁矿粉的图像信息，并对所述图像信息进行预处理，步骤二：模型建立与训练，用随机裁剪、旋转方法对采样出来的训练和验证样本进行数据扩增，将扩增后的样本输入到深度卷积神经网络中进行逐级分段模型训练和全品位区间整体模型训练，得到逐级分段估测训练后的模型和全品位区间整体训练估测训练后的模型；步骤三：模型调用和品位估测，步骤四：模型评价若品位区间估测错误，则取区间中点数值作为估测的最终品位进行绝对误差计算，若绝对误差小于1.5％，则可将其视为估测正确。
-
公开(公告)号：CN110907379A
公开(公告)日：2020-03-24
申请号：CN201911334487.6
申请日：2019-12-23
Applicant: 鞍钢集团矿业有限公司
IPC: G01N21/31
Abstract: 本发明的目的是为了能够在露天矿炮孔现场，原位、实时、快速、高效地确定炮孔粉末中Fe3O4、Fe2O3、SiO2、TFe各个成分的含量，基于此提出了一种基于随机森林算法的鞍山式铁矿成分及含量测定方法，属于矿山地质分析技术领域。该方法首先对露天采场炮孔粉样现场进行可见光-近红外光谱测试，然后应用随机森林算法基于实验样品光谱特征构建试样光谱与成分的对应关系，依据所建立的对应关系实现对炮孔粉样中Fe3O4、Fe2O3、SiO2、TFe各个成分含量的预测估计，为矿山采场矿体边界实时快速圈定与精准区划奠定基础。
-
公开(公告)号：CN106599483B
公开(公告)日：2019-08-27
申请号：CN201611167802.7
申请日：2016-12-16
Applicant: 鞍钢集团矿业有限公司
Abstract: 本发明提供一种基于测量机器人露天矿边坡监测平面数据的处理方法，该方法获取测量机器人采集的露天矿边坡监测基础数据，分别计算监测点方位角和监测点竖直角的残差和中误差；建立粗差甄别模型，根据方位角和竖直角的残差和中误差，对方位角数据和监测点竖直角数据进行粗差剔除；根据监测基点K1和后视点K2确定定向方位改正值，根据定向方位改正值对测得的滤波后的监测点方位角数据进行定向方位改正，得到处理后的监测点方位角；根据监测基点K1和后视点K2确定平距的固定边长改正系数，根据平距的固定边长改正系数对滤波后的监测点的斜距数据进行固定边长修正，得到处理后的监测点平距。该方法可有效提高基于测量机器人监测基础数据的精度。
-
公开(公告)号：CN106595574A
公开(公告)日：2017-04-26
申请号：CN201611167804.6
申请日：2016-12-16
Applicant: 鞍钢集团矿业有限公司
IPC: G01C5/00
CPC classification number: G01C5/00
Abstract: 本发明提供一种基于测量机器人露天矿边坡监测高程数据的处理方法，该方法：获取测量机器人采集的露天矿边坡监测基础数据；建立测量机器人测距光径曲线距地面高差模型和测距光径上的大气竖直折光物理量梯度模型；获取测量机器人的仪器高和觇标高；根据测量基点到监测点的倾角、斜距和水平距离，以及测距光径曲线上的大气折光系数、测量机器人的仪器高、觇标高，计算大气折光修正后的监测基点到监测点的高差；根据测量机器人测得的监测基点的高度和大气折光修正后的监测基点到监测点的高差得到修正后的监测点的高程。利用该方法进行高程数据处理，可使高程数据精度有较大幅度的提高，提高了监测成果的可靠性，为露天矿边坡滑坡实时预警奠定基础。
-
公开(公告)号：CN116375397A
公开(公告)日：2023-07-04
申请号：CN202310010979.X
申请日：2023-01-05
Applicant: 鞍钢集团矿业有限公司
Abstract: 本发明的目的是针对于现有铁尾矿为原料的路基材料存在的问题，提供了一种利用铁尾矿制备路面基层材料及其应用。本发明的路面基层材料由胶凝材料和细铁尾矿组成，细铁尾矿：胶凝材料质量比为7:3～9:1；所述胶凝材料由S95矿渣粉与脱硫灰组成，S95矿渣粉与脱硫灰的质量比为3:7～7:3。本发明的路面基层材料以脱硫灰、高炉矿渣粉和粒度≤150微米的细铁尾矿粉为原料，利用脱硫灰、高炉矿渣粉协同激发细铁尾矿本身的胶凝活性，构成整体胶凝体系，制备成无需额外添加剂的路面基层材料。
-
Patent Agency Ranking
公开(公告)号：CN115430517A
公开(公告)日：2022-12-06
申请号：CN202211035458.1
申请日：2022-08-26
Applicant: 鞍钢集团矿业有限公司
Abstract: 本发明公开了一种原矿分段磨矿、重—磁工艺流程，属于选矿技术领域。原矿粗破后经半自磨‑筛分系统作业，产品经弱磁机、强磁机、一次磨矿分级系统，所得尾矿筛分后分别抛除；精矿经一次磨矿分级系统、二磁选，所得精矿粗细分级为粗粒沉砂和细粒溢流，所得尾矿抛除；粗粒沉砂经粗螺、精螺分选，得到重选精矿和精螺尾矿，粗螺尾矿和精螺尾矿混合经二次磨矿分级系统作业，与细粒溢流混合，经三磁选和四磁选，得到磁选精矿、三磁选尾矿和四磁选尾矿；尾矿抛除，磁选精矿与重选精矿混合，得到品位65％以上的精矿。本发明取消了浮选作业，减少了药剂的使用，有利于降低成本，且流程只包括重、磁工艺，流程相对简单，便于操作和控制。
-
公开(公告)号：CN106303412A
公开(公告)日：2017-01-04
申请号：CN201610644586.4
申请日：2016-08-09
Applicant: 鞍钢集团矿业有限公司
CPC classification number: H04N7/18 , G01B11/03 , G06K9/00771 , G06K9/4671 , H04N5/232 , H04N5/23212
Abstract: 基于监控影像的排土场位移远程实时监测装置与方法，属于排土场位移监测领域。该装置包括数码相机、影像数据无线传输模块、远程终端计算机、语音报警装置、太阳能电池板和蓄电池。数码相机通过USB线与影像数据无线传输模块触点丝扣连接，影像数据无线传输模块与远程终端计算机通过3G/4G网络和有线宽带Internet网络连接，太阳能电池板与数码相机、影像数据无线传输模块、蓄电池相连，蓄电池与数码相机、影像数据无线传输模块相连。该装置可以长期连续作业，该监测方法可以准确判定监测区域是否出现位移，若出现位移，通过多种方式报警，有效避免“假”滑坡和误报警，并对位移区域进行准确圈定，精度稳定。
-
公开(公告)号：CN111738945B
公开(公告)日：2023-11-10
申请号：CN202010540871.8
申请日：2020-06-15
Applicant: 鞍钢集团矿业有限公司
Abstract: 本发明的目的是针对于现有点云数据处理的滤波技术中存在的问题，本发明提出了一种基于矿山的点云数据预处理方法，属于点云数据处理技术领域。该方法包括点云数据的获取，点云数据的滤波和点云数据的配准。本发明的方法能够自动优化设置体素栅格法的下采样体素大小参数，不仅可以保持点云形状特征以及降低点云的数据量，也可以实现以最少的点云点数保持点云形状特征，且可利用极限学习机实现非地面点的准确去除。
-
公开(公告)号：CN111739108B
公开(公告)日：2023-09-15
申请号：CN202010533881.9
申请日：2020-06-12
Applicant: 鞍钢集团矿业有限公司
IPC: G06T7/90 , G06T7/00 , G06N3/0464 , G06N3/08 , G06V10/774 , G06Q50/02
Abstract: 本发明涉及一种基于卷积神经网络的铁矿粉品位快速估测方法，包括下述步骤：步骤一：数据采集及数据集制作，采集各个品位值的铁矿粉的图像信息，并对所述图像信息进行预处理，步骤二：模型建立与训练，用随机裁剪、旋转方法对采样出来的训练和验证样本进行数据扩增，将扩增后的样本输入到深度卷积神经网络中进行逐级分段模型训练和全品位区间整体模型训练，得到逐级分段估测训练后的模型和全品位区间整体训练估测训练后的模型；步骤三：模型调用和品位估测，步骤四：模型评价若品位区间估测错误，则取区间中点数值作为估测的最终品位进行绝对误差计算，若绝对误差小于1.5％，则可将其视为估测正确。
-
公开(公告)号：CN111122383A
公开(公告)日：2020-05-08
申请号：CN201911334535.1
申请日：2019-12-23
Applicant: 鞍钢集团矿业有限公司
IPC: G01N9/36
Abstract: 本发明的目的是针对于现有露天采场验收技术中存在的问题，提出一种基于矿石类型和品级划分的露天采场精细验收方法，属于矿山地质技术领域。该方法依据露天采场炮孔数据，对露天采场矿石区进行精准区划，把矿石区划分为不同类型与不同品位的矿石区，分别对不同类型与不同品位的矿石区进行体积计算与比重测试，进而确定不同类型与不同品位的矿石区的矿石量。本发明不仅可以获取露天采场的矿块总矿石量，更重要的是可以对矿石量进行更精细的划分，使得验收信息较以往更加细致、准确和全面，从而为准确、全面了解采场开采情况、提高采场验收质量提供新的技术与方法。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.021 seconds)
