-
公开(公告)号：CN109116411B
公开(公告)日：2019-11-12
申请号：CN201811005295.6
申请日：2018-08-30
Applicant: 东北大学
IPC: G01V1/20
Abstract: 本发明涉及一种适用于不同孔径的孔内微震传感器固定和回收装置。该装置传感器通过螺纹连接固定安装于基座底部，安装基座外壁底部及周围采用膨胀材料使其与钻孔围岩接触紧密且牢固，从而传感器与围岩为刚性接触，能够承受长期爆破扰动而不松脱，能够用于长期监测，且减少信号传递过程中的波形变化，保证了测试结果更接近真实值；传感器与安装基座之间有油脂耦合剂，不仅可以明显提高信号传递质量，而且能够有效防止传感器及安装基础生锈，保证传感器能够顺利回收，使传感器能够适用于高温高湿等恶劣监测条件；安装基座外壁上的居中锚爪和限位锚爪的长度根据钻孔的直径能够灵活调整，使装置能够适用于不同直径钻孔的安装要求。
-
公开(公告)号：CN110058294A
公开(公告)日：2019-07-26
申请号：CN201910388659.1
申请日：2019-05-10
Applicant: 东北大学
Abstract: 本发明提供一种隧道微震监测岩石破裂事件自动识别方法，涉及隧道微震监测技术领域。该方法首先以大量已知类型的隧道微震监测波形建立波形样本库，然后统计分析波形样本库中波形的有效信息，确定用于深度学习的波形样本长度；建立基于深度卷积神经网络的隧道微震监测波形识别模型；将待识别的大量微震波形输入波形识别模型，输出其波形类型识别结果；最后根据波形类型识别结果判断微震事件类型。本发明提供的隧道微震监测岩石破裂事件自动识别方法，直接识别微震监测的原始波形，无需进行波形特征提取，避免了特征值选取不当对信号识别准确率的影响，实现了从对微震监测波形类型的识别到对微震事件类型的识别，识别结果可直接用于岩爆微震预警。
-
公开(公告)号：CN110298503A
公开(公告)日：2019-10-01
申请号：CN201910560076.2
申请日：2019-06-26
Applicant: 东北大学
Abstract: 本发明提供基于微震信息和深度卷积神经网络的隧洞岩爆预警方法，涉及岩爆预警技术领域。该方法首先，建立已知岩爆等级的岩爆案例及其孕育过程中的微震监测信息样本库。然后，选定预警单元的空间范围和时间跨度，导出预警单元内的多参量微震监测信息。通过微调预警单元构建大量的岩爆-微震信息样本对。将样本对输入建立的深度卷积神经网络，通过学习、测试、调试等获得最佳岩爆预警模型。然后，将待预警区域预警单元内的微震信息输入岩爆预警模型，得到待预警区域潜在岩爆的等级及概率。本发明方法具有较高的实用性和准确率，可实现潜在岩爆及其等级的智能实时预警，并为制定针对性的岩爆防控措施提供科学依据。
-
公开(公告)号：CN110109176A
公开(公告)日：2019-08-09
申请号：CN201910410436.0
申请日：2019-05-17
Applicant: 东北大学
IPC: G01V1/28
Abstract: 本发明提供一种隧道微震传感器监测台网病态条件下的岩爆风险评估方法，涉及深埋隧道岩爆风险评估技术领域。该方法首先按岩爆等级建立不同的岩爆数据库；并将不同等级岩爆数据库看成不同的群体计算协方差矩阵和均值向量；然后在微震监测系统软件中提取与建立岩爆数据库等时长内的微震事件数和振幅大于10-4m/s2微震事件数作为样本；应用马氏距离判定样本到不同群体之间的距离；则与样本距离最小的群体即为潜在发生的岩爆风险。本发明提供的隧道微震传感器病态条件下的岩爆风险评估方法，能在微震传感器病态条件下，根据现有的微震信息对掌子面附近区域的岩爆风险进行评估，解决了低于4个传感器工作不能进行岩爆风险评估的困境。
-
公开(公告)号：CN109116411A
公开(公告)日：2019-01-01
申请号：CN201811005295.6
申请日：2018-08-30
Applicant: 东北大学
IPC: G01V1/20
Abstract: 本发明涉及一种适用于不同孔径的孔内微震传感器固定和回收装置。该装置传感器通过螺纹连接固定安装于基座底部，安装基座外壁底部及周围采用膨胀材料使其与钻孔围岩接触紧密且牢固，从而传感器与围岩为刚性接触，能够承受长期爆破扰动而不松脱，能够用于长期监测，且减少信号传递过程中的波形变化，保证了测试结果更接近真实值；传感器与安装基座之间有油脂耦合剂，不仅可以明显提高信号传递质量，而且能够有效防止传感器及安装基础生锈，保证传感器能够顺利回收，使传感器能够适用于高温高湿等恶劣监测条件；安装基座外壁上的居中锚爪和限位锚爪的长度根据钻孔的直径能够灵活调整，使装置能够适用于不同直径钻孔的安装要求。
-
Patent Agency Ranking
公开(公告)号：CN109184793A
公开(公告)日：2019-01-11
申请号：CN201810991315.5
申请日：2018-08-29
Applicant: 东北大学
Abstract: 本发明公开了一种在地下工程开挖过程进行锚杆防岩爆能力现场测试的方法，包括下述步骤：S1：选取试验段；S2：安装锚杆；S3：扩挖；S4：锚杆效果评价；S5：锚杆处理，将裸露的锚杆切割掉。本发明可以真切的测试锚杆对防控岩爆的作用：采用爆破模拟岩爆，用爆破的岩体厚度模拟不同等级岩爆对应的爆坑深度，用松动爆破设计模拟不同等级的岩爆的岩块弹射距离，可以较好地模拟岩爆的冲击破坏及能量释放特征，较真实地测试锚杆对于岩爆防治的实际作用，避免室内试验以及数值计算结果的片面性。本发明具有较高的可实施性：与专门开挖试验洞相比，本发明仅需对现有工程开挖顺序及方案进行调整即可，费用较低，可实施性较强。
-
公开(公告)号：CN118115875A
公开(公告)日：2024-05-31
申请号：CN202410248116.0
申请日：2024-03-05
IPC: G06V20/10 , G06V10/28 , G06V10/34 , G06V10/30 , G06V10/44 , G06V10/46 , G06V10/82 , G06V10/774 , G06V10/776 , G06T5/77 , G06T7/62
Abstract: 本发明涉及一种深埋隧道围岩结构面智能识别方法，该方法通过对原始数据进行处理后，经yolov5模型进行训练后，通过训练好的模型对裂隙图像轮廓进行检测、提取，接着依次通过识别结果中裂隙的个数、细化图像并进行主裂隙和待补全裂隙的确定、裂隙的补全，膨胀图像，最后进行分析，实现对深埋隧道围岩结构面的智能识别；本发明综合考虑了地质结构发育特性并利用该特性，补全识别的局部裂隙，有效提高对结构面的识别精度。
-
公开(公告)号：CN110298503B
公开(公告)日：2022-11-25
申请号：CN201910560076.2
申请日：2019-06-26
Applicant: 东北大学
Abstract: 本发明提供基于微震信息和深度卷积神经网络的隧洞岩爆预警方法，涉及岩爆预警技术领域。该方法首先，建立已知岩爆等级的岩爆案例及其孕育过程中的微震监测信息样本库。然后，选定预警单元的空间范围和时间跨度，导出预警单元内的多参量微震监测信息。通过微调预警单元构建大量的岩爆‑微震信息样本对。将样本对输入建立的深度卷积神经网络，通过学习、测试、调试等获得最佳岩爆预警模型。然后，将待预警区域预警单元内的微震信息输入岩爆预警模型，得到待预警区域潜在岩爆的等级及概率。本发明方法具有较高的实用性和准确率，可实现潜在岩爆及其等级的智能实时预警，并为制定针对性的岩爆防控措施提供科学依据。
-
公开(公告)号：CN110609324B
公开(公告)日：2021-01-12
申请号：CN201910937940.6
申请日：2019-09-30
Applicant: 东北大学
IPC: G01V1/28
Abstract: 本发明提供一种用于深埋隧道岩爆预警微震事件筛选的方法，涉及深埋硬岩隧道岩爆预警技术领域。首先收集各岩爆案例从孕育到发生所对应的微震监测信息，提取各等级岩爆案例中各微震事件的释放能对数和震级；绘制不同等级岩爆案例的微震能量级配曲线，进而计算不同等级岩爆的能量级配曲线各粒径所对应的释放能对数值；将不同等级岩爆的各粒径值变化情况绘制在同一能量粒径曲线图中，分析并求取各等级岩爆能量粒径曲线开始出现互无交叉，且后续趋势一致时的能量粒径所对应的释放能对数值的均值；将该值作为微震目录的最小完整性能量阈值，其对应的震级即为最小完整性震级值，进而实现对岩爆预警的微震事件进行筛选。
-
公开(公告)号：CN109184793B
公开(公告)日：2020-02-07
申请号：CN201810991315.5
申请日：2018-08-29
Applicant: 东北大学
Abstract: 本发明公开了一种在地下工程开挖过程进行锚杆防岩爆能力现场测试的方法，包括下述步骤：S1：选取试验段；S2：安装锚杆；S3：扩挖；S4：锚杆效果评价；S5：锚杆处理，将裸露的锚杆切割掉。本发明可以真切的测试锚杆对防控岩爆的作用：采用爆破模拟岩爆，用爆破的岩体厚度模拟不同等级岩爆对应的爆坑深度，用松动爆破设计模拟不同等级的岩爆的岩块弹射距离，可以较好地模拟岩爆的冲击破坏及能量释放特征，较真实地测试锚杆对于岩爆防治的实际作用，避免室内试验以及数值计算结果的片面性。本发明具有较高的可实施性：与专门开挖试验洞相比，本发明仅需对现有工程开挖顺序及方案进行调整即可，费用较低，可实施性较强。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.018 seconds)
