公开(公告)号：CN116373082A

公开(公告)日：2023-07-04

申请号：CN202310381558.8

申请日：2023-04-11

Applicant: 中南大学

Inventor： 李地元 ,  夏简强 ,  蒋京泰 ,  罗平框 ,  余一松 ,  彭珍 ,  王蜜蜜

IPC: B28B7/18 ,  B28B7/30 ,  B28B7/02 ,  B28B7/00

Abstract: 本发明提供了一种可调节尺寸的相似竖井一体化模具，包括底板、挡板以及中心圆柱；所述底板与振动机构连接，所述底板上开设有安装槽，所述安装槽用于安装所述挡板，以使所述挡板与所述底板围成不同尺寸的试样放置槽；所述中心圆柱设置在所述底板上，且与所述底板固定连接，用于形成试样上的圆孔。本发明能够灵活调节所制备试样的尺寸，无需再在底板上另外放置模具，且准备不同规格的模具，并将模具固定在底板上，提升了制样的操作便捷性；同时，中心圆柱的尺寸同样可以调节，以制备、模拟不同孔径的竖井，基于中心圆柱的底端与底板是固定的，因此在振动的过程中不会发生松动，相对于方形试样槽等位移，导致降低试样制备的精度、成功率。

公开(公告)号：CN116205532A

公开(公告)日：2023-06-02

申请号：CN202310166328.X

申请日：2023-02-24

Applicant: 中南大学

Inventor： 李地元 ,  罗平框 ,  茹文凯 ,  马金银 ,  赵君杰 ,  余一松 ,  弓昊 ,  张晨曦

IPC: G06Q10/0639 ,  G06Q50/02

Abstract: 本发明公开一种基于掘进机工况的岩体质量分级方法，包括如下步骤：(1)确定最小的岩体质量评价单元；(2)获取每个最小测量评价单元对应的掘进机工况；(3)计算每个最小测量评价单元的掘进机的掘进速率，并建立掘进机工况记录数据库；(4)基于岩体质量分级标准得到每个最小测量评价单元的岩体质量分级结果；(5)建立岩体质量分级数据库，将每个最小测量评价单元的岩体质量分级指标、岩体质量分级结果和掘进机掘进速率记录至岩体质量分级数据库中；(6)基于岩体质量分级数据库，通过掘进机掘进速率对岩体质量进行实时评级与分级。本发明的基于掘进机工况的岩体质量分级方法能够对岩体质量进行实时评价和分级。

公开(公告)号：CN115630257A

公开(公告)日：2023-01-20

申请号：CN202211629158.6

申请日：2022-12-19

Applicant: 中南大学

Inventor： 李地元 ,  赵君杰 ,  罗平框 ,  余一松 ,  马金银 ,  苏晓丽 ,  茹文凯 ,  何啸

IPC: G06F17/11 ,  G06F30/27 ,  F42D3/04 ,  G06F119/14

Abstract: 本发明涉及预测方法，具体地涉及一种爆破漏斗体积预测方法，包括如下步骤：A）获取岩石试样的物理力学参数；B）从爆破现场获取实际漏斗爆破参数以及爆破之后的爆破漏斗体积V1，并结合所述物理力学参数构建数据库R；C）所述数据库R通过机器学习算法训练机器学习模型，获得相应的预测模型，从而获得所述预测模型的预测结果，取其平均值作为最终的爆破漏斗体积V2。本发明的爆破漏斗体积预测方法能够通过实验构建爆破漏斗体积预测模型，且预测精度高，工作量小，大大减少了实验的物力和人力的支出，有利于在实际爆破工程中寻求最优的爆破参数。

公开(公告)号：CN115630257B

公开(公告)日：2023-04-21

申请号：CN202211629158.6

申请日：2022-12-19

Applicant: 中南大学

Inventor： 李地元 ,  赵君杰 ,  罗平框 ,  余一松 ,  马金银 ,  苏晓丽 ,  茹文凯 ,  何啸

IPC: G06F17/11 ,  G06F30/27 ,  F42D3/04 ,  G06F119/14

Abstract: 本发明涉及预测方法，具体地涉及一种爆破漏斗体积预测方法，包括如下步骤：A）获取岩石试样的物理力学参数；B）从爆破现场获取实际漏斗爆破参数以及爆破之后的爆破漏斗体积V1，并结合所述物理力学参数构建数据库R；C）所述数据库R通过机器学习算法训练机器学习模型，获得相应的预测模型，从而获得所述预测模型的预测结果，取其平均值作为最终的爆破漏斗体积V2。本发明的爆破漏斗体积预测方法能够通过实验构建爆破漏斗体积预测模型，且预测精度高，工作量小，大大减少了实验的物力和人力的支出，有利于在实际爆破工程中寻求最优的爆破参数。

公开(公告)号：CN115860134A

公开(公告)日：2023-03-28

申请号：CN202211425997.6

申请日：2022-11-14

Applicant: 中南大学

Inventor： 李地元 ,  赵君杰 ,  余一松 ,  罗平框 ,  苏晓丽 ,  马金银 ,  茹文凯 ,  何啸

IPC: G06N20/00

Abstract: 本发明涉及基于机器学习和极限学习机混合模型的爆破块度预测方法，包括如下步骤：A)获取爆破的原始数据，确定其变量参数，计算各变量参数的偏度值；B)根据偏度值对变量参数进行分类，对各类变量参数基于设定的转换方法进行转化生成新变量参数，对新变量参数基于至少一种机械学习方法进行处理生成新特征数据集；C)根据新特征数据单元确定极限学习机模型隐藏层神经元个数，并据此到得最佳极限学习机模型网络结构，保存最佳极限学习机模型网络结构中对应的权重参数值；D)基于新特征数据集、最佳极限学习机模型网络结构和权重参数值预测爆破平均块度。本发明的基于机器学习和极限学习机混合模型的爆破块度预测方法能够减少运算量，且精度高。