TBM隧道掌子面围岩等级随掘实时智能感知方法及系统

    公开(公告)号:CN119475006A

    公开(公告)日:2025-02-18

    申请号:CN202411302549.6

    申请日:2024-09-18

    Applicant: 武汉大学

    Abstract: 本申请提供的TBM隧道掌子面围岩等级随掘实时智能感知方法及系统,方法包括以下步骤:采集TBM掘进过程中的岩机相关多源信息;建立TBM隧道掌子面围岩分级标准;基于TBM隧道掌子面围岩分级标准,构建用于训练岩机复合得分级联预测模型的数据库;以构建的数据库作为训练样本,基于岭回归模型和人工神经网络构建岩机复合得分级联预测模型;输入岩机相关多源信息至岩机复合得分级联预测模型中,获取当前TBM隧道掌子面的复合岩机得分,再依据TBM隧道掌子面围岩分级标准,获取TBM隧道掌子面围岩等级。本申请实现对TBM隧道掌子面围岩等级的实时智能预测,提高了TBM对掘进环境的感知水平,为地下工程智慧建造奠定了坚实基础。

    一种敞开式TBM岩爆致卡风险预警方法及装置

    公开(公告)号:CN119691611A

    公开(公告)日:2025-03-25

    申请号:CN202411724368.2

    申请日:2024-11-28

    Applicant: 武汉大学

    Abstract: 本发明公开了一种敞开式TBM岩爆致卡风险预警方法,包括:将TBM的运行状态划分为正常掘进状态、卡机预警状态和卡机状态三种状态;筛选出关键运行参数;获得数据集;所述数据集包括输入数据和输出数据;将数据集划分为训练集和测试集;对训练集进行预处理,得到预处理的训练集;采用权重自适应算法,利用预处理的训练集进行训练,获得风险预警模型;利用风险预警模型对敞开式TBM岩爆致卡风险进行预警。该方法将TBM正常掘进状态与卡机状态之间过渡状态定义为卡机预警状态,将卡机风险预警问题转换为卡机预警状态识别问题;利用TBM自身运行数据实现对敞开式TBM岩爆致卡风险的准确预警,无需额外部署监测传感器,可靠性强,具有重要的学术和工程价值。

    一种TBM破岩试验装置
    6.
    发明公开

    公开(公告)号:CN119309952A

    公开(公告)日:2025-01-14

    申请号:CN202411476039.0

    申请日:2024-10-22

    Abstract: 本发明涉及破岩试验装置技术领域,公开了一种TBM破岩试验装置,包括基座、撑板一和撑板二,所述撑板一和所述撑板二分别固定安装于所述基座顶端两侧;还包括位移机构,所述位移机构包括多组均匀固定于撑板一内侧的液压杆二,且多组液压杆二内侧固定连接有撑板三,所述撑板三与基座上端水平滑动连接;角度调节机构,所述角度调节机构包括多组周向开设于撑板三内壁的滑槽口。本发明能够在角度调节机构的作用下,实现对顶端的刀具进行与岩石块样本的角度变化,并在夹持机构的作用下对样本进行破坏,对模拟破坏产生的数据进行汇总,有效地提高了设备模拟的范围,有效增加了数据的多样性,使得数据对照分析更加精确。

    一种硬岩TBM法向锚杆(索)钻机及其施工方法

    公开(公告)号:CN119900573A

    公开(公告)日:2025-04-29

    申请号:CN202510172156.6

    申请日:2025-02-17

    Abstract: 本发明公开了一种硬岩TBM法向锚杆/索钻机及其施工方法,包括:锚杆/索钻机,实现钻杆的打设、续接和退回,锚杆的打设、续接和预应力施加,锚索的打设和预应力施加;环形梁,布置于TBM主梁上且其轴线与隧洞轴线平行;爬行小车,通过驱动装置驱动锚杆/索钻机在环形梁轨道上移动,通过摆动马达精准调节锚杆/索钻机钻进洞壁的角度;环形梁前后移动轨道,布置于主梁上,主梁两侧各布置上下两个轨道,环形梁能够沿着轨道前后移动。本发明能360°垂直洞壁打设钻孔、锚杆/索并施加高预应力,且多台钻机能协同和相对独立工作以提升敞开式TBM支护能力和支护效率。本发明具有结构简单、设计巧妙、操作简单、可靠性高的特点。

    一种基于深度学习的煤矿采面煤岩识别方法

    公开(公告)号:CN118941842A

    公开(公告)日:2024-11-12

    申请号:CN202410940636.8

    申请日:2024-07-15

    Applicant: 武汉大学

    Abstract: 本发明提供了一种基于深度学习的煤矿采面煤岩识别方法,旨在解决传统方法中存在的识别准确率低、处理效率慢等问题。该方法首先通过高分辨率相机采集煤矿采面原始煤岩图像,并应用基于RSTF和DA的图像增强技术优化图像质量;随后,采用基于YOLOv5s和轻量化语义分割网络BiSeNet的深度学习模型进行煤岩的检测和语义分割,有效地提取出煤岩的位置和边界信息;最后,通过测试集评估模型的泛化能力和识别准确率,验证了该方法在实际煤矿环境中的有效性和可靠性。本发明的优点在于通过深度学习技术实现了高效、精准的煤矿采面煤岩识别,能够在复杂的煤矿环境中快速、准确地完成煤岩识别任务,提升了矿山生产效率和安全性。

    基于滑窗特征提取与随机森林算法的围岩等级识别方法

    公开(公告)号:CN118797486A

    公开(公告)日:2024-10-18

    申请号:CN202410835898.8

    申请日:2024-06-26

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于滑窗特征提取与权重自适应随机森林算法的TBM隧道围岩等级识别方法,步骤如下:获得预处理数据;对预处理数据利用滑窗截取,并从截取的数据中提取特征,得到特征数据集;建立训练集、验证集和测试集;构建TBM隧道围岩等级识别模型;确定最优滑窗长度和步长,利用搜索算法寻找最优的模型超参数,得到优化的TBM隧道围岩等级识别模型;获得权重自适应的TBM隧道围岩等级识别模型;利用权重自适应的TBM隧道围岩等级识别模型识别围岩等级。本发明方法能从掘进参数变化中提取围岩等级相关信息且可自适应考虑类别权重对模型性能的影响,可大幅提升TBM隧道围岩等级识别模型的性能,对指导TBM施工具有积极的意义。

Patent Agency Ranking