CN110043267A - 基于岩性与不良地质前兆特征识别的tbm搭载式超前地质预报系统及方法 - Google Patents
基于岩性与不良地质前兆特征识别的tbm搭载式超前地质预报系统及方法 Download PDFInfo
- Publication number
- CN110043267A CN110043267A CN201910271921.4A CN201910271921A CN110043267A CN 110043267 A CN110043267 A CN 110043267A CN 201910271921 A CN201910271921 A CN 201910271921A CN 110043267 A CN110043267 A CN 110043267A
- Authority
- CN
- China
- Prior art keywords
- sillar
- unfavorable geology
- rock
- lithology
- tbm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000011435 rock Substances 0.000 claims abstract description 63
- 238000004458 analytical method Methods 0.000 claims abstract description 47
- 238000004876 x-ray fluorescence Methods 0.000 claims abstract description 36
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 23
- 239000011707 mineral Substances 0.000 claims abstract description 23
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 claims abstract description 23
- 238000000227 grinding Methods 0.000 claims abstract description 20
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 238000001035 drying Methods 0.000 claims abstract description 10
- 238000013528 artificial neural network Methods 0.000 claims abstract description 8
- 238000003909 pattern recognition Methods 0.000 claims abstract description 8
- 230000007246 mechanism Effects 0.000 claims abstract description 6
- 238000002441 X-ray diffraction Methods 0.000 claims description 23
- 239000000843 powder Substances 0.000 claims description 20
- 230000002776 aggregation Effects 0.000 claims description 18
- 238000004220 aggregation Methods 0.000 claims description 18
- 238000007405 data analysis Methods 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 239000002699 waste material Substances 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 12
- 239000000463 material Substances 0.000 claims description 10
- 229910000831 Steel Inorganic materials 0.000 claims description 9
- 238000007418 data mining Methods 0.000 claims description 9
- 239000002245 particle Substances 0.000 claims description 9
- 239000010959 steel Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 239000002893 slag Substances 0.000 claims description 5
- 239000011521 glass Substances 0.000 claims description 4
- 238000003466 welding Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 229910001220 stainless steel Inorganic materials 0.000 claims description 3
- 239000010935 stainless steel Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 2
- 238000007599 discharging Methods 0.000 claims description 2
- 239000000706 filtrate Substances 0.000 claims description 2
- 238000005096 rolling process Methods 0.000 claims description 2
- 230000005641 tunneling Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 description 11
- 241000894007 species Species 0.000 description 10
- 230000008859 change Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 241000950629 Icteria Species 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000008595 infiltration Effects 0.000 description 3
- 238000001764 infiltration Methods 0.000 description 3
- 238000010183 spectrum analysis Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012921 fluorescence analysis Methods 0.000 description 2
- 238000011010 flushing procedure Methods 0.000 description 2
- 238000010926 purge Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000002050 diffraction method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000001314 profilometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000005496 tempering Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
- E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
- E21D9/003—Arrangement of measuring or indicating devices for use during driving of tunnels, e.g. for guiding machines
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
- E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
- E21D9/06—Making by using a driving shield, i.e. advanced by pushing means bearing against the already placed lining
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本公开提供了一种基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统及方法,包括基座,基座设置于TBM主传送带上,其上依次设置有可伸缩机械抓手、传送带系统、粉碎装置、控制系统和数据综合分析平台,传送带系统上方依次设置有烘干机构、图像识别装置和X射线荧光分析装置,分别对待测岩块施加表面烘干、岩性识别和X射线荧光分析,依据所提取岩石中能够反映不良地质信息的标志图像、不良地质敏感元素及不良地质矿物富集信息利用神经网络进行信息融合与修正,进行分析,得到掌子面前方岩性变化与不良地质赋存特征,实现基于岩性与不良地质前兆特征智能识别的隧道超前地质预报。
Description
技术领域
本公开涉及一种基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统及方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
当深长隧道的长径比达到或超过600~1000时,按照国际通行惯例应优先采用TBM施工方法,国际上公认TBM施工方法具有掘进速度快、施工扰动小、成洞质量高、综合经济社会效益高等优势。但TBM施工方法又对地质条件的适应能力较差,在TBM施工中经常遭遇突水突泥、塌方、大变形等灾害,导致掘进机卡机、损坏、报废甚至人员伤亡的重大事故。为了降低TBM施工中遭遇上述事故的风险,最有效的解决方法就是采用超前地质预报技术提前探明掌子面前方不良地质情况,根据前方的地质情况预先制定合理的处置措施和施工预案,规避和预防重大灾害事故的发生。
隧道施工过程中,在出现断层破碎带、溶洞、暗河以及淤泥带之前,一般都会出现各自的前兆标志,这些标志的出现,常常预示前述不良地质体已经临近。然而,隧道内一线施工人员多缺乏良好的地质知识,不能及时的对不良地质前兆特征进行有效识别,从而酿成一些灾害的发生。同时,TBM施工对地层岩性要求较高,除了关注前方可能存在的不良地质外,还要关注掘进路线上地层岩性的变化,以便及时改进TBM的施工参数,从而保证安全快速施工。
目前,在TBM隧道施工过程实施超前地质预报方法很多,主要是以地球物理探测方法为主,如地震波法、电阻法、红外探水等,且也已经出现了部分TBM搭载设备。但是据发明人了解,从地质分析的角度开展超前地质预报,在识别突水突泥等灾害的不良地质前兆特征方面,现有的预报系统及方法不可以实时了解TBM掘进路线上围岩岩性、矿物及元素种类及含量的变化情况,并预测掘进面前方地质条件变化情况。
发明内容
本公开为了解决上述问题,提出了一种基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统及方法,本公开可实时了解TBM掘进路线上围岩岩性、矿物及元素种类及含量的变化情况,并预测掘进面前方地质条件变化情况及可能存在的不良地质。
根据一些实施例,本公开采用如下技术方案:
一种基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统,包括基座,所述基座设置于TBM主传送带上,其上依次设置有可伸缩机械抓手、传送带系统、粉碎装置、控制系统和数据综合分析平台,其中:
所述可伸缩机械抓手用于将所述TBM主传送带的待测岩块并放置在传送带系统上,所述传送带系统上方依次设置有烘干机构、图像识别装置和X射线荧光分析装置,分别对待测岩块施加表面烘干、岩性识别和X射线荧光分析;
所述粉碎装置设置于传送带系统的末端,对待测岩块进行粉碎,粉碎装置出口的粉末颗粒可直接落入下方设置的X射线衍射分析装置的样品舱中;
所述控制系统控制所述可伸缩机械抓手、传送带系统、粉碎装置、图像识别装置、X射线荧光分析装置及X射线衍射分析装置的动作;
所述数据综合分析平台,被配置为接收图像识别装置、X射线荧光分析装置和X射线衍射分析装置的采集结果,依据所提取岩石中能够反映不良地质信息的标志图像、不良地质敏感元素及不良地质矿物富集信息利用神经网络进行信息融合与修正,进行分析,得到掌子面前方岩性变化与不良地质赋存特征,实现基于岩性与不良地质前兆特征智能识别的隧道超前地质预报。
本公开搭载于TBM上,可以实时分析TBM掘进工作过程中岩性及不良地质前兆特征的变化。基于采集到的岩石图像信息,应用卷积神经网络,通过卷积层和最大池化层对岩石的颜色、纹理和形状等图像特征进行提取与表征;同时结合光谱分析技术可识别岩石中矿物及元素含量的变化,建立起敏感元素与特征矿物和不良地质影响区地质前兆特征之间的定量表征关系。
同时,本公开利用基座设置于TBM上,利用单独的传送带进行分析工作,并不干扰TBM的本身工作,实现掘进、分析和预报的一体化、集成化。
作为进一步的限定,所述基座上面设置有防护棚。防护棚能够有效防止其他干扰因素。
防护棚焊接坐落于基座上方,由四个角钢作为棚顶支撑,棚顶形状为拱形,材质为不锈钢板,可防止隧道拱顶的落石、渗水等破坏基座上的仪器部件。防护棚的两侧由钢化玻璃板遮挡,并用紧固螺栓将其固定在支撑角钢上。
作为进一步的限定,所述基座由角钢构成,基座轮廓为长方形,焊接于主控室附近的TBM传送带上方,主要为该系统的其他部件提供支撑作用。
作为进一步的限定,所述可伸缩式机械抓手,包括电动液压立柱、支撑杆、电动液压臂、机械臂、电动液压杆、摇杆、连杆以及抓斗,电动液压立柱垂直焊接在基座上,用来安装电动液压臂和支撑杆,可上下伸缩,用来控制整个机械抓手装置的升降,所述支撑杆一端垂直固定连接在电动液压立柱上,一端与机械臂用销轴连接,所述电动液压臂一端连接在电动液压立柱上,一端与机械臂用销轴连接,所述抓斗有两个,并用销轴对称安装在机械臂的前端,同时在抓斗前端安装有斗齿,与抓斗相对应,电动液压伸缩杆有两个,分别用摇杆和连杆相连接,用来控制抓斗的张开与闭合。
作为进一步的限定,所述机械臂的前端与抓斗相连处固定安装有激光轮廓测量仪,用来对TBM传送带上的岩块大小进行量测,当测量到的岩块大小符合所设定范围时,将该信号传输至控制系统控制机械抓手对该岩块进行抓取。
作为进一步的限定,所述抓斗中还安装有高压喷头,高压喷头通过水管与外置的水泵相连,当抓斗抓取岩块后,高压喷头会自动喷水对抓取岩块进行冲洗,以确保抓取岩块表面无其他渣粉的污染。
作为进一步的限定,所述传送带系统安装在基座上部的防护棚内,包括传送带、滚筒、伺服电机及位移传感器,所述滚筒有至少两个,所述传送带缠绕在滚筒上,所述伺服电机驱动滚筒,以驱动传送带的运动,位移传感器用来测定传送带上待测岩块的传送位移,位移传感器和伺服电机均与控制系统通讯。
作为进一步的限定,所述烘干机构为烘干机,对所抓取的待测岩块进行风干,当传送带系统将待测岩块传送到烘干机正下方时,控制系统开始控制风干机进行工作,释放出热风吹到待测岩块表面,在一定时间后,烘干机停止工作,待测岩块的表面被烘干。
作为进一步的限定,所述图像识别装置包括图像采集装置、照明装置和图像识别系统,所述图像采集装置为数码相机,被配置为拍摄待测岩块的高清图像,照明装置包括若干个工业照明光源,安置于图像采集装置旁,图像识别系统应用深度学习技术,使用卷积神经网络智能识别模型训练已有岩石标本库中的岩石图像,与已建立的岩石标本库图像对比,进行信息融合与分析,最终可以给出初步的岩性识别结果,当图像采集装置拍摄到待测岩块图像时,会将采集到的图像传输至数据综合分析平台。
作为进一步的限定,所述X射线荧光分析装置包括驱动电机、底盘、连杆、电动液压杆、销轴、球铰和X射线荧光分析仪,驱动电机与底盘相连接,控制整个底盘的旋转,所述底盘与连杆、底盘与电动液压杆之间用销轴相连接,连杆与电动液压杆之间固定连接,X射线荧光分析仪与连杆的另一端用球铰相连接,从而控制X射线荧光分析仪从不同的角度对下方待测岩块进行检测,所述X射线荧光分析仪会发射出X射线并照射到待测岩块上,并接收产生的次级特征X射线,给出待测岩块中元素种类及其含量,并将该结果传输至数据综合分析平台。
作为进一步的限定,所述粉碎装置包括电机、粉碎舱、粉碎轴、粉碎刀、进料口、斗舱、出料口、筛网、阀门和吹风机,电机安装在整个粉碎装置的上部,负责提供高速旋转的动力,伺服电机轴部连接有粉碎轴,粉碎轴的前端安装有粉碎刀,且粉碎轴和粉碎刀都设置在粉碎舱内,在粉碎舱的一侧设有进料口,传送带系统上的样品可自动掉落到进料口,从而进入粉碎舱,所述粉碎舱的下部安装有一层筛网,粉碎过程中筛网过滤后的颗粒会落入粉碎舱下方设置的斗舱中,所述斗舱下部有两个出料口,一个为粉料出料口,一个为废料出料口,粉料出口的粉末颗粒可直接落入下方的X射线衍射分析装置的样品舱中,废料出口的废料直接掉入下方的TBM主传送带上,且在两个出料口处各有一个阀门,所述吹风机安装在粉碎舱的上部。
作为进一步的限定,所述X射线衍射分析装置包括X射线衍射分析仪和样品舱,所述样品舱具有上、下开口,且在上开口上方安装有吹风机,且上、下开口均有开关进行控制相应开口的开闭。
基于上述系统的预报方法,包括以下步骤:
启动系统,获取TBM掘进过程中采集到的岩石图像信息、岩石中元素种类及含量信息、岩石中矿物种类及含量信息;
基于采集到的岩石图像信息,应用卷积神经网络,通过卷积层和最大池化层对岩石的颜色、纹理和形状等图像特征进行提取与表征;
将提取与表征出的岩石图像特征信息与采集到的岩石元素种类及含量、岩石矿物种类及含量进行信息融合,并输入到岩石智能识别系统中已经训练好的岩石图像自动识别与分类模型中进行分析对比,最后给出待测岩块的岩石名称、不良地质标志以及准确率;
对采集到的大量岩石元素种类及含量进行数据对比与分析,应用数据挖掘技术提取出其不良地质敏感元素,并定量研究其变化规律;
对采集到的大量岩石矿物种类及含量进行数据对比与分析,应用数据挖掘技术提取出不良地质特征矿物,并定量研究其变化规律;
在连续测量一定掘进距离的岩样后,将所提取岩石中能够反映不良地质信息的标志图像、不良地质敏感元素及不良地质矿物富集信息利用神经网络进行信息融合与修正,与基于数据挖掘技术所建立起的不良地质前兆特征定量表征关系数据库相对比、分析,从而给出掌子面前方岩性变化与不良地质赋存特征,实现基于岩性与不良地质前兆特征智能识别的隧道超前地质预报。
与现有技术相比,本公开的有益效果为:
1)本公开通过控制系统控制所述可伸缩机械抓手、传送带系统、粉碎装置、图像识别装置、X射线荧光分析装置及X射线衍射分析装置的次序动作,可实现工作的全自动化和连续性。
2)本公开集合了图像识别技术及光谱分析技术,可对岩性进行准确快速识别,利用光谱分析技术可识别岩石中矿物及元素含量的变化,建立起敏感元素与特征矿物和不良地质影响区地质前兆特征之间的定量表征关系。
3)本公开与TBM搭载,利用单独的传送带进行分析工作,并不干扰TBM的本身工作,可实时分析TBM掘进工作过程中岩性及不良地质前兆特征的变化。
5)本公开能够将不良地质信息的标志图像、不良地质敏感元素及不良地质矿物富集信息利用神经网络进行信息融合,再与基于数据挖掘技术所建立起的不良地质前兆特征定量表征关系数据库相对比、分析,可以给出掌子面前方岩性变化与不良地质赋存特征,从而最终实现基于岩性与不良地质前兆特征智能识别的隧道超前地质预报。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1是本公开的构示意图;
图2是可收缩机械抓手结构图;
图3是抓斗三维结构图;
图4是X射线荧光分析装置图;
图5是研磨装置结构图;
图6是X射线衍射分析仪结构示意图;
其中1.TBM主传送带;2.基座;3.防护棚;4.可收缩机械抓手;5.传送带系统;6.烘干机;7.图像采集装置;8.照明装置;9.X射线荧光分析装置;10.粉碎装置;11.X射线衍射分析装置;12.控制系统;13.数据综合分析平台;14.TBM主控室;15.电动液压立柱;16.电动液压臂;17.机械臂;18.支撑杆;19.电动液压杆;20.摇杆;21.连杆;22.销轴;23.抓斗;24.斗齿25.高压喷头;26.激光轮廓测量仪;27.伺服电机;28.销轴;29.底盘30.电动液压杆;31.连杆;32.球铰;33.X射线荧光分析仪;34.伺服电机;35.粉碎轴;36.进料口;37.粉碎舱;38.粉碎刀;39.筛网;40.斗舱;41.阀门;42.粉末出料口;43.废料出料口;44.吹风机。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本公开中,术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,只是为了便于叙述本公开各部件或元件结构关系而确定的关系词,并非特指本公开中任一部件或元件,不能理解为对本公开的限制。
本公开中,术语如“固接”、“相连”、“连接”等应做广义理解,表示可以是固定连接,也可以是一体地连接或可拆卸连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员,可以根据具体情况确定上述术语在本公开中的具体含义,不能理解为对本公开的限制。
一种基于岩性与不良地质前兆特征智能识别的基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统及方法,包括基座、防护棚、可伸缩机械抓手、传送带系统、烘干机、图像采集装置、X射线荧光分析装置、粉碎装置、X射线衍射分析装置、控制系统和数据综合分析平台。基座主要为该系统的其他部件提供支撑作用,防护棚焊接坐落于基座上方,可防止隧道拱顶的落石、渗水等破坏基座上的仪器部件。可伸缩机械抓手能实现对待测岩块的抓取,以及完成对待测岩块的冲洗工作。烘干机负责将冲洗好的待测岩块烘干,随后图像采集装置完成对待测岩块图像的采集工作,并将图像信息传输至数据综合分析平台中的岩石智能识别系统。X射线荧光分析装置能够实现对岩块中元素种类及含量的识别,X射线衍射装置能够实现对由粉碎装置处理后的粉末进行衍射分析,并给出待测岩块中矿物种类及含量结果,最后将这些测试结果传输到数据综合分析系统中进行信息融合与修正,并给出岩性特征的识别结果。
在连续测量一定掘进距离的岩样后,数据综合分析平台将所提取的岩石中能够反映不良地质信息的标志图像、不良地质敏感元素及不良地质矿物富集信息利用神经网络进行信息融合与修正,再与基于数据挖掘技术所建立起的不良地质前兆特征定量表征关系数据库相对比、分析,从而给出掌子面前方岩性变化与不良地质赋存特征,最终实现基于岩性与不良地质前兆特征智能识别的隧道超前地质预报。同时,随着TBM掘进工作的不断推进,该数据综合分析平台中的信息不断完善,最终的岩性识别结果和隧道超前地质预报结果会得到不断的修正,并趋于准确。
具体的,一种基于岩性与不良地质前兆特征智能识别的基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统,如图1所示,具体包括基座2、防护棚3、可收缩机械抓手4、传送带系统5、烘干机6、图像采集装置7、照明装置8、X射线荧光分析装置9、粉碎装置10、X射线衍射分析装置11、控制系统12和数据综合分析平台13。
基座2主要由角钢构成,基座轮廓为长方形,焊接于主控室附近的TBM传送带上方,主要为该系统的其他部件提供支撑作用。
防护棚3焊接坐落于基座上方,由四个角钢作为棚顶支撑,棚顶形状为拱形,材质为不锈钢板,可防止隧道拱顶的落石、渗水等破坏基座上的仪器部件。防护棚3的前后面由钢化玻璃板遮挡,并用紧固螺栓将其固定在支撑角钢上。
如图2所示,可伸缩式机械抓手4主要由电动液压立柱15、支撑杆18、电动液压臂16、机械臂17、电动液压杆19、摇杆20、连杆21以及抓斗23组成。电动液压立柱15垂直焊接在基座2上,用来安装电动液压臂16和支撑杆18,可上下伸缩,用来控制整个机械抓手装置的升降。支撑杆18一端垂直固定连接在电动液压立柱15上,一端与机械臂17用销轴连接。电动液压臂16一端连接在电动液压立柱15上,一端与机械臂17用销轴连接。如图3所示,在抓斗的前端安装有斗齿24,除了有确保岩块容易抓取外,在抓斗闭合后进行岩块冲洗时,使冲洗后的水和岩渣流出。在机械臂的前端与抓斗23相连处固定安装有激光轮廓测量仪25,用来对TBM传送带上的岩块大小进行量测,当测量到的岩块大小符合所设定范围时,可将该信号传输至控制系统控制机械抓手对该岩块进行抓取。在抓斗中还安装有高压喷头26,高压喷头通过水管与外置的水泵相连,当抓斗抓取岩块后,高压喷头26会自动喷水对抓取岩块进行冲洗,以确保抓取岩块表面无其他渣粉的污染。
传送带系统5安装在基座上部的防护棚内,包括传送带、滚筒、伺服电机及位移传感器。烘干机6放置于系统传送带的上方5cm高度处,主要是对所抓取的待测岩块进行风干。伺服电机负责驱动传送带的运动,位移传感器用来测定传送带上待测岩块的传送位移,两者再与控制系统相结合,可实现对待测岩块位移的实时控制。
烘干机6放置于系统传送带的上方5cm高度处,主要是对所抓取的待测岩块进行风干。当传送带系统将待测岩块传送到烘干机6正下方时,控制系统开始控制风干机进行工作,释放出热风吹到待测岩块表面,在一定时间后,烘干机停止工作,待测岩块的表面被烘干。传送带系统又开始工作,将待测岩块继续向前传送。
图像识别装置主要由图像采集装置7、照明装置8和图像识别系统组成。图像采集装置7为高清数码相机,主要负责拍摄待测岩块的高清图像,并将信息传输至数据综合分析平台13中。照明装置8主要由两个工业照明光源组成,安置于图像采集装置内部两侧处。在本实施例中,图像识别系统是一个基于Windows系统所开发出的岩石智能识别软件,该软件应用深度学习技术,使用卷积神经网络智能识别模型训练已有岩石标本库中的岩石图像,与已建立的岩石标本库图像对比,进行信息融合与分析,最终可以给出初步的岩性识别结果。当图像采集装置拍摄到待测岩块图像时,会将采集到的图像传输至岩石智能识别系统中,同时,传送带又继续工作,将待测岩块传送到X射线荧光分析装置下方。
如图4所示,X射线荧光分析装置9主要由伺服电机27、底盘29、连杆31、电动液压杆30、销轴28、球铰32、X射线荧光分析仪33构成,伺服电机27与底盘29相连接,可以控制整个底盘29的旋转。底盘29与连杆31、底盘29与电动液压杆30之间用销轴相连接,连杆31与电动液压杆30之间固定连接,X射线荧光分析仪与连杆31的另一端用球铰32相连接,从而可控制X射线荧光分析仪从不同的角度对下方待测岩块进行检测。X射线荧光分析仪发射出X射线并照射到待测岩块上,并接收产生的次级特征X射线,给出待测岩块中元素种类及其含量,并将该结果传输至数据综合分析平台13中。
如图5所示,粉碎装置10由粉碎机构成,粉碎机主要包括伺服电机34、粉碎舱37、粉碎轴35、粉碎刀38、进料口36、斗舱40、出料口42和43、筛网39、阀门41和吹风机44组成,伺服电机34安装在整个装置的上部,负责提供高速旋转的动力。伺服电机34轴部连接有粉碎轴35,粉碎轴35的前端又安装有粉碎刀38,且粉碎轴35和粉碎刀38都在粉碎舱37内。在粉碎舱37的一侧设有进料口36,传送带系统上的样品可自动掉落到进料口36,从而进入粉碎舱37。在粉碎舱37的下部安装有一层较厚的200目筛网39,粉碎过程中小于200目的颗粒会自动调入下方的斗舱40中。在斗舱40下部有两个出料口42、43,一个为粉料出料口,一个为废料出料口,粉料出口的粉末颗粒可直接落入下方的X射线衍射分析仪的样品舱中,废料出口的废料直接掉入下方的TBM主传送带上,且在两个出料口处各有一个阀门。吹风机44安装在粉碎舱37的上部,主要负责将粉碎舱37及筛网39中的残余废料吹扫干净。可将待测岩块研磨成粉末,为X射线衍射装置11提供试验材料。
X射线衍射分析装置11主要由X射线衍射分析仪构成,如图6所示,其主要结构包括X射线管、X射线检测器、测角仪、样品舱、数据采集系统及数据处理分析系统。样品舱具有上、下开口,且在上开口上方安装有小型吹风机,装样时上开口打开,工作时上下开口闭合,测试完成后下开口打开,吹风机开始工作并将样品舱中的岩粉吹扫到TBM主传送带上运移走。
控制系统12,主要接收来自可伸缩机械抓手4、传送带系统5、烘干机6、图像采集装置7、照明装置8、X射线荧光分析装置9和粉碎装置10的控制信息,控制以上各装置的工作和停止。
数据综合分析平台13包括基于图像及光谱技术的岩性智能识别系统、不良地质前兆特征数据库以及超前地质预报系统。平台13安装在TBM主控室14中,和以上各装置间用数据连接线相连。
基于岩性与不良地质前兆特征智能识别的基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统,具体实施过程包括以下步骤:
(1)在TBM开始掘进且切削下来的岩渣被TBM主传送带1传送到该系统装置的下方后,在TBM主控室14按下整个系统的工作按钮,该系统开始工作。
(2)首先是可伸缩机械抓手4开始工作,机械臂17的前端,与抓斗23连接处安装的激光轮廓测量仪对TBM传送带上的岩块大小进行量测,随后选取一块符合系统所设定大小范围的岩块进行抓取。在抓取岩块后,高压喷头25会自动喷水对抓斗中的岩块进行冲洗,冲洗完成后,电动液压臂16和电动液压杆19开始伸缩和移动并将待测岩块放到传送带系统5上。
(3)当岩块运移到烘干机6的正下方时,传送带系统5停止工作,控制系统12开始控制风干机6进行工作,吹出热风,在2分钟后,待测岩块的表面即被烘干,烘干机停止工作。
(4)当传送带系统5再次开始工作,将待测岩块传送到图像采集装置7的下方时。传送带系统5再次停止工作,照明装置8开始亮灯,图像采集装置对待测岩块连续拍照,且将所采集到的照片传输至数据综合分析平台13的岩性智能识别系统中。
(5)传送带系统5继续工作,将待测岩块传送到X射线荧光分析装置9下方后再次停止工作,此时X射线荧光分析装置9开始工作,首先是伺服电机27和电动液压杆30控制X射线荧光分析的照射方向,对下方的待测岩块进行不同部位的多次照射,最终给出待测岩块中元素种类及其含量,并将该结果传输至数据综合分析平台13中。
(6)待测岩块完成X射线荧光分析后,传送带系统5继续工作,并将待测岩块会送进粉碎装置10的进料口中,随后粉碎机开始工作,首先是粉末出料口42的阀门打开,废料出料口43的阀门闭合。在粉碎过程中,从筛网39中落下的粉末颗粒会自动调入X射线衍射分析仪中的样品舱中。当样品舱中的粉末达到一定量后,粉碎机停止工作,粉末出料口42的阀门闭合,废料出料口43的阀门打开,筛网会被抽出,吹风机44同时开始进行吹扫工作,将剩余的废料从废料出料口吹扫到下方的TBM主传送带1上。
(7)在落入样品舱的岩粉达到一定量后,样品舱的开口闭合,X射线衍射分析装置11开始工作,随后给出待测岩块中矿物种类及其含量,并将该结果传输至数据综合分析平台13中。测试完成后下,样品舱的下开口打开,吹风机开始工作并将样品舱中的岩粉吹扫到TBM主传送带1上运移走。
(8)数据综合分析平台13根据图像智能识别系统给出岩性特征、X射线荧光分析装置给出的岩样中各元素的种类及含量结果以及X射线衍射分析装置11给出的矿物种类及含量结果,与已建立的岩石图像、元素与矿物标准数据库对比分析,最后给出待测岩块精确的岩性识别结果。
(9)在连续测量一定掘进距离的岩样后,将所提取的岩石中能够反映不良地质信息的标志图像、不良地质敏感元素及不良地质矿物富集信息利用神经网络进行信息融合与修正,再与基于数据挖掘技术所建立起的不良地质前兆特征定量表征关系数据库相对比、分析,从而给出掌子面前方岩性变化与不良地质赋存特征,最终实现基于岩性与不良地质前兆特征智能识别的隧道超前地质预报。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统,其特征是:包括基座,所述基座设置于TBM主传送带上,其上依次设置有可伸缩机械抓手、传送带系统、粉碎装置、控制系统和数据综合分析平台,其中:
所述可伸缩机械抓手用于将所述TBM主传送带的待测岩块并放置在传送带系统上,所述传送带系统上方依次设置有烘干机构、图像识别装置和X射线荧光分析装置,分别对待测岩块施加表面烘干、岩性识别和X射线荧光分析;
所述粉碎装置设置于传送带系统的末端,对待测岩块进行粉碎,粉碎装置出口的粉末颗粒可直接落入下方设置的X射线衍射分析装置的样品舱中;
所述控制系统控制所述可伸缩机械抓手、传送带系统、粉碎装置、图像识别装置、X射线荧光分析装置及X射线衍射分析装置的动作;
所述数据综合分析平台,被配置为接收图像识别装置、X射线荧光分析装置和X射线衍射分析装置的采集结果,依据所提取岩石中能够反映不良地质信息的标志图像、不良地质敏感元素及不良地质矿物富集信息利用神经网络进行信息融合与修正,进行分析,得到掌子面前方岩性变化与不良地质赋存特征,实现基于岩性与不良地质前兆特征智能识别的隧道超前地质预报。
2.如权利要求1所述的一种基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统,其特征是:所述基座上面设置有防护棚,防护棚焊接坐落于基座上方,由角钢作为棚顶支撑,棚顶形状为拱形,材质为不锈钢板,防护棚的两侧由钢化玻璃板遮挡,并用紧固螺栓将其固定在支撑角钢上。
3.如权利要求1所述的一种基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统,其特征是:所述基座由角钢构成,基座轮廓为长方形,焊接于主控室附近的TBM传送带上方,主要为该系统的其他部件提供支撑作用。
4.如权利要求1所述的一种基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统,其特征是:所述可伸缩式机械抓手,包括电动液压立柱、支撑杆、电动液压臂、机械臂、电动液压杆、摇杆、连杆以及抓斗,电动液压立柱垂直焊接在基座上,用来安装电动液压臂和支撑杆,可上下伸缩,用来控制整个机械抓手装置的升降,所述支撑杆一端垂直固定连接在电动液压立柱上,一端与机械臂用销轴连接,所述电动液压臂一端连接在电动液压立柱上,一端与机械臂用销轴连接,所述抓斗有两个,并用销轴对称安装在机械臂的前端,同时在抓斗前端安装有斗齿,与抓斗相对应,电动液压伸缩杆有两个,分别用摇杆和连杆相连接,用来控制抓斗的张开与闭合;
或,所述机械臂的前端与抓斗相连处固定安装有激光轮廓测量仪,用来对TBM传送带上的岩块大小进行量测,当测量到的岩块大小符合所设定范围时,将该信号传输至控制系统控制机械抓手对该岩块进行抓取;
或,所述抓斗中还安装有高压喷头,高压喷头通过水管与外置的水泵相连,当抓斗抓取岩块后,高压喷头会自动喷水对抓取岩块进行冲洗,以确保抓取岩块表面无其他渣粉的污染。
5.如权利要求1所述的一种基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统,其特征是:所述传送带系统安装在基座上部的防护棚内,包括传送带、滚筒、伺服电机及位移传感器,所述滚筒有至少两个,所述传送带缠绕在滚筒上,所述伺服电机驱动滚筒,以驱动传送带的运动,位移传感器用来测定传送带上待测岩块的传送位移,位移传感器和伺服电机均与控制系统通讯。
6.如权利要求1所述的一种基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统,其特征是:所述图像识别装置包括图像采集装置、照明装置和图像识别系统,所述图像采集装置为数码相机,被配置为拍摄待测岩块的高清图像,照明装置包括若干个工业照明光源,安置于图像采集装置旁,图像识别系统应用深度学习技术,使用卷积神经网络智能识别模型训练已有岩石标本库中的岩石图像,与已建立的岩石标本库图像对比,进行信息融合与分析,最终可以给出初步的岩性识别结果,当图像采集装置拍摄到待测岩块图像时,会将采集到的图像传输至数据综合分析平台。
7.如权利要求1所述的一种基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统,其特征是:所述X射线荧光分析装置包括驱动电机、底盘、连杆、电动液压杆、销轴、球铰和X射线荧光分析仪,驱动电机与底盘相连接,控制整个底盘的旋转,所述底盘与连杆、底盘与电动液压杆之间用销轴相连接,连杆与电动液压杆之间固定连接,X射线荧光分析仪与连杆的另一端用球铰相连接,从而控制X射线荧光分析仪从不同的角度对下方待测岩块进行检测,所述X射线荧光分析仪会发射出X射线并照射到待测岩块上,并接收产生的次级特征X射线,给出待测岩块中元素种类及其含量,并将该结果传输至数据综合分析平台。
8.如权利要求1所述的一种基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统,其特征是:所述烘干机构为烘干机,对所抓取的待测岩块进行风干,当传送带系统将待测岩块传送到烘干机正下方时,控制系统开始控制风干机进行工作,释放出热风吹到待测岩块表面,在一定时间后,烘干机停止工作,待测岩块的表面被烘干。
9.如权利要求1所述的一种基于岩性与不良地质前兆特征识别的TBM搭载式超前地质预报系统,其特征是:所述粉碎装置包括电机、粉碎舱、粉碎轴、粉碎刀、进料口、斗舱、出料口、筛网、阀门和吹风机,电机安装在整个粉碎装置的上部,负责提供高速旋转的动力,伺服电机轴部连接有粉碎轴,粉碎轴的前端安装有粉碎刀,且粉碎轴和粉碎刀都设置在粉碎舱内,在粉碎舱的一侧设有进料口,传送带系统上的样品可自动掉落到进料口,从而进入粉碎舱,所述粉碎舱的下部安装有一层筛网,粉碎过程中筛网过滤后的颗粒会落入粉碎舱下方设置的斗舱中,所述斗舱下部有两个出料口,一个为粉料出料口,一个为废料出料口,粉料出口的粉末颗粒可直接落入下方的X射线衍射分析装置的样品舱中,废料出口的废料直接掉入下方的TBM主传送带上,且在两个出料口处各有一个阀门,所述吹风机安装在粉碎舱的上部;
或,所述X射线衍射分析装置包括X射线衍射分析仪和样品舱,所述样品舱具有上、下开口,且在上开口上方安装有吹风机,且上、下开口均有开关进行控制相应开口的开闭。
10.基于权利要求1-9中任一项所述的系统的预报方法,其特征是:包括以下步骤:
启动系统,获取TBM掘进过程中采集到的岩石图像信息、岩石中元素种类及含量信息、岩石中矿物种类及含量信息;
基于采集到的岩石图像信息,应用卷积神经网络,通过卷积层和最大池化层对岩石的颜色、纹理和形状等图像特征进行提取与表征;
将提取与表征出的岩石图像特征信息与采集到的岩石元素种类及含量、岩石矿物种类及含量进行信息融合,并输入到岩石智能识别系统中已经训练好的岩石图像自动识别与分类模型中进行分析对比,最后给出待测岩块的岩石名称、不良地质标志以及准确率;
对采集到的大量岩石元素种类及含量进行数据对比与分析,应用数据挖掘技术提取出其不良地质敏感元素,并定量研究其变化规律;
对采集到的大量岩石矿物种类及含量进行数据对比与分析,应用数据挖掘技术提取出不良地质特征矿物,并定量研究其变化规律;
在连续测量一定掘进距离的岩样后,将所提取岩石中能够反映不良地质信息的标志图像、不良地质敏感元素及不良地质矿物富集信息利用神经网络进行信息融合与修正,与基于数据挖掘技术所建立起的不良地质前兆特征定量表征关系数据库相对比、分析,从而给出掌子面前方岩性变化与不良地质赋存特征,实现基于岩性与不良地质前兆特征智能识别的隧道超前地质预报。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910271921.4A CN110043267B (zh) | 2019-04-04 | 2019-04-04 | 基于岩性与不良地质前兆特征识别的tbm搭载式超前地质预报系统及方法 |
PCT/CN2019/084654 WO2020199290A1 (zh) | 2019-04-04 | 2019-04-26 | 基于岩性与不良地质前兆特征识别的tbm搭载式超前地质预报系统及方法 |
AU2019439936A AU2019439936B2 (en) | 2019-04-04 | 2019-04-26 | TBM-mounted advanced geological prediction system and method based on identification of lithology and adverse geology precursor characteristics |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910271921.4A CN110043267B (zh) | 2019-04-04 | 2019-04-04 | 基于岩性与不良地质前兆特征识别的tbm搭载式超前地质预报系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110043267A true CN110043267A (zh) | 2019-07-23 |
CN110043267B CN110043267B (zh) | 2020-07-31 |
Family
ID=67276126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910271921.4A Active CN110043267B (zh) | 2019-04-04 | 2019-04-04 | 基于岩性与不良地质前兆特征识别的tbm搭载式超前地质预报系统及方法 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN110043267B (zh) |
AU (1) | AU2019439936B2 (zh) |
WO (1) | WO2020199290A1 (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110672355A (zh) * | 2019-07-26 | 2020-01-10 | 山东大学 | 一种tbm搭载式全自动取样装置、tbm及方法 |
CN110672356A (zh) * | 2019-09-06 | 2020-01-10 | 山东大学 | 一种tbm搭载式岩石粉末取样装置及其方法 |
CN110954452A (zh) * | 2019-12-10 | 2020-04-03 | 山东交通学院 | Tbm搭载式自动获取岩渣粒径及强度特征试验装置及方法 |
CN110989024A (zh) * | 2019-12-17 | 2020-04-10 | 山东大学 | 基于岩石矿物分析的tbm隧道断层破碎带预报系统及方法 |
CN111197500A (zh) * | 2020-01-06 | 2020-05-26 | 山东大学 | 适用于tbm掘进隧道围岩等级实时判别方法及系统 |
CN111208158A (zh) * | 2019-09-06 | 2020-05-29 | 山东大学 | Tbm搭载式岩石石英含量测定系统及其方法 |
CN111220789A (zh) * | 2020-01-21 | 2020-06-02 | 山东大学 | Tbm搭载的利用汞进行超前地质预报的系统及方法 |
CN111220776A (zh) * | 2020-01-21 | 2020-06-02 | 山东大学 | Tbm搭载式放射性氡进行超前地质预报的系统及方法 |
CN111220424A (zh) * | 2020-01-20 | 2020-06-02 | 山东大学 | 基于隧道掌子面气体监测的tbm搭载式超前地质预报系统及方法 |
CN111221024A (zh) * | 2019-09-06 | 2020-06-02 | 山东大学 | Tbm搭载式隧道前方围岩放射性预报系统及方法 |
CN111220567A (zh) * | 2020-01-20 | 2020-06-02 | 山东大学 | Tbm搭载式岩石蚀变特征识别及地质预报系统及其方法 |
CN111220493A (zh) * | 2019-09-06 | 2020-06-02 | 山东大学 | Tbm搭载式围岩耐磨性测试系统与方法 |
CN111380945A (zh) * | 2020-04-14 | 2020-07-07 | 高军 | 一种基于电性参数时衰的隧道含水预警系统和方法 |
CN111582387A (zh) * | 2020-05-11 | 2020-08-25 | 吉林大学 | 一种岩石光谱特征融合分类方法及系统 |
CN111751394A (zh) * | 2020-04-17 | 2020-10-09 | 山东大学 | 基于图像与xrf矿物反演的岩性识别方法及系统 |
CN111812136A (zh) * | 2020-07-10 | 2020-10-23 | 山东大学 | Tbm搭载式矿物成分检测方法、超前地质预报方法及系统 |
CN112033986A (zh) * | 2019-08-09 | 2020-12-04 | 山东大学 | 一种tbm渣片射线背散射实时扫描成像装置及方法 |
CN112302679A (zh) * | 2020-10-26 | 2021-02-02 | 中国电建集团成都勘测设计研究院有限公司 | 一种勘探平硐覆盖层洞段的可视化支撑结构及其施工方法 |
CN112610227A (zh) * | 2020-12-14 | 2021-04-06 | 山东大学 | 一种敞开式tbm穿越不良地质快速施工方法 |
CN112666197A (zh) * | 2020-11-29 | 2021-04-16 | 山东大学 | 一种用于tbm的岩渣石英含量测试系统及方法 |
WO2021073542A1 (zh) * | 2019-10-15 | 2021-04-22 | 山东大学 | 一种适用于tbm的围岩力学参数自动测试系统及方法 |
CN113297962A (zh) * | 2021-05-24 | 2021-08-24 | 山东大学 | 无人机搭载式xrf和图像融合的岩性识别系统及方法 |
CN113779690A (zh) * | 2021-11-11 | 2021-12-10 | 山东大学 | 基于随钻感知的超前地质预报方法及系统 |
US20220011204A1 (en) * | 2020-07-10 | 2022-01-13 | Wuhan University | Real-time measurement system and measurement method for mechanical parameters of rock slag during excavation |
CN114135278A (zh) * | 2021-11-11 | 2022-03-04 | 山东大学 | 一种随钻感知不良地质智能识别与预报系统及方法 |
CN116008049A (zh) * | 2023-03-30 | 2023-04-25 | 西安石油大学 | 一种地质样品预处理装置 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112333555B (zh) * | 2020-11-09 | 2022-11-15 | 成都中科大旗软件股份有限公司 | 基于5g的流媒体服务平台 |
CN112964854A (zh) * | 2021-02-03 | 2021-06-15 | 成都大学 | 智能地质灾害监测仪 |
FR3121468B1 (fr) * | 2021-04-06 | 2024-07-12 | Vinci Construction | Procédé de détection de la consistance du marin excavé par un tunnelier |
CN113269713B (zh) * | 2021-04-07 | 2023-04-07 | 西南交通大学 | 隧道掌子面地下水出水形式智能识别方法及确定装置 |
CN113298220B (zh) * | 2021-05-31 | 2023-08-04 | 中铁十六局集团北京轨道交通工程建设有限公司 | 一种基于神经网络优化的盾构机掘进速度预测方法 |
CN113609908B (zh) * | 2021-07-02 | 2022-09-06 | 赣州好朋友科技有限公司 | 矿料识别方法、分选设备及计算机可读存储介质 |
CN114063063A (zh) * | 2021-09-09 | 2022-02-18 | 浙江浙能天然气运行有限公司 | 基于合成孔径雷达和点状传感器的地质灾害监测方法 |
CN114135279A (zh) * | 2021-11-11 | 2022-03-04 | 山东大学 | 基于地化特征随钻测试的蚀变带快速识别预报系统及方法 |
CN114320316A (zh) * | 2022-01-14 | 2022-04-12 | 重庆邮电大学 | 一种盾构机施工预警方法及装置 |
CN115408925A (zh) * | 2022-07-22 | 2022-11-29 | 北京交通大学 | 用于隧道施工的岩体参数预测方法和装置 |
CN115753632B (zh) * | 2022-10-19 | 2024-05-31 | 山东大学 | 基于图像光谱的隧道内不良地质体实时判识方法及系统 |
CN115655826B (zh) * | 2022-10-27 | 2023-05-12 | 生态环境部南京环境科学研究所 | 一种岩溶地区土壤分析用样本加工及分析装置 |
CN116519477B (zh) * | 2023-07-04 | 2023-09-29 | 煤炭科学技术研究院有限公司 | 一种岩石失稳判别方法、装置及存储介质 |
CN117030752B (zh) * | 2023-10-10 | 2024-01-12 | 沈阳隆基智能技术研究有限公司 | 一种在线矿浆多元素品位分析系统 |
CN117168419B (zh) * | 2023-11-02 | 2024-02-02 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于机器视觉系统的岩体结构与质量自动化识别方法 |
CN117371111B (zh) * | 2023-11-21 | 2024-06-18 | 石家庄铁道大学 | 基于深度神经网络和数值仿真的tbm卡机预测系统及方法 |
CN117975315B (zh) * | 2024-04-02 | 2024-06-07 | 中国电建集团华东勘测设计研究院有限公司 | 一种基于无人机影像的库区地质灾害差分识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07280946A (ja) * | 1994-03-29 | 1995-10-27 | Amberg Measuring Technik Ltd | トンネル穿孔機械における切羽前方探査装置 |
CN101344001A (zh) * | 2008-08-05 | 2009-01-14 | 中国石化集团华北石油局 | 石油钻井中x射线荧光陆源碎屑岩孔隙度的分析方法 |
CN103308454A (zh) * | 2012-03-08 | 2013-09-18 | 王宏 | 一种矿物分析装置 |
CN107608005A (zh) * | 2017-06-07 | 2018-01-19 | 同济大学 | 一种异常地质探测解析装置、方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698806B (zh) * | 2014-01-07 | 2015-01-07 | 山东大学 | 一种tbm上三种超前地质预报仪器的搭载装置 |
WO2016186691A1 (en) * | 2015-05-20 | 2016-11-24 | Schlumberger Canada Limited | Hydraulic fracturability index using high resolution core measurements |
CN205786410U (zh) * | 2016-05-11 | 2016-12-07 | 中石化石油工程技术服务有限公司 | 一种x射线荧光岩屑元素分析装置 |
CN205786402U (zh) * | 2016-06-03 | 2016-12-07 | 上海科油石油仪器制造有限公司 | 一种石油钻井x射线元素录井分析控制系统 |
CN206740654U (zh) * | 2017-05-15 | 2017-12-12 | 中国地质调查局油气资源调查中心 | 一种全直径页岩样品的快速综合评价装置 |
-
2019
- 2019-04-04 CN CN201910271921.4A patent/CN110043267B/zh active Active
- 2019-04-26 WO PCT/CN2019/084654 patent/WO2020199290A1/zh active Application Filing
- 2019-04-26 AU AU2019439936A patent/AU2019439936B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07280946A (ja) * | 1994-03-29 | 1995-10-27 | Amberg Measuring Technik Ltd | トンネル穿孔機械における切羽前方探査装置 |
CN101344001A (zh) * | 2008-08-05 | 2009-01-14 | 中国石化集团华北石油局 | 石油钻井中x射线荧光陆源碎屑岩孔隙度的分析方法 |
CN103308454A (zh) * | 2012-03-08 | 2013-09-18 | 王宏 | 一种矿物分析装置 |
CN107608005A (zh) * | 2017-06-07 | 2018-01-19 | 同济大学 | 一种异常地质探测解析装置、方法及系统 |
Cited By (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021017451A1 (zh) * | 2019-07-26 | 2021-02-04 | 山东大学 | 一种tbm搭载式全自动取样装置及方法 |
CN110672355A (zh) * | 2019-07-26 | 2020-01-10 | 山东大学 | 一种tbm搭载式全自动取样装置、tbm及方法 |
CN112033986A (zh) * | 2019-08-09 | 2020-12-04 | 山东大学 | 一种tbm渣片射线背散射实时扫描成像装置及方法 |
WO2021043310A1 (zh) * | 2019-09-06 | 2021-03-11 | 山东大学 | Tbm搭载式隧道前方围岩放射性预报系统及方法 |
AU2020343837B2 (en) * | 2019-09-06 | 2023-08-03 | Shandong University | Tbm-mounted rock quartz content testing system and method |
CN111208158A (zh) * | 2019-09-06 | 2020-05-29 | 山东大学 | Tbm搭载式岩石石英含量测定系统及其方法 |
CN110672356A (zh) * | 2019-09-06 | 2020-01-10 | 山东大学 | 一种tbm搭载式岩石粉末取样装置及其方法 |
WO2021043311A1 (zh) * | 2019-09-06 | 2021-03-11 | 山东大学 | Tbm搭载式岩石石英含量测定系统及其方法 |
CN111221024A (zh) * | 2019-09-06 | 2020-06-02 | 山东大学 | Tbm搭载式隧道前方围岩放射性预报系统及方法 |
CN111220493A (zh) * | 2019-09-06 | 2020-06-02 | 山东大学 | Tbm搭载式围岩耐磨性测试系统与方法 |
AU2020342223B2 (en) * | 2019-09-06 | 2023-04-27 | Shandong University | Tbm-mounted radioactive forecasting system and method for front tunnel surrounding rock |
US11609168B2 (en) | 2019-10-15 | 2023-03-21 | Shandong University | Automatic test system and method for mechanical parameters of surrounding rock applicable to TBM |
WO2021073542A1 (zh) * | 2019-10-15 | 2021-04-22 | 山东大学 | 一种适用于tbm的围岩力学参数自动测试系统及方法 |
WO2021114465A1 (zh) * | 2019-12-10 | 2021-06-17 | 山东交通学院 | Tbm搭载式自动获取岩渣粒径及强度特征试验装置及方法 |
AU2020402793B2 (en) * | 2019-12-10 | 2023-08-31 | Shandong Jiaotong University | Tbm-mounted test device for automatically obtaining grain size and strength features of rock debris and method |
CN110954452A (zh) * | 2019-12-10 | 2020-04-03 | 山东交通学院 | Tbm搭载式自动获取岩渣粒径及强度特征试验装置及方法 |
CN110954452B (zh) * | 2019-12-10 | 2021-04-06 | 山东交通学院 | Tbm搭载式自动获取岩渣粒径及强度特征试验装置及方法 |
CN110989024B (zh) * | 2019-12-17 | 2021-10-08 | 山东大学 | 基于岩石矿物分析的tbm隧道断层破碎带预报系统及方法 |
CN110989024A (zh) * | 2019-12-17 | 2020-04-10 | 山东大学 | 基于岩石矿物分析的tbm隧道断层破碎带预报系统及方法 |
WO2021121224A1 (zh) * | 2019-12-17 | 2021-06-24 | 山东大学 | 基于岩石矿物分析的tbm隧道断层破碎带预报系统及方法 |
CN111197500B (zh) * | 2020-01-06 | 2021-04-13 | 山东大学 | 适用于tbm掘进隧道围岩等级实时判别方法及系统 |
CN111197500A (zh) * | 2020-01-06 | 2020-05-26 | 山东大学 | 适用于tbm掘进隧道围岩等级实时判别方法及系统 |
CN111220567A (zh) * | 2020-01-20 | 2020-06-02 | 山东大学 | Tbm搭载式岩石蚀变特征识别及地质预报系统及其方法 |
CN111220424A (zh) * | 2020-01-20 | 2020-06-02 | 山东大学 | 基于隧道掌子面气体监测的tbm搭载式超前地质预报系统及方法 |
CN111220424B (zh) * | 2020-01-20 | 2021-04-13 | 山东大学 | 基于隧道掌子面气体监测的tbm搭载式超前地质预报系统及方法 |
WO2021146949A1 (zh) * | 2020-01-20 | 2021-07-29 | 山东大学 | Tbm搭载式岩石蚀变特征识别及地质预报系统及其方法 |
CN111220776A (zh) * | 2020-01-21 | 2020-06-02 | 山东大学 | Tbm搭载式放射性氡进行超前地质预报的系统及方法 |
WO2021147555A1 (zh) * | 2020-01-21 | 2021-07-29 | 山东大学 | Tbm搭载的利用汞进行超前地质预报的系统及方法 |
CN111220789A (zh) * | 2020-01-21 | 2020-06-02 | 山东大学 | Tbm搭载的利用汞进行超前地质预报的系统及方法 |
WO2021147638A1 (zh) * | 2020-01-21 | 2021-07-29 | 山东大学 | Tbm搭载式放射性氡进行超前地质预报的系统及方法 |
CN111380945A (zh) * | 2020-04-14 | 2020-07-07 | 高军 | 一种基于电性参数时衰的隧道含水预警系统和方法 |
US11796493B2 (en) | 2020-04-17 | 2023-10-24 | Shandong University | System and method for identifying lithology based on images and XRF mineral inversion |
CN111751394A (zh) * | 2020-04-17 | 2020-10-09 | 山东大学 | 基于图像与xrf矿物反演的岩性识别方法及系统 |
CN111582387A (zh) * | 2020-05-11 | 2020-08-25 | 吉林大学 | 一种岩石光谱特征融合分类方法及系统 |
CN111812136A (zh) * | 2020-07-10 | 2020-10-23 | 山东大学 | Tbm搭载式矿物成分检测方法、超前地质预报方法及系统 |
WO2022007365A1 (zh) * | 2020-07-10 | 2022-01-13 | 山东大学 | Tbm搭载式矿物成分检测方法、超前地质预报方法及系统 |
US20220011204A1 (en) * | 2020-07-10 | 2022-01-13 | Wuhan University | Real-time measurement system and measurement method for mechanical parameters of rock slag during excavation |
CN111812136B (zh) * | 2020-07-10 | 2021-07-06 | 山东大学 | Tbm搭载式矿物成分检测方法、超前地质预报方法及系统 |
AU2020449437B2 (en) * | 2020-07-10 | 2023-06-01 | Shandong University | TBM-mounted mineral composition testing method, advanced geological forecasting method and system |
CN112302679A (zh) * | 2020-10-26 | 2021-02-02 | 中国电建集团成都勘测设计研究院有限公司 | 一种勘探平硐覆盖层洞段的可视化支撑结构及其施工方法 |
CN112666197A (zh) * | 2020-11-29 | 2021-04-16 | 山东大学 | 一种用于tbm的岩渣石英含量测试系统及方法 |
CN112610227A (zh) * | 2020-12-14 | 2021-04-06 | 山东大学 | 一种敞开式tbm穿越不良地质快速施工方法 |
CN113297962B (zh) * | 2021-05-24 | 2022-08-19 | 山东大学 | 无人机搭载式xrf和图像融合的岩性识别系统及方法 |
CN113297962A (zh) * | 2021-05-24 | 2021-08-24 | 山东大学 | 无人机搭载式xrf和图像融合的岩性识别系统及方法 |
CN114135278A (zh) * | 2021-11-11 | 2022-03-04 | 山东大学 | 一种随钻感知不良地质智能识别与预报系统及方法 |
CN113779690A (zh) * | 2021-11-11 | 2021-12-10 | 山东大学 | 基于随钻感知的超前地质预报方法及系统 |
CN114135278B (zh) * | 2021-11-11 | 2024-01-02 | 山东大学 | 一种随钻感知不良地质智能识别与预报系统及方法 |
CN116008049A (zh) * | 2023-03-30 | 2023-04-25 | 西安石油大学 | 一种地质样品预处理装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2020199290A1 (zh) | 2020-10-08 |
AU2019439936B2 (en) | 2021-09-30 |
CN110043267B (zh) | 2020-07-31 |
AU2019439936A1 (en) | 2021-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110043267A (zh) | 基于岩性与不良地质前兆特征识别的tbm搭载式超前地质预报系统及方法 | |
CN102496004B (zh) | 一种基于图像的煤岩界面识别方法与系统 | |
CN110031491B (zh) | 车载式岩性与不良地质前兆特征识别系统及方法 | |
CN207042877U (zh) | 一种应用于煤矿井下的智能干法排矸系统 | |
CN111220567B (zh) | Tbm搭载式岩石蚀变特征识别及地质预报系统及其方法 | |
CN111553000A (zh) | 钻爆法隧道智能建造方法 | |
CN110989024A (zh) | 基于岩石矿物分析的tbm隧道断层破碎带预报系统及方法 | |
CN107165166B (zh) | 一种桩头智能化破除方法及装置 | |
CN103604819A (zh) | 一种利用双能透射及低能散射进行物质识别的装置及方法 | |
CN203780638U (zh) | 一种履带式矿用救援机器人 | |
CN110000109A (zh) | 一种x射线检测区分煤和矸石的方法及装置 | |
CN110414391A (zh) | 基于深度学习算法的主动移动式车底危险品检测装置 | |
CN112241712B (zh) | 一种矿产资源采集监测系统 | |
CN109821869A (zh) | 一种车载移动式土壤污染机器人取样检测修复治理车 | |
CN204331743U (zh) | 一种基于图像频域特征提取及分类识别的煤岩分界系统 | |
CN107824477A (zh) | 放顶煤工作面煤矸就地自动分拣方法 | |
CN110308169A (zh) | 一种tbm渣片射线背散射实时扫描成像装置及方法 | |
CN108709833A (zh) | 一种用于原位测试的颗粒分析装置及方法 | |
JPH07146232A (ja) | 地質評価装置 | |
Seidler | Reuse of tunnel excavation material-real-time measurements and decision-making on the construction site of Research@ ZaB-Zentrum am Berg-an underground research facility in Eisenerz, Austria | |
CN218993040U (zh) | 一种矿产资源勘查分析装置 | |
CN213456217U (zh) | 一种环境检测用水质采样装置 | |
CN216588579U (zh) | 提取岩屑装置 | |
CN218865549U (zh) | 砂石骨料检验系统 | |
Fuentes-Cantillana et al. | Use of Computer vision for automation of a roadheader in selective cutting operation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |