CN112798448A - 一种基于多模态感知的岩石硬度测量方法及装置 - Google Patents
一种基于多模态感知的岩石硬度测量方法及装置 Download PDFInfo
- Publication number
- CN112798448A CN112798448A CN202110085275.XA CN202110085275A CN112798448A CN 112798448 A CN112798448 A CN 112798448A CN 202110085275 A CN202110085275 A CN 202110085275A CN 112798448 A CN112798448 A CN 112798448A
- Authority
- CN
- China
- Prior art keywords
- hardness
- rock
- vehicle
- sensor
- depth
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/40—Investigating hardness or rebound hardness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0014—Type of force applied
- G01N2203/0016—Tensile or compressive
- G01N2203/0019—Compressive
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/003—Generation of the force
- G01N2203/005—Electromagnetic means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0058—Kind of property studied
- G01N2203/0076—Hardness, compressibility or resistance to crushing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/067—Parameter measured for estimating the property
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/067—Parameter measured for estimating the property
- G01N2203/0676—Force, weight, load, energy, speed or acceleration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/067—Parameter measured for estimating the property
- G01N2203/0688—Time or frequency
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
本发明涉及矿石勘探技术领域,且公开了一种基于多模态感知的岩石硬度测量方法及装置,包括钻机岩石硬度监测装置,所述钻机岩石硬度监测装置是由车载监测系统、云服务平台系统以及用户终端人机交互系统组合而成。基于多模态感知,运用大数据算法,可以快速实时检测岩石的硬度的方法,该方法可结合物联网、云计算等技术,实时绘制岩层位置、深度、硬度信息,生成岩层详细地质信息图。且通过实时采集钻机的电压、电流、旋转压力、推进压力、振动波形等信息,根据大数据算法模型,实时输出岩石的硬度数据,并结合激光测距仪、GPS等实时输出岩层的位置、深度信息,结合物联网和云计算,可以绘制出岩层的地质地貌信息。
Description
技术领域
本发明涉及矿石勘探技术领域,具体为一种基于多模态感知的岩石硬度测量方法及装置。
背景技术
岩石是由一种或几种矿物和天然玻璃组成的,具有稳定外形的固态集合体。由一种矿物组成的岩石称作单矿岩,如大理岩由方解石组成,石英岩由石英组成等;由数种矿物组成的岩石称作复矿岩,如花岗岩由石英、长石和云母等矿物组成,辉长岩由基性斜长石和辉石组成等等。
传统的岩石的硬度多是现场取样,通过是实验室进行试验测定,这种费工时,费用高;另外也有基于超声波的测量设备,可以在现场直接测量,不过多是针对裸露的岩石;在矿山的钻探中需要一种能够快速检测岩石硬度的方法。
发明内容
本发明提供了一种基于多模态感知的岩石硬度测量方法及装置,基于多模态感知,运用大数据算法,可以快速实时检测岩石的硬度的方法,该方法可结合物联网、云计算等技术,实时绘制岩层位置、深度、硬度信息。
本发明提供如下技术方案:一种基于多模态感知的岩石硬度测量方法及装置,包括钻机岩石硬度监测装置,所述钻机岩石硬度监测装置是由车载监测系统、云服务平台系统以及用户终端人机交互系统组合而成;
所述车载监测系统内部包括GPS-北斗定位传感器模块、电压传感器、旋转压力传感器、推进压力传感器、振动频率传感器、电流传感器以及激光测距仪;所述车载监测系统基于GPS-北斗定位传感器模块实现位置监测;所述车载监测系统基于电压传感器、旋转压力传感器、推进压力传感器、振动频率传感器以及电流传感器实现传感器信息采集;所述车载监测系统基于激光测距仪实现钻杆距离监测;
所述云服务平台系统基于智慧云互联网技术,云服务平台系统包括智能计算机以及数据服务器;所述云服务平台系统基于智慧云互联网技术实现与车载监测系统以及用于终端人机交互系统的数据传输;所述云服务平台系统基于智能计算机以及数据服务器进行钻孔状态的预测、岩层孔群状态的预测以及炸药装量的预测;
所述云服务平台系统对采集到的数据进行大数据计算,建立电流、电压、旋转压力、推进压力与岩石硬度的模型;并基于该模型判断出各个参数之间的对应关系;
采用的算法基本公式为:
工作过程如下:
(1)、设S是训练元组和它们相关联的类标号的集合,每个元组用一个n维属性向量X={x1,x2,...,xn}表示;
(2)、假定有N个类F1,F2,...FN;给定元组X,分类法将预测X属于具有最高后验概率的类;也就是说,朴素贝叶斯分类法预测X属于类Fi,当且仅当;
P(Fi|X)>P(Fj|X) 1≤j≤n,j≠i
这样,P(Fi|X)最大的类F1称为最大后验概率;根据贝叶斯定理
(3)、由于P(X)对所有类为常数,所以只需要P(X|Fi)×P(Fi)最大即可;若类的先验概率未知,则通常假定这些类是等概率的,即P(F1)=P(F2)=...=P(FN),并据此对P(X|Fi)最大化,否则最大化P(X|Fi)×P(Fi);
(4)、给定具有很多属性的数据集,计算P(X|Fi)的开销非常大;为了降低计算开销,可以做类条件独立的朴素假定;给定元组的类标号,假定属性值有条件地相互独立;因此,
考察该属性是分类的还是连续值的,例如为了计算P(X|Fi),考虑如下两种情况:
(a)、如果Ak是分类属性,则P(xk|Fi)是S中属性Ak的值为xk的Fi类的元组数除以S中Fi类的元组数|Fi,S|
(b)、如果Ak是连续值属性,则假定连续值属性服从均值为η、标准差为σ的高斯分布,由下式定义:
即P(xk|Fi)=g(xk,ηFi,σFi);
所述用户终端人机交互系统是由手机移动端以及人机交互设备组合而成,所述用户终端人机交互系统可利用手机移动端的APP计算单个钻孔岩层的硬度-深度信息,可以用彩色棒状图的形式展现;同时也可以通过互联网和云平台结合GPS采集到的多个桩点的位置,建立整个矿区岩层的深度-硬度分布信息,绘制出该岩层深度-硬度状态图;在岩层地质深度-硬度状态图的基础上根据矿区炸药的种类和爆破要求,可以计算每个钻孔的炸药用量和埋藏位置,便于精准爆破。
优选的,所述车载监测系统通过电压传感器、旋转压力传感器、推进压力传感器、振动频率传感器、电流传感器采集钻机的电压、电流、旋转压力、推进压力以及针对波形信息。
优选的,所述车载监测系统通过GPS-北斗定位传感器模块以及激光测距仪实时输出岩层的位置、深度信息;结合物联网和云计算,可以绘制出岩层的地质地貌信息,用不同的颜色标识其深度和硬度数据。
优选的,所述钻孔状态的预测包括钻孔位置的计算、钻孔深度的计算以及岩石硬度的预测。
优选的,所述岩层孔群状态的预测包括矿山钻群位置的计算、矿山钻孔深度的计算以及矿山岩石硬度的计算。
优选的,所述炸药装量的预测包括炸药用量的预测和炸药位置的预测。
优选的,所述用户终端人机交互系统基于软件程序可以得出岩石深度硬度图、钻孔位置分布图以及炸药布局图。
优选的,所述车辆监测单元安装在车辆上,通过各模拟量、开关量的采集获取车辆各部位的数据、状态,它会定时将这些数据保存到本地FLASH中。
本发明具备以下有益效果:
该基于多模态感知的岩石硬度测量方法及装置,基于多模态感知,运用大数据算法,可以快速实时检测岩石的硬度的方法,该方法可结合物联网、云计算等技术,实时绘制岩层位置、深度、硬度信息,生成岩层详细地质信息图。且通过实时采集钻机的电压、电流、旋转压力、推进压力、振动波形等信息,根据大数据算法模型,实时输出岩石的硬度数据,并结合激光测距仪、GPS等实时输出岩层的位置、深度信息,结合物联网和云计算,可以绘制出岩层的地质地貌信息。
附图说明
图1为本发明多模态感知的岩石硬度测量架构图;
图2为本发明岩石硬度测量监测系统示意图;
图3为本发明岩石硬度车辆监测流程示意图;
图4为本发明岩石硬度监测数据传输示意图;
图5为本发明软件数据流程图;
图6位本发明矿区岩层硬度-深度地质状况示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-6,一种基于多模态感知的岩石硬度测量方法及装置,包括钻机岩石硬度监测装置,钻机岩石硬度监测装置是由车载监测系统、云服务平台系统以及用户终端人机交互系统组合而成;
车载监测系统内部包括GPS-北斗定位传感器模块、电压传感器、旋转压力传感器、推进压力传感器、振动频率传感器、电流传感器以及激光测距仪;车载监测系统基于GPS-北斗定位传感器模块实现位置监测;车载监测系统基于电压传感器、旋转压力传感器、推进压力传感器、振动频率传感器以及电流传感器实现传感器信息采集;车载监测系统基于激光测距仪实现钻杆距离监测;
车载监测系统通过电压传感器、旋转压力传感器、推进压力传感器、振动频率传感器、电流传感器采集钻机的电压、电流、旋转压力、推进压力以及针对波形信息;
使得车载监测系统能够监测钻机的数据包括:
监测设备旋转压力、监测设备推进压力;在旋转油路和推进油路中安装压力传感器,以监测旋转压力,及推进压力;
监测设备钻孔深度,采用非接触式,激光传感器,安装在钻机顶部,实时监测钻机每个位置的打孔深度;
监控设备电流电压,监测系统供电电压,利用交流电压变送器实时监测电压信号;利用霍尔元器件,实时监测电机电流信号;
监测设备振动频率;
车载监测系统通过GPS-北斗定位传感器模块以及激光测距仪实时输出岩层的位置、深度信息;高精度定位系统监测:通过搭建一套GPS差分定位系统,实现高精度定位服务,系统包括一座GPS差分定位基站,一台车载接收器;结合物联网和云计算,可以绘制出岩层的地质地貌信息,用不同的颜色标识其深度和硬度数据;
云服务平台系统基于智慧云互联网技术,云服务平台系统包括智能计算机以及数据服务器;数据服务器内部构成岩石硬度数据库、矿山地理位置数据库、岩石深度数据库、电流数据库、压力数据库;云服务平台系统基于智慧云互联网技术实现与车载监测系统以及用于终端人机交互系统的数据传输;云服务平台系统基于智能计算机以及数据服务器进行钻孔状态的预测、岩层孔群状态的预测以及炸药装量的预测;用户终端人机交互系统基于软件程序可以得出岩石深度硬度图、钻孔位置分布图以及炸药布局图;
钻孔状态的预测包括钻孔位置的计算、钻孔深度的计算以及岩石硬度的预测;岩层孔群状态的预测包括矿山钻群位置的计算、矿山钻孔深度的计算以及矿山岩石硬度的计算;炸药装量的预测包括炸药用量的预测和炸药位置的预测;
云服务平台系统对采集到的数据进行大数据计算,建立电流、电压、旋转压力、推进压力与岩石硬度的模型;并基于该模型判断出各个参数之间的对应关系;
采用的算法基本公式为:
工作过程如下:
(1)、设S是训练元组和它们相关联的类标号的集合,每个元组用一个n维属性向量X={x1,x2,...,xn}表示;
(2)、假定有N个类F1,F2,...FN;给定元组X,分类法将预测X属于具有最高后验概率的类;也就是说,朴素贝叶斯分类法预测X属于类Fi,当且仅当;
P(Fi|X)>P(Fj|X) 1≤j≤n,j≠i
这样,P(Fi|X)最大的类Fi称为最大后验概率;根据贝叶斯定理
(3)、由于P(X)对所有类为常数,所以只需要P(X|Fi)×P(Fi)最大即可;若类的先验概率未知,则通常假定这些类是等概率的,即P(F1)=P(F2)=...=P(FN),并据此对P(X|Fi)最大化,否则最大化P(X|Fi)×P(Fi);
(4)、给定具有很多属性的数据集,计算P(X|Fi)的开销非常大;为了降低计算开销,可以做类条件独立的朴素假定;给定元组的类标号,假定属性值有条件地相互独立;因此,
考察该属性是分类的还是连续值的,例如为了计算P(X|Fi),考虑如下两种情况:
(a)、如果Ak是分类属性,则P(xk|Fi)是S中属性Ak的值为xk的Fi类的元组数除以S中Fi类的元组数|Fi,S|
(b)、如果Ak是连续值属性,则假定连续值属性服从均值为η、标准差为σ的高斯分布,由下式定义:
即P(xk|Fi)=g(xk,ηFi,σFi);
用户终端人机交互系统是由手机移动端以及人机交互设备组合而成,所述用户终端人机交互系统可利用手机移动端的APP计算单个钻孔岩层的硬度-深度信息,可以用彩色棒状图的形式展现;同时也可以通过互联网和云平台结合GPS采集到的多个桩点的位置,建立整个矿区岩层的深度-硬度分布信息,绘制出该岩层深度-硬度状态图;在岩层地质深度-硬度状态图的基础上根据矿区炸药的种类和爆破要求,可以计算每个钻孔的炸药用量和埋藏位置,便于精准爆破,这种方式的运用,节约炸药用量,又能避免过度爆破带来的采矿难问题。
车辆监测单元安装在车辆上,通过各模拟量、开关量的采集获取车辆各部位的数据、状态,它会定时将这些数据保存到本地FLASH中。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于多模态感知的岩石硬度测量方法及装置,包括钻机岩石硬度监测装置,其特征在于:所述钻机岩石硬度监测装置是由车载监测系统、云服务平台系统以及用户终端人机交互系统组合而成;
所述车载监测系统内部包括GPS-北斗定位传感器模块、电压传感器、旋转压力传感器、推进压力传感器、振动频率传感器、电流传感器以及激光测距仪;所述车载监测系统基于GPS-北斗定位传感器模块实现位置监测;所述车载监测系统基于电压传感器、旋转压力传感器、推进压力传感器、振动频率传感器以及电流传感器实现传感器信息采集;所述车载监测系统基于激光测距仪实现钻杆距离监测;
所述云服务平台系统基于智慧云互联网技术,云服务平台系统包括智能计算机以及数据服务器;所述云服务平台系统基于智慧云互联网技术实现与车载监测系统以及用于终端人机交互系统的数据传输;所述云服务平台系统基于智能计算机以及数据服务器进行钻孔状态的预测、岩层孔群状态的预测以及炸药装量的预测;
所述云服务平台系统对采集到的数据进行大数据计算,建立电流(I)、电压(V)、钻杆有效位移(D)、旋转压力(PX)、推进压力(PT)与岩石硬度(F)的模型;并基于该模型判断出各个参数之间的对应关系;
采用的算法基本公式为:
工作过程如下:
(1)、设S是训练元组和它们相关联的类标号的集合,每个元组用一个n维属性向量X={x1,x2,...,xn}表示;
(2)、假定有N个类F1,F2,...FN;给定元组X,分类法将预测X属于具有最高后验概率的类;也就是说,朴素贝叶斯分类法预测X属于类Fi,当且仅当;
P(Fi|X)>P(Fj|X) 1≤j≤n,j≠i
这样,P(Fi|X)最大的类Fi称为最大后验概率;根据贝叶斯定理
(3)、由于P(X)对所有类为常数,所以只需要P(X|Fi)×P(Fi)最大即可;若类的先验概率未知,则通常假定这些类是等概率的,即P(F1)=P(F2)=...=P(FN),并据此对P(X|Fi)最大化,否则最大化P(X|Fi)×P(Fi);
(4)、给定具有很多属性的数据集,计算P(X|Fi)的开销非常大;为了降低计算开销,可以做类条件独立的朴素假定;给定元组的类标号,假定属性值有条件地相互独立;因此,
考察该属性是分类的还是连续值的,例如为了计算P(X|Fi),考虑如下两种情况:
(a)、如果Ak是分类属性,则P(xk|Fi)是S中属性Ak的值为xk的Fi类的元组数除以S中Fi类的元组数|Fi,S|
(b)、如果Ak是连续值属性,则假定连续值属性服从均值为η、标准差为σ的高斯分布,由下式定义:
即P(xk|Fi)=g(xk,ηFi,σFi);
所述用户终端人机交互系统是由手机移动端以及人机交互设备组合而成,所述用户终端人机交互系统可利用手机移动端的APP计算单个钻孔岩层的硬度-深度信息,可以用彩色棒状图的形式展现;同时也可以通过互联网和云平台结合GPS采集到的多个桩点的位置,建立整个矿区岩层的深度-硬度分布信息,绘制出该岩层深度-硬度状态图;在岩层地质深度-硬度状态图的基础上根据矿区炸药的种类和爆破要求,可以计算每个钻孔的炸药用量和埋藏位置,便于精准爆破。
2.根据权利要求1所述的一种基于多模态感知的岩石硬度测量方法及装置,其特征在于:所述车载监测系统通过电压传感器、旋转压力传感器、推进压力传感器、振动频率传感器、电流传感器采集钻机的电压、电流、旋转压力、推进压力以及针对波形信息。
3.根据权利要求1所述的一种基于多模态感知的岩石硬度测量方法及装置,其特征在于:所述车载监测系统通过GPS-北斗定位传感器模块以及激光测距仪实时输出岩层的位置、深度信息;结合物联网和云计算,可以绘制出岩层的地质地貌信息,用不同的颜色标识其深度和硬度数据。
4.根据权利要求1所述的一种基于多模态感知的岩石硬度测量方法及装置,其特征在于:所述钻孔状态的预测包括钻孔位置的计算、钻孔深度的计算以及岩石硬度的预测。
5.根据权利要求1所述的一种基于多模态感知的岩石硬度测量方法及装置,其特征在于:所述岩层孔群状态的预测包括矿山钻群位置的计算、矿山钻孔深度的计算以及矿山岩石硬度的计算。
6.根据权利要求1所述的一种基于多模态感知的岩石硬度测量方法及装置,其特征在于:所述炸药装量的预测包括炸药用量的预测和炸药位置的预测。
7.根据权利要求1所述的一种基于多模态感知的岩石硬度测量方法及装置,其特征在于:所述用户终端人机交互系统基于软件程序可以得出岩石深度硬度图、钻孔位置分布图以及炸药布局图。
8.根据权利要求1所述的一种基于多模态感知的岩石硬度测量方法及装置,其特征在于:所述车辆监测单元安装在车辆上,通过各模拟量、开关量的采集获取车辆各部位的数据、状态,它会定时将这些数据保存到本地FLASH中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110085275.XA CN112798448B (zh) | 2021-01-22 | 2021-01-22 | 一种基于多模态感知的岩石硬度测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110085275.XA CN112798448B (zh) | 2021-01-22 | 2021-01-22 | 一种基于多模态感知的岩石硬度测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112798448A true CN112798448A (zh) | 2021-05-14 |
CN112798448B CN112798448B (zh) | 2022-11-18 |
Family
ID=75811142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110085275.XA Active CN112798448B (zh) | 2021-01-22 | 2021-01-22 | 一种基于多模态感知的岩石硬度测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112798448B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011094817A1 (en) * | 2010-02-05 | 2011-08-11 | The University Of Sydney | Rock property measurements while drilling |
US20180010437A1 (en) * | 2016-07-07 | 2018-01-11 | Harnischfeger Technologies, Inc. | Methods and systems for estimating the hardness of a rock mass |
CN108363873A (zh) * | 2018-02-12 | 2018-08-03 | 辽宁工程技术大学 | 一种基于矿用钻机的岩性辨识方法 |
CN110986706A (zh) * | 2019-11-08 | 2020-04-10 | 武汉武重矿山机械有限公司 | 岩石钻孔可爆性能检测方法 |
CN111364981A (zh) * | 2018-12-26 | 2020-07-03 | 中国石油化工股份有限公司 | 用于测量近钻头随钻岩性的方法及监测随钻岩性的系统 |
-
2021
- 2021-01-22 CN CN202110085275.XA patent/CN112798448B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011094817A1 (en) * | 2010-02-05 | 2011-08-11 | The University Of Sydney | Rock property measurements while drilling |
US20180010437A1 (en) * | 2016-07-07 | 2018-01-11 | Harnischfeger Technologies, Inc. | Methods and systems for estimating the hardness of a rock mass |
CN107589027A (zh) * | 2016-07-07 | 2018-01-16 | 哈尼斯菲格技术公司 | 用于估计岩体硬度的方法和系统 |
CN108363873A (zh) * | 2018-02-12 | 2018-08-03 | 辽宁工程技术大学 | 一种基于矿用钻机的岩性辨识方法 |
CN111364981A (zh) * | 2018-12-26 | 2020-07-03 | 中国石油化工股份有限公司 | 用于测量近钻头随钻岩性的方法及监测随钻岩性的系统 |
CN110986706A (zh) * | 2019-11-08 | 2020-04-10 | 武汉武重矿山机械有限公司 | 岩石钻孔可爆性能检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112798448B (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2787851C (en) | Rock property measurements while drilling | |
CN102435165B (zh) | 基于cnss的地面设施变形的长期监测方法 | |
CN108957563B (zh) | 一种隧道施工超前地质探测系统以及探测方法 | |
CN105957311A (zh) | 自适应扩展的边坡稳定智能监测预警系统 | |
CN110442666A (zh) | 一种基于神经网络模型的矿产资源预测方法及系统 | |
CN105740505A (zh) | 一种基于gps-rtk技术的道路空间线形恢复方法 | |
CN108922123A (zh) | 一种矿山边坡滑移稳定性监测预警方法 | |
CN211291565U (zh) | 一种隧道施工动态监测和预警系统 | |
CN113593284B (zh) | 矿井巷道内车辆的路径规划方法及装置、电子设备 | |
CN102226700B (zh) | 一种用于立交桥路网电子地图匹配的方法 | |
CN115879648A (zh) | 一种基于机器学习的三元深部成矿预测方法及系统 | |
Winkelmaier et al. | Topographically guided UAV for identifying tension cracks using image-based analytics in open-pit mines | |
CN117274520A (zh) | 一种地质勘探的测绘方法 | |
CN109115176A (zh) | 一种移动式的三维激光扫描系统 | |
Wu et al. | Rapid intelligent evaluation method and technology for determining engineering rock mass quality | |
CN103438883A (zh) | 定位导航及轨迹绘图仪 | |
CN108931232A (zh) | 一种采空区的安全监测和评价方法 | |
CN111551985A (zh) | 一种基于桩锤激震和k近邻算法的地下溶洞探测方法 | |
CN112798448B (zh) | 一种基于多模态感知的岩石硬度测量方法及装置 | |
CN114202143A (zh) | 采空区安全性评估方法、装置以及存储介质 | |
CN117433440A (zh) | 一种基于激光点云的巷道形变实时检测方法、装置及存储介质 | |
CN115200540B (zh) | 一种矿井巷道形变监测与预警方法及系统 | |
CN116796643A (zh) | 地表沉降监测方法、装置、电子设备及存储介质 | |
US10719719B2 (en) | Method, apparatus, and computer program product for determining if probe data points have been map-matched | |
CN115046516A (zh) | 基于单滑面r型深孔测斜曲线的滑动面位置精准确定方法 |
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 |