CN112798592A - 基于岩相学特征分析的岩石强度预测系统及方法 - Google Patents
基于岩相学特征分析的岩石强度预测系统及方法 Download PDFInfo
- Publication number
- CN112798592A CN112798592A CN202011583313.6A CN202011583313A CN112798592A CN 112798592 A CN112798592 A CN 112798592A CN 202011583313 A CN202011583313 A CN 202011583313A CN 112798592 A CN112798592 A CN 112798592A
- Authority
- CN
- China
- Prior art keywords
- analysis
- rock
- strength prediction
- mineral
- prediction system
- 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
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/34—Purifying; Cleaning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/44—Sample treatment involving radiation, e.g. heat
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了基于岩相学特征分析的岩石强度预测系统及方法,其技术方案为:包括旋转机构,沿旋转机构周向依次分布有打磨机构、清洗机构、烘干机构、结构识别机构和矿物分析机构;所述结构识别机构、矿物分析机构与强度预测系统相连。本发明通过对岩石的结构特征及物质成分进行快速获取与定量化分析,融合机器学习算法,最终实现岩石各类强度的准确预测。
Description
技术领域
本发明涉及岩石力学性质测定领域,尤其涉及一种基于岩相学特征分析的岩石强度预测系统及方法。
背景技术
岩石是构成地壳表层岩石圈的主体,人类的主要工程建设活动主要是在岩石圈上进行的。特别是进入被称为地下工程世纪的二十一世纪以来,人们正在前所未有的、广泛的接触和改造岩石或岩体。岩石作为人类开展工程建设活动的主要研究对象,研究其在受力情况下的变形、屈服和破坏等力学效应成为重要研究课题。岩石抗压强度作为反映岩石受外力作用被破坏的主要指标,是地下工程和工程勘察中最基本的岩体力学参数之一,广泛应用于岩质边坡治理、隧道围岩分级、支护参数设计和TBM智能化施工中。
目前,岩石抗压强度(UCS)获取方法主要有直接测试法和间接预测法。其中直接法是在符合国际岩石力学学会的相应标准条件下,开展室内单轴压缩和三轴压缩试验等方法直接测定,获取最为准确的岩石抗压强度。但该方法需采集现场标准岩样,并运送至实验室测试,费时费力,测试结果无法及时对工程现场进行指导;而间接预测法主要是通过相关简单力学试验确定岩石强度(点荷载试验、块体冲击指数试验和施密特锤试验等。这些方法虽然可以在工程现场开展,但是又存在测试量大、测试结果离散性大、推算结果精度低等问题。另外,上述各类测试方法都是力学相关的,需将目标岩体破坏后才能获取相关强度参数,对目标岩体是有损的、扰动的。
发明内容
针对现有技术存在的不足,本发明的目的是提供一种基于岩相学特征分析的岩石强度预测系统及方法,通过对岩石的结构特征及物质成分进行快速获取与定量化分析,融合机器学习算法,最终实现岩石各类强度的准确预测。
为了实现上述目的,本发明是通过如下的技术方案来实现:
第一方面,本发明的实施例提供了一种基于岩相学特征分析的岩石强度预测系统,包括旋转机构,沿旋转机构周向依次分布有打磨机构、清洗机构、烘干机构、结构识别机构和矿物分析机构;所述结构识别机构、矿物分析机构与强度预测系统相连。
作为进一步的实现方式,所述旋转机构包括动力源、与动力源相连的转盘;打磨机构、清洗机构、烘干机构、矿物分析机构和结构识别机构分别以72°的角度环形阵列于转盘靠近边缘处。
作为进一步的实现方式,所述打磨机构包括伸缩杆、旋转动力源和细砂轮,所述伸缩杆通过旋转动力源连接细砂轮。
作为进一步的实现方式,所述清洗机构包括高压喷头、水管和水泵,高压喷头通过水管连接水泵;所述烘干机构包括吹风机。
作为进一步的实现方式,所述结构识别机构包括数码相机和结构分析系统,数码相机通过线缆与结构分析系统相连;数码相机用于获取待测目标岩体被打磨光滑平整后的高清图像,并传输给结构分析系统。
作为进一步的实现方式,所述矿物分析机构包括拉曼光谱仪和矿物分析系统,拉曼光谱仪通过线缆与矿物分析系统相连;矿物分析系统能够将拉曼光谱仪获取的拉曼光谱进行分析。
作为进一步的实现方式,所述强度预测系统用于接收来自矿物分析机构和结构识别机构所传输的矿物类型及含量信息、岩石结构定量化计算结果信息,并建立岩石强度预测模型。
作为进一步的实现方式,还包括支护机构,所述旋转机构固定于支护机构下方。
作为进一步的实现方式,所述支护机构包括顶棚、安装于顶棚下方的多个可伸缩支撑。
第二方面,本发明实施例还提供了一种基于岩相学特征分析的岩石强度预测方法,采用所述的预测系统,包括:
选择待测目标岩体,将所述预测系统放置在待测目标岩体上方;调节可伸缩支撑使顶棚与待测岩体表面平行,同时使安装在转盘底部的各机构尽量靠近待测岩体;在顶棚上方施加垂向于目标岩体的压力;
使打磨机构中的伸缩杆伸出,确保细砂轮贴住待测目标岩体;启动旋转动力源,使细砂轮快速转动并对目标岩体进行打磨;
当目标岩体表面打磨平整后,关闭旋转动力源、收缩伸缩杆,并启动旋转机构,使转盘转动72°后暂停;
启动清洗机构,喷出高压水流冲洗目标岩体表面,设定时间后停止工作;转盘转动72°后暂停;
启动烘干机构,将目标岩体表面吹干后自动停止工作;启动旋转机构使转盘转动72°后暂停;
启动结构识别机构,数码相机采集目标岩体照片并传输给结构分析系统,通过结构分析系统给出相关主要结构特征的定量化计算结果;
同时启动旋转机构和矿物分析机构,拉曼光谱仪在转动过程中采集待测目标岩体的光谱曲线并进行矿物分析;当转盘转动144°时,旋转机构和矿物分析机构同时停止工作,完成矿物分析工作;
强度预测系统接收来自矿物分析机构和结构识别机构所传输的矿物类型及含量信息、岩石结构定量化计算结果信息,并对目标岩体进行强度预测工作。
上述本发明的实施例的有益效果如下:
(1)本发明的一个或多个实施方式从对岩石力学性质起主要控制作用的岩相学角度出发设置多种机构,将复杂的测试流程简单化和智能化,只需单人即可操作,节省人力和测试时间,极大提高了岩石强度测试的工作效率;
(2)本发明的一个或多个实施方式所采用的矿物分析和结构分析方法都是非接触式的,无需取样,也无需破坏待测目标岩体,即可在工程现场实现对岩石强度的快速准确测试;
(3)本发明的一个或多个实施方式通过依次设置的打磨机构、清洗机构、烘干机构、结构识别机构和矿物分析机构,实现对待测目标岩体的打磨、清洗、烘干、结构分析、强度预测操作,提高了测试精度和测试效率。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明根据一个或多个实施方式的结构示意图;
图2是本发明根据一个或多个实施方式的支护机构结构示意图;
图3是本发明根据一个或多个实施方式的环形阵列于圆盘上各机构仰视图;
图4是本发明根据一个或多个实施方式的环形阵列于圆盘上各机构立体图;
图5是本发明根据一个或多个实施方式的打磨机构结构示意图;
图6是本发明根据一个或多个实施方式的工作流程图;
其中,1.顶棚;2.可伸缩支撑;3.第一伺服电机;4.转盘;5.打磨机构;6.清洗机构;7.烘干机构;8.结构识别机构;9.矿物分析机构;10.强度预测系统;5-1.液压杆;5-2.第二伺服电机;5-3.细砂轮。
具体实施方式
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;
为了方便叙述,本申请中如果出现“上”、“下”、“左”、“右”字样,仅表示与附图本身的上、下、左、右方向一致,并不对结构起限定作用,仅仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位,以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
术语解释部分:本申请中的术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或为一体;可以是直接连接,也可以是通过中间媒介间接相连,可以是两个元件内部连接,或者两个元件的相互作用关系,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明的具体含义。
实施例一:
本实施例提供了一种基于岩相学特征分析的岩石强度预测系统,如图1所示,包括支护机构、旋转机构、打磨机构5、清洗机构6、烘干机构7、结构识别机构8、矿物分析机构9、强度预测系统10和控制系统,所述打磨机构5、清洗机构6、烘干机构7、结构识别机构8、矿物分析机构9均与旋转机构固定,且旋转机构与支护机构固定;所述结构识别机构8、矿物分析机构9与强度预测系统10相连。
进一步的,如图2所示,支护机构包括顶棚1和多个可伸缩支撑2,多个可伸缩支撑2间隔均匀连接于顶棚1下方,可伸缩支撑2的个数可根据实际支撑要求选择。在本实施例中,可伸缩支撑2设置四个;当然,在其他实施例中,可伸缩支撑2也可以为三个或多于四个。
在本实施例中,顶棚1为方形板,为其他装置提供安装基座和保护作用;所述顶棚1采用不锈钢材质。可以理解的,在其他实施例中,顶棚1也可以为其他形状,例如圆形;顶棚1也可以采用其他材质,只要满足支撑强度要求即可。
进一步的,可伸缩支撑2为液压杆,液压杆倾斜固定安装于顶棚1的四个直角处,可起到支撑和调节整个系统稳定性的作用。
所述旋转机构包括动力源和转盘4,动力源固定于顶棚1下方中心位置,所述动力源与转盘4相连,以驱动转盘4旋转。在本实施例中,动力源为第一伺服电机3,所述转盘4与第一伺服电机3相连;当然,在其他实施例中,动力源也可以为其他能够提供旋转动力的部件。
如图3和图4所示,打磨机构5、清洗机构6、烘干机构7、结构识别机构8和矿物分析机构9沿转盘4的周向间隔分布;优选地,打磨机构5、清洗机构6、烘干机构7、结构识别机构8和矿物分析机构9分别以72°的角度(相邻机构之间的圆心角为72°)环形阵列于转盘4靠近边缘处,以使各机构均匀分布在转盘4上,从而保证转盘4每次固定转动72°即可实现各机构依次对目标岩体同一部位进行对应操作。
进一步的,如图5所示,打磨机构5包括伸缩杆、旋转动力源和细砂轮5-3,所述伸缩杆通过旋转动力源连接细砂轮5-3,通过伸缩杆的伸缩控制细砂轮5-3靠近目标岩体,通过旋转动力源快速转动细砂轮5-3,以将待测目标岩体打磨光滑。在本实施例中,旋转动力源为第二伺服电机5-2,伸缩杆采用液压杆5-1。
所述清洗机构6包括高压喷头、水管和水泵,高压喷头通过水管连接水泵;在打磨机构5将待测目标岩体打磨光滑后,高压喷头可喷出高压水流对目标岩体进行冲洗,以确保目标岩体表面干净无渣粉。
在本实施例中,所述烘干机构7包括吹风机,可吹出热风,以对清洗后的岩体进行烘干。可以连接的,在其他实施例中,烘干机构7也可以采用其他烘干设备。
进一步的,结构识别机构8包括数码相机和结构分析系统,数码相机通过线缆与结构分析系统相连,数码相机可获取待测目标岩体被打磨光滑平整后的高清图像,并传输给结构分析系统。
结构分析系统主体是由现有的图像处理分析Java程序ImageJ构成,可对获取的高清图像进行增强、去噪与分割。图像分析是识别岩石结构特征重点工作,主要通过现已开发的Trainable Weka segmentation tool插件利用机器学习的方法自动完成。
具体识别与分割过程是:针对获取到的相关造岩矿物标准晶体形态图像和相关岩石结构图像做分类器的训练,预先较机器对标准矿物晶体形态进行识别以及对岩石结构图像中的矿物颗粒进行分类;然后训练机器找出规则,通过程序自身找出需要识别的特征。
接下来则是用大量的标准矿物形态图像和岩石结构图像做成Stack,套用已经训练好的分类器直接识别出待测岩石结构图像的结构特征并给出定量化计算结果。需要识别的主要结构特征并给出定量化计算结果包括:颗粒平均粒径、颗粒相对大小值、颗粒自形程度和岩石结晶程度4个方面。
进一步的,矿物分析机构9包括拉曼光谱仪和矿物分析系统,拉曼光谱仪通过线缆与矿物分析系统相连。拉曼光谱仪在发射出频率为v0的单色光照射到待测样品上后会产生拉曼散射,从而可以得到能够反映矿物分子振动能级与转动能级信息的拉曼光谱谱图。
在矿物分析系统中内置有各类矿物的标准拉曼光谱谱图库,能够将由拉曼光谱仪所获取的拉曼光谱与内置的标准拉曼光谱库中的谱图进行检索与匹配,通过结构分析来解释拉曼光谱仪所获取的光谱图,从而给出待测岩体的矿物类型及含量,达到岩体中矿物快速定量分析的目的。
进一步的,所述强度预测系统10为一基于Windows系统开发的软件,该系统用于接收来自矿物分析机构9和结构识别机构8所传输的矿物类型及含量信息、岩石结构定量化计算结果信息并对目标岩体进行强度预测工作。强度预测系统10采用基于Python语言编写的AdaCost算法建立岩石强度预测模型。
基于Python语言编写的AdaCost算法以CART学习器为弱分类器,通过多次迭代训练新的弱分类器更新所要训练样本的权重,最终加权各个分类器分类结果,从而得到最终的强度预测模型输出。
AdaCost算法所建立岩石强度预测模型包含有训练集和预测集。其中,训练集是前期已建立的开展矿物类型及含量计算结果、颗粒平均粒径计算结果、颗粒相对大小值计算结果、颗粒自形程度计算结果、岩石结晶程度计算结果以及标准岩石强度测试的数据库,预测集是开展目标岩体测试时所探测到的上述相关参数;
所述控制系统用于控制液压杆、伺服电机以及其他各机构的工作。
实施例二:
本实施例提供了一种基于岩相学特征分析的岩石强度预测方法,采用实施例一所述的预测系统,如图6所示,包括以下步骤:
(1)选择待测目标岩体后,将所述预测系统放置在待测目标岩体上方,并调节可伸缩支撑2,使顶棚1与待测岩体表面平行,同时使安装在转盘上4的各机构尽量靠近待测岩体;并在顶棚1上方施加一个垂向于目标岩体的压力F。
(2)首先使打磨机构5中的液压杆5-1伸出,确保细砂轮5-3贴住待测目标岩体;然后再启动第二伺服电机5-2,使细砂轮5-3快速转动并对目标岩体进行打磨。
当目标岩体表面打磨平整后,关闭第二伺服电机5-2、收缩液压杆5-1,并启动旋转机构中的第一伺服电机3,使转盘4转动72°后暂停;此时清洗机构6对应于目标岩体上方。
(3)启动清洗机构6,喷头喷出高压水流冲洗目标岩体表面,5-10秒钟后停止工作,第一伺服电机3使转盘4转动72°后暂停;此时烘干机构7对应于目标岩体上方。
(4)启动烘干机构7,对着清洗干净后的目标岩体吹出热风,将目标岩体表面吹干后自动停止工作。随后启动第一伺服电机3使转盘4转动72°后暂停;此时,结构识别机构8对应于目标岩体上方。
(5)启动结构识别机构8,数码相机开始采集目标岩体照片并传输给结构分析系统,通过结构分析系统给出相关主要结构特征的定量化计算结果。
(6)同时启动第一伺服电机3和矿物分析机构9,在转盘4缓慢转动的同时,拉曼光谱仪也开始工作;拉曼光谱仪在随着转动的过程中采集待测目标岩体的光谱曲线并进行矿物分析工作。当转盘4转动144°时,第一伺服电机3和矿物分析机构9同时停止工作,矿物分析工作完成。
(7)强度预测系统10接收来自矿物分析机构9和结构识别机构8所传输的矿物类型及含量信息、岩石结构定量化计算结果信息,并对目标岩体进行强度预测工作。
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。
Claims (10)
1.基于岩相学特征分析的岩石强度预测系统,其特征在于,包括旋转机构,沿旋转机构周向依次分布有打磨机构、清洗机构、烘干机构、结构识别机构和矿物分析机构;所述结构识别机构、矿物分析机构与强度预测系统相连。
2.根据权利要求1所述的基于岩相学特征分析的岩石强度预测系统,其特征在于,所述旋转机构包括动力源、与动力源相连的转盘;打磨机构、清洗机构、烘干机构、矿物分析机构和结构识别机构分别以72°的角度环形阵列于转盘靠近边缘处。
3.根据权利要求1所述的基于岩相学特征分析的岩石强度预测系统,其特征在于,所述打磨机构包括伸缩杆、旋转动力源和细砂轮,所述伸缩杆通过旋转动力源连接细砂轮。
4.根据权利要求1所述的基于岩相学特征分析的岩石强度预测系统,其特征在于,所述清洗机构包括高压喷头、水管和水泵,高压喷头通过水管连接水泵;所述烘干机构包括吹风机。
5.根据权利要求1所述的基于岩相学特征分析的岩石强度预测系统,其特征在于,所述结构识别机构包括数码相机和结构分析系统,数码相机通过线缆与结构分析系统相连;数码相机用于获取待测目标岩体被打磨光滑平整后的高清图像,并传输给结构分析系统。
6.根据权利要求1所述的基于岩相学特征分析的岩石强度预测系统,其特征在于,所述矿物分析机构包括拉曼光谱仪和矿物分析系统,拉曼光谱仪通过线缆与矿物分析系统相连;矿物分析系统能够将拉曼光谱仪获取的拉曼光谱进行分析。
7.根据权利要求1所述的基于岩相学特征分析的岩石强度预测系统,其特征在于,所述强度预测系统用于接收来自矿物分析机构和结构识别机构所传输的矿物类型及含量信息、岩石结构定量化计算结果信息,并建立岩石强度预测模型。
8.根据权利要求1所述的基于岩相学特征分析的岩石强度预测系统,其特征在于,还包括支护机构,所述旋转机构固定于支护机构下方。
9.根据权利要求8所述的基于岩相学特征分析的岩石强度预测系统,其特征在于,所述支护机构包括顶棚、安装于顶棚下方的多个可伸缩支撑。
10.基于岩相学特征分析的岩石强度预测方法,其特征在于,采用如权利要求1-9任一所述的预测系统,包括:
选择待测目标岩体,将所述预测系统放置在待测目标岩体上方;调节可伸缩支撑使顶棚与待测岩体表面平行,同时使安装在转盘底部的各机构尽量靠近待测岩体;在顶棚上方施加垂向于目标岩体的压力;
使打磨机构中的伸缩杆伸出,确保细砂轮贴住待测目标岩体;启动旋转动力源,使细砂轮快速转动并对目标岩体进行打磨;
当目标岩体表面打磨平整后,关闭旋转动力源、收缩伸缩杆,并启动旋转机构,使转盘转动72°后暂停;
启动清洗机构,喷出高压水流冲洗目标岩体表面,设定时间后停止工作;转盘转动72°后暂停;
启动烘干机构,将目标岩体表面吹干后自动停止工作;启动旋转机构使转盘转动72°后暂停;
启动结构识别机构,数码相机采集目标岩体照片并传输给结构分析系统,通过结构分析系统给出相关主要结构特征的定量化计算结果;
同时启动旋转机构和矿物分析机构,拉曼光谱仪在转动过程中采集待测目标岩体的光谱曲线并进行矿物分析;当转盘转动144°时,旋转机构和矿物分析机构同时停止工作,完成矿物分析工作;
强度预测系统接收来自矿物分析机构和结构识别机构所传输的矿物类型及含量信息、岩石结构定量化计算结果信息,并对目标岩体进行强度预测工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011583313.6A CN112798592B (zh) | 2020-12-28 | 2020-12-28 | 基于岩相学特征分析的岩石强度预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011583313.6A CN112798592B (zh) | 2020-12-28 | 2020-12-28 | 基于岩相学特征分析的岩石强度预测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112798592A true CN112798592A (zh) | 2021-05-14 |
CN112798592B CN112798592B (zh) | 2022-03-22 |
Family
ID=75805202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011583313.6A Active CN112798592B (zh) | 2020-12-28 | 2020-12-28 | 基于岩相学特征分析的岩石强度预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112798592B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104062308A (zh) * | 2014-07-04 | 2014-09-24 | 天津三英精密仪器有限公司 | 一种岩石无损矿物成分检测方法 |
CN104849248A (zh) * | 2015-04-27 | 2015-08-19 | 北京工业大学 | 一种用于机械开挖作用下岩石损伤特征识别的测试方法 |
CN107620593A (zh) * | 2017-08-08 | 2018-01-23 | 中国科学院地质与地球物理研究所 | 一种油气田现场随钻岩屑扫描系统及方法 |
CN110031493A (zh) * | 2019-04-04 | 2019-07-19 | 山东大学 | 基于图像与光谱技术的岩性智能识别系统与方法 |
CN110031491A (zh) * | 2019-04-04 | 2019-07-19 | 山东大学 | 车载式岩性与不良地质前兆特征识别系统及方法 |
CN110487794A (zh) * | 2019-09-20 | 2019-11-22 | 鞍钢集团矿业有限公司 | 一种基于数字图像技术的岩石强度的均质度识别方法 |
CN111208276A (zh) * | 2020-01-15 | 2020-05-29 | 山东大学 | 基于岩石组分与组构的tbm搭载式岩石抗压强度快速预测系统及方法 |
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 |
CN111398273A (zh) * | 2019-10-09 | 2020-07-10 | 天津大学 | 一种岩石几何-力学参数获取方法及全息扫描系统 |
-
2020
- 2020-12-28 CN CN202011583313.6A patent/CN112798592B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104062308A (zh) * | 2014-07-04 | 2014-09-24 | 天津三英精密仪器有限公司 | 一种岩石无损矿物成分检测方法 |
CN104849248A (zh) * | 2015-04-27 | 2015-08-19 | 北京工业大学 | 一种用于机械开挖作用下岩石损伤特征识别的测试方法 |
CN107620593A (zh) * | 2017-08-08 | 2018-01-23 | 中国科学院地质与地球物理研究所 | 一种油气田现场随钻岩屑扫描系统及方法 |
CN110031493A (zh) * | 2019-04-04 | 2019-07-19 | 山东大学 | 基于图像与光谱技术的岩性智能识别系统与方法 |
CN110031491A (zh) * | 2019-04-04 | 2019-07-19 | 山东大学 | 车载式岩性与不良地质前兆特征识别系统及方法 |
WO2020199289A1 (zh) * | 2019-04-04 | 2020-10-08 | 山东大学 | 车载式岩性与不良地质前兆特征识别系统及方法 |
CN110487794A (zh) * | 2019-09-20 | 2019-11-22 | 鞍钢集团矿业有限公司 | 一种基于数字图像技术的岩石强度的均质度识别方法 |
CN111398273A (zh) * | 2019-10-09 | 2020-07-10 | 天津大学 | 一种岩石几何-力学参数获取方法及全息扫描系统 |
CN111208276A (zh) * | 2020-01-15 | 2020-05-29 | 山东大学 | 基于岩石组分与组构的tbm搭载式岩石抗压强度快速预测系统及方法 |
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 |
Non-Patent Citations (1)
Title |
---|
王睿等: "基于声波-回弹联合法的岩石强度快速预测", 《铁道工程学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112798592B (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11041383B2 (en) | System and method for scanning while-drilling rock fragments in an oil and gas field | |
WO2020199292A1 (zh) | 基于图像与光谱技术的岩性智能识别系统与方法 | |
US7269245B2 (en) | Combinatorial screening system and X-ray diffraction and Raman spectroscopy | |
US9237279B2 (en) | Method of investigating a solid sample | |
CN205844202U (zh) | 一种岩屑岩性分析装置 | |
CN101040184A (zh) | 用于尺寸、外形和棱角性分析以及用于矿石和岩石颗粒的成分分析的设备和方法 | |
US20230003674A1 (en) | System and method for identifying lithology based on images and xrf mineral inversion | |
CN113310949B (zh) | 基于高光谱成像的tbm隧道搭载式岩渣矿物识别系统及方法 | |
CN106959282A (zh) | 一种基于近红外光谱技术的固体在线检测装置 | |
CN109297949B (zh) | 显微影像结合透射拉曼光谱的肿瘤细胞检测方法及装置 | |
CN112798592B (zh) | 基于岩相学特征分析的岩石强度预测系统及方法 | |
CN114371106A (zh) | 一种机制砂形貌参数测试分析方法 | |
CN206740654U (zh) | 一种全直径页岩样品的快速综合评价装置 | |
CN108318363A (zh) | 用于底枢蘑菇头磨损的检测装置及其检测方法 | |
CN111624218B (zh) | 非破坏性立体化石及文物表面化学元素分布特征分析方法 | |
CN108508088B (zh) | 一种基于敲击声波法的天线罩无损检测装置与方法 | |
CN206450586U (zh) | 一种检测系统 | |
CN209606353U (zh) | 一种基于x射线荧光的微波加热过程物料分析装置 | |
US7043998B2 (en) | Ceramic inspection system | |
CN115046941A (zh) | 一种多尺度光谱测量的热液铀矿床蚀变分带识别方法 | |
CN206038518U (zh) | 一种高效农药残留测量装置 | |
CN113984776A (zh) | 一种土木工程建筑结构实时智能监测系统 | |
Trotta et al. | Detection of Asbestos Containing Material in Post-Earthquake Building Waste Through Hyperspectral Imaging and Micro-X-Ray Fluorescence | |
RU223678U1 (ru) | Скретч-тестер для древесины | |
CN1610824A (zh) | 测量矿物样品中间层的光谱分析设备 |
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 |