CN113343759A - 一种使用无人机的露天矿爆破飞石危害效应评价方法 - Google Patents
一种使用无人机的露天矿爆破飞石危害效应评价方法 Download PDFInfo
- Publication number
- CN113343759A CN113343759A CN202110464030.8A CN202110464030A CN113343759A CN 113343759 A CN113343759 A CN 113343759A CN 202110464030 A CN202110464030 A CN 202110464030A CN 113343759 A CN113343759 A CN 113343759A
- Authority
- CN
- China
- Prior art keywords
- blasting
- unmanned aerial
- flyrock
- flying
- aerial vehicle
- 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.)
- Pending
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F42—AMMUNITION; BLASTING
- F42D—BLASTING
- F42D5/00—Safety arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明公开一种使用无人机的露天矿爆破飞石危害效应评价方法,步骤为:利用无人机对露天矿爆破作业区域进行三维坐标采集;爆破作业前启动无人机到达指定位置拍摄爆破作业在三维空间内的全过程;将所拍摄文件传输至计算机进行处理,记录飞石数据;采集现场爆破参数,建立爆破飞石评价样本数据集,并随机分为训练集和测试集;建立露天矿爆破飞石危害效应评价模型,将评价结果进行等级划分;将训练集数据进行训练,并验证模型的性能和调整模型超参数;利用训练好的露天矿爆破飞石危害效应评价模型对乘以指标权重的测试集样本开展飞石危害效应评价进行测试。本发明减少爆破飞石数据因地面拍摄画面震动引起的误差,使爆破飞石效应评价更加精准全面。
Description
技术领域
本发明涉及一种露天矿爆破安全技术,具体为一种使用无人机的露天矿爆破飞石危害效应评价方法。
背景技术
爆破是目前矿山破岩取矿的一种刚需手段,然而爆破作业提高效率的同时还产生了诸多危害效应,其中爆破飞石是最严重的危害效应之一。由于爆破过程的瞬时性与复杂性使爆破飞石飞行方向与飞行距离无法精准控制,常常造成爆区周围人员伤亡、设备和房屋损坏等严重事故。
当前,爆破飞石评价研究所参考的飞石特性大多为地面摄影设备拍摄所得,而爆破作业时拍摄画面会产生震动现象,因此拍摄质量和计算所得数据存有相应误差;此外,由于地面镜头范围限制,地面摄像机观测范围和角度受限,很难拍摄爆破作业全过程,其拍摄画面通过处理所得数据所得飞石数据具有一定局限性和误差,不能准确分析爆破作业在三维空间的发展规律和变化特征.
由于爆破飞石产生的复杂性,当前所用经验公式很难精准预测爆破飞石危害,近些年来,许多研究者将人工智能分析技术运用到爆破危害效应研究中,然而现有飞石神经网络模型需要大量数据样本进行训练,且学习速率较低,因此需要一种更合适的神经网络技术创建评价模型对爆破飞石危害效应进行评价。
发明内容
针对上述问题,需要一种使用无人机的露天矿爆破飞石危害效应评价方法,通过远程同步遥控多台无人机上高速摄影机,拍摄爆破作业在三维空间内的全过程,收集爆破飞石数据,构建AHP-RBF神经网络的评价模型,实现露天矿爆破飞石危害效应评价。
为解决上述技术问题,本发明采用的技术方案是:
本发明提供一种使用无人机的露天矿爆破飞石危害效应评价方法,包括以下步骤:
1)利用安装高速摄像机的无人机对露天矿爆破作业区域进行三维坐标采集,标记爆区及钻孔点位置坐标值(x,y,z),在爆区前方设置参考点,确定无人机飞行轨迹及摄影区域,设置摄影机摄影参数及无人机飞行参数;
2)爆破作业前启动两台或多台无人机根据三维坐标值到达指定拍摄位置,通过计算机远程同步遥控多台高速摄影机拍摄爆破作业在三维空间内的全过程;
3)将所拍摄文件传输至计算机的储存器中进行处理,记录飞石数据;
4)采集现场爆破参数,结合飞石数据建立爆破飞石评价样本数据集,并做归一化处理,采用分层抽样方法将样本数据集随机的分为训练集和测试集;
5)建立基于AHP-RBF神经网络的露天矿爆破飞石危害效应评价模型,将评价结果进行等级划分;
6)将训练集数据乘以指标权重并随机划分成M份,其中,M为5~8,AHP-RBF神经网络的露天矿爆破飞石危害效应评价模型对其中的M-1份数据进行训练,并用剩下一份来验证模型的性能和调整模型超参数;
7)利用训练好的AHP-RBF神经网络的露天矿爆破飞石危害效应评价模型对乘以指标权重的测试集样本开展飞石危害效应评价进行测试。
所述步骤1)所述摄影机摄影参数及无人机飞行参数包括:摄影分辨率、帧速、曝光时间、光圈、焦距、摄影区域、飞行高度、飞行时间以及飞行速度。
所述步骤2)中如使用两台无人机,则两台无人机上高速摄像机的主光轴相互垂直;如使用多台无人机,则每台无人机上高速摄像机的主光轴夹角为180°/无人机台数,使拍摄区域覆盖以爆区为圆心的800 m空间范围内。
所述步骤4)中现场爆破参数包括炸药爆速、膨胀系数、炸药比能、炸药单耗、单孔最大装药量、孔径、孔距、孔深、填塞长度、最小抵抗线、岩石抗拉强度、岩石抗压强度、岩石抗剪强度、岩石密度。
所述步骤5)中建立基于AHP-RBF神经网络的露天矿爆破飞石危害效应评价模型的过程包括:
501)建立层次结构模型,建立目标层、准则层以及指标层;
502)建立判断矩阵,对指标层的评价指标进行两两比较,利用1-9标度法构造出每个层次中的判断矩阵;
503)计算最大特征值,利用Matlab求出矩阵的最大特征值及对应的特征向量,将判断矩阵每一列进行正规化处理;
504)进行一致性检验,计算一致性比例CR,当 CR小于0.1时,认为判断矩阵的一致性是可以接受的,否则,就修正判断矩阵;
505)创建RBF神经网络,采用高斯函数作为隐函数,提取爆破飞石危害效应评价各项指标,根据AHP将指标数据进行等级划分,再乘以指标权重,计算出飞石RBF神经网络训练的输出层。
所述步骤6)中目标层评价指标为爆破飞石危害效应;准则层评价指标为飞石飞出数量、飞石飞出初速度、飞石飞行距离以及飞石最高抛掷高度;指标层评价指标为炸药爆速、膨胀系数、炸药比能、炸药单耗、单孔最大装药量、孔径、孔距、孔深、填塞长度、最小抵抗线、岩石抗拉强度、岩石抗压强度、岩石抗剪强度以及岩石密度在内的具体指标。
所述步骤6)中训练时模型精度取0.0005。
本发明具有以下有益效果及优点:
1.本发明提供一种使用无人机的露天矿爆破飞石危害效应评价方法,通过远程同步遥控多台无人机上高速摄影机,拍摄爆破作业在三维空间内的全过程,收集爆破飞石数据,减少了爆破飞石数据因地面拍摄画面震动引起的误差,突破地面摄影机观测范围和角度限制,有利于分析爆破作业在三维空间的发展规律和变化特征,使爆破飞石效应评价更加精准全面。
2.本发明应用AHP-RBF技术对爆破飞石的评价,避免了评价结果受评价者主观因素的影响较大和BP神经网络局部极小化、收敛速度慢等缺陷,为优化爆破设计、采取有效的控制措施起到指导作用并提供理论依据,削弱爆破飞石危害效应,减少事故率,减少安全问题造成的支出,为安全爆破技术的提高和完善起推动作用。
附图说明
图1为本发明使用无人机的露天矿爆破飞石危害效应评价方法流程图;
图2为本发明中AHP模型结构图;
图3为本发明中RBF神经网络模型结构图。
具体实施方式
下面结合说明书附图对本发明作进一步阐述。
实施例1
本实施例以年开采能力120万吨的某大型露天矿山为例。岩石主要以花岗质、片麻岩为主,硬度11~15。目前,采用台阶以中深孔爆破,使用乳化炸药、高精度非电雷管、毫秒微差、逐孔起爆技术。
如图1所示,本发明提供一种使用无人机的露天矿爆破飞石危害效应评价方法,步骤如下:
1)利用安装高速摄像机的无人机对露天矿爆破作业区域进行三维坐标采集,标记爆区及钻孔点位置坐标值(x,y,z),在爆区前方设置参考点,确定无人机飞行轨迹及摄影区域,设置摄影机摄影参数及无人机飞行参数;
2)爆破作业前启动两台无人机根据三维坐标值到达指定拍摄位置,通过计算机远程同步遥控多台高速摄影机拍摄爆破作业在三维空间内的全过程;
3)将所拍摄文件传输至计算机的储存器中进行处理,记录飞石数据;
4)采集现场爆破参数,结合飞石数据建立爆破飞石评价样本数据集,并做归一化处理,采用分层抽样方法将样本数据集随机的分为训练集和测试集;
5)建立基于AHP-RBF神经网络的露天矿爆破飞石危害效应评价模型,将评价结果进行等级划分;
6)将训练集数据乘以指标权重并随机划分成6份,AHP-RBF神经网络的露天矿爆破飞石危害效应评价模型对其中的5份数据进行训练,并用剩下一份来验证模型的性能和调整模型超参数。
7)利用训练好的AHP-RBF神经网络的露天矿爆破飞石危害效应评价模型对乘以指标权重的测试集样本开展飞石危害效应评价进行测试。
所述步骤1)所述摄影机摄影参数及无人机飞行参数包括:摄影分辨率、帧速、曝光时间、光圈、焦距、摄影区域、飞行高度、飞行时间以及飞行速度。
所述步骤2)中使用两台无人机上高速摄像机的主光轴相互垂直;使拍摄区域覆盖以爆区为圆心的800 m空间范围内。
所述步骤4)中现场爆破参数包括炸药爆速、膨胀系数、炸药比能、炸药单耗、单孔最大装药量、孔径、孔距、孔深、填塞长度、最小抵抗线、岩石抗拉强度、岩石抗压强度、岩石抗剪强度、岩石密度。
所述步骤4)中训练集和测试集中样本数据比例为9:1。
所述步骤5)中建立基于AHP-RBF神经网络的露天矿爆破飞石危害效应评价模型的过程包括:
501)建立层次结构模型,如图2所示,建立目标层(评价指标为爆破飞石危害效应)、准则层(评价指标为飞石飞出数量、飞石飞出初速度、飞石飞行距离和飞石最高抛掷高度);指标层(评价指标为炸药爆速、膨胀系数、炸药比能、炸药单耗、单孔最大装药量、孔径、孔距、孔深、填塞长度、最小抵抗线、岩石抗拉强度、岩石抗压强度、岩石抗剪强度、岩石密度);
502)建立判断矩阵,对指标层的14个评价指标进行两两比较,利用1-9标度法构造出每个层次中的判断矩阵;
503)计算最大特征值,利用Matlab求出矩阵的最大特征值及对应的特征向量,将判断矩阵每一列进行正规化处理;
504)进行一致性检验,计算一致性比例CR,当 CR小于0.1时,认为判断矩阵的一致性是可以接受的,否则,就修正判断矩阵;
505)创建RBF神经网络,如图3所示,采用高斯函数作为隐函数,提取爆破飞石危害效应评价各项指标,根据AHP将指标数据进行等级划分,再乘以指标权重,计算得出飞石RBF神经网络训练的输出层。
步骤6)中训练时模型精度取0.0005。
本实施例还可以以下两种场景为例:
1)某大型露天硼铁矿山,储量为2.8亿吨。矿体围岩主要是黑云变粒岩,矿石质密坚硬,硬度8~12。目前,采用台阶深孔爆破,使用2#铵油炸药和2#岩石乳化,导爆管雷管。
爆破作业前启动三台无人机根据三维坐标值到达指定拍摄位置,三台无人机上高速摄像机的主光轴夹角为60°,拍摄区域覆盖以爆区为圆心的800 m空间范围内,通过计算机远程同步遥控三台高速摄影机拍摄爆破作业在三维空间内的全过程。采集现场爆破参数,结合飞石数据,建立基于AHP-RBF神经网络的露天矿爆破飞石危害效应评价模型。
2)露天开采铁矿山,坡面角75°,垂直钻孔,采用2号岩石炸药,药卷直径170mm,连续装药结构,非电导爆管起爆。
爆破作业前启动四台无人机根据三维坐标值到达指定拍摄位置,四台无人机上高速摄像机的主光轴夹角为45°,拍摄区域覆盖以爆区为圆心的800 m空间范围内,通过计算机远程同步遥控四台高速摄影机拍摄爆破作业在三维空间内的全过程。采集现场爆破参数,结合飞石数据,建立基于AHP-RBF神经网络的露天矿爆破飞石危害效应评价模型。
本实施例通过以上三个实际应用的实例分析,本发明突破地面摄影机观测范围和角度限制拍摄爆破作业在三维空间内的全过程,减小爆破飞石数据误差,构建AHP-RBF神经网络的评价模型,对爆破作业影响飞石产生的因素进行计算分析从而对飞石危害效应进行合理评价,避免了评价结果受评价者主观因素影响较大和BP神经网络局部极小化、收敛速度慢等缺陷,为采取有效的控制措施和优化爆破设计起到指导作用并提供理论依据,为安全爆破技术的提高和完善起推动作用。
Claims (7)
1.一种使用无人机的露天矿爆破飞石危害效应评价方法,其特征在于包括以下步骤:
1)利用安装高速摄像机的无人机对露天矿爆破作业区域进行三维坐标采集,标记爆区及钻孔点位置坐标值(x,y,z),在爆区前方设置参考点,确定无人机飞行轨迹及摄影区域,设置摄影机摄影参数及无人机飞行参数;
2)爆破作业前启动两台或多台无人机根据三维坐标值到达指定拍摄位置,通过计算机远程同步遥控多台高速摄影机拍摄爆破作业在三维空间内的全过程;
3)将所拍摄文件传输至计算机的储存器中进行处理,记录飞石数据;
4)采集现场爆破参数,结合飞石数据建立爆破飞石评价样本数据集,并做归一化处理,采用分层抽样方法将样本数据集随机的分为训练集和测试集;
5)建立基于AHP-RBF神经网络的露天矿爆破飞石危害效应评价模型,将评价结果进行等级划分;
6)将训练集数据乘以指标权重并随机划分成M份,其中,M为5~8,AHP-RBF神经网络的露天矿爆破飞石危害效应评价模型对其中的M-1份数据进行训练,并用剩下一份来验证模型的性能和调整模型超参数;
7)利用训练好的AHP-RBF神经网络的露天矿爆破飞石危害效应评价模型对乘以指标权重的测试集样本开展飞石危害效应评价进行测试。
2.根据权利要求2所述的使用无人机的露天矿爆破飞石危害效应评价方法,其特征在于:所述步骤1)所述摄影机摄影参数及无人机飞行参数包括:摄影分辨率、帧速、曝光时间、光圈、焦距、摄影区域、飞行高度、飞行时间以及飞行速度。
3.根据权利要求1所述的使用无人机的露天矿爆破飞石危害效应评价方法,其特征在于:所述步骤2)中如使用两台无人机,则两台无人机上高速摄像机的主光轴相互垂直;如使用多台无人机,则每台无人机上高速摄像机的主光轴夹角为180°/无人机台数,使拍摄区域覆盖以爆区为圆心的800 m空间范围内。
4.根据权利要求1所述的使用无人机的露天矿爆破飞石危害效应评价方法,其特征在于:所述步骤4)中现场爆破参数包括炸药爆速、膨胀系数、炸药比能、炸药单耗、单孔最大装药量、孔径、孔距、孔深、填塞长度、最小抵抗线、岩石抗拉强度、岩石抗压强度、岩石抗剪强度、岩石密度。
5.根据权利要求1所述的使用无人机的露天矿爆破飞石危害效应评价方法,其特征在于所述步骤5)中建立基于AHP-RBF神经网络的露天矿爆破飞石危害效应评价模型的过程包括:
501)建立层次结构模型,建立目标层、准则层以及指标层;
502)建立判断矩阵,对指标层的评价指标进行两两比较,利用1-9标度法构造出每个层次中的判断矩阵;
503)计算最大特征值,利用Matlab求出矩阵的最大特征值及对应的特征向量,将判断矩阵每一列进行正规化处理;
504)进行一致性检验,计算一致性比例CR,当 CR小于0.1时,认为判断矩阵的一致性是可以接受的,否则,就修正判断矩阵;
505)创建RBF神经网络,采用高斯函数作为隐函数,提取爆破飞石危害效应评价各项指标,根据AHP将指标数据进行等级划分,再乘以指标权重,计算出飞石RBF神经网络训练的输出层。
6.根据权利要求1所述的一种使用无人机的露天矿爆破飞石危害效应评价方法,其特征在于,所述步骤6)中目标层评价指标为爆破飞石危害效应;准则层评价指标为飞石飞出数量、飞石飞出初速度、飞石飞行距离以及飞石最高抛掷高度;指标层评价指标为炸药爆速、膨胀系数、炸药比能、炸药单耗、单孔最大装药量、孔径、孔距、孔深、填塞长度、最小抵抗线、岩石抗拉强度、岩石抗压强度、岩石抗剪强度以及岩石密度在内的具体指标。
7.根据权利要求1所述的一种使用无人机的露天矿爆破飞石危害效应评价方法,其特征在于,所述步骤6)中训练时模型精度取0.0005。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110464030.8A CN113343759A (zh) | 2021-04-28 | 2021-04-28 | 一种使用无人机的露天矿爆破飞石危害效应评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110464030.8A CN113343759A (zh) | 2021-04-28 | 2021-04-28 | 一种使用无人机的露天矿爆破飞石危害效应评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113343759A true CN113343759A (zh) | 2021-09-03 |
Family
ID=77468902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110464030.8A Pending CN113343759A (zh) | 2021-04-28 | 2021-04-28 | 一种使用无人机的露天矿爆破飞石危害效应评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113343759A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115046447A (zh) * | 2022-07-19 | 2022-09-13 | 河南省公路工程局集团有限公司 | 一种多排微差路基深孔爆破施工方法 |
CN115479513A (zh) * | 2022-09-29 | 2022-12-16 | 太钢集团岚县矿业有限公司 | 一种减少片石产出的爆破方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093099A (zh) * | 2013-01-22 | 2013-05-08 | 辽宁工程技术大学 | 一种露天煤矿安全评价方法 |
CN104978612A (zh) * | 2015-01-27 | 2015-10-14 | 厦门大学 | 基于ahp-rbf的分布式大数据系统风险预测方法 |
CN105718668A (zh) * | 2016-01-22 | 2016-06-29 | 辽宁工程技术大学 | 一种露天矿抛爆效果分析方法 |
JP2017167031A (ja) * | 2016-03-17 | 2017-09-21 | 三菱マテリアルテクノ株式会社 | 発破ズリの評価方法、発破ズリの評価システム |
CN107289828A (zh) * | 2017-08-23 | 2017-10-24 | 葛洲坝易普力新疆爆破工程有限公司 | 一种露天矿爆破效果评价方法 |
CN110414341A (zh) * | 2019-06-24 | 2019-11-05 | 中国矿业大学 | 一种基于无人机技术的露天矿爆堆测量统计方法 |
-
2021
- 2021-04-28 CN CN202110464030.8A patent/CN113343759A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093099A (zh) * | 2013-01-22 | 2013-05-08 | 辽宁工程技术大学 | 一种露天煤矿安全评价方法 |
CN104978612A (zh) * | 2015-01-27 | 2015-10-14 | 厦门大学 | 基于ahp-rbf的分布式大数据系统风险预测方法 |
CN105718668A (zh) * | 2016-01-22 | 2016-06-29 | 辽宁工程技术大学 | 一种露天矿抛爆效果分析方法 |
JP2017167031A (ja) * | 2016-03-17 | 2017-09-21 | 三菱マテリアルテクノ株式会社 | 発破ズリの評価方法、発破ズリの評価システム |
CN107289828A (zh) * | 2017-08-23 | 2017-10-24 | 葛洲坝易普力新疆爆破工程有限公司 | 一种露天矿爆破效果评价方法 |
CN110414341A (zh) * | 2019-06-24 | 2019-11-05 | 中国矿业大学 | 一种基于无人机技术的露天矿爆堆测量统计方法 |
Non-Patent Citations (3)
Title |
---|
章华;李振璧;: "基于AHP-RBF的矿井通风系统可靠性评价模型", 煤矿机械, vol. 36, no. 03, pages 231 - 233 * |
马国超;王立娟;马松;刘欢;: "基于激光扫描和无人机倾斜摄影的露天采场安全监测应用", 中国安全生产科学技术, vol. 13, no. 5, pages 73 - 78 * |
黄启乐 等: "斜坡单元支持下区域泥石流危险性AHP-RBF评价模型", 浙江大学学报(工学板), vol. 52, no. 9, pages 1667 - 1675 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115046447A (zh) * | 2022-07-19 | 2022-09-13 | 河南省公路工程局集团有限公司 | 一种多排微差路基深孔爆破施工方法 |
CN115479513A (zh) * | 2022-09-29 | 2022-12-16 | 太钢集团岚县矿业有限公司 | 一种减少片石产出的爆破方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113343759A (zh) | 一种使用无人机的露天矿爆破飞石危害效应评价方法 | |
Marto et al. | A novel approach for blast-induced flyrock prediction based on imperialist competitive algorithm and artificial neural network | |
Trivedi et al. | Prediction of blast-induced flyrock in opencast mines using ANN and ANFIS | |
CN107289828B (zh) | 一种露天矿爆破效果评价方法 | |
CN110516650B (zh) | 一种基于震动传感器阵列的浅层盲空间震源定位系统 | |
EP3969837B1 (en) | Blasting system and method | |
CN115630257B (zh) | 爆破漏斗体积预测方法 | |
CN112765791B (zh) | 一种基于数值样本和随机森林的tbm卡机风险预测方法 | |
CN107576234A (zh) | 一种现场移动式爆破技术服务车 | |
Lupogo | Characterization of blast damage in rock slopes: an integrated field-numerical modeling approach | |
CN104390534A (zh) | 一种隧道光面爆破质量控制方法 | |
CN109444463A (zh) | 一种矿岩移动监测系统及方法 | |
CN111581800A (zh) | 一种考虑结构面的块度分区优化爆破设计方法 | |
CN116912300A (zh) | 基于表面裂隙与岩体内部岩性智能识别的隧道爆破方法 | |
CN104122530B (zh) | 一种基于常规雷达的炮弹目标识别方法 | |
CN116050138A (zh) | 一种应用于露天爆破的台阶坡面运动参数获取方法 | |
CN116756922A (zh) | 一种基于历史数据挖掘的云平台爆破设计系统及方法 | |
CN109635232A (zh) | 一种弹体正侵彻分层介质运动规律的评价方法 | |
CN115962692A (zh) | 一种应用于露天爆破工程的爆破参数优化方法 | |
CN109740199B (zh) | 一种覆盖层中爆炸地下工程内部爆炸冲击波超压计算方法 | |
Daniels et al. | Minehound TM trials in Cambodia, Bosnia, and Angola | |
CN112541392A (zh) | 一种基于深度神经网络的露天台阶爆破预测方法 | |
Milanović et al. | Application of softwares for drilling and blasting | |
Yu et al. | Optimization and Simulation of Monitoring Technology of Blasting Rock Movement Trajectory Based on the Improved SVM Algorithm | |
CN117875223B (zh) | 一种轨道发射超高速弹丸过程气动安全性评估方法 |
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 |