CN114872196B - 搅拌机电流智能化调控方法 - Google Patents
搅拌机电流智能化调控方法 Download PDFInfo
- Publication number
- CN114872196B CN114872196B CN202210439212.4A CN202210439212A CN114872196B CN 114872196 B CN114872196 B CN 114872196B CN 202210439212 A CN202210439212 A CN 202210439212A CN 114872196 B CN114872196 B CN 114872196B
- Authority
- CN
- China
- Prior art keywords
- slump
- sample
- stirrer
- samples
- mixer
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000001276 controlling effect Effects 0.000 title claims abstract description 19
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 17
- 239000000203 mixture Substances 0.000 claims abstract description 39
- 239000000463 material Substances 0.000 claims abstract description 26
- 238000010276 construction Methods 0.000 claims abstract description 20
- 238000004519 manufacturing process Methods 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims abstract description 10
- 238000000518 rheometry Methods 0.000 claims description 24
- 238000003756 stirring Methods 0.000 claims description 14
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 abstract description 4
- 238000002156 mixing Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000013210 evaluation model Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28C—PREPARING CLAY; PRODUCING MIXTURES CONTAINING CLAY OR CEMENTITIOUS MATERIAL, e.g. PLASTER
- B28C7/00—Controlling the operation of apparatus for producing mixtures of clay or cement with other substances; Supplying or proportioning the ingredients for mixing clay or cement with other substances; Discharging the mixture
- B28C7/02—Controlling the operation of the mixing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28C—PREPARING CLAY; PRODUCING MIXTURES CONTAINING CLAY OR CEMENTITIOUS MATERIAL, e.g. PLASTER
- B28C5/00—Apparatus or methods for producing mixtures of cement with other substances, e.g. slurries, mortars, porous or fibrous compositions
- B28C5/003—Methods for mixing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/38—Concrete; Lime; Mortar; Gypsum; Bricks; Ceramics; Glass
- G01N33/383—Concrete or cement
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Structural Engineering (AREA)
- Mechanical Engineering (AREA)
- Dispersion Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Ceramic Engineering (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Preparation Of Clay, And Manufacture Of Mixtures Containing Clay Or Cement (AREA)
Abstract
本发明公开了搅拌机电流智能化调控方法,涉及混凝土生产技术领域,解决了现有技术在搅拌机调控过程中,仅通过拌合物图像获取坍落度,无法精准获取实际坍落度,且没有考虑到运输过程的损失,导致混凝土相关参数无法满足施工单位需求的技术问题;本发明在每个设定周期中均进行采样获取样品,获取样品的各项参数以确定搅拌机中拌合物的实际坍落度,结合坍落度阈值进行物料补充、调控搅拌机电流,进而保证混凝土满足施工单位要求;本发明中根据施工单位的要求以及运输过程的损耗,获取坍落度标准值,根据坍落度标准值来设定各设定周期的坍落度阈值,对运输损耗进行考虑,进一步保证了混凝土能够满足施工单位的要求。
Description
技术领域
本发明属于混凝土生产领域,涉及搅拌机电流的智能化调控技术,具体是搅拌机电流智能化调控方法。
背景技术
随着预拌混凝土用量越来越大,混凝土搅拌站的各种设备也越来越完善。但是混凝土的坍落度一直无法精准控制,其主要原因是搅拌站混凝土出料时其坍落度无法精准控制。
现有技术(公开号为CN112659376A的发明专利)公开了一种搅拌站混凝土拌合物流动性智能化调控方法和调控系统,通过判断搅拌机中拌合物的实际坍落度,进而实现对搅拌机中混凝土拌合物流动性的智能化调控。现有技术在搅拌机调控过程中,仅通过拌合物图像获取坍落度,无法精准获取实际坍落度,且没有考虑到运输过程的损失,导致混凝土相关参数无法满足施工单位需求;因此,亟须一种搅拌机电流智能化调控方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出了搅拌机电流智能化调控方法,用于解决现有技术在搅拌机调控过程中,仅通过拌合物图像获取坍落度,无法精准获取实际坍落度,且没有考虑到运输过程的损失,导致混凝土相关参数无法满足施工单位需求的技术问题。
本发明将搅拌机的搅拌过程划分成若干个设定周期,在每个设定周期中均进行采样获取样品,获取样品的各项参数以确定搅拌机中拌合物的实际坍落度,结合坍落度阈值进行物料补充、调控搅拌机电流,进而保证混凝土满足施工单位要求。
为实现上述目的,本发明的第一方面提供了搅拌机电流智能化调控方法,包括:
在搅拌楼投料结束之后,搅拌机开始工作;
根据设定周期对所述搅拌机中拌合物进行取样,将样品灌入坍落度桶,结合图像采集设备获取样品坍落度;通过流变测定装置获取样品流变参数,结合所述样品坍落度确定所述搅拌机中拌合物的实际坍落度;
将每个所述设定周期对应的所述实际坍落度和坍落度阈值进行比较,根据比较结果进行物料补充,并调控控制所述搅拌机的电流,直至获取混凝土;其中,所述坍落度阈值根据混凝土生产运输全流程设定。
优选的,所述搅拌机通过输料管将样品输送至所述坍落度桶,所述坍落度桶通过输料管将样品输送至所述流变测定装置,所述流变测定装置通过输料管将样品输送至所述搅拌机;或者
所述搅拌机通过输料管将样品输送至所述流变测定装置,所述流变测定装置通过输料管将样品输送至所述坍落度桶,所述坍落度桶通过输料管将样品输送至所述搅拌机。
优选的,基于所述设定周期从所述搅拌机中进行若干次取样,获取样品,将样品依次灌满所述坍落度桶,并对所述坍落度桶中的样品进行填装处理。
优选的,所述图像采集设备结合所述坍落度桶获取所述样品坍落度,包括:
拔起所述坍落度桶,样品产生塌落现象;
通过所述图像采集设备获取样品塌落之后的高度,标记为塌落高度;
获取所述坍落度桶的高度与所述塌落高度之间的差值,标记为所述样品坍落度。
优选的,在获取所述样品坍落度之后,将样品通过输料管输送至所述流变测定装置;其中,所述流变测定装置和所述坍落度桶的容积相等;
所述流变测定装置测定样品对应的所述流变参数,并在测定完成之后将样品通过输料管输送至所述搅拌机。
优选的,基于所述样品坍落度和所述流变参数确定所述搅拌机中拌合物的所述实际坍落度,包括:
将所述样品坍落度、所述流变参数和多项拟合式结合,确定所述搅拌机中拌合物的所述实际坍落度;或者
将所述样品坍落度、所述流变参数和智能评估模型结合,确定所述搅拌机中拌合物的所述实际坍落度;其中,所述智能评估模型基于人工智能模型建立。
优选的,将所述设定周期对应的所述实际坍落度与所述坍落度阈值进行比较,并比较结果确定物料类别以及对应的物料量;同时调控所述搅拌机电流完成拌合物和物料的搅拌。
优选的,所述坍落度阈值根据混凝土生产运输全流程设定,包括:
获取施工单位的坍落度基值;
估算混凝土从搅拌机运输到所述施工单位的坍落度损耗;
获取所述坍落度基值和所述坍落度损耗的差值,标记为坍落度标准值;
根据所述坍落度标准值确定各所述设定周期对应的所述坍落度阈值。
与现有技术相比,本发明的有益效果是:
1、本发明将搅拌机的搅拌过程划分成若干个设定周期,在每个设定周期中均进行采样获取样品,获取样品的各项参数以确定搅拌机中拌合物的实际坍落度,结合坍落度阈值进行物料补充、调控搅拌机电流,进而保证混凝土满足施工单位要求。
2、本发明中坍落度阈值根据混凝土生产运输的全流程进行设定,根据施工单位的要求以及运输过程的损耗,获取坍落度标准值,根据坍落度标准值来设定各设定周期的坍落度阈值,对运输损耗进行考虑,进一步保证了混凝土能够满足施工单位的要求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的工作步骤示意图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
现有技术(公开号为CN112659376A的发明专利)公开了一种搅拌站混凝土拌合物流动性智能化调控方法和调控系统,通过判断搅拌机中拌合物的实际坍落度,进而实现对搅拌机中混凝土拌合物流动性的智能化调控。现有技术在搅拌机调控过程中,仅通过拌合物图像获取坍落度,无法精准获取实际坍落度,且没有考虑到运输过程的损失,导致混凝土相关参数无法满足施工单位需求。
本发明将搅拌机的搅拌过程划分成若干个设定周期,在每个设定周期中均进行采样获取样品,获取样品的各项参数以确定搅拌机中拌合物的实际坍落度,结合坍落度阈值进行物料补充、调控搅拌机电流,进而保证混凝土满足施工单位要求。
请参阅图1,本申请第一方面实施例提供了搅拌机电流智能化调控方法,包括:
在搅拌楼投料结束之后,搅拌机开始工作;
根据设定周期对搅拌机中拌合物进行取样,将样品灌入坍落度桶,结合图像采集设备获取样品坍落度;通过流变测定装置获取样品流变参数,结合样品坍落度确定搅拌机中拌合物的实际坍落度;
将每个设定周期对应的实际坍落度和坍落度阈值进行比较,根据比较结果进行物料补充,并调控控制搅拌机的电流,直至获取混凝土。
坍落度作为混凝土最重要的指标,无论是混凝土生产方还是施工单位都非常关注,因此如何保证施工单位接收到符合要求的混凝土一直是一个难题。
本申请将混凝土的生产过程划分成若干个设定周期,每个设定周期均会取样,并对样品的样品坍落度和流变参数进行测定,进而获取搅拌机中拌合物(混凝土半成品)的实际坍落度,根据实际坍落度来确定是否需要添加物料,以及如何对搅拌机电流进行控制。
本申请中搅拌机可以通过输料管将样品输送至坍落度桶,坍落度桶通过输料管将样品输送至流变测定装置,流变测定装置通过输料管将样品输送至搅拌机。先将样品输送至坍落度桶获取样品坍落度,再将样品输送至流变测定装置,获取对应的流变参数,最后将样品返回至搅拌机。
本申请中搅拌机还可通过输料管将样品输送至流变测定装置,流变测定装置通过输料管将样品输送至坍落度桶,坍落度桶通过输料管将样品输送至搅拌机。先将样品输送至流变测定装置,获取流变参数,再将样品输送至坍落度桶,获取样品坍落度,最后将样品返回至搅拌机中。
值得注意的是,上述输料管既可以将两端设备固定连接,又可以非接触连接。如搅拌机既可以与流变测定装置通过输料管固定连接,又可以将输料管出料口悬浮在流变测定装置的上方,保证样品可以平稳输送即可。
本申请中将混凝土生产过程划分为若干设定周期,既可以按照固定时间进行划分,也可以按照拌合物的不同阶段进行划分。
本申请中基于设定周期从搅拌机中进行若干次取样,也就可以获取若干样品,将若干样品依次灌入坍落度桶中,直至坍落度桶灌满。可以理解的是,每次样品灌入的时候,均将样品捣实,将坍落度桶灌满之后,将坍落度桶顶部削平,便于前后对比获取样品坍落度。在另外一些优选的实施例中,也可不将坍落度桶灌满,通过图像采集设备(摄像头)采集坍落度拔起前后的图像,也可以获取样品坍落度。
本申请中图像采集设备结合坍落度桶获取样品坍落度,包括:
拔起坍落度桶,样品产生塌落现象;
通过图像采集设备获取样品塌落之后的高度,标记为塌落高度;
获取坍落度桶的高度与塌落高度之间的差值,标记为样品坍落度。
理论上来说,坍落度桶的高度要比塌落高度大,因此样品坍落度为正值。如上面情况,在坍落度桶没有灌满的情况下,需要获取坍落度桶拔起前后的图像数据,对两个图像数据进行对比,也可以获取样品坍落度。
本申请中在获取样品坍落度之后,将样品通过输料管输送至流变测定装置;流变测定装置测定样品对应的流变参数,并在测定完成之后将样品通过输料管输送至搅拌机。
值得注意的是,流变测定装置和坍落度桶的容积根据流变测定装置和坍落度桶的顺序进行设置。当先测样品的流变参数,再测样品坍落度时,则流变测定装置的容积应小于等于坍落度桶,避免损失样品;反之,当先测样品坍落度,再测样品的流变参数时,则坍落度桶的容积应该小于等于流变测定装置。
在一个优选的实施例中,基于样品坍落度和流变参数确定搅拌机中拌合物的实际坍落度,包括:
将样品坍落度、流变参数和多项拟合式结合,确定搅拌机中拌合物的实际坍落度。
本实施例中需要根据标准数据来建立多项拟合式。标准数据通过实验室获取,包括样品坍落度、样品的流变参数以及对应的实际坍落度,以样品坍落度和流变参数作为自变量,以实际坍落度作为因变量,结合多项式拟合法可以获取多项拟合式。
在另外一个优选的实施例中,基于样品坍落度和流变参数确定搅拌机中拌合物的实际坍落度,包括:
将样品坍落度、流变参数和智能评估模型结合,确定搅拌机中拌合物的实际坍落度;其中,智能评估模型基于人工智能模型建立。
本实施例需要根据标准数据建立智能评估模型。构建人工智能模型(深度卷积神经网络模型或者RBF神经网络模型)之后,通过标准数据对人工智能模型进行训练,将训练完成的人工智能模型标记为智能评估模型。
可以理解的是,获取标准数据时,对应的搅拌机、流变测定装置、坍落度桶的容积应该与实际情况一致,才能够保证实际坍落度的准确性。在进行智能评估模型训练时,可以将搅拌机、流变测定装置、坍落度桶的容积等参数添加到标准数据中,以提高智能评估模型的适用范围。
本申请中,将设定周期对应的实际坍落度与坍落度阈值进行比较,并比较结果确定物料类别以及对应的物料量;同时调控搅拌机电流完成拌合物和物料的搅拌。
上述物料类别以及对应的物料量根据实际坍落度和坍落度阈值的差值均有关联关系,可以通过历史经验数据建立关联库,根据实际坍落度和坍落度阈值的差值在关联库中即可获取物料类别和对应的物料量,如:
实际坍落度和坍落度阈值的差值小于100mm且低于设计坍落度值超过20mm时,进行水补偿;实际坍落度和坍落度阈值的差值大于等于100mm且低于设计坍落度值超过20mm时,进行减水剂补偿;实际坍落度和坍落度阈值的差值超过20mm时,进行其他原材料的混合料补偿。
搅拌机的电流决定着搅拌机的搅拌速率,也可以通过建立如上述的关联库来获取。
本申请中坍落度阈值根据混凝土生产运输全流程设定,包括:
获取施工单位的坍落度基值,估算混凝土从搅拌机运输到施工单位的坍落度损耗;
获取坍落度基值和坍落度损耗的差值,标记为坍落度标准值;
根据坍落度标准值确定各设定周期对应的坍落度阈值。
本申请中坍落度标准值可以均匀分配至各设定周期,也可以根据各设定周期对应的拌合物阶段来确定对应的坍落度阈值,如:
根据经验,某一个设定周期对应的比例系数为α,则该设定周期对应的坍落度阈值为α和坍落度标准值的乘积。
上述公式中的部分数据均是去除量纲取其数值计算,公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式;公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理:
投料结束后,根据设定周期对搅拌机中拌合物进行取样,将样品灌入坍落度桶,结合图像采集设备获取样品坍落度;通过流变测定装置获取样品流变参数,结合样品坍落度确定搅拌机中拌合物的实际坍落度。
将每个设定周期对应的实际坍落度和坍落度阈值进行比较,根据比较结果进行物料补充,并调控控制搅拌机的电流,直至获取混凝土。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (4)
1.搅拌机电流智能化调控方法,其特征在于,包括:
在搅拌楼投料结束之后,搅拌机开始工作;
根据设定周期对所述搅拌机中拌合物进行取样,将样品灌入坍落度桶,结合图像采集设备获取样品坍落度;通过流变测定装置获取样品流变参数,结合所述样品坍落度确定所述搅拌机中拌合物的实际坍落度;
将每个所述设定周期对应的所述实际坍落度和坍落度阈值进行比较,根据比较结果进行物料补充,并调控控制所述搅拌机的电流,直至获取混凝土;其中,所述坍落度阈值根据混凝土生产运输全流程设定;
在获取所述样品坍落度之后,将样品通过输料管输送至所述流变测定装置;其中,所述流变测定装置和所述坍落度桶的容积相等;
所述流变测定装置测定样品对应的所述流变参数,并在测定完成之后将样品通过输料管输送至所述搅拌机;
基于所述样品坍落度和所述流变参数确定所述搅拌机中拌合物的所述实际坍落度,包括:
将所述样品坍落度、所述流变参数和多项拟合式结合,确定所述搅拌机中拌合物的所述实际坍落度;或者
将所述样品坍落度、所述流变参数和智能评估模型结合,确定所述搅拌机中拌合物的所述实际坍落度;其中,所述智能评估模型基于人工智能模型建立;
将所述设定周期对应的所述实际坍落度与所述坍落度阈值进行比较,并比较结果确定物料类别以及对应的物料量;同时调控所述搅拌机电流完成拌合物和物料的搅拌;
所述坍落度阈值根据混凝土生产运输全流程设定,包括:
获取施工单位的坍落度基值;
估算混凝土从搅拌机运输到所述施工单位的坍落度损耗;
获取所述坍落度基值和所述坍落度损耗的差值,标记为坍落度标准值;根据所述坍落度标准值确定各所述设定周期对应的所述坍落度阈值。
2.根据权利要求1所述的搅拌机电流智能化调控方法,其特征在于,所述搅拌机通过输料管将样品输送至所述坍落度桶,所述坍落度桶通过输料管将样品输送至所述流变测定装置,所述流变测定装置通过输料管将样品输送至所述搅拌机;或者
所述搅拌机通过输料管将样品输送至所述流变测定装置,所述流变测定装置通过输料管将样品输送至所述坍落度桶,所述坍落度桶通过输料管将样品输送至所述搅拌机。
3.根据权利要求1所述的搅拌机电流智能化调控方法,其特征在于,基于所述设定周期从所述搅拌机中进行若干次取样,获取样品,将样品依次灌满所述坍落度桶,并对所述坍落度桶中的样品进行填装处理。
4.根据权利要求3所述的搅拌机电流智能化调控方法,其特征在于,所述图像采集设备结合所述坍落度桶获取所述样品坍落度,包括:
拔起所述坍落度桶,样品产生塌落现象;
通过所述图像采集设备获取样品塌落之后的高度,标记为塌落高度;
获取所述坍落度桶的高度与所述塌落高度之间的差值,标记为所述样品坍落度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210439212.4A CN114872196B (zh) | 2022-04-22 | 2022-04-22 | 搅拌机电流智能化调控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210439212.4A CN114872196B (zh) | 2022-04-22 | 2022-04-22 | 搅拌机电流智能化调控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114872196A CN114872196A (zh) | 2022-08-09 |
CN114872196B true CN114872196B (zh) | 2023-09-19 |
Family
ID=82671260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210439212.4A Active CN114872196B (zh) | 2022-04-22 | 2022-04-22 | 搅拌机电流智能化调控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114872196B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19980082559A (ko) * | 1997-05-07 | 1998-12-05 | 이재복 | 레미콘 양산중 슬럼프 측정방법 |
CN103042603A (zh) * | 2012-12-22 | 2013-04-17 | 山东建泽混凝土有限公司 | 一种通过监测搅拌机电流强度控制混凝土出机坍落度的方法 |
CN207866655U (zh) * | 2018-01-18 | 2018-09-14 | 中建西部建设湖南有限公司 | 一种检测搅拌机内混凝土拌合物和易性装置 |
CN109975529A (zh) * | 2019-03-25 | 2019-07-05 | 上海申昆混凝土集团有限公司 | 混凝土生产中坍落度自动监测方法及系统 |
CN111257170A (zh) * | 2020-03-12 | 2020-06-09 | 王立伍 | 一种解决混凝土生产过程中坍落度变化的间接观测方法 |
CN112659376A (zh) * | 2020-12-23 | 2021-04-16 | 上海市建筑科学研究院有限公司 | 搅拌站混凝土拌合物流动性智能化调控方法和调控系统 |
CN113146849A (zh) * | 2021-01-28 | 2021-07-23 | 广东至道先进土木工程材料技术研究有限公司 | 一种搅拌车混凝土的坍落度监控方法及装置 |
CN215812785U (zh) * | 2021-08-17 | 2022-02-11 | 北京中建建筑科学研究院有限公司 | 基于图像识别和区块链的坍落度测量装置 |
CN114211620A (zh) * | 2021-11-26 | 2022-03-22 | 浙江瓯速科技有限公司 | 一种基于物联网的建筑工地监控系统及其方法 |
-
2022
- 2022-04-22 CN CN202210439212.4A patent/CN114872196B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19980082559A (ko) * | 1997-05-07 | 1998-12-05 | 이재복 | 레미콘 양산중 슬럼프 측정방법 |
CN103042603A (zh) * | 2012-12-22 | 2013-04-17 | 山东建泽混凝土有限公司 | 一种通过监测搅拌机电流强度控制混凝土出机坍落度的方法 |
CN207866655U (zh) * | 2018-01-18 | 2018-09-14 | 中建西部建设湖南有限公司 | 一种检测搅拌机内混凝土拌合物和易性装置 |
CN109975529A (zh) * | 2019-03-25 | 2019-07-05 | 上海申昆混凝土集团有限公司 | 混凝土生产中坍落度自动监测方法及系统 |
CN111257170A (zh) * | 2020-03-12 | 2020-06-09 | 王立伍 | 一种解决混凝土生产过程中坍落度变化的间接观测方法 |
CN112659376A (zh) * | 2020-12-23 | 2021-04-16 | 上海市建筑科学研究院有限公司 | 搅拌站混凝土拌合物流动性智能化调控方法和调控系统 |
CN113146849A (zh) * | 2021-01-28 | 2021-07-23 | 广东至道先进土木工程材料技术研究有限公司 | 一种搅拌车混凝土的坍落度监控方法及装置 |
CN215812785U (zh) * | 2021-08-17 | 2022-02-11 | 北京中建建筑科学研究院有限公司 | 基于图像识别和区块链的坍落度测量装置 |
CN114211620A (zh) * | 2021-11-26 | 2022-03-22 | 浙江瓯速科技有限公司 | 一种基于物联网的建筑工地监控系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114872196A (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104175401B (zh) | 一种混凝土搅拌站配合比动态调整系统 | |
CA2025791C (en) | Mixing apparatus and method | |
CN112659376B (zh) | 搅拌站混凝土拌合物流动性智能化调控方法和调控系统 | |
CN109676795A (zh) | 一种混凝土智能搅拌控制方法及其系统 | |
CN206201198U (zh) | 一种试验室专用泡沫混凝土全自动生产加工设备 | |
CN100546791C (zh) | 沥青混合料搅拌设备冷骨料给料控制方法 | |
CN105881694B (zh) | 一种类岩石材料的快速凝结配比的筛选方法 | |
CN211415749U (zh) | 一种全自动泥浆性能监测调整设备 | |
CN115219698A (zh) | 一种混凝土塌落度在线检测方法 | |
CN114872196B (zh) | 搅拌机电流智能化调控方法 | |
CN104667810B (zh) | 添加剂自动加料系统 | |
CN109676796B (zh) | 一种混凝土搅拌机流变性监测方法 | |
CN108986118A (zh) | 一种全尾砂膏体搅拌均质性在线监测系统与使用方法 | |
CN206424855U (zh) | 一种水泥混凝土搅拌站用混合乳液预混搅拌装置 | |
CN111007793A (zh) | 水泥土搅拌桩数字化施工系统及方法 | |
CN109459461B (zh) | 一种掺水化热调控材料的水泥基材料早龄期水化预测模型的构建方法及应用 | |
CN103196797A (zh) | 智能减水剂试验仪 | |
CN113290695B (zh) | 基于电流信号反馈的充填料浆浓度调控方法及系统 | |
CN107939340A (zh) | 一种油井清蜡制度优化方法和装置以及加药控制图版 | |
CN118393122A (zh) | 一种混凝土质量检验方法和装置 | |
CN111168840B (zh) | 砂浆生产控制方法及系统 | |
CN117195163A (zh) | 基于混凝土配方的坍落度预测方法、装置及可读介质 | |
CN210874991U (zh) | 一种配料精准的混合系统 | |
CN115351921A (zh) | 配料方法、装置、系统及搅拌设备 | |
CN109016161A (zh) | 智能配料方法和装置 |
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 |