CN116312127A - 基于vr技术的矿山沉浸式教育培训方法、终端及存储介质 - Google Patents
基于vr技术的矿山沉浸式教育培训方法、终端及存储介质 Download PDFInfo
- Publication number
- CN116312127A CN116312127A CN202310564997.2A CN202310564997A CN116312127A CN 116312127 A CN116312127 A CN 116312127A CN 202310564997 A CN202310564997 A CN 202310564997A CN 116312127 A CN116312127 A CN 116312127A
- Authority
- CN
- China
- Prior art keywords
- training
- miner
- mining
- equipment
- driller
- 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
- 238000012549 training Methods 0.000 title claims abstract description 292
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000005516 engineering process Methods 0.000 title claims abstract description 33
- 238000007654 immersion Methods 0.000 title claims abstract description 20
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000005065 mining Methods 0.000 claims abstract description 120
- 238000005422 blasting Methods 0.000 claims abstract description 85
- 238000005553 drilling Methods 0.000 claims abstract description 84
- 238000012545 processing Methods 0.000 claims description 82
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 28
- 239000011707 mineral Substances 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 24
- 230000009850 completed effect Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004880 explosion Methods 0.000 claims description 6
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 description 7
- 239000002689 soil Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000002360 explosive Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/04815—Interaction with a metaphor-based environment or interaction object displayed as three-dimensional, e.g. changing the user viewpoint with respect to the environment or object
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于VR技术的矿山沉浸式教育培训方法、终端及存储介质,涉及VR教育培训技术领域,通过采矿三维模型和历史采集数据,生成教学视频和训练课程,在矿工完成教学视频的学习后,向每个钻孔工随机分配训练课程,并对钻孔工的操作评估出操作基础分,不重复的向每个爆破工分配钻孔后的训练课程,对爆破工的操作评估出操作基础分,不重复的向每个采矿工分配爆破后的训练课程,对采矿工的操作评估出操作基础分,计算每个矿工的操作专业分,基于矿工的操作基础分以及操作专业分,将所有矿工进行分组,向每组矿工分组分配不同数量的训练课程,避免了对矿工培训结果的评分过程中存在过高的主观性。
Description
技术领域
本发明涉及VR教育培训技术,具体是基于VR技术的矿山沉浸式教育培训方法、终端及存储介质。
背景技术
随着矿业行业的不断发展,对于矿工的安全生产和技能培训越来越受到重视。然而,传统的培训方法往往存在一些局限性,例如对于矿山采矿这样的专业技能,这些技能的学习和掌握需要实践操作和经验积累,而使用传统的培训方法学习这种技能不仅成本昂贵,而且存在很大的安全隐患;
因此,目前广泛使用VR设备,基于虚拟现实技术,可以模拟真实矿山采矿场景,并通过模拟钻孔和爆破等操作,让矿工在虚拟环境下学习和掌握矿山采矿技能,但矿山采矿中,没有绝对的标准或衡量标准,特别是钻孔工和爆破工需要根据不同的矿山地质条件,灵活掌握钻孔位置、深度、爆破位置和剂量等技术参数,因此,难以对钻孔工和爆破工的熟练度与专业度进行客观的评价;
为此,本发明提出基于VR技术的矿山沉浸式教育培训方法、终端及存储介质。
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,本发明提出基于VR技术的矿山沉浸式教育培训方法、终端及存储介质,避免了对矿工培训结果的评分过程中存在过高的主观性。
为实现上述目的,本发明提出基于VR技术的矿山沉浸式教育培训方法,包括以下步骤:
步骤一:将被采集的矿山在采集前的状态以及采矿设备使用三维建模软件转化为采矿三维模型,并采集矿山历史采集数据,再基于矿山历史采集数据和采矿三维模型,生成若干VR平台上的教学视频以及训练课程;
步骤二:将矿工按照作业工种划分u种类型,并向u种类型矿工播放对应的教学视频;
步骤三:在所有矿工完成教学视频的学习后,按照预设顺序向u种类型矿工随机分配N节相对应的训练课程,对应的矿工使用VR设备,在虚拟场景中完成与训练课程相对应的训练操作;由数据处理后台针对每个矿工的操作评估出操作基础分;
步骤四:根据所有训练课程的结果计算每个矿工的操作专业分;再基于矿工的操作基础分以及操作专业分,将所有u种类型矿工配置进行分组,向每组矿工分组分配预设数量的训练课程。
所述u种类型矿工包括钻孔工、爆破工以及采矿工;
所述预设顺序为钻孔工、爆破工以及采矿工,钻孔工对应的训练操作为钻孔工作,爆破工对应的训练操作为爆破工作,采矿工对应的训练操作为采矿工作;
所述操作基础分包括每个钻孔工的操作评估出操作基础分、每个爆破工的操作评估出操作基础分与每个采矿工的操作评估出操作基础分;
将所有u种类型矿工配置进行分组的逻辑为:
将矿工按钻孔工、爆破工以及采矿工的配置进行分组;
其中,将被采集的矿山在采集前的状态以及采矿设备使用三维建模软件转化为采矿三维模型的方式为:
在每座矿山被采矿前,使用无人机环绕矿山飞行并捕获矿山的图像,数据处理后台使用GIS技术将矿山图像转化为三维模型;
所述采矿设备包括在矿山上采矿所需要的钻孔设备、爆破设备、采矿设备以及安全设备;将采矿设备转化为三维模型的方式为:使用三维建模软件对采矿设备的外观进行建模,再进一步的基于物理学定律使用虚拟物理引擎对采矿设备的功能进行模拟;
将矿山的三维模型与采矿设备的三维模型统称为采矿三维模型;
所述矿山历史采集数据为根据对矿山的历史勘测数据以及采矿的结果,推算出的矿山中各个矿藏的位置以及储存量;
生成若干VR平台上的教学视频及训练课程的方式为:
数据处理后台基于采矿三维模型,教学人员根据实际需求录制分别使用钻孔设备、爆破设备、采矿设备对模拟矿山进行钻孔、爆破以及采矿的三组教学视频,每组教学视频分别对应钻孔工、爆破工以及采矿工的学习;数据处理后台使用VR视频制作技术将每组视频转化为VR设备能够接收的模式;
数据处理后台将历史采集数据中的矿藏数量标记为K,并基于历史采集数据生成K个训练课程;使用k表示训练课程编号,第k个训练课程的生成方式为:在矿山中将除第k处矿藏外的其他矿藏进行隐藏,并在第k处矿藏模拟埋入历史采集数据中该位置对应储存量的矿产;数据处理后台使用VR互动游戏制作技术将训练课程转化为VR设备能够接收的模式;
钻孔工使用VR设备,在虚拟场景中完成在训练课程中的钻孔工作的方式为:
钻孔工戴上VR设备后,数据处理后台向VR设备传输对应训练课程的采矿三维模型的VR影像;VR设备实时接收钻孔工的位置以及动作;所述位置为钻孔工在VR设备形成的虚拟空间中相对于矿山和采矿设备的相对位置;所述动作包括在虚拟空间中使用虚拟动作引擎捕捉的钻孔工对钻孔设备和安全设备的操作,虚拟空间使用虚拟物理引擎基于钻孔工的位置和动作,实时向钻孔工反馈对应的操作结果;
由数据处理后台针对每个钻孔工的操作评估出操作基础分的方式为:
将钻孔工的编号标记为i,将训练课程的编号标记为n,对于第i名钻孔工完成的第n项训练课程:
数据处理后台将安全设备的编号标记为s,预先针对钻孔工作的实际特点,为第s台安全设备设置安全权重系数ws1;数据处理后台使用动作捕捉引擎检测第i名钻孔工实施操作的安全设备的集合,并将该安全设备集合标记为Sin;其中,1为钻孔、爆破和采矿工种中钻孔的编号;
数据处理后台预先基于钻孔工作的实际特点,为钻孔工设置若干项动作得分点,将动作得分点的编号标记为a1,将第a1项动作得分点的操作权重系数标记为wa1;数据处理后台使用动作捕捉引擎检测第i名钻孔工完成的动作得分点的集合,并将该动作得分点的集合标记为Ain;
数据处理后台统计第i名钻孔工完成第n项训练课程耗费的时长tin;
不重复的向每个爆破工随机分配钻孔后的训练课程的方式为:
爆破工使用VR设备,在虚拟场景中完成在钻孔后的训练课程中的爆破工作的方式为:
爆破工戴上VR设备后,数据处理后台向VR设备传输对应钻孔后的训练课程的采矿三维模型的VR影像;VR设备实时接收爆破工的位置以及动作;所述位置为爆破工在VR设备形成的虚拟空间中相对于矿山和采矿设备的相对位置;所述动作包括在虚拟空间中使用虚拟动作引擎捕捉的爆破工对爆破设备和安全设备的操作,虚拟空间使用虚拟物理引擎基于爆破工的位置和动作,实时向爆破工反馈对应的操作结果;
由数据处理后台针对每个爆破工的操作评估出操作基础分的方式为:
将钻孔后的训练课程的编号标记为m,对于第j名爆破工完成的第m项钻孔后的训练课程:
预先针对爆破工作的实际特点,为第s台安全设备设置安全权重系数ws2;数据处理后台使用动作捕捉引擎检测第j名爆破工实施操作的安全设备的集合,并将该安全设备集合标记为Sjm;其中,2为钻孔、爆破和采矿工种中爆破的编号;
数据处理后台预先基于爆破工作的实际特点,为爆破工设置若干项动作得分点,将动作得分点的编号标记为a2,将第a2项动作得分点的操作权重系数标记为wa2;数据处理后台使用动作捕捉引擎检测第j名爆破工完成的动作得分点的集合,并将该动作得分点的集合标记为Ajm;
数据处理后台统计第j名爆破工完成第m项钻孔后的训练课程耗费的时长tjm;
不重复的向每个采矿工随机分配钻孔后的训练课程的方式为:
采矿工使用VR设备,在虚拟场景中完成在爆破后的训练课程中的采矿工作的方式为:
采矿工戴上VR设备后,数据处理后台向VR设备传输对应爆破后的训练课程的采矿三维模型的VR影像;VR设备实时接收采矿工的位置以及动作;所述位置为采矿工在VR设备形成的虚拟空间中相对于矿山和采矿设备的相对位置;所述动作包括在虚拟空间中使用虚拟动作引擎捕捉的采矿工对采矿设备和安全设备的操作,虚拟空间使用虚拟物理引擎基于采矿工的位置和动作,实时向采矿工反馈对应的操作结果;
由数据处理后台针对每个采矿工的操作评估出操作基础分的方式为:
将爆破后的训练课程的编号标记为p,对于第k名爆破工完成的第p项钻孔后的训练课程:
预先针对采矿工作的实际特点,为第s台安全设备设置安全权重系数ws3;数据处理后台使用动作捕捉引擎检测第k名采矿工实施操作的安全设备的集合,并将该安全设备集合标记为Skp;其中,3为钻孔、爆破和采矿工种中采矿的编号;
数据处理后台预先基于采矿工作的实际特点,为采矿工设置若干项动作得分点,将动作得分点的编号标记为a3,将第a3项动作得分点的操作权重系数标记为wa3;数据处理后台使用动作捕捉引擎检测第k名采矿工完成的动作得分点的集合,并将该动作得分点的集合标记为Akp;
数据处理后台统计第k名采矿工完成第p项爆破后的训练课程耗费的时长tkp以及采掘的总矿产量Ekp;
根据所有训练课程的结果计算每个矿工的操作专业分的方式为:
将所有矿工按钻孔工、爆破工以及采矿工的配置进行分组,并向每组矿工分组分配预设数量的训练课程包括以下步骤:
步骤S1:将钻孔工、爆破工以及采矿工的操作基础分以及操作专业分进行归一化;并对归一化后的钻孔工、爆破工以及采矿工的操作基础分以及操作专业分分别使用XGi、XGj、XGk、YGi、YGj以及YGk表示;
步骤S2:计算钻孔工、爆破工以及采矿工的操作总分,其中,钻孔工i的操作总分Zi=f1*XGi+f2*YGi,爆破工j的操作总分Zj=f1*XGj+f2*YGj,采矿工k的操作总分Zk=f1*XGk+f2*YGk;其中,f1以及f2分别为预设的比例系数;
步骤S3:将钻孔工、爆破工以及采矿工按操作总分划分为若干熟练等级,在每个熟练等级中,将钻孔工、爆破工以及采矿工进行随机组合,获得矿工分组集合;对于每个熟练等级,预设训练次数;为每个熟练等级中的矿工分组,随机分配若干次训练课程,由同一个矿工分组中的钻孔工、爆破工以及采矿工依次进行钻孔、爆破以及采矿训练,并计算每次训练的训练得分;其中,训练得分为钻孔工、爆破工以及采矿工在每次训练时,操作得分的平均值;
熟练等级数量、每个熟练等级划分标准以及每个熟练等级的训练次数基于历史训练数据设置;
设置的方法包括以下步骤:
步骤O1:统计历史上每个矿工分组的在分组前的钻孔工、爆破工以及采矿工的操作得分的平均值,并将该平均值作为初始训练得分;
步骤O2:预设合格训练分阈值,统计每个矿工分组达到合格训练分阈值所经历的训练次数;
步骤O3:将所有统计的训练次数中筛除5%最高训练次数以及5%最低训练次数;
步骤O4:将矿工分组按训练次数从高至低进行排序;将训练次数的编号标记为h;依次对于每个训练次数,统计该训练次数对应的矿工分组的初始训练得分的最低值和最高值;将第h个训练次数所对应的初始训练得分的最低值和最高值分别标记为Qh以及Rh;从训练次数的编号h=1开始,若Rh>R(h+1),将训练次数h与训练次数h+1对应的矿工分组进行合并,作为第h+1个训练次数对应的矿工分组;将第h+1个训练次数的训练次数值更新为第h个训练次数对应的训练次数值,第h+1个训练次数对应的矿工分组训练得分的最低值为Qh与Q(h+1)中的最小值,该矿工分组的训练得分的最高值为Rh;若RhR(h+1),将Q(h+1)更新为Qh;
将h更新为h+1,循环执行步骤O4,直至遍历完所有的训练得分;
步骤O5:将循环遍历后剩余的训练次数编号对应的训练次数值作为熟练等级的数量,剩余的训练次数编号对应的矿工分组训练得分的最低值和最高值作为划分标准,剩余的训练次数编号对应的训练次数值作为每个熟练等级的训练次数。
本发明还提出一种终端,包括处理器、存储器、通信接口,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行上述方法中的步骤的指令。
本发明还提出一种计算机可读存储介质,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如上述方法,所述计算机包括移动终端。
与现有技术相比,本发明的有益效果是:
(1)本发明利用建模工具和VR视频制作技术将被采集的矿山、采矿设备以及矿山历史采集数据建模制作为适用于VR设备的教学视频以及训练课程,在训练课程中针对钻孔工、爆破工以及采矿工的工种特点,设计出对应工种的操作基础分的评分标准,再为每个矿工的操作专业分的计算提出一种在同一训练课程中进行顺序训练,最后评判采矿结果来对各个矿工进行评分的评分标准,避免了对钻孔工、爆破工以及采矿工的评分过程中存在过高的主观性。
(2)本发明为每个矿工分配多项训练课程,且后续操作的矿工是采用随机分配的方式分配若干次训练课程,从而在统计学意义上保证了操作专业分的准确性。
附图说明
图1为本发明实施例1中基于VR技术的矿山沉浸式教育培训方法的流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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作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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
实施例1
如图1所示,基于VR技术的矿山沉浸式教育培训方法,包括以下步骤:
步骤一:将被采集的矿山在采集前的状态以及采矿设备使用三维建模软件转化为采矿三维模型,并采集矿山历史采集数据,再基于矿山历史采集数据和采矿三维模型,生成若干VR平台上的教学视频以及训练课程;
步骤二:将所有的矿工按照作业工种划分为钻孔工、爆破工以及采矿工,并向不同的作业工种的矿工播放对应的教学视频,以补充矿工的专业知识以及提高矿工的专业水平;
步骤三:在所有矿工完成教学视频的学习后,按照预设顺序向钻孔工、爆破工以及采矿工随机分配N节相对应的训练课程,对应的矿工使用VR设备,在虚拟场景中完成与训练课程相对应的训练操作;由数据处理后台针对每个矿工的操作评估出操作基础分;
其中,步骤三还包括以下步骤:
步骤三(1)在所有矿工完成教学视频的学习后,向每个钻孔工随机分配N节训练课程,钻孔工使用VR设备,在虚拟场景中完成在训练课程中的钻孔工作,并由数据处理后台针对每个钻孔工的操作评估出操作基础分,同时数据处理后台保存钻孔后的训练课程;其中,N为预设的参数;
步骤三(2):数据处理后台不重复的向每个爆破工随机分配钻孔后的训练课程,爆破工使用VR设备,在钻孔后的虚拟场景中完成在训练课程中的爆破工作,并由数据处理后台针对每个爆破工的操作评估出操作基础分,同时数据处理后台保存每个爆破后的训练课程;
步骤三(3)数据处理后台不重复的向每个采矿工随机分配若干个爆破后的训练课程,采矿工使用VR设备,在爆破后的虚拟场景中完成在训练课程中的采矿工作,并由数据处理后台针对每个采矿工的操作评估出操作基础分;
需要说明的是,所述的不重复是指向爆破工以及采矿工分配的训练课程均不重复;
步骤四:根据所有训练课程的结果计算每个矿工的操作专业分;再基于矿工的操作基础分以及操作专业分,将所有矿工按钻孔工、爆破工以及采矿工的配置进行分组,并向每组矿工分组分配预设数量的训练课程;
其中,将被采集的矿山在采集前的状态以及采矿设备使用三维建模软件转化为采矿三维模型的方式为:
在每座矿山被采矿前,使用无人机环绕矿山飞行并捕获矿山的图像,数据处理后台使用GIS技术将矿山图像转化为三维模型;
所述采矿设备包括在矿山上采矿所需要的钻孔设备、爆破设备、采矿设备以及安全设备;钻孔设备例如钻机,爆破设备例如炸药,采矿设备例如起重机,安全设备如安全帽等;将采矿设备转化为三维模型的方式为:使用三维建模软件对采矿设备的外观进行建模,再进一步的基于物理学定律使用虚拟物理引擎对采矿设备的功能进行模拟;例如,对于钻机,虚拟物理引擎根据虚拟的钻机接收到的用户转动钻机开关弧度所形成的对应的电功率,根据物理定律计算出钻头转速,根据钻头转速、钻头角度、土壤材质、土壤密度以及钻机开动时长,计算出钻头钻入土壤的深度;
将矿山的三维模型与采矿设备的三维模型统称为采矿三维模型;
所述矿山历史采集数据为根据对矿山的历史勘测数据以及采矿的结果,推算出的矿山中各个矿藏的位置以及储存量;
生成若干VR平台上的教学视频及训练课程的方式为:
数据处理后台基于采矿三维模型,教学人员根据实际需求录制分别使用钻孔设备、爆破设备、采矿设备对模拟矿山进行钻孔、爆破以及采矿的三组教学视频,每组教学视频分别对应钻孔工、爆破工以及采矿工的学习;数据处理后台使用VR视频制作技术将每组视频转化为VR设备能够接收的模式;
数据处理后台将历史采集数据中的矿藏数量标记为K,并基于历史采集数据生成K个训练课程;使用k表示训练课程编号,第k个训练课程的生成方式为:在矿山中将除第k处矿藏外的其他矿藏进行隐藏,并在第k处矿藏模拟埋入历史采集数据中该位置对应储存量的矿产;数据处理后台使用VR互动游戏制作技术将训练课程转化为VR设备能够接收的模式;
钻孔工使用VR设备,在虚拟场景中完成在训练课程中的钻孔工作的方式为:
钻孔工戴上VR设备后,数据处理后台向VR设备传输对应训练课程的采矿三维模型的VR影像;VR设备实时接收钻孔工的位置以及动作;所述位置为钻孔工在VR设备形成的虚拟空间中相对于矿山和采矿设备的相对位置;所述动作包括在虚拟空间中使用虚拟动作引擎捕捉的钻孔工对钻孔设备和安全设备的操作,虚拟空间使用虚拟物理引擎基于钻孔工的位置和动作,实时向钻孔工反馈对应的操作结果;例如,钻孔工做出走向安全帽后,并捡起安全帽后佩戴的动作后,虚拟物理引擎在虚拟空间中展示安全帽被捡起并佩戴的过程;进一步的,钻孔工在使用钻孔设备进行钻孔时,虚拟物理引擎向钻孔工实时展示钻孔的位置以及钻孔的深度;
由数据处理后台针对每个钻孔工的操作评估出操作基础分的方式为:
将钻孔工的编号标记为i,将训练课程的编号标记为n,对于第i名钻孔工完成的第n项训练课程:
数据处理后台将安全设备的编号标记为s,预先针对钻孔工作的实际特点,为第s台安全设备设置安全权重系数ws1;数据处理后台使用动作捕捉引擎检测第i名钻孔工实施操作的安全设备的集合,并将该安全设备集合标记为Sin;其中,1为钻孔、爆破和采矿工种中钻孔的编号;可以理解的是,未实施操作的安全设备为遗漏的安全项,需要进行扣分;
数据处理后台预先基于钻孔工作的实际特点,为钻孔工设置若干项动作得分点,将动作得分点的编号标记为a1,将第a1项动作得分点的操作权重系数标记为wa1;数据处理后台使用动作捕捉引擎检测第i名钻孔工完成的动作得分点的集合,并将该动作得分点的集合标记为Ain;
数据处理后台统计第i名钻孔工完成第n项训练课程耗费的时长tin;
不重复的向每个爆破工随机分配钻孔后的训练课程的方式为:
将钻孔工的数量标记为I,将爆破工的数量标记为J,将爆破工的编号标记为j,其中,j=1,2,…J;每个爆破工所分配的钻孔后的训练课程的数量M的值为;可以理解的是,不重复的为每个爆破工分配/>个钻孔后的训练课程,可以保证每个钻孔后的训练课程均被用于后续的爆破;
爆破工使用VR设备,在虚拟场景中完成在钻孔后的训练课程中的爆破工作的方式为:
爆破工戴上VR设备后,数据处理后台向VR设备传输对应钻孔后的训练课程的采矿三维模型的VR影像;VR设备实时接收爆破工的位置以及动作;所述位置为爆破工在VR设备形成的虚拟空间中相对于矿山和采矿设备的相对位置;所述动作包括在虚拟空间中使用虚拟动作引擎捕捉的爆破工对爆破设备和安全设备的操作,虚拟空间使用虚拟物理引擎基于爆破工的位置和动作,实时向爆破工反馈对应的操作结果;例如,爆破工在使用爆破设备进行爆破时,虚拟物理引擎向钻孔工实时展示安放的炸药位置和剂量以及爆破的效果;
由数据处理后台针对每个爆破工的操作评估出操作基础分的方式为:
将钻孔后的训练课程的编号标记为m,对于第j名爆破工完成的第m项钻孔后的训练课程:
预先针对爆破工作的实际特点,为第s台安全设备设置安全权重系数ws2;数据处理后台使用动作捕捉引擎检测第j名爆破工实施操作的安全设备的集合,并将该安全设备集合标记为Sjm;其中,2为钻孔、爆破和采矿工种中爆破的编号;
数据处理后台预先基于爆破工作的实际特点,为爆破工设置若干项动作得分点,将动作得分点的编号标记为a2,将第a2项动作得分点的操作权重系数标记为wa2;数据处理后台使用动作捕捉引擎检测第j名爆破工完成的动作得分点的集合,并将该动作得分点的集合标记为Ajm;
数据处理后台统计第j名爆破工完成第m项钻孔后的训练课程耗费的时长tjm;
不重复的向每个采矿工随机分配钻孔后的训练课程的方式为:
将采矿工的数量标记为K,将采矿工的编号标记为k,其中,k=1,2,…K;每个爆破工所分配的钻孔后的训练课程的数量P的值为;可以理解的是,不重复的为每个采矿工分配/>个爆破后的训练课程,可以保证每个爆破后的训练课程均被用于后续的采矿;
采矿工使用VR设备,在虚拟场景中完成在爆破后的训练课程中的采矿工作的方式为:
采矿工戴上VR设备后,数据处理后台向VR设备传输对应爆破后的训练课程的采矿三维模型的VR影像;VR设备实时接收采矿工的位置以及动作;所述位置为采矿工在VR设备形成的虚拟空间中相对于矿山和采矿设备的相对位置;所述动作包括在虚拟空间中使用虚拟动作引擎捕捉的采矿工对采矿设备和安全设备的操作,虚拟空间使用虚拟物理引擎基于采矿工的位置和动作,实时向采矿工反馈对应的操作结果;例如,采矿工在使用采矿设备进行采矿时,虚拟物理引擎向钻孔工实时展示采掘的矿产量以及实时运输效果;
由数据处理后台针对每个采矿工的操作评估出操作基础分的方式为:
将爆破后的训练课程的编号标记为p,对于第k名爆破工完成的第p项钻孔后的训练课程:
预先针对采矿工作的实际特点,为第s台安全设备设置安全权重系数ws3;数据处理后台使用动作捕捉引擎检测第k名采矿工实施操作的安全设备的集合,并将该安全设备集合标记为Skp;其中,3为钻孔、爆破和采矿工种中采矿的编号;
数据处理后台预先基于采矿工作的实际特点,为采矿工设置若干项动作得分点,将动作得分点的编号标记为a3,将第a3项动作得分点的操作权重系数标记为wa3;数据处理后台使用动作捕捉引擎检测第k名采矿工完成的动作得分点的集合,并将该动作得分点的集合标记为Akp;
数据处理后台统计第k名采矿工完成第p项爆破后的训练课程耗费的时长tkp以及采掘的总矿产量Ekp;可以理解的是,采矿工在第p项爆破后的训练课程中采掘的时长和采掘到的矿产量与上一轮爆破所暴露出的矿产量有关;
根据所有训练课程的结果计算每个矿工的操作专业分的方式为:
可以理解的是,因为矿山采矿的专业性并无绝对的标准,对钻孔工和爆破工而言,并没有绝对的钻孔位置和深度以及爆破位置和剂量的衡量标准,因此,对于钻孔工和爆破工而言,对其训练课程结果最好的评判标准显然是最后的采矿量;且为每个矿工分配多项训练课程,且后续操作的矿工也是随机分配的,从而在统计学意义上保证了操作专业分的准确性;
将所有矿工按钻孔工、爆破工以及采矿工的配置进行分组,并向每组矿工分组分配预设数量的训练课程包括以下步骤:
步骤S1:将钻孔工、爆破工以及采矿工的操作基础分以及操作专业分进行归一化;
所述归一化的方式为:
将所有钻孔工的操作基础分作为数据集进行标准归一化;将所有爆破工的操作基础分作为数据集进行标准归一化;将所有采矿工的操作基础分作为数据集进行标准归一化;
将所有钻孔工的操作专业分作为数据集进行标准归一化;将所有爆破工的操作专业分作为数据集进行标准归一化;将所有采矿工的操作专业分作为数据集进行标准归一化;
对归一化后的操作基础分以及操作专业分分别使用XGi、XGj、XGk、YGi、YGj以及YGk表示;
步骤S2:计算钻孔工、爆破工以及采矿工的操作总分,其中,钻孔工i的操作总分Zi=f1*XGi+f2*YGi,爆破工j的操作总分Zj=f1*XGj+f2*YGj,采矿工k的操作总分Zk=f1*XGk+f2*YGk;其中,f1以及f2分别为预设的比例系数;
步骤S3:将钻孔工、爆破工以及采矿工按操作总分划分为若干熟练等级,在每个熟练等级中,将钻孔工、爆破工以及采矿工进行随机组合,获得矿工分组集合;对于每个熟练等级,预设训练次数;为每个熟练等级中的矿工分组,随机分配若干次训练课程,由同一个矿工分组中的钻孔工、爆破工以及采矿工依次进行钻孔、爆破以及采矿训练,并计算每次训练的训练得分;其中,训练得分为钻孔工、爆破工以及采矿工在每次训练时,操作得分的平均值;
在一个优选的实施例中,熟练等级数量以及每个熟练等级的训练次数基于历史训练数据设置;
具体的,设置的方法包括以下步骤:
步骤O1:统计历史上每个矿工分组的在分组前的钻孔工、爆破工以及采矿工的操作得分的平均值,并将该平均值作为初始训练得分;
步骤O2:预设合格训练分阈值,统计每个矿工分组达到合格训练分阈值所经历的训练次数;
步骤O3:将所有统计的训练次数中筛除5%最高训练次数以及5%最低训练次数;
步骤O4:将矿工分组按训练次数从高至低进行排序;将训练次数的编号标记为h;依次对于每个训练次数,统计该训练次数对应的矿工分组的初始训练得分的最低值和最高值;将第h个训练次数所对应的初始训练得分的最低值和最高值分别标记为Qh以及Rh;从训练次数的编号h=1开始,若Rh>R(h+1),将训练次数h与训练次数h+1对应的矿工分组进行合并,作为第h+1个训练次数对应的矿工分组;将第h+1个训练次数的训练次数值更新为第h个训练次数对应的训练次数值,第h+1个训练次数对应的矿工分组训练得分的最低值为Qh与Q(h+1)中的最小值,该矿工分组的训练得分的最高值为Rh;若RhR(h+1),将Q(h+1)更新为Qh;
将h更新为h+1,循环执行步骤O4,直至遍历完所有的训练得分;
步骤O5:将循环遍历后剩余的训练次数编号对应的训练次数值作为熟练等级的数量,剩余的训练次数编号对应的矿工分组训练得分的最低值和最高值作为划分标准,剩余的训练次数编号对应的训练次数值作为每个熟练等级的训练次数。
实施例2
本实施例所述的一种终端,包括处理器、存储器、通信接口,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行上述基于VR技术的矿山沉浸式教育培训方法中的步骤的指令。
实施例3
本实施例所述的一种计算机可读存储介质,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如上述基于VR技术的矿山沉浸式教育培训方法,所述计算机包括移动终端。
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 (12)
1.基于VR技术的矿山沉浸式教育培训方法,其特征在于,包括以下步骤:
步骤一:将采集的矿山在采集前的状态以及采矿设备使用三维建模软件转化为采矿三维模型,并采集矿山历史采集数据,再基于矿山历史采集数据和采矿三维模型,生成若干VR平台上的教学视频以及训练课程;
步骤二:将矿工按照作业工种划分u种类型,并向u种类型矿工播放对应的教学视频;
步骤三:在所有矿工完成教学视频的学习后,按照预设顺序向u种类型矿工随机分配N节相对应的训练课程,对应的矿工使用VR设备,在虚拟场景中完成与训练课程相对应的训练操作;由数据处理后台针对每个矿工的操作评估出操作基础分;
步骤四:根据所有训练课程的结果计算每个矿工的操作专业分;再基于矿工的操作基础分以及操作专业分,将所有u种类型矿工配置进行分组,向每组矿工分组分配预设数量的训练课程。
2.根据权利要求1所述的基于VR技术的矿山沉浸式教育培训方法,其特征在于,所述u种类型矿工包括钻孔工、爆破工以及采矿工;
所述预设顺序为钻孔工、爆破工以及采矿工,钻孔工对应的训练操作为钻孔工作,爆破工对应的训练操作为爆破工作,采矿工对应的训练操作为采矿工作;
所述操作基础分包括每个钻孔工的操作评估出操作基础分、每个爆破工的操作评估出操作基础分与每个采矿工的操作评估出操作基础分;
将所有u种类型矿工配置进行分组的逻辑为:
将矿工按钻孔工、爆破工以及采矿工的配置进行分组。
3.根据权利要求2所述的基于VR技术的矿山沉浸式教育培训方法,其特征在于,将被采集的矿山在采集前的状态以及采矿设备使用三维建模软件转化为采矿三维模型的方式为:
在每座矿山被采矿前,使用无人机环绕矿山飞行并捕获矿山的图像,数据处理后台使用GIS技术将矿山图像转化为三维模型;
所述采矿设备包括在矿山上采矿所需要的钻孔设备、爆破设备、采矿设备以及安全设备;
将采矿设备转化为三维模型的方式为:使用三维建模软件对采矿设备的外观进行建模,再基于物理学定律使用虚拟物理引擎对采矿设备的功能进行模拟;
将矿山的三维模型与采矿设备的三维模型统称为采矿三维模型;
所述矿山历史采集数据为根据对矿山的历史勘测数据以及采矿的结果,推算出的矿山中各个矿藏的位置以及储存量。
4.根据权利要求3所述的基于VR技术的矿山沉浸式教育培训方法,其特征在于,生成若干VR平台上的教学视频及训练课程的方式为:
数据处理后台基于采矿三维模型,预先录制分别使用钻孔设备、爆破设备、采矿设备对模拟矿山进行钻孔、爆破以及采矿的三组教学视频,每组教学视频分别对应钻孔工、爆破工以及采矿工的学习;数据处理后台使用VR视频制作技术将每组视频转化为VR设备能够接收的模式;
数据处理后台将历史采集数据中的矿藏数量标记为K,并基于历史采集数据生成K个训练课程;使用k表示训练课程编号,第k个训练课程的生成方式为:在矿山中将除第k处矿藏外的其他矿藏进行隐藏,并在第k处矿藏模拟埋入历史采集数据中该位置对应储存量的矿产;数据处理后台使用VR互动制作技术将训练课程转化为VR设备能够接收的模式。
5.根据权利要求4所述的基于VR技术的矿山沉浸式教育培训方法,其特征在于,钻孔工使用VR设备,在虚拟场景中完成在训练课程中的钻孔工作的方式为:
钻孔工戴上VR设备后,数据处理后台向VR设备传输对应训练课程的采矿三维模型的VR影像;VR设备实时接收钻孔工的位置以及动作;
由数据处理后台针对每个钻孔工的操作评估出操作基础分的方式为:
将钻孔工的编号标记为i,将训练课程的编号标记为n,对于第i名钻孔工完成的第n项训练课程:
数据处理后台将安全设备的编号标记为s,预先针对钻孔工作的实际特点,为第s台安全设备设置安全权重系数ws1;其中,1为钻孔、爆破和采矿工种中钻孔的编号;数据处理后台使用动作捕捉引擎检测第i名钻孔工实施操作的安全设备,并将实施操作的安全设备集合标记为Sin;
数据处理后台预先基于钻孔工作的实际特点,为钻孔工设置若干项动作得分点,将动作得分点的编号标记为a1,将第a1项动作得分点的操作权重系数标记为wa1;数据处理后台使用动作捕捉引擎检测第i名钻孔工完成的动作得分点,并将完成的动作得分点的集合标记为Ain;
数据处理后台统计第i名钻孔工完成第n项训练课程耗费的时长tin;
6.根据权利要求5所述的基于VR技术的矿山沉浸式教育培训方法,其特征在于,爆破工使用VR设备,在虚拟场景中完成在钻孔后的训练课程中的爆破工作的方式为:
爆破工戴上VR设备后,数据处理后台向VR设备传输对应钻孔后的训练课程的采矿三维模型的VR影像;VR设备实时接收爆破工的位置以及动作;
由数据处理后台针对每个爆破工的操作评估出操作基础分的方式为:
将钻孔后的训练课程的编号标记为m,对于第j名爆破工完成的第m项钻孔后的训练课程:
预先针对爆破工作的实际特点,为第s台安全设备设置安全权重系数ws2;其中,2为钻孔、爆破和采矿工种中爆破的编号;数据处理后台使用动作捕捉引擎检测第j名爆破工实施操作的安全设备,并将实施操作的安全设备集合标记为Sjm;
数据处理后台预先基于爆破工作的实际特点,为爆破工设置若干项动作得分点,将动作得分点的编号标记为a2,将第a2项动作得分点的操作权重系数标记为wa2;数据处理后台使用动作捕捉引擎检测第j名爆破工完成的动作得分点,并将完成的动作得分点的集合标记为Ajm;
数据处理后台统计第j名爆破工完成第m项钻孔后的训练课程耗费的时长tjm;
7.根据权利要求6所述的基于VR技术的矿山沉浸式教育培训方法,其特征在于,采矿工使用VR设备,在虚拟场景中完成在爆破后的训练课程中的采矿工作的方式为:
采矿工戴上VR设备后,数据处理后台向VR设备传输对应爆破后的训练课程的采矿三维模型的VR影像;VR设备实时接收采矿工的位置以及动作;
由数据处理后台针对每个采矿工的操作评估出操作基础分的方式为:
将爆破后的训练课程的编号标记为p,对于第k名爆破工完成的第p项钻孔后的训练课程:
预先针对采矿工作的实际特点,为第s台安全设备设置安全权重系数ws3;其中,3为钻孔、爆破和采矿工种中采矿的编号;数据处理后台使用动作捕捉引擎检测第k名采矿工实施操作的安全设备,并将实施操作的安全设备集合标记为Skp;
数据处理后台预先基于采矿工作的实际特点,为采矿工设置若干项动作得分点,将动作得分点的编号标记为a3,将第a3项动作得分点的操作权重系数标记为wa3;数据处理后台使用动作捕捉引擎检测第k名采矿工完成的动作得分点,并将完成的动作得分点的集合标记为Akp;
数据处理后台统计第k名采矿工完成第p项爆破后的训练课程耗费的时长tkp以及采掘的总矿产量Ekp;
9.根据权利要求8所述的基于VR技术的矿山沉浸式教育培训方法,其特征在于,将矿工按钻孔工、爆破工以及采矿工的配置进行分组,并向每组矿工分组分配预设数量的训练课程包括以下步骤:
步骤S1:将钻孔工、爆破工以及采矿工的操作基础分以及操作专业分进行归一化;并对归一化后的钻孔工、爆破工以及采矿工的操作基础分以及操作专业分分别使用XGi、XGj、XGk、YGi、YGj以及YGk表示;
步骤S2:计算钻孔工、爆破工以及采矿工的操作总分,其中,钻孔工i的操作总分Zi=f1*XGi+f2*YGi,爆破工j的操作总分Zj=f1*XGj+f2*YGj,采矿工k的操作总分Zk=f1*XGk+f2*YGk;其中,f1以及f2分别为预设的比例系数;
步骤S3:将钻孔工、爆破工以及采矿工按操作总分划分为若干熟练等级,在每个熟练等级中,将钻孔工、爆破工以及采矿工进行随机组合,获得矿工分组集合;对于每个熟练等级,预设训练次数;为每个熟练等级中的矿工分组,随机分配若干次训练课程,计算每次训练的训练得分;其中,训练得分为钻孔工、爆破工以及采矿工在每次训练时操作得分的平均值;
熟练等级数量、每个熟练等级划分标准以及每个熟练等级的训练次数基于历史训练数据设置。
10.根据权利要求9所述的基于VR技术的矿山沉浸式教育培训方法,其特征在于,基于历史训练数据设置的方法包括以下步骤:
步骤O1:统计历史上每个矿工分组的在分组前的钻孔工、爆破工以及采矿工的操作得分的平均值,并将该平均值作为初始训练得分;
步骤O2:预设合格训练分阈值,统计每个矿工分组达到合格训练分阈值所经历的训练次数;
步骤O3:将所有统计的训练次数中筛除5%最高训练次数以及5%最低训练次数;
步骤O4:将矿工分组按训练次数从高至低进行排序;将训练次数的编号标记为h;依次对于每个训练次数,统计该训练次数对应的矿工分组的初始训练得分的最低值和最高值;将第h个训练次数所对应的初始训练得分的最低值和最高值分别标记为Qh以及Rh;从训练次数的编号h=1开始,若Rh>R(h+1),将训练次数h与训练次数h+1对应的矿工分组进行合并,作为第h+1个训练次数对应的矿工分组;将第h+1个训练次数的训练次数值更新为第h个训练次数对应的训练次数值,第h+1个训练次数对应的矿工分组训练得分的最低值为Qh与Q(h+1)中的最小值,该矿工分组的训练得分的最高值为Rh;若RhR(h+1),将Q(h+1)更新为Qh;
将h更新为h+1,循环执行步骤O4,直至遍历完所有的训练得分;
步骤O5:将循环遍历后剩余的训练次数编号对应的训练次数值作为熟练等级的数量,剩余的训练次数编号对应的矿工分组训练得分的最低值和最高值作为划分标准,剩余的训练次数编号对应的训练次数值作为每个熟练等级的训练次数。
11.一种终端,其特征在于,包括处理器、存储器、通信接口,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-10任一项所述的方法中的步骤的指令。
12.一种计算机可读存储介质,其特征在于,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-10任一项所述的方法,所述计算机包括移动终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310564997.2A CN116312127B (zh) | 2023-05-19 | 2023-05-19 | 基于vr技术的矿山沉浸式教育培训方法、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310564997.2A CN116312127B (zh) | 2023-05-19 | 2023-05-19 | 基于vr技术的矿山沉浸式教育培训方法、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116312127A true CN116312127A (zh) | 2023-06-23 |
CN116312127B CN116312127B (zh) | 2023-07-28 |
Family
ID=86824328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310564997.2A Active CN116312127B (zh) | 2023-05-19 | 2023-05-19 | 基于vr技术的矿山沉浸式教育培训方法、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116312127B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150056583A1 (en) * | 2013-08-20 | 2015-02-26 | Joy Mm Delaware, Inc. | Underground mining training simulator |
CN108230804A (zh) * | 2017-12-25 | 2018-06-29 | 郑玉宣 | 一种虚拟现实矿山应急演练和操作技能培训方法及系统 |
US20190392728A1 (en) * | 2018-06-25 | 2019-12-26 | Pike Enterprises, Llc | Virtual reality training and evaluation system |
CN112767529A (zh) * | 2020-12-01 | 2021-05-07 | 重庆科技学院 | 矿井三维可视化智能融合平台 |
CN115345043A (zh) * | 2022-07-27 | 2022-11-15 | 山东黄金矿业(莱州)有限公司三山岛金矿 | 一种黄金地下矿山采矿工艺的三维仿真方法 |
CN115471191A (zh) * | 2022-09-13 | 2022-12-13 | 鞍钢集团矿业设计研究院有限公司 | 一种智慧矿山采矿系统 |
CN115619579A (zh) * | 2022-08-11 | 2023-01-17 | 淮北矿业股份有限公司 | 一种安全警示教育室智能化考核管理系统 |
CN115841402A (zh) * | 2022-11-24 | 2023-03-24 | 中安华邦(北京)安全生产技术研究院股份有限公司 | 一种针对安全生产的数字化培训方法、系统、介质及设备 |
-
2023
- 2023-05-19 CN CN202310564997.2A patent/CN116312127B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150056583A1 (en) * | 2013-08-20 | 2015-02-26 | Joy Mm Delaware, Inc. | Underground mining training simulator |
CN108230804A (zh) * | 2017-12-25 | 2018-06-29 | 郑玉宣 | 一种虚拟现实矿山应急演练和操作技能培训方法及系统 |
US20190392728A1 (en) * | 2018-06-25 | 2019-12-26 | Pike Enterprises, Llc | Virtual reality training and evaluation system |
CN112767529A (zh) * | 2020-12-01 | 2021-05-07 | 重庆科技学院 | 矿井三维可视化智能融合平台 |
CN115345043A (zh) * | 2022-07-27 | 2022-11-15 | 山东黄金矿业(莱州)有限公司三山岛金矿 | 一种黄金地下矿山采矿工艺的三维仿真方法 |
CN115619579A (zh) * | 2022-08-11 | 2023-01-17 | 淮北矿业股份有限公司 | 一种安全警示教育室智能化考核管理系统 |
CN115471191A (zh) * | 2022-09-13 | 2022-12-13 | 鞍钢集团矿业设计研究院有限公司 | 一种智慧矿山采矿系统 |
CN115841402A (zh) * | 2022-11-24 | 2023-03-24 | 中安华邦(北京)安全生产技术研究院股份有限公司 | 一种针对安全生产的数字化培训方法、系统、介质及设备 |
Non-Patent Citations (2)
Title |
---|
侯晨,朱万成,刘洪磊,张鹏海: "基于虚拟现实技术的采矿工程专业教学改革", 教育教学论坛, pages 73 - 75 * |
欧倍尔虚拟仿真: "采矿工程虚拟仿真——信息化时代实训改革新探索", Retrieved from the Internet <URL:https://baijiahao.baidu.com/s?id=1750993936078174182&wfr=spider&for=pc> * |
Also Published As
Publication number | Publication date |
---|---|
CN116312127B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vladyko et al. | Imitating modeling stability of mine workings | |
CN109376673B (zh) | 一种基于人体姿态估计的煤矿井下人员不安全行为识别方法 | |
EP3969837B1 (en) | Blasting system and method | |
US10006750B2 (en) | Blasting system control | |
WO2015112058A1 (ru) | Учебный тренажер боевых расчетов зенитного ракетного комплекса | |
EP3543458A1 (en) | System and method for controlling a drill and blast event | |
CN116312127B (zh) | 基于vr技术的矿山沉浸式教育培训方法、终端及存储介质 | |
CN117610315B (zh) | 基于多元地质信息的隧道智能爆破设计系统 | |
CN113280703B (zh) | 一种基于bim技术的钻爆施工隧道超欠挖控制方法 | |
Yari et al. | Developing a mathematical assessment model for blasting patterns management: Sungun copper mine | |
RU144759U1 (ru) | Учебный тренажер боевых расчетов зенитного ракетного комплекса | |
CN117670092B (zh) | 基于数据分析的煤矿爆破数据分析系统 | |
CN207037966U (zh) | 一种教学用掘进机实操系统 | |
Kara et al. | The latest generation of the electronic system enhanced safety and productivity | |
Liu et al. | Design and optimization for bench blast based on Voronoi diagram | |
CN113338949A (zh) | 一种基于ar技术的控超挖爆破眼定位施工系统 | |
CN111678389A (zh) | 一种基于bim的山地大体积石方精准爆破施工方法 | |
Milanović et al. | Application of softwares for drilling and blasting | |
CN112214730B (zh) | 一种岩石可钻性可爆性判定方法和系统 | |
Onederra et al. | Computer aided blast design and information management applied to open pit narrow vein mining at Cerro Vanguardia | |
RU2386032C1 (ru) | Способ определения содержания полезного компонента во взорванной горной массе при ее выемке на карьерах | |
CN113139319B (zh) | 一种基于智能岩性识别的炮孔装药量计算方法 | |
Wu et al. | Intelligent mine blasting and its components | |
Mitri et al. | DB-BASE: A geomechanical database for destress blasting applications in hard rock mines | |
Kecojevic et al. | 3-D visual drill and blast design |
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 |