CN202141517U - 一种爆破振动预报系统 - Google Patents
一种爆破振动预报系统 Download PDFInfo
- Publication number
- CN202141517U CN202141517U CN201120062927U CN201120062927U CN202141517U CN 202141517 U CN202141517 U CN 202141517U CN 201120062927 U CN201120062927 U CN 201120062927U CN 201120062927 U CN201120062927 U CN 201120062927U CN 202141517 U CN202141517 U CN 202141517U
- Authority
- CN
- China
- Prior art keywords
- blasting
- blasting vibration
- unit
- training
- forecast
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本实用新型公开了一种爆破振动预报系统,该系统包括爆破设备、测量设备和计算机,测量设备与爆破设备连接并检测爆破振动强度,测量设备将检测到的爆破振动强度值输入计算机,计算机输出爆破振动强度的预报值。本实用新型的爆破振动预报系统,通过将爆破设备、测量设备和计算机组合在一起对爆破振动进行预报,综合性高,能够高效、便捷的输出控制信息。
Description
技术领域
本实用新型涉及工程爆破领域,具体涉及一种对工程爆破施工的振动进行预报的爆破振动预报系统。
背景技术
目前,现代工程爆破已经成为国民经济和国防建设不可或缺的特种行业:例如,核电建设中的山体和基坑开挖,交通工程中的隧洞和桩基开挖,以及海域工程中的挤淤等施工过程中,都需要用到爆破技术。而且,很多工程都是分期进行的。以核电基建为例,爆破施工往往贯穿核电建设一期、二期等,即,一期机组发电的同时,可能不远的地方还在进行炸山、基坑开挖工程,这就要求施工单位在确保核电设施安全的前提下,加快爆破施工进度。但是,如果对爆破过程中的振动情况控制不好,就会造成安全事故,甚至造成人员伤亡。现有技术中对爆破振动的预报,各种设备独立工作,人工将获得的数据输入计算机,通过计算机对数据进行处理并进行预报。
发明内容
发明目的:为了克服现有技术中存在的不足,本实用新型提供一种将各种设备组合起来的爆破振动预报系统。
技术方案:为实现上述目的,本实用新型的爆破振动预报系统包括爆破设备、测量设备和计算机,所述测量设备与爆破设备连接并检测爆破振动强度,所述测量设备将检测到的爆破振动强度值输入计算机,计算机输出爆破参数对爆破振动强度的重要度以及爆破振动强度的预报值。
有益效果:本实用新型的爆破振动预报系统,通过将爆破设备、测量设备和计算机组合在一起对爆破振动进行预报,综合性高,能够高效、便捷的输出控制信息。
附图说明
图1为本实用新型的爆破振动预报系统的结构示意图;
图2为图1中训练基于微粒优化的粗糙集甄别单元的内部处理流程图;
图3为图1中预报模型的训练单元的内部处理流程图。
具体实施方式
下面结合附图对本实用新型作更进一步的说明。
如图1所示,本实用新型的爆破振动预报系统,包括爆破设备5、测量设备4和计算机,测量设备4与爆破设备5连接并检测爆破振动强度,测量设备4将检测到的爆破振动强度值输入计算机,计算机输出爆破参数对爆破振动强度的重要度以及爆破振动强 度的预报值。
现有技术中,实现计算机对数据进行处理并进行预报的方式有很多种,例如通常是基于经验公式的预报方法,通过段药量和水平距离,高程修正经验公式还考虑高程差,求出振动强度。
本实施例中,提供一种更好的方式:计算机包括工程信息采集模块3、重要度分析模块1和预报模型模块2,重要度分析模块1包括依次连接的训练数据集的获取单元11、训练数据集的预处理单元12、训练基于微粒优化的粗糙集甄别单元13以及重要度单元14,训练数据集的预处理单元12对训练数据集的获取单元11获取的信息进行预处理,并在训练基于微粒优化的粗糙集甄别单元13内进一步处理,最终通过重要度单元14输出爆破参数对爆破振动强度的重要度。预报模型模块2包括依次连接的训练数据集的获取单元21、训练数据集的预处理单元22、预报模型的训练单元23、预报模型的检验单元24以及预报模型的预报单元25,训练数据集的预处理单元22对训练数据集的获取单元21获取的信息进行预处理,并在预报模型的训练单元23内进一步处理,经过预报模型的检验单元24检验后,通过预报模型的预报单元25输出爆破振动强度的预报值。
下面以山体开挖为例,进行详细说明。
实施例1:
首先,按照预先设计的爆破参数(爆破参数为抛掷方向、段药量、总药量、水平距离、台阶高度、高程差和孔径),通过爆破设备5对山体实施第一次爆破作业,同时使用测量设备4检测爆破振动强度值(本实施例中振动强度值为振动加速度峰值);
然后,更改爆破参数,使用爆破设备5对山体进行第二次爆破作业,并使用测量设备4检测爆破振动加速度峰值;之后,继续更改爆破参数,使用爆破设备5对山体进行爆破作业,并使用测量设备4检测爆破振动加速度峰值,爆破设备5的有效爆破次数为18次,炮次编号为001~018,所有的爆破参数和相应的振动加速度峰值如表1所示:
表1
通过计算机设置爆破振动预报系统的内部参数:W=200,M=50,L=6;设置两个预警等级,分别为0.018g和0.025g(其中控制阈值为0.03g)。
测量设备4将表1中的数据输入计算机,工程信息采集模块3获得上述数据并建立工程数据库;重要度分析模块1对工程信息采集模块3的数据库信息进行处理,并输出爆破参数对振动加速度的重要度;预报模型模块2对工程信息采集模块3的数据库信息进行处理,并输出爆破振动加速度的预报值;最后,以上述结果为依据,控制下次爆破作业的爆破参数。
本实施例中,重要度分析模块1输出的爆破参数对监测属性的重要度如下:抛掷方向-0.100,孔径-0.107,段药量-0.098,总药量-0.174,台阶高度-0.131,水平距离-0.184,高程差-0.207。各爆破参数所对应的数值越大,说明其数值越高。
具体来说,重要度分析模块1的内部处理包括以下几个单元:1)训练数据集的获取单元(11):1-1从工程数据库中调出工程编号;1-2选择炮次编号;1-3选择需要分析的爆破参数;1-4输入预警值;2)训练数据的预处理单元(12):2-1定性参数赋值,如抛掷方向(根据正向、正侧向、侧向、背侧向、背向顺序对实验样本中出现的抛掷方向依次赋值0、1、2、...);2-2对所有爆破参数和监测属性分别作归一化处理;3)训练基于微粒优化的粗糙集甄别单元(13):如图2所示,3-1断点个数h在[2,4]中选取,初始值为2;3-2粒子群初始化,粒子总数目为W,爆破参数中参训定量参数为待离散属性个数T;粒子的位置属性为h*T的向量,向量中每个数字表示断点的位置;以每个粒 子的断点位置信息对实验样本进行分割,形成决策表的形式,计算爆破参数对监测属性的依赖度,作为每个粒子的适应值;3-3从所有粒子中根据依赖度由高到低依次挑出前L个作为精英粒子,以第i个精英粒子Pi作为第i个临时中心,i的初始值等于1;3-4判断i是否小于等于L,“否”则执行步骤3-5,“是”则执行步骤3-7;3-5h加1;3-6判断h是否小于等于4,“是”则执行步骤3-1,“否”则重新开始;3-7根据公式①,从所有粒子中挑出与精英粒子Pi的粒距由近到远前M个粒子,组建临时小样本粒子群:
假设矩阵Xi和Xj分别表示第i个粒子和第j个粒子的位置信息矩阵,利用欧几里德距离定义Xi和Xj之间的粒距:
D(i,j)=||Xi-Xj|| ①
M个粒子的位置信息矩阵根据公式②进行调整:
式中:i=1,…,n;d=1,…,D;t为迭代次数;w为惯性权重,当k>0时,w=0.40,否则w=0.95;c1,c2为学习因子;r1、r2为介于(0,1)之间的随机数;
对于第i个粒子,连续两次迭代对应适应值的梯度变化值ki为:
3-8如果找到满意粒子,训练结束,否则执行步骤3-9;3-9h加1,重新执行步骤3-4;4)重要度单元(14):输出爆破参数对监测属性的重要度。
实施例2:
首先,通过计算机设置本实施例的爆破振动预报系统的内部参数:W=200,M=50,L=6,f1=10%,f2=0.00001,f3=0.00001。
测量设备4向计算机中输入训练样本:表1中18个炮次,爆破参数和振动强度同实施例1,预报模型模块(2)的内部处理包括以下内容:
5)训练数据模块的获取单元(21):5-1从工程数据库调出工程编号;5-2选择炮次编号,一共有N个炮次;6)训练数据集的预处理单元(22):对数据样本作归一化或区间化处理,爆破参数和监测属性分别对应矩阵{X/x1,x2,…,xN}和{Y/y1,y2,…,yN}
7)预报模型的训练单元(23),如图3所示:
7-1粒子群初始化,粒子总数目为W,临时粒子群总数目为M,粒子位置和速度的 属性分别为惩罚因子C和宽度系数σ2,拟合或预报精度作为各个粒子的适应值;
7-2给出预报模型参数的初始值:
惩罚因子范围:[C1,C2],其中
C2=2*(max(Y)-min(Y));初始值C3=min(C1,C2);
7-3从所有粒子中根据依赖度由高到低依次挑出前L个作为精英粒子,以第i个精英粒子Pi作为第i个临时中心,i的初始值等于1;7-4判断i是否小于等于L,“否”则执行步骤7-5,“是”则执行步骤7-6;7-5重新给不敏感系数ε赋值,重新回到步骤7-1;7-6在训练样本内部随机抽取三个样本作为自检验样本,剩余样本作为训练样本;7-7根据公式①,从所有粒子中挑出与精英粒子Pi的粒距由近到远前M个粒子,组建临时小样本粒子群;M个粒子的位置信息矩阵根据公式②~③进行调整;7-8同时终止条件:检验样本的相对误差f1和训练样本的方差和f2;如果达到终止条件,执行步骤8,否则执行步骤7-9;7-9i加1,重新执行步骤7-4;
预报模型的训练结果:宽度系数=0.19966,不敏感系数=0.00008,惩罚系数=0.034315,相对误差=5.6768%,方差和=0.000002。
8)预报模型的检验单元(24):将新检验样本(表2中“019~026”十个炮次)输入到模型,如果预报值和实测值相差在允许范围f3内,执行步骤8),否则重新回到步骤7-2;
表2
预报模型检验结果:相对误差=3.365%,方差和=0.000000408。
9)输入爆破参数,对监测属性进行预报:
I第一次预报样本输入:抛掷方向=正向,段药量=116kg,总药量=3128kg,水平距离=666.8m,台阶高度=10.5m,高程差=120.9m,孔径=89mm。
预报模型的预报单元(25)输出预报值:0.0140。实测值:0.0135。
II第二次预报样本输入:抛掷方向=正侧向,段药量=147kg,总药量=4143kg,水平距离=677.0m,台阶高度=12.0m,高程差=47.5m,孔径=89mm。
预报模型的预报单元(25)输出预报值:0.0164。实测值:0.0158。
III第三次预报样本输入:抛掷方向=正向,段药量=221kg,总药量=3689kg,水平距离=731.2m,台阶高度=11.8m,高程差=48.2m,孔径=115mm。
预报模型的预报单元(25)输出预报值:0.0162。实测值:0.0169。
由上述实施例可以看出:本实用新型的爆破振动预报系统,通过将爆破设备、测量设备和计算机组合在一起对爆破振动进行预报,综合性高,能够高效、便捷的输出控制信息。
Claims (1)
1.一种爆破振动预报系统,其特征在于:包括爆破设备(5)、测量设备(4)和计算机,所述测量设备(4)与爆破设备(5)连接并检测爆破振动强度,所述测量设备(4)将检测到的爆破振动强度值输入计算机,计算机输出爆破参数对爆破振动强度的重要度以及爆破振动强度的预报值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201120062927U CN202141517U (zh) | 2011-03-11 | 2011-03-11 | 一种爆破振动预报系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201120062927U CN202141517U (zh) | 2011-03-11 | 2011-03-11 | 一种爆破振动预报系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN202141517U true CN202141517U (zh) | 2012-02-08 |
Family
ID=45552572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201120062927U Expired - Fee Related CN202141517U (zh) | 2011-03-11 | 2011-03-11 | 一种爆破振动预报系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN202141517U (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106289371A (zh) * | 2016-07-22 | 2017-01-04 | 长江重庆航道工程局 | 水下爆破安全测定装置与方法 |
CN110736400A (zh) * | 2019-10-22 | 2020-01-31 | 长江重庆航道工程局 | 一种考虑岩石内部构造的水下钻孔爆破振速计算方法 |
-
2011
- 2011-03-11 CN CN201120062927U patent/CN202141517U/zh not_active Expired - Fee Related
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106289371A (zh) * | 2016-07-22 | 2017-01-04 | 长江重庆航道工程局 | 水下爆破安全测定装置与方法 |
CN110736400A (zh) * | 2019-10-22 | 2020-01-31 | 长江重庆航道工程局 | 一种考虑岩石内部构造的水下钻孔爆破振速计算方法 |
CN110736400B (zh) * | 2019-10-22 | 2022-09-13 | 长江重庆航道工程局 | 一种考虑岩石内部构造的水下钻孔爆破振速计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104200292B (zh) | 一种导水裂隙带高度预测方法 | |
CN109738940B (zh) | 一种存在空区条件下的声发射/微震事件定位方法 | |
CN111210155A (zh) | 一种工业产品生命周期环境影响评价的方法 | |
CN104778378A (zh) | 一种油气田产量递减影响因素分析方法 | |
CN106096243B (zh) | 一种基于伴随矩阵的供水管网泄漏故障反向寻源方法 | |
Tan et al. | NOx emission model for coal-fired boilers using principle component analysis and support vector regression | |
CN103839110A (zh) | 一种锅炉炉内氮氧化物生成量预测建模方法 | |
CN103197183B (zh) | 一种修正电磁干扰分离中独立分量分析法不确定度的方法 | |
CN106489068B (zh) | 测量值分析装置以及测量值分析方法 | |
CN105571866A (zh) | 一种发动机振动图谱提取方法 | |
CN202141517U (zh) | 一种爆破振动预报系统 | |
Cheng et al. | Study on total-factor energy efficiency in three provinces of Northeast China based on SBM model | |
CN102176123A (zh) | 一种爆破振动预报与控制系统及其控制方法 | |
CN104318086B (zh) | 一种隧道光面爆破质量评价预测方法 | |
CN103593519A (zh) | 一种基于试验设计的运载火箭总体参数优化方法 | |
CN105512405A (zh) | 一种mpc引射喷管直径的优化设计方法 | |
CN103823787A (zh) | 基于微分求积法的多车刀并行车削稳定性判定方法 | |
CN108982308B (zh) | 一种基于dsp飞灰含碳量测量的实时多任务调度方法 | |
CN104251184A (zh) | 自动推荐最优风电机组的方法和系统 | |
CN113346489A (zh) | 一种新能源空间耦合性建模评估方法及系统 | |
Ma et al. | Research on improved prediction model of blasting vibration speed by BP neural network | |
Liu et al. | Shearer load identification of the load spectrum of the pick based on chaotic characteristics | |
CN105205589A (zh) | 火力发电机组不同负荷下锅炉效率的评价方法 | |
Wang | The improved elite multi-parent hybrid optimization algorithm based on bat algorithm to optimum design of automobile gearbox | |
Andrych-Zalewska et al. | Static internal combustion engine operating states in vehicle driving tests |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120208 Termination date: 20130311 |