爆堆自适应分层的块度空间分布测量方法研究

爆堆块度分布特征是评价爆破效果的重要指标,针对目前爆堆块度直接与间接法测量方法的不足,提出了一种爆堆自适应分层的块度空间分布测量方法,该方法使用GA-LSSVM模型来预测Weilbull函数的形状参数α、β,并设置多个预测点,生成三维爆堆形态预测曲线。同时对Kuz-Ram块度预测模型参数进行转换和融合,建立了爆堆分层距离预测模型,并将其导入Weilbull-GA-LSSVM爆堆形态预测模型,实现爆堆自动分层。通过现场应用,不断优化分层设计,探究爆堆最佳分层位置,达到爆堆自适应分层的效果。以广东省大排矿山为工程依托开展现场试验,结果表明:(1)Weibull-GA-LSSVM模型能够准确预测爆堆形态,其中爆堆最大前移距离预测结果的平均相对误差仅为5.6%,松散系数预测结果的相对误差多数在9%左右,表现出良好的稳定性。(2)爆堆自动分层模型能够在爆前合理地输出分层距离以及分层层数,保证了爆后现场爆堆的铲装效率。(3)推导出爆堆最佳分层位置距离公式,实现了爆堆自适应分层,爆堆块度分布测量精度明显提高,更接近于爆堆整体块度分布。

基于IGWO-CatBoost模型的岩石爆破块度预测

针对无法准确预测矿山岩石爆破后块度大小的问题,提出一种基于改进灰狼算法(IGWO)优化的CatBoost块度预测模型。采用一种新的非线性收敛因子,引入动态权重策略,改进已有的灰狼算法(GWO),通过4个测试函数和5种优化算法验证了IGWO的寻优能力。对公开数据库和现场采集的32组数据进行预测分析。首先,采用随机森林算法进行特征重要性筛选,利用IGWO对CatBoost进行参数寻优,建立IGWO-CatBoost爆破块度预测模型;然后,将预测结果与在相同条件下建立的CatBoost、XGBoost、LightGBM模型进行对比分析。经过IGWO调参,CatBoost模型的预测准确度得到有效提高,IGWO-CatBoost模型的预测准确度均优于其他3种预测模型。对比结果表明,IGWO-CatBoost模型具有很好的预测能力和适应性。

考虑炮孔密集系数及高程影响下质点峰值速度的 预测模型研究

边坡爆破作业中产生的爆破振速过大,会对周围建(构)筑物造成安全隐患,准确预测爆破峰值速度是爆破开挖的重要指标。基于量纲分析理论,推导并改进炮孔密集系数及高程影响下的质点峰值速度预测公式。结果表明:引入边坡坡度项(H/D)的经验公式预测精度均大于萨氏公式及萨氏修正公式;推导并改进的预测模型能较为准确地预测峰值速度,预测精度达到91.16%;结合多次爆破测振试验获得实测爆破振动数据,分别代入萨氏公式、萨氏修正公式以及通过无量纲理论推导的质点峰值振速公式进行非线性回归运算,得到改进的峰值速度公式与各峰值速度公式的相对误差分别为8.84%、13.32%和19.74%。炮孔密集系数的预测模型比萨氏公式、萨氏修正公式的精度分别提高了10.90%和4.48%,并且在实际工程中取得了良好效果,说明了预测公式的可行性,可为类似爆破工程提供参考。

基于TAUNet分割模型的爆堆块度空间分布研究

为了更好地满足矿区现场爆堆块度实时高精度检测的需要,提出了一种基于深度学习的爆堆块体分割模型TAUNet(Transformer Aspp UNet),该模型在UNet的编码器和解码器中融入Transformer的自我注意机制,利用其处理大型特征映射,改善全局信息的提取,恢复在编码器中跳过的粒度细节。在骨干网络特征提取阶段,加入了ASPP空洞卷积模块,增强了模型对块体局部特征的融合。在爆堆图像分割的基础上,采用爆堆分层的方法获取爆堆的块度空间分布信息。结果表明:(1)TAUNet分割模型具有良好分割性能,模型训练评价指标骰子系数、交并比、召回率分别达到97.12%、94.61%、96.2%,均优于主流的语义分割模型,对现场爆堆块体有着良好的分割效果;(2)通过爆堆分层的方法可知肇庆某矿山西采区315~300 m平台的爆堆块度空间分布,87.15%岩块粒径分布在0~0.6 m, 9.9%的岩块粒径分布于0.6~1.0 m,大于1.0 m的大块占2.95%。研究结果能够为爆破效果评价的精细化、智能化发展提供参考借鉴。