期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于岩块轮廓属性的爆堆图像自适应分割方法 被引量:1
1
作者 郭钦鹏 相志斌 +2 位作者 杨仕教 王昱琛 尹裕 《工程爆破》 CSCD 北大核心 2023年第5期64-71,共8页
针对爆堆岩块图像中因粘连、堆叠、边缘模糊等造成的错误分割问题,提出基于岩块轮廓属性的爆堆图像自适应分割方法。首先对爆堆图像进行预处理,然后采用Phansalkar方法进行二值分割,并采用形态学优化和面积滤波去除噪点,再利用爆堆岩块... 针对爆堆岩块图像中因粘连、堆叠、边缘模糊等造成的错误分割问题,提出基于岩块轮廓属性的爆堆图像自适应分割方法。首先对爆堆图像进行预处理,然后采用Phansalkar方法进行二值分割,并采用形态学优化和面积滤波去除噪点,再利用爆堆岩块的轮廓坚实度和迭代腐蚀相结合的方法来标记种子点,最后基于标记的种子点利用分水岭算法对图像进行分割。将该方法用于爆堆图像分割,种子点标记结果表明基于岩块轮廓坚实度的种子点标记方法可避免部分噪点的影响,提高对爆堆岩块标记效率。分割结果表明该方法获得的面积累计曲线与人工分割的面积累计曲线高度相似,3个特征面积参数的最大相对误差仅为4.32%,对于100 cm 2以上的岩块,分割准确率为98.33%。相较于其他用于岩块分割的分水岭改进方法有效地减小了错误分割的可能,实现了基于岩块灰度特征和轮廓特征的爆堆图像高精度自适应分割。 展开更多
关键词 爆堆图像 Phansalkar 岩块轮廓 种子点标记 分水岭算法
下载PDF
基于爆破振动对孔间微差时间的确定 被引量:4
2
作者 相志斌 杨仕教 +2 位作者 蒲成志 朱忠华 郑建礼 《中国矿业》 北大核心 2019年第11期123-127,共5页
目前岩土工程微差爆破领域的研究普遍认为3 ms以内的时间差对实际工程的爆破振动效果影响不大,但针对这方面的研究还不够深入。为此,本文借助数值模拟和工程试验的方法,研究孔间微差时间的1 ms时间差对爆破振动的影响。以自由面形成原... 目前岩土工程微差爆破领域的研究普遍认为3 ms以内的时间差对实际工程的爆破振动效果影响不大,但针对这方面的研究还不够深入。为此,本文借助数值模拟和工程试验的方法,研究孔间微差时间的1 ms时间差对爆破振动的影响。以自由面形成原理计算孔间微差时间,并以此为依据,按1 ms等间距选择了9 ms、10 ms、11 ms、12 ms、13 ms、14 ms、15 ms共7种孔间微差延迟方案进行数值模拟,以爆破振动速度确定最优微差时间。然后,通过工程试验验证最优微差时间的爆破振动效果。数值模拟和工程试验结果表明:1 ms和2 ms的误差引起爆破振动速度的变化分别达到0.9%~8.1%和2%~13%,将孔间微差时间精确到1 ms级对爆破减振有明显的效果,15 ms孔间微差时间的爆破振动最小,对周边建筑物影响最小,监测点振动速度符合安全要求。 展开更多
关键词 微差时间 爆破振动 数值模拟 工程试验
下载PDF
复杂环境条件下的逐孔松动爆破技术试验研究 被引量:6
3
作者 相志斌 杨仕教 +6 位作者 朱忠华 蒲成志 彭贯军 郑建礼 姜宝金 张紫晗 胡光球 《南华大学学报(自然科学版)》 2018年第5期34-37,43,共5页
采用逐孔松动爆破方法解决复杂环境条件下土石方爆破对振动、飞石等危害有严格要求的难题,并在小径湾华润大学土石方爆破开展现场试验研究.依据爆破方案、岩体工程条件与周围环境,合理选择爆破参数和装药结构,计算确定了孔间微差时间和... 采用逐孔松动爆破方法解决复杂环境条件下土石方爆破对振动、飞石等危害有严格要求的难题,并在小径湾华润大学土石方爆破开展现场试验研究.依据爆破方案、岩体工程条件与周围环境,合理选择爆破参数和装药结构,计算确定了孔间微差时间和排间微差时间,采用电子雷管V形爆破网络起爆.试验结果表明,采用电子雷管逐孔松动爆破方法,显著降低了爆破振动,现场无飞石,爆堆规整,能适用周边环境复杂的土石方爆破. 展开更多
关键词 逐孔松动爆破 爆破振动 飞石
下载PDF
运用GA-BP神经网络对爆破振动速度预测 被引量:16
4
作者 郭钦鹏 杨仕教 +3 位作者 朱忠华 相志斌 张紫晗 胡光球 《爆破》 CSCD 北大核心 2020年第3期148-152,共5页
为了更好的预测爆破振动速度,运用遗传算法(GA)对BP神经网络的权值与阈值进行优化,构建GA-BP神经网络预测模型。结合华润小径湾实际爆破工程监测数据,确定以最大单段药量、爆心距以及测点至爆心的高程差作为输入参数,对爆破振动速度进... 为了更好的预测爆破振动速度,运用遗传算法(GA)对BP神经网络的权值与阈值进行优化,构建GA-BP神经网络预测模型。结合华润小径湾实际爆破工程监测数据,确定以最大单段药量、爆心距以及测点至爆心的高程差作为输入参数,对爆破振动速度进行预测,并与BP神经网络模型的预测结果进行对比。结果表明:GA-BP神经网络模型预测结果的平均相对误差为5.80%,明显小于BP神经网络模型预测的平均误差14.19%。相比之下,GA-BP神经网络模型的预测精度更高,稳定性更好,可为多因素影响下类似工程爆破振动速度预测提供借鉴经验。 展开更多
关键词 爆破振速 GA-BP神经网络 权值阈值 预测模型
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部