申请/专利权人:中国铁建大桥工程局集团有限公司;中铁建大桥工程局集团第一工程有限公司;西安建筑科技大学
申请日:2023-08-07
公开(公告)日:2024-03-22
公开(公告)号:CN116992770B
主分类号:G06F30/27
分类号:G06F30/27;G06N3/088;G06N3/084
优先权:
专利状态码:有效-授权
法律状态:2024.03.22#授权;2023.11.21#实质审查的生效;2023.11.03#公开
摘要:本发明提供了一种基于GOA‑DBN神经网络的护壁控制爆破方法,对于爆破效果预测更精准,从而反向优化出隧道爆破参数,多重介质聚能护壁药包可调整聚能和护壁角度,与多重介质聚能护壁药包的共同作用,降低作用于轮廓外围岩的振动冲击,尽可能保护轮廓外围岩的稳定性,从而增强其自稳能力,同时由于护壁角度可调整,可减少现场工人粘贴吸能材料的时间,直接预制成型,直调整好角度填入炮孔,节约装药时间。
主权项:1.一种基于GOA-DBN神经网络的护壁控制爆破方法,其特征在于,包括以下步骤:步骤S1:设计爆破参数;步骤S2:建立GOA-DBN爆破效果预测模型;步骤S3:采用步骤S2中的GOA-DBN爆破效果预测模型对步骤S1中的爆破参数进行振动速度预测;步骤S4:振动速度预测结果检验;步骤S5:将检验合格的爆破参数作为施工爆破参数;步骤S6:测量放样布眼,并钻孔装药包堵塞;步骤S7:爆破及检查爆破效果;步骤2中,GOA-DBN爆破效果预测模型建立过程如下:步骤S201:建立爆破效果数据库选择掏槽眼装药量,掘进眼装药量,辅助眼装药量,周边眼装药量;以底板眼装药量作为输入变量,将振动速度作为输出变量,构建数据集;步骤S202:初始化DBN模型参数及GOA算法参数;步骤S203:利用GOA算法优化DBN模型的隐含层层数及学习率,输出符合适应度的粒子作为DBN模型初始参数;步骤S204:将爆破效果数据集输入至DBN模型中进行训练,并输出GOA-DBN爆破效果预测模型;步骤S6中药包采用多重介质聚能护壁药包,其包括爆轰阻隔管,为一筒体结构;介质固定管,包裹在爆轰阻隔管外侧且为一半弧形结构,半弧形结构的两端与爆轰阻隔管卡接;吸能材料,内嵌在介质固定管的弧面上;炸药,填充在爆轰阻隔管的筒体内,其端部通过聚能罩限位;介质固定管的两端通过限位器与爆轰阻隔管实现连接,且介质固定管内壁与爆轰阻隔管外壁之间通过空气;在爆轰阻隔管外周壁上设置有多个等间距的爆轰阻隔管限位槽,介质固定管的两端内壁上设置有对称的介质固定管限位槽,限位器的顶部位于介质固定管限位槽内,其底部位于爆轰阻隔管限位槽内,通过调节限位器底部位于爆轰阻隔管上不同的爆轰阻隔管限位槽改变护壁角度;在爆轰阻隔管内周壁上设置有多组等间距的聚能罩限位槽,聚能罩为一V型结构,V型结构的两端卡在一组聚能罩限位槽内;沿着介质固定管的端面的弧轴线设置有吸能材料安装槽,吸能材料填充在吸能材料安装槽内。
全文数据:
权利要求:
百度查询: 中国铁建大桥工程局集团有限公司;中铁建大桥工程局集团第一工程有限公司;西安建筑科技大学 一种基于GOA-DBN神经网络的护壁控制爆破方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。