爆破优化的神经网络模型

文章在简要阐述了前馈多层神经网络及其反传算法一般原理的基础上,建立了露天矿爆破效果预测的人工神经网络模型,进而提出了基于神经网络的爆破参数分段优化模型。     

堆石坝料开采爆破参数优化的神经网络法研究

探讨人工神经网络BP模型用于爆破参数优化的方法 ,结合最优目标函数 ,实现对堆石坝料开采爆破参数的优化。通过一个工程实例 ,简介了人工神经网络BP算法的基本原理、爆破参数优化网络模型的建立和求解。结果证明 ,这个优化模型是可行的。     

岩壁梁爆破参数优化的神经网络模型

地下厂房岩壁梁开挖后不仅要求有光滑的轮廓面,而且破坏范围最小,因此开挖难度大、质量要求高。在开挖该部位时常通过工程类比和在相似地段进行现场爆破试验,来决定爆破开挖参数,这种开挖方法成本高,有时效果也不理想。本文选择有代表性的实际爆破参数为样本,确定炸药类型、岩体裂隙发育程度、孔径、孔深、线装药密度、最小抵抗线、孔间距为影响爆破开挖效果的主要因素,应用神经网络建立岩壁梁爆破参数优化模型,进行爆破参数优化设计,并与爆破试验得出试验参数相比较,结果表明设计值与现场试验值吻合较好。对爆破试验部分进行声波检测也表明其爆破质量最好,其爆破松动圈范围最小。     

岩壁梁爆破参数优化的神经网络模型

地下厂房岩壁梁开挖后不仅要求有光滑的轮廓面,而且破坏范围最小,因此开挖难度大、质量要求高。在开挖该部位时常通过工程类比和在相似地段进行现场爆破试验,来决定爆破开挖参数,这种开挖方法成本高,有时效果也不理想。本文选择有代表性的实际爆破参数为样本,确定炸药类型、岩体裂隙发育程度、孔径、孔深、线装药密度、最小抵抗线、孔间距为影响爆破开挖效果的主要因素,应用神经网络建立岩壁梁爆破参数优化模型,进行爆破参数优化设计,并与爆破试验得出试验参数相比较,结果表明设计值与现场试验值吻合较好。对爆破试验部分进行声波检测也表明其爆破质量最好,其爆破松动圈范围最小。     

爆破器材选用的非线性优化模型

爆破工程中的参数设计和器材选用直接影响到爆破综合成本,如何选择适宜的爆破参数和爆破器 材,使得爆破综合成本降低,是人们极为关心的问题.提出了一种考虑炮孔参数及爆破器材性能的优化模型,通过分析表明,虽然器材性能的提高使器材价格升高,但爆破总成本更低.     

新桥矿爆破工艺与参数优化

为解决新桥矿大块率高、炸药单耗高及爆破效率低等问题,在对爆破工艺改进的基础上设计有限的爆破试验(13组试验)获取样本,并建立BP神经网络预测模型(隐含层节点数取9),以最小抵抗线W、孔间距a、周边孔距Z作为输入因子,以炸药单耗、大块率作为输出因子预测、优选爆破参数.优化推荐W=0.8 m、a=1 m、Z=0.8 m,对应的炸药单耗为0.2001 kg/t,仅为原工艺的50%;大块率为5.2091%,仅为原工艺的20%;生产效率提高了约65%.该方法采用有限的试验与智能预测相结合,实现低成本获取真实样本,并提高了预测精度.     

新桥矿爆破工艺与参数优化

为解决新桥矿大块率高、炸药单耗高及爆破效率低等问题,在对爆破工艺改进的基础上设计有限的爆破试验(13组试验)获取样本,并建立BP神经网络预测模型(隐含层节点数取9),以最小抵抗线W、孔间距a、周边孔距Z作为输入因子,以炸药单耗、大块率作为输出因子预测、优选爆破参数。优化推荐W=0.8 m、a=1 m、Z=0.8 m,对应的炸药单耗为0.2001 kg/t,仅为原工艺的50%;大块率为5.2091%,仅为原工艺的20%;生产效率提高了约65%。该方法采用有限的试验与智能预测相结合,实现低成本获取真实样本,并提高了预测精度。     

布沼坝露天矿爆破效果预测BP神经网络模型应用

针对布沼坝露天矿西帮抢险治理工程,进行了35次生产爆破试验,完成了爆破参数的初步优化。同时以孔距、排距、孔深和抵抗线等作为模型的输入因子,大块率、爆堆的前冲距离、爆堆的后冲距离和挖掘机的铲装速率等作为模型的输出因子,以现场爆破试验数据为训练样本,建立爆破效果预测的BP神经网络模型。通过对网络仿真结果和现场实测数据进行比较分析,表明BP神经网络模型能够比较准确地预测出布沼坝露天矿西帮治理工程的爆破效果。     

布沼坝露天矿爆破效果预测BP神经网络模型应用

针对布沼坝露天矿西帮抢险治理工程,进行了35次生产爆破试验,完成了爆破参数的初步优化。同时以孔距、排距、孔深和抵抗线等作为模型的输入因子,大块率、爆堆的前冲距离、爆堆的后冲距离和挖掘机的铲装速率等作为模型的输出因子,以现场爆破试验数据为训练样本,建立爆破效果预测的BP神经网络模型。通过对网络仿真结果和现场实测数据进行比较分析,表明BP神经网络模型能够比较准确地预测出布沼坝露天矿西帮治理工程的爆破效果。     

岩体爆破参数设计的神经网络模型

应用神经网络系统建立了岩石爆破块度级配要求及岩性等参数与爆破设计参数之间的神经网络模型,利用此模型可以根据开采块度级配要求确定爆破施工参数.仿真结果表明,该网络模型具有很好的应用价值.     

神经网络模型在台阶爆破块度预测中的应用

爆破块度的预测是一项比较复杂的课题。鉴于以往预测爆破块度的方法存在着某些不足,本文在神经网络理论的基础上,建立了爆破块度预测的神经网络模型,并在台阶爆破中应用。通过网络模型与Ｒ—Ｒ分布式和Ｇ—Ｇ—Ｓ经验模型的比较,验证了利用神经网络模型预测爆破块度的可靠性。     

大型露天矿半连续工艺台阶爆破参数优化试验

针对大型露天矿半连续工艺生产的需求,通过爆破优化试验,运用非连续变形分析、激光机器视觉台阶坡面成像系统、台阶爆破智能设计系统和精确钻孔信息化施工等技术手段,对台阶爆破中孔网参数、装药结构以及延时时间等爆破参数进行优化,有效控制爆堆的前冲和后翻,实现了控制爆堆前冲距离不大于50m、后翻距离不大于15m的优化研究目标。     

大型露天矿半连续工艺台阶爆破参数优化试验

针对大型露天矿半连续工艺生产的需求,通过爆破优化试验,运用非连续变形分析、激光机器视觉台阶坡面成像系统、台阶爆破智能设计系统和精确钻孔信息化施工等技术手段,对台阶爆破中孔网参数、装药结构以及延时时间等爆破参数进行优化,有效控制爆堆的前冲和后翻,实现了控制爆堆前冲距离不大于50m、后翻距离不大于15m的优化研究目标。     

斜井掘进爆破参数优化的理论与实践

本文从理论上建立了掘进爆破参数优化的数学模型,并介绍了该模型在现场的应用。