-
公开(公告)号：CN110567798A
公开(公告)日：2019-12-13
申请号：CN201910849539.7
申请日：2019-09-09
Applicant: 桂林理工大学
Abstract: 本发明公开了用于表面裂隙岩块拉剪强度测试试件及拉剪强度测试方法。本发明所述用于表面岩块拉剪强度测试的试件，其整体外观呈正方体，于试件一表面对称轴位置人工开一道缝。拉剪试验装置可于试块开缝一侧任意位置施加竖向线性荷载。本发明所述用于表面裂隙岩块的拉剪强度测试方法，是将拉剪试验装置底座固定于万能试验机承台上，利用螺栓和活动垫块将试件固定于装置中部，使其处于半悬空状态，固定于万能试验机单臂施力轴上的加载装置对试件施加拉剪力，使其发生拉剪破坏。
-
公开(公告)号：CN110866318A
公开(公告)日：2020-03-06
申请号：CN201911397664.5
申请日：2019-12-30
Applicant: 桂林理工大学
IPC: G06F30/17 , G06T7/00 , G06Q50/26 , G06F111/10
Abstract: 本发明公布了一种基于深度学习技术的危岩失稳模式判别方法及装置，本装置主要包括：输入板块、工作板块、判别板块。本发明提供了一种基于深度学习技术的危岩失稳模式判别方法及装置的流程示意图，本发明能够体现危岩失稳模式类型识别的准确性和灵活性问题，能够为危岩失稳模式的分类判别以及为危岩崩塌预测和防治提供依据。
-
公开(公告)号：CN110619190A
公开(公告)日：2019-12-27
申请号：CN201910946982.6
申请日：2019-10-07
Applicant: 桂林理工大学
Abstract: 本发明是一种基于GPR的危岩落石运移距离预测方法及装置。该方法及装置可对少量的训练样本进行学习，通过对数似然极大化获得最优的超参数，从而获取危岩落石运移距离的预测结果。研究结果表明：危岩落石运移距离预测的高斯过程回归(Gaussian Process Regression，GPR)机器学习模型是可行的，其预测方法具有预测精度高、适应性强、参数自适应等优点。
-
公开(公告)号：CN110220789A
公开(公告)日：2019-09-10
申请号：CN201910619493.X
申请日：2019-07-10
Applicant: 桂林理工大学
Abstract: 本发明公开了用于表面裂隙岩块拉剪强度测试试件及拉剪强度测试方法。本发明所述用于表面岩块拉剪强度测试的试件，其整体外观呈正方体，于试件一表面对称轴位置人工开一道缝。拉剪试验装置可于试块开缝一侧任意位置施加竖向线性荷载。本发明所述用于表面裂隙岩块的拉剪强度测试方法，是将拉剪试验装置底座固定于万能试验机承台上，利用螺栓和活动垫块将试件固定于装置中部，使其处于半悬空状态，固定于万能试验机单臂施力轴上的加载装置对试件施加拉剪力，使其发生拉剪破坏。
-
公开(公告)号：CN110737938A
公开(公告)日：2020-01-31
申请号：CN201910931359.3
申请日：2019-09-28
Applicant: 桂林理工大学
IPC: G06F30/13
Abstract: 本发明公开了一种基于GPR的再生混凝土收缩徐变的预测方法及装置，包括：步骤一，收集再生混凝土收缩徐变数据建立学习样本集；步骤二，对样本数据进行标准化处理，使主要影响因素的数量级在同一级别；步骤三，对标准化处理后的学习样本集进行学习，并选用合适的高斯回归的协方差函数；步骤四，基于确定的协方差方程，采用极大似然法自适应获得最优超参数，建立高斯过程回归模型。当有新的预测样本，即新的影响再生混凝土收缩徐变的主要因素输入时，都可预测所对应的徐变度。
-
Patent Agency Ranking
公开(公告)号：CN108469380A
公开(公告)日：2018-08-31
申请号：CN201810714339.6
申请日：2018-06-29
Applicant: 桂林理工大学
Abstract: 一种利用万能试验机实现岩石拉剪试验的装置，包括夹持组件、加载组件和活动垫块，试件夹持组件包括倒T字形底座、第一底座固定螺钉、第二底座固定螺钉、第三底座固定螺钉、第四底座固定螺钉挡板、上盖、固定板和第一、第二、第三导向固定螺柱，加载组件包括圆柱形连接件和上宽下窄的梯形加载头，活动垫块置于倒T型底座左侧的90°角位置，上盖开有三个螺钉通孔，第一、第二、第三导向固定螺柱穿过螺钉通孔与固定板连接。该装置借助万能试验机能准确地测出岩石材料拉剪条件下的强度和变形。
-
公开(公告)号：CN111160490A
公开(公告)日：2020-05-15
申请号：CN202010114086.6
申请日：2020-02-24
Applicant: 桂林理工大学
Abstract: 本发明公布了一种基于多时间序列的深度学习危岩变形预测方法及装置，其主要特征是：根据危岩体的监测装置获取危岩图像，利用Caffe可视化工具提取危岩图像特征，训练以危岩图像和特征标签建立起来的AlexNet模型，识别危岩的分布式特征，以收集到的危岩图像特征数据构建危岩变形多时间序列，建立多个数据样本，利用深度学习技术对此学习样本进行拟合学习，最后用Matlab软件编制的筛选程序对多个时间序列的预测数据进行优化对比，输出误差最小的时间序列所进行的预测结果。另外对本发明的装置也进行了详细的说明。本发明的实施例能够体现对危岩预测的准确和灵活，能够为危岩失稳预测预测以及为危岩崩塌预测和防治提供依据。
-
公开(公告)号：CN110852343A
公开(公告)日：2020-02-28
申请号：CN201910920302.3
申请日：2019-09-26
Applicant: 桂林理工大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于GPC的隧道围岩类型识别系统，包括：用户接口模块、高斯训练模块和隧道围岩类型预测模块；用户接口模块用于根据用户需求选择不同类型隧道围岩的用户指令，将种类对应超参数形式的用户指令发送至GPC训练模块和隧道围岩类型预测模块；GPC训练模块用于根据接收到超参数形式的用户指令对GPC进行训练；隧道围岩类型预测模块用于根据接收到的超参数形式的用户指令，通过训练后的GPC预测模型对隧道围岩类型进行预测。本发明提供了一种基于GPC的隧道围岩类型识别方法及装置，能够准确、灵活识别围岩类型，建立面向用户需求的自适应隧道围岩类型识别模型。能够为隧道围岩崩塌研究、隧道设计、基础设施以及复合地下工程提供依据。
-
公开(公告)号：CN210322588U
公开(公告)日：2020-04-14
申请号：CN201921076557.8
申请日：2019-07-10
Applicant: 桂林理工大学
Abstract: 本实用新型公开了一种用于表面裂隙岩块拉剪强度测试试件，所述用于表面裂隙岩块拉剪强度测试试件配合特制夹持装置使用，加持装置由夹持部件、加载部件、活动垫块3大部分组成，所述夹持部件包括底座、4颗底座固定螺栓、挡板、梯形钢盖、3颗纵向固定螺钉、浅槽固定条，所述加载部件包括圆柱形连接件和倒三角型加载头，所述活动垫块呈长方体。本实用新型所提供的试件与万能试验机配套使用，其构造简单，可高效采集试验数据，仪器运行过程中稳定性能够得到保障，制作方便，可大批量生产。(ESM)同样的发明创造已同日申请发明专利
-
公开(公告)号：CN208420550U
公开(公告)日：2019-01-22
申请号：CN201821039102.4
申请日：2018-06-29
Applicant: 桂林理工大学
Abstract: 一种利用万能试验机实现岩石拉剪试验的装置，包括夹持组件、加载组件和活动垫块，试件夹持组件包括倒T字形底座、第一底座固定螺钉、第二底座固定螺钉、第三底座固定螺钉、第四底座固定螺钉挡板、上盖、固定板和第一、第二、第三导向固定螺柱，加载组件包括圆柱形连接件和上宽下窄的梯形加载头，活动垫块置于倒T型底座左侧的90°角位置，上盖开有三个螺钉通孔，第一、第二、第三导向固定螺柱穿过螺钉通孔与固定板连接。该装置借助万能试验机能准确地测出岩石材料拉剪条件下的强度和变形。(ESM)同样的发明创造已同日申请发明专利
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
