CN117419772A - 一种用于溶洞注浆控制的传感数据处理方法及装置 - Google Patents
一种用于溶洞注浆控制的传感数据处理方法及装置 Download PDFInfo
- Publication number
- CN117419772A CN117419772A CN202311743237.4A CN202311743237A CN117419772A CN 117419772 A CN117419772 A CN 117419772A CN 202311743237 A CN202311743237 A CN 202311743237A CN 117419772 A CN117419772 A CN 117419772A
- Authority
- CN
- China
- Prior art keywords
- grouting
- karst cave
- target
- information
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000012549 training Methods 0.000 claims description 60
- 238000012545 processing Methods 0.000 claims description 56
- 238000010276 construction Methods 0.000 claims description 37
- 230000009467 reduction Effects 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 15
- 238000003062 neural network model Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 7
- 230000001953 sensory effect Effects 0.000 claims 5
- 230000000694 effects Effects 0.000 abstract description 19
- 238000005516 engineering process Methods 0.000 description 15
- 238000003860 storage Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 12
- 238000007569 slipcasting Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 7
- 238000005553 drilling Methods 0.000 description 6
- 235000019994 cava Nutrition 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 239000011440 grout Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 239000002002 slurry Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
- E02D15/00—Handling building or like materials for hydraulic engineering or foundations
- E02D15/02—Handling of bulk concrete specially for foundation or hydraulic engineering purposes
- E02D15/06—Placing concrete under water
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Structural Engineering (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Civil Engineering (AREA)
- Algebra (AREA)
- Paleontology (AREA)
- Databases & Information Systems (AREA)
- Mining & Mineral Resources (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种用于溶洞注浆控制的传感数据处理方法及装置,该方法包括:在注浆机对目标溶洞位置进行注浆时,实时获取所述目标溶洞位置的传感器获取的当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息;根据所述当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息,以及所述目标溶洞位置的溶洞信息,确定所述目标溶洞位置对应的注浆问题信息;根据所述注浆问题信息,以及所述注浆机对应的当前工作参数,确定所述注浆机对应的调整工作参数;将所述调整工作参数发送至所述注浆机,以控制所述注浆机根据所述调整工作参数进行工作。可见,本发明能够提高对溶洞注浆控制的智能化程度和自动化程度,提高注浆效率和效果,减少出错。
Description
技术领域
本发明涉及传感数据处理技术领域,尤其涉及一种用于溶洞注浆控制的传感数据处理方法及装置。
背景技术
水中桩基础溶洞注浆处理的施工顺序应遵循先探边界,再注浆充填,最后注浆效果检测的顺序,对水中桩基础区域的溶洞进行注浆处理,是相关工程中重要的一步,有助于提高桩基础的施工质量。但现有技术在实现溶洞注浆控制时,一般仅通过人工对现场进行观察和报告以及人工调整注浆机的方式来实现,其人工成本高,无法做预测,效果较差。可见,现有技术存在缺陷,亟需解决。
发明内容
本发明所要解决的技术问题在于,提供一种用于溶洞注浆控制的传感数据处理方法及装置,能够实现借助传感数据和数据处理技术来提高对溶洞注浆控制的智能化程度和自动化程度,提高注浆效率和效果,减少出错。
为了解决上述技术问题,本发明第一方面公开了一种用于溶洞注浆控制的传感数据处理方法,所述方法包括:
在注浆机对目标溶洞位置进行注浆时,实时获取所述目标溶洞位置的传感器获取的当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息;
根据所述当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息,以及所述目标溶洞位置的溶洞信息,确定所述目标溶洞位置对应的注浆问题信息;所述注浆问题信息包括注浆机问题信息和溶洞问题信息;
根据所述注浆问题信息,以及所述注浆机对应的当前工作参数,确定所述注浆机对应的调整工作参数;
将所述调整工作参数发送至所述注浆机,以控制所述注浆机根据所述调整工作参数进行工作。
作为一个可选的实施方式,在本发明第一方面中,所述当前工作参数和所述调整工作参数包括注浆速度、注浆机功率和注浆流量中的至少一种。
作为一个可选的实施方式,在本发明第一方面中,所述根据所述当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息,以及所述目标溶洞位置的溶洞信息,确定所述目标溶洞位置对应的注浆问题信息,包括:
获取所述注浆机的工作起始时间;
根据当前时间和所述工作起始时间,以及所述目标溶洞位置的溶洞大小信息,确定所述目标溶洞位置对应的当前注浆阶段;
根据所述当前注浆阶段和所述当前注浆高度,以及所述目标溶洞位置的溶洞大小信息,确定所述目标溶洞位置对应的注浆机问题信息;
根据所述当前注浆阶段、所述当前已注浆量、所述温湿度信息和所述超声波反射信息,以及所述目标溶洞位置的溶洞信息,确定所述目标溶洞位置对应的溶洞问题信息。
作为一个可选的实施方式,在本发明第一方面中,所述根据当前时间和所述工作起始时间,以及所述目标溶洞位置的溶洞大小信息,确定所述目标溶洞位置对应的当前注浆阶段,包括:
计算当前时间和所述工作起始时间之间的时间差;
根据所述溶洞大小信息,在预设的多个候选时间阶段预测模型中,筛选出与所述溶洞大小信息相匹配的目标时间阶段预测模型;
将所述时间差输入至所述目标时间阶段预测模型,以得到所述目标溶洞位置对应的当前注浆阶段;
以及,所述根据所述溶洞大小信息,在预设的多个候选时间阶段预测模型中,筛选出与所述溶洞大小信息相匹配的目标时间阶段预测模型,包括:
对于每一候选时间阶段预测模型,获取该候选时间阶段预测模型对应的训练数据中的所有训练溶洞大小信息;
计算所述所有训练溶洞大小信息和所述溶洞大小信息之间的大小差平均值;
将所有所述候选时间阶段预测模型中所述大小差平均值最小的所述候选时间阶段预测模型,确定为与所述溶洞大小信息相匹配的目标时间阶段预测模型。
作为一个可选的实施方式,在本发明第一方面中,所述根据所述当前注浆阶段和所述当前注浆高度,以及所述目标溶洞位置的溶洞大小信息,确定所述目标溶洞位置对应的注浆机问题信息,包括:
根据所述当前注浆阶段和所述目标溶洞位置大小信息,以及预设的阶段大小和注浆高度的数学对应关系,确定所述目标溶洞位置对应的基准注浆高度;
判断所述当前注浆高度与所述基准注浆高度之间的高度差是否大于预设的高度差阈值,得到第一判断结果;
若所述第一判断结果为否,确定所述目标溶洞位置对应的注浆机问题信息为不存在注浆机问题;
若所述第一判断结果为是,判断所述当前注浆高度是否大于所述基准注浆高度,得到第二判断结果;
若所述第二判断结果为是,确定所述目标溶洞位置对应的注浆机问题信息为注浆机工作过急;
若所述第二判断结果为否,确定所述目标溶洞位置对应的注浆机问题信息为注浆机工作过缓。
作为一个可选的实施方式,在本发明第一方面中,所述根据所述当前注浆阶段、所述当前已注浆量、所述温湿度信息和所述超声波反射信息,以及所述目标溶洞位置的溶洞信息,确定所述目标溶洞位置对应的溶洞问题信息,包括:
根据所述目标溶洞位置的溶洞大小信息,确定所述目标溶洞对应的阶段和注浆量的数学对应关系模型;
根据所述当前注浆阶段和所述数学对应关系模型,确定所述目标溶洞位置对应的基准当前注浆量;
判断所述当前已注浆量和所述基准当前注浆量之间的注浆量差值是否大于预设的差值阈值,得到第三判断结果;
若所述第三判断结果为否,确定所述目标溶洞位置对应的溶洞问题信息为不存在溶洞问题;
若所述第三判断结果为是,判断所述当前已注浆量是否大于所述基准当前注浆量,得到第四判断结果;
若所述第四判断结果为是,确定所述目标溶洞位置对应的溶洞问题信息为溶洞大小估计过小;
若所述第四判断结果为否,确定所述目标溶洞位置对应的溶洞问题信息为溶洞大小估计过大;
和/或,
将所述当前注浆阶段、所述目标溶洞位置的溶洞形状信息、所述温湿度信息和所述超声波反射信息,输入至训练好的注浆质量预测神经网络模型,以得到所述目标溶洞位置对应的注浆质量预测信息;所述注浆质量预测神经网络模型通过包括有多个训练注浆信息和对应的注浆质量标注的训练数据集训练得到;所述训练注浆信息包括训练注浆阶段、训练注浆溶洞形状、训练注浆温湿度信息和训练超声波反射信息。
作为一个可选的实施方式,在本发明第一方面中,所述根据所述注浆问题信息,以及所述注浆机对应的当前工作参数,确定所述注浆机对应的调整工作参数,包括:
根据所述目标溶洞位置对应的注浆机问题信息,以及第一问题调整规则,确定第一调整参数值;
根据所述目标溶洞位置对应的溶洞问题信息,以及第二问题调整规则,确定第二调整参数值;
计算所述注浆机对应的当前工作参数和所述第一调整参数值以及所述第二调整参数值的和,得到所述注浆机对应的调整工作参数;
和/或,
判断所述注浆质量预测信息是否小于预设的质量阈值,若是,确定所述注浆机对应的调整工作参数为停止工作值和报警值;
以及,所述第一问题调整规则包括:当所述注浆机问题信息为注浆机工作过急时,所述第一调整参数值为第一减小值,且所述第一减小值的大小与所述高度差成正比;当所述注浆机问题信息为注浆机工作过缓,所述第一调整参数值为第一增大值,且所述第一增大值的大小与所述高度差成正比;
以及,所述第二问题调整规则包括:当所述溶洞问题信息为溶洞大小估计过大时,所述第二调整参数值为第二减小值,且所述第二减小值的大小与所述注浆量差值成正比;当所述溶洞问题信息为溶洞大小估计过小,所述第二调整参数值为第二增大值,且所述第二增大值的大小与所述注浆量差值成正比。
作为一个可选的实施方式,在本发明第一方面中,所述方法还包括:
获取目标溶洞注浆区域中的多个溶洞位置对应的所述注浆量差值和所述注浆质量预测信息;
对于任意两个所述溶洞位置,计算该两个所述溶洞位置之间的位置差;
计算该两个所述溶洞位置对应的所述注浆质量预测信息和所述质量阈值之间的质量差值的第一平均值;
计算该两个所述溶洞位置对应的所述注浆量差值的第二平均值;
计算所述第一平均值、所述第二平均值和所述位置差的乘积,得到该两个所述溶洞位置对应的溶洞施工质量参数;
计算所述目标溶洞注浆区域中的所有所述溶洞位置对应的所述溶洞施工质量参数的平均值,得到所述目标溶洞注浆区域对应的区域施工质量参数;
根据所述溶洞施工质量参数和所述区域施工质量参数,生成所述目标溶洞注浆区域对应的区域施工预警图。
本发明第二方面公开了一种用于溶洞注浆控制的传感数据处理装置,所述装置包括:
获取模块,用于在注浆机对目标溶洞位置进行注浆时,实时获取所述目标溶洞位置的传感器获取的当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息;
第一确定模块,用于根据所述当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息,以及所述目标溶洞位置的溶洞信息,确定所述目标溶洞位置对应的注浆问题信息;所述注浆问题信息包括注浆机问题信息和溶洞问题信息;
第二确定模块,用于根据所述注浆问题信息,以及所述注浆机对应的当前工作参数,确定所述注浆机对应的调整工作参数;
发送模块,用于将所述调整工作参数发送至所述注浆机,以控制所述注浆机根据所述调整工作参数进行工作。
作为一个可选的实施方式,在本发明第二方面中,所述当前工作参数和所述调整工作参数包括注浆速度、注浆机功率和注浆流量中的至少一种。
作为一个可选的实施方式,在本发明第二方面中,所述第一确定模块根据所述当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息,以及所述目标溶洞位置的溶洞信息,确定所述目标溶洞位置对应的注浆问题信息的具体方式,包括:
获取所述注浆机的工作起始时间;
根据当前时间和所述工作起始时间,以及所述目标溶洞位置的溶洞大小信息,确定所述目标溶洞位置对应的当前注浆阶段;
根据所述当前注浆阶段和所述当前注浆高度,以及所述目标溶洞位置的溶洞大小信息,确定所述目标溶洞位置对应的注浆机问题信息;
根据所述当前注浆阶段、所述当前已注浆量、所述温湿度信息和所述超声波反射信息,以及所述目标溶洞位置的溶洞信息,确定所述目标溶洞位置对应的溶洞问题信息。
作为一个可选的实施方式,在本发明第二方面中,所述第一确定模块根据当前时间和所述工作起始时间,以及所述目标溶洞位置的溶洞大小信息,确定所述目标溶洞位置对应的当前注浆阶段的具体方式,包括:
计算当前时间和所述工作起始时间之间的时间差;
根据所述溶洞大小信息,在预设的多个候选时间阶段预测模型中,筛选出与所述溶洞大小信息相匹配的目标时间阶段预测模型;
将所述时间差输入至所述目标时间阶段预测模型,以得到所述目标溶洞位置对应的当前注浆阶段;
以及,所述第一确定模块根据所述溶洞大小信息,在预设的多个候选时间阶段预测模型中,筛选出与所述溶洞大小信息相匹配的目标时间阶段预测模型的具体方式,包括:
对于每一候选时间阶段预测模型,获取该候选时间阶段预测模型对应的训练数据中的所有训练溶洞大小信息;
计算所述所有训练溶洞大小信息和所述溶洞大小信息之间的大小差平均值;
将所有所述候选时间阶段预测模型中所述大小差平均值最小的所述候选时间阶段预测模型,确定为与所述溶洞大小信息相匹配的目标时间阶段预测模型。
作为一个可选的实施方式,在本发明第二方面中,所述第一确定模块根据所述当前注浆阶段和所述当前注浆高度,以及所述目标溶洞位置的溶洞大小信息,确定所述目标溶洞位置对应的注浆机问题信息的具体方式,包括:
根据所述当前注浆阶段和所述目标溶洞位置大小信息,以及预设的阶段大小和注浆高度的数学对应关系,确定所述目标溶洞位置对应的基准注浆高度;
判断所述当前注浆高度与所述基准注浆高度之间的高度差是否大于预设的高度差阈值,得到第一判断结果;
若所述第一判断结果为否,确定所述目标溶洞位置对应的注浆机问题信息为不存在注浆机问题;
若所述第一判断结果为是,判断所述当前注浆高度是否大于所述基准注浆高度,得到第二判断结果;
若所述第二判断结果为是,确定所述目标溶洞位置对应的注浆机问题信息为注浆机工作过急;
若所述第二判断结果为否,确定所述目标溶洞位置对应的注浆机问题信息为注浆机工作过缓。
作为一个可选的实施方式,在本发明第二方面中,所述第一确定模块根据所述当前注浆阶段、所述当前已注浆量、所述温湿度信息和所述超声波反射信息,以及所述目标溶洞位置的溶洞信息,确定所述目标溶洞位置对应的溶洞问题信息的具体方式,包括:
根据所述目标溶洞位置的溶洞大小信息,确定所述目标溶洞对应的阶段和注浆量的数学对应关系模型;
根据所述当前注浆阶段和所述数学对应关系模型,确定所述目标溶洞位置对应的基准当前注浆量;
判断所述当前已注浆量和所述基准当前注浆量之间的注浆量差值是否大于预设的差值阈值,得到第三判断结果;
若所述第三判断结果为否,确定所述目标溶洞位置对应的溶洞问题信息为不存在溶洞问题;
若所述第三判断结果为是,判断所述当前已注浆量是否大于所述基准当前注浆量,得到第四判断结果;
若所述第四判断结果为是,确定所述目标溶洞位置对应的溶洞问题信息为溶洞大小估计过小;
若所述第四判断结果为否,确定所述目标溶洞位置对应的溶洞问题信息为溶洞大小估计过大;
和/或,
将所述当前注浆阶段、所述目标溶洞位置的溶洞形状信息、所述温湿度信息和所述超声波反射信息,输入至训练好的注浆质量预测神经网络模型,以得到所述目标溶洞位置对应的注浆质量预测信息;所述注浆质量预测神经网络模型通过包括有多个训练注浆信息和对应的注浆质量标注的训练数据集训练得到;所述训练注浆信息包括训练注浆阶段、训练注浆溶洞形状、训练注浆温湿度信息和训练超声波反射信息。
作为一个可选的实施方式,在本发明第二方面中,所述第二确定模块根据所述注浆问题信息,以及所述注浆机对应的当前工作参数,确定所述注浆机对应的调整工作参数的具体方式,包括:
根据所述目标溶洞位置对应的注浆机问题信息,以及第一问题调整规则,确定第一调整参数值;
根据所述目标溶洞位置对应的溶洞问题信息,以及第二问题调整规则,确定第二调整参数值;
计算所述注浆机对应的当前工作参数和所述第一调整参数值以及所述第二调整参数值的和,得到所述注浆机对应的调整工作参数;
和/或,
判断所述注浆质量预测信息是否小于预设的质量阈值,若是,确定所述注浆机对应的调整工作参数为停止工作值和报警值;
以及,所述第一问题调整规则包括:当所述注浆机问题信息为注浆机工作过急时,所述第一调整参数值为第一减小值,且所述第一减小值的大小与所述高度差成正比;当所述注浆机问题信息为注浆机工作过缓,所述第一调整参数值为第一增大值,且所述第一增大值的大小与所述高度差成正比;
以及,所述第二问题调整规则包括:当所述溶洞问题信息为溶洞大小估计过大时,所述第二调整参数值为第二减小值,且所述第二减小值的大小与所述注浆量差值成正比;当所述溶洞问题信息为溶洞大小估计过小,所述第二调整参数值为第二增大值,且所述第二增大值的大小与所述注浆量差值成正比。
作为一个可选的实施方式,在本发明第二方面中,所述装置还包括生成模块,用于执行以下步骤:
获取目标溶洞注浆区域中的多个溶洞位置对应的所述注浆量差值和所述注浆质量预测信息;
对于任意两个所述溶洞位置,计算该两个所述溶洞位置之间的位置差;
计算该两个所述溶洞位置对应的所述注浆质量预测信息和所述质量阈值之间的质量差值的第一平均值;
计算该两个所述溶洞位置对应的所述注浆量差值的第二平均值;
计算所述第一平均值、所述第二平均值和所述位置差的乘积,得到该两个所述溶洞位置对应的溶洞施工质量参数;
计算所述目标溶洞注浆区域中的所有所述溶洞位置对应的所述溶洞施工质量参数的平均值,得到所述目标溶洞注浆区域对应的区域施工质量参数;
根据所述溶洞施工质量参数和所述区域施工质量参数,生成所述目标溶洞注浆区域对应的区域施工预警图。
本发明第三方面公开了另一种用于溶洞注浆控制的传感数据处理装置,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的用于溶洞注浆控制的传感数据处理方法中的部分或全部步骤。
与现有技术相比,本发明具有以下有益效果:
可见,本发明实施例能够利用目标溶洞位置内的多种传感数据来确定注浆问题,并以此调整注浆机的工作参数,从而能够实现借助传感数据和数据处理技术来提高对溶洞注浆控制的智能化程度和自动化程度,提高注浆效率和效果,减少出错。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种用于溶洞注浆控制的传感数据处理方法的流程示意图。
图2是本发明实施例公开的一种用于溶洞注浆控制的传感数据处理装置的结构示意图。
图3是本发明实施例公开的另一种用于溶洞注浆控制的传感数据处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第二”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种用于溶洞注浆控制的传感数据处理方法及装置,能够利用目标溶洞位置内的多种传感数据来确定注浆问题,并以此调整注浆机的工作参数,从而能够实现借助传感数据和数据处理技术来提高对溶洞注浆控制的智能化程度和自动化程度,提高注浆效率和效果,减少出错。以下分别进行详细说明。
实施例一,请参阅图1,图1是本发明实施例公开的一种用于溶洞注浆控制的传感数据处理方法的流程示意图。其中,图1所描述的用于溶洞注浆控制的传感数据处理方法应用于数据处理芯片、处理终端或处理服务器(其中,该处理服务器可以为本地服务器或云服务器)中。如图1所示,该用于溶洞注浆控制的传感数据处理方法可以包括以下操作:
101、在注浆机对目标溶洞位置进行注浆时,实时获取目标溶洞位置的传感器获取的当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息。
可选的,当前注浆高度可以通过设置在注浆机的注浆管上的红外线测距传感器来获取,而当前已注浆量可通过设置在注浆机的注浆管道的流量计来计算,温湿度信息可以由设置在注浆管道上的温湿度传感器来获取,而超声波反射信息可以由设置在注浆管道上的接收器接收由发射器向溶洞内发射的超声波数据被反射回来的部分。
102、根据当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息,以及目标溶洞位置的溶洞信息,确定目标溶洞位置对应的注浆问题信息。
具体的,注浆问题信息包括注浆机问题信息和溶洞问题信息。具体的,注浆机问题信息用于指示注浆机存在的需要注意或校正的问题,而溶洞问题信息用于指示目标溶洞位置的溶洞预估信息可能存在的问题,并需要结合这些问题对注浆机的工作进行调整。
103、根据注浆问题信息,以及注浆机对应的当前工作参数,确定注浆机对应的调整工作参数。
可选的,当前工作参数和调整工作参数包括注浆速度、注浆机功率和注浆流量中的至少一种。
104、将调整工作参数发送至注浆机,以控制注浆机根据调整工作参数进行工作。
在一个具体的实施方案中,本实施例中的方法是用于对水中桩基础区域的溶洞进行处理,该方案中,第一步先对溶洞范围进行确定,使用GPS放样,通过地质钻机分别对溶洞范围进行勘探得到溶洞的预计体积,采用全站仪放样出出每个注浆孔位置,具体的,该方案在施工时考虑水上作业及砂层成孔特性,增加钢套管,终孔后,下花管至设计深度,分段安装时,一定要保证接头连接紧密,不得有断开现象。花管顶部安装法兰盘,与注浆软管连接,同时确保不掉入注浆孔中,具体的,注浆一般应采用定量灌浆方式,采用注浆泵将浆液自下而上分段间隔注浆。
更具体的,遵循以下步骤来实施溶洞的处理:
1、根据事先勘探到的溶洞的位置数据,对溶洞的地点位置进行测量放线定位,然后将钻机就位然后对钻机进行调平、对钻杆的垂直度进行调整,并对准溶洞的标记点;
2、根据地质情况在每一根桩的中心位置或四角钻注浆孔,通过钻注浆孔探明溶洞的预估体积;
3、对注浆花管进行加工,然后将注浆管穿过注浆孔***到填充物的底部,利用注浆泵进行注浆;
4、间歇注浆,待先注入的浆液与砂子初步胶结后再进行后续注浆,循环多次;
5、在注浆的过程中注意观察多种传感参数,利用本实施例中的方法进行数据处理以对注浆机的工作进行调节,以对一个孔进行注浆;
6、注完一个孔后,移动钻机和注浆设备,继续对下一个溶洞进行注浆,重复上述操作。
可见,上述发明实施例能够利用目标溶洞位置内的多种传感数据来确定注浆问题,并以此调整注浆机的工作参数,从而能够实现借助传感数据和数据处理技术来提高对溶洞注浆控制的智能化程度和自动化程度,提高注浆效率和效果,减少出错。
作为一个可选的实施例,上述步骤中的,根据当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息,以及目标溶洞位置的溶洞信息,确定目标溶洞位置对应的注浆问题信息,包括:
获取注浆机的工作起始时间;
根据当前时间和工作起始时间,以及目标溶洞位置的溶洞大小信息,确定目标溶洞位置对应的当前注浆阶段;
根据当前注浆阶段和当前注浆高度,以及目标溶洞位置的溶洞大小信息,确定目标溶洞位置对应的注浆机问题信息;
根据当前注浆阶段、当前已注浆量、温湿度信息和超声波反射信息,以及目标溶洞位置的溶洞信息,确定目标溶洞位置对应的溶洞问题信息。
通过上述可选的实施例,能够通过对当前注浆阶段的计算,结合多种信息来确定注浆机问题信息和溶洞问题信息,以便于后续基于此调整注浆机的工作参数,从而能够实现借助传感数据和数据处理技术来提高对溶洞注浆控制的智能化程度和自动化程度,提高注浆效率和效果,减少出错。
作为一个可选的实施例,上述步骤中的,根据当前时间和工作起始时间,以及目标溶洞位置的溶洞大小信息,确定目标溶洞位置对应的当前注浆阶段,包括:
计算当前时间和工作起始时间之间的时间差;
根据溶洞大小信息,在预设的多个候选时间阶段预测模型中,筛选出与溶洞大小信息相匹配的目标时间阶段预测模型;
将时间差输入至目标时间阶段预测模型,以得到目标溶洞位置对应的当前注浆阶段。
可选的,本发明中的预测模型均可以为CNN结构、RNN结构或LTSM结构的神经网络模型,并通过对应的训练数据集和梯度下降算法来训练直至收敛。
通过上述可选的实施例,能够通过目标时间阶段预测模型实现对当前注浆阶段的计算,以便于后续基于此确定注浆机问题信息和溶洞问题信息,实现借助传感数据和数据处理技术来提高对溶洞注浆控制的智能化程度和自动化程度,提高注浆效率和效果,减少出错。
作为一个可选的实施例,上述步骤中的,根据溶洞大小信息,在预设的多个候选时间阶段预测模型中,筛选出与溶洞大小信息相匹配的目标时间阶段预测模型,包括:
对于每一候选时间阶段预测模型,获取该候选时间阶段预测模型对应的训练数据中的所有训练溶洞大小信息;
计算所有训练溶洞大小信息和溶洞大小信息之间的大小差平均值;
将所有候选时间阶段预测模型中大小差平均值最小的候选时间阶段预测模型,确定为与溶洞大小信息相匹配的目标时间阶段预测模型。
通过上述可选的实施例,能够通过对候选时间阶段预测模型对应的训练数据的分析实现对目标时间阶段预测模型的确定,以便于实现对当前注浆阶段的计算,能够辅助实现借助传感数据和数据处理技术来提高对溶洞注浆控制的智能化程度和自动化程度,提高注浆效率和效果,减少出错。
作为一个可选的实施例,上述步骤中的,根据当前注浆阶段和当前注浆高度,以及目标溶洞位置的溶洞大小信息,确定目标溶洞位置对应的注浆机问题信息,包括:
根据当前注浆阶段和目标溶洞位置大小信息,以及预设的阶段大小和注浆高度的数学对应关系,确定目标溶洞位置对应的基准注浆高度;
判断当前注浆高度与基准注浆高度之间的高度差是否大于预设的高度差阈值,得到第一判断结果;
若第一判断结果为否,确定目标溶洞位置对应的注浆机问题信息为不存在注浆机问题;
若第一判断结果为是,判断当前注浆高度是否大于基准注浆高度,得到第二判断结果;
若第二判断结果为是,确定目标溶洞位置对应的注浆机问题信息为注浆机工作过急;
若第二判断结果为否,确定目标溶洞位置对应的注浆机问题信息为注浆机工作过缓。
具体的,预设的阶段大小和注浆高度的数学对应关系,可以由操作人员根据经验或实验数据来确定,其限定了不同注浆阶段和不同大小的溶洞的正常的注浆高度。
具体的,本发明中的数学对应关系可以为对多个数据进行多项式拟合得到的数学关系式,也可以为根据数据进行训练得到的预测神经网络模型。
通过上述可选的实施例,能够通过对当前注浆高度与基准注浆高度之间的高度差的计算和规则判断实现对注浆机问题信息的确定,以便于后续辅助确定工作参数,能够辅助实现借助传感数据和数据处理技术来提高对溶洞注浆控制的智能化程度和自动化程度,提高注浆效率和效果,减少出错。
作为一个可选的实施例,上述步骤中的,根据当前注浆阶段、当前已注浆量、温湿度信息和超声波反射信息,以及目标溶洞位置的溶洞信息,确定目标溶洞位置对应的溶洞问题信息,包括:
根据目标溶洞位置的溶洞大小信息,确定目标溶洞对应的阶段和注浆量的数学对应关系模型;
根据当前注浆阶段和数学对应关系模型,确定目标溶洞位置对应的基准当前注浆量;
判断当前已注浆量和基准当前注浆量之间的注浆量差值是否大于预设的差值阈值,得到第三判断结果;
若第三判断结果为否,确定目标溶洞位置对应的溶洞问题信息为不存在溶洞问题;
若第三判断结果为是,判断当前已注浆量是否大于基准当前注浆量,得到第四判断结果;
若第四判断结果为是,确定目标溶洞位置对应的溶洞问题信息为溶洞大小估计过小;
若第四判断结果为否,确定目标溶洞位置对应的溶洞问题信息为溶洞大小估计过大。
通过上述可选的实施例,能够通过目标溶洞对应的阶段和注浆量的数学对应关系模型来计算基准当前注浆量以及通过判断规则判断目标溶洞位置对应的溶洞问题信息,以便于后续辅助确定注浆机的控制参数,能够辅助实现借助传感数据和数据处理技术来提高对溶洞注浆控制的智能化程度和自动化程度,提高注浆效率和效果,减少出错。
作为一个可选的实施例,上述步骤中的,根据当前注浆阶段、当前已注浆量、温湿度信息和超声波反射信息,以及目标溶洞位置的溶洞信息,确定目标溶洞位置对应的溶洞问题信息,包括:
将当前注浆阶段、目标溶洞位置的溶洞形状信息、温湿度信息和超声波反射信息,输入至训练好的注浆质量预测神经网络模型,以得到目标溶洞位置对应的注浆质量预测信息;注浆质量预测神经网络模型通过包括有多个训练注浆信息和对应的注浆质量标注的训练数据集训练得到;训练注浆信息包括训练注浆阶段、训练注浆溶洞形状、训练注浆温湿度信息和训练超声波反射信息。
具体的,超声波反射信息可以用于反映溶洞内的浆液的材质和凝固情况,一般而言,该注浆质量预测神经网络模型是通过利用同一种配方的浆液进行注浆得到的训练注浆信息来训练得到,并用于预测同一种配方的浆液对应的注浆质量。
通过上述可选的实施例,能够通过训练好的注浆质量预测神经网络模型来计算注浆质量预测信息,以便于后续辅助确定注浆机的控制参数,能够辅助实现借助传感数据和数据处理技术来提高对溶洞注浆控制的智能化程度和自动化程度,提高注浆效率和效果,减少出错。
作为一个可选的实施例,上述步骤中的,根据注浆问题信息,以及注浆机对应的当前工作参数,确定注浆机对应的调整工作参数,包括:
根据目标溶洞位置对应的注浆机问题信息,以及第一问题调整规则,确定第一调整参数值;
根据目标溶洞位置对应的溶洞问题信息,以及第二问题调整规则,确定第二调整参数值;
计算注浆机对应的当前工作参数和第一调整参数值以及第二调整参数值的和,得到注浆机对应的调整工作参数。
具体的,第一问题调整规则包括:当注浆机问题信息为注浆机工作过急时,第一调整参数值为第一减小值,且第一减小值的大小与高度差成正比;当注浆机问题信息为注浆机工作过缓,第一调整参数值为第一增大值,且第一增大值的大小与高度差成正比。
具体的,第二问题调整规则包括:当溶洞问题信息为溶洞大小估计过大时,第二调整参数值为第二减小值,且第二减小值的大小与注浆量差值成正比;当溶洞问题信息为溶洞大小估计过小,第二调整参数值为第二增大值,且第二增大值的大小与注浆量差值成正比。
通过上述可选的实施例,能够通过问题信息和对应的问题调整规则来确定调整参数值,以用于对注浆机的工作参数进行调整,能够实现借助传感数据和数据处理技术来提高对溶洞注浆控制的智能化程度和自动化程度,提高注浆效率和效果,减少出错。
作为一个可选的实施例,上述步骤中的,根据注浆问题信息,以及注浆机对应的当前工作参数,确定注浆机对应的调整工作参数,包括:
判断注浆质量预测信息是否小于预设的质量阈值,若是,确定注浆机对应的调整工作参数为停止工作值和报警值;
通过上述可选的实施例,能够通过判断注浆质量预测信息是否小于预设的质量阈值来确定是否停止注浆机的工作,以在质量问题过于严重时及时通知相关人员进行介入,能够实现借助传感数据和数据处理技术来提高对溶洞注浆控制的智能化程度和自动化程度,提高注浆效率和效果,减少出错。
作为一个可选的实施例,该方法还包括:
获取目标溶洞注浆区域中的多个溶洞位置对应的注浆量差值和注浆质量预测信息;
对于任意两个溶洞位置,计算该两个溶洞位置之间的位置差;
计算该两个溶洞位置对应的注浆质量预测信息和质量阈值之间的质量差值的第一平均值;
计算该两个溶洞位置对应的注浆量差值的第二平均值;
计算第一平均值、第二平均值和位置差的乘积,得到该两个溶洞位置对应的溶洞施工质量参数;
计算目标溶洞注浆区域中的所有溶洞位置对应的溶洞施工质量参数的平均值,得到目标溶洞注浆区域对应的区域施工质量参数;
根据溶洞施工质量参数和区域施工质量参数,生成目标溶洞注浆区域对应的区域施工预警图。
具体的,区域施工预警图可以包括有多个溶洞位置和对应的溶洞施工质量参数,以及在预设区域显示区域施工质量参数,以用于全面展示施工情况,为操作人员的监控提供数据基础。
实施例二,请参阅图2,图2是本发明实施例公开的一种用于溶洞注浆控制的传感数据处理装置的结构示意图。其中,图2所描述的用于溶洞注浆控制的传感数据处理装置应用于数据处理芯片、处理终端或处理服务器(其中,该处理服务器可以为本地服务器或云服务器)中。如图2所示,该用于溶洞注浆控制的传感数据处理装置可以包括:
获取模块201,用于在注浆机对目标溶洞位置进行注浆时,实时获取目标溶洞位置的传感器获取的当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息;
第一确定模块202,用于根据当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息,以及目标溶洞位置的溶洞信息,确定目标溶洞位置对应的注浆问题信息;注浆问题信息包括注浆机问题信息和溶洞问题信息;
第二确定模块203,用于根据注浆问题信息,以及注浆机对应的当前工作参数,确定注浆机对应的调整工作参数;
发送模块204,用于将调整工作参数发送至注浆机,以控制注浆机根据调整工作参数进行工作。
作为一个可选的实施例,当前工作参数和调整工作参数包括注浆速度、注浆机功率和注浆流量中的至少一种。
作为一个可选的实施例,第一确定模块202根据当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息,以及目标溶洞位置的溶洞信息,确定目标溶洞位置对应的注浆问题信息的具体方式,包括:
获取注浆机的工作起始时间;
根据当前时间和工作起始时间,以及目标溶洞位置的溶洞大小信息,确定目标溶洞位置对应的当前注浆阶段;
根据当前注浆阶段和当前注浆高度,以及目标溶洞位置的溶洞大小信息,确定目标溶洞位置对应的注浆机问题信息;
根据当前注浆阶段、当前已注浆量、温湿度信息和超声波反射信息,以及目标溶洞位置的溶洞信息,确定目标溶洞位置对应的溶洞问题信息。
作为一个可选的实施例,第一确定模块202根据当前时间和工作起始时间,以及目标溶洞位置的溶洞大小信息,确定目标溶洞位置对应的当前注浆阶段的具体方式,包括:
计算当前时间和工作起始时间之间的时间差;
根据溶洞大小信息,在预设的多个候选时间阶段预测模型中,筛选出与溶洞大小信息相匹配的目标时间阶段预测模型;
将时间差输入至目标时间阶段预测模型,以得到目标溶洞位置对应的当前注浆阶段;
以及,第一确定模块202根据溶洞大小信息,在预设的多个候选时间阶段预测模型中,筛选出与溶洞大小信息相匹配的目标时间阶段预测模型的具体方式,包括:
对于每一候选时间阶段预测模型,获取该候选时间阶段预测模型对应的训练数据中的所有训练溶洞大小信息;
计算所有训练溶洞大小信息和溶洞大小信息之间的大小差平均值;
将所有候选时间阶段预测模型中大小差平均值最小的候选时间阶段预测模型,确定为与溶洞大小信息相匹配的目标时间阶段预测模型。
作为一个可选的实施例,第一确定模块202根据当前注浆阶段和当前注浆高度,以及目标溶洞位置的溶洞大小信息,确定目标溶洞位置对应的注浆机问题信息的具体方式,包括:
根据当前注浆阶段和目标溶洞位置大小信息,以及预设的阶段大小和注浆高度的数学对应关系,确定目标溶洞位置对应的基准注浆高度;
判断当前注浆高度与基准注浆高度之间的高度差是否大于预设的高度差阈值,得到第一判断结果;
若第一判断结果为否,确定目标溶洞位置对应的注浆机问题信息为不存在注浆机问题;
若第一判断结果为是,判断当前注浆高度是否大于基准注浆高度,得到第二判断结果;
若第二判断结果为是,确定目标溶洞位置对应的注浆机问题信息为注浆机工作过急;
若第二判断结果为否,确定目标溶洞位置对应的注浆机问题信息为注浆机工作过缓。
作为一个可选的实施例,第一确定模块202根据当前注浆阶段、当前已注浆量、温湿度信息和超声波反射信息,以及目标溶洞位置的溶洞信息,确定目标溶洞位置对应的溶洞问题信息的具体方式,包括:
根据目标溶洞位置的溶洞大小信息,确定目标溶洞对应的阶段和注浆量的数学对应关系模型;
根据当前注浆阶段和数学对应关系模型,确定目标溶洞位置对应的基准当前注浆量;
判断当前已注浆量和基准当前注浆量之间的注浆量差值是否大于预设的差值阈值,得到第三判断结果;
若第三判断结果为否,确定目标溶洞位置对应的溶洞问题信息为不存在溶洞问题;
若第三判断结果为是,判断当前已注浆量是否大于基准当前注浆量,得到第四判断结果;
若第四判断结果为是,确定目标溶洞位置对应的溶洞问题信息为溶洞大小估计过小;
若第四判断结果为否,确定目标溶洞位置对应的溶洞问题信息为溶洞大小估计过大;
和/或,
将当前注浆阶段、目标溶洞位置的溶洞形状信息、温湿度信息和超声波反射信息,输入至训练好的注浆质量预测神经网络模型,以得到目标溶洞位置对应的注浆质量预测信息;注浆质量预测神经网络模型通过包括有多个训练注浆信息和对应的注浆质量标注的训练数据集训练得到;训练注浆信息包括训练注浆阶段、训练注浆溶洞形状、训练注浆温湿度信息和训练超声波反射信息。
作为一个可选的实施例,第二确定模块203根据注浆问题信息,以及注浆机对应的当前工作参数,确定注浆机对应的调整工作参数的具体方式,包括:
根据目标溶洞位置对应的注浆机问题信息,以及第一问题调整规则,确定第一调整参数值;
根据目标溶洞位置对应的溶洞问题信息,以及第二问题调整规则,确定第二调整参数值;
计算注浆机对应的当前工作参数和第一调整参数值以及第二调整参数值的和,得到注浆机对应的调整工作参数;
和/或,
判断注浆质量预测信息是否小于预设的质量阈值,若是,确定注浆机对应的调整工作参数为停止工作值和报警值;
以及,第一问题调整规则包括:当注浆机问题信息为注浆机工作过急时,第一调整参数值为第一减小值,且第一减小值的大小与高度差成正比;当注浆机问题信息为注浆机工作过缓,第一调整参数值为第一增大值,且第一增大值的大小与高度差成正比;
以及,第二问题调整规则包括:当溶洞问题信息为溶洞大小估计过大时,第二调整参数值为第二减小值,且第二减小值的大小与注浆量差值成正比;当溶洞问题信息为溶洞大小估计过小,第二调整参数值为第二增大值,且第二增大值的大小与注浆量差值成正比。
作为一个可选的实施例,该装置还包括生成模块,用于执行以下步骤:
获取目标溶洞注浆区域中的多个溶洞位置对应的注浆量差值和注浆质量预测信息;
对于任意两个溶洞位置,计算该两个溶洞位置之间的位置差;
计算该两个溶洞位置对应的注浆质量预测信息和质量阈值之间的质量差值的第一平均值;
计算该两个溶洞位置对应的注浆量差值的第二平均值;
计算第一平均值、第二平均值和位置差的乘积,得到该两个溶洞位置对应的溶洞施工质量参数;
计算目标溶洞注浆区域中的所有溶洞位置对应的溶洞施工质量参数的平均值,得到目标溶洞注浆区域对应的区域施工质量参数;
根据溶洞施工质量参数和区域施工质量参数,生成目标溶洞注浆区域对应的区域施工预警图。
上述实施例中的模块和步骤的具体的技术细节和技术效果,可以参照实施例一中的相应的表述,在此不再赘述。
实施例三,请参阅图3,图3是本发明实施例公开的又一种用于溶洞注浆控制的传感数据处理装置。图3所描述的用于溶洞注浆控制的传感数据处理装置应用于数据处理芯片、处理终端或处理服务器(其中,该处理服务器可以为本地服务器或云服务器)中。如图3所示,该用于溶洞注浆控制的传感数据处理装置可以包括:
存储有可执行程序代码的存储器301;
与存储器301耦合的处理器302;
其中,处理器302调用存储器301中存储的可执行程序代码,用于执行实施例一所描述的用于溶洞注浆控制的传感数据处理方法的步骤。
实施例四,本发明实施例公开了一种计算机读存储介质,其存储用于电子数据交换的计算机程序,其中,该计算机程序使得计算机执行实施例一所描述的用于溶洞注浆控制的传感数据处理方法的步骤。
实施例五,本发明实施例公开了一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,且该计算机程序可操作来使计算机执行实施例一所描述的用于溶洞注浆控制的传感数据处理方法的步骤。
上述对本说明书特定实施例进行了描述,其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,附图中描绘的过程不一定必须按照示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机可读存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书实施例提供的装置、设备、非易失性计算机可读存储介质与方法是对应的,因此,装置、设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述对应装置、设备、非易失性计算机存储介质的有益技术效果。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field ProgrammableGateArray, FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera HardwareDescriptionLanguage)、 Confluence、CUPL(Cornell University ProgrammingLanguage)、HDCal、JHDL (Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL (RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书实施例可提供为方法、***、或计算机程序产品。因此,本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后应说明的是:本发明实施例公开的一种用于溶洞注浆控制的传感数据处理方法及装置所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种用于溶洞注浆控制的传感数据处理方法,其特征在于,所述方法包括:
在注浆机对目标溶洞位置进行注浆时,实时获取所述目标溶洞位置的传感器获取的当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息;
根据所述当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息,以及所述目标溶洞位置的溶洞信息,确定所述目标溶洞位置对应的注浆问题信息;所述注浆问题信息包括注浆机问题信息和溶洞问题信息;
根据所述注浆问题信息,以及所述注浆机对应的当前工作参数,确定所述注浆机对应的调整工作参数;
将所述调整工作参数发送至所述注浆机,以控制所述注浆机根据所述调整工作参数进行工作。
2.根据权利要求1所述的用于溶洞注浆控制的传感数据处理方法,其特征在于,所述当前工作参数和所述调整工作参数包括注浆速度、注浆机功率和注浆流量中的至少一种。
3.根据权利要求1所述的用于溶洞注浆控制的传感数据处理方法,其特征在于,所述根据所述当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息,以及所述目标溶洞位置的溶洞信息,确定所述目标溶洞位置对应的注浆问题信息,包括:
获取所述注浆机的工作起始时间;
根据当前时间和所述工作起始时间,以及所述目标溶洞位置的溶洞大小信息,确定所述目标溶洞位置对应的当前注浆阶段;
根据所述当前注浆阶段和所述当前注浆高度,以及所述目标溶洞位置的溶洞大小信息,确定所述目标溶洞位置对应的注浆机问题信息;
根据所述当前注浆阶段、所述当前已注浆量、所述温湿度信息和所述超声波反射信息,以及所述目标溶洞位置的溶洞信息,确定所述目标溶洞位置对应的溶洞问题信息。
4.根据权利要求3所述的用于溶洞注浆控制的传感数据处理方法,其特征在于,所述根据当前时间和所述工作起始时间,以及所述目标溶洞位置的溶洞大小信息,确定所述目标溶洞位置对应的当前注浆阶段,包括:
计算当前时间和所述工作起始时间之间的时间差;
根据所述溶洞大小信息,在预设的多个候选时间阶段预测模型中,筛选出与所述溶洞大小信息相匹配的目标时间阶段预测模型;
将所述时间差输入至所述目标时间阶段预测模型,以得到所述目标溶洞位置对应的当前注浆阶段;
以及,所述根据所述溶洞大小信息,在预设的多个候选时间阶段预测模型中,筛选出与所述溶洞大小信息相匹配的目标时间阶段预测模型,包括:
对于每一候选时间阶段预测模型,获取该候选时间阶段预测模型对应的训练数据中的所有训练溶洞大小信息;
计算所述所有训练溶洞大小信息和所述溶洞大小信息之间的大小差平均值;
将所有所述候选时间阶段预测模型中所述大小差平均值最小的所述候选时间阶段预测模型,确定为与所述溶洞大小信息相匹配的目标时间阶段预测模型。
5.根据权利要求3所述的用于溶洞注浆控制的传感数据处理方法,其特征在于,所述根据所述当前注浆阶段和所述当前注浆高度,以及所述目标溶洞位置的溶洞大小信息,确定所述目标溶洞位置对应的注浆机问题信息,包括:
根据所述当前注浆阶段和所述目标溶洞位置大小信息,以及预设的阶段大小和注浆高度的数学对应关系,确定所述目标溶洞位置对应的基准注浆高度;
判断所述当前注浆高度与所述基准注浆高度之间的高度差是否大于预设的高度差阈值,得到第一判断结果;
若所述第一判断结果为否,确定所述目标溶洞位置对应的注浆机问题信息为不存在注浆机问题;
若所述第一判断结果为是,判断所述当前注浆高度是否大于所述基准注浆高度,得到第二判断结果;
若所述第二判断结果为是,确定所述目标溶洞位置对应的注浆机问题信息为注浆机工作过急;
若所述第二判断结果为否,确定所述目标溶洞位置对应的注浆机问题信息为注浆机工作过缓。
6.根据权利要求5所述的用于溶洞注浆控制的传感数据处理方法,其特征在于,所述根据所述当前注浆阶段、所述当前已注浆量、所述温湿度信息和所述超声波反射信息,以及所述目标溶洞位置的溶洞信息,确定所述目标溶洞位置对应的溶洞问题信息,包括:
根据所述目标溶洞位置的溶洞大小信息,确定所述目标溶洞对应的阶段和注浆量的数学对应关系模型;
根据所述当前注浆阶段和所述数学对应关系模型,确定所述目标溶洞位置对应的基准当前注浆量;
判断所述当前已注浆量和所述基准当前注浆量之间的注浆量差值是否大于预设的差值阈值,得到第三判断结果;
若所述第三判断结果为否,确定所述目标溶洞位置对应的溶洞问题信息为不存在溶洞问题;
若所述第三判断结果为是,判断所述当前已注浆量是否大于所述基准当前注浆量,得到第四判断结果;
若所述第四判断结果为是,确定所述目标溶洞位置对应的溶洞问题信息为溶洞大小估计过小;
若所述第四判断结果为否,确定所述目标溶洞位置对应的溶洞问题信息为溶洞大小估计过大;
和/或,
将所述当前注浆阶段、所述目标溶洞位置的溶洞形状信息、所述温湿度信息和所述超声波反射信息,输入至训练好的注浆质量预测神经网络模型,以得到所述目标溶洞位置对应的注浆质量预测信息;所述注浆质量预测神经网络模型通过包括有多个训练注浆信息和对应的注浆质量标注的训练数据集训练得到;所述训练注浆信息包括训练注浆阶段、训练注浆溶洞形状、训练注浆温湿度信息和训练超声波反射信息。
7.根据权利要求6所述的用于溶洞注浆控制的传感数据处理方法,其特征在于,所述根据所述注浆问题信息,以及所述注浆机对应的当前工作参数,确定所述注浆机对应的调整工作参数,包括:
根据所述目标溶洞位置对应的注浆机问题信息,以及第一问题调整规则,确定第一调整参数值;
根据所述目标溶洞位置对应的溶洞问题信息,以及第二问题调整规则,确定第二调整参数值;
计算所述注浆机对应的当前工作参数和所述第一调整参数值以及所述第二调整参数值的和,得到所述注浆机对应的调整工作参数;
和/或,
判断所述注浆质量预测信息是否小于预设的质量阈值,若是,确定所述注浆机对应的调整工作参数为停止工作值和报警值;
以及,所述第一问题调整规则包括:当所述注浆机问题信息为注浆机工作过急时,所述第一调整参数值为第一减小值,且所述第一减小值的大小与所述高度差成正比;当所述注浆机问题信息为注浆机工作过缓,所述第一调整参数值为第一增大值,且所述第一增大值的大小与所述高度差成正比;
以及,所述第二问题调整规则包括:当所述溶洞问题信息为溶洞大小估计过大时,所述第二调整参数值为第二减小值,且所述第二减小值的大小与所述注浆量差值成正比;当所述溶洞问题信息为溶洞大小估计过小,所述第二调整参数值为第二增大值,且所述第二增大值的大小与所述注浆量差值成正比。
8.根据权利要求7所述的用于溶洞注浆控制的传感数据处理方法,其特征在于,所述方法还包括:
获取目标溶洞注浆区域中的多个溶洞位置对应的所述注浆量差值和所述注浆质量预测信息;
对于任意两个所述溶洞位置,计算该两个所述溶洞位置之间的位置差;
计算该两个所述溶洞位置对应的所述注浆质量预测信息和所述质量阈值之间的质量差值的第一平均值;
计算该两个所述溶洞位置对应的所述注浆量差值的第二平均值;
计算所述第一平均值、所述第二平均值和所述位置差的乘积,得到该两个所述溶洞位置对应的溶洞施工质量参数;
计算所述目标溶洞注浆区域中的所有所述溶洞位置对应的所述溶洞施工质量参数的平均值,得到所述目标溶洞注浆区域对应的区域施工质量参数;
根据所述溶洞施工质量参数和所述区域施工质量参数,生成所述目标溶洞注浆区域对应的区域施工预警图。
9.一种用于溶洞注浆控制的传感数据处理装置,其特征在于,所述装置包括:
获取模块,用于在注浆机对目标溶洞位置进行注浆时,实时获取所述目标溶洞位置的传感器获取的当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息;
第一确定模块,用于根据所述当前注浆高度、当前已注浆量、温湿度信息和超声波反射信息,以及所述目标溶洞位置的溶洞信息,确定所述目标溶洞位置对应的注浆问题信息;所述注浆问题信息包括注浆机问题信息和溶洞问题信息;
第二确定模块,用于根据所述注浆问题信息,以及所述注浆机对应的当前工作参数,确定所述注浆机对应的调整工作参数;
发送模块,用于将所述调整工作参数发送至所述注浆机,以控制所述注浆机根据所述调整工作参数进行工作。
10.一种用于溶洞注浆控制的传感数据处理装置,其特征在于,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-8任一项所述的用于溶洞注浆控制的传感数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311743237.4A CN117419772B (zh) | 2023-12-19 | 2023-12-19 | 一种用于溶洞注浆控制的传感数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311743237.4A CN117419772B (zh) | 2023-12-19 | 2023-12-19 | 一种用于溶洞注浆控制的传感数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117419772A true CN117419772A (zh) | 2024-01-19 |
CN117419772B CN117419772B (zh) | 2024-03-12 |
Family
ID=89530568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311743237.4A Active CN117419772B (zh) | 2023-12-19 | 2023-12-19 | 一种用于溶洞注浆控制的传感数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117419772B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102720513A (zh) * | 2012-06-26 | 2012-10-10 | 中国建筑第五工程局有限公司 | 动水动态信息化注浆方法 |
CN103176452A (zh) * | 2013-02-05 | 2013-06-26 | 中国矿业大学 | 注浆自动控制方法及装置 |
CN104532821A (zh) * | 2014-10-29 | 2015-04-22 | 中铁三局集团有限公司 | 特大溶洞洞底处理施工方法 |
CN106285636A (zh) * | 2016-08-29 | 2017-01-04 | 上海交通大学 | 岩溶地层中盾构隧道沿线溶洞填充注浆量确定方法 |
CN108919348A (zh) * | 2018-09-19 | 2018-11-30 | 东北大学 | 一种裂隙岩体智能注浆测控***及实施方法 |
CN112182694A (zh) * | 2020-09-03 | 2021-01-05 | 长江三峡勘测研究院有限公司(武汉) | 一种基于bim***的灌浆工程全过程动态分析方法 |
CN113153429A (zh) * | 2021-03-04 | 2021-07-23 | 中国矿业大学 | 煤矿井下注浆在线监测与注浆质量智能评价方法和*** |
CN113216142A (zh) * | 2021-05-08 | 2021-08-06 | 中铁十一局集团有限公司 | 一种岩溶发育区水下溶洞注浆处理方法及*** |
CN215261866U (zh) * | 2021-05-28 | 2021-12-21 | 天津矿安科技有限公司 | 一种井下注浆管路参数智能监测*** |
CN114792225A (zh) * | 2022-02-24 | 2022-07-26 | 山东四维卓识信息技术有限公司 | 一种机场工程地基处理溶洞施工数字化管控***及方法 |
KR102520901B1 (ko) * | 2023-01-18 | 2023-04-13 | 주식회사 한국 지오텍 | 인공지능기반 스마트 그라우팅 시스템을 이용한 터널 강관다단 그라우팅 시공방법 |
CN116085037A (zh) * | 2023-02-01 | 2023-05-09 | 山东大学 | 基于微泡沫材料的注浆充填装置及方法 |
CN116223782A (zh) * | 2023-05-09 | 2023-06-06 | 广州市市政工程试验检测有限公司 | 一种孔道注浆质量检测装置及检测方法 |
-
2023
- 2023-12-19 CN CN202311743237.4A patent/CN117419772B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102720513A (zh) * | 2012-06-26 | 2012-10-10 | 中国建筑第五工程局有限公司 | 动水动态信息化注浆方法 |
CN103176452A (zh) * | 2013-02-05 | 2013-06-26 | 中国矿业大学 | 注浆自动控制方法及装置 |
CN104532821A (zh) * | 2014-10-29 | 2015-04-22 | 中铁三局集团有限公司 | 特大溶洞洞底处理施工方法 |
CN106285636A (zh) * | 2016-08-29 | 2017-01-04 | 上海交通大学 | 岩溶地层中盾构隧道沿线溶洞填充注浆量确定方法 |
CN108919348A (zh) * | 2018-09-19 | 2018-11-30 | 东北大学 | 一种裂隙岩体智能注浆测控***及实施方法 |
CN112182694A (zh) * | 2020-09-03 | 2021-01-05 | 长江三峡勘测研究院有限公司(武汉) | 一种基于bim***的灌浆工程全过程动态分析方法 |
CN113153429A (zh) * | 2021-03-04 | 2021-07-23 | 中国矿业大学 | 煤矿井下注浆在线监测与注浆质量智能评价方法和*** |
CN113216142A (zh) * | 2021-05-08 | 2021-08-06 | 中铁十一局集团有限公司 | 一种岩溶发育区水下溶洞注浆处理方法及*** |
CN215261866U (zh) * | 2021-05-28 | 2021-12-21 | 天津矿安科技有限公司 | 一种井下注浆管路参数智能监测*** |
CN114792225A (zh) * | 2022-02-24 | 2022-07-26 | 山东四维卓识信息技术有限公司 | 一种机场工程地基处理溶洞施工数字化管控***及方法 |
KR102520901B1 (ko) * | 2023-01-18 | 2023-04-13 | 주식회사 한국 지오텍 | 인공지능기반 스마트 그라우팅 시스템을 이용한 터널 강관다단 그라우팅 시공방법 |
CN116085037A (zh) * | 2023-02-01 | 2023-05-09 | 山东大学 | 基于微泡沫材料的注浆充填装置及方法 |
CN116223782A (zh) * | 2023-05-09 | 2023-06-06 | 广州市市政工程试验检测有限公司 | 一种孔道注浆质量检测装置及检测方法 |
Non-Patent Citations (1)
Title |
---|
何登甲: "浅谈溶洞自动化注浆处理***的设计与实践", 广东土木与建筑, no. 08, 31 August 2015 (2015-08-31), pages 38 - 41 * |
Also Published As
Publication number | Publication date |
---|---|
CN117419772B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI709931B (zh) | 一種指標異常檢測方法、裝置以及電子設備 | |
CN115167212B (zh) | 基于监测平台的基坑动态施工控制***及方法 | |
RU2682030C2 (ru) | Оптимизатор контура контроля уровня жидкости | |
WO2021169420A1 (zh) | 基于多个图像帧的视觉定位 | |
CN112989262B (zh) | 一种考虑基坑开挖过程的邻近隧道最大水平位移预测方法 | |
CN110457775A (zh) | 不规则结构的三维配筋方法及装置 | |
CN103984995A (zh) | 基于利危平衡点的深基坑工程风险预警指标的判定方法 | |
CN112948950B (zh) | 基于bim技术的一体化信息智慧管理***及管理方法 | |
CN115184578A (zh) | 矿井突透水蔓延过程物理模拟试验方法及装置 | |
CN117419772B (zh) | 一种用于溶洞注浆控制的传感数据处理方法及装置 | |
JP2013231331A (ja) | ケーソン誘導管理システム及びこれを利用したケーソンの誘導管理方法 | |
US20130190902A1 (en) | Device information display apparatus and method | |
CN107246900A (zh) | 一种确定油水界面位置的方法及装置 | |
CN113268793A (zh) | 复杂地形土方量计算方法及装置 | |
CN117556986A (zh) | 洪水调度优化方法、装置、可读存储介质及电子设备 | |
CN112685826A (zh) | 一种地基结构施工方法、装置、设备及可读存储介质 | |
CN116823521B (zh) | 基于ai算法的智能二次供水终端控制*** | |
CN110378023B (zh) | 屋面降雨径流模拟方法、装置、计算机设备和存储介质 | |
CN117542171B (zh) | 一种用于泥浆泄露报警的数据处理方法及装置 | |
CN117420810B (zh) | 一种用于高压旋喷桩控制的多模态数据处理方法及装置 | |
CN112101778B (zh) | 一种预警方法、***、装置和存储介质 | |
CN114088144A (zh) | 一种明渠的流量测量方法、***、设备及存储介质 | |
CN116304532B (zh) | 一种基于多模态数据的灌缝装置数据处理方法及灌缝装置 | |
CN116909238B (zh) | 基于数字孪生的智慧水厂综合管理*** | |
CN109138018B (zh) | 抓斗控制方法和***、计算机设备、计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |