期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
非爆破开采工艺在某大型铝土矿中的应用研究
1
作者 齐炎 黄崇杰 +3 位作者 匡勇 永学艳 高佳豪 黄敏 《有色冶金设计与研究》 2024年第5期17-20,共4页
针对某大型铝土矿采用传统穿孔、爆破开采工艺存在的矿石损失贫化不易控制、开采工作量大、效率低等问题,提出了一种使用露天采矿机的非爆破开采工艺方案,并通过将非爆破开采工艺方案与传统爆破开采工艺进行技术经济比选。应用与实践效... 针对某大型铝土矿采用传统穿孔、爆破开采工艺存在的矿石损失贫化不易控制、开采工作量大、效率低等问题,提出了一种使用露天采矿机的非爆破开采工艺方案,并通过将非爆破开采工艺方案与传统爆破开采工艺进行技术经济比选。应用与实践效果证明,露天采矿机开采工艺具有环保、高效、精确、适应性强、安全性高的特点,其在经济收益、环境效益和社会效益上均更有优势。 展开更多
关键词 非爆破开采 露天采矿机 铝土矿 开采工艺
下载PDF
基于机器视觉的露天矿司机驾驶疲劳监测 被引量:3
2
作者 孙恩吉 张兴凯 +1 位作者 李仲学 王云海 《辽宁工程技术大学学报(自然科学版)》 CAS 北大核心 2012年第1期21-25,共5页
为监测露天矿司机驾驶疲劳状态,利用AdaBoost算法快速实时露天矿司机脸部跟踪检测,基于模板匹配算法和改进型SNAKE算法提取司机眼睛特征,运用眼睛累计闭合持续时间占某特定时间的百分率(PERCLOS)算法判断司机是否处于驾驶疲劳状态,有效... 为监测露天矿司机驾驶疲劳状态,利用AdaBoost算法快速实时露天矿司机脸部跟踪检测,基于模板匹配算法和改进型SNAKE算法提取司机眼睛特征,运用眼睛累计闭合持续时间占某特定时间的百分率(PERCLOS)算法判断司机是否处于驾驶疲劳状态,有效地实现了基于机器视觉的、车载的、实时的、非接触的、无干扰的露天矿司机驾驶疲劳状态监测系统.经应用验证了系统可行性,并对保护人员生命,提高矿山经济效益具有重要的意义. 展开更多
关键词 露天矿 车辆安全 机器视觉 人眼检测 模板匹配 SNAKE算法 驾驶疲劳 监测
下载PDF
滚筒式露天采矿机在某露天矿的应用预评价 被引量:1
3
作者 黄志兵 《昆明冶金高等专科学校学报》 CAS 2013年第3期11-15,共5页
滚筒式露天采矿机以其卓越的挖掘性能,避免了传统采矿工艺中的穿孔、爆破、粗碎等工作,也可以避免爆破震动对露天边坡造成的次生危害;其超强的选采分采性能,可以实现精细化采矿,极大地降低矿石的损失贫化管理难度。根据实际地质条件、... 滚筒式露天采矿机以其卓越的挖掘性能,避免了传统采矿工艺中的穿孔、爆破、粗碎等工作,也可以避免爆破震动对露天边坡造成的次生危害;其超强的选采分采性能,可以实现精细化采矿,极大地降低矿石的损失贫化管理难度。根据实际地质条件、采矿工艺及矿体赋存条件,预评价该设备在某露天矿应有广阔的应用前景。 展开更多
关键词 露天采矿机 爆破 边坡 精细化采矿 矿石损失 矿石贫化
下载PDF
煤矿工作面供电设计的研究
4
作者 付宏宇 《科技创新与生产力》 2012年第6期84-87,共4页
通过对采区变电所、移动变电站、工作面配电点、采区变电所硐室的确定和对负荷的统计、变压器型号数量的选择及高低压电缆的选择确定来为东三11号层8504工作面进行供电设计。
关键词 供电设计 工作面 破碎机 采煤机 转载机
下载PDF
基于粒子群参数优化的ELM神经网络的矿区地表变形预测模型 被引量:5
5
作者 王仁驹 梁山军 《北京测绘》 2018年第10期1206-1210,共5页
针对传统的BP和RBF等智能算法在进行矿区地表变形预测时易出现学习速度慢、易陷入局部极小和网络结构中参数选取不准确等问题,提出了一种基于微粒群优化(Particle Swarm Optimization,PSO)极限学习机(Extreme Learning Machine,ELM)的... 针对传统的BP和RBF等智能算法在进行矿区地表变形预测时易出现学习速度慢、易陷入局部极小和网络结构中参数选取不准确等问题,提出了一种基于微粒群优化(Particle Swarm Optimization,PSO)极限学习机(Extreme Learning Machine,ELM)的矿区地表变形预测模型,利用PSO算法优化ELM中的连接权值和阈值,从而提高模型最后预测的精度。以山西省某矿区的地表变形监测数据为例,将PSOELM与BP、RBF和未经优化的ELM模型预测结果进行对比,实验结果表明:PSO-ELM模型预测精度最高,泛化能力强,算法稳定,在矿区的地表变形预测方面具有一定的推广价值。 展开更多
关键词 误差反向传播(BP) 径向基函数(RBF) 矿区地表变形 微粒群优化 极限学习机
下载PDF
极限训练机在矿山开采最大下沉值估算中的应用 被引量:4
6
作者 李骅锦 何雨森 《人民长江》 北大核心 2017年第8期68-72,共5页
矿山开采过程中采空区地表往往会发生形变,研究其最大下沉值对安全生产具有重要意义,现有的开采最大下沉估算方法还有提升的空间。基于岩移数据决策与极限训练机(Extreme learning machine,ELM)算法,提出了一种估计最大下沉的新方法。... 矿山开采过程中采空区地表往往会发生形变,研究其最大下沉值对安全生产具有重要意义,现有的开采最大下沉估算方法还有提升的空间。基于岩移数据决策与极限训练机(Extreme learning machine,ELM)算法,提出了一种估计最大下沉的新方法。该方法将采厚、倾角、平均采深、走向长度、倾向长度和覆岩岩性确定为最大下沉值影响因素;应用以Sigmoid方程为核函数、隐含层神经元个数为114的ELM模型对最大下沉值进行了估算。通过案例分析,ELM模型得到了优于传统算法如CHAID、Boosted Tree、ANN、BPNN和SVM的RMSE、MAE、MAPE、最大残差及秩相关系数,故认为该模型是一种有效的矿山开采最大下沉估算方法。 展开更多
关键词 最大下沉值估算 岩移数据决策 极限训练机 矿山开采
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部