【技术实现步骤摘要】
本专利技术属于光爆法隧道开挖，具体地涉及光爆法掘进参数优化方法、系统、计算机及存储介质。
技术介绍
1、随着社会基础设施建设的快速发展，对高效快速的隧道岩石开挖技术提出了更高要求。传统的机械钻掘方式效率低下，而利用高功率激光进行隧道岩石光爆开挖是一种崭新的高效掘进技术。激光光爆掘进通过聚焦强激光脉冲照射隧道岩石，使隧道岩石在激光辐射作用下瞬间产生高温和应力波，从而使隧道岩石发生微观爆炸并逐步掘进。相比传统机械钻掘，光爆掘进技术具有效率高、振动低、灵活性强等优点，是实现高速隧道岩石开挖的有效手段。
2、光爆掘进的工作原理是，强力激光脉冲经聚光光学系统聚焦在隧道岩石表面一个微细的点(约0.5-1mm)上，在激光与隧道岩石的相互作用下，隧道岩石表面吸收激光能量迅速升温，产生高温等离子体且膨胀炸裂，同时在隧道岩石内部形成应力波，经过多脉冲重复作用，隧道岩石逐渐破碎冲蚀，实现层层推进。然而，光爆掘进依赖于激光脉冲的频率、功率和聚焦位置等关键参数的合理配置，这将直接影响隧道岩石的破碎效果和掘进速度。
3、中国专利cn112767464a公开了一种地面激光扫描三维点云数据配准方法，建立点云配准模型；扫描土料场开挖面的相对坐标系下原始三维点云数据，计算出配准模型的相对坐标系xoy相对于世界坐标系xoy之间绕z轴的θ，即可进行点云的配准。本专利技术所述的点云数据配准方法，配准效率极高，能够在实际应用中节省大量时间，能够为工程实际应用减轻时间成本的消耗。中国专利cn114818019a公开了一种岩石块度识别方法，方法步骤如下
4、就目前公开资料而言，现有公开资料对光爆法掘进参数进行优化，然而，不同隧道岩石的内在微观结构各不相同，比如岩浆岩、沉积岩和变质岩在矿物组成、晶粒结构等方面存在明显差异，如果简单地采用统一预设的掘进参数，则导致对某些隧道岩石的掘进效率较低。
技术实现思路
1、为了解决上述技术问题，本专利技术提供了光爆法掘进参数优化方法、系统、计算机及存储介质系统，用于解决现有的光爆法掘进方法，简单地采用统一预设的掘进参数，导致对某些隧道岩石的掘进效率较低的技术问题。
2、一方面，该专利技术提供以下技术方案，一种光爆法掘进参数优化方法，包括获取第一点云数据及第一微观结构分类数据，并基于所述第一点云数据标注所述第一微观结构分类数据，利用所述第一点云数据、所述第一微观结构分类数据及标注后的第一微观结构分类数据训练得到判定模型；
3、获取第二点云数据，将所述第二点云数据输入所述判定模型得到第二微观结构分类数据；
4、建立掘进系统，将所述第二微观结构分类数据输入所述掘进系统内，得到光爆掘进的参数；
5、利用所述光爆掘进的参数对隧道进行光爆掘进，间隔预设时间获取所述隧道内的第三点云数据，对比所述第二点云数据和所述第三点云数据得到掘进效果值；
6、判断所述掘进效果值是否大于预设的阈值，若所述掘进效果值大于预设的阈值，则继续利用所述光爆掘进的参数对所述隧道进行光爆掘进。
7、相比现有技术，本申请的有益效果为：通过点云数据训练处第一微观结构分类判定模型，该模型能够准确预测出第一微观结构分类数据，减轻人工判读的强度，提高工作效率。通过第一微观结构分类数据，通过掘进系统得出优化光爆掘进的参数，优化后的光爆参数能够精准控制光爆法隧道掘进的速度、质量以及效率，提高了安全性。
8、进一步的，所述判定模型包括pointnetcnn模型或者pointcnn模型或pointnet++中的任意一种。
9、进一步的，所述第一微观结构分类数据为隧道开挖的表面的隧道岩壁薄弱区域。
10、进一步的，建立掘进系统的步骤包括：
11、优化所述第一微观结构分类数据，并将所述优化后的所述第一微观结构分类数据作为输入样本数据；
12、建立包含生成器和判别器的对抗框架，将所述输入样本数据输入所述生成器内，并输出参数方案，所述判别器判别所述参数方案的真伪；
13、根据判别后的真伪结果调节所述生成器的参数和所述判别器的参数，使其在对抗训练中逐步优化，获得优化后的生成器；
14、将优化后的生成器应用于所述掘进系统。
15、进一步的，判断所述掘进效果值是否大于预设的阈值的步骤之后，所述方法包括：
16、若所述判断所述掘进效果值小于预设的阈值，则重复执行获取第二点云数据的步骤。
17、进一步的，对比所述第二点云数据和所述第三点云数据掘进效果值的步骤包括：
18、计算所述第二点云数据与所述第三点云数据的体积差，并根据所述体积差获得差值新点云；
19、获取产生所述差值新点云花费的时间，并利用所述差值新点云及其花费的时间计算掘进速度，计算所述差值新点云占预设总差值新点云的比值。
20、进一步的，若所述判断所述掘进效果值大于预设的阈值的步骤包括：
21、若所述掘进速度小于或者等于预设速度阈值，或者所述比值大于或者等于预设允许超标阈值。
22、第二方面，该专利技术提供以下技术方案，所述光爆法掘进参数优化系统包括：
23、训练模块，用于获取第一点云数据及第一微观结构分类数据，并基于所述第一点云数据标注所述第一微观结构分类数据，利用所述第一点云数据、所述第一微观结构分类数据及标注后的第一微观结构分类数据训练得到判定模型；
24、输入模块，用于获取第二点云数据，将所述第二点云数据输入所述判定模型得到第二微观结构分类数据；
25、得到模块，用于建立掘进系统，将所述第二微观结构分类数据输入所述掘进系统内，得到光爆掘进的参数；
26、对比模块，用于利用所述光爆掘进的参数对隧道进行光爆掘进，间隔预设时间获取所述隧道内的第三点云数据，对比所述第二点云数据和所述第三点云数据得到掘进效果值；
27、继续模块，用于判断所述掘进效果值是否大于预设的阈值，若所述掘进效果值大于预设的阈值，则继续利用所述光爆掘进的参数对所述隧道进行光爆掘进。
28、第三方面，该专利技术提供以下技术方案，一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的光爆法掘进参数优化方法。
29、第四方面，该专利技术提供以下技术方案，一种存储介质，所述存储介质上存储有计算本文档来自技高网...
【技术保护点】
1.一种光爆法掘进参数优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的光爆法掘进参数优化方法，其特征在于，所述判定模型包括PointNetCNN模型或者PointCNN模型或PointNet++中的任意一种。
3.根据权利要求1所述的光爆法掘进参数优化方法，其特征在于，所述第一微观结构分类数据为隧道开挖的表面的隧道岩壁薄弱区域。
4.根据权利要求1所述的光爆法掘进参数优化方法，其特征在于，建立掘进系统的步骤包括：
5.根据权利要求1所述的光爆法掘进参数优化方法，其特征在于，判断所述掘进效果值是否大于预设的阈值的步骤之后，所述方法还包括：
6.根据权利要求1所述的光爆法掘进参数优化方法，其特征在于，对比所述第二点云数据和所述第三点云数据掘进效果值的步骤包括：
7.根据权利要求6所述的光爆法掘进参数优化方法，其特征在于，若所述判断所述掘进效果值大于预设的阈值的步骤包括：
8.一种光爆法掘进参数优化系统，其特征在于，所述系统包括：
9.一种计算机，包括存储器、处理器以及存储在所
10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的光爆法掘进参数优化方法。
...【技术特征摘要】
1.一种光爆法掘进参数优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的光爆法掘进参数优化方法，其特征在于，所述判定模型包括pointnetcnn模型或者pointcnn模型或pointnet++中的任意一种。
3.根据权利要求1所述的光爆法掘进参数优化方法，其特征在于，所述第一微观结构分类数据为隧道开挖的表面的隧道岩壁薄弱区域。
4.根据权利要求1所述的光爆法掘进参数优化方法，其特征在于，建立掘进系统的步骤包括：
5.根据权利要求1所述的光爆法掘进参数优化方法，其特征在于，判断所述掘进效果值是否大于预设的阈值的步骤之后，所述方法还包括：
6.根据权利要求1所述的光爆法掘...
【专利技术属性】
技术研发人员：周大林，李郴，祝平华，梁文琴，李强，胡鹏，樊东博，高泉，
申请(专利权)人：中铁四局集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。