使用自适应神经模糊推理系统(ANFIS)对阶梯式爆破产生的岩石碎片大小进行建模

Sizing of rock fragmentation modeling due to bench blasting using adaptive neuro-fuzzy inference system (ANFIS)

使用自适应神经模糊推理系统(ANFIS)对阶梯式爆破产生的岩石碎片大小进行建模

Abstract

摘要

One of the most important characters of blasting, a basic step of surface mining, is rock fragmentation because it directly effects on the costs of drilling and economics of the subsequent operations of loading,hauling and crushing in mines. Adaptive neuro-fuzzy inference system (ANFIS) and radial basis function(RBF) show potentials for modeling the behavior of complex nonlinear processes such as those involved in fragmentation due to blasting of rocks. We developed ANFIS and RBF methods for modeling of sizing of rock fragmentation due to bench blasting by estimation of 80% passing size (K80) of Golgohar iron mine of Sirjan, Iran. Comparing the results of ANFIS and RBF models shows that although the statistical parameters RBF model is acceptable but ANFIS proposed model is superior and also simpler because ANFIS model is constructed using only two input parameters while seven input parameters used for construction of RBF model.

岩石爆破是爆破最重要的特征之一，是地表采矿的基本步骤,因为它直接影响钻井成本和随后进行的运输和矿山破碎的经济成本。自适应模糊神经推理系统(简称ANFIS)和径向基函数(RBF)显示势函数建模复杂的非线性过程的行为,如那些由于爆破而参与进来的岩石碎片。通过估计伊朗Sirjan市 Golgohar公司铁矿80%的大小(K80)，我们开发了ANFIS模型和RBF模型来研究由于台阶爆破产生的岩石碎片。ANFIS模型和RBF模型的比较结果表明尽管统计参数显示RBF模型是可以接受的，但是ANFIS模型更优越也更简单,因为ANFIS模型只使用两个输入参数,而RBF模型需要七个输入参数。

1.Introduction

1. 引言

Blasting remains the cheapest method of hard rock fragmentation. The process of rock breakage by blasting in open pit mines is a complex phenomenon which is controlled by many variables and parameters. Considering all these parameters in a single analysis is not possible at the present time especially when some of them are not clearly understood yet and the effects of others are difficult to quantify[1]. However it is necessary to have an accurate means of measuring the sizing of rock

fragmentation in the muck pile for validation of blasting-pattern design processes. Mackenzie determined the cost curves based on the mean fragmentation size. He showed that loading, hauling and crushing costs decreased with increasing rock fragmentation.

爆破是分裂坚硬岩石成本最低的方法。露天爆破是一件很复杂的事情，目前，在单个分析环境中考虑到所有这些参数是不可能的，特别是这些参数中的有一些还不是很清楚，另一些甚至很难量化[1]。然而，为了验证爆破设计过程，一个去精确测量渣土堆中岩石碎片大小的方法是必须的。Mackenzie很确定这个成本曲线基于平均碎片的大小，他表明随着岩石破碎率的提高，装载、运输和破碎成本将下降。

The numerical prediction of rock fragmentation on large scale works is quite difficult and ineffective and cannot be applied because of the technical and economical reasons. It is also difficult to isolate the influence of individual variables on the fragmentation parameters from data obtained from field tests because of the diversity of the experimental conditions[2].Since such a relation-ship involves a complex multi-variable system, it cannot be expressed in a straightforward manner by simple regression analyses.

由于技术和经济原因，一个大规模工程中的爆破碎片数量预测是相当困难的，甚至无效或者根本无法实现。因为实验环境的多样性，从现场测试获得数据中分离每个变量对断裂参数的影响是很困难的[2]。由于这种关系牵涉到一个复杂的多变量系统，它不能通过简单的统计学分析后用一个明确的方式来表示。

On the other hand, fuzzy logic is a technique that defines and generates responses based on ambiguous, imprecise and complicated information. Fuzzy systems have attracted attention in various fields such as decision-making, pattern recognition and data analysis [3–9]. The adaptive neuro-fuzzy inference system (ANFIS)is a fuzzy inference system implemented within the architecture and learning procedure of adaptive networks like a multi-layer neural network (ANN). The adaptive network simulates a fuzzy inference system represented by the fuzzy if-then rules. The hybrid network of ANFIS system is functionally equivalent to Sugeno’s inference mechanism [7]. As the fuzzy models can work with complicated and ill-defined systems in a flexible and consistent way, an increase in their applications to solve various problems in the field of mining and geomechanics has been reported [10–12].

另一方面，模糊逻辑是一种基于模棱两可,不精确和复杂的数据而定义和生成反应的技术。模糊系统在各种领域引起了人们的注意，如决策，图像识别和数据分析[3–9]。自适应神经模糊推理系统（ANFIS）属于模糊推理系统的范畴并在其中架构而成，自适应网络的学习过程就像一个多层神经网络(ANN)一样。自适应网络模拟由模糊if-then规则所代表的模糊推理系统。ANFIS系统的混合网络在功能上等同于Sugeno模糊推理机制[7]。这样的模糊模型可以灵活的工作在复杂和不明确的系统中，已有报道有人在他们的应用程序增加模糊模型以解决采矿和地质力学领域相关的问题[10–12]。

In this paper, the ANFIS method was used to simulate the results of the sizing of fragmentation due to bench blasting. A model was obtained based on the initial known input parameters to determine the sizing of fragmentation of rocks. The

achieved ANFIS model, was then compared with radial bases function (RBF) neural network based model. The objective of present investigation was to predict K80 of the rock mass which can be used in future blast designs.

在本文中，ANFIS方法被用来模拟因阶梯式爆破产生的碎片的大小。用输入已知参数确定岩石碎片大小的方法得到了模型。所取得的ANFIS模型，用径向基函数（RBF）神经网络模型进行比较。本研究的目的是要预测可以在将来的高炉设计中被使用的K80岩体。

2.Theoretical routines

2.理论例程

2.1. Adaptive neuro-fuzzy inference system (ANFIS)

2.1. 自适应神经模糊推理系统

Among various fuzzy inference systems (FIS), Takagi-Sugeno(TS) system has been successfully applied for fuzzy modeling [13,14]. An ANFIS system can be considered to be an implementation of a TS system in neural-network architecture. In the following, we briefiy explain an ANFIS system by using a model with two inputs as an example (Fig. 1) [15]. To construct the ANFIS model, five layers are used, as shown in Fig. 1. Each layer has some nodes described by a node function. The circles in the network represent nodes with no variable parameters, while the squares show nodes with adaptive parameters to be determined by network during training.The nodes in the first layer represent fuzzy sets in fuzzy rules. It has parameters that control the shape and the location of the center of each fuzzy set which are called premise parameters. In the second layer, every node computes the product of its inputs. In Layer 3, normalization of the firing strength of the rules occurs by calculating the ratio of the ith rule’s firing strength to the sum of all rules firing strengths. Nodes in forth layer are adaptive,where each node function represents a first-order model with consequent parameters. Layer 5 is called the output layer where each node is fixed. It computes the overall output as the summation of all the inputs from the previous layer. Optimizing the values of the adaptive parameters is the most important step for the performance of the adaptive system. Specially, the supposed parameters in Layer 1 and the consequent parameters in Layer 4 need to be determined. Jang proposed a hybrid-learning algorithm for determining the parameters of an ANFIS model [16]. A hybrid learning algorithm uses the gradient descent and least-square techniques for optimizing the network parameters. The least-squares estimation can be used to determine consequent parameters, assuming that the Layer 1 parameters are fixed. Then, the Layer 4 parameters can be fixed, and a back propagation approach is used to fit the premise parameters in Layer 1. Iterating between the Layer 1 parameters and the Layer 4 parameters optimization, the optimal values for all free parameters are computed.

在众多模糊推理系统（FIS）中， Takagi-Sugeno(TS)系统已经被成功应用于模糊建模[13,14]。一个ANFIS系统可以认为是在神经网络体系结构中实现了一个TS系统。接下来，我们简要的通过使用具有两个输入的模型为例，来解释一个ANFIS系统（图1）[15]。构建的ANFIS模型，采用五层，如图1所示。每层都具有由节点函数描述的一些节点。网络中的

圆圈表示不带可变参数的节点，而方块表示具有自适应参数由网络在训练时确定的节点。在第一层中的节点表示模糊集合中的模糊规则。控制形状和每个模糊集中心位置的参数,被称为前提参数。在第二层中，每一个节点计算其输入的乘积结果。（）在第四层节点是自适应的，其中每个节点的功能表示与随之而来的参数的一阶模型。第五层为输出层，其中每个节点都是固定的。它计算此前每一层输入的和作为总输出。优化自适应参数的值是决定自适应系统性能最重要的一步。特别是，第一层的假定参数和第四层的结果参数需要被确定。Jang 提出了一个混合学习算法确定一个ANFIS 模型参数[ 16 ]。混合使用梯度下降学习算法和最小二乘技术来优化网络参数。如果假定第一层参数是固定的，最小二乘技术估计可用于确定后续的参数。然后，第四层的参数可以被确定，一个反向传播方法被用于在第一层，以适应前提参数。重复优化第一层和第四层的参数，可以计算出所有自由参数的最优值。

2.2. Radial basis function method (RBF)

The RBF method is one of the most popular artificial neural networks. The RBF network consists of two layers: a hidden radial basis layer which uses Gaussian function as activation function and an output linear layer [17]. Each node of the hidden layer has a parameter vector called center. This center is used to compare with the network input vector to produce a radically symmetrical response. Response of the hidden layer is scaled by the connection weights of the output layer and then combined to produce the network output. The presupposition of jth hidden node to input data vector i x is given by Eq. (1):

RBF 方法是最流行的人工神经网络之一。RBF 网络由两层组成:一个隐藏的使用高斯函数作为激活函数的径向基层和一个输出线性层[17]。每个节点的隐层参数矢量被称为中心。该中心是用来和网络的输入向量作比较以产生一个完全对称的响应。隐藏层的响应是输出层的连接权重比例结合产生的网络输出。第j 个隐藏节点的预设输入数据矢量i x 是由公式(1)给出:

)||||exp(2i i ij c x --=α? (1) where j c is an M-dimensional center and α a positive constant which determines the width of the symmetrical response of the hidden node. The network input is the vector distance between its weight vector and the input vector. The network output is defined as Eq. (2):

其中j c 是M 维中心和α正常数确定的隐藏节点的对称响应宽度。网络输入是其加权矢量与输入矢量之间的矢量距离。网络输出被定义为等式（2）：

j ij k

j h ?γ1=∑= (2)

Fig.1. ANFIS architecture.

图.1. ANFIS 结构

Where j h are the network connection weights and k is the number of hidden

nodes.The output of RBF neural network is defined as the linear combination of radial basis function layer [18].

其中j h 是网络连接权重,k 是隐藏节点的数目。RBF 神经网络的输出定义为径向基函数层[18]的线性组合。

2.3. Performance measurement

2.3 性能测试

One of the most common methods for validation and consistency assessment of a model is measurement of the root mean square error (RMSE) which is a degree of distribution of the data.The RMSE can be calculated by Eq. (3) and relative error y ~ is also calculated by Eq. (4). 对模型的验证和一致性评估最常用的方法是测量一个程度分布的数据的根均方误差

（RMSE ）。根均方根误差可以通过公式（3）来计算。 相对误差y ~

可以通过公式（4）计算。 21)(1

∑=-=tst N i obs i pred i y y

N RMSE (3) 100||1~1?-=∑=N i obs i

pred i obs i y y y N Y (4) Where N denotes the total number of objects in the entire testing set, pred i

y is the predicted output for ith pattern data, and obs i y is its experimental output

data.

其中N 表示在整个测试对象的总数，pred i

y 是第i 样品的预测输出数据，obs

i y 是它的实验输出数据。

The predictive ability of the models was also revealed by predictive 2LOO Q and

23F Q for internal validation method (leave one out cross validation) and external

validation (randomized method) respectively. 23F Q is

suggested by Consonni et al.as a new formula for calculating the predictive squared correlation coefficients which is based on the mean squares of the training set in order to be independent of external

test objects distribution [19]. The 2LOO Q and 23F Q value

should be at least 0.3-0.4 in order to assess that the model has statistically significant prediction ability.

In this study, the 2LOO Q value is calculated by Eq. (5).

该模型的预测能力也透露了预测2LOO Q 和23F Q 的内部验证方法（假一出交叉验证），和

分别外部验证方法（随机法）。23F Q 是Consonni 等人建议使用的一个新的计算公式，它用

于计算预测的平方相关系数，是基于训练集的均方，以便测试独立的外部的对象分布[19]。

为了评估该模型具有显著统计学预测能力，所述2LOO Q 和23F Q 的值至少应为0.3-0.4。在本论文中，2LOO Q 的值由公式（5）进行计算。

∑∑==---=N i mean i obs i N i obs i pred i Loo y y y y O 12

122])([]

)([1 (5)

where N is the total number of objects in the testing set,obs i y the predicted

output for ith pattern test data,obs i y its experimental output data and pred i y the

average value for experimental output data. The 23F Q value also is calculated by

Eq. (6).

其中N 是测试对象的总数，obs i y 是第i 样品预测输出数据，obs i y 是实验输出数据，pred

i y 为实验输出数据的平均值。23F Q 的值也由公式（6）进行计算。 [][]trn

N

i mean i obs i tst N i obs i pred i F N y y N y y O tst ∑∑==---=12

1

22

)()(13 (6)

where the summation in the numerator runs over the external test set while in

the denominator over the training set; the number trn N of training set objects and the number tst N of external objects are usually different.

N 其中，分子中的求和运行在外部测试集，而分母中的求和运行在训练集;训练集的数

trn N通常是不同的。

和外部对象的数

tst

Table 1（表格1）

Input parameters used for fragmentation modeling and their ranges.

用于分段建模的输入参数及其范围

编号. 输入参数范围

1 单位耗药量(铵油炸药kg/t) 0.14–0.33

2 非封闭抗压强度(MPa) 50–90

3 负担率 1.18–1.30

4 爆破行数2–5

5 延迟比列(ANFO kg/(ms)) 27–198

6 填充物比例0.82–1.60

7 载重(m) 5–6

A.Karami, S.Afiuni-Zadeh/International Journal of Mining Science and Technology 23 (2013) 809–813

A . Karami ,S.Afiuni-Zadeh/国际矿业科技杂志23(2013)809 - 813

Fig. 2. Final membership functions after training by ANFIS model.

图.2. ANFIS模型训练后的最终隶属度函数。

Table 2（表格2）

Statistical parameters of test set in leave one out and randomized selections for ANFIS Model. 测试的统计参数集中忽略的一组数据和随机选择的ANFIS模型。

Fig. 3. Predicted and actual values of K80 calculated by ANFIS in leave one out selection.

图3. 通过ANFIS方法预测和计算的K80实际值忽略一种选择。

Fig. 4. Predicted and actual values of K80 calculated by RBF in leave one out selection.

图4. 通过RBF方法预测和计算的K80实际值忽略一种选择。

Fig. 5. Plots of predicted and real values of K80 calculated by ANFIS and RBF methods.

图5.绘制ANFIS和RBF方法计算的K80预测值和真实值曲线图。

Table 3（表格3）

Statistical parameters of test set in leave one out and randomized selections for RBF model.

测试的统计参数集中忽略的一组数据和随机选择的RBF模型。

3.Model construction and evaluation

3. 模型的构建及评价

3.1. Case study

3.1. 案例研究

The study was conducted at Golgohar iron ore mine in Sirjan,south-west of Kerman,Iran. It is one of the biggest iron ore producing companies that a total reservoir of 250,000,000 t with an average grade of 56% iron is estimated. The iron

m).

ore field has density 4.1-4.3 (t/3

这项研究是在伊朗克尔曼地区西南部叙利亚的golgohar铁矿进行的。这是最大的铁矿石生产企业之一，估计有2.5亿吨平均含铁量56%的铁矿储量。这里的铁矿田密度为4.1-4.3 m)。

(t/3

The type of over burden rocks in this area is mostly medium to coarse-grained

9 inches(251 mm). Blasting patterns are sandstone and the blast hole diameter is

8/7

5 m×

6 m and 5.5 m×7.5 m and depth of the blast hole is 1

7 m (with the bench height of 15 m).Anfo for dry condition and Slurry and Emulan for wet condition are being used to supply a production of over 20,000 t/day. The size of outfall entrance gyratory crusher is 100 cm and the size of outfall exit is 20 cm. The computations were carried out with Pentium-4 computers using programs (MATLAB) written by the authors.

9英寸(251毫米)。爆破模式在这地区覆岩的类型大多为中粗粒砂岩，爆破孔直径为

8/7

是5米×6米和5.5米×7.5米，爆破孔的深度达17 米（包括台阶高度15 米）。（）排污口入口的旋回破碎机尺寸为100厘米，排污口出口的尺寸为20厘米。使用一台奔腾4处理器的电脑通过作者编写的程序（MATLAB）计算出结果。

The estimation of fragmentation in blast muckpiles by means of standard photographs was first introduced by van Aswegen and Cunningham [20]. The method was developed for estimation of fragmentation in an unknown muckpile. Ozkahraman used

the method for critical evaluation of blast design parameters and Latham et al. used standard photos for comparison of image analysis systems [21,22]. To provide a basis for the estimation of muck piles fragmentation by image processing, GoldSize software has been used in this work. Among 30–35 photographs of each muckpiles,after blasting (during loading of muckpiles) were analyzed by GoldSize which is a software tool that estimates the size distributions of objects in photographs. Power mass and sieve shift, two factors used for calibration, are adjusted to 1.9 and 0.9, respectively, where power mass is volume shape factor and sieve shift is sieving size parameter obtained by comparing image processing analysis of photographs and sieving analysis. The resulting parameter which should be optimized by ANFIS and RBF modeling is K80 that is the size through which 80% of the particles pass and the range of K 80 is 16–68 cm.

Selection of input parameters is perhaps the most critical decision impacting accuracy in an ANFIS model. A set of seven input parameters and their related K 80 were collected from 30 different muckpiles. The parameters and their ranges are presented in Table 1.

3.2. Fragmentation modeling by ANFIS

ANFIS modeling involves different parameters adjustments such as finding suitable number and kind of membership function and rules, selection of proper input parameters, linear coefficients and so on. The fuzzy part of ANFIS is mathematically expressed in the form of membership functions (MFs). By increasing the number of MFs per input, the number of rules increases.

In the training step, different ANFIS models were built using different combinations of seven input parameters (Table 1) and the simplest final model with only two inputs and eight rules were selected according to lowest RMSE and highest 23F Q values. These two input parameters are powder factor (PD) and unconfined compressive strength (UCS) (shown in Table 1). This study also presents two kinds of membership functions: four gauss2mf(Gaussian combination membership function) and two gbellmf(generalized bell membership function) for PD parameter and UCS parameter respectively. Fig. 2 shows the final membership functions after training by ANFIS model.

The predictive ability of ANFIS model for prediction of K 80 values was also investigated. In order to find which combination for the training and testing data sets would give better results according to their RMSE,2LOO Q and 2

3F Q values, we categorized the data into training and testing subsets with randomized selection (external validation method) and leave one out cross validation selection(internal validation method). In the leave one out cross validation selection, each value in the data set was taken as a test data and the remaining values were considered for the training data set. Thus,the training data sets contained 29 data; test data sets contained one data each.

Secondly, in the randomized selection, the parent data set was divided into

different couples of training and testing sets referred as random-1, random-2 and random-3; so different independent models would be obtained. The training data set contains 25, 20 and 15 data and testing data sets contain 5, 10 and 15 data, respectively. The data in each couple were 5 times randomly separated into training and testing sets to find out the lowest RMSE value.The statistical parameters of the ANFIS modeling for different random and leave one out selections in the two-parameters final ANFIS model is shown in Table 2.

Fig. 3 shows the plot of actual values of K 80 versus predicted values calculated by ANFIS for leave one out selection.

3.3. Comparison of the ANFIS model with the RBF model

For modeling by RBF, a network first needs to be trained before interpreting new information. Several different algorithms are available for neural networks but the back-propagation algorithm which provides the most efficient learning procedure for RBF. This kind of network has some tunable parameters such as the type and spread or radius of radial function to be used in the hidden units. In this work, the Gaussian radial function is used and the radius of the radial functions is set as 2.56. Seven input parameters (shown in Table 1) were used for modeling of fragmentation. To test of RBF model, as like as ANFIS model, leave one out and randomized selections were used. The statistical parameters of different test sets in leave one out and randomized selections for RBF modeling is reported in Table 3.

The plot of actual values of K80 versus predicted values calculated by ANFIS for leave one out selection is also shown in Fig. 4.

Comparison between the results of statistical parameters of test sets for different random and also leave one out selections for ANFIS (Table 2) and RBF (Table

3) shows that RMSE and 2

Q for the ANFIS model are superior compared with those of the RBF, besides that the ANFIS model uses only two descriptors for modeling; consequently, a simpler model will be generated. The results of the real values of K80 and the predicted values for the test set of leave one out selection in the ANFIS and RBF models are presented in Fig. 5.

Among the four approaches for the training and testing set of ANFIS modeling (Table 2), it seems leave one out and random-1 selection outperformed other selections with RMSE values of 4.842 for leave one out, 2.851 for the random-1

selection and with 2LOO Q value of 0.812 for leave one out, and 23F Q value of 0.712 for the random-1 selection in the test data set and results of RBF model also show that leave one out and random-1 selection are superior approaches.

4. Conclusions

In this study, we investigated the possibility and effectiveness of PD and UCS on sizing fragmentation (K80) of iron ore with ANFIS.

We compared the ANFIS results with RBF model to find out the relevance of the ANFIS

approach in such a very complex system like bench blasting. The application of the

Q, ANFIS and RBF models will be useful to blast design. The values of RMSE, 2

LOO 2

Q,2R and relative error for test step in both ANFIS and RBF models were calculated, F

3

although the results of RBF are acceptable but the ANFIS model is simpler than the RBF model because the ANFIS model is constructed using only two input parameters while seven input parameters were used for construction of the RBF model. The ANFIS model proves to be economical and easier in comparison to hectic and expensive experimental work and also RBF model. Considering the complexity among the inputs

and outputs, the results obtained are highly encouraging and satisfactory. It is

not possible to change the rock mass features but having knowledge about them can facilitate the judicious selection of the explosive characteristics and blast design parameters.

Acknowledgments

致谢

The authors would like to thank Islamic Azad University,Malayer Branch for providing facilities and equipments to perform this project. This paper has been financially supported by the Special Fund of Islamic Azad University, Malayer Branch (No. 2293), for basic research project.

作者想感谢Islamic Azad大学的Malayer Branch为执行本项目提供的设施和设备。本

文是在Islamic Azad大学的Malayer Branch（2293号）专项资金支持下的基础研究项目。

References

参考资料

[1] Mortazavi A, Katsabanis PD. Modeling burden size and strata dip effects on the surface blasting process. Int J Rock Mech Min Sci 2001;38(4):481–98.

[2] Ozkahraman HT. Fragmentation assessment and design of blast pattern at Goltas

Limestone Quarry. Int J Rock Mech Min Sci (Turkey) 2005;43(4):628–33.

[3] Exner TE, Brickmann J. Docking algorithm based on fuzzy set theory. J Mol Model

1997;3:321–4.

[4] Exner TE, Keil M, Brickmann J. Fuzzy set theory and Fuzzy logic and its

application to molecular recognition. In: From data to knowledge. Weinheim: Wiley-VCH;2003. p. 1216–38.

[5] Jang JSR. Self-learning fuzzy controller based on temporal back-propagation.

IEEE Trans Neural Networks 1992;3:714–23.

[6] Jang JSR. ANFIS: adaptive-network-based fuzzy inference systems. IEEE Trans

Syst Man Cybern 1993;23:665–85.

[7] Fuller R. Introduction to neuro-fuzzy systems. In: Advances in soft computing

series. Heidelberg: Springer-Verlag; 1999.

[8] Buyukbingol E, Sisman A, Akyildiz M, Alparslan FN, Adejare A. Adaptive neuro-

fuzzy inference system (ANFIS): a new approach to predictive modeling in QSAR applications: a study of neuro-fuzzy modeling of PCP-based NMDA receptor antagonists. Bioorg Med Chem 2007;15:4265–82.

[9] Afiuni-Zadeh S, Azimi G. A QSAR study for modeling of 8-azaadenine analogues

proposed as A1 adenosine receptor antagonists using genetic algorithms coupling adaptive neuro-fuzzy inference system (ANFIS). Anal Sci 2010;26:897–902. [10] Grima MA. Neuro-fuzzy modelling in engineering geology. Rotterdam: A A Balkema; 2000. p. 244–46.

[11] Nguyen VU, Ashworth E. Rock mass classi?cation by fuzzy sets. In: Proc 26th US Sym Rock Mech. Rapid, City; 1985. p. 937–45.

[12] Adoko AC, Wu L. Fuzzy inference systems-based approaches in geotechnical

engineering – a review. Electron J Geotech Eng 2011;16:1543–58.

[13] Takagi H, Sugeno M. Fuzzy identi?cation of systems and its application to

modeling and control. IEEE Trans Syst Man Cybern 1985;15:116–32.

[14] Jang JSR, Sun CT, Mizutani E. Neuro-fuzzy and soft computing: a computational approach to learning and machine intelligence. London: Prentice-Hall

International Ltd.; 1997.

[15] Takagi T, Sugeno M.Derivation of fuzzy control rules from human operator’s control actions. In: Proceedings of IFAC symposium on fuzzy information,

knowledge representation and decision analysis. Marseille; 1983.

[16] Jang JSR. ANFIS: adaptive-network-based fuzzy inference system. IEEE Trans Syst Man Cybern 1993;23:665–85.

[17] Simpson PK. Arti?cial neural systems: foundations, paradigms, applications, and implementations. New York: Pergamon Press; 1990.

[18] Jareanpon C. An adaptive RBF network optimized using a genetic algorithm

applied to rainfall forecasting. Proc IEEE Int Symp Commun Inf Technol

2004;2:1005–10.

[19] Consonni V, Ballabio D, Todeschini R. Comments on the de?nition of the Q2

parameter for QSAR validation. J Chem Inf Model 2009;49:1669–78.

[20] Aswegen HV, Cunningham CVB. The estimation of fragmentation in blast muckpiles by means of standard photographs. J South Afr Ins Min Met 1986;86(12):4–74.

[21] Latham JP. A blind comparison between results of four image analysis systems using a photo-library of piles of sieved fragments. Fragblast 2003;7:105– 32.

[22] Ozkahraman HT. Critical evaluation of blast design parameters for discontinuous rocks by slab blasting. Ankara: Mid East Tech Univ; 1994. p.337-44.

土石方爆破开挖施工方案

金沙江中游库区航运基础设施综合开发二期建设工程 B14 专项施工方案审查表 施工单位：中交三航局第三工程有限公司 监理单位：广州港工程管理有限公司编号：YJJAQ/JZH2Q3B/2016005 分部分项名称土石方爆破开挖 工程部位/桩 号 第三标段计划开工日 期 2015年12月1日计划完工日期2017年11月30日 项目部 意见 致广州港工程管理有限公司金沙江中游库区航运基础设施综合建设二期工程总监办： 根据危险性较大分部分项工程专项方案安全管理办法，现上报土石方爆破开挖方案文件一式四份，请予以审查。 项目部技术负责人： 日期： 专业监理 工程师意 见专业监理工程师：日期：

金沙江中游库区 航运基础设施综合建设二期工 程 三标土石方爆破开挖方案 编制： 审核： 审批：

中交三航局第三工程有限公司 1工程概况 1.1工程规模 本标段主要建设内容：湾碧码头、汇源码头、观音岩码头的施工，包括各码头客运泊位工程、陆域场地平整及防护工程、港区外接道路工程、停靠点工程、各码头及停靠点工程相应的环水保工程。 1.2地形、地貌 本工程地处云岭横断山脉边缘，金沙江南岸云贵高原西南部，属中、高山深切割峡谷地貌，山坡地形，地形坡度一般 平均坡度约为25 o。码头区内陆域地形相对高差约为50米，近场最高处高程约2000米，码头前方江底深槽的高程约为1138米。场地附近风化基岩出露较多，附近发育有数条小冲沟，沿江的电站公路从码头后方通过，削坡、填方处较多，公路沿线局部地形已被改造。工程区附近地表产沙区，区内雨量较丰，人口较密，人类活动较为频繁，金沙江在石鼓～雅砻江汇口河段的多年平均输沙模数仅为520t/km 2.a，为轻度水土流失区。金沙江中游河段悬移质泥沙年内分配极不均匀，汛期6月～10月较集中，占全年沙量的97%以上，7月～9月占全年沙量的82%以上，1月～3月最小，仅占0.5%以下，石鼓站实测日平均最大输沙率为30000㎏/s（1998年9月1日），同日平均流量为7260?/s；日平均最小输沙率为0㎏/s，在枯期12月至3月均出现过。流域的输沙量年际变化大，石鼓站最大年最大平均沙量为

岩石控制爆破施工方案

第一部分技术设计 一、工程概况 盛世名门第一组团按要求已完成前期场地平整爆破，接下来的任务要进行各种沟槽和基坑（包括承台、地梁各种管线沟等）的基础石方爆破工作。 该爆破区域周边环境复杂，虽然爆区南、北、西三面较空旷，但爆区东边约5米为高压线路，再往东约30米则为新塘中学，爆破时，必须严格控制爆破震动和爆破飞石。确保高压线路，学校宿舍楼及学校员工的人身安全。 在经过场地平整爆破剥离后，目前场地上暴露的大部分岩石为特坚岩，小部分为普坚岩，岩石可钻性极差，钻眼速度慢，可爆性普通，爆破防护工作量大。 二、方案选择 （一）设计依据 （1）《新都?盛世名门工程地质勘探报告》书。 （2）爆破安全规程GB6722————2003。 （3）广东省民用爆炸物品管理实施细则及增城市公安局对爆炸物品管理的有关规定。（4）王文龙教授《钻眼爆破》1984年煤炭工业出版社出版。 （二）方案的选择

1、由于业主的要求本工程拟先开工1#楼和售楼中心，故选择由1#楼和售楼中心开工后按顺序向3#、5#、4#、2#楼扩张。 2、根据2月14日会议初定意见、自售楼中心至一号楼1—K轴采用大面积爆破，其佘根据现场情况考虑独立承台爆破。 3、由于场内岩石的不均匀性及爆破的效果，可能造成个别承台小部分超深，或高低不平，在进行人工修正后，可采取以下措施，对于承台可采用素混凝土填充至设计层面标高，而对于地梁，可按设计标高采用素土夯实，浇捣50mm厚细石混凝土垫层。 三、爆破参数的确定 1、联体承台爆破参数。 （1）、孔径d=40mm。 （2）、孔深h=1.4m （3）、孔距a=0.6m。 （4）、排距b=0.6m （5）、单位耗药量q=0.6kg/m3 （6）、单孔装药量Q=qabh =0.6×0.6×0.6×1.4 =2.5kg

岩石爆破方案要点

岩石爆破施工方案 （1）爆破方案选择 根据本露天矿采剥工艺，结合采装设备对岩石破碎块度、疏散度的要求，考虑到岩石的软硬程度，确定本矿山岩石层破碎方式为台阶松动爆破。 煤层顶板岩层厚度（即穿孔工作面到煤层的高度）若不足一个标准台阶高度，可采用小台阶爆破法处理，做到“分爆分采”，减少废石混入和降低贫化。 部分爆破区的炮孔穿透含水层，水孔装药应使用乳化炸药。 掘沟工程可根据掘沟高度即掘沟宽度单独进行爆破设计。（2）标准台阶孔网参数设计（爆破对象为一般难爆岩石，达到爆破松动的效果，采用“经验法”设计） 矿山生产标准台阶高度10m，本矿爆破岩石厚度3-8m，本设计采用爆破最大用药量,用8m计算，使用的穿孔设备时KY120型履带式露天潜孔钻机，穿孔直径d=120mm。 根据矿区岩层可爆性分析，结合类似矿山的爆破经验，炸药单耗 kg。施工过程中可根据不同爆破区的岩石硬度、初步确定为q=0.40 3 m 可爆性、岩石结构、层理发育程度的因素进行适当的调整，以期达到最佳爆破经济效果。 1）、孔径?=110mm; 2）、台阶高度H=8.0m 3）、炮孔超深取h=1.5m

4）、炮孔深度L=H+h=9.5m 5）、填塞长度ho=3.0m 6）、单孔装药量Q=qabW kg 7）、实际单孔单耗q=0.43m 8）、布孔方式：穿凿竖直孔，一般采用梅花形布孔方式。 a=5m b=5m Q后排=Q前排（1.1≈1.2） 9）、总孔数n=50 10）、药量数Q总=50×60=3.0T 在采剥过程中由于开采的需要，有时采取低台阶爆破法，孔网及装药参数计算方法同上，即在保证爆破质量的前提下算出不同的孔网、装药参数，经设计计算得出不同条件下的参数如下表。 表1：经过计算调整后的低台阶爆破穿、爆参数成果表

东莞电力生产调度大楼基础人工挖孔桩内岩石爆破施工组织设计方案

东莞电力生产调度大楼基础人工挖孔桩内 岩石爆破施工组织设计方案 一、 电力生产调度大楼基础人工挖孔桩在开挖过程中，当挖至桩深10米左右时，遇到坚硬的中风化岩层，使用机械打凿要完成设计桩长要求，将会耽误很多工期，如果采用爆破法破碎岩石将会大大地提高施工速度，确保工程按时按质完成，现编写出孔桩内岩石爆破施工组织方案。 该工程需进行爆破的孔桩48根，孔径为1.2米、1.6米、1.8米、2.0米和2.4米，护壁厚度20厘米，岩石埋藏深度8～12米，工地北边为待建的本工程副楼工程，西边35米外为在建的金泽花园工地，东、南边是很空旷的待施工建筑的场地，无永久建筑或重要设施，需爆破的岩石厚度较大，破岩的工作量比较大。 该爆区内岩石呈中风化至微风化，没有夹层。岩石硬度用普氏系数表示一般为6～10。部分花岗岩可能达到12左右，岩石为风化花岗岩，岩石中含有少量地下水。 二、爆破方案的选择： 根据该爆区内的周围环境情况及孔桩的特殊要求，为做到保护孔壁，有确保周围环境的安全，决定采用毫秒差非电雷管起爆，掏槽眼采用弱抛掷装药，崩落眼和周边眼分别采用加强松动和松动装药，确保周边平整。

1 三、爆破参数及装药量计算。 1、孔径为1.2米的桩 孔径为1.2米，其荒径则为1.6米。 其布眼见图1 周边眼：孔数：15个 孔距：0.25米 排距：0.20米 孔深：0.8米 单耗：1.00 单孔桩药量：q=KV=Kπh(R2-r2)/15 =1.00×3.14×0.8×(0.72-0.42)/15=56克崩落眼：孔数：8个 间距：0.31米 排距：0.26米 孔深：0.8米 单耗：1.00 单孔桩药量：q=1.00×3.14×0.8×(0.42-0.152)/8=45克掏槽眼：孔数：4个 孔深：0.8米爆破作用指数n=1.0 单孔桩药量：q=(0.4+0.6)KW4=(0.4+0.6+1.03)×1.4×0.8 =176克

岩体结构对岩石爆破效果的影响

收稿日期:2004-06-21 　作者简介:陈立群(1970-),男(汉族),辽宁丹东人,辽宁省有色勘察研究院工程师,岩土工程专业,从事岩土工程技术工作,辽宁省沈阳市和平区柳州街17号;戴长冰(1963-),男(汉族),山东昌邑人,辽宁省有色地质局教授级高级工程师,东北大学博士后,水下爆破专业,从事水下爆破技术工作,辽宁省沈阳市和平区柳州街17号辽宁省有色地质局。 岩体结构对岩石爆破效果的影响 陈立群1,戴长冰2,3,宋守志3 (1.辽宁省有色勘察研究院,辽宁沈阳110002;2.辽宁省有色地质局,辽宁沈阳110002;3.东北大学,辽宁沈阳110006) 摘　要:分析了爆破冲击波的传播特点,指出了对岩石破坏最大的是拉伸应力波,并对岩体结构对岩石爆破效果的 影响进行了探讨。 关键词:岩体结构;应力波;岩石爆破中图分类号:T D235.1 文献标识码:A 文章编号:1672-7428(2004)12-0050-03 E ffects of R ock Mass Structure on R ock B lasting /CHEN Li 2qun 1,DAI Chang 2bing 2,3,SONG Shou 2zhi 3(1.Liaoning N on fer 2 rous Reconnaissance Institute ,Shenyang Liaoning 110002,China ;2.Liaoning N on ferrous G eology Survey Bureau ,Shenyang Liaoning 110002,China ;3.N ortheastern University ,Shenyang Liaoning 110006,China ) Abstract :T ransmit peculiarity of dynamite shock wave was analyzed.That the tensile stress wave is mainly breakage force was pointed out.The effects of rock mass structure on rock blasting results were discussed.K ey w ords :rock mass structure ;stress wave ;rock blasting 在大型地下岩石工程的开挖施工中,岩石爆破无疑是当今各种地下开挖手段中惟一有效而高速的施工方法。炸药爆炸破碎岩体的过程是一个瞬间完成的动力学过程,一般可分为两个阶段:第一阶段是爆炸冲击波和应力波作用阶段,作用结果是在岩体中造成初级破裂;第二阶段是爆炸气体产物膨胀作用阶段,作用结果是使岩体中形成的裂隙起动、扩展、贯通,并转化为一定的能量使岩体进一步破碎和产生抛掷。在这一系列过程中,岩体的结构对应力波的传递起着至关重要的作用,即对岩石爆破的效果起着很大的影响。 1　爆破应力波在岩石爆破时的作用机制 (1)爆破应力波和其他波动一样,如果在它的传 播过程中遇到岩石中的层面、节理面和自由面或者 在传播过程中介质发生了变化时,将会在界面发生反射、折射现象,同时沿结构面和自由面产生表面波、瑞利波、拉夫波带走一部分能量,结构面越多,则表面波带走的能量就愈多。 (2)应力波垂直入射时,波的反射部分和透射部分的应力大小取决于不同介质的边界条件,即:在边界面的两侧,其应力状态必须相等;垂直于边界面方向的质点运动速度必须相等。 σi +(-σr )=σt V i +V r =V t 式中:σi 、σr 、σt 分别为入射波、反射波、透射波的应力,kPa ;V i 、V r 、V t 分别为入射波、反射波、透射波质点振动速度,cm/s 。 V i =σi /(ρ1C P 1) V r =σr /(ρ1C P 1)V t =σt /(ρ2C P 2) σi /(ρ1C P 1)+σr /(ρ1C P 1)=σt /(ρ2C P 2) σr =ρ2C P 2-ρ1C P 1ρ2C P 2+ρ1C P 1σi σt = 2ρ2C P 2 ρ2C P 2+ρ1C P 1 σi 通过上述公式可以看出: (1)如果ρ1C P 1=ρ2C P 2,则σr =0,σt =σi ,此时入射的应力波在通过交界面时没有发生波的反射,入射的应力波全部透射入第二种介质,没有波能的损失。 (2)如果ρ2C P 2>ρ1C P 1时,既会出现透射的压缩波,也会产生反射的压缩波。(3)如果ρ2C P 2<ρ1C P 1时,既会出现透射的压缩波,也会产生反射的拉伸波。(4)如果ρ2C P 2=0,则σt =0,σr =σi ,在这种条 5探矿工程(岩土钻掘工程) 2004年第12期

爆破理论

2. 工程爆破基本理论 爆破理论就是研究炸药爆炸与爆破对象（目标）相互作用规律的有关理论。对于内部爆破（装药置于爆破对象内部），例如岩土爆破，就是研究炸药在岩土介质中爆炸后的能量利用及其分配，也就是研究炸药爆炸产生的冲击波、应力波、地震波在岩土中的传播和由此引起的介质破坏规律，以及在高温高压爆生气体作用下介质的进一步破坏及其运动规律；对于外部爆破（装药与爆破对象之间有一定距离），例如军事上采用的接触或非接触构件爆破，就是研究炸药爆炸后产生的冲击波在传播过程中与目标的相互作用以及由此引起的爆破目标的破坏及其运动规律。它是一个复杂而特殊的研究系统。要阐明爆炸的历程、机理和规律，应包括以下研究内容： ⑴、爆破的介质在什么作用力下破坏的；破坏的规律及其影响因素； ⑵、爆破介质的特性，包括目标（岩土）的结构、构造特征、动态力学性质及其对 爆破效果的影响； ⑶、爆炸能量在介质中传递速率； ⑷、介质的动态断裂特性与破坏规律； ⑸、介质破碎的块度及碎块分布、抛掷和堆积规律； ⑹、空气冲击波与爆破地震波的传播规律、个别爆破碎块的飞散距离；以及由冲击波、地震波、个别飞石、爆体的落地震动等引起的爆破危害效应及其控制技术。 以岩石爆破为例，目前大量实验室和现场试验证明，岩体的爆破破碎有以下规律：（1）、应力波不仅使岩石的自由面产生片落，而且通过岩体原生裂隙激发出新的裂隙，或者促使原生裂隙进一步扩大，在应力波传播过程中，岩体破碎的特点是：原生裂隙的触发、裂隙生长、裂隙贯通、岩体破裂或破碎；（2）、加载速率对裂隙的成长有很大作用：作用缓慢的荷载有利于裂隙的贯通和形成较长的裂隙，而高速率的载荷容易产生较多裂隙，但却拟制了裂隙的贯通，只产生短裂隙；（3）、爆破高压气体对裂隙岩体的破碎作用很小，但它有应力波不可 替代的作用：可以使由应力波破裂了的岩体进一步破碎和分离；（4）、岩体的结构面（岩体弱面的统称，包括节理、裂隙、层理等各种界面）控制着岩体的破碎，它们远大于爆破作用力直接对岩体的破坏。 同其它学科对事物的认识规律一样，对爆破理论的研究也是由浅入深的。不同学者先后提出了各种各样的假说或理论，例如，最初提出了克服岩石重力和摩擦力的破坏假说，以后又相继提出了自由面与最小抵抗线原理，爆破流体力学理论，最大压应力、剪应力、拉应力强度理论，冲击波、应力波作用理论，反射波拉伸作用理论，爆生气体膨胀推力作用理论，爆生气体准静楔压作用理论，应力波与爆生气体共同作用理论，能量强度理论，功能平衡理论，利文斯顿（Livingston）爆破漏斗理论和爆破断裂力学等等理论。这些理论观点各异，有些相互矛盾，有些互相渗透，有些不够全面，存在片面性，而且大部分视爆体为连续均匀的介质，与实际情况尚有一定差距。 目前，在爆破界比较倾向一致的是“爆炸冲击波、应力波与爆生气体共同作用”理论，

基础岩石破碎专项施工组织方案(新)

目录 一、工程概况 二、编制依据、原则 三、地质情况 四、施工准备、工期 五、施工方案 六、安全措施及注意事项

一、工程概况 传化公路港I标工程项目建设单位为传化公路港物流、勘察单位为省工程勘察院、设计单位为信息产业电子第十一设计研究院科技工程股份、监理单位为中博建设发展、施工单位为宝业建工集团。工程位于市市磁灶镇318县道旁。一标段工程总建筑面积约有29762.5㎡，占地面积10679.94㎡。其中：货物配载及货运站场楼一占地面积：7585.27㎡，建筑面积：19992.85㎡。生产配套中心一占地面积：2539.81㎡，建筑面积：8943.43㎡。物业用房占地面积：271.36㎡，

建筑面积：542.72㎡。厕所一（二）占地面积一样：61.24㎡，建筑面积：61.24㎡。变配电房占地面积：161.02㎡，建筑面积：161.02㎡。建筑结构形式为框架结构，基础型式为独立基础。建筑场地类别为Ⅱ类、地震设防烈度为7度、抗震设防类别为丙类、建筑结构安全等级为二级，结构重要性系数为1、耐火等级二级、地基基础设计等级为乙级、屋面防水等级I级、设计使用年限为50年。 在生产配套中心一和货物配载及货运站场楼一土方开挖，基础施工过程中部分区域遇到岩石层,阻碍了工程进度，为了工程的施工进展，需对该工程岩石进行破碎作业。 经业主、监理、施工单位三方现场实际测量计算后，该施工区域破碎的岩石量为2465 m3，需处理岩石厚高度约为1-3.5米，计划工期50天(在总工期）。 1.2、静态破碎部位概况 1.由于基坑紧靠项目部现场办公室及318县道故不能采取正常的爆破施工。其危害有：爆破产生的震动，容易对已施工完成的塔吊基础产生影响等。正常爆破施工产生的个别飞散物，容易对工程附近的工人，行人及车辆造成损害；且爆破作业必须经过严格设计及可行性方案论证，必须经过相关政府部门的审批后方可实施，其作业期间必须全程严格控制;对特殊环境下采用爆破作业时，常常会产生不必要的纠纷。因此，不能采取正常的爆破施工，只能采炮锤式挖掘机破

(完整)岩石静态爆破施工方案

(完整)岩石静态爆破施工方案 编辑整理： 尊敬的读者朋友们： 这里是精品文档编辑中心，本文档内容是由我和我的同事精心编辑整理后发布的，发布之前我们对文中内容进行仔细校对，但是难免会有疏漏的地方，但是任然希望（(完整)岩石静态爆破施工方案）的内容能够给您的工作和学习带来便利。同时也真诚的希望收到您的建议和反馈，这将是我们进步的源泉，前进的动力。 本文可编辑可修改，如果觉得对您有帮助请收藏以便随时查阅，最后祝您生活愉快业绩进步，以下为(完整)岩石静态爆破施工方案的全部内容。

xxxxxxxxx工程 静态爆破施工方案 施工单位:XXXXXXX工程有限公司 编制人： 审核人: 审批人: 审批日 期：XXXX年XX月XX日 目录 第一节工程概况 (1) 第二节静态爆破简介 (2) 第三节施工人员、材料、机械准备 (2) 第四节施工技术方案 (2) 第五节质量控制 (6) 第六节安全措施和注意事项 (7)

一、工程概况 XXX工程,在基础开挖过程中，出现不同厚度的风化石层，由于周边管线密集,采用一般爆破或机械开挖会产生极大的安全隐患.考虑安全及环保问题，经多方研究决定采用静态爆破法。 二、静态爆破法简介 1、适用于城市建筑物拆除、岩石基槽开挖、大块岩石的二次破碎和石料开采等工程。 2、原理：利用无机盐粉末状破碎剂，经水化后产生巨大膨胀压力(可达30—50MPa），引起的拉应力超过混凝土或岩石的抗拉强度,即被破碎解体. 3、特点：静态膨胀剂操作简便，携带和运输安全，无飞石、无震动、无冲击波、无噪声、无粉尘、无毒气排放等危害。 三、施工人员、材料、机械准备 1、人员技术负责（1人），机械组（2人）,打眼组(3人），灌装

岩石坑爆破施工正式版

Through the reasonable organization of the production process, effective use of production resources to carry out production activities, to achieve the desired goal. 岩石坑爆破施工正式版

岩石坑爆破施工正式版 下载提示：此安全管理资料适用于生产计划、生产组织以及生产控制环境中，通过合理组织生产过程，有效利用生产资源，经济合理地进行生产活动，以达到预期的生产目标和实现管理工作结果的把控。文档可以直接使用，也可根据实际需要修订后使用。 一、施工方案 1、校核分坑或降基面尺寸：根据杆塔中心桩和分坑辅助桩校核分坑和降基面尺寸。 2、打辅桩：在顺线路和线路垂直方向打辅桩，辅桩与中心桩的距离应保证在爆破过程中不被损害。 3、选炮眼位置：按照坑口位置和现场地质条件选择炮眼，沿坑的开挖轮廓线应布置间距较小的平行炮眼。 4、打眼：人工打眼或机械打眼。

5、装填炸药、雷管、导爆索：按照作业指导书装填，开挖轮廓线处的平行炮眼要减少药量，进行不耦合装药。 6、填塞炮泥：炮眼装药后，其余部分用炮泥填起来。 7、引爆：其它人员撤到安全区后，在监护人监护下由专人引爆。 8、清坑、恢复中心桩。 9、记录施工记录。 二、安全技术措施 1、参加施工人员必须佩带安全帽，起爆人员必须持有爆破作业合格证，起爆时必须设监护人。 2、爆破材料的存放、发放、领取、

回库等必须由专人负责，并作好记录，严格执行国家对于爆破材料的管理规定。 3、炸药、雷管必须分别携带，并放在专用箱内，不地放在衣袋内，多人携带时，两人之间的距离应保持15米以上。 4、导火索在使用前，必须进行外观检查和燃速实验，燃速速度不得低于110秒/米，在同一次爆破中不得使用燃速不同的导火索。 5、人工打孔时，打锤人应在扶钎人的侧面，注意避免滑锤伤人。 6、利用凿岩机或风动机打孔时，操作人员应先检查设备是否完好，操作时应戴口罩和风镜。 7、向炮眼内装填炸药和雷管时，必

土石方工程爆破施工方案讲诉

K57+160—K57+310段土石方工程爆破施工方案 一、工程概况 K57+160—K57+310段土石方爆破工程位于本合同段起点处，最大挖方深度约120米，总挖石方量约30万方。山体为泥质灰岩（次坚石），高耸陡峭、地形险要，施工难度较大，同时与铁路最小距离80m，与村庄巴更屯最小距离210m、村庄百龙屯最小距离320m。为了保证人员及周围建筑物安全，控制爆破施工对村民的正常生活的不利影响，根据现场情况及开采量主体石方爆破采用中深孔松动爆破兼微差爆破技术。并根据设计图纸对永久性边坡工程的要求，边坡施工采用光面爆破技术，以确保边坡围岩的稳定性,同时机械配合施工。 二、编制依据 1、百靖高速公路第15标段设计施工图纸、技术交底等 2、国家现行规范与标准： 1）《公路路基施工技术规范》（JTGF10-2006） 2）《公路工程施工安全技术规程》（JTJ076-95） 3）《公路工程技术标准》（JTJB01-2003） 4）《公路工程质量检验评定标准》(JTGF80/1-2004) 5）《爆破安全规程》 3、通过现场掌握的有关情况和资料及本企业施工技术管理水平和已完类似工程成功的工程经验。 三、爆破施工作业程序及说明 1、作业程序： 场地清理平整→炮孔测定放线→钻机就位→钻机钻孔→吹孔→装药→堵塞→联接起爆网→爆破。 2、施工准备 1）技术准备 ⑴测量放线完成：边坡线测放、孔位测放、边坡台阶平面及高程等 ⑵技术交底至作业人员； 3）爆破材料准备

炸药：由于岩体爆破一次炸药用量较大，炸药选用广西金建华民用爆破器材有限公司生产的岩石乳化炸药，用Φ70mm或Φ35mm的卷装乳化炸药。 现场建临时炸药、雷管民爆器材库房，专人管理和领用。 3）机械设备及人员准备 钻孔设备：采用Φ90潜孔钻1台、Φ90人工钎钻4台、7m3空压机1台。 挖掘设备：1.2m3挖掘机 人员：钻工4~6名，爆工2名，普工2名。 4）现场条件准备： 根据爆区的工程地质条件及考虑到潜孔钻的作业要求，首先用大型推土机或挖掘机在爆区顶部进行场地平整，形成爆破区作业面。一方面尽量为潜孔钻提供较为宽阔平整的作业场地，减少不必要的爆破量，另一方面也为爆区的施工便道提供土方来源。 施工临时用电、道路畅通，符合现场施工安全的规范要求。 3、爆破前后安全工作程序： 布置安全岗和施爆区安全员 -- 炮孔堵塞 -- 撤离施爆区和飞石及强地震波引响区的人畜 -- 起爆 -- 清除瞎爆 -- 解除警戒 -- 测定爆破效果。 四、爆破施工设计 考虑到标段起点的铁路与农田，本路堑爆破开挖分段、分台阶开挖。第一段K57+160—K57+216纵向分台阶，临空面面向路线前进方向，第二段K57+216—K57+310横向台阶开挖，临空面即山体坡向。 台阶高度5m，宽度不小于8m，靠近路右侧边坡预留5m为纵向通道。 1、中深孔爆破参数的选择 1）钻孔形式确定： 钻孔采用平行于台阶边坡进行钻孔，设备用潜孔钻，边角地带、根部、2次解炮采用小孔爆破。 2）布孔方式： 为了改善爆破质量，充分利用爆破能量，选择梅花布孔方式。布孔纵向与台阶边坡线平行。 3）爆破参数的确定：

石方爆破施工方法

石方爆破施工方法 1、主要施工机具和爆破器材 爆破机具主要采用轮胎式潜孔钻及7633型凿岩机，导爆采用毫秒微差非电雷管起爆方式，另外采用导爆管与火雷管配合使用，炸药采用2#岩石硝鞍炸药和防水乳化炸药。 2、爆破法开挖石方程序： 配备专业施爆人员一炮孔设计一打炮孔装药并安装引爆器材一布设施爆安全区—炮孔堵塞一撤离施爆区和飞石影响区的人、畜及车辆一引爆一清除瞎孔一解除警戒—清运石料。 3、爆破法开挖方法： 1)施工方法：施爆员用经专业培训并取得爆破证书的专业人员担任，炮孔釆用凿岩机或潜孔钻打眼；清运石料釆用380HP推土机清理集堆，1立方米挖掘机及2立方米装载机配合13. 5t自卸汽车装运石料至填方工作面，注意：及时清理边坡浮石。 2)炮眼法设计： a、炮眼法深度：可按下式计算：L二CXH 式中:L-炮眼深度(m) H-爆破岩石的厚度，阶梯高度(m) C-系数,坚石为1. 0-1. 15,次坚石为0. 85-0. 95,软石为0. 7-0. 9。 b、炮眼间距，用排炮爆破时，同排炮眼的间距可参照下式计算确定： a=bXw 式中：炮眼间距(m) w-最小抵抗线 b-系数，采用火雷管起爆为1.2-2.0,采用电雷管起爆为0.8-2. 3。 使用多排排炮爆破时，炮眼应按梅花形布置，炮排距约为同排炮孔距的0.86倍 c、装药量，炮眼的装药高度一般为炮孔深度的1/3—1/2。 d、提高爆破效果措施 为提高爆破效果可选择空心炮（炮眼底部设一段不装药的空心炮孔）、石子炮（底部

或中部装一段石子）或木棍炮（用直径为炮孔直径的1/3,长6-10cm的木棍装在炮眼底部或中部，进行爆破）。 e、选择炮位应注意 避开大的裂隙，避开两种岩石硬度相差很大的交界面。 4、安全措施 1）建立组织指挥机构 每次放炮设指挥一人，负责爆破过程中全面的组织指挥工作，下设施工组、技术组、安全组、群众工作组，各设组长一人，各自负责爆破过程中的装药、堵塞、连线等施工技术指导、安全警戒、危险区的群众撤离等工作，安全组有当地安全部门的同志参加。 2）组织强有力的技术力量 本标段爆破任务比较艰巨，整个工程的爆破技术工作将山专业爆破人员常驻现场作技术指导。 3）建立严格的爆破设计审批制度 按国家有关规定，较大规模的爆破方案要经主管部门组织专家审查和征得当地相应公安部门的同意方可实施。 4）使用技术熟练、素质高的爆破施工队伍 组织受过专门训练的爆破施工专业队。我们这次选用的爆破施工队伍都是长期从事爆破施工的专业队，队伍精干，人员素质高。在此工程开工前，还将邀请爆破工程师讲课，进行针对性的安全技术培训，要求爆破人员达到五级爆破工长水平。坚持持证上岗。 5）建立严格的质量检查制度 每次爆破设讣前都要进行认真测量和地质观察，在准确掌握了第一手资料之后再进行设计。经过现场工程师检查验收后，方可装药起爆。爆破后要对爆破效果进行测量分析，以便改进下一次的爆破设计。 6）建立严格的爆炸物品管理制度 在爆炸物品运输、储存、使用过程中，要严格按照《国家安全规程》中有关条款进行操作，建立严格的管理制度，接受当地公安机关的指导。做到专人保管、专人使用，领取交接登记。 7）做好安民告示工作

基坑石方爆破施工方案

目录 一、编制说明 (2) 1.1编制依据 (2) 1.2编制范围 (2) 1.3编制原则 (2) 二、工程概况 (3) 2.1地理位置 (3) 2.2气象条件 (3) 2.3水文地质条件 (3) 2.4设计概要 (3) 三、施工目标及人员、机械设备配置 (3) 3.1施工目标 (3) 3.2施工人员、机械设备 (4) 四、施工方案、技术及工艺 (4) 4.1施工总体方案 (4) 4.2施工工艺流程图 (5)

4.3施工准备 (5) 4.4爆破参数设计 (7) 4.4.1主爆区参数设计 (7) 4.4.2 预裂排参数设计 (9) 4.5、起爆网络设计 (10) 五、质量保证措施 (11) 六、安全保证措施 (11)

基坑石方爆破施工技术方案 一、编制说明 1.1编制依据 1．《爆破安全规程》GB6722-2003。 2．国家技术监督局《土方与爆破工程施工及验收规范》。 3．《中华人民共和国民用爆破物品管理条例》。 5．《客货共线铁路桥涵工程施工技术指南》TZ203-2008。 7．《建设工程施工现场供用电安全规范》JGJ50194-93。 8．《铁路工程施工安全技术规程》（上册）TB10401.1-2003。 9．《铁路工程施工安全技术规程》（下册）TB10401.2-2003。 10．合同文件和其他设计文件。 1.2编制范围 工程基坑石方爆破施工。 1.3编制原则 采用先进爆破技术。如采用塑料导爆管毫秒延期爆破，分段爆破，预裂爆破技术。 采用小间距、小药量布药原则，使爆破能量均匀分布，采用松动爆破，加以有效的防护措施，避免产生飞石，降低噪声，确保周围环境安全。

第4章岩石爆破理论

第4章岩石爆破理论 4.1 岩石爆破特性及爆炸应力波 岩石爆破理论的发展 岩石爆破理论在20世纪70年代确立了冲击波拉伸破坏理论、爆炸气体膨胀压碎破坏理论、冲击波和爆炸气体综合作用理论。随着爆破技术和相邻学科的发展，特别是岩体结构力学、岩石动力学、断裂、损伤力学和计算机模拟爆破技术的发展，使爆破理论的研究更实用化，更系统化。计算机模拟，用以研究裂纹的产生、扩展。但是，从总体上看，爆破理论的发展仍然滞后爆破技术的要求，理论研究和生产实际仍有不小的差距。岩石爆破理论的研究内容应该包括：（1）岩石特性，包括岩体结构、构造特征和岩石动力学性质及其对爆破效果的影响； （2）炸药能量向岩石的传递效率； （3）岩石的动态断裂与破坏； （4）爆破过程的数值模拟，预测爆破块度和爆堆形态。 岩石中的爆炸应力波 在介质中传播的扰动称为波。由于任何有界或无界的质点是相互联系着的，其中任何一处的质点受到外界作用而产生变形和扰动时，就要向其他部分传播，这种在压力状态下介质质点的运动或扰动的传播称为应力波。炸药在岩石和其他固体介质中爆炸所激起的应力扰动（或应变扰动）的传播称为爆炸应力波。 应力波分类 （1）按传播速度分类 按传播途径不同，应力波分为两类：在介质内部传播的应力波称为体积波；沿着介质内、外表面传播的应力波称为表面波。体积波按波的传播方向和在传播途径中介质质点扰动方向的关系又分为纵波和横波。 纵波又称P波，其特点是波的传播方向与介质质点运动方向一致，在传播过程中引起压缩和拉伸变形。因此，纵波又可分为压缩波和稀疏波。 横波又称S波，特点是波的传播方向与介质质点运动方向垂直，在传播过程中会引起介质产生剪切变形。

岩石爆破技术的现状与发展

岩石爆破技术的现状与发展 要：结合笔者对爆破技术的研究，对近几年来国内外较为先进的岩石爆破技术的理论及控制爆破技术方面进行简要的介绍，随着岩石爆破技术的不断发展，爆破工程机械化程度的提高，人们对工程爆破作业有害效应更加的专注。岩石爆破技术的发展对爆破施工发挥起到了重要的作用。 关键词：岩石爆破技术；爆破理论；现状；发展 在破岩的过程中采用最为普遍也是效果最好的手段就是爆破。岩石爆破技术的发展不仅仅取决机械设备、测量工具等硬件设备的发展，而且还需要依托爆破理论学、岩石力学等方面的理论成果。随着岩石爆破技术的不断发展以及爆破力学的不断深入，以及测量设备的不断改进、计算机技术在爆破中的普及应用，推动了我国爆破技术向着机械化、智能化方面发展，其只要体现在下面几个方面：一是岩石爆破中使用的各种机械设备逐渐的完善，爆破施工的机械化水平快速发展；二是在对岩石等相关材质的分析上广泛的采用了全新的扫描技术和分析处理技术，根据分析出的岩石的性质来选择与之相符的爆破方案；三是爆破的规模在不断的扩大，爆破的工艺也在不断的更新；四是在爆破的过程中更多的考虑到了环境保护，采用各种控制爆破技术，尽可能的降低岩石爆破对环境及生态造成的影响。五是在岩石爆破过程中开始普遍的应用计算机进行辅助爆破，或者进行计算机模拟爆破，特别是将计算机与GPS 定位系统结合之后发展了数字钻爆系统。这些方面的特点都对我国岩石爆破技术的发展起到深远的影响。

1 岩石爆破理论 所谓的岩石爆破就是利用炸药在爆炸的过程中产生的能量来破碎岩石的方法。岩石爆破理论可以系统的分为两个部分来进行概述：一是岩体中的爆破应力波，岩土在炸药爆炸的过程中，岩体会收到冲击和扰动，而在岩体中传播的波，在波的影响下岩体的内在状态会随之发生变化，因此我们将在固定中传播的扰动波称之为应力波；二是岩石爆破破碎机理，爆破机理的研究是一个较为复杂的课题，由于岩石爆破是也在一个高压、高温、高速的三高环境下发生的，在现有的科技条件下是无法进行测试的，而岩石的状态又是不定的，目前也找不到一个合适的状态方程来对岩石的变化进行科学合理的描述，因此，对岩石爆破作用机理的研究还仅仅停留在定性的阶段，现在实际采用的都是多年积累的经验，并没有科学的根据。虽然这个两种不通的机理，但是在实际的爆破过程中这两者都发挥着作用，只是在不通岩石材质下两者发挥的作用程度不一样。 岩石得以破坏是因为在爆破的过程中产生的应力超过了岩石本身多能够承受的最大限度，岩石的破坏与爆炸时产生的能量大小和岩石的力学特性有着紧密的联系。也就是说，要想对岩石进行破坏，在假定装药的型号、形式及自由面相同的条件下，药包装药的多少只要是由岩石的力学特性决定的。在岩石爆破技术的研究过程中，岩石的力学特性与爆破破碎的关系一直都是研究的一个重点。在一定程度上岩石的力学特性决定了这次岩石爆破的难易程度，它主要表现在岩石的抗压、抗拉、抗剪等方面。炸药的单耗与岩石的这些特性是成正比关系的，对于大多

岩石爆破施工组织设计方案

东莞电力生产调度大楼基础人工挖孔桩内岩石爆破施工组 织设计方案 一、 电力生产调度大楼基础人工挖孔桩在开挖过程中，当挖至桩深10米左右时，遇到坚硬的中风化岩层，使用机械打凿要完成设计桩长要求，将会耽误很多工期，如果采用爆破法破碎岩石将会大大地提高施工速度，确保工程按时按质完成，现编写出孔桩内岩石爆破施工组织方案。 该工程需进行爆破的孔桩48根，孔径为1.2米、1.6米、1.8米、2.0米和2.4米，护壁厚度20厘米，岩石埋藏深度8～12米，工地北边为待建的本工程副楼工程，西边35米外为在建的金泽花园工地，东、南边是很空旷的待施工建筑的场地，无永久建筑或重要设施，需爆破的岩石厚度较大，破岩的工作量比较大。 该爆区内岩石呈中风化至微风化，没有夹层。岩石硬度用普氏系数表示一般为6～10。部分花岗岩可能达到12左右，岩石为风化花岗岩，岩石中含有少量地下水。 二、爆破方案的选择： 根据该爆区内的周围环境情况及孔桩的特殊要求，为做到保护孔壁，有确保周围环境的安全，决定采用毫秒差非电雷管起爆，掏槽眼采用弱抛掷装药，崩落眼和周边眼分别采用加强松动和松动装药，确保周边平整。 1 三、爆破参数及装药量计算。 1、孔径为1.2米的桩 孔径为1.2米，其荒径则为1.6米。 其布眼见图1 周边眼：孔数：15个 孔距：0.25米

孔深：0.8米 单耗：1.00 单孔桩药量：q=KV=Kπh(R2-r2)/15 =1.00×3.14×0.8×(0.72-0.42)/15=56克 崩落眼：孔数：8个 间距：0.31米 排距：0.26米 孔深：0.8米 单耗：1.00 单孔桩药量：q=1.00×3.14×0.8×(0.42-0.152)/8=45克 掏槽眼：孔数：4个 孔深：0.8米爆破作用指数n=1.0 单孔桩药量：q=(0.4+0.6)KW4=(0.4+0.6+1.03)×1.4×0.8 =176克 考虑到岩石埋藏深度超过4米，并且井口进行复盖，因而实际 2 装药量调整为：周边眼：60克；崩落眼：50克；掏槽眼180克每荐炮的总装药量： Q=60×15+50×8+4×180=2020克 2、孔径为：1.6米的孔桩 孔径为：1.6米其荒径则为2.0米 其炮眼布置见附图 周边眼：孔深：0.8米

爆破基本原理

A爆破技术员应知应会的基本原理 一、岩石炸药单耗确定原理和方法 1岩石炸药单耗确定之经验法 2岩石炸药单耗确定之类比法 爆破各种岩石的单位炸药消耗量K值表

3、岩石炸药单耗确定之爆破漏斗试验法 最小抵抗线原理：药包爆炸时，爆破作用首先沿着阻力最小的地方，使岩（土）产生破坏，隆起鼓包或抛掷出去，这就是作为爆破理论基础的“最小抵抗线原理”。 药包在有限介质内爆破后，在临空一面的表面上会出现一个爆破坑，一部分炸碎的土石被抛至坑外，一部分仍落在坑底。由于爆破坑形状似漏斗，称为爆破漏斗。若在倾斜边界条件下，则会形成卧置的椭圆锥体如图2.6.14 当地面坡度等于零时，爆破漏斗成为倒置的圆锥体（图2.6.15）。mDl称为可见的爆破漏斗，其体积V mDl与爆破漏斗V mOl之比的百分数E0，称为平坦地形的抛掷率；r0（漏斗口半径）与W（最小抵抗线）的比值n称为平地爆破作用指数。 当r0=W时，n=1，称为标准抛掷爆破。在水平边界条件下，其抛掷率E=27%。标准抛掷漏斗的顶部夹角为直角。 当r0>W，则n>1，称为加强抛掷爆破。抛掷率>27%。

漏斗顶部夹角大于90°。 当r0

岩石爆破理论模型

岩石爆破理论模型 摘要：岩石爆破模型的研究是爆破理论和技术发展的关键，通过研究爆破过程 及其参数的变化规律可揭示爆破作用的本质，为完善和发展爆破理论及技术提供基础。 关键词：岩石爆破模型;弹性;断裂;损伤 1、岩石爆破机理 在岩石爆破机理研究中，一般认为造成岩石破坏的原因是冲击波和爆炸生成气体膨胀压力共同作用的结果；但是关于爆炸冲击波和爆炸生成气体准静态压力哪个起主要作用，目前仍存在着两种不同的观点。一种观点认为冲击波的作用只表现在对形成初始径向裂纹起先导作用，而大量破碎岩石则是依靠爆炸生成气体膨胀压力作用。另一种观点则认为爆破过程中哪种载荷起主要作用要取决于岩石的阻抗波，即高波阻抗岩石应力波起主要作用，低波阻抗岩石爆炸生成气体起主要作用；对于均质岩体以应力波作用为主；对于整体性不好、节理裂隙发育的岩体，以爆炸生成气体作用为主。 爆生气体膨胀作用炸药爆炸生成高温高压气体,膨胀做功引起岩石破坏。爆生气体膨胀力引起岩石质点的径向位移,由于药包距自由面的距离在各个方向上不一样,质点位移所受的阻力就不同,最小抵抗线方向阻力最小,岩石质点位移速度最高。正是由于相邻岩石质点移动速度不同,造成了岩石中的剪切应力,一旦剪切应力大于岩石的抗剪强度,岩石即发生剪切破坏。破碎的岩石又在爆生气体膨胀推动下沿径向抛出,形成一倒锥形的爆破漏斗坑。 按理论基础可将爆破模型分为以下几类:以弹性理论处理爆破问题的弹性力学模型;以断裂理论特别是线弹性断裂力学为基础的断裂力学模型;以研究损伤演化特别是细观损伤演化为框架的损伤力学模型;以及将岩石由损伤累积而导致的破坏视为一种逾渗转变的逾渗模型。 2、弹性力学模型 2、1 G.Harries模型 G.Harries模型是建立在弹性应变波基础上的高度简化的二维模型,将岩石视为均质连续的弹性介质。假设岩石为以炮孔轴线为中心的厚壁圆筒,爆炸应力波使与炮孔轴线垂直的平面内质点产生径向位移,当径向位移派生出的切向应变值超过岩石的动态极限抗拉应变T时,岩石中形成径向裂隙。径向裂隙数由下式决定: N=εθ/T 式中 N为径向裂隙条数;εθ为作用于炮孔上的最大切向拉应变。采用MonteCarlo方法确定爆破裂纹分割的块度。该模型首次解决了物理模型使用的局限性和难以定量的问题,但由于没有考虑天然节理裂隙对应力波传播和破碎块度的影响,所以不可避免地影响计算结果的准确性和可靠性。 2、2 R.F.Favreau模型 R.F.Favreau模型是在爆炸应力波理论基础上建立的三维弹性模型,以岩石动态抗拉强度为破坏判据。该模型不仅充分考虑了爆炸应力波和爆生气体综合作

最新岩石控制爆破施工方案

岩石控制爆破施工方 案

第一部分技术设计 一、工程概况 盛世名门第一组团按要求已完成前期场地平整爆破，接下来的任务要进行各种沟槽和基坑（包括承台、地梁各种管线沟等）的基础石方爆破工作。 该爆破区域周边环境复杂，虽然爆区南、北、西三面较空旷，但爆区东边约5米为高压线路，再往东约30米则为新塘中学，爆破时，必须严格控制爆破震动和爆破飞石。确保高压线路，学校宿舍楼及学校员工的人身安全。 在经过场地平整爆破剥离后，目前场地上暴露的大部分岩石为特坚岩，小部分为普坚岩，岩石可钻性极差，钻眼速度慢，可爆性普通，爆破防护工作量大。 二、方案选择 （一）设计依据 （1）《新都?盛世名门工程地质勘探报告》书。 （2）爆破安全规程GB6722————2003。 （3）广东省民用爆炸物品管理实施细则及增城市公安局对爆炸物品管理的有关规定。 （4）王文龙教授《钻眼爆破》1984年煤炭工业出版社出版。 （二）方案的选择 1、由于业主的要求本工程拟先开工1#楼和售楼中心，故选择由1#楼和售楼中心开工后按顺序向3#、5#、4#、2#楼扩张。

2、根据2月14日会议初定意见、自售楼中心至一号楼1—K 轴采用大面积爆破，其佘根据现场情况考虑独立承台爆破。 3、由于场内岩石的不均匀性及爆破的效果，可能造成个别承台小部分超深，或高低不平，在进行人工修正后，可采取以下措施，对于承台可采用素混凝土填充至设计层面标高，而对于地梁，可按设计标高采用素土夯实，浇捣50mm厚细石混凝土垫层。 三、爆破参数的确定 1、联体承台爆破参数。 （1）、孔径d=40mm。 （2）、孔深h=1.4m （3）、孔距a=0.6m。 （4）、排距b=0.6m （5）、单位耗药量q=0.6kg/m3 （6）、单孔装药量Q=qabh =0.6×0.6×0.6×1.4 =2.5kg （7）、对于孤石爆破，其打眼深度为孤石厚度三分二，其单位耗药量q=0.2kg/m3。 （8）、炮孔布置采用正方形布置，为便于做好安全防护, 一个爆破点范围不宜太大,起爆排数为2排至5排，每排炮孔不超过10个，炮眼角度为垂直炮眼，参见炮孔布置示意图。