薄煤层工作面顶板运动及矿压显现规律研究

以开采锦丘煤矿16101薄煤层工作面为工程背景,对回采工作面压力以及巷道超前支护单体液压支柱的压力进行监测,确定了直接顶、基本顶的初次来压步距及基本顶周期来压步距,得到了支承压力的分布和显现规律,为确定需控岩层范围、巷道支护强度以及支柱的选型提供了科学依据。     

基于深度学习的大采高工作面矿压预测分析及模型泛化

综采工作面矿压显现的分析与预测对于复杂地质条件下工作面顶板管理,保证矿井生产安全具有重要意义。采用关系型数据库储存液压支架工作阻力数据以及利用工作面推进过程中矿压显现的时序特性,采用SQL语言,运用长短时记忆网络(Long Short Time Memory,LSTM)深度学习方法,以红庆河矿31101大采高综采工作面矿压规律为研究对象,对工作面支架工作阻力、支架不平衡力、支架安全阀开启情况及初次来压与周期来压等矿压显现规律进行分析;基于建立的数据库,预测了红庆河大采高工作面矿山压力,预测结果表明LSTM方法较BP神经网络预测更具准确性。为进一步讨论本研究采用的LSTM网络模型的泛化能力,在采用布尔台42103大采高工作面、上湾矿12401大采高工作面少量矿压数据的前提下,使用迁移学习方法,对矿压数据进行预测检验,结果表明:LSTM模型具有很好的泛化能力,相比于不使用迁移学习方法,迁移学习可提高模型的泛化能力。最后,探讨了模型在3个大采高工作面矿压预测表现的差别,发现数据量本身对模型预测行为影响较大,增大数据量可弥补原始数据缺失等问题。在预测模型基础上设计了周期来压预警模型,集成形成相应矿压分析与预警系统,经工程验证判定预警系统分析效果良好。     

云/边缘协同的轴承故障诊断方法

现有轴承故障诊断技术存在以下问题:①传统诊断方法需要人工提取特征,耗时长,诊断结果不稳定;②卷积神经网络诊断方法需要大量的计算资源和较长的训练时间,与故障诊断的实时响应要求存在矛盾。针对以上问题,提出一种云/边缘协同的实时轴承故障诊断方案。经过实验验证,该方案在拥有少量样本情况下与不进行云/边缘协同相比可大幅提高诊断准确率,并节约大量的训练时间。通过改进的轴承故障诊断算法达到了较高的故障诊断准确性,并通过模型的迁移学习与边缘端协同,增强了故障诊断算法对个性化应用的适应性和故障诊断的实时性。     

近距离煤层群采空区漏风规律及防控措施研究

贵州地区煤层赋存条件复杂,煤层间距小,相邻采空区存在漏风通道的问题。采用SF6示踪法及重点区域指标气体数据分析法,对发耳煤矿采空区漏风规律及其治理措施进行研究。分析结果表明,由于相邻密闭效果欠佳,导致31004开切眼联络巷及31004工作面回风巷密闭漏风严重。31004采空区漏风通道主要是31004开切眼联络巷密闭及10^#煤层开采过程中对上部7^#煤层采空区造成二次扰动形成的纵向漏风通道;漏风量为83 m^3/min,采空区风速约为0.17 m/s。对存在的煤自燃隐患采取了注水降温措施,CO体积分数显著下降至(5~9)×10^-6。为即将开采的50105、50107工作面的煤自燃防控提供了科学依据和管控措施方案。     

店坪煤矿切顶卸压留巷矿压监测设计及规律研究

针对矿井采区初次采用切顶卸压留巷施工技术的情况,为掌握留巷围岩变形规律、支护结构受力状态、采场覆岩运动规律等情况,建立了涵盖留巷表面位移、支护体受力、顶板离层、工作面支架压力等多项指标的监测设计,并通过对监测数据进行分析,得出留巷在滞后工作面0～60 m范围内,巷道压力及变形处于快速增长阶段;在滞后工作面160 m以后留巷基本趋于稳定。研究方法为相似条件矿井提供了借鉴。     

云南省澜沧老厂—孟连茶场地区成矿规律及找矿方向探讨

澜沧老厂—孟连茶场地区位于昌宁—孟连多金属成矿带，研究区域成矿规律对找矿突破有着重要指导意义。在综合分析研究地质背景、化探异常、矿产分布等特征的基础上，将该地区划分为老厂、拉巴、孟连矿（化）集区。老厂铅锌矿床是区域上的典型矿床，其在化探异常、矿床空间分布具有明显的低中高温成矿分带的特征。以该矿床分带特征入手，指出老厂矿（化）集区在地表以低温成矿元素为主，而拉巴、孟连矿（化）集区在化探异常、矿化特征均以低中温成矿元素为主，空间上分带特征不明显。该地区化探异常、矿（化）体分布特征，均表明区域上成矿温度、成矿标高由北至南均具从高到低的降低趋势，认为其可能与燕山期岩浆活动的差异性有关，指出老厂外围、拉巴深部是找矿的有利靶区。