套管护孔技术在五轮山煤矿中的应用研究

五轮山采用抽采钻孔套管护孔技术煤矿治理问题。进而提高了五轮山煤矿瓦斯抽采效率及瓦斯抽采浓度,增大了瓦斯抽采流量,为矿井持续安全生产提供强有力的保障。     

黔西北地区龙潭组海陆过渡相泥页岩孔隙分形特征

在黔西北地区海陆过渡相龙潭组页岩低温氮气吸附实验基础上,利用FHH模型研究了其孔隙分形维数,得到其分形维数D_1和D_2,整体数值较大,平均值分别为2.718 6和2.782 4,反映龙潭组泥页岩孔隙非均质较强,结构较为复杂。将分形维数与页岩其他地质参数进行相关性分析,结果表明:分形维数与泥页岩的比表面积、TOC呈正相关关系,与平均孔径、石英含量、石英/黏土呈负相关关系,与镜质体反射率、黏土矿物含量呈"先正后负"的相关关系,拐点分别出现在Ro为2.5%以及黏土矿物含量为50%处。综合研究认为:D_1能够较为综合反映泥页岩孔隙的大小、体积、比表面等特征,可以综合表征泥页岩孔隙的结构特征,数值越大越有利于页岩气富集,而D_2对于孔隙结构复杂程度的表征更为明显,可以专用于研究泥页岩孔隙结构的复杂程度,数值需在一定范围内,不宜过大,并认为黔西北地区龙潭组海陆过渡相泥页岩孔隙分形维数D_1的有利分布范围为大于2.60,而D_2的有利分布范围为2.50~2.80,当D_22.80时需要系统进行可采性评价及压裂开采设计。     

黔西北龙潭组页岩吸附能力主控因素分析

通过地球化学、岩石矿物学、孔隙特征和含气性等方面研究发现,黔西北龙潭组页岩有机质具有丰度高、类型为Ⅲ型、热演化程度适中等特点,具有良好的生烃潜力。页岩矿物成分以黏土矿物和石英为主,黏土矿物中伊/蒙混层和伊利石质量分数最高。龙潭组页岩孔隙以中孔为主,现场解析发现含气量高。龙潭组页岩吸附能力主要受有机碳质量分数、有机质成熟度、矿物组成、孔隙结构等内部因素,以及温度、压力、深度等外部因素的共同影响,有机碳质量分数是影响页岩吸附能力最主要的因素。     

基于不同瓦斯地质单元的突出危险区域预测

为了研究高突矿井瓦斯地质规律,准确地划分突出危险区域,以平顶山十三矿为研究对象,研究了矿井的地质构造、煤的变质程度、瓦斯含量和压力分布规律及构造煤的分布和坚固性系数、放散性指标特点,并对矿井进行瓦斯地质单元划分。     

深部奥灰水特性及其浓缩后在奥灰水害防治中的应用

减少矿井水排放、降低底板注浆费用，以深部奥灰涌出水改性底板注浆材料为研究对象，测试了矿井水的常规离子、悬浮物、微量元素，研究了矿井水加热浓缩后的水质变化特征，对比测试了浓缩矿井水改性黏土浆液和水泥净浆的水理和物理力学性能，并基于改性黄土的膨胀界限抗渗强度设计实施了工作面注浆工程。研究结果表明:矿井深部奥灰水有高矿化度、富含悬浮物、其他特殊物质不超标、高永久硬度等特征，其浓缩后有利于改性浆液的钙离子、硫酸根离子、氯离子等富集，不利于浆液改性的碳酸氢根离子浓度降低，用于改性黏土浆液使得双电层结构絮凝，提高了土样抗压强度，降低了渗透性，用于改性水泥净浆，水泥初凝时间缩短，1,3,28 d强度分别提高1.7~3.3,5.3~7.7,8.3~17.1 MPa。改性后黄土膨胀界限抗渗强度提高了19.5%，应用工作面在减少16%的注浆量下安全回采了煤炭资源。     

基于UDEC数值模拟实验的保护层无煤柱全面卸压开采分析

针对低透高突煤层群中不具备常规煤层(煤厚≥0.8 m)保护层开采条件及消除保护层遗漏煤柱下方被保护层中卸压盲区的问题,提出了极薄、薄煤层半煤岩保护层无煤柱全面卸压开采技术。基于沙曲煤矿地质条件,采用UDEC数值模拟实验分析得出:被保护煤层卸压盲区宽度随着保护层煤柱宽度的增加大致符合拟合直线方程y=17.09x-10.05的线性增长规律,拟合度R~2=0.896 8;当无煤柱开采时,在原留设煤柱位置的下方被保护层中不发生垂直应力集中,即消除了卸压盲区。     

高水材料注浆加固在盘区变电所中的应用

针对某煤矿盘区变电所软弱破碎巷道变形破坏严重的问题,采用理论分析和现场实测相结合的方法,分析了盘区变电所围岩变形破坏形式及原因。根据该煤矿一盘区变电所现场实际条件,提出了采用砌碹支护+高水材料壁后充填及注浆加固+锚网索联合支护方案,确定了壁后高水材料充填、高水材料注浆加固及锚网索加强支护的技术参数。变电所表面位移观测结果表明:变电所围岩进行壁后充填、注浆加固及施工锚网索至稳定期间,顶底板最大移近量为25mm,巷道两帮最大移近量为33mm,围岩变形比较小,联合支护技术的应用效果变好。     

EWT-多尺度模糊熵-VPMCD融合算法的轴承故障识别分类应用

针对振动信号提取轴承故障特征及识别分类的研究方式,提出了一种结合EWT-多尺度模糊熵-VPMCD的方法.首先,运用经验小波变换提取振动信号的模态分量.其次,引入信息论中的模糊熵算法,并加以多尺度粗粒度划分得到多尺度模糊熵特征描述.然后,用VPMCD对特征向量进行自适应选择预测模型训练.最终通过实验表明:模态分量多尺度模糊熵能够有效描述故障特征;VPMCD在少训练样本情况下获得了最低90％的分类准确率,相较一些常用的分类方法有着更好的性能表现.     

基于数据增强和卷积神经网络的多轴承剩余寿命预测

轴承的健康状态与设备安全可靠运行息息相关,在现代制造系统中,轴承剩余使用寿命(Remaining Useful Life,RUL)预测已成为研究热点.文中提出了通过数据增强来提取轴承衰退特征并利用卷积神经网络(Convolutional Neural Network,CNN)进行轴承RUL预测的方法.该方法首先将均方根、峰值和峰度作为时域特征,频谱分区求和(FSPS)特征作为频域特征,经过数据增强将18维时域和频域特征增加到108维,从而得到全面反应轴承退化过程的信息.通过搭建卷积神经网络(CNN),利用CNN处理高维特征的能力实现轴承RUL预测.最后,试验结果证明文中所提方法相对DNN模型、SVM模型具有更高的预测精度.