排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
以作业面回撤通道综合支护为对象开展探究,结合具体工程实际,从顶板支护和煤壁支护两方面着手,对回撤通道的综合支护开展分析探究,希望能够为其他矿井相似工程的开展提供借鉴和参考. 相似文献
2.
某矿5#煤层围岩层岩性较软,可塑性较强,遇水有膨胀现象,该煤层已掘进的巷道均见有底鼓现象,极易造成巷道变形。结合该矿巷道变形破坏的实际情况以及巷道矿压监测数据,分析了巷道变形破坏特征,认为棚式金属支架支护作为一种被动支护形式,难以发挥围岩的支撑作用,且支护成本较大,软岩巷道的支护原则应为避开回采工作造成的应力集中带或构造应力集中带,充分利用围岩的自稳性,提高巷道帮部的支护强度。在此基础上,结合FLAC数值模拟分析方法,设计了以锚网索支护为核心的支护方案,巷道优先采用全长锚固锚杆,支护范围宜相应增大,选取长度大的锚杆、锚索对巷道围岩进行联合支护。研究表明:该煤层软岩巷道锚杆、锚索联合支护的最优参数为巷道顶板采用高强度小孔径全锚索支护形式,锚索直径为17.8 mm,锚索预紧力不宜小于135 k N;巷道帮部采用自旋式全长锚固支护形式,以改善锚杆的整体受力状况,锚杆长度应相应增加,锚杆直径为22 mm,长度为3 500 mm,锚杆(索)间排距为800 mm;巷道顶帮均采用高强钢带或槽钢和金属网护表,确保巷道浅层围岩稳定。 相似文献
3.
Q学习算法中网格离散化方法的收敛性分析 总被引:5,自引:1,他引:5
Q学习算法是Watkins提出的求解信息不完全马尔可夫决策问题的一种强化学习方法,要用Q学习算法来求解有连续状态和决策空间的随机最优控制问题,则需要先离散化问题的状态和决策空间,在本文中,我们证明了在满足一定的Lipschitz连续性和有关集合为紧集的条件下,随着网格密度的增加,空间离散化后Q学习算法求得的最优解依概率1收敛于原连续问题的最优解。 相似文献
4.
5.
1