基于扩展的Mathews稳定图法的采场稳定性评价及参数优化

为了分析大尺寸采场的稳定性并优化采场参数,对森鑫矿业三道桥铅锌矿试验采场进行了现场地质调查、地质编录、室内岩石力学试验等工作,得到了评价矿山岩体质量的多种基础指标。对试验采场矿岩进行了岩体质量分级,并估算了其岩体力学参数。根据取得的结果,利用扩展的Mathews稳定图法对试验采场在当前尺寸下的稳定性进行了分析,试验采场上盘的破坏概率较大,需要进行采场结构参数的优化。基于扩展的Mathews稳定图法对试验采场参数进行优化,利用理论法和数值模拟对优化的结果进行验证。验证的结果与利用扩展的Mathews稳定图法得出的结果一致,最终确定了试验采场需保留顶柱的安全厚度为7 m。     

基于BP神经网络的矿石非计划贫化预测

为了消除等效线性超挖（Equivalent Linear Overbreak Slough,ELOS）经验图表法估算矿石非计划贫化的局限性,采用BP神经网络算法,以采场稳定指数、水力半径、钻孔平均偏斜量和炸药单耗为输入变量,以量化矿石非计划贫化的等效线性超挖深度为输出变量,建立了隐含层神经元节点数为6的3层BP神经网络预测模型。经过120组样本数据模型训练和样本测试,BP神经网络预测模型的拟合度为0.987 42、均方误差为9×10-5,预测的相对误差约6%,形成了矿石非计划贫化预测方法。应用BP神经网络非计划贫化模型对三道桥铅锌矿试验采场进行了矿石非计划贫化计算。结果表明：基于BP神经网络的矿石非计划贫化计算值为0.717 m,与现场实测值（0.7 m）相比,其相对误差为2.4%,优于经验图表法和数值模拟分析法的计算结果（0.80 m和0.55 m）,可用于实际矿山的矿石非计划贫化预测。     

岩爆动力冲击作用下释能支护技术及其发展动态

深部开采已经成为国内金属矿山未来发展的必然趋势,在深部高应力作用下势必造成岩体产生岩爆等动力灾害。在介绍岩爆发生机制及其诱发岩体产生动力响应破坏的基础上,提出了释能支护原理及其技术要求;在岩爆动力冲击作用下,基于岩体的质点振动速度与支护强度要求,分析现有释能锚杆的优缺点及其适用条件;在此基础上,依据岩石动力学、能量积累、耗散原理、支护作用,提出新型M(ace)释能锚杆设计及其作用原理,该锚杆既可以有效释放积聚在围岩内部的动能,又可以保持较高的锚固力,有效控制岩爆冲击动力作用下岩体的稳定。     

考虑能见度影响的公路隧道照明动态优化与智能控制

为解决不同能见度影响下公路隧道实际路面亮度变化过大以及由此引起的行车安全与能源虚耗问题, 本文提出了一种能够改善公路隧道照明环境的动态优化与智能控制方法. 首先, 通过对不同时空条件下的公路隧道进行现场试验和数据分析, 得到了隧道内能见度的变化规律; 其次, 在公路隧道传统照明设计的基础上考虑能见度对照明环境的影响, 建立了基于隧道内能见度、交通量、车速、路面亮度和照明亮度的按需照明与动态优化模型;随后, 以不同地区公路隧道的实测数据为样本, 结合划分出的公路隧道典型照明场景和模糊径向基神经网络算法构建了公路隧道照明智能控制模型, 最后, 通过仿真实验验证了所构建模型的有效性, 其结果表明, 本文所提出的优化控制方法能够在保证隧道照明安全性的前提下兼顾节能性.