基于T-S模型的模糊神经网络在地下硐室超挖预测中的应用

以山东某隧道为例, 运用基于T-S模型的模糊神经网络, 结合相关影响因素对地下硐室超挖进行了预测。预测模型根据工程实际情况选用了199组数据, 其中179组数据作为训练样本训练网络, 20组数据作为测试样本验证模型的预测结果。通过计算, 基于T-S模型模糊神经网络超挖预测的相关系数为0.962 8, 均方差为0.449, 平均相对误差为6.33%。与BP神经网络和回归模型的预测结果进行了比较分析, 结果表明基于T-S模型的模糊神经网络预测效果最好, 能精确预测地下硐室爆破超挖量, 对控制超挖量具有重要意义。     

基于RBF神经网络的爆破参数优选

为确定合理的爆破参数,建立了RBF神经网络模型,统计了8个矿山的样本数据,将影响矿岩可爆性的6项因素:矿石容重、弹性模量、抗拉强度、矿石坚固性系数、摩擦角、黏结力作为RBF神经网络模型的输入因子,排距、孔底距和一次炸药单耗作为影响爆破参数的输出因子,优选样本参数,得出最优的爆破参数。以某矿中深孔爆破为例,通过RBF神经网络模型优选出该矿的爆破参数：排距1.3 m,孔间距2.2 m,炸药单耗0.32 kg/t。实践证明,选择的孔网参数合理,爆破效果良好。     

地下矿扇形中深孔爆破智能设计系统的开发与应用

为了克服眼前山地下矿中深孔爆破需要依靠经验设计和大量手工重复绘图的弊端,在前馈神经网络算法的基础上,结合现场实测数据资料,建立了基于改进ELM算法的地下矿爆破参数智能设计模型,并借助CAD二次开发技术,开发了中深孔爆破智能设计系统。该系统可以根据爆破区域的岩体力学参数实现各种复杂边界条件下的爆破智能设计,并自动计算爆破方量和炸药用量等数据,大大节省工程师的时间和精力,具有高效、快速、精准等优点。将该系统应用于眼前山地下扇形中深孔的爆破设计,取得了较好的应用结果。     

煤矿局部通风机智能调速设计与仿真

针对煤矿局部通风机传统调速系统存在的实时性低、稳定性差、调速算法落后的问题,设计基于T-S模糊神经网络控制的局部通风机智能调速系统。在分析、对比PID调速、模糊调速方案的优缺点的基础上,确定基于T-S模糊神经网络控制调速算法。根据T-S模糊控制原理、结构、学习过程设计局部通风机智能调速方案设计以及仿真模型搭建。仿真结果表明,设计并实现的基于T-S模糊神经网络控制的局部通风机智能调速方案实时性强、跟随性好、稳定性高,调速效果明显。     

基于BP神经网络的爆破参数优选

为了得到最优的矿岩爆破参数, 提出以矿岩的容重、弹性模量、抗拉强度、抗压强度、摩擦角及粘结力为输入因子, 炮孔排距、孔底距及一次炸药单耗为输出因子, 并以国内爆破工艺类似、效果良好的矿山为样本来建立BP神经网络模型进行优选的思路。以石人沟铁矿上向扇形中深孔爆破参数选择为例, 优选出的参数适用于矿岩条件, 爆破效果良好。这种思路也可用于使用其它爆破工艺的矿山, 具有广阔的应用前景。     

基于人工神经网络的中深孔爆破参数优选

为了得到合理的中深孔爆破参数,以矿岩的弹性模量、容重、抗拉强度、抗压强度、摩擦角以及黏结力作为输入因子,以炮孔的崩矿步距、孔底距以及炸药单耗为输出因子,以国内爆破工艺相类似矿山的相关数据为训练样本,建立BP神经网络模型进行爆破参数优选。以港里铁矿为工程背景,通过优选和影响因素分析,得到崩矿步距1.67 m,孔底距1.8 m,炸药单耗0.43 kg/t的爆破参数。使用后证明,比原炸药单耗(0.52 kg/t)降低了17.3%。     

3DMine软件在尖山铁矿地采穿孔爆破设计中的应用

为积极推进攀枝花铁矿尖山地采数字化矿山建设,提高工作效率,更好地指导现场穿孔、爆破,减少二次穿孔及爆破质量事故,根据尖山露天转地下开采的现状,利用3DMine软件,建立矿山地形地貌、地质矿体构造模型、井巷模型、矿体模型等,结合尖山地采爆破孔网参数进行精准穿孔、爆破设计,将完成的各爆破单元的设计模型与矿山地形地貌、地质矿体构造模型、井巷模型、矿体模型等进行三维展布,使穿孔、爆破设计形象化、直观化,同时判断穿孔、爆破设计的合理性;最后将炮孔数据、装药信息、矿岩信息等内容与其它办公软件进行数据、图形转换,实现快速成图,指导现场生产、穿孔及爆破、质检配矿等,并分析爆破质量事故,为技术人员节约大量的工作时间,提高工作效率。     

矿山井巷掘进爆破参数优化设计及其三维可视化研究

针对矿山井下掘进爆破参数设计工作量大、二维图纸不直观等现状,开展了巷道掘进爆破参数优化设计及其三维可视化研究。首先利用粒子群优化算法与神经网络算法,建立了井巷掘进爆破参数优化设计模型,计算获得了待开挖巷道的最佳爆破参数;其次依据爆破钻孔参数及其特点,提出了爆破钻孔三维模型的参数化表征方法,形成了基于参数化的钻孔三维模型自动构建方法;最后以优化设计的爆破参数为基础,自动生成了爆破钻孔三维模型（含装药结构等细节）,实现了钻孔三维模型的旋转、缩放、图层显示等交互操作。以山东某矿为工程背景开展了相关研究,结果表明：由优化模型得出的爆破参数与成功案例爆破参数相比误差小,对比指标MAE、RMSE、R2分别为0154、0096、0914;所构建的爆破钻孔三维模型质量高,可直观描述爆破钻孔空间分布、装药结构等信息。     

基于SSA-BP神经网络爆破参数优选试验研究

为实现矿山快速准确地选取爆破参数,提出了一种基于麻雀搜索算法(SSA)来优化BP神经网络的数学模型,以抗拉强度、弹性模量、内摩擦角等6项影响矿岩可爆性因素为输入因子,以炮孔间距和炸药单耗为输出因子,基于训练样本建立参数优选模型。以辽阳宏盛镁矿为例,通过优选得到了该矿的爆破参数孔底距为1.5 m,排距为1.2377 m,炸药单耗为0.1603 kg/t。实践证明,此模型有效改善了传统BP神经网络收敛速度慢、精度相对较低等缺陷,相比经验公式得到的炸药单耗降低了27.2%,大块率控制在5%以内,优选的爆破参数能够取得良好的爆破效果。     

庙沟铁矿露天转地下开采爆破参数优化

为给庙沟铁矿露天转地下开采设计提供最优的爆破参数,结合矿山设计的具体情况,在选定爆破抵抗线长度为1.8 m的基础上,以孔底距为主要参数,对地下开采无底柱分段崩落法的爆破参数设计了4个方案。对设计的4个中深孔爆破方案分别进行了数值模拟计算和爆破效果的综合评价分析。数值模拟结果表明,4个方案的爆破有效应力均能达到矿岩破碎的效果,孔底距长度对爆破有效应力值没有显著影响。以炸药成本、采幅、适宜块度率为评价爆破效果的主要因素,通过模糊综合评价,得出矿山的最优爆破参数是孔底距为2.52 m,为矿山的施工提供了数据依据。     

基于RBF神经网络的露天矿爆破效果预测研究

露天矿爆破是一个受诸多因素共同影响的系统工程,是露天开采的重要环节之一,其爆破效果的优劣直接影响后续工序的完成。提高爆破技术水平和爆破质量,对矿山安全和生产具有重要的意义。本文通过随机森林选择影响爆破效果的主要参数,结合模糊评价确定爆破综合效果,建立了RBF神经网络爆破效果预测模型。将该模型应用于矿山爆破效果预测中,并将爆破现场实测的11组数据作为模型训练样本,另外5组现场数据作为预测样本进行测试,通过与BP神经网络比较,发现RBF神经网络的预测性能更为优越,可广泛应用于现场实践中。     

改进的神经网络在瓦斯涌出量预测中的应用

以解决矿井瓦斯涌出量预测问题为研究目的,将模糊系统和人工神经网络有机结合起来,组成T-S模糊神经网络,利用遗传算法对网络中参数值进行优化,对淮南某煤矿进行试验并分析。结果表明预测模型正确可靠。     

露天矿最终边坡角的BP神经网络预测及数值模拟验证

利用专家调查表的方式分析露天矿山边坡稳定性的主要影响因素,确定网络模型的输入层神经元。研究BP神经网络的结构和输出方式,对神经网络模型进行优化,并收集大量矿山稳定边坡的相关参数作为样本库,建立神经网络预测模型,将该模型用于某大型深凹露天矿山最终边坡角的预测。根据预测边坡角参数,采用SURPAC—MIDAS—FLAC3D多软件组合的方式,创建逼真的矿山边坡稳定性三维数值计算模型并进行模拟分析,结果表明,模型预测的边坡角满足设计要求。     

中深孔爆破效果的非线性预测

将神经网络原理应用于河南灵宝罗山矿区中深孔爆破效果的预测中, 选取爆区岩石力学性质、炸药性能参数、爆破设计参数作为影响爆破效果的因素, 建立了神经网络模型, 对爆破效果包括块度、大块率、前冲距离、堑沟边帮平整度、质点振动速度进行了非线性预测。结果表明, 运用神经网络预测模型对爆破效果进行预测, 取得了较好的效果, 同时, 可以根据预测的爆破效果调整爆破参数来满足工程要求。该方法对于节省工程投资和提高工作效率有一定的实用价值。     

爆破CAD系统中的模糊预测模型的可靠性分析

爆破智能CAD系统中的模糊预测模型为岩体爆破效果预测提供了可供选择的模型,利用模糊数学、人工智能、统计和计算机技术,以现有的爆破理论和专家经验为基础的,通过对爆破对象的确定性与不确定性因素进行分析,提出了不确定性因素与知识的描述方法,构造了爆破CAD系统中的模糊预测神经网络模型,并通过实际数据对该模型的可靠性进行了分析和验证。     

矿山预裂爆破效果预测的BP神经网络法

为简化矿山预裂爆破效果预测环节、提高预测精准度，针对传统预裂爆破效果评价注重预裂坡面成型的不足，考虑到露天矿山边坡时常受到爆破破岩振动等动态荷载影响的特点，结合BP神经网络，提出了既考虑坡面成型标准又顾及爆破振动对边坡影响的矿山预裂效果预测方法。将单孔装药量、平均孔深、孔距、振动速度峰值（水平、垂直）、振动主频（水平、垂直）、爆心距等参数作为神经网络输入参数，将预裂坡面的平均振动速度、半孔率、不平整度、裂隙系数等参数作为神经网络输出参数。基于24次临近边坡的爆破技术数据建立了矿山预裂爆破效果的BP神经网络预测模型。3次现场爆破预测试验表明：通过神经网络内部的自组织结构，将岩石性质、工程地质条件等与控制预裂爆破效果有关的因素进行简化，可将平均振动速度的预测相对误差控制在7%左右，将半孔率、不平整度、裂隙系数的预测相对误差控制在3%左右，对于提高爆破预裂效果的预测精度有一定的参考价值。     

基于BP神经网络和模糊控制的智能通风系统设计

针对传统的井下局部通风机恒速运行及浪费电能的缺陷,提出了一种基于BP神经网络和模糊控制的智能通风系统。将井下瓦斯浓度、温度、湿度及煤尘等参数输入到BP神经网络模型中,对井下风量进行预测,通过当前风量与预测风量的对比,运用模糊控制算法对变频器电压进行调节,从而实现对变频器输出频率的控制,有效降低了局部通风机的耗电量,对煤矿安全生产具有重要的现实意义。