共查询到20条相似文献,搜索用时 213 毫秒
1.
回采巷道围岩稳定性的神经网络控制 总被引:3,自引:0,他引:3
建立了煤矿回采巷道围岩分类与支护设计人工神经网络(BP网络)模型及巷道变形预测二级神经网络模型,并通过网络自适应、学习与匹配联想,得出了巷道围岩类别与支护强度及支护方式相对应的结果。同时,通过巷道变形预测二级神经网络模型预测了巷道顶底板移近速度,两帮移近速度及围岩动态。试验表明,神经网络(NN)输出结果与实际拟合良好。 相似文献
2.
通过应用基于BP神经网络模型系统对某矿山巷道围岩的实测变形值进行神经网络模拟,成功预测了巷道围岩的变形,有利于巷道支护设计和生产组织. 相似文献
3.
随着煤炭资源逐步转向深部开采,软岩巷道的支护问题显得尤为突出,巷道围岩变形监测及预测对巷道支护设计、维护等具有重要的指导意义。传统的预测方法多基于岩体力学理论,计算过程较为复杂。以巷道围岩变形原始数据作为参考数列,结合灰色系统理论,构建基于全数据GM(1,1)、新信息GM(1,1)、新陈代谢GM(1,1)等3类预测模型的软岩巷道围岩变形预测灰色模型群,并将其应用于预测某矿软岩巷道顶底板及两帮围岩变形位移。结果表明,利用该灰色模型群进行巷道围岩变形预测的精度较高,能较好地顾及围岩变形新信息对预测精度的影响,使得预测结果更加符合实际。 相似文献
4.
通过对U型钢拱形支架和方环形支架支护的回采巷道围岩与支架变形的实际观测数据进行整理分析,导出了巷道顶底、两帮移近速度及对应的移近量呈负指数函数衰减、底鼓量呈线性函数递减的变形规律,为类似条件的回采巷道选择更为有效的支护方式提供了一定的依据. 相似文献
5.
6.
7.
弱胶结软岩巷道锚网索耦合支护技术研究 总被引:1,自引:0,他引:1
为解决弱胶结软岩巷道支护困难的问题,以伊犁一矿弱胶结软岩巷道为研究对象,结合煤岩物理力学性质及原岩应力测试结果,在分析巷道围岩变形破坏原因的基础上,通过优化支护参数提出了锚网索耦合支护方案。在利用数值模拟验证新支护方案可靠性的基础上,通过现场观测分析总结了采用新支护方案后巷道围岩变形有巷道开挖影响、变形限制、稳定变形3个阶段。结果表明:顶底板移近量平均为50 mm,两帮移近量平均为23 mm,变形稳定时间缩短为15 d;锚网索耦合支护能有效控制巷道围岩变形,改善围岩应力状态,充分利用深部围岩的自承载力。 相似文献
8.
9.
10.
11.
12.
13.
运用理论分析与现场实测,研究了超长推进距离工作面双巷掘进的沿空顺采技术.首先,针对超长推进距离必须双巷掘进解决通风与辅助运输造成的保护煤柱留设较大问题,提出双巷掘进的沿空顺采技术.其次,结合双巷掘进、留窄煤柱护巷的技术要求,给出了如何确定双巷掘进之间的大煤柱、留窄煤柱护巷的小煤柱和沿空掘进工作面与首采工作面、接续工作面在推进方向的错距等方法.最后,提出在5000m超长推进距离下无法进行跳采的实际工程中应用该技术,给出了关键技术参数,认为该技术的实施不仅仅改善了巷道维护困难的现状,且两工作面之间可多采出1.01Mt煤炭资源,经济与社会效益显著. 相似文献
14.
15.
煤层内断层在双巷声波CT重建图像中的表现 总被引:4,自引:0,他引:4
双巷声波CT采集系统是矿井煤层构造贩实际应用系统,在系统下,建立煤层断层数值模型,利用精确和快速的直射线追踪方法,正演计算声波到时,通过BPT,ART反演方法重建图像,当断层走向与巷道测线不平行时,煤层内断层重建图像清晰,实际矿井工作面加风巷与运输巷之间的声波CT探测实验结果表明:煤层内断层在这种不完备的双巷声波CT采集系统的反演图像中,除走向断层外,断层图像呈线笥规律分布,空间疏敛性好,正断层多 相似文献
16.
17.
研究了掘进机和后配套设备之间的配套问题,阐明了支护材料运输后配套方案的选择原则。结合平煤集团公司一矿戊组厚煤层地质条件和经济型分层综采的特点,研究了上、中、下分层回采巷道掘进时存在的主要问题和对策,最后给出了分层开采煤巷快速掘进中实用的两
条综掘生产线,对条件相同的矿井可以进行推广应用。 相似文献
18.
19.
采用支持向量机“一对一”分类方法,研究了回采巷道围岩分类问题.选择6项影响回采巷道围岩分类的主要指标,利用30组巷道围岩数据作为学习样本,建立了回采巷道围岩分类的支持向量机模型.应用该模型对平顶山矿区4条回采巷道围岩进行了分类预测.结果表明,预测类别与实际类别完全吻合,这说明支持向量机方法可以很好地描述巷道围岩影响指标与围岩类别之间复杂的非线性关系. 相似文献
20.
由于传统故障录波启动判据算法具有一定局限性,本文提出一种基于SOM神经网络的算法。以A相电流越限为例进行了算法的研究,依次完成SOM神经网络的构建,网络训练以及聚类预测,将输入向量归一化后输入到训练好的SOM网络中,输出结果会在二维平面阵列中显示出来,网络拓扑结构中的蓝色神经元代表A相越限,此时需要启动录波。为了验证模型的正确性,依次将维数不同的两组向量输入网络模型中,输出结果表明,基于SOM神经网络的故障录波启动判据算法自适应能力较强,能有效地完成录波启动,误差较小。 相似文献