基于MATLAB的胶结充填材料线性回归研究

影响胶结充填材料质量的因素有：胶结剂及用量、骨料、料浆浓度、温度、细粒级和化学成分。填充体质量控制的目标是：填充体具有一定强度、充填材料成本低、流动性好、不脱水或少量脱水。采用数理统计的方法，对胶结填充体质量控制目标与填充体质量影响因素之间的关系进行处理，实践表明，当实际数据量足够多时，可用线性回归的方法找出目标与影响因素之间的近似关系表达式。     

胶结充填材料力学特性影响因素回归分析

用回归的方法分析试验效据,研究对充填材料力学性质的影响因素.结果表明,决定充填体强度的主要因素是作为胶凝材料的水泥,干料中水泥含量从7.69%增加到20%,对应试件的强度增幅非常大.影响充填体强度的主要因素还有龄期和质量浓度.同一浓度条件下,龄期对强度具有极大影响,随龄期增加,其强度呈对数形式递增.对于同一龄期的不同浓度试件,随着浓度的变化强度增幅较为缓慢,3d和7d龄期试件强度更是如此.抗压强度与单位体积水泥耗量、浓度、龄期、干料中水泥含量的关系可以用拟合公式表达,拟合公式和实测值能够较好的吻合.     

基于BP神经网络模型的充填体强度值预测

在探究充填体强度值大小时为了减少人力、物力的损耗,尝试利用BP神经网络模型对某矿山的四种尾砂材料浇筑的充填体试块进行预测。建立了输入层为8,隐含层为9,输出层为2的BP神经网络模型,并用该模型对某矿山四种不同尾砂材料浇筑的充填体试块进行预测试验。在随机选择的8种试块预测试验结果中,去除误差较大的情况后,充填体27天强度预测平均误差5.8%,充填体60天强度预测平均误差为5%,其中最优预测值与实际偏差值仅为1%。实利了利用BP神经网络模型在不同胶凝材料、不同灰砂比、不同浓度等多个条件下对充填体强度的预测。为其它矿山充填体强度的预测提供一种新的思路。     

膏体充填材料配比的神经网络预测研究

充填材料配比的预测与设计在膏体充填工程中具有十分重要的意义,充填材料的配比预测是一个典型的多变量、非线性系统.为了准确可靠的掌握充填材料的强度,在综合分析充填材料质量影响因素的基础上,采用粒子群算法来优化改进的BP神经网络技术建立了充填材料质量的预测模型.并用基于正交试验获得的充填材料试验数据作为学习训练和测试样本,对模型预测结果和实际值进行对比分析.研究结果表明,用人工神经网络方法预测充填材料配比是科学、可行的,为煤矿膏体充填开采的充填材料配比预测和评价探索出了一种新的方法.     

胶结充填体质量问题探析

结合金川镍矿多年来胶结充填的实践,从充填材料、充填工艺和充填过程控制3方面对充填体质量问题的成因进行了探讨和分析,指出骨料粒度级配、充填工艺和过程控制不合理,低浓度砂浆和脱水不力以及爆破震动、充填管架设位置不当是充填体产生分层、不凝固、开裂和不接顶等质量问题的重要原因;认为将砂浆浓度提高,粗骨料粒度控制在0.08～3 mm内,并尽量减少充填次数和水清洗充填管道次数以及爆破震动,能够有效提高充填体质量.     

某矿全尾矿胶结充填材料和充填工艺选择

为解决选矿尾砂的流向问题和井下充填材料的来源问题,某矿设计以选厂尾砂作为充填骨料的全尾砂胶结充填系统,通过工艺比较,采用添加粉煤灰的普通水泥全尾砂胶结充填工艺,充填系统设计推荐采用立式砂仓工艺方案.     

基于BP神经网络的机器人转角测量

以AS-UII机器人为研究对象,提出了一种间接测量机器人转角的方法。该方法利用BP神经网络建立模型,以多组电机速度、运行时间为样本,解决了机器人转角与电机速度、运行时间的关系问题。实验证明,该方法是有效可行的。因此,可以根据电机速度、运行时间来间接确定机器人的转角,为机器人的路径规划提供角度参数。     

高水膨胀材料充填采煤试验研究

为在王庄煤矿进行充填采煤,研制出具有高水膨胀特性的充填材料并对采空区充填系统工艺进行了研究。该材料具有膨胀性能好、固化时间短、早期强度高、可自流输送等特点。材料2 h内呈液态并具有良好的流动性,可自流输送;2 h后开始固化并伴随体积膨胀,能够实现主动接顶支护;12 h单向抗压强度达0.5 MPa;28 d单向抗压强度达2.2 MPa。结果表明:采用该高水膨胀材料充填开采后,采煤工作面超前压力峰值大幅减小,矿压显现不明显;充填区域顶底板移近量最大仅为20 mm;工作面对应的地表最大下沉值为5 mm。     

基于BP神经网络的矿井小构造预测

阐述了矿井小断层水平延展长度预测BP网络模型的构建、训练及模拟方法,在总结小断层落差、断层的走向、断层的倾角及断层的倾向等影响因素的基础上,结合赵官井田主采7#煤层典型样本数据,运用Matlab软件来建立网络预测模型,并对该煤层2713和2712 2个工作面的小断层水平延展长度进行预测,发现该网络模型的预测结果与实测结果更接近。     

基于MATLAB的BP神经网络在煤矿桥(门)式起重机检验中的应用

利用人工神经网络具有自适应、自学习的BP算法,结合煤矿桥(门)式起重机检验的特点,建立了适用于桥(门)式起重机检验评价的BP神经网络模型,通过在MATLAB平台环境下进行设计和开发,并将训练结果与桥(门)式起重机大小车轨道相关的距离偏差实际检测评价结果进行了比较,验证了该BP神经网络模型运用于煤矿起重机检验工作是可行的。     

置换条带开采中充填体强度分析

为了进一步提高煤炭资源的采出率、实现安全开采,通过对原建筑物下以及水体上留设条带煤柱的水文地质条件分析,提出了利用高水材料充填置换煤柱进行二次复采的技术思路;并基于工程力学对充填体强度及其安全性进行了分析研究。结果表明,采用全采全充方式、充填体材料强度大于2 MPa、复采的工作面宽度20 m、充填体与小煤柱的宽度为25 m的情况下,可以实现建筑物下与承压水上安全开采。     

基于MATLAB的BP神经网络在煤巷锚杆支护设计中的应用

采用MATLAB的BP神经网络工具箱,建立了巷道围岩主要影响因素与支护形式和支护参数之间的高度非线性BP神经网络模型。通过对算例结果的分析,验证了基于MATLAB的BP神经网络应用于煤巷锚杆支护设计的可靠性、可行性和高效性,这表明了BP神经网络方法在锚杆支护设计中具有一定的推广价值。     

基于似膏体充填的建筑物下采煤新模式

概要地介绍了似膏体充填技术的形成；结合煤矿的实际情况，提出了建筑物下似膏体充填开采新模式；分析了这种新的建筑物下采煤系统的特点，重点介绍了全砂土材料及充填系统的几个重要组成部分：充填制备站系统、充填料浆管输系统、综采工作面充填系统、充填工艺流程。     

神经网络在膏体充填质量模型中的应用

煤矿膏体充填质量受多因素影响,且具有非线性特性,用数理统计的方法直接建立充填质量模型很困难。为了减少试验次数、降低试验费用,通过神经网络建立的膏体材料充填质量模型明显优于传统的回归分析法,利用膏体充填材料塌落度与主要影响因素浓度、胶结料用量、细集料用量的关系模型,可以有效预测膏体充填材料的塌落度。     

煤矿充填体作用数值模拟研究及其机理分析

为了在建筑物下、水体下和铁路下采煤技术中应用条带开采技术和绿色充填开采技术,采用数值模拟方法,模拟研究了在条带开采后充填与否条件下不同采出率开采方案的煤柱、充填体的受力及变形状态,定量计算了不同采出率开采方案的地表沉陷量;较系统研究了充填体在采动围岩系统中的作用机理。结果表明,通过煤柱和充填体的垂直应力支撑、充填体的侧限作用,充填体能有效改善煤柱和围岩系统的应力条件,而煤柱和充填体的垂直应力与充填体水平应力随着采出率和留宽而变化趋势具有规律性,充填条带开采法是将来"三下"压煤绿色开采的有效途径。