基于Fluent模拟的掘进工作面风流温度预测

基于Fluent软件模拟掘进工作面压入式通风的热湿交换过程,从理论上揭示工作面风流温度的分布和变化规律,阐明围岩散热和掘进设备散热与风流运行的关系。模拟结果与理论相符,为建立掘进工作面的风流热环境的预测方法奠定重要基础。     

掘进工作面射流通风流场研究

掘进工作面压入式通风实际上是有限空间的受限贴附射流通风． 根据流体力学和射流理论, 分析了掘进通风射流产生过程及掘进工作面压入式通风风流结构． 风流从圆形风筒射入掘进工作面形成射流区和回流区． 给出了回流区平均速度、最大回流速度及射流作用距离的计算模型, 为掘进工作面合理有效通风提供了新的理论依据．     

基于GA-BP算法的气化配煤灰熔点预测

为了提高气化配煤煤灰流动温度预测的精度和稳定性,提出将遗传算法(GA)与误差反向传播神经网络(BP)相结合的预测方法,采用GA优化BP神经网路的权值和阈值,再用BP算法训练网络,结合仿真实验分析比较了GA-BP网络算法与常规BP神经网络方法的精度和稳定性。结果表明:GA-BP网络改善了BP网络容易陷入局部极小值和收敛速度慢的缺点,经GA优化的BP神经网络预测方法的预测精度高于BP网络算法,将其应用于气化配煤灰熔点预测有效可行。     

数字孪生驱动的掘进工作面出风口风流智能调控系统

为满足掘进工作面通风系统智能化的发展需求,针对传统局部通风系统无法实时监测及智能调控风筒出风口风流状态而导致风速场分配不合理,死角区瓦斯积聚严重和粉尘污染等安全隐患问题,提出一种基于数字孪生技术的掘进工作面出风口风流智能调控系统,优化风流场分布。分析建立了系统实现的整体框架、运行流程及关键技术,利用Zigbee自组网功能进行巷道风速、瓦斯体积分数及粉尘质量浓度等实时数据的监测采集,通过ARIMA时间序列预测模型对下一时刻瓦斯体积分数及粉尘质量浓度进行智能预测分析,并引入小生境四段式编码遗传算法提取相应出风口风流智能调控规则,结合GPRS无线传输技术实现出风口风流状态的智能调控,在此基础上,运用Unity3D构建系统虚拟模型并实现了物理实体与虚拟孪生体的映射交互。通过设计搭建的数字孪生系统实验测试平台,验证了系统实时监测、决策评价、智能调控、虚实融合等关键功能技术可行性,并结合具体案例对系统智能调控效果进行了对比分析,结果表明:调控后司机位置处风速明显上升,上隅角瓦斯体积分数由0.623%降低为0.306%,降低率达50.8%;司机位置粉尘质量浓度由1 180 mg/m³     

掘进工作面压入式通风流场的数值模拟

由于井下作业的特殊性,掘进工作面必须应用局部通风系统。针对掘进工作面压入式通风,依据空气动力学、流体力学、紊动射流等理论以及风流流动特性,结合某矿山115m中段掘进面的实际情况,利用Fluent软件对掘进工作面的风流流场进行数值模拟研究。结果表明,风流流场存在附壁射流、冲击射流、回流以及涡流4个分区。风筒出口的射流区正下方小块区域和巷道顶部区域风速极低,这可能导致巷道内存在通风盲区,需对此处加强通风管理。     

一种基于耦合算法的矿井风流温度预测新方法

针对矿井风流温度预测工作的复杂性及各个影响因素的模糊的非线性关系,传统预测方法难以构建预测模型,导致预测精度低的特点,提出一种基于RBF神经网络的矿井风流温度预测方法;并利用粒子群算法对RBF神经网络参数进行寻优,利用煤矿历史数据对预测模型进行仿真研究。结果表明,提出的基于改进粒子群算法的RBF神经网络模型(MPSO-RBF)具有收敛速度快,预测精度高的特点,为矿井风流温度预测领域提供理论支撑。     

掘进巷道风流温度场分布规律的研究

为了获得掘进巷道风流温度场分布规律,通过巷道实体模型和数值模拟实验相结合的方法,测试了不同巷壁温度、通风风量、入口风温时掘进巷道风流热环境的分布情况,分析了温湿度场分布差异,提出掘进巷道风流温度场"四区"即迎头阻碍区、射流影响区、回风稳定区、外部影响区分布概念,壁温发生改变可对迎头阻碍区、外部影响区造成更大影响,改变入风温度可对射流影响区造成更大影响;通过对比分析掘进巷道风流温度和湿度场,发现风流温度分布受风流参数影响较大,而湿度分布受巷道物理结构影响较大。     

基于神经元网络的巷道风流温温度预测法

该文提出的高温矿井巷道风流温湿度预测新方法－－－基于神经元网络的巷道风流温湿度预测法，是把现场的实测数据事理成学习样本，利用Ｂ－Ｐ神经网络进行学习和预测，从结果看，它有较高的可靠性和预测精度。     

基于GA-BP混合算法的煤与瓦斯突出强度预测研究

在以往对煤与瓦斯突出预测的研究中,较多地关注突出动力类型的预测,对于突出强度预测很少涉及。基于影响煤与瓦斯突出的各个因素与突出强度之间存在的复杂非线性映射关系,建立了突出强度预测的神经网络模型。根据遗传算法(GA)和BP算法的特点,将二者结合起来,利用遗传算法优化BP网络权重和阈值,形成GA-BP混合算法。该算法提高了网络性能,在煤与瓦斯突出强度预测中取得良好效果。     

基于GA-BP神经网络的毫秒延时爆破振动速度预测研究

由于基坑爆破开挖作用而产生的振动效应受多种因素综合影响,传统的经验公式预测振动速度难以满足目前爆破安全的需求.因此,如何优化爆破参数,减小爆破振动效应,对保证临近建筑的安全具有重要意义.基于某基坑工程现场爆破监测所得的400组样本数据,本文采用遗传算法(GA)优化BP神经网络,对振动速度进行预测,将GA-BP神经网络振...     

梁北矿11061工作面热源分析与风温预测

梁北煤矿深部热害比较严重,针对梁北矿工作面局部高温情况,通过工作面热源调查,根据能量守恒定律,建立热交换的数学模型,对11061工作面热源状况进行理论分析和风流温度预测,并与实际测量结果对比验证。热源分析得出:此工作面围岩散热量和机械设备散热量所占比重较大,分别占28.3%和47.0%,是风温升高的主要原因。对比结果表明:风温预测结果与工作面实际测量结果能够很好地吻合,验证了热源分析和风温预测方法的正确性。     

煤矿掘进工作面自动化技术研究

通过对煤矿掘进工作面进行整体分析,以悬臂式掘进机为主的综掘工作面开展研究,以此确定掘进工作面自动化的范围;通过构建掘进工作面自动控制系统模型,建立了掘进工作面自动化技术开发体系。     

基于PSO-BP的矿井淋水井筒风温预测

为解决矿井井底风流温度预测的问题,采用BP神经网络为模型,利用PSO算法优化网络权值和阈值,建立了一种新的井底风温预测模型,并用Matlab编程实现。通过对淮南某煤矿井底风温影响因素的分析得出地面入风口处风流温度、湿球温度,地面大气压力及井底湿球温度等因素的影响力较大。应用PSO-BP模型与BP模型对数据分别进行测试并分析,结果表明,该模型具有收敛速度快、预测精确度高,是求解井底风温非线性变化规律的最有效方法之一。     

基于神经模糊的工业锅炉温度控制器的研究

结合温度的时变、滞后和非线性特性 ,提出了一种基于人工神经网络与模糊控制相结合的控制器。利用人工神经网络的自学习、自适应和并行处理的能力 ,将模糊控制规则转化为神经网络的学习样本。通过ANN的BP学习算法记忆这些规则样本 ,实验表明该控制器具有响应速度快、精度高和鲁棒性的特点     

神经网络PID在温度控制中的应用

提出了一种基于BP神经网络的PID控制器方法,充分利用了BP神经网络算法逼近任意连续有界非线性函数的能力,这种PID控制方法能学习和适应严重不确定系统的动态特性。采用3层前向网络,动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的潜能。实验结果表明,该控制器具有响应速度快、精度高和良好的鲁棒性。     

岩石机械化掘进工作面高效除尘系统

为了解决岩石机械化掘进工作面粉尘浓度居高不下的难题,研制了适用于岩石机械化掘进工作面的高效除尘系统;从理论上论证了可控循环风通风除尘系统在有毒有害气体较少的南部回风大巷岩石机械化掘进工作面是可行的,研制了风幕控尘装置,确定了较优参数,并设计了可实现近距离三维吸尘且随机移动的高效抽尘净化装置。该系统在唐口煤业南部回风大巷掘进工作面应用后,工作面有人作业处全尘和呼尘的降尘率分别平均达到91.6%和90.5%,有效降低了现场的粉尘浓度。     

基于GA-BP网络模型的煤矿底板突水非线性预测评价

以非线性预测评价为基础,采用BP神经网络模型,利用遗传算法优化网络初始权值和阈值,建立一个新的煤矿底板突水危险性预测的网络模型,通过收集不同突水矿井的资料,综合考虑多种影响底板突水的因素。运用Matlab编程对网络原始数据进行训练,并对不同工作面底板是否突水及突水量进行预测分析,结果表明,该模型收敛速度快、预测精确度高,且具有较强的泛化能力。     

炮掘工作面临时支护设备应用研究

针对炮掘工作面的顶板支护,设计了一种简易的超前支护设备,并对该支护设备的受力情况及安全性进行分析论证。