黄土坡铜锌矿微震监测技术应用与灾害预警方法研究

黄土坡铜锌矿位于新疆哈密地区,采用地下开采方式开采矿石,该矿山附近存在另外一家矿山企业,2个矿山同时产生的开采扰动使得该矿山面临着复杂的地压环境。为了对黄土坡铜锌矿井下多处采空区附近的地压灾害进行预警,引进微震监测系统,对采空区周边及生产作业区域围岩稳定性进行实时监测。采用优化的台网布设方案改善微震监测系统的性能,并在微震信号自动识别技术的基础上,对地压活动进行实时分析,保证分析结果的时效性。基于微震监测多参数分析方法,结合一次现场真实地压险情提出了一套微震监测地压灾害预警分析方法,该方法能够实现地压提前预警,给矿山人员提供了逃生时间,在地下开采矿山地压监测中具有推广意义。     

长沙矿山院4项科技成果通过评审均达国际先进或领先水平

正近日,由长沙矿山研究院有限责任公司采矿中心微地震与声发射技术研究课题组完成的"香炉山钨矿综合地压监测预警与防治措施研究"、"东升庙万城矿特大采空区地压监测综合技术研究"、"大红山铁矿多采区大规模开采地压监测与防治措施研究"和"金川二矿区大面积连续开采综合地压问题研究"项目科技成果通过专家评审。中国工程院院士顾金才等7位国内岩石动力学、工程力学、微震与声发射技术、采矿与充填技术     

锡矿山北矿558充填运输道及采场大冒落的监测预报

综合应用位移法监测预报、压力法监测预报及声发射监测技术监测预报，锡矿山矿务局岩移组和地压组人员准确预报了北矿井下的大冒格，保证了生产安全。本文介绍了锡矿山北矿充填运输道及采场顶板大冒落的监测预报过程。     

基于改进DCNN法的微震信号自动识别模型及应用

为精准识别矿山微震信号，采用改进深度卷积神经网络（DCNN）法，通过傅里叶变换得到的频谱图叠加原始图像的空间域图作为微震信号的识别对象，提出了一种基于改进DCNN法的微震信号自动识别与分类模型，建立了某铅锌矿的IMS微震监测信号数据库的训练集、验证集和测试集，并通过实际工程数据验证了方法的可靠性。结果表明：利用频谱图和空间域图在BGR通道上堆叠的特征值作为DCNN输入的方法，构建的微震信号自动识别模型精度更高且泛化能力更强，该模型能够高效地提取微震信号特征；采用F1值、ROC曲线和AUC值3种性能度量进行评价，验证了改进方法的可行性、有效性和可靠性。     

基于CEEMD和排列熵的矿山微震信号降噪研究

针对矿山微震信号采集过程中通常会混入高频噪声的问题,提出了基于互补集合经验模态分解(CEEMD)和排列熵的降噪方法对微震信号进行降噪处理。使用CEEMD将信号分解成从高频到低频的数个本征模态函数;计算各模态分量的排列熵值定量表征其随机性程度;通过对含噪声信息较多的IMF分量进行小波阈值降噪,并通过信号重构得到降噪后的微震信号。仿真信号和真实微震信号降噪效果表明,基于CEEMD和排列熵的降噪效果优于CEEMD和EMD降噪法,该方法可以有效去除微震信号中的高频噪声,为微震信号的进一步分析提供技术支持。     

基于物联网技术的钨矿井下安全信息化系统的构建

介绍了钨矿安全信息化系统中钨矿山设备监测监控、人员定位、通信联络、环境气体、通风监测、地压监测等子系统架构及组成,基于物联网技术,通过采集其声、光、电、热、化学、力学、生物、位置等信息,实现物与物、人与物的识别、管理和控制,采用工业以太网技术、计算机网络技术和光纤通信,提供标准化接口,整合各个子系统的现场总线,建成井下环网与井上坑口调度局域网、钨矿山本部局域网、集团局域网及上级集团局域网的广域网,形成一个钨矿山信息化系统的综合传输管理平台,为各层级管理人员提供生产过程、预警及灾害处理的可视化实时平台。     

基于PEMD-MPE算法的露天矿爆破振动信号降噪方法

为了去除露天矿山爆破振动信号中混入的噪声成分,提出了一种基于PEMD-MPE算法的降噪方法。该算法通过自适应性正交经验模态分解（PEMD）得到完全正交的本征模态函数（IMF）分量,然后对各个IMF分量进行多尺度排列熵（MPE）的随机性检测,成功确定其中的噪声分量并将其去除。采用该算法对实测的露天矿山爆破振动信号进行降噪处理。结果表明：相比EMD-MPE和EEMD-MPE算法,PEMD-MPE算法的信噪比分别提高了3.520 dB和1.107 dB,且重构标准差和均方根误差最小,说明该算法不仅能够有效去除爆破振动信号中的噪声成分,还能有效保留真实信号。     

大深铁矿采空区管理对策

介绍了大梁铁矿的地理位置及发育情况,描述了初期开采的不规范行为。分析了形成矿山地压危害的主要因素。提出了采空区处理的具体措施。在矿山42-45线之间的1#和2#采空区内安装8个声发射采集探头,及时全面地反映地压活动情况。根据地压监测分析结果进行及时处理,有效预防采空区塌陷所引发的冲击波伤害。对保证矿山安全生产、延长矿山的开采年限具有重要意义。     

不同荷载作用下岩石的声发射特征

由于岩石破裂过程的尺度无关性质,通过对岩石样品破坏过程中声发射特征的研究可增进对采矿工程岩体失稳过程的认识。基于室内声发射试验及国内外学者在岩石声发射方面的大量科研成果,讨论了各种受力状态对岩石声发射活动性的影响,即单轴加卸载和三轴加卸载等多种荷载条件下的声发射特征,重点分析了岩石破坏前"声发射平静期现象"出现的条件。通过与岩体破裂过程中声发射监测结果中"沉寂区"的对比分析得出,在利用声发射技术监测地下工程岩体结构的稳定性时,必须深入分析岩体的声发射特征和应力状态变化过程,才能准确识别岩体破坏前兆现象,有效地作出对地质灾害的预报。     

基于声发射监测的316LN不锈钢的疲劳损伤评价

疲劳裂纹的萌生与扩展容易导致压力容器及管道的严重疲劳失效.因此就设备的安全可靠性而言,非常有必要对疲劳裂纹扩展过程进行监测,并对疲劳损伤程度进行评估.本文针对316LN不锈钢材料进行疲劳实验研究,利用直流电位法测量实验中的裂纹长度,得到了材料的疲劳裂纹扩展曲线.利用声发射技术对疲劳裂纹扩展过程进行监测,通过声发射多参数分析对疲劳损伤状态进行评价,同时建立了声发射参数与线弹性断裂力学参数之间的关系,并进行寿命预测.研究表明:声发射能够对316LN不锈钢的疲劳裂纹损伤进行有效评估,声发射累积参数如累积计数、累积能量和累积幅值曲线上的转折点标志着疲劳裂纹进入快速扩展阶段,这可以为工程人员提供失效预警;声发射波形和频谱分析表明,噪声信号的幅值较小且信号持续时间较长,信号包含的频率成分比较复杂,而裂纹扩展信号是突发型信号,衰减较快,信号频率主要集中在80~170 kHz范围内;声发射计数率、能量率和幅值率与应力强度因子幅度以及疲劳裂纹扩展速率之间呈线性关系,裂纹长度预测结果与实测值接近.本研究工作对于工程结构的疲劳失效预警和剩余寿命预测具有重要意义.      

不同岩石脆性破坏声发射时频特性及信号识别

针对不同岩石脆性破裂声发射信号的非稳定性等特点,提出了声发射参数、Welch 谱、EMD 和BP 神经网络相结合的声发射信号特征提取及识别方法.通过对3 类脆性岩石进行单轴压缩声发射试验,获取了岩石破裂全过程的力学、声发射参数及波形;对各类岩石的声发射信号的时频特征进行了对比分析;综合声发射参数、峰值频率及EMD 能量熵等特征向量,运用BP 神经网络对岩石声发射及干扰源信号进行模式识别.结果表明,不同岩石在单轴加载下声发射参数随应力或时间的演化特征存在异同;EMD 与Welch 谱可很好体现出不同岩石声发射信号频谱与能量分布的特征差异;不同岩石声发射多种特征的神经网络具有良好的识别效果.      

基于改进迁移学习算法的岩体质量评价模型

岩体质量分级是进行工程设计和施工的基础。通过搜集不同地区55组实测样本和17组插值样本建立案例库,考虑岩体的复杂不确定性和异地岩体的差异性,在案例库基础上提出了一种改进两阶段回归迁移学习（Two-stage TrAdaBoost.R2）—孤立森林（Isolated Forest）多因素岩体质量等级预测模型。将广州抽水蓄能电站第1期地下工程的12个样本用于模型测试,结果表明：（1）迁移学习可以通过权重调整选出与目标区域岩体相似的样本,解决了传统机器学习方法中同区域训练样本数量不足的问题。（2）孤立森林算法与迁移学习相结合可以排除异常数据的影响,增加模型的稳定性。（3）利用训练好的模型对12个测试样本进行多次判定,结果与实际情况基本相符,验证了模型的有效性。     

基于GSO-GPR算法的岩层移动角预测模型及其应用

为快速准确获取金属矿地下开采岩层移动角,提出基于群搜索优化（GSO）算法的改进高斯过程回归（GPR）理论。以矿体上下盘围岩性质、上下盘围岩稳固程度、地下水情况、矿体走向长度、矿体倾角、开采厚度及深度9个影响因素作为判别指标,结合35组实测数据建立金属矿充填开采岩层移动角学习预测模型。将该模型应用于三山岛金矿岩层移动角预测,利用UDEC数值模拟结果进行对比验证,同时分析三山岛金矿海下开采对上盘竖井的影响。研究结果表明：（1）GSO-GPR预测模型对地下开采岩层移动角的预测效果良好,预测精度在5%以内;（2）三山岛金矿上、下盘岩层移动角分别为72°和68°;（3）当前矿山开采未对竖井造成影响,但随着开采深入至-658 m水平,竖井将进入塌陷范围。     

WNN模型在预测声发射信号方面的应用

小波神经网络具有预测精度高、结构简单以及收敛快等众多优点,因此,试图将这一优势模型用于声发射的预测方面,进而为矿业领域完善一种新的预测方法,并根据实验室岩石加载实验过程中采集的大量声发射数据,建立了一种与之相适应的预测模型。首先,针对实验室实验过程中监测得到的声发射数据建立了小波神经网络模型（WNN模型）,然后对声发射监测得到的声发射事件率进行网络自主学习,得到预测结果,最后与实际值相比并计算其误差。结果表明：WNN模型预测精度较高,与实际监测得到的结果基本吻合,证明WNN可以用于声发射信号方面的预测。     

基于声发射信号的铝合金材料损伤表征识别

随着高速铁路的不断提速,高铁轻量化设计中广泛采用高强铝合金材料,但高速列车齿轮箱体服役安全评价亟待完善.本文针对高速列车齿轮箱体使用的铝合金材料服役特性,搭建了声发射检测拉伸试验系统,运用BP神经网络算法对声发射信号进行训练与识别,实现对箱体材料拉伸损伤表征识别与材料服役状态的安全预警.本研究为材料损伤状态的无损实时识别提供了一种识别与预警方法.      

基于声发射的倾斜软硬互层岩石破坏特性研究

为研究深部矿井中常见的软硬互层岩石的破坏特性,结合声发射技术对红砂岩和混凝土组合的软硬互层岩石试样进行了单轴压缩试验。对单轴压缩试验现象和数据进行分析,对试样的破坏模式进行了分类,给出了软硬互层岩石峰值抗压强度随软层倾角变化的N型曲线。对声发射数据进行分析,结果表明：（1）软层倾角大小对软硬互层岩石的稳定性有显著影响;（2）软硬互层岩石软层倾角增大时,更容易诱导裂纹密集生成从而导致失稳破坏;（3）软硬互层岩石发生失稳扩展的频次随着倾角的增加呈现先增加后减少再增加的规律;（4）随着倾角的增大,剪切裂纹占比呈现先增加后降低再增加的规律。     

电感耦合等离子体原子发射光谱法测定工业氢氧化铍中杂质元素

应用电感耦合等离子体原子发射光谱(ICP-AES)法对工业氢氧化铍中的杂质元素Fe2O3、Al2O3、MgO、CaO进行同时测定.通过对电感耦合等离子体原子发射光谱仪分析参数的优化,以及对影响分析结果准确度的因素进行校正,方法的准确度得到提高.应用本方法测定工业氢氧化铍中的杂质元素Fe2O3、Al2O3、MgO、CaO...     

采场顶板稳定性位移与声发射组合识别研究

地下工程顶板变形破坏是一个复杂的非线性过程,单一监测结果难以对其稳定性状态准确判别.基于数理统计的方法推导了顶板变形过程中位移监测样本的标准差,根据结果分别表征了无变形、稳定变形和加速变形3个顶板变形阶段.结合当前岩体破坏声发射特征参数分析试验结果,对顶板岩体变形过程的位移与声发射监测结果进行组合分析,提出了顶板稳定性识别的4种模式.结合某矿工程实例,对回采过程顶板破坏进行了准确预测.研究结果为地下工程顶板稳定性监测结果分析提供了数据处理新方法,加强了顶板稳定性识别的准确性.