作业面回撤通道综合支护分析

以作业面回撤通道综合支护为对象开展探究,结合具体工程实际,从顶板支护和煤壁支护两方面着手,对回撤通道的综合支护开展分析探究,希望能够为其他矿井相似工程的开展提供借鉴和参考.     

某矿5~#煤层软岩巷道锚杆锚索联合支护方案

某矿5#煤层围岩层岩性较软,可塑性较强,遇水有膨胀现象,该煤层已掘进的巷道均见有底鼓现象,极易造成巷道变形。结合该矿巷道变形破坏的实际情况以及巷道矿压监测数据,分析了巷道变形破坏特征,认为棚式金属支架支护作为一种被动支护形式,难以发挥围岩的支撑作用,且支护成本较大,软岩巷道的支护原则应为避开回采工作造成的应力集中带或构造应力集中带,充分利用围岩的自稳性,提高巷道帮部的支护强度。在此基础上,结合FLAC数值模拟分析方法,设计了以锚网索支护为核心的支护方案,巷道优先采用全长锚固锚杆,支护范围宜相应增大,选取长度大的锚杆、锚索对巷道围岩进行联合支护。研究表明:该煤层软岩巷道锚杆、锚索联合支护的最优参数为巷道顶板采用高强度小孔径全锚索支护形式,锚索直径为17.8 mm,锚索预紧力不宜小于135 k N;巷道帮部采用自旋式全长锚固支护形式,以改善锚杆的整体受力状况,锚杆长度应相应增加,锚杆直径为22 mm,长度为3 500 mm,锚杆(索)间排距为800 mm;巷道顶帮均采用高强钢带或槽钢和金属网护表,确保巷道浅层围岩稳定。     

基于神经网络的一类大系统动态递阶优化方法

提出了一种用于求解离散时间大系统动态递阶优化问题的神经网络模型 (LHONN),该网络以全集成化为特征:1)各子系统的动态方程嵌入相应的局部优化网络中, 使得网络结构具有较低的维数,易于硬件实现;2)其上级协调网络和局部优化网络的求解过 程同时进行,优化求解速度高,适宜于实时系统优化.     

Q学习算法中网格离散化方法的收敛性分析

Ｑ学习算法是Ｗａｔｋｉｎｓ提出的求解信息不完全马尔可夫决策问题的一种强化学习方法,要用Ｑ学习算法来求解有连续状态和决策空间的随机最优控制问题,则需要先离散化问题的状态和决策空间,在本文中,我们证明了在满足一定的Ｌｉｐｓｃｈｉｔｚ连续性和有关集合为紧集的条件下,随着网格密度的增加,空间离散化后Ｑ学习算法求得的最优解依概率１收敛于原连续问题的最优解。     

耕作土槽土壤整理的初步探索

农机具的田间试验,试验人员往往无法控制土壤的特性。农机具工作部件的土槽试验作为田间试验的补充,可以减少自然条件的影响、缩短研究周期、加快研究