急倾斜特厚煤层巷道支护与人工神经网络预测研究.pdf

论文题目急倾斜特厚煤层巷道支护与人工神经网络预测研究 专 业采矿工程 硕 士 生赵小召 签名 指导教师范公勤 签名 摘 要 对于急倾斜特厚煤层巷道，对其进行安全合理的支护是实现安全高效开采的技术基 础。要得到合理的支护参数，确定合理可靠的支护方式，应该对巷道及煤层进行松动圈 监测、钻孔窥视仪监测以及矿压和巷道变形监测。通过对监测数据的分析，得到松动圈 范围、巷道壁裂隙发育情况和破碎程度以及巷道围岩矿压和变形规律，从而为巷道支护 提供有效可靠的数据参数，为巷道支护设计提供合理依据。人工神经网络是研究影响条 件复杂的非线性的巷道变形的有效方法,对煤矿安全生产具有重要意义。 本文以神华新疆 煤业公司乌鲁木齐矿区碱沟煤矿为背景，对巷道支护和巷道矿压和变形理论进行了研 究，选取碱沟煤矿有代表性的巷道和煤层进行了松动圈监测和钻孔窥视监测，得到了巷 道的松动圈范围和裂隙发育情况，对支护方式进行了评价并提出了改进意见，也为支护 设计提供了重要的参数依据。 同时， 本文对 518B6 巷道设计了矿压观测方案并进行观测， 在对观测数据处理与分析的基础上，综合各种因素对回采巷道变形的影响，总结了该矿 急倾斜特厚煤层回采巷道变形的基本规律， 根据这一变形规律对现行的巷道支护形式进 行了分析与评价。BP 神经网络是研究复杂的非线性的巷道变形的有效方法，本文还研 究了 BP 神经网络的算法及其改进算法，针对碱沟煤矿 518B6 巷道的实际情况，建立了 合适的 BP 神经网络模型，利用观测到的巷道变形数据对网络模型进行训练，并用训练 好的网络对 518B6 巷道进行了变形预测，预测结果比较准确，从而为研究其它类似巷道 的变形提供了新的有效方法。碱沟煤矿煤层赋存情况、巷道布置方式与开采方式与乌鲁 木齐矿区其它煤矿类似，对于研究其它位于乌鲁木齐矿区且条件类似的巷道，本文的研 究成果也具有借鉴意义。 关 键 词急倾斜特厚煤层，巷道，松动圈，裂隙，BP 神经网络 研究类型应用研究 Subject Research on the Support of the Entry in Steep-thick Coal Seam and Forecast Using Artificial Neural Network Specialty Mining Engineering Name Zhao Xiaozhao （（Signature）） InstructorFan Gongqin （（Signature）） ABSTRACT To support the entry in steep-thick coal seam safely is the technical basis of safely and effectively mining. We must monitor and test the relaxation zone, fracture and the deation of the surrounding rock using the instruments. By the analysis for monitoring and observation data, we can get the relaxation zone, fracture and the law of the deation, then these data can be used for the support and they can be used as important and reasonable basis. Artificial Neural Network is a efficient for the research on the complex and not linear deation of the entry and safely mining production. This paper base on the Jian Gou coal company of the ShenHua Energy Co.,Ltd in Xinjiang and use relaxation zone testing instrument and sight testing instrument to get the relaxation zone, fracture area for some typical entry or coal seam, then analyze and uate the current supply and offer the improve . And this paper design the observation scheme for 518B6 entry and observe it, and considering multiple factors to get the deation law of the entry. Then analyze the supporting using the law. BP Neural Network is a efficient for the research on the complex and not linear deation of the entry, this paper research the BP Neural Network, and base on the Actual situation of the 518B6 entry. Design the appropriate model, then train the model using the deation data, and forecast the future deation of the entry. By the verification, forecast data is correct very much. So the BP Neural Network is a new for the research on deation of other similar entry. As JianGou coal company is similar with other coal company in Urumqi, the research result is very useful for them. Key wordssteep-thick coal seam, entry, relaxation zone, fracture, BP Neural Network Thesis Application study 目 录 目 录 1 绪论........................................................................................................................................1 1.1 研究背景..........................................................................................................................1 1.2 研究意义..........................................................................................................................2 1.3 国内外研究现状..............................................................................................................3 1.3.1 乌鲁木齐矿区急倾斜特厚煤层巷道支护技术发展现状.......................................3 1.3.2 人工神经网络在采矿和岩石力学中的研究现状...................................................4 1.4 研究目标、路线及内容..................................................................................................7 2 矿区概况及综合地质特征....................................................................................................9 2.1 矿区地理位置..................................................................................................................9 2.2 地形地势..........................................................................................................................9 2.3 矿井地质条件..................................................................................................................9 2.3.1 井田地层构造...........................................................................................................9 2.3.2 煤层构造.................................................................................................................10 2.3.3 地质构造.................................................................................................................13 3 支护理论及巷道矿压和变形理论研究..............................................................................14 3.1 松动圈理论与松动圈支护设计方法............................................................................14 3.2 “监测-反馈-诊断-对策”支护设计方法....................................................................15 3.3 巷道矿压显现特征........................................................................................................15 3.4 巷道围岩变形特征........................................................................................................17 3.5 影响巷道围岩变形量的因素........................................................................................18 3.6 本章小结........................................................................................................................18 4 巷道松动圈监测与分析......................................................................................................20 4.1 松动圈测试仪简介........................................................................................................20 4.2 松动圈监测方案............................................................................................................21 4.3 理论计算松动圈范围参考 VP......................................................................................22 4.4 松动圈监测结果............................................................................................................23 4.5 松动圈监测结果分析....................................................................................................35 4.6 本章小结........................................................................................................................37 5 巷道钻孔窥视仪监测与分析..............................................................................................38 5.1 钻孔窥视仪简介............................................................................................................38 5.2 钻孔窥视仪监测方案....................................................................................................39 I 目 录 II 5.3 钻孔窥视仪监测结果....................................................................................................39 5.4 钻孔窥视仪监测结果分析............................................................................................51 5.5 本章小结........................................................................................................................51 6 巷道变形及矿压观测与分析..............................................................................................53 6.1 矿压观测方案................................................................................................................53 6.2 矿压观测数据................................................................................................................54 6.3 矿压观测数据分析........................................................................................................61 6.4 巷道支护分析................................................................................................................62 6.5 本章小结........................................................................................................................63 7 人工神经网络预测巷道变形..............................................................................................64 7.1 人工神经网络基础理论................................................................................................64 7.2 BP 算法基本原理...........................................................................................................66 7.3 BP 算法的改进...............................................................................................................69 7.3.1 附加动量法..............................................................................................................69 7.3.2 自适应学习速率......................................................................................................70 7.3.3 动量-自适应学习速率调整算法.............................................................................70 7.3.4 L-M 算法.................................................................................................................70 7.4 BP 神经网络预测模型建立及MATLAB实现................................................................70 7.4.1 BP 神经网络结构设计............................................................................................70 7.4.2 BP 神经网络建立及训练........................................................................................71 7.4.3 BP 网络模型检验....................................................................................................71 7.4.4 巷道变形量的 BP 神经网络预测..........................................................................72 7.5 本章小结 ........................................................................................................................72 8 结论......................................................................................................................................73 致 谢........................................................................................................................................74 参考文献..................................................................................................................................75 附 录........................................................................................................................................78 1 绪论 1 绪论 1.1 研究背景 在中国目前的能源消耗比例结构中，煤炭所占比例超过 75，将它比喻为工业的粮 食一点也不为过。为了国际民生，必须更快更好地发展煤炭工业。煤炭不仅是我国的基 本燃料，而且是重要的工业原料，从煤中可以提取几百多种产品，这些产品都是社会主 义经济建设和人民生活所必须的。因此，为使我国实现工业、农业、国防和科学技术的 现代化，必须加速煤炭工业现代化的步伐 [1]。 在煤矿生产矿井中，煤层巷道数量占巷道总进尺的 70-80。煤层巷道和岩层巷道 它们具有显著的不同，比如，在一般情况下，人们只能服从于目前的实际状况而无法随 意选择巷道所在的位置地点；巷道周围的岩石具有较低的强度；不规则四边形、拱形、 矩形和梯形是巷道的一般的断面形式；巷道的服务时间较短，一般情况下服务年限不超 过 3 年时间；相邻的回采工作面对于巷道通常会有采动影响，伴随着比较剧烈的矿压显 现。因此，广大的煤炭行业的生产技术人员和研究人员必须探索和研究新的、正确的、 符合工程实际的针对煤层巷道的围岩锚固理论， 选择安全、 高效、 可靠的锚杆支护方法， 确定经济上合理、 实践上高效的锚杆支护参数， 用高效的符合实际的施工工艺指导生产， 这些重要理论和技术课题的研究必须花费很大的人力、财力和精力并被长期开展 [2]。对 于煤层巷道的锚杆支护，可以采用单体锚杆、锚杆加 W 形钢带、锚杆加钢筋粱、锚杆加 锚网或者锚杆加钢带加钢筋量加锚网为支护的主要方式。 由于煤层巷道一般都具有松软 的围岩，因此当其受到采动影响时，非常剧烈和明显的围岩变形将会出现在松软的巷道 围岩上。因此，当我们对煤层巷道进行锚杆支护时，为了控制和降低围岩的变形，要求 锚杆必须具有很高的支护强度。同时，由于围岩变形非常剧烈，会导致喷浆喷层被破坏 而失去锚固效力，因此坚决不允许用喷浆来固定和封闭松软围岩。另外，锚杆支护设计 必须要求支护成本比较低，这是煤层巷道锚杆支护设计面临的主要难题。这是因为随着 回采工作面的不断推进，主要服务于回采工作面回采工作的煤层巷道也随之不断报废， 它的有效的服务寿命非常短，较高的支护成本显然经济成本太高 [3]。 对于急倾斜特厚煤层巷道，对其进行安全合理的支护是实现安全高效开采的技术基 础。要得到合理的支护参数，确定合理可靠的支护方式，应该对巷道及煤层进行松动圈 监测、钻孔窥视仪监测以及矿压和巷道变形监测。通过对监测数据的分析，得到松动圈 范围、巷道壁裂隙发育情况和破碎程度以及巷道围岩矿压和变形规律，从而为巷道支护 提供有效可靠的数据参数，为巷道支护设计提供合理依据。 1 西安科大学硕士学位论文 要预测和控制巷道围岩的力学行为，必须求助于当代的非线性科学，因为巷道周围 的岩体是一个高度的、非线性的并且非常复杂的大系统，而且它总是动态的、变化的， 而且这些都是不可逆转的 [4]。近些年来，出现了大量的新的思维方式，这些思维方式与 传统的研究岩石力学的思维方式不同，传统的思维方式是确定性思维，是正向的思维方 式。岩石力学问题具有大量的非确定性因素，它非常复杂且具有不确定性，采用传统的 正向思维很难解决。 而采用不同于传统的正向思维的思维科学和脑科学来研究岩石力学 问题，是一个新的而且非常有效的方法和方向。近年来发展很快的人工神经网络是研究 岩石力学问题的有效方法之一，它以模仿大脑的结构和功能为基础，它能学习不精确、 不完全并带有强噪声的数据且具有非常强的容错能力， 人工神经网络可以从系统中有限 且有缺陷的信息中得到近似的最优解 [5]。由于巷道围岩变形的影响因素很多且复杂，并 且存在许多不可预知的因素，确定性的思维定量分析研究困难比较大。因此，研究人员 必须对传统的思维方式进行改变， 利用包括人工神经网络在内的前沿成果和前沿科学对 复杂的非线性的巷道围岩进行研究。 1.2 研究意义 乌鲁木齐矿区是我国最大的集中开采急斜煤层的矿区，矿区的急倾斜煤层超过 30 层，它们的间距和厚度各不相同，在我国已经探明的急倾斜煤层储量中，乌鲁木齐矿区 急倾斜煤层所占比例超过 1/4。在煤炭形成后期，强烈的构造运动造成了急倾斜煤层的 赋存状态，和其它类别的煤层相比，急倾斜煤层的赋存条件和开采条件更加复杂，通常 情况下，生产能力比较小。乌鲁木齐矿区的巷道支护设计目前多采用传统锚杆支护理论 计算设计方法，所采用的仍是经典的三大理论悬吊理论，组合理论，成拱理论（或称 组合拱理论、挤压理论） ，理论计算设计方法一般只是提出了初始的设计，还需要在实 践中通过检验而修正。松动圈理论是中国矿业大学董方庭教授提出的，在煤矿现场得到 了广泛认同。对于急倾斜特厚煤层巷道，对其进行安全合理的支护是实现安全高效开采 的技术基础。要得到合理的支护参数，确定合理可靠的支护方式，应该对巷道及煤层进 行松动圈监测、钻孔窥视仪监测以及矿压和巷道变形监测。通过对监测数据的分析，得 到松动圈范围、巷道壁裂隙发育情况和破碎程度以及巷道围岩矿压和变形规律，从而为 巷道支护提供有效可靠的数据参数，为巷道支护设计提供合理依据。巷道围岩矿压及变 形是研究煤巷围岩变形规律的重要依据，也是反映巷巷围岩稳定性的客观标准,是煤巷 布置方式、支护形式选择和参数设计的主要依据。对巷道设计合理的矿压观测方案，进 行矿压观测并对矿压观测结果进行分析， 研究围岩变形规律对支护进行分析评价对保障 安全高效生产具有非常重要的意义。 人工神经网络是基于人脑神经元模型而建立的非线 性动力学系统，与解析法、数值分析法、回归分析法、概率分析法、模糊分析法等传统 的预测巷道围岩变形量的方法相比，它具有模仿人脑神经系统的信息存储、检索及处理 2 1 绪论 功能,如大规模并行处理、分布式存储、学习能力和自适应性等，对于研究复杂非线性 大系统的煤巷围岩具有独特优势。近几年来,人工神经网络在采矿工程、岩土工程中得 到了不少应用并取得一定成功,用神经网络来预测煤巷围岩变形量是一种新的尝试。 本文以神华新疆煤业集团公司乌鲁木齐矿区碱沟煤矿为例， 对巷道支护和巷道矿压 和变形理论进行了研究，对急倾斜特厚煤层巷道进行了松动圈监测分析、钻孔窥视仪监 测分析以及矿压观测和围岩变形规律分析研究，并且利用 BP 神经网络巷道变形进行了 预测，对巷道的支护进行了评价并提出了改进意见，从而为采取合理的支护形式、保障 安全正常生产奠定了基础。 1.3 国内外研究现状 1.3.1 乌鲁木齐矿区急倾斜特厚煤层巷道支护技术发展现状 神华新疆煤业公司乌鲁木齐矿区支护发展现状 [6]如下 1乌鲁木齐矿区急倾斜煤层巷道目前主要采用锚杆、锚网、锚索和钢带的联合支 护技术，且取得了比较好的效果。 虽然锚杆支护技术在我国煤矿已经大量采用， 但是对于急倾斜特厚煤层巷道的锚杆 支护，能够应用成功的可供借鉴的经验非常少。在当前，我国主要是在缓倾斜煤层进行 大量的支护试验和支护研究。乌鲁木齐矿区的急倾斜煤层探明储量非常大，矿区全部开 采急倾斜煤层并且生产能力非常大， 因此非常有必要对乌鲁木齐矿区急倾斜煤层开采和 支护进行深入研究，在乌鲁木齐矿区巷道锚杆支护能够成功应用且取得良好效果，具有 创新性且意义重大。在乌鲁木齐矿区，从巷道锚杆支护的实验性应用到现在的全面推广 应用，支护效果在各个矿井普遍比较好，现在锚杆支护技术及时已经成为乌鲁木齐矿区 实现安全高效开采的关键关键技术之一。为了保证支护效果，矿区目前普遍采用锚杆、 锚网、锚索和钢带的联合支护技术。各个矿的巷道掘进作业规程，普遍规定锚杆、锚网、 锚索和钢带的联合支护技术作为主要支护技术。这种支护技术的特点是支护结构复杂、 支护强度大且支护成本比较高，通常情况下，其只被采用在复杂的地质和开采条件下。 矿区煤层赋存条件差、节理裂隙发育，煤层整体稳定性差、围岩分类主要为Ⅲ、Ⅳ类且 开采技术复杂，因此主要采用锚杆、锚网、锚索和钢带的主要支护方式。在这种联合支 护的方式中，对于锚网带形成的“支架-围岩”共同承载结构，锚索的主要作用是补强。 矿区的巷道普遍节理裂隙较发育，稳定性差，大多属于软岩巷道，对于软岩巷道，目前 采用联合支护技术，保证了矿井的安全高效生产。大量实践证明，目前采用的锚杆、锚 网、锚索和钢带的联合支护技术在乌鲁木齐矿区的急倾斜煤层开采条件下是稳妥、可行 并且十分可靠的。 2虽然乌鲁木齐矿区已经进行了大量的巷道锚杆支护技术研究，但是基础数据还 3 西安科大学硕士学位论文 是比较缺乏，更为全面系统的研究还是不够。 虽然矿区与西安科技大学等高校和科研院所合作， 已经进行了大量的巷道锚杆支护 的科学研究，保证了目前矿区联合支护的应用和良好效果。但是，由于矿区煤层赋存的 特殊、开采条件的特殊、地质条件的特殊，仅仅只对个别巷道和工作面进行研究是远远 不够的。矿区的个别矿盲目照搬其它矿的支护成功经验，并没有真正反映自身的特点， 有可能造成安全隐患。为了更好的为巷道支护提供科学、合理有效的依据，真正反映各 个矿、各个巷道、各个煤层的真实情况，应当更为广泛和全面细致地进行基础数据采集 和监测，包括松动圈监测、钻孔窥视监测以及巷道矿压和变形的监测，并科学分析监测 结果，找出内在规律，为巷道的支护设计和工程应用提供帮助。由于巷道应力、地质条 件、所处环境的发杂性，还应探索一些新的科学研究方法，比如人工神经网络等，将其 运用于预测巷道变形方面的研究，以更好地服务于巷道支护研究。 1.3.2 人工神经网络在采矿和岩石力学中的研究现状 近些年来，在采矿和岩石力学中，人工神经网络的应用和研究发展很快。主要表现 在人工神经网络在岩石的非线性系统识别、时序预测和反分析中的应用。 1人工神经网络应用于岩石的非线性系统识别。 岩石具有各种性质参数，它们的关系非常复杂，其完整的参数集通常难以得到，这 是目前存在的广泛问题。 而能够从有限的数据集中得到系统的近似关系是人工神经网络 的优点，所以这个问题可以利用人工神经网络的这一特性来解决。按照系统参数性质的 不同可以分成参数均为确定性数值和参数中有不确定性数值两方面。 对于各参数均为确定性数值的研究， 各参数均为确定性数值的研究在分析岩石力学 问题时， 只是简单地利用人工神经网络的非线性系统识别能力， 是比较简单的研究形式。 在国内， 北方交通大学的张清等首先使用这种方法对砂岩试件实验室试验资料的分析整 理工作利用人工神经网络进行了研究 [7]，由于试件的弹性压缩系数的影响因素有 11 个， 分别为空隙分布、密度、岩石矿物含量、平均空隙比、平均结晶颗、平均空隙比等，因 此用这 11 个影响因素和施加的压力作为神经网络的输入参数，输出参数分别位于三个 正交方向的压缩系数。先根据实验得到一组由输入和输出组成的神经网络训练样本集， 然后用这些训练样本集来训练神经网络。训练完成后，就确定了试件的弹性压缩系数和 影响弹性压缩系数的因素之间的关系， 从而确定可以广泛应用和推广于实际的用于预测 的神经网络模型，预测结果也比较好。张清等同时还利用神经网络研究了矿山压力研究 领域中老顶的厚度、煤层的厚度、工作面的长度、支撑条件和岩石的类型等五个因素对 老顶的初次来压步距的影响 [7]。针对岩石试件的点载荷变化，杨英杰等也采用了这种方 法分析研究了其变化规律 [8]中国科学院武汉岩土所的周保生等基于这种方法研究了巷 道的顶板强度和巷道的底板强度同巷道的两帮移近率、 顶底板移近率等七个影响因素的 4 1 绪论 关系，建立了人工神经网络模型。并用此模型在巷道当其移近率等七个影响因素已知的 时候，对巷道的顶底板的强度进行了预测 [9]。荷兰的 F1Meulenkamp 等学者利用人工神 经网络分析研究了岩样无侧限抗压强度UCS 与影响其的密度、 UCS 同试样刚度和岩石 类型等五个因素的关系并建立了人工神经网络模型来预测 UCS [10]。河海大学的樊琨在分 析研究气温、 水头和大坝的运营时间等十个影响大坝位移的因素基础上利用人工神经网 络成功预测研究了大坝的位移