煤矿巷道围岩松动圈智能预测研究.pdf

第3 4 卷第2 期 中国矿业大学学报 V 0 1 ．3 4N o 2 2 0 0 5 年3 月J o u r n a lo fC h i n aU n i v e r s i t yo fM i n i n g T e c h n o l o g y M a r 2 0 0 5 一 文章编号1 0 0 0 1 9 6 4 2 0 0 5 0 2 0 1 5 2 0 4 煤矿巷道围岩松动圈智能预测研究 许国安，靖洪文 中国矿业大学建筑工程学院，江苏徐州 2 2 1 0 0 8 摘要针对煤矿巷道围岩松动圈厚度值获取难的问题，采用新兴的智能预测方法 自适应神经模 糊推理 ，在M A T L A B 6 ．5 平台上开发了集松动圈预测系统创建和应用于一体的智能预测软件． 利用该软件对平煤集团十二矿巷道围岩松动圈厚度进行预测，然后与实测值对比，结果显示预测 结果与实测值吻合较好，从而验证了本文创建的智能预测系统的有效性，它为松动圈值的获取提 供了一条新途径． 关键词围岩松动圈；智能预测；自适应神经模糊推理系统 中图分类号T D3 2 2文献标识码A S t u d yo nI n t e l l i g e n tP r e d i c t i o no f B r o k e nR o c kZ o n eT h i c k n e s so fC o a lM i n eR o a d w a y s X UG u o a n ，J I N GH o n g w e n S c h o o lo fA r c h i t e c t u r ea n dC i v i lE n g i n e e r i n g ，C h i n aU n i v e r s i t yo fM i n i n g ＆T e c h n o l o g y ， X u z h o u ，J i a n g s u2 2 1 0 0 8 。C h i n a A b s t r a c t C o n s i d e r i n gt h ep r o b l e mo fo b t a i n i n gt h et h i c k n e s so fb r o k e nr o c kz o n e ，ab o o m i n g i n t e l l i g e n tp r e d i c t i o nm e t h o dw i t hA N F I S a d a p t i v en e u r o f u z z yi n f e r e n c es y s t e m w a si n t r o d u c e d i n t ot h et h i c k n e s sp r e d i c t i o n ．As t a n d a l o n ep r o g r a mw i t hf u n c t i o n so f c r e a t i n ga n da p p l y i n g p r e d i c t i o ns y s t e m sw a sd e s i g n e do nt h ep l a t f o r mo fM A T L A B 6 ．5 ．T h e nt h ep r o g r a mw a su s e dt o p r e d i c tt h eb r o k e nr o c kz o n et h i c k n e s so fd i p si n12 t hc o a lm i n e ，P i n g d i n g s h a nG r o u pC o m p a n yo f C o a lI n d u s t r y ．T h er e s u l t ss h o wt h a tt h ep r e d i c t e dv a l u e sa c c o r dw e l lw i t ht h ei n s i t um e a s u r e d o n e s ．T h e r e b yt h ev a l i d i t yo ft h ep r o g r a mi s v a l i d a t e da n di tc a np r o v i d ean e wa p p r o a c ht o o b t a i n i n gt h eb r o k e nz o n et h i c k n e s s ． K e yw o r d s b r o k e nr o c kz o n ea r o u n dr o a d w a y ；i n t e l l i g e n tp r e d i c t i o n ；a d a p t i v en e u r o f u z z y i n f e r e n c es y s t e m 由于煤矿巷道埋深大，围岩强度低，开挖后巷 道的支护抗力与地应力相比太小，且支护总是具有 滞后性和不密贴性，所以巷道开挖后其围岩普遍遭 到破坏，不可避免出现围岩破坏区，称之为围岩松 动圈[ 1 ‘4 ] ．它有一个从产生、发展到稳定的过程，稳 定后的松动圈厚度是围岩应力、围岩强度、断面跨 度、形状等因素共同综合作用的结果．松动圈越大， 支护越难，因此可根据该厚度值的大小进行巷道支 护设计．大量工程实践证明，根据松动圈厚度值进 行支护设计与工程类比法设计相比具有显著的技 术经济与社会效益．然而，目前松动圈厚度几乎全 部靠现场实测，不仅无法预知未开挖巷道的松动圈 值，而且实测法费用昂贵． 通过对已往研究成果的深入分析，本文首先得 出了影响松动圈的4 个主要因素，然后引入新兴的 智能预测方法 自适应神经模糊推理 进行松动圈 收稿日期2 0 0 4 0 8 1 7 基金项目国家自然科学基金项目 5 0 4 7 4 0 6 3 ；国家自然科学基金重大项目 5 0 4 9 0 2 7 3 作者简介许国安 1 9 7 8 一 ，男，四川省蒲江县人，助教，工学硕士，博士研究生，从事岩土工程方面的研究 万方数据 第2 期 许国安等煤矿巷道围岩松动圈智能预测研究 预测研究，开发了集松动圈预测系统创建和应用于 一体的智能预测软件，最后经过工程实测验证，取 得了令人满意的结果，从而为获取松动圈厚度值提 供了一种新方法． 究中不计人影响因素． 综上所述，最后得到围岩松动圈的四个主要影 响因素为围岩岩块强度、围岩节理系数、巷道埋深 和巷道跨度． 1 围岩松动圈的主要影响因素 2 基于A N F I S 的松动圈智能预测系统研究 松动圈是塑性区的一部分，弹塑性理论分析表 明，塑性区半径心是原岩应力P 。，岩体强度R 。，巷 道跨度D 和支护阻力P ，的相互作用结果．松动圈 厚度L ，理论上与这4 个因素有关，即有函数式L 。 一， 卸，足，D ，A ．除此之外，支护、巷道形状等因 素也可能影响松动圈厚度值．下面分别对它们进行 讨论． 1 原岩应力和岩体强度．已有的研究成果[ 1 - 3 ] 认为围岩岩体强度和巷道埋深 原岩应力 对松动 圈影响最大．其中，围岩岩体强度是指包含结构体 和结构面在内的岩体的整体抗压强度[ 5 ] ．岩块强度 比岩体强度往往大很多倍，在工程实际中一般很难 取得岩体的强度而只能以岩块的强度来代替，这必 然会给问题的解带来很大的误差以至造成工程失 败．鉴于此，有必要引入“围岩节理系数”，与岩块强 度共同描述岩体强度，从而消除上述误差．需要说 明的是，这里所说的节理系数是描述节理、裂隙、层 理等不连续结构面发育程度的综合指标．对应于 “岩体结构分类”[ 6 3 将其分为5 个级别，取值从1 到 5 分别对应于整体结构、块状结构、层状结构、碎裂 结构和散体结构，具体取值时可以以0 ．5 区分级 别． 2 巷道跨度．除了围岩强度和巷道埋深外，数 值模拟[ 7 3 结果表明巷道跨度对松动圈的影响也比 较显著． 3 支护阻力．支护阻力对巷道围岩稳定起关 键作用，理论上讲与原岩应力相等的支护阻力完全 可避免松动圈的产生，但实际上现有的支护手段根 本不能达到这一点．因为目前的支护阻力 一般为 0 ．1 “ - - 0 ．2 5M P a 远小于巷道的围岩应力 一般达 数十兆帕 ，而且任何支护方式都有架设的滞后性， 且与围岩间存在一定的“自然间隙”，所以现有支护 方式无法阻止松动圈的产生、发展，对松动圈值的 影响较小，可以忽略．但这决不是说支护没有作用， 支护的作用就是确保巷道周边已破坏岩石呆在原 位，正是有效的支护对松动圈的最终稳定起了关键 作用． 4 巷道形状．巷道形状的影响，从工程实际应 用的角度可以简化为同类形状的断面应用，在本研 2 ．1A N F I S 基本原理[ 8 ] 自适应神经模糊推理系统 a d a p t i v en e u r o f u z z yi n f e r e n c es y s t e m 是将模糊逻辑和神经网络 有机融合的产物．它同时具有模糊逻辑易于表达人 类知识和神经网络的分布式信息存储以及学习能 力的优点．图1 为典型的A N F ．I S 模型结构，其同一 层的每个节点具有相似的功能 这里用o Ⅲ表示第 歹层的第i 个节点的输出 ． X lX ， IX 2 ￡l L 2 L 3 L 4 L 5 图1 典型A N F I S 系统结构 F i g ．1T y p i c a ls t r u c t u r eo fA N F I S 第一层 L 。 该层为输入层，该层节点将输入 变量直接传递给第二层进行模糊化处理． 第二层 L 。 该层每个节点i 是以节点函数表 示的方形节点 该层参数是可变的 f ∥m i X 1 i 1 ，2 ， n 一， U 2 。一I 脚．。 z 2 待3 ，4 ， 式中A i 或B H 是语言变量值 模糊集 ，如“深”、 “浅”等；0 2 ，，是模糊集A A A 。，A ，B 。，B 的隶属 度函数． 第三层 L 。 该层的节点在图中用Ⅱ表示，将 输入信号相乘并输出为 0 3 ，i 一叫，一∥ ． z 1 户B ， z 2 i 一1 ，2 ． 第四层 L 。 该层为自适应层，对于一阶系统 厂为线性函数 各节点输出为 0 4 ，，一叫。 一叫f A z l 缈z 2 r i i 一1 ，2 ． 第五层 L 。 该层为输出层，计算总输出为 Y 0 5 ，i 一芝W i 工 i 1 ，2 ． ■ 2 ．2 松动圈智能预测系统设计 预测系统的设计过程如图2 所示．模型的输 入、输出层分别代表松动圈的影响因素和待预测的 松动圈厚度．输入层节点数为4 ，分别代表巷道埋 深、巷道跨度、围岩强度和围岩节理系数．于是，得 万方数据 中国矿业大学学报第3 4 卷 到一个4 输入、单输出的松动圈预测模型结构，如 图3 所示．它有3 个隐含层，分别是模糊化层 对 应图1 中的L 层 ，其作用是计算输入语言变量的 隶属度值；规则层 对应图1 中的L 。层 ，其中的每 个节点将其输入信号相乘并输出；输出隶属度层 对应图1 中的厶层 ，该层节点将各条规则的输 出与输出隶属度函数 线性或常值函数 相乘． 『模型的结构设计 』J L 模型的算法设计 『置瞎；未是。口l 一训练数据] 【系统训斧学习吲核对数据{ L 上 1 惯刖飘媚J 系统测试 k - q 测试数据． 』上 最终的预测系统 图2A N F I S 系统设计过程 F i g ．2D e s i g np r o c e d u r eo fA N F I S 圈厚度 图3A N F I S 结构示意图 F i g ．3R e p r e s e n t a t i o no faA N F I Ss t r u c t u r e 本文提供了改进型的B P 算法和混合算法，便 于用户选用．混合算法是指B P 算法与最小二乘算 法结合而成的“最小二乘的反向传播算法巩引．大的 学习步长可以加快收敛速度，然而在误差接近极小 点时，过大的学习步长将导致权重调整的幅度过分 剧烈而发生振荡；相反，小的学习步长又会延长系 统的学习时间．为解决这一问题，本文在训练过程 中采用了变步长的优化策略当误差连续四次减小 时，增大步长；当误差连续两次出现振荡，即一次增 加和一次减少交替发生时，则减小步长． 如图2 所示，在训练A N F I S 系统时，除了使用 训练数据外还引入了核对数据．如果使用的训练数 据带有大量噪声信号，训练的结果就不能正确反映 输入与输出变量之间的内在关系，从而大大影响预 测效果．对于这种情况，传统的做法是增加训练数 据数量．但是，随着训练数据的增加带入的噪声也 跟着增加，训练的结果反而变差，同时加大了运算 量．为此，这里引入了核对数据的思想，将样本数据 分为三组，第一组用于训练模型 训练数据 ，第二 组用以训练过程中辅助模型校验 核对数据 ，第三 组用于模型结果测试 测试数据 ．核对数据与训练 数据同时载人系统，当训练数据不足或带有较大噪 声时 系统可能会朝多个方向收敛 ，系统将根据使 核对数据的模型误差最小的原则来选择合适的结 果．需要说明的是，核对数据并不直接作为训练数 据参与系统参数的训练学习，只是用以辅助判断和 选择．当训练到某一步时，若训练数据的误差减小 而核对数据的误差增加，则说明模型过匹配了，此 时应当调整模型结构、增加训练数据或设定合适的 训练步数重新训练． 2 ．3 松动圈智能预测软件 本文选用M A T L A B 6 ．5 作为预测程序的开发 平台[ 1 引．通过编制．m 文件调用M A T L A B 的内部 函数，利用M A T L A BR u n t i m eS e r v e r 环境将所需 的．m 文件编译成．P 文件，最后打包生成独立于 M A T L A B 环境的松动圈预测软件．该软件包括3 大模块松动圈预测系统的创建模块、应用模块及 工程实例模块．其中松动圈预测系统的创建模块界 面如图4 所示[ 7 ] ． 图4 预测系统创建模块界面 F i g ．4 I n t e H a e ef o rc r e a t i n gp r e d i c t i o ns y s t e m s 3 工程验证 把收集到的大量平顶山矿区以往的松动圈实 测数据，整理成两个数据文件“平顶山训练．d a t ” 和“平顶山核对．d a t ”．将这两个数据文件载入本 文开发的智能预测软件，经过训练建立了平顶山 矿区围岩松动圈预测系统“平顶山矿区预测系 统．f i s ”． 在应用模块中调用该松动圈预测系统，分别对 平煤十二矿己七采区回风下山和轨道下山的松动 圈厚度进行预测．通过预测值与实测值相比较 见 表1 ，表明该预测系统是有效的和可靠的． 万方数据 第2 期 许国安等煤矿巷道围岩松动圈智能预测研究 1 5 5 表1平煤十二矿松动圈实测值与预测值的对比结果 T a b l e1C o n t r a s tb e t w e e np r e d i c t i o na n dm e a s u r e dv a l u e so fb r o k e nz o n et h i c k n e s so fs l a n tr o a d w a y si n ] 2 t hc o a lm i n e ，P i n g d i n g s h a nG r o u pC o m p a n yo fC o a lI n d u s t r y 3 ．3 8 7 1 ．8 9 7 1 ．3 l l 1 ．5 8 1 3 ．2 3 6 1 ．1 6 0 1 ．7 0 2 0 ．6 8 8 9 7 0 03 ．6 1 6 ．84 ．52 ．5 52 ．4 8 312 ．6 2 4 4 结语 本文在吸取相关研究成果的基础上，利用自适 应神经模糊推理系统 A N F I s 智能预测方法，对松 动圈厚度的预测问题进行了有益的探索与研究．在 M A T L A B 6 ．5 开发平台上编制了集松动圈预测系 统创建和应用等功能于一体的应用软件．然后利用 该软件创建了平顶山矿区的松动圈预测系统并通 过平煤十二矿的巷道工程实例对其进行测试，结果 表明所建立的系统是可靠和实用的．本文研究成果 在较大程度上解决了松动圈厚度的获取问题，达到 了研究的预期目标． 参考文献 [ 1 ] 董方庭，宋宏伟，郭志宏，等．巷道围岩松动圈支护理 论[ J - 1 ．煤炭学报，1 9 9 4 ，1 9 1 2 1 3 1 ． D o n gFT ，S o n gHW ，G u oZH ，e ta 1 ．T h e s u p p o r t i n gt h e o r y o fb r o k e nr o c k z o n ea r o u n d r o a d w a y s [ J ] ．J o u r n a lo fC h i n aC o a lS o c i e t y ，1 9 9 4 ，1 9 1 2 l 一2 3 ． [ 2 3 靖洪文，付国彬，郭志宏．深井巷道围岩松动圈影响因 素实测分析及控制技术研究[ J 1 ．岩石力学与工程学 报，1 9 9 9 ，1 8 1 7 0 7 4 ． J i n gH W 。F uGB G u oZH ．T h ea n a l y s i so ff a c t o r s a f f e c t i n gb r o k e nr o c kz o n eo fd e e pr o a d w a y sb yi n s i t u m e a s u r e m e n ta n dt h es t u d yo nr o c kc o n t r o lt e c h n i q u e s [ J ] ．C h i n e s eJ o u r n a l o fR o c kM e c h a n i c sa n d E n g i n e e r i n g ，1 9 9 9 ，1 8 1 7 0 7 4 ． [ 3 3董方庭．巷道围岩松动圈支护理论及应用技术[ M ] ． 北京煤炭工业出版社，2 0 0 1 ． [ 4 3 董方庭．锚喷支护研究围岩松动圈和锚固体研 究[ J ] ．中国矿业学院学报，1 9 8 0 2 2 5 3 6 ． D o n gFT ．S t u d yo ns u p p o r tw i t hb o l t sa n ds h a t e r e t e - s t u d yo nt h eb r o k e nr o c kz o n ea n db o l t e dr o c k s [ J ] ． J o u r n a lo fC h i n aM i n i n gI n d u s t r y ，1 9 8 0 2 2 5 - 3 6 ． [ 5 ] B r a d yBHG ，B r o w nET ．R o c km e c h a n i c sf o r u n d e r g r o u n dm i n i n g [ M ] ．L o n d o n W i l l i a mC l o w e s L t d ．，1 9 8 5 ．8 6 1 3 4 ． [ 6 ] 郑永学．矿山岩体力学[ M ] ．北京冶金工业出版社， 1 9 9 5 ． [ 7 ] 许国安．煤矿巷道围岩松动圈智能预测研究与应用 [ D ] ．徐州中国矿业大学建筑工程学院，2 0 0 3 ． [ 8 3 吴晓莉，林哲辉．M A T L A B 辅助模糊系统设计[ M ] ． 西安西安电子科技大学出版社，2 0 0 2 ． [ 9 ] 祖家奎。戴冠中，张骏．基于聚类算法的神经模糊推 理系统结构和参数的优化口] ．系统仿真学报，2 0 0 2 ， 1 4 4 5 0 1 5 0 3 ． Z uJK ，D a iGZ ，Z h a n gJ ．S t r u c t u r ea n dp a r a m e t e r s o p t i m i z a t i o no fn e u r a l f u z z yi n f e r e n c es y s t e mv i a c l u s t e r i n ga l g o r i t h m [ J ] ． J o u r n a lo f S y s t e m S i m u l a t i o n ，2 0 0 2 ，1 4 4 5 0 1 5 0 3 ． [ 1 0 ] 何强，何英．M A T L A B 扩展编程[ M - 1 ．北京清 华大学出版社，2 0 0 2 ． 责任编辑陈其泰 8 8 8 7 2 6 O 3 3 6 7 8 1 2 O 8 7 1 4 4 7 8 9 8 l 7 l 9 2 4 3 6 2 1 2 1 2 1 2 l 5 5 2 8 O O 5 O 2 7 1 9 2 5 3 7色L 互L 互k L 5 5 5 O 5 O 5 O 4 3 4 4 4 3 4 3 6 4 6 4 4 8 4 9 6 9 6 8 6 6 2 1 5 1 5 6 5 1 2 2 2 2 2 1 Z 6 6 6 6 6 6 6 6 3 3 3 3 3 3 3 3 O O O O O 5 O 5 0 1 2 4 6 1 7 8 6 6 6 6 6 6 6 6 l 2 3 4 5 6 7 8 风山回下 万方数据