煤矿工程继续教育 矿压监测与围岩控制技术 第一讲 矿山压力形成.pptVIP

任务2 矿山压力及其显现规律 4）基本顶初次来压矿压显现特征 1、来压前，顶板压力无明显增大； 2、煤壁内部支承压力增高，煤壁片帮严重； 3、顶板有板炮声响； 4、顶板下沉速度急剧增加，由1mm/h 到 5~20mm/h； 5、支柱载荷急剧增加； 6、顶板出现拉绺现象（直接顶沿煤壁切断）。 初次来压后基本顶处于稳定期，采煤工作面压力显现减缓。随采煤工作面继续推进，基本顶可呈悬臂状态，面积逐渐增大，当悬臂的基本顶在自重和上覆岩层重力作用下达到极限跨距时，再次发生断裂垮落。由于基本顶这种断裂垮落是随采煤工作面推进重复出现，对采煤工作面造成明显的压力影响。称采煤工作面周期来压。 两次来压的间隔时间称来压周期，两次来压期间采煤工作面的推进距离称采煤工作面周期来压步距。 在同一工作面周期来压步距一般为初次来压步距的（1/2~1/4）。 任务2 矿山压力及其显现规律 4.上覆岩层周期性运动——基本顶周期来压 任务2 矿山压力及其显现规律 基本顶周期来压 根据采煤工作面后方（即采空区）上覆岩层顶板移动特征不同分为三带：冒落带、裂隙带、弯曲下沉带。 5.采场上覆岩层移动规律 冒落带：主要是直接顶部分岩层垮落形成，岩石呈破碎状，堆积杂乱无章，碎胀系数大，高度一般是煤层开采高度的3~5倍。 裂隙带：是基本顶下部岩层断裂垮落形成，排列整齐，碎胀系数小，高度可达开采高度8~10倍以上。 弯曲下沉带：是基本顶上部岩层，其位移量比较小，可保持岩层自身的完整性并承载上覆岩层重力作用。 任务2 矿山压力及其显现规律 大数据指容量浩大、结构复杂、已不能被传统数据处理方法充分处理的数据集合。大数据分析不采用抽样，通过对所追踪事件的全息分析以自动呈现事物之间的联系。 煤矿开采过程产生的数据量巨大，并且随着煤矿开采过程持续不断累积;数据类型和格式复杂，无法通过一般分析方法进行充分利用，因此具备大数据属性。 矿山数据主要包括区域性地层资料(三维地质信息)、地质力学数据、开拓开采布局与接替信息、开采过程中采用信息技术手段所采集和表达的各类动态和静态信息、相关采矿历史记录与案例等，其数据类型主要包括结构化数据、半结构化数据和非结构化数据。 煤矿采场智能岩层控制 如何有效地感知与汇集矿山数据是实现采场智能岩层控制的关键。 地质勘探、矿井设计与建设等数据多为静态数据，随工程进行可被有效记录;但目前这些数据未被有效地融合和利用，造成矿山信息孤岛与数据资源的极大浪费。矿山静态数据实际已分布存储于矿山计算机中，有哪些信誉好的足球投注网站、挖掘、汇集此类数据是进一步利用、真正意义上避免矿山信息孤岛的前提。目前已有的处理技术包括大规模并行处理技术、深度数据挖掘、网络爬虫、分布式文件系统、云计算、可扩展存储系统等 矿井生产监测期间产生的数据多为动态数据，需要依靠直接记录与多传感方式获得。多传感技术是矿山动态数据采集的重要发展方向，为实现透明开采、矿山全息传感提供了可能。 矿山全息传感包括地质体应力与位移传感，岩层运动的电磁与机械振动信号传感，智能装备群电液信号、位态、动作传感，水、火、瓦斯、风流、温度、粉尘等环境数据传感，生产监测音频传感等。 液压支架作为采场岩层控制最重要的支护体，其姿态、阻力、压力分布、位置、操作动作数据是分析岩层状况和生产状态的重要数据来源。 煤矿采场智能岩层控制 2 、动态分析与状态判别 动态分析与状态判别主要包含 3 个方面:① 生产状态动态判别;② 岩层状态动态预测;③ 智能装备群运行状态实时分析。主要技术手段有大数据分析、云计算、动态数值模拟以及人工智能。 对于具体的岩层控制问题，首先要实时更新历史动态数据库，并确定当前监测数据集(即将被实时分析的数据)。其次，根据背景数据与历史动态数据，随开采进程对人工智能模型、计算机数值模型或数据分析方法进行实时学习、训练、更新。然后采用新的模型对当前监测数据进行分析，给出分析对象的当前状态，并将判别结果呈递至决策系统。其中，人工智能模型实时学习训练是动态分析的核心，本质上是一个动态自学习的过程。监督学习和无监督学习方式都可以实现此动态自学习过程，并无优劣之分。 由于监测数据量浩大，为提高学习与分析速度，实践中往往还需要通过一定的数据采样算法实现快速降维。以数据呈递关系为标记，将动态分析、状态 判别的结果与后期的决策控制命令、控制效果组建为打包数据条目，扩充矿山数据库，为后续改善人工智能模型提供学习样本。 煤矿采场智能岩层控制 3 、实时决策控制与反馈 面对矿压因素庞杂、装备可控制动作众多且需要整体协调控制等问题，实时决策依然需要通过人工智能算法以及人机交互的方式解决，实时控制需通过智能决策单元、人机交互单元与自动控制单元