不同放煤方式对煤矿开采效果的影响

针对不同放煤方式的开采效果,依据工作面的工况,基于PFC建立仿真分析模型,模拟了单轮顺序、单轮间隔及双轮顺序3种放煤方式。通过对放煤过程及放煤结果的统计分析,结果表明,采用双轮顺序放煤得到的开采效果最佳,此时放煤得到的顶煤采出率最高,含矸率最低。     

综放工作面智能放煤工艺研究及应用

传统的放顶煤控制主要依靠人工放煤控制,采用单轮顺序放煤。配有电液控制系统的工作面主要采用程序控制与人工补放结合的双轮顺序放煤方式,如果放煤控制实施不充分,会大幅降低煤炭采出率,如果放煤过程中掺有大量矸石,会降低煤炭的开采质量。针对上述问题,研究了综放工作面智能放煤工艺。分析了综放工作面自动化放煤工艺流程,指出要实现智能放煤工艺,需要在自动化放煤工艺的基础上,对综放工作面采煤机、液压支架、刮板输送机等设备进行智能升级,即在综放支架上安装音视频监视系统,监测是否有大块煤堵住放煤口、影响顶煤放出等异常情况;在后部刮板输送机安装电动机电流监测系统,实现放落煤流的自动控制,同时具备人工干预功能,即补放和停放功能;在带式输送机机尾处安装灰分检测系统对灰分是否增多进行在线分析;在综放支架上安装基于振动传感器的煤矸识别装置,根据振动传感器数据分辨矸石下落量,辨识是否有严重混矸情况。结合智能放煤工艺流程,为王家岭煤矿12309综放工作面定制了智能放煤方案:基于自动化顺序放煤与间隔放煤工艺、振动信号的煤矸识别控制和人工放落煤流控制技术实现该工作面智能化放煤,实际应用结果验证了智能放煤工艺的有效性。     

综采工作面放顶煤自动控制系统

针对现有放顶煤工作面采用人工操作方式放煤存在随机性强、放煤效率低等问题,设计了综采工作面放顶煤自动控制系统。该系统采用煤矸识别传感器采集、分析、处理煤块和矸石撞击支架尾梁产生的振动信号,以判断煤块和矸石的下落状态,并将处理结果通过ZigBee无线收发装置发送给支架控制器,支架控制器依据检测结果自动控制放煤支架动作,从而实现放煤过程的自动控制。     

路天煤矿1604综放工作面顶煤冒放性评价

放顶煤开采是利用采动支承压力的作用使煤体自然压裂破碎和跨落并从支架放煤口放出,因此,顶煤冒放性的好坏就成为该采煤法的关键所在。文章根据路天煤矿的煤层赋存条件,运用模糊数学分类方法,采用Matlab编程计算,并结合煤层强度、赋存深度、节理裂隙发育程度、夹矸厚度、煤层厚度和直接顶的充满系数6个因素,对该煤矿1604综放工作面顶煤冒放性进行了分析评价。评价结果表明,1604综放工作面顶煤冒放性好,对路天煤矿的生产实践具有一定的指导意义。     

自动化放煤控制系统研究

针对综采放顶煤工作面后端的综放工作面采用人工放煤控制方式,与综采放顶煤工作面前端的综采工作面自动化水平差距较大的问题,研究了一种自动化放煤控制系统。根据放顶煤液压支架上安装的倾角传感器和前后部刮板输送机千斤顶中的行程传感器,控制液压支架放煤机构位姿,实现放煤量精准控制;通过在液压支架尾梁上安装云台摄像仪和红外发射器,对放煤全过程进行实时视频监视,实现后部刮板输送机运煤量和直线度的检测与控制;利用图像灰度识别技术进行煤矸识别,检测采出顶煤的含矸率。该系统提高了放煤效率和质量,为实现综采放顶煤工作面无人化提供了思路。     

综采放顶煤工作面自动放煤控制系统研究

针对综采放顶煤工作面人工放煤方式生产效率低的问题,研究了一种自动放煤控制系统。在液压支架上安装声波传感器、振动传感器和灰分传感器,通过人工示范操作和机器学习记忆传感器信号,确定放煤过程结束时传感器信号特征波形,比对采集的振动感知信号、声音感知信号与特征信号的相似度;通过灰分传感器有效辨识采出顶煤的含矸率;根据相似度和含矸率作出预警或直接控制。该系统实现了以传感器感知控制为主、时间控制为保护值、地面调度室远程干预控制为辅的自动化放煤控制,提高了综采放顶煤工作面的自动化水平和生产效率。     

综放工作面煤矸自动识别系统设计及应用

提出了一种基于振动信号的综放工作面煤矸自动识别系统,介绍了系统结构及工作原理,重点阐述了煤矸识别设备的软、硬件设计方案及煤矸识别算法。该系统由煤矸识别设备依据煤与矸石跌落到液压支架上时的振动信号不同来辨识煤矸,液压支架电液控制器根据辨识结果控制液压支架动作。该系统在某煤矿进行了煤矸的可辨识性和自动放煤过程的可控性测试,并已应用于部分煤矿,效果较好。     

自动化记忆放煤控制研究

针对综采放顶煤工作面人工放煤控制方式存在放煤效率低、质量差等问题,参考采煤机记忆割煤控制思想,提出了自动化记忆放煤控制方法。自动化记忆放煤控制通过示范学习获取记忆放煤控制数据,由液压支架电液控制系统根据记忆放煤控制数据控制液压支架放煤机构位姿,通过调整放煤口开度实现放煤量控制;同时通过液压支架放煤机构位姿与放煤量关系模型计算复核放煤量,进而修正记忆放煤控制数据,防止出现后部刮板输送机过载等情况。该方法适用于煤层较稳定、煤层厚度变化不大的放顶煤工作面。     

煤矸振动信号小波奇异性-Fisher判别规则研究

针对综采放顶煤开采过程中的放煤阶段,煤和矸石下落撞击刮板运输机产生的振动信号差异,采用小波变换研究振动信号的奇异性特征.根据信号奇异性特征,提出Fisher判别规则,用于识别放煤过程中煤或是矸石下落.将算法移植于硬件设备中,实验结果表明,该算法识别率高,抗干扰能力强,能够实时判断出下落物是煤还是矸石,可以实现动态的煤矸...     

基于随机森林的综放工作面煤矸图像识别

针对目前综放工作面煤矸图像识别方法存在的参数调节难度高、预测准确率低、易过拟合等问题,提出了一种基于随机森林(RF)算法的综放工作面煤矸图像识别方法。以担水沟煤矿6203综放工作面为工程背景,采集放煤口的煤矸图像并对其进行裁剪、灰度转化、对比度增强、图像滤波预处理;采用灰度-梯度共生矩阵提取出15个煤矸图像纹理特征;采用RF算法对15个煤矸纹理特征的重要性进行排序,并选取前5个实现降维处理,分析降维前后RF算法对煤矸图像的识别效果。结果表明,在决策树个数为150、采用log2^M+1方法计算每次分裂时的特征数情况下,降维后RF模型的煤矸分类准确率为97%,比降维前提高4%,煤矸分类查准率为0.98,查全率为0.96,且袋外错误经50次迭代达到9%,泛化能力更强。