煤与瓦斯突出预警技术研究现状及发展趋势

从煤与瓦斯突出灾害预警理论、预警信息采集途径、预警指标与模型、预警软件系统4个方面对煤与瓦斯突出预警技术的研究成果进行了综合梳理和详细分析,指出了现有煤与瓦斯突出预警技术存在的问题:部分预警信息获取的时效性和可靠性有待进一步提高,预警模型未实现信息有效深度挖掘等;提出了煤与瓦斯突出预警技术的发展趋势:高自动化水平、高精度的突出预警信息监测采集技术及装备研发,基于大数据的突出预警指标与模型研究,基于云技术的突出预警软件系统开发。     

基于瓦斯浓度变化的煤与瓦斯突出预警技术

为实现掘进工作面煤与瓦斯突出的实时、准确和超前预测,提出了一种基于瓦斯浓度变化的煤与瓦斯突出预警方法,通过掘进工作面煤体瓦斯压力反演技术,确定了煤与瓦斯突出临界条件,构建了煤与瓦斯突出预警模型,在此基础上研制了基于瓦斯浓度变化的非接触式煤与瓦斯突出预警系统。应用结果表明,该系统能够实时监测掘进工作面瓦斯浓度变化和风量信息,并提前一个工作班次对煤与瓦斯突出区域进行非接触实时灾害预警。     

煤与瓦斯突出综合预警系统应用

针对常规的煤与瓦斯突出预测技术采用单一预测指标不能综合考虑突出危险影响因素的问题,设计了煤与瓦斯突出综合预警系统,给出了系统的结构及其功能,并以龙山煤矿为例介绍了系统的应用流程。实际应用结果表明,该系统能有效探测危险区域,实现了煤与瓦斯突出预警。     

煤与瓦斯突出报警方法

分析得出近10年煤矿重特大瓦斯事故起数和死亡人数分别占煤矿重特大事故起数和死亡人数的62.3%和66.5%。提出了用于煤与瓦斯突出报警的甲烷、风速、风向等传感器布置方法。提出了基于煤矿安全监控系统的煤与瓦斯突出报警方法,即监测和分析甲烷浓度、风向、风速、传感器故障等,在出现以下情况时发出声光报警信号,切断煤矿井下全部非本质安全电气设备电源,撤出煤矿井下作业人员:甲烷浓度迅速增高或超过报警浓度,且风速不低于正常值;甲烷浓度迅速增高或超过报警浓度,进风巷风流逆转;进风巷甲烷浓度迅速增高或超过报警浓度等。     

某矿区瓦斯防治及预防煤与瓦斯突出技术分析

本文在分析某矿区地质赋存条件的基础上，总结其在瓦斯防治及预防煤与瓦斯突出技术取得的一些成果，以期为瓦斯治理提供一定的参考。     

基于KPCA-SVM的煤与瓦斯突出预测方法

提出了一种基于KPCA-SVM的煤与瓦斯突出预测方法。该方法首先通过KPCA方法对影响煤与瓦斯突出的相关指标进行特征提取,然后利用SVM方法对煤与瓦斯突出进行分类预测。实例结果表明,该方法对煤与瓦斯突出预测的准确率明显高于直接运用SVM方法的煤与瓦斯突出预测准确率,且运算速度快,识别能力强,同时根据该方法建立的煤与瓦斯突出分类预测模型具有较好的稳定性和有效性。     

基于矿压监测动态特征的瓦斯突出预警系统设计

根据采煤工作面突出灾害发生规律与动态安全信息采集技术,设计了采煤工作面基于矿压监测动态特征的瓦斯突出预警系统。该系统能够自动获取海量矿压监测实时数据,实现了采煤工作面煤与瓦斯突出危险性的智能分析与实时预警,同时还具备日常矿压数据资料高效管理功能。系统在现场试验中取得了较好的应用效果。     

改进BP神经网络的煤与瓦斯突出预测

研究煤与瓦斯突出预测问题,煤与瓦斯突出是一种非常复杂的地质灾害,受到瓦斯、地应力、煤物理力学性质等多种因素影响,存在复杂的非线性系统问题,引起预测准确性差。传统BP神经网络存在收敛速度慢、易陷入局极小等缺陷。为了有效提高煤与瓦斯突出的预测精度,提出一种改进BP神经网络的煤与瓦斯突出预测算法。首先采用附加动量调整网络的权值,加快网络收敛速度,然后自适应调整网络学习速度,减少迭代次数,最后对煤矿的煤与瓦斯突出进行仿真,相对于传统BP神经网络,不仅有效地减少了迭代次数,加快了学习速度,而且提高了预测精度,为煤矿灾害的准确预测提供了依据。     

煤与瓦斯突出远程智能监测预警系统研究

针对目前煤与瓦斯突出预警在自动化程度、准确性等方面的需求,开发了煤与瓦斯突出远程智能监测预警系统,介绍了系统构成及信号监测、干扰识别、信号传输、预警准则等关键技术。该系统以声发射、电磁辐射和瓦斯浓度为预警指标,可实现对突出演化过程声-电-瓦斯信号的远程监测和综合预警,并能够根据机电设备开停信息自动识别与滤除干扰信号,提高了煤与瓦斯突出预警的准确性。应用结果表明,该系统具有较高的预警准确性,可提前8~24h捕捉到煤与瓦斯突出危险信息。     

基于异构数据集成的煤与瓦斯突出监控预警系统

针对煤与瓦斯突出监控预警系统研发中面临的异构数据集成难题,分析了煤与瓦斯突出监控预警数据的异构特征及典型异构数据集成技术,设计了基于异构数据集成的煤与瓦斯突出监控预警系统。该系统采用Web服务数据集成模式和面向服务构架,通过WCF设计开发数据集成Web服务,实现了煤与瓦斯突出监控预警信息的可靠采集和深度集成。现场试验表明,该系统实现了各类预警信息的自动上传,与原有煤与瓦斯突出综合预警系统相比,数据采集和上传的效率、可靠性、准确率均大幅提高。     

基于突变级数法的煤与瓦斯突出危险性预测

针对煤与瓦斯突出发生的内在机理非常复杂、难以建立合适的多因素非线性预测模型的问题,提出了基于突变级数法的煤与瓦斯突出危险性预测方法。该方法选用典型突出矿井的煤与瓦斯突出实例作为学习样本,确定了不同冲击危险等级的突变级数,并应用于其他待判样本的预测。实际应用结果表明,该方法能较准确地反映煤与瓦斯突出的危险程度,预测精度较高。     

煤与瓦斯突出信号挖掘方法研究

针对传统关联聚类算法因难以捕捉异常信号非线性随机变化而造成采煤作业中特征信号检测不准确的问题,提出一种基于特征关联挖掘算法的煤与瓦斯突出信号挖掘方法。该方法利用小波变换提取煤矿井下作业区状态信号特征,为煤与瓦斯突出信号挖掘提供依据;计算煤矿井下作业区状态信号特征之间的关联度,实现煤与瓦斯突出特征信号挖掘。实验结果表明,该方法可提高煤与瓦斯突出信号挖掘的准确性。     

煤与瓦斯突出预测研究

煤与瓦斯突出预测是一项复杂有难度的技术,受到很多因素的影响.首先,以矿井历年来典型突出的突变强度作为灰关联分析的参考数列,其它的突出预测指标为比较数列,通过灰关联分析来确定煤与瓦斯突出的主控因素.然后,利用神经网络对煤与瓦斯突出作了预测.结果表明,该方法是可行的且比模糊聚类方法更具可靠性.     

煤矿冲击地压和煤与瓦斯突出感知报警方法研究

提出了基于温度的冲击地压和煤与瓦斯突出感知报警方法:使用红外热像仪等监测物体温度,使用甲烷传感器监测环境甲烷浓度;当物体温度高于煤矿井下环境温度和已暴露煤岩温度,并且高于环境温度和已暴露煤岩温度的物体数量较多、体积和面积较大,则判定发生冲击地压、煤与瓦斯突出、矿井火灾或瓦斯和煤尘爆炸事故;进一步判别高温物体温度,若大于设定阈值,则判定发生矿井火灾或瓦斯和煤尘爆炸事故,反之,则判定发生冲击地压或煤与瓦斯突出事故;进一步分析甲烷浓度变化,若甲烷浓度迅速升高,则判定发生煤与瓦斯突出事故,反之,则判定发生冲击地压事故。提出了基于速度的冲击地压和煤与瓦斯突出感知报警方法:使用激光雷达、毫米波雷达、超声波雷达、双目视觉摄像机等监测物体移动速度,使用甲烷传感器监测环境甲烷浓度;当物体移动速度不小于设定阈值时,则判定发生冲击地压、煤与瓦斯突出或瓦斯和煤尘爆炸事故;进一步判别速度异常物体的数量、体积和面积,若速度异常物体的数量较少、体积和面积较小,则判定发生瓦斯和煤尘爆炸事故,若速度异常物体的数量较多、体积和面积较大,则判定发生冲击地压或煤与瓦斯突出事故;进一步分析甲烷浓度变化,若甲烷浓度迅速升高,则判定发生煤与瓦斯突出事故,反之,则判定发生冲击地压事故。提出了多信息融合的冲击地压和煤与瓦斯突出感知报警及灾源判定方法:监测并融合温度、速度、加速度、掩埋深度、声音、气压、风速、风向、粉尘、甲烷浓度、设备状态、微震、地音、应力、红外辐射、电磁辐射、图像等多种信息,感知冲击地压和煤与瓦斯突出;通过不同位置参数变化的幅度、先后时序关系及传感器损坏情况,判定灾源。     

煤与瓦斯突出的粗神经网络预测模型研究

将粗集方法作为BP神经网络的前端处理器,通过对煤与瓦斯系统属性特征的提取和影响因素的约简,较好解决了预测输入特征的“维数灾”问题,构建了粗集与神经网络相结合的煤与瓦斯突出预测模型。仿真实验表明,验证了该方法的有效性,模型学习速度更快、精确度更高,对提高瓦斯突出预测时效性有重大意义。