Study on the weakening of coal wall with section resistance adjustment of fully mechanized support in hard thick coal seam with large mining height
-
摘要: 不同回采阶段作用于煤壁−支架上的载荷变化较大，煤壁低效截割是支架阻力与回采阶段不匹配、矿山压力不能有效破煤的结果。支架分段调阻技术在满足不同回采阶段（周期来压前、正常回采、周期来压后）顶板安全控制的要求下，调整支架工作阻力改变煤壁上的载荷用于压裂破煤，能有效解决厚硬煤壁弱化的难题。以杨伙盘煤矿1102综采工作面为工程背景，研究了与回采阶段匹配的厚硬煤层支架分段调阻技术。模拟分析结果表明：① 在工作面正常回采阶段和来压阶段，煤壁测线上各点支承压力峰值、影响范围随液压支架初撑力增大而减小；相同支架初撑力作用下，来压阶段煤壁上支承压力峰值和影响范围均大于正常回采阶段。② 当液压支架初撑力由2 000 kN增至8 000 kN时，煤壁水平位移值在来压阶段减小了17 mm，在正常回采阶段减小了7.5 mm，说明降低支架初撑力有利于坚硬煤壁弱化。③ 不同回采阶段，围岩塑性区的破坏程度随液压支架初撑力的增加而降低，说明煤壁破坏程度减小。④ 正常回采阶段支架阻力为6 000~8 000 kN、周期来压后支架阻力为4 000~6 000 kN、周期来压前支架阻力大于8 000 kN，可以保证顶板安全和厚硬煤壁高效截割。现场应用表明：① 液压支架在115个工作循环中增阻状态占统计循环数的64.8%（1次增阻型占75.50%，2次增阻为20.16%，多次增阻为4.34%）；支架活柱伸缩量在0~3%的比率为90%，说明现场生产中液压支架运转和控顶能力良好。② 分段调整液压支架工作支护阻力后，在有效控顶前提下，采煤机平均割煤时间降低至1.8 h，降低了21.7%，有效实现煤壁弱化，提高了割煤效率。Abstract: The load acting on coal wall-support in different mining stages varies greatly. The low efficiency cutting of coal wall is the result of the mismatch between the support resistance and mining stage, and the incapability of the mine pressure to effectively break the coal. The support section resistance adjustment technology can meet the requirements of roof safety control in different mining stages (before periodic pressure, normal mining, after periodic pressure), adjust the support working resistance to change the load on the coal wall for fracturing and breaking coal, which can effectively solve the problem of thick and hard coal wall weakening. Based on the engineering background of 1102 fully mechanized working face in Yanghuopan Coal Mine, the technology of support section resistance adjustment in thick hard coal seam matching with mining stage is studied. The simulation results show the following points. ① The peak value and influence range of support pressure at each point of coal wall survey line decrease with the increase of initial support of hydraulic support in normal mining stage and pressure stage of working face. Under the same initial support, the peak value and the influence range of the support pressure on the coal wall in the pressure stage are larger than those in the normal mining stage. ② When the initial support of hydraulic support increases from 2000 kN to 8000 kN, the horizontal displacement of coal wall decreases by 17 mm in the pressure stage and 7.5 mm in the normal mining stage, indicating that reducing the initial support is conducive to weakening the hard coal wall. ③ In different mining stages, the damage degree of plastic zone of surrounding rock decreases with the increase of initial support of hydraulic support, indicating that the damage degree of coal wall decreases. ④ The support resistance is 6000-8000 kN in normal mining stage, 4000-6000 kN after periodic pressure, and more than 8 000 kN before periodic pressure, which can ensure the safety of roof and efficient cutting of thick and hard coal wall. The field application shows the following points. ① In 115 working cycles, the increased resistance state of the hydraulic support accounts for 64.8% of the statistical cycles (75.50% for the first resistance increasing type, 20.16% for the second resistance increasing type and 4.34% for the multiple resistance increasing type). The ratio of the expansion and contraction of the support movable column between 0-3% is 90%, indicating that the hydraulic support has a good capability to operate and control the roof in the field production. ② After adjusting the support resistance of the hydraulic support in sections, the average coal cutting time of the shearer is reduced to 1.8 h under the premise of effective roof control, which is reduced by 21.7% . The coal wall is weakened effectively, and the coal cutting efficiency is improved.
-
0. 引言
随着煤矿智能化的快速发展，电缆在煤矿供电中的应用越来越广泛。但由于煤矿环境恶劣，电缆在运行过程中极易受到热应力、机械应力、电压应力等各种因素的影响，使电缆绝缘、护套等发生损坏，产生局部过热和漏电现象，不但会影响煤矿的正常开采工作，严重时还会引发火灾等安全事故。据统计，电缆故障造成的煤矿事故占比超过50%[1]。因此，准确检测矿用电缆的运行状态并及时排查安全隐患成为煤矿领域亟待解决的问题[2-4]。
目前，矿用电缆状态监测和故障诊断方法主要包括低压脉冲法、局放法、低频电流叠加法、直流分量法和直流叠加法等[5-9]。这些方法虽然对特定故障具有良好的诊断效果，但无法全面评估电缆各个部位的劣化状态，更无法对电缆的劣化和故障趋势进行预测。此外，这些诊断方法需要电缆停止运行后才能进行检测，严重影响煤矿的正常生产。
20世纪20年代，有研究人员发现电气设备发生故障时会产生相应的谐波，催生了电气设备的谐波诊断技术[10-11]。近年来的研究发现电缆在受到热、电压、环境和机械应力时，会导致电缆介质磁束变化和介质振动，从而产生高次谐波，因此众多学者开始研究电缆的谐波诊断技术。文献[12]通过有限元法对电缆缺陷状态下电场和磁场的变化进行了仿真研究。文献[13]提出了一种基于损耗电流谐波的车载式电缆检测系统，该系统具有诊断速度快、准确性高的优点，但系统设备较为笨重，操作复杂，无法应用于狭窄的煤矿环境中。文献[14-16]提出了一种通过电流互感器采集谐波信号的诊断系统，通过Matlab编写的快速傅里叶变换（Fast Fourier Transform，FFT）程序对数据进行处理，得到谐波分量数据，该系统在测试中需要人工手动调节电桥平衡，工作效率低。文献[17]研制了一种测试装置并用于现场测试，该装置可通过连续检测形成电缆动态变化趋势，但检测精度有待进一步提高。
针对现有电缆诊断系统存在的装置笨重、检测精确低、难以在煤矿应用的问题，提出一种基于电流谐波特征的矿用电缆劣化监测与故障诊断方法。首先，在线采集运行中的电缆谐波数据并进行小波变换处理，得到电缆中高次谐波的含量；然后，利用电缆故障特征向量对极限梯度提升树（XGBoost）模型进行训练；最后，通过构建的XGBoost模型对电缆劣化度进行实时监测和故障诊断。
1. 电缆谐波诊断技术原理
电缆运行过程中发生劣化后，其介质内部的磁偶极子会相应地发生改变，使得磁矩取向在电缆线芯电流磁场作用下重新排列，这种重新排列会在电流的高次谐波成分中体现出来。电缆异常状态下，介质内部磁束变化引起的涡电流是导致电缆电流中产生奇次谐波的主要原因，而机械振动等引起的涡电流是导致电缆电流中产生偶次谐波的主要原因，涡电流导致电缆发生局部过热现象，从而使电缆不同部位出现老化现象。谐波诊断技术根据上述原理对电流中的高次谐波成分进行分析，从而实现电缆运行状态监测和故障诊断[18]。电力电缆中的磁场$\varPhi $与电流$I $如图1所示。
2. XGBoost模型构建
2.1 XGBoost原理
XGBoost是一种使用提升框架合并模型的集成学习技术[19]，其基础是梯度提升决策树（Gradient Boosting Decision Tree，GBDT）。与GBDT相比，XGBoost在目标函数上使用了2阶泰勒展开，可以保留更多的目标信息，提高了模型的准确性。对比其他回归预测模型，XGBoost模型在面对大量输入数据进行训练时，用时短，推理效率高，可以满足电缆故障实时诊断需求。
遵循集成方法，XGBoost利用加法模型和前向分布算法，构建了一个具有多个分类和回归树（Classification and Regression Tree，CART）的集成树模型。对决策树进行评估，并选择最佳的决策树来预测目标值[20]。
设XGBoost由K个基模型组成，则有
$$ {Y}_{i}=\sum _{k=1}^{K}{f}_{k}\left({d}_{i}\right) $$ (1) 式中：Yi为第i个样本的预测值；fk为第k个基模型；di为第i个样本的故障特征。
XGBoost的损失函数为
$$ L=\sum _{i=1}^{n}l({y}_{i},{Y}_{i}) $$ (2) 式中：n为样本总数；l为样本损失函数；yi为第 i个样本的真实值。
XGBoost的目标函数为
$$ O=L+\sum _{k=1}^{K}\varOmega \left({f}_{k}\right) $$ (3) 式中：Ω（fk）为正则项。
$$ \varOmega \left({f}_{k}\right)=\gamma Q+\frac{1}{2}\lambda \sum _{j=1}^{Q}{\omega }_{j}^{2} $$ (4) 式中：$\gamma $和λ为惩罚项；Q为决策树叶子的节点数目；ωj为节点j的权重。
2.2 XGBoost模型构建步骤
构建XGBoost模型[21]，并对其进行训练和参数优化，构建流程如图2所示。
1） 提取电缆中的高次谐波含量信息，即故障特征向量信息。
2） 对特征向量数据进行归一化处理。
$$ x\left( {a,b} \right) = {\boldsymbol{X}}\left( {a,b} \right)/{\left| {\boldsymbol{X}}\left( {a,b} \right) \right|_{\max }} $$ (5) 式中：$ x\left( {a,b} \right) $为归一化后的电缆高次谐波向量离散时间序列，$a$为谐波次数，$ b $为时间序列号；$ {\boldsymbol{X}}\left( {a,b} \right) $为电缆中的高次谐波向量；${\left| {\boldsymbol{X}}\left( {a,b} \right) \right|_{\max }} $为${\boldsymbol{X}}\left( {a,b} \right) $绝对值的最大值。
3） 将归一化数据和已知的电缆故障劣化度数据导入XGBoost模型，形成训练样本集，进行模型训练。
4） 根据模型评估函数优化XGBoost模型，得到最终的XGBoost模型[22]。
3. 基于电流谐波特征的矿用电缆劣化监测与故障诊断
谐波信号采集电路结构如图3所示。谐波采集传感器进行电缆信号采集，然后对信号进行滤波、运放、AD转换和FFT处理，得到电流信号中的高次谐波成分[23]。
高次谐波成分通过通信模块上传至故障诊断软件，对电缆的绝缘体、屏蔽层、保护层（简称主体部）和电缆接头（简称连接部）的劣化度进行计算，并与故障诊断专家数据库进行比较分析，最终获得电缆当前的运行状态。电缆故障诊断流程如图4所示。
对采集的信号进行分解，得到2—10次谐波含量I2—I10，计算总谐波失真率S，S主要反映波形的畸变特性。
$$ S = \frac{{\sqrt {I_2^2 + I_3^2 + \cdots + I_{10}^2} }}{{{I_1}}} \times 100{\text{%}} $$ (6) 式中I1为基波。
通过计算m次谐波含量Im与基波I1的比值，得到谐波含有率${H_m}$，再计算${H_m}$与$S$的比值，得到谐波指示值${Z_m}$。
$$ {H_m} = \frac{{{I_m}}}{{{I_1}}} \times 100{\text{%}} $$ (7) $$ {Z_m} = \frac{{{H_m}}}{{S}} $$ (8) 计算谐波指示值${Z_m}$与总谐波指示值Z0的比值，得到诊断计算值${C_m}$，将${C_m}$与m次谐波函数$ F({I_m}) $相乘，得到谐波判定值${P_m}$。
$$ {C_m} = \frac{{{Z_m}}}{{{Z_0}}} $$ (9) $$ {Z_0} = {\sum _{m=2}^{10}}{{Z_m}}$$ (10) $$ {P_m} = {C_m} F({I_m}) $$ (11) 当${P_m} \leqslant {Z_m}$时，说明m次谐波含量过大，对电缆正常运行产生了不利影响。计算m次谐波的故障贡献率：
$$ {N_m} = \frac{{{H_m}}}{{{H_2} + {H_3} + \cdots + {H_{10}}}} \times 100{\text{%}} $$ (12) 贡献率主要通过对前10次谐波进行主成分分析获得[24-26]，见表1。将总谐波失真率与各次谐波贡献率等数据上传至专家系统，即可分析出电缆的劣化程度及劣化部位。
表 1 矿用电缆劣化状态与高次谐波的关系Table 1. Relationship between mining power cable degradation state and higher harmonics电力电
缆部位劣化类型 第一主成分
谐波次数（贡献率）其他主成分
谐波次数（贡献率）累计故障
贡献率/%主体部 绝缘体劣化 初期劣化型 3（41%），5（41%） 4（6%），2（6%） 94 机械性损伤 2（55%） 4（16%），3（9%），5（6%） 86 电气性损伤 5（59%） 3（20%），4（8%），2（6%） 93 自然劣化型 5（52%） 3（28%），4（7%），2（6%） 93 屏蔽层劣化 3（25%） 5（24%），2（23%），4（18%） 90 保护层劣化 2（39%） 4（29%），3（10%），5（7%） 85 连接部 发热 7（53%） 10（15%），9（11%），8（7%），6（5%） 91 污损 8（35%） 7（29%），9（13%），10（11%），6（7%） 95 龟裂 9（33%） 8（25%），7（21%），10（8%），6（5%） 92 变形 10（30%） 7（23%），8（17%），9（15%），6（6%） 91 4. 仿真分析
选取30 000组相同功率电缆谐波诊断数据，将电缆主体部的2−5次谐波含量与其对应的贡献率相乘，得到4个谐波向量作为输入数据，通过XGBoost模型得出绝缘体、屏蔽层及保护层劣化度。将电缆连接部的7−10次谐波含量与其对应的贡献率相乘，得到4个谐波向量作为输入数据，通过XGBoost模型得出电缆接头劣化度。模型训练集部分主体部样本数据见表2，部分连接部样本数据见表3。
表 2 部分主体部样本数据Table 2. Part of the main body sample data序号 H2 H3 H4 H5 劣化度 绝缘体 屏蔽层 保护层 1 1.8 2.3 1.5 4.9 36.8 61.2 52.2 2 2.4 2.1 1.4 5.3 37.8 54.1 47.7 3 3.8 1.7 1.8 0.9 76.8 31.6 46.2 4 3.4 2.1 1.4 2.4 63.0 49.9 49.9 5 2.0 2.1 1.6 4.9 39.3 58.5 56.4 6 2.9 1.3 1.2 2.3 75.0 43.8 67.6 7 3.0 4.4 1.2 4.2 78.4 84.1 71.2 8 3.0 6.0 1.0 2.1 78.2 95.7 54.0 9 2.8 1.0 1.5 2.5 19.7 16.0 26.1 10 2.8 1.5 1.0 0.5 69.0 41.4 48.7 11 3.0 5.3 0.9 1.9 84.0 94.0 55.7 12 3.0 1.4 1.7 5.9 49.7 42.9 70.2 13 2.8 1.4 1.2 1.6 57.8 39.5 47.9 14 2.4 1.1 1.1 1.9 44.6 38.1 46.8 15 2.9 5.7 0.9 1.5 78.1 95.4 50.6 表 3 部分连接部样本数据Table 3. Part of the connection part sample data序号 H7 H8 H9 H10 电缆接头
劣化度1 1.2 0.4 0.4 0.4 82.6 2 1.5 0.6 0.5 0.5 81.3 3 1.2 0.4 0.5 0.7 78.8 4 0.6 0.5 0.4 0.3 47.7 5 0.7 0.5 0.4 0.4 46.2 6 0.5 0.4 0.3 0.2 49.9 7 0.7 0.4 0.3 0.2 56.4 8 0.5 0.5 0.5 0.5 67.6 9 0.8 0.4 0.4 0.4 71.2 10 0.6 0.5 0.4 0.4 54.0 11 0.5 0.4 0.4 0.2 46.1 12 0.6 0.4 0.4 0.2 46.7 13 0.6 0.4 0.4 0.3 55.7 14 0.8 0.6 0.5 0.3 70.2 15 0.7 0.4 0.4 0.3 47.9 用电缆各次谐波与其对应的贡献率相乘后，计算各谐波向量的相对能量，最后得到影响电缆不同部位运行状态的谐波向量能量谱，如图5所示，各次谐波相对能量总和为1。
由图5可看出，诊断电缆不同部位的运行状态时，谐波向量的相对能量明显不同：电缆绝缘体运行状态主要看2次谐波向量的变化；屏蔽层运行状态主要看2、3、5次谐波向量的变化；保护层运行状态主要看2、4次谐波向量的变化；电缆接头运行状态主要看7、8、9次谐波向量的变化。可以看出，得到的谐波向量完全表征了电缆不同部位的运行状态。
取数据库中29940组数据对XGBoost模型进行训练，剩余60组数据作为测试集，最终电缆主体部和连接部的劣化度预测结果如图6—图9所示。
选取决定系数R2为指标来反映模型的拟合优度，R2越接近1，表示其拟合的回归方程越优。选取均方误差（Mean-Square Error， MSE）、均方根误差（Root Mean Square Error，RMSE）、平均绝对百分比误差（Mean Absolute Percentage Error，MAPE）来评估模型预测精度，结果见表4。
表 4 电缆主体部和连接部预测精度评估参数Table 4. Prediction accuracy evaluation parameters for cable main body and connection parts电缆 R2 ${\rm{MSE}}$ ${\rm{MRSE}}$ ${\rm{MAPE}}$ 绝缘层 0.9354 0.001824 0.0422 0.0670 屏蔽层 0.9295 0.000798 0.0282 0.0468 保护层 0.9385 0.001736 0.0412 0.0607 电缆接头 0.9510 0.000959 0.0310 0.0286 由表4可知，模型的拟合优度参数R2非常接近1，MSE、RMSE、MAPE均非常小，说明XGBoost模型的故障诊断准确性很高，具有较好的劣化趋势判断能力。
5. 案例分析
为验证基于电流谐波特征的矿用电缆劣化监测与故障诊断方法的准确性及其在矿用电缆监测中的适用性，在淮南矿业集团潘东煤矿有限责任公司变电站内选取35根矿用电缆进行测试，电压等级为220 kV。部分高次谐波含有率见表5，电缆主体部运行状态实时数据、诊断报告、故障电缆如图10—图12所示。
表 5 部分高次谐波含有率Table 5. Part of the high-order harmonic content序号 H2 H3 H4 H5 H7 H8 H9 H10 时间 1 1.5 1.1 1.2 0.9 0.5 0.4 0.4 0.3 2021−05−18 2 1.4 1.3 1.4 1.1 0.5 0.4 0.3 0.4 2021−05−18 3 1.6 1.1 1.5 0.9 0.7 0.6 0.4 0.3 2021−05−18 4 1.5 1.2 1.4 1.3 0.6 0.3 0.3 0.2 2021−05−18 5 3.8 1.5 1.5 1.2 0.8 0.5 0.2 0.1 2021−05−19 6 2.4 1.4 1.4 1.3 0.6 0.5 0.4 0.3 2021−05−19 7 3.8 1.8 1.8 1.2 0.7 0.4 0.3 0.2 2021−05−19 8 3.4 2.1 1.4 1.0 0.9 0.5 0.5 0.3 2021−05−19 9 3.3 2.1 1.6 1.1 0.6 0.3 0.4 0.2 2021−05−19 在监测35根电缆运行状态时，发现其中1根电缆B相的高次谐波含量异常，2次谐波含量较高，电缆主体部运行状态实时数据中绝缘体、屏蔽层、保护层的劣化度明显升高，而2次谐波含量的变化是导致绝缘体机械性劣化的主要参数指标，说明该电缆的绝缘体处于故障状态。经现场外观排查后，发现电缆的外护套有裂痕，验证了所提方法的准确性和实用性。
6. 结语
在总结现有电缆谐波诊断技术不足的基础上，提出一种基于电流谐波特征的矿用电缆劣化监测与故障诊断方法。在线采集运行中的电缆谐波数据并进行小波变换处理，得到电缆中高次谐波的含量；利用电缆故障特征向量数据对XGBoost模型进行训练；通过构建的XGBoost模型对电缆劣化度进行实时监测和故障诊断。仿真结果表明：针对电缆不同部位提取的高次谐波向量的相对能量有明显不同，表明提取的高次谐波向量可表征电缆不同部位的运行状态；XGBoost模型的拟合优度参数R2高达 0.93，且误差较小。案例分析结果验证了基于电流谐波特征的矿用电缆劣化监测与故障诊断方法可对矿用电缆运行状态及劣化故障进行实时、准确的监测和诊断。
-
![]()
图 2 支架初撑力与超前支承压力峰值及影响范围关系
Figure 2. The relationship between the support initial support and the front abutment pressure and the influence range
![]()
图 3 液压支架初撑力与煤壁位移关系
Figure 3. The relationship between the support initial support and the coal wall displacement
![]()
图 4 正常回采阶段工作面围岩塑性区分布
Figure 4. Surrounding rock plastic zone distribution of working face during normal mining stage
![]()
图 5 来压阶段工作面围岩塑性区分布
Figure 5. Surrounding rock plastic zone distribution of working face during pressure stage
![]()
图 6 液压支架工作阻力与围岩塑性区分布关系
Figure 6. The relationship between the working resistance of hydrauhic support and surrounding rock plastic zone distribution
表 1 1102综采工作面采煤机开机率实测结果统计
Table 1 Statistics of the actual measurement results of the shearer operating rate in the 1102 fully mechanized working face
序号 割煤速度/
(m·min−1)开机率/% 影响因素 操作
人数1 1.5 30 采煤机故障 2 2 1.8 45 采煤机故障，端头进刀停机 2 3 1.1 24 刮板输送机的开停影响；刮板输
送机上大块煤太多，采煤机不能移动3 4 1.6 43 端头进刀工序复杂，早班采煤机
维修时间较长3 5 1.9 48 — 2 6 1.7 45 — 2 7 1.2 25 采煤机过载 2 
下载: 导出CSV
表 2 岩块力学参数
Table 2 Mechanical parameters of rock blocks
岩性 密度/
（kg·m−3）剪切模量/
MPa体积模量/
MPa黏聚力/
MPa内摩擦角/
(°)粉砂岩 2 475 2 300 5 800 1.60 35 泥岩 1 820 — 2 650 1.20 26 砂质泥岩 2 290 2 100 2 600 1.00 28 2号煤层 1 400 1 960 2 000 0.80 45 中砂岩 2 290 2 200 2 600 1.30 28
下载: 导出CSV
表 4 工作面液压支架支护强度与采煤机割煤时间
Table 4 Support strength of hydraulic support in working face and coal cutting time of shearer
序号 推进
距离/m支架平均
支护阻力/kN采煤机
割煤时间/h1 2.2 6 302.16 1.6 2 5.4 7 184.09 1.7 3 7.0 7 802.72 1.8 4 10.1 8 253.89 2.0 5 12.7 8 685.05 2.1 6 14.6 9 213.41 1.7
下载: 导出CSV
-
[1] 王金华. 特厚硬煤层综采技术应用现状及发展趋势[J]. 煤炭科学技术,2014,42(1):1-4. WANG Jinhua. Present status and development tendency of fully-mechanized coal mining technology in ultra thick hard seam[J]. Coal Science and Technology,2014,42(1):1-4.
[2] 宋高峰,王振伟,钟晓勇. 坚硬顶板破断冲击机理及支架与围岩“收敛−约束”耦合机制研究[J]. 采矿与安全工程学报,2020,37(5):951-959. SONG Gaofeng,WANG Zhenwei,ZHONG Xiaoyong. Dynamic impact mechanism of hard roof strata and coupling mechanism of " constrain-convergence" between support and surrounding rock[J]. Journal of Mining & Safety Engineering,2020,37(5):951-959.
[3] 黄庆享,徐璟,杜君武. 浅埋煤层大采高工作面支架合理初撑力确定[J]. 采矿与安全工程学报,2019,36(3):491-496. HUANG Qingxiang,XU Jing,DU Junwu. Determination of support setting load of large-mining-height long wall face in shallow coal seam[J]. Journal of Mining & Safety Engineering,2019,36(3):491-496.
[4] 徐刚,张春会,张振金. 综放工作面顶板缓慢活动支架增阻预测模型[J]. 煤炭学报,2020,45(11):3678-3687. XU Gang,ZHANG Chunhui,ZHANG Zhenjin. Prediction model for increasing resistance of hydraulic support due to slow motion of the roof in mechanized mining working face[J]. Journal of China Coal Society,2020,45(11):3678-3687.
[5] 李海涛. 煤体强度对煤壁稳定性的影响研究[J]. 煤炭工程,2020,52(8):118-122. LI Haitao. Effect of coal strenth on coal wall stability[J]. Coal Engineering,2020,52(8):118-122.
[6] 张金虎,李明忠,杨正凯,等. 超大采高综采工作面煤壁片帮机理及多维防护措施研究[J]. 采矿与安全工程学报,2021,38(3):487-495. ZHANG Jinhu,LI Mingzhong,YANG Zhengkai,et al. Mechanism of coal wall spalling in super high fully mechanized face and its multi-dimensional protection measures[J]. Journal of Mining & Safety Engineering,2021,38(3):487-495.
[7] 王家臣,王兆会,孔德中. 硬煤工作面煤壁破坏与防治机理[J]. 煤炭学报,2015,40(10):2243-2250. WANG Jiachen,WANG Zhaohui,KONG Dezhong. Failure and prevention mechanism of coal wall in hard coal seam[J]. Journal of China Coal Society,2015,40(10):2243-2250.
[8] 曹志强. 近距离煤层综采工作面大工作阻力支架适应性分析[J]. 煤炭工程, 2019, 51(增刊2): 100-102. CAO Zhiqiang. Adaptability analysis of large working resistance support in fully mechanized mining face of close coal seams[J]. Coal Engineering, 51(S2): 100-102.
[9] 刘强,苏学贵,郝佩,等. 基于大采高综采支架工况的煤壁片帮控制研究[J]. 矿业研究与开发,2018,38(11):61-65. LIU Qiang,SU Xuegui,HAO Pei,et al. Study on the control of rib fall of coal wall based on the working state of large mining hydraulic support[J]. Mining Research and Development,2018,38(11):61-65.
[10] 刘闯,李化敏,张群磊. 大采高液压支架初撑力与额定工作阻力合理比值研究[J]. 采矿与安全工程学报,2018,35(4):725-733. LIU Chuang,LI Huamin,ZHANG Qunlei. Research on reasonable ratio of setting load and yield load of shield in large mining height coal mine[J]. Journal of Mining & Safety Engineering,2018,35(4):725-733.
[11] 许海涛. 综采工作面支架阻力分布特征及适应性研究[J]. 山西能源学院学报,2017,30(4):12-13. DOI: 10.3969/j.issn.1008-8881.2017.04.006 XU Haitao. Research on resistance distribution characteristics and adaptability of support in fully mechanized mining face[J]. Journal of Shanxi Institute of Energy,2017,30(4):12-13. DOI: 10.3969/j.issn.1008-8881.2017.04.006
[12] 方新秋,何杰,李海潮. 软煤综放面煤壁片帮机理及防治研究[J]. 中国矿业大学学报,2009,38(5):640-644. DOI: 10.3321/j.issn:1000-1964.2009.05.007 FANG Xinqiu,HE Jie,LI Haichao. A study of the rib fall mechanism in soft coal and its control at a fully-mechanized top-coal caving face[J]. Journal of China University of Mining & Technology,2009,38(5):640-644. DOI: 10.3321/j.issn:1000-1964.2009.05.007
[13] 王兆会,王家臣,杨毅,等. 综采工作面煤壁稳定性的支架刚度效应分析[J]. 中国矿业大学学报,2019,48(2):258-267. WANG Zhaohui,WANG Jiachen,YANG Yi,et al. Mechanical relation between support stiffness and longwall face stability within fully-mechanized mining faces[J]. Journal of China University of Mining & Technology,2019,48(2):258-267.
[14] 任艳芳. 综采工作面液压支架支护能力的分析与评价方法[J]. 采矿与岩层控制工程学报,2020,2(3):83-89. REN Yanfang. Analysis and evaluation method for supporting ability of supports in coal mine working face[J]. Journal of Mining and Strata Control Engineering,2020,2(3):83-89.
-
期刊类型引用(3)
1. 罗毅，黄毅文. 电气自动化系统中状态监测与故障诊断的实现方法研究. 中国新技术新产品. 2024(06): 31-34 . 
百度学术
2. 王楠，吕培庚，李怀政，陈志强，张勇，陶星宇，曹泰山，周勇军，叶炼. 深度残差网络下的电缆隧道低压故障检测. 人工智能科学与工程. 2024(02): 78-86 . 百度学术
3. 杨晓超，郝慧良. 矿用电缆放电监测系统研究设计. 中国煤炭. 2024(S1): 406-410 . 百度学术
其他类型引用(5)
计量
- 文章访问数: 233
- HTML全文浏览量: 44
- PDF下载量: 31
- 被引次数: 8
