Research on the evolution and prediction of the heights of water-conducting fracture zones in overlying rocks during layered mining of extremely thick coal seams
-
摘要:
目前导水裂隙带发育高度的研究大多针对的是单一煤层开采导水裂隙带高度，而对于巨厚煤层开采覆岩导水裂隙带发育高度预测研究较少。基于新疆侏罗系煤田巨厚煤层地质条件，选取新疆准南煤田硫磺沟煤矿（9−15）08典型工作面参数，通过数值模拟和分形几何理论分析，定量评价巨厚煤层在综放分层开采条件下覆岩裂隙场的发育特征和演化规律，并构建了基于粒子群优化支持向量机回归（PSO−SVR）的巨厚煤层分层开采导水裂隙带高度预测模型。研究结果表明：① 巨厚煤层分层开采时，老顶范围内坚硬岩层和亚关键层呈铰接结构，整体上覆岩变形破坏呈拱式结构。② 受采动影响，顶板覆岩破断垮落，横向裂隙不断发育生成，且垂向裂隙向上发育，导水裂隙带持续上升，分形维数快速上升。而随着工作面的持续推进，上覆岩层裂隙中横向裂隙被上覆岩层压实，裂隙开度降低，分形维数逐渐降低。③ 分层开采时裂隙分形维数总体呈现为升维、降维、稳定和波动4个阶段。④ 选用平均绝对误差（MAE）、平均偏差（MBE）和相关指数R2等指标对PSO−SVR模型进行了评估，其相关指数R2＞0.90，MAE＜6.5 m，−0.5 m＜MBE＜0.5 m，表明建立的PSO−SVR模型能够用于分层综放开采导水裂隙带高度预测。⑤ 将9−15（08）工作面数据代入PSO−SVR模型中，预测值与实测值绝对误差为12.52 m，相对误差为4.86%，表明PSO−SVR能够有效、准确地进行巨厚煤层开采导水裂隙带高度预测。
Abstract:Current research on the developing heights of water-conducting fracture zones mainly focuses on the heights of water-conducting fracture zones in single coal seam mining, while research on the prediction of the developing heights of water-conducting fracture zones in extremely thick coal seams mining is relatively scarce. Based on the geological conditions of the extremely thick coal seams in the Jurassic coalfields of Xinjiang, this research selected the parameters of the typical working face 9-15 (08) in the Liuhuanggou Coal Mine of the Zhunnan Coalfield in Xinjiang, quantitatively evaluated the development characteristics and evolution patterns of the overlying rock fracture fields under layered full-mechanized mining of extremely thick coal seams through numerical simulations and fractal geometry theory analysis. A prediction model was developed for the heights of water-conducting fracture zones in layered mining of extremely thick coal seams based on particle swarm optimization support vector machine regression (PSO-SVR). The research results showed that: ① During layered mining of extremely thick coal seams, the hard rock strata and inferior key strata within the capping range exhibited a hinged structure, and the overall deformation and failure of the overlying rocks presented an arched structure. ② The impact of mining activities caused the roof overlying rocks to fracture and collapse, with horizontal fractures continuously developing and vertical fractures extending upwards. The water-conducting fracture zones rose continuously, and the fractal dimension increased rapidly. As the working face continued to advance, the horizontal fractures within the overlying rock layers were compacted by the layer above, the fracture aperture decreased, and the fractal dimension gradually reduced. ③ During layered mining, the fractal dimension of fractures generally exhibited four stages: ascending dimension stage, dimension reduction stage, stationary stage, and fluctuating stage. ④ The PSO-SVR model was evaluated using indicators including mean absolute error (MAE), mean bias error (MBE), and correlation index R2. The model showed that correlation index R2＞0.90, MAE＜6.5 m, −0.5 m＜MBE＜0.5 m, indicating that the PSO-SVR model was capable of predicting the heights of water-conducting fracture zones in layered full-mechanized mining. ⑤ By substituting the data from the working face 9-15(08) into the PSO-SVR model, the absolute error between the predicted and observed values was 12.52 m, and the relative error was 4.86%, indicating that the PSO-SVR model could effectively and accurately predict the heights of the water-conducting fracture zones in extremely thick coal seams mining.
-
0. 引言
带式输送机是矿井主运输系统的关键设备，提高其智能化水平对提高能源利用率、降低矿井运营成本、保障安全生产具有重要意义。带式输送机智能化的关键在于依据输送量的多少实现智能调速，带式输送机上煤流量的精准实时计量是当前需要解决的主要问题。
煤流量测量方法主要分为接触式和非接触式。目前，在煤矿场景中常用的接触式测量方法是电子胶带秤，电子胶带秤具有检测精度较高、检测结果直接的优点，但对安装环境、带式输送机工况、物料特性都有一定的要求，且依赖人工定期校准和维护[1]。非接触式测量方法中应用较多的主要包括二维图像法、双目视觉法、激光雷达法。二维图像法是通过分析带式输送机输煤图像，分别提取出煤和输煤胶带的边缘，利用煤占胶带的比例估计煤量，是一种定性的分析方法[2-3]。双目视觉法是利用预先标定的双目摄像头采集输煤图像，进行图像特征匹配和深度值计算，利用一段区域内的三维坐标解算输煤量[4]。激光雷达法利用激光雷达分别扫描带式输送机空载状态和输煤状态下的表面点云，对煤料的横截面面积进行采样计算，并在胶带输送方向上进行积分得到输煤量[5]。在煤矿井下输煤场景中，需要在斜巷中进行煤量测量，但电子胶带秤一般安装在水平地面上，以保证测量精度，因此，煤矿井下输煤量检测的研究方向为非接触式测量[6]。在定量计算输煤量的方法中，双目视觉方法属于被动式测量，受测量环境复杂的光照条件及煤料单一的颜色纹理的影响，测量精度较低[7]。在常规的双目视觉系统中，视差计算依赖于图像特征点提取匹配[8]，常用的加速稳健特征（Speeded Up Robust Feature，SURF）和尺度不变特征转换（Scale-Invariant Feature Transform，SIFT）匹配算法对图像质量要求高，应用在煤炭这种颜色纹理比较单一的场景容易失效，且需要消耗大量的计算资源，难以保证实时性[9]；激光雷达的测距精度较高，但在煤量测量时，有效视场范围较小，对应的测量点数较少，扫描频率也较低[10]，在胶带运行速度较快时，精度会大幅降低。
针对上述问题，本文融合了双目视觉法和激光雷达法的部分优势，提出了一种基于双目结构光视觉的煤流量测量方法。将线结构光引入双目视觉系统，利用线结构光的约束，将图像特征点匹配简化成左右2幅图像行之间的匹配。在保证双目系统相机光轴平行度的基础上，使用对应行匹配计算三维坐标点，提高采样频率和分辨率，进而提高煤流量测量精度，降低测量系统对光照和环境的依赖。
1. 测量原理
双目立体视觉[11]利用2个相机完成镜头前目标的图像采集，由于左右相机进行图像采集时的拍摄角度和位置的区别，因此同一时刻相机采集目标物的2幅图像存在一定的视差，根据视差得出目标的空间坐标[12-13]。双目视觉测距模型如图1所示。
设左相机位于世界坐标系$ o\text{-}xy {\textit{z}} $原点处且无旋转，图像坐标系为$ {O}_{{\rm{l}}} \text{-}{X}_{{\rm{l}}}{Y}_{{\rm{l}}} $，有效焦距为$ {f}_{{\rm{l}}} $；右相机坐标系为$ {o}_{{\rm{r}}}{ \text{-}}{x}_{{\rm{r}}}{y}_{{\rm{r}}} {\textit{z}} _{{\rm{r}}} $，图像坐标系为$ {O}_{{\rm{r}}}{ \text{-}}{X}_{{\rm{r}}}{Y}_{{\rm{r}}} $，有效焦距为$ {f}_{{\rm{r}}} $。$ o\text{-}xy {\textit{z}} $坐标系与$ {o}_{{\rm{r}}}{ \text{-}}{x}_{{\rm{r}}}{y}_{{\rm{r}}} {\textit{z}} _{{\rm{r}}} $坐标系可通过空间转换矩阵$ {{\boldsymbol{M}}}_{{\rm{lr}}} $互相转换。
$$ \left[\begin{array}{c}{x}_{{\rm{r}}}\\ {y}_{{\rm{r}}}\\ { {\textit{z}} }_{{\rm{r}}}\end{array}\right]={{\boldsymbol{M}}}_{{\rm{lr}}}\left[\begin{array}{c}{x}_{{\rm{l}}}\\ {y}_{{\rm{l}}}\\ { {\textit{z}} }_{{\rm{l}}}\\ 1\end{array}\right]=\left[\begin{array}{c}{r}_{1} \;\; {r}_{2} \;\; {r}_{3} \;\; {t}_{{{x}}}\\ {r}_{4} \;\; {r}_{5} \;\; {r}_{6} \;\; {t}_{{{y}}}\\ {r}_{7} \;\; {r}_{8} \;\; {r}_{9} \;\; {t}_{ {\textit{z}} }\end{array}\right]\left[\begin{array}{c}{x}_{{\rm{l}}}\\ {y}_{{\rm{l}}}\\ { {\textit{z}} }_{{\rm{l}}}\\ 1\end{array}\right] $$ (1) $$ {{\boldsymbol{M}}}_{{\rm{lr}}}={\boldsymbol{RT}} $$ (2) 式中：r1−r9为旋转矩阵分量；tx，ty，tz为平移矩阵分量；R为$ o{\text{-}}xy{\textit{z}} $坐标系与$ {o}_{{\rm{r}}} {\text{-}}{x}_{{\rm{r}}}{y}_{{\rm{r}}} {\textit{z}} _{{\rm{r}}} $之间的旋转矩阵，${\boldsymbol{R}}=\left[\begin{array}{c}{r}_{1} \;\; {r}_{2}\;\; {r}_{3}\\ {r}_{4}\;\; {r}_{5}\;\; {r}_{6}\\ {r}_{7}\;\; {r}_{8} \;\; {r}_{9}\end{array}\right]$；T为$ o-xy{\textit{z}} $坐标系与原点之间的平移矩阵，${\boldsymbol{T}}={\left[{t}_{{{x}}} \; \; {t}_{{{y}}}\; \;{t}_ {\textit{z}} \right]}^{{\rm{T}}}$。
对于o-xyz坐标系中的空间点，两相机图像坐标系中的投影点之间对应关系为
$$\left[\begin{array}{c} X_{{\rm{r}}} \\ Y_{{\rm{r}}} \\ 1 \end{array}\right]=\left[\begin{array}{cccc} f_{{\rm{r}}} r_1&f_{{\rm{r}}} r_2&f_{{\rm{r}}} r_3&f_{{\rm{r}}} t_{{{x}}} \\ f_{{\rm{r}}} r_4&f_{{\rm{r}}} r_5&f_{{\rm{r}}} r_6&f_{{\rm{r}}} t_{{{y}}} \\ r_7&r_8&r_9&t_ {\textit{z}} \end{array}\right]\left[\begin{array}{c} \dfrac{Z X_{{\rm{l}}}}{f_{{\rm{l}}}} \\ \dfrac{ {\textit{z}} Y_{{\rm{l}}}}{f_{{\rm{l}}}} \\ {\textit{z}} \\ 1 \end{array}\right]$$ (3) 空间点三维坐标为
$$ \left\{\begin{array}{l}x=\dfrac{ {\textit{z}} {X}_{{\rm{l}}}}{{f}_{{\rm{l}}}}\\ y=\dfrac{ {\textit{z}} {Y}_{{\rm{l}}}}{{f}_{{\rm{l}}}}\\ {\textit{z}} =\dfrac{{f}_{{\rm{l}}}({f}_{{\rm{r}}}{t}_{{{x}}}-{X}_{{\rm{r}}}{t}_{ {\textit{z}} })}{{X}_{{\rm{r}}}\left({r}_{7}{X}_{{\rm{l}}}+{r}_{8}{Y}_{{\rm{l}}}+{f}_{{\rm{l}}}{r}_{9}\right)-{f}_{{\rm{r}}}({r}_{4}{X}_{{\rm{l}}}+{r}_{5}{Y}_{{\rm{l}}}+{f}_{{\rm{l}}}{r}_{3})}\end{array} \right. $$ (4) 若左右两相机安装情况较为理想，则$ {Y}_{{\rm{l}}}= {Y}_{{\rm{r}}}={Y}^{{'}} $，且左右镜头焦距相等，$ {f}_{{\rm{l}}}={f}_{{\rm{r}}} $，则
$$ \left\{\begin{array}{l}{X}_{{\rm{l}}}=f\dfrac{x}{ {\textit{z}} }\\ {X}_{{\rm{r}}}=f\dfrac{B-x}{ {\textit{z}} }\\ {Y}^{{{'}}}=f\dfrac{y}{ {\textit{z}} }\end{array}\right. $$ (5) 式中：f为相机的焦距；B为右相机的基线距离。
空间点的世界坐标为
$$ \left\{\begin{array}{c}x=\dfrac{B{x}_{{\rm{l}}}}{{X}_{{\rm{l}}}-{X}_{{\rm{r}}}}=\dfrac{B{X}_{{\rm{l}}}}{D}\\y=\dfrac{B{Y}^{\mathrm{{'}}}}{{X}_{{\rm{l}}}-{X}_{{\rm{r}}}}=\dfrac{{BY}^{\mathrm{{'}}}}{D}\\ {\textit{z}} =\dfrac{Bf}{{X}_{{\rm{l}}}-{X}_{{\rm{r}}}}=\dfrac{Bf}{D}\end{array}\right. $$ (6) 式中D为左右相机采集到的2幅图像的视差，$ D= {X}_{{\rm{l}}}-{X}_{{\rm{r}}} $。
2. 测量系统设计
根据双目结构光测量原理设计满足实际使用要求的双目煤流量测量系统，如图2所示。该测量系统主要由工业相机、镜头、线激光器、编码器、同步电路控制器组成，沿胶带输送方向顺序布置。线激光器采用直射式投射到胶带和输送物料表面，2个工业相机等间隔位于激光器两侧，编码器用于测量胶带运动速度。
双目煤流量测量系统选用板级互补金属氧化物半导体（Complementary Metal Oxide Semiconductor，CMOS）工业相机，分辨率为1 544×2 048，实际测量时，采集区域分辨率为256×2 048，按此分辨率设计最大帧率为1 000 帧/s，双目基线距离为120 mm；镜头选用500万像素6 mm定焦高清镜头；线激光器选用输出波长450 nm、额定线宽2 mm的半导体线激光器。
利用线激光器对胶带表面进行投影，用双目煤流量测量系统采集到的图像如图3所示。可看出图像的线激光边缘部分为空载胶带，中间部分为煤料部分，空载胶带的线激光图像反映出胶带的基本截面形状，负载胶带的线激光图像受到煤料表面的调制，反映出煤料和胶带边缘部分的截面形状。
中心线坐标提取是获取煤料点云的重要环节，直接决定三维点云的精度[14]。中心线的提取流程是根据检测系统、胶带、待测煤料的位置，确定图像的感兴趣区域（Region of Interest，ROI）；按RGB图像各个通道的重要性，运用加权平均值法[15]对左图像和右图像进行预处理，转换为左灰度图和右灰度图。
$$ f(x,y)=0.299 r (x,y)+0.597g (x,y)+0.114b(x,y) $$ (7) 式中：f(x，y)为在图像坐标( x ， y )处的灰度值；$ r(x，y) $，$ g(x，y) $，$ b(x，y) $分别为在图像坐标(x，y)处的颜色分量。
对左、右灰度图位于ROI内的部分进行水平扫描，每个扫描点的窗口能量为
$$ E\left(x,y\right)= \sum\limits_{i=-n}^{n} \sum\limits_{j=-n}^{n}(x+i)I(x+i,y+j) $$ (8) 式中：n为从左灰度图所选窗口中心到边缘的距离；i， j分别为计算点距离窗口中心点在x、y方向的偏移量；$ I(x+i,y+j) $为坐标$ (x+i,y+j) $处的图像灰度。
对由左灰度图和右灰度图中坐标$ y $相同的水平扫描行构成的水平极线进行扫描，得到左灰度图和右灰度图的线激光成像点$ ({{x}_{{\rm{l}}},y)}_{{{k}}} $和$ {({x}_{{\rm{r}}},y)}_{{{k}}} $。在理想条件下，左右序列中行数k相同的点构成匹配点对。
在实际测量煤流量时，胶带以速度v匀速输送，使用双目煤流量测量系统先采集空载胶带的表面点云，再采集负载胶带上煤料的表面点云。煤料点云的合成原理如图4所示，以负载点云为上表面，空载点云为下表面，即可得到胶带所运煤料截面点云，假设前后2帧点云的采集时间间隔均为∆t，在x方向上2帧点云的间隔为v∆t。
在胶带变速输送时，利用编码器将变速过程划分为多个匀速输送过程，把相邻的编码器信号之间的输送视为匀速过程，生成煤料的点云数据。
3. 煤流量计算
获取煤料三维点云后，计算单位时间内输送煤料的体积，即煤流量，如图5所示。将空载胶带点云与世界坐标系o-xyz形成的体积记为$ {V}_{{\rm{ref}}} $，负载胶带点云与世界坐标系o-xyz形成的体积记为$ {V}_{{\rm{mess}}} $，则输送煤料的体积为$ {V}_{{\rm{s}}}={V}_{{\rm{ref}}}-{V}_{{\rm{mess}}} $。
采用微元法将待测点云分成多个微元求取体积，再积分计算总体积。本文提出了均匀网格化和三角网格化2种方法。
1） 均匀网格化。均匀网格化是以xoy平面为底面，对点云进行均匀采样[16]，如图6所示。采样间隔为$ \Delta d=sv\Delta t $，s为采样比例，选取在煤料点云到xoy平面投影的采样区域内最接近采样区域中心的点为采样点，采样点z坐标的值为$ {h}_{u} $，其中s＜1，s越小，采样间隔越小，则计算精度越高。
以采样区域面积为底面积，以$ {h}_{u} $为高，计算长方体体积，共计m个采样长方体，则任一采样长方体体积为$ {V}_{u}^{\mathrm{{'}}}={\Delta d}^{2}{h}_{u} $，其中，$ \Delta d $为采样长方体的正方形底边长，对某一阶段扫描到的煤料点云的体积为
$$ V=\sum _{u=1}^{m}{V}_{u}^{{'}}=\sum _{u=1}^{m}{\Delta d}^{2}{h}_{u} $$ (9) 2） 三角网格化。三角网格化可把杂乱的三维点云转换为空间三角网格，反映目标物体的拓扑连接关系[17]。三角网格化中最常用的是Delaunay三角[18]。
Delaunay三角网格化法利用空圆和最小角性质对点云进行三角剖分，空圆特性表示在Delaunay三角中任一三角网格的外接圆内不存在其他点，最小角特性表示Delaunay三角的最小角最大，交换2个相邻三角形成的凸四边形对角线后，2个内角的最小角不再增大[19]。对点云进行Delaunay三角网格化，如图7所示。
将点云三角网格化后，p个三角网格与xoy平面构成p个上下底面不平行的三棱柱，三角网格包含3个点，坐标分别为$ ({x}_{1},{y}_{1}, {\textit{z}} _{1}) $、$ \left({x}_{2},{y}_{2}, {\textit{z}} _{2}\right) $、$ ({x}_{3},{y}_{3}, {\textit{z}} _{3}) $，其中$ {\textit{z}} _{1} \leqslant {\textit{z}} _{2} \leqslant {\textit{z}} _{3} $，三棱柱体积为
$$ {V}_{q}^{{'}}=\frac{1}{6}( {\textit{z}} _{1}+ {\textit{z}} _{2}+ {\textit{z}} _{3})({x}_{1}{y}_{2}-{x}_{2}{y}_{1}+{x}_{2}{y}_{3}-{x}_{3}{y}_{2}+{x}_{3}{y}_{1}-{x}_{1}{y}_{3}) $$ (10) 因此，整个待测点云与xoy平面构成的区域体积为
$$ V=\sum\limits_{q=1}^{p}{V}_{q}^{{'}} $$ (11) 4. 试验验证
在实验室条件下搭建了实验平台，如图8所示。实验平台由双目结构光煤流量测量系统、1 400 mm带宽的变频驱动带式输送机、用于测量胶带带速和旋转发电的托辊、DC24 V电源箱组成。其中，煤流量测量系统安装在胶带中央正上方，安装高度为1 200 mm；测速发电托辊安装在上胶带正下方，利用霍尔效应实时检测胶带速度，利用外转子发电机进行能量收集和整流输出；电源箱中的铅酸锂电池组用于储能，并向煤流量测量系统供能。
采用本文设计的实验平台，在电动机频率为20 Hz、带速为1.566 m/s的条件下分别采集空载胶带及负载胶带（250，500，750，1 000，1 250，1 500 cm3煤料）的点云，如图9所示。
依次计算世界坐标系中xoy平面与空载胶带和负载胶带表面点云形成的空间体积，求得运输煤料的体积，结果见表1。
表 1 煤料体积测量结果Table 1. Measurement results of coal material volume标准
体积/cm3均匀
网格化/cm3三角
网格化/cm3均匀网格化
相对误差/%三角网格化
相对误差/%250 228.667 252.142 8.533 0.857 500 478.458 521.172 4.908 4.234 750 695.941 764.505 7.208 1.934 1 000 1 091.213 965.941 9.121 3.406 1 250 1 321.048 1 275.572 5.684 2.046 1 500 1 423.624 1 564.014 5.092 4.268 平均相对误差/% 6.758 2.791 由表1可看出，采用均匀网格化法计算胶带上煤料体积平均相对误差为6.758%，采用三角网格化法计算胶带上煤料体积平均相对误差为2.791%。均匀网格化法的精度低于三角网格化法的精度，这是因为在均匀采样过程中，点云上采样降低了点云密度，使参与计算的点数减少，使精度降低。
为进一步验证双目结构光煤流量测量系统测量的准确性与可靠性，在某选煤厂原煤胶带进行了试验，如图10所示。双目煤流量测量系统安装于原煤胶带上方，采用精度更高的三角网格化法进行体积计算，胶带宽为1 600 mm，系统安装高度为1 200 mm。
胶带运行速度为4.6 m/s，双目煤流量测量系统参数设置见表2，双目结构光煤流量测量系统软件界面如图11所示。
表 2 检测参数设置Table 2. Test parameter settings参数名称 设置数值 曝光时间/μs 1 000 增益 2 像素数 2 048×256 堆煤密度/（t·m−3） 0.90 ![]()
图 11 双目煤流量测量系统软件界面Figure 11. Software interface of the binocular coal flow measurement system现场安装位置处用电子胶带秤作为测量对照，其测量精度为0.001 t，其软件界面如图12所示。
煤炭输运过程中，煤料之间的未填充部分为空隙，空隙受煤料颗粒大小、形状等因素的影响[20]。在实际输送量计量中，应除去空隙体积，以堆煤密度替代煤的密度，降低空隙体积的影响。
本文方法与电子胶带秤检测的煤流量曲线如图13所示。可看出本文方法与电子胶带秤波动趋势基本相同，且本文方法检测灵敏度更高。
![]()
图 13 本文方法与电子胶带秤检测结果Figure 13. Test results of this method and electronic belt weigher本文方法与电子胶带秤检测的绝对误差如图14所示，相对误差如图15所示。由图14和图15可看出，双目结构光煤流量测量系统测量结果相对电子胶带秤测量结果绝对误差最大值为87.855 t/h，绝对误差平均值为25.902 t/h，相对误差最大值为2.876%，平均相对误差为0.847%，可以满足现场使用要求。
![]()
图 14 本文方法相对电子胶带秤绝对误差Figure 14. Absolute error of this method relative to electronic belt weigher![]()
图 15 本文方法相对电子胶带秤相对误差Figure 15. Relative error of this method relative to electronic belt weigher5. 结论
1） 为了实现带式输送机煤量的精准实时非接触式测量，将双目视觉与结构光技术融合，提取双目相机左右图像激光线中心点作为点对，利用双目视觉模型实现三维点云的获取，进行煤量测量时，利用双目结构光煤流量测量系统分别采集空载和负载情况下胶带的表面点云，合成运输煤料的三维点云。
2） 分别利用点云均匀网格化法和三角网格化法进行煤量计算，实验结果表明，均匀网格化法测量平均相对误差为6.758%，三角网格化法测量平均相对误差为2.791%，三角网格化法测量精度高于均匀网格化法。
3） 工业性试验结果表明，针对带式输送机煤炭输送场景，双目结构光煤流量测量方法与电子胶带秤相比，绝对误差最大值为87.855 t/h，绝对误差平均值为25.902 t/h，相对误差最大值为2.876%，平均相对误差为0.847%，满足煤矿非接触式煤流量测量使用要求。
-
![]()
图 1 试验矿井区域位置及工作面布置
Figure 1. Location of the test mine area and layout ofthe working face
![]()
图 2 研究区工作面覆岩柱状图
Figure 2. Histogram of overlying rocks for the working face in the study area
![]()
图 4 巨厚煤层分层开采覆岩结构特征
Figure 4. Structural characteristics of overlying rock in layered mining of extremely thick coal seams
![]()
图 5 采动覆岩裂隙演化分形维数计算过程
Figure 5. Calculation process of fractal dimension of fracture evolution in mining overlying rocks
![]()
图 6 各工作面采动过程中分形维数随推进步数变化
Figure 6. Variation of fractal dimensions with advancing steps during the mining process of each working face
表 1 不同覆岩岩性及节理模拟力学参数
Table 1 Different overlying rock lithologies and mechanical parameters of joint simulations
岩性类别 密度/（kg·m−3） 体积模量/GPa 切变模量/GPa 抗拉强度/MPa 黏聚力/MPa 内摩擦角/（°） 节理法向刚度/GPa 节理切向刚度/GPa 粉砂岩 2 740 13.46 10.95 3.71 0.96 33 1 1.1 煤层 1 330 2.04 1.59 0.11 0.1 35 0.6 0.5 粉砂岩 2 840 4.52 3.91 0.3 0.4 32 1.3 1.1 粗砂岩 2 660 5.30 4.86 0.3 0.3 33 1.5 1.4 粉砂岩 2 830 4.23 3.00 0.5 0.3 33 1.4 1.3 中砂岩 2 680 5.40 4.13 0.7 0.6 32 1.5 1.5 泥岩 2 520 4.10 3.10 0.4 0.3 35 1 1.1 细砂岩 2 710 4.50 3.15 0.5 0.3 32 1.6 1.4 粉−细砂岩互层 2 750 4.50 3.48 0.4 0.3 33 1.4 1.2 细砂岩 2 680 4.55 2.13 0.3 0.2 33 1.7 1.6 粉砂岩 2 790 4.20 3.63 0.2 0.3 32 1.6 1.5 中砂岩 2 480 4.00 3.60 0.3 0.12 33 1.8 1.1 粉−细砂岩互层 2 420 3.80 2.31 0.3 0.1 33 1.8 1.3 粗砂岩 2 580 4.00 2.01 0.4 0.15 33 1.8 1.1 中砂岩 2 480 3.00 3.01 0.3 0.13 32 1.8 1.3 泥质粉砂岩 2 580 3.00 3.01 0.3 0.17 33 1.8 1.1 
下载: 导出CSV
表 2 我国西部矿区叠加开采/分层综放开采导高统计
Table 2 Statistics on the height of superposition mining/layered full-mechanized mining in western China mining areas
矿井 开采厚度/m 开采深度/m 分层层数 导高/m 矿井 开采厚度/m 开采深度/m 分层层数 导高/m 公乌素煤矿 8.3 116.83 1 113.54 鲍店矿 8.5 357 1 61.9 布尔台煤矿 3 377 1 158.52 多伦协鑫矿 9.58 302 1 111.99 宽沟煤层 9.5 240 1 123.8
128.4郭家河煤矿 9 615 1 209.83 杭来湾煤矿 7.5 300 1 112.6 补连塔煤矿 6.8 160 1 153 胡家河煤矿 8.0 650 1 106.4 红柳林煤矿 7 183 1 183.27 火石咀矿 10 628.16 1 220 燕家河煤矿 4.78 509 1 118.6 金鸡滩煤矿 8.0 288 1 171.3 柠条塔煤矿 4.6 163.47 1 158 刘乡煤矿 7.9 210 1 117.8 陈家沟煤矿 11.1 510 1 157.42 神树畔井田 10.0 673 1 120 多伦协鑫煤矿 9.6
5.1302.03
302.031
2112
126.2双山井田 8.0 713 1 103.09 同忻煤矿 14.38 486 1 207.64 库车矿区某矿 9.7 234.43
283.611
1155.99
176.71铜新煤矿 15.3 448 1 160 下沟煤矿 8.9 330 1 149.48 畅彤煤矿 9.3
7.6310.4
320.51
2126.2
129.5雅店煤矿 13.5 600 1 174 朱仙庄矿 9.5 450 1 78 准东大井矿区 18
18
18520
520
5201
2
3105.11
182.5
221.24铁北矿2号煤层 8 125 1 22 崔木煤矿 10.86 552.19 1 230.97 大柳塔煤矿 7.0 180 1 137.32
下载: 导出CSV
表 3 PSO−SVR模型训练集和预测集评价指标的计算结果
Table 3 Calculation results of evaluation indicators for PSO-SVR model training set and prediction set
样本集 MAE/m MBE/m R2 训练集 6.264 5 −0.205 4 0.907 8 测试集 0.533 5 0.074 8 0.999 8
下载: 导出CSV
表 4 硫磺沟煤矿9−15（08）工作面导高预测比对
Table 4 Comparison of height prediction for working Face 9-15 (08) of Liuhuanggou Coal Mine
位置 开采厚度/m 开采深度/m 分层层数 预测导高/m 实测导高/m 9−15（08）
工作面26.7 570 2 257.18 269.7
下载: 导出CSV
-
[1] 昌灏,黄玉婷. 习近平能源革命重要论述的理论阐释与实践遵循[J]. 中国石油大学学报(社会科学版),2024,40(1):79-85. CHANG Hao,HUANG Yuting. Theoretical interpretation and practical guidance of Xi Jinping's important statements of energy revolution[J]. Journal of China University of Petroleum(Edition of Social Sciences),2024,40(1):79-85.
[2] 程香港,乔伟,李路,等. 煤层覆岩采动裂隙应力−渗流耦合模型及涌水量预测[J]. 煤炭学报,2020,45(8):2890-2900. CHENG Xianggang,QIAO Wei,LI Lu,et al. Model of mining-induced fracture stress-seepage coupling in coal seam over-burden and prediction of mine inflow[J]. Journal of China Coal Society,2020,45(8):2890-2900.
[3] 刘峰,曹文君,张建明,等. 我国煤炭工业科技创新进展及“十四五”发展方向[J]. 煤炭学报,2021,46(1):1-15. LIU Feng,CAO Wenjun,ZHANG Jianming,et al. Current technological innovation and development direction of the 14(th) Five-Year Plan period in China coal industry[J]. Journal of China Coal Society,2021,46(1):1-15.
[4] 程磊,罗辉,李辉,等. 近年来煤矿采动覆岩导水裂隙带的发育高度的研究进展[J]. 科学技术与工程,2022,22(1):28-38. CHENG Lei,LUO Hui,LI Hui,et al. Research progress on the development height of water-conducting fracture zone in overlying strata caused by coal mining in recent years[J]. Science Technology and Engineering,2022,22(1):28-38.
[5] 刘江斌,张仲杰,高广昌,等. 西部高强度开采矿区覆岩破坏发育高度分析[J]. 中国矿业,2024,33(11):121-129. DOI: 10.12075/j.issn.1004-4051.20240887 LIU Jiangbin,ZHANG Zhongjie,GAO Guangchang,et al. Analysis of overburden failure development height in high-intensity mining area in Western China[J]. China Mining Magazine,2024,33(11):121-129. DOI: 10.12075/j.issn.1004-4051.20240887
[6] 张玉军,申晨辉,张志巍,等. 我国厚及特厚煤层高强度开采导水裂缝带发育高度区域分布规律[J]. 煤炭科学技术,2022,50(5):38-48. ZHANG Yujun,SHEN Chenhui,ZHANG Zhiwei,et al. Regional distribution law of water-conducting fractured zone height in high-strength mining of thick and extra-thick coal seams in China[J]. Coal Science and Technology,2022,50(5):38-48.
[7] 李振华,许延春,李龙飞,等. 基于BP神经网络的导水裂隙带高度预测[J]. 采矿与安全工程学报,2015,32(6):905-910. LI Zhenhua,XU Yanchun,LI Longfei,et al. Forecast of the height of water flowing fractured zone based on BP neural networks[J]. Journal of Mining & Safety Engineering,2015,32(6):905-910.
[8] 谢晓锋,李夕兵,尚雪义,等. PCA−BP神经网络模型预测导水裂隙带高度[J]. 中国安全科学学报,2017,27(3):100-105. XIE Xiaofeng,LI Xibing,SHANG Xueyi,et al. Prediction of height of water flowing fractured zone based on PCA-BP neural networks model[J]. China Safety Science Journal,2017,27(3):100-105.
[9] 娄高中,谭毅. 基于PSO−BP神经网络的导水裂隙带高度预测[J]. 煤田地质与勘探,2021,49(4):198-204. LOU Gaozhong,TAN Yi. Prediction of the height of water flowing fractured zone based on PSO-BP neural network[J]. Coal Geology & Exploration,2021,49(4):198-204.
[10] 柴华彬,张俊鹏,严超. 基于GA−SVR的采动覆岩导水裂隙带高度预测[J]. 采矿与安全工程学报,2018,35(2):359-365. CHAI Huabin,ZHANG Junpeng,YAN Chao. Prediction of water-flowing height in fractured zone of overburden strata based on GA-SVR[J]. Journal of Mining & Safety Engineering,2018,35(2):359-365.
[11] 徐树媛,张永波,孙灏东,等. 基于RBF核ε-SVR的导水裂隙带高度预测模型研究[J]. 安全与环境学报,2021,21(5):2022-2029. XU Shuyuan,ZHANG Yongbo,SUN Haodong,et al. Predictable testing and determination of the height of the fractured waterconducting zone based on the ε-SVR model via the RBF kernel function[J]. Journal of Safety and Environment,2021,21(5):2022-2029.
[12] 栾洲,王义昌,张西步. 基于改进WOA−SVM的导水裂隙带高度预测[J]. 煤炭科技,2022,43(6):58-64. LUAN Zhou,WANG Yichang,ZHANG Xibu. Prediction of the height of the water-conducting fracture zone based on improved WOA-SVM[J]. Coal Science & Technology Magazine,2022,43(6):58-64.
[13] 林海飞,张宇少,周捷,等. 基于SSA−LSTM采动覆岩裂隙带高度预测方法研究[J]. 矿业安全与环保,2024,51(3):8-15. LIN Haifei,ZHANG Yushao,ZHOU Jie,et al. Research on the height prediction method of fracture zone in mining overburden rock based on SSA-LSTM[J]. Mining Safety & Environmental Protection,2024,51(3):8-15.
[14] 鲁伟,张历峰,华伟,等. 基于HHO−ELM模型的导水裂隙带高度预测方法[J]. 现代矿业,2024,40(6):231-235. DOI: 10.3969/j.issn.1674-6082.2024.06.056 LU Wei,ZHANG Lifeng,HUA Wei,et al. Prediction method of water-conducting fractured zone height based on the HHO-ELM model[J]. Modern Mining,2024,40(6):231-235. DOI: 10.3969/j.issn.1674-6082.2024.06.056
[15] 邱梅,许高瑞,宋光耀,等. PCA−WNN模型在导水裂隙带高度预测中的应用研究[J]. 河南理工大学学报(自然科学版),2023,42(6):27-36. QIU Mei,XU Gaorui,SONG Guangyao,et al. Research on application of PCA-WNN model in predicting the development height of water-flowing fractured zones[J]. Journal of Henan Polytechnic University(Natural Science),2023,42(6):27-36.
[16] 段玉路. 新疆侏罗系特厚煤层分层综放开采覆岩导水裂隙演化研究[D]. 徐州:中国矿业大学,2023. DUAN Yulu. Study on the evolution of over burden water conduction fractures in layered comprehensive mining of Jurassic extra-thick coal seam in Xinjiang[D]. Xuzhou:China University of Mining and Technology,2023.
[17] 陈凯,葛颖,张全,等. 基于离散元模拟的巨厚煤层分层开采覆岩裂隙演化分形特征[J]. 工程地质学报,2021,29(4):1113-1120. CHEN Kai,GE Ying,ZHANG Quan,et al. Discrete element simulation for crack fractal evolution laws associated with slicing mining in super thick coal stratum[J]. Journal of Engineering Geology,2021,29(4):1113-1120.
[18] 乔伟,韩昌民,李连刚,等. 煤矿导水裂隙带高度预测的PSO−SVR法及应用[J]. 煤炭科技,2022,43(4):77-84. QIAO Wei,HAN Changmin,LI Liangang,et al. PSO-SVR method for the height of water flowing fractured zone in coal mine and its application[J]. Coal Science & Technology Magazine,2022,43(4):77-84.
[19] 崔峰,何仕凤,来兴平,等. 基于LSSVR与灰色理论的急倾斜巨厚煤层群开采冒落高度与时滞特征研究[J]. 岩石力学与工程学报,2024,43(4):822-837. CUI Feng,HE Shifeng,LAI Xingping,et al. Study on collapse height and time delayed characteristics in the mining of steeply inclined extra-thick coal seam group based on LSSVR and grey theory[J]. Chinese Journal of Rock Mechanics and Engineering,2024,43(4):822-837.
[20] 吴旋,来兴平,郭俊兵,等. 综采面区段煤柱宽度的PSO−SVM预测模型[J]. 西安科技大学学报,2020,40(1):64-70. WU Xuan,LAI Xingping,GUO Junbing,et al. PSO-SVM prediction model of coal pillar width in fully mechanized mining face[J]. Journal of Xi'an University of Science and Technology,2020,40(1):64-70.
[21] 胡友彪,琚棋定. 基于粒子群优化随机森林的煤矿涌(突)水水源机器学习识别技术[J]. 煤炭科技,2022,43(4):52-60. HU Youbiao,JU Qiding. Machine learning recognition technology of coal mine water inflow (outburst) source based on particle swarm optimization random forest[J]. Coal Science & Technology Magazine,2022,43(4):52-60.
[22] 涂图,王建,张梦迪. 基于改进粒子群算法的BP神经网络在初始地应力场反演优化中的应用[J]. 水电能源科学,2017,35(12):123-126,139. TU Tu,WANG Jian,ZHANG Mengdi. Application of BP neural network based improved PSO in initial geostress field inversion optimization[J]. Water Resources and Power,2017,35(12):123-126,139.
[23] 张帆,张永勇,陈俊旭,等. 多种机器学习模型对不同洪水类型特征指标模拟效果评估[J]. 地理科学进展,2022,41(7):1239-1250. DOI: 10.18306/dlkxjz.2022.07.008 ZHANG Fan,ZHANG Yongyong,CHEN Junxu,et al. Performance of multiple machine learning model simulation of process characteristic indicators of different flood types[J]. Progress in Geography,2022,41(7):1239-1250. DOI: 10.18306/dlkxjz.2022.07.008
-
期刊类型引用(3)
1. 王怀琴，张德胜. 矿用本质安全型黑光摄像仪的研究与应用. 煤炭工程. 2020(01): 80-84 . 
百度学术
2. 陈辉. 矿用多路输出本安电流间接采集方法研究. 煤炭工程. 2020(08): 150-153 . 百度学术
3. 贾俊霞，李一文. 正负电源用截流型本安电路设计. 九江职业技术学院学报. 2020(04): 16-18 . 百度学术
其他类型引用(8)
计量
- 文章访问数: 299
- HTML全文浏览量: 29
- PDF下载量: 17
- 被引次数: 11
