以晋城煤业集团赵庄煤矿3305综采工作面工程地质条件和开采技术条件为背景,应用相似材料模拟和数值模拟方法,深入研究了回采巷道顶板切缝后不同切缝深度与回采巷道煤柱应力相关关系及应力分布特征。研究表明,与不切缝相比,回采巷道顶板切缝后,随切缝深度增加,垮落高度增加,以切缝高度处为垮落角顶点,顶板垮落角减小,垮落后矸石能够充满采空区并且支撑基本顶,减弱工作面采动应力传递,使煤柱应力降低。煤柱垂直应力峰值、垂直应力峰值位置距回采巷道煤壁距离和距工作面后方的距离与切缝深度成对数关系,煤柱垂直平均应力与切缝深度成非线性反比关系。

三星一键进入挖煤模式

利用经典人工智能生物蚁群算法,引入单体混沌理论对一般的人工蚁群算法进行优化,构建了以煤体有效应力、瓦斯气体内外压力、温度、气体吸附力为输入的人工智能蚁群算法瓦斯渗透率预测模型。利用三轴伺服渗流装置取15组数据对模型进行训练,迭代2 000次后观察实验结果。测试结果最大相对误差在3.5%以内,测试曲线拟合很好。

为了克服井下煤仓的恶劣条件,准确测量井下煤仓的煤位,解决井下煤仓煤粒拥堵的问题,将光斑测量法应用到煤仓的煤位测量中,并通过对煤仓煤位监测系统的设计与研究,运用PLC进行整体控制,将各部分的疏通装置连接起来,有序地进行煤仓疏通工作,弥补了各部分的不足,同时又保持了各自的独立性,为井下煤仓的安全运行提供了可靠的保障。

针对传统煤矸石分拣机械臂控制算法如抓取函数法、基于费拉里法的动态目标抓取算法等依赖于精确的环境模型、且控制过程缺乏自适应性，传统深度确定性策略梯度（DDPG）等智能控制算法存在输出动作过大及稀疏奖励容易被淹没等问题，对传统DDPG控制算法中的神经网络结构和奖励函数进行了改进，提出了一种适合处理六自由度煤矸石分拣机械臂的基于强化学习的改进DDPG控制算法。煤矸石进入机械臂工作空间后，改进DDPG控制算法可根据相应传感器返回的煤矸石位置及机械臂状态进行决策，并向相应运动控制器输出一组关节角状态控制量，根据煤矸石位置及关节角状态控制量控制机械臂运动，使机械臂运动到煤矸石附近，实现煤矸石分拣。仿真实验结果表明：改进DDPG算法相较于传统DDPG算法具有无模型通用性强及在与环境交互中可自适应学习抓取姿态的优势，可率先收敛于探索过程中所遇的最大奖励值，利用改进DDPG算法控制的机械臂所学策略泛化性更好、输出的关节角状态控制量更小、煤矸石分拣效率更高。

智能化煤场管理以煤场信息实时掌握为目标，通过定位技术、无线射频技术、数据叠加等技术从斗轮机、皮带秤、原煤仓等设备直接或间接实时采集数据，以三维数字化煤场方式展示煤场进出煤状态，同时嵌入实时煤场视频监控画面，煤场管理人员、输煤运行人员、发电运行人员能够及时掌握煤场的动态存贮情况，为配煤掺烧提供准确及时的现场燃煤信息，锅炉燃烧人员能够提前掌握目前锅炉原煤仓中的煤量、煤质，以便于及时根据机组负荷以及锅炉燃烧情况提前调整燃烧方式，从而达到安全、经济地燃烧，降低发电煤耗。

采用声发射实验技术对大安山无烟煤与三河尖肥煤的超声波波速、衰减系数、超声波的时域特征和频域特征进行了研究。研究结果表明,受空隙率和含水率等的影响,无烟煤中的平均波速大于肥煤中的平均波速,其衰减系数平均值低于肥煤的衰减系数平均值;超声波的时域特征和频域特征受煤的品质和波形频率的影响,无烟煤的主频幅值大于肥煤,衰减周期小于肥煤,并且随着波形频率的增加,衰减时间下降,透射波形的能量更加聚集于主频。这些结论可为采掘前煤炭品质和种类的定性提供理论依据。

基于PLC控制的锅炉自动输煤系统设计.doc

摘要］针对焦化厂粗煤气冷却的需要设计了一个固定管板式换热器，给出了固定板式列管换热器结构设计的主要步骤及改进设计选型方法，并计算确定了换热器各部件的结构形式及尺

传统的卷积神经网络（CNN）是单任务网络，为实现带式输送机输煤量和跑偏的同时检测，使用2个卷积神经网络分别对输煤量和跑偏进行检测，导致网络体积大、参数多、计算量大、运行时间长，严重影响检测性能。为降低网络结构的复杂性，提出了一种基于多任务卷积神经网络（MT-CNN）的带式输送机输煤量和跑偏检测方法，可使输煤量检测和跑偏检测这2个任务共享同一个网络底层结构和参数。在VGGNet模型的基础上，增大卷积核和池化核的尺度，减少全连接层通道数量，改变输出层结构，构建了MT-CNN；对采集的输送带图像进行灰度化、中值滤波和提取感兴趣区域等预处理后，获取训练数据集和测试数据集，并对MT-CNN进行训练；使用训练好的MT-CNN对输送带图像进行识别分类，实现输煤量和跑偏的准确、快速检测。实验结果表明，训练后的MT-CNN在测试数据集中检测准确率为97.3%，平均处理每张图像的时间约为23.1 ms。通过现场实际运行验证了该方法的有效性。