资源描述：
第 ４７ 卷第 １０ 期煤 炭 科 学 技 术Ｖｏｌ ４７ Ｎｏ １０ ２０１９ 年１０ 月Ｃｏａｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｏｃｔ.２０１９ 移动扫码阅读 范志忠ꎬ 潘黎明ꎬ徐 刚ꎬ等.智能化高强度开采超长工作面围岩灾变预警技术[Ｊ] 煤炭科学技术ꎬ２０１９ꎬ４７ １０１２５－１３０.ｄｏｉ１０ １３１９９/ ｊ ｃｎｋｉ ｃｓｔ ２０１９ １０ ０１５ ＦＡＮ ＺｈｉｚｈｏｎｇꎬＰＡＮ ＬｉｍｉｎｇꎬＸＵ Ｇａｎｇꎬｅｔ ａｌ.Ｅａｒｌｙ ｗａｒｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｏｆ ｓｕｒｒｏｕｎｄｉｎｇ ｒｏｃｋ ｉｎ ｈｉｇｈ－ｉｎｔｅｎｓｉｔｙ ｍｉｎｉｎｇ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｕｌｔｒａ－ｌｏｎｇ ｗｏｒｋｉｎｇ ｆａｃｅ[Ｊ] Ｃｏａｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙꎬ２０１９ꎬ４７１０１２５－１３０.ｄｏｉ１０ １３１９９/ ｊ ｃｎｋｉ ｃｓｔ ２０１９ １０ ０１５ 智能化高强度开采超长工作面围岩灾变预警技术 范志忠１ꎬ２ꎬ 潘黎明２ꎬ徐 刚２ꎬ尹希文２ １.中国矿业大学北京 能源与矿业学院ꎬ北京 １０００１３ꎻ２.天地科技股份有限公司 开采设计事业部ꎬ北京 １０００１３ 摘 要针对高强度开采工作面矿压显现剧烈ꎬ难以精准预测ꎬ围岩控制手段薄弱等一系列技术难题ꎬ 提出基于顶板状态动态感知、片帮形态实时判识及采场多源监测信息相融合的智能化工作面围岩灾 变预警策略ꎻ开发了工作面顶板状态实时监测与动态感知技术ꎬ实现了顶板来压位置、持续时间及来 压强度的模式识别ꎻ研发基于大数据平台的矿压数据智能自学习技术ꎬ结合岩层柱状图可实时反演覆 岩关键层断裂、结构形成及失稳等状态ꎬ实现工作面顶板大面积来压的精准预测ꎻ研发基于三维激光 扫描的煤壁稳定性判识技术ꎬ可实现煤壁位移变化及节理裂隙演化进程的高精度监测ꎬ还可对煤壁失 稳后片帮体的形态、位置及片帮强度实现定量化描述ꎬ突破以往工作面大面积来压和煤壁片帮无法准 确预测的难题ꎻ进一步将采煤机割煤速度、支架工作阻力与瓦斯体积分数等采场多源监测信息相互融 合ꎬ构建工作面回采工艺与煤壁片帮、瓦斯不均衡涌出、顶板大面积失稳垮落耦合联动的智能感知系 统ꎻ该技术思路在阳煤集团寺家庄矿 １５１０６ 智能化超长工作面得到成功验证ꎬ保障了工作面安全ꎮ 关键词智能化开采ꎻ围岩灾变ꎻ煤壁片帮ꎻ矿压显现ꎻ监测预警ꎻ 智能矿山 中图分类号ＴＤ６７ꎻＴＱ５２９.１ 文献标志码Ａ 文章编号０２５３－２３３６２０１９１０－０１２５－０６ Ｅａｒｌｙ ｗａｒｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｏｆ ｓｕｒｒｏｕｎｄｉｎｇ ｒｏｃｋ ｉｎ ｈｉｇｈ－ｉｎｔｅｎｓｉｔｙ ｍｉｎｉｎｇ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｕｌｔｒａ－ｌｏｎｇ ｗｏｒｋｉｎｇ ｆａｃｅ ＦＡＮ Ｚｈｉｚｈｏｎｇ１ꎬ２ꎬＰＡＮ Ｌｉｍｉｎｇ２ꎬＸＵ Ｇａｎｇ２ꎬＹＩＮ Ｘｉｗｅｎ２ １.Ｃｏｌｌｅｇｅ ｏｆ Ｅｎｅｒｇｙ ａｎｄ ＭｉｎｉｎｇꎬＣｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｍｉｎｉｎｇ ａｎｄ ＴｅｃｈｎｏｌｏｇｙＢｅｉｊｉｎｇꎬＢｅｉｊｉｎｇ １０００８３ꎬＣｈｉｎａꎻ ２.Ｃｏａｌ Ｍｉｎｉｎｇ ＆ Ｄｅｓｉｇｎｉｎｇ Ｄｅｐａｒｔｍｅｎｔꎬ Ｔｉａｎｄｉ Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ.ꎬ Ｌｔｄ.ꎬ Ｂｅｉｊｉｎｇ １０００１３ꎬ Ｃｈｉｎａ ＡｂｓｔｒａｃｔＡｉｍｉｎｇ ａｔ ａ ｓｅｒｉｅｓ ｏｆ ｔｅｃｈｎｉｃａｌ ｐｒｏｂｌｅｍｓꎬｓｕｃｈ ａｓ ｓｔｒｏｎｇｅｒ ｍｉｎｅ ｐｒｅｓｓｕｒｅ ｉｎ ｈｉｇｈ－ｓｔｒｅｎｇｔｈ ｍｉｎｉｎｇ ｆａｃｅꎬ ａｎｄ ｄｉｆｆｉｃｕｔ ｐｒｅｄｉｃｔｉｏｎ ａｃｃｕｒａｔｅｌｙꎬ ａｓ ｗｅｌｌ ａｓ ｐｏｏｒ ｓｕｒｒｏｕｎｄｉｎｇ ｒｏｃｋ ｃｏｎｔｒｏｌ ｍｅｔｈｏｄꎬ ａｎ ｉｎｔｅｌｌｉｇｅｎｔ ｗｏｒｋｉｎｇ ｆａｃｅ ｒｏｃｋ ｄｉｓａｓｔｅｒ ｅａｒｌｙ ｗａｒｎｉｎｇ ｓｔｒａｔｅｇｙ ｂａｓｅｄ ｏｎ ｄｙ￣ ｎａｍｉｃ ｓｔａｔｅ ｐｅｒｃｅｐｔｉｏｎ ｏｆ ｒｏｏｆ ｓｔａｔｅꎬ ｒｅａｌ－ｔｉｍｅ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ ｓｌｉｃｅ ｆｏｒｍａｔｉｏｎ ａｎｄ ｍｕｌｔｉ－ｓｏｕｒｃｅ ｍｏｎｉｔｏｒｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｓｔｏｐｅ ｉｓ ｐｒｏ￣ ｐｏｓｅｄ. Ａｎ ｉｎｔｅｌｌｉｇｅｎｔ ｗａｒｎｉｎｇ ｍｅｃｈａｎｉｓｍ ｆｏｒ ｓｕｒｒｏｕｎｄｉｎｇ ｒｏｃｋ ｄｉｓａｓｔｅｒｓ ｉｎ ｗｏｒｋｉｎｇ ｆａｃｅꎬ ｒｅａｌ－ｔｉｍｅ ｍｏｎｉｔｏｒｉｎｇ ａｎｄ ｄｙｎａｍｉｃ ｓｅｎｓｉｎｇ ｔｅｃｈ￣ ｎｏｌｏｇｙ ｆｏｒ ｔｏｐ ｓｕｒｆａｃｅ ｏｆ ｗｏｒｋｉｎｇ ｆａｃｅ ｗａｓ ｄｅｖｅｌｏｐｅｄꎬ ａｎｄ ｔｈｅ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｔｈｅ ｐｏｓｉｔｉｏｎꎬ ｄｕｒａｔｉｏｎ ａｎｄ ｐｒｅｓｓｕｒｅ ｓｔｒｅｎｇｔｈ ｏｆ ｒｏｏｆ ｗａｓ ａｌｓｏ ｒｅａｌｉｚｅｄꎻｍｉｎｅ ｐｒｅｓｓｕｒｅ ｄａｔａ ｂａｓｅｄ ｏｎ ｂｉｇ ｄａｔａ ｐｌａｔｆｏｒｍ ｗａｓ ｄｅｖｅｌｏｐｅｄ. Ｉｎｔｅｌｌｉｇｅｎｔ ｓｅｌｆ－ｌｅａｒｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙꎬ ｃｏｍｂｉｎｅｄ ｗｉｔｈ ｒｏｃｋ ｓｔｒａｔｉ￣ ｇｒａｐｈｉｃ ｍａｐ ｃａｎ ｉｎｖｅｒｔ ｆａｕｌｔｓꎬ ｓｔｒｕｃｔｕｒａｌ ｆｏｒｍａｔｉｏｎ ａｎｄ ｉｎｓｔａｂｉｌｉｔｙ ｏｆ ｋｅｙ ｌａｙｅｒｓ ｏｆ ｔｈｅ ｏｖｅｒｌｙｉｎｇ ｓｔｒａｔａ ｉｎ ｒｅａｌ ｔｉｍｅꎬ ａｎｄ ａｃｈｉｅｖｅｄ ａｃｃｕｒａｔｅ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｌａｒｇｅ－ａｒｅａ ｐｒｅｓｓｕｒｅ ｏｎ ｔｏｐ ｓｕｒｆａｃｅ ｏｆ ｗｏｒｋｉｎｇ ｆａｃｅꎻ ｔｈｅ ｒｅｓｅａｒｃｈ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｃｏａｌ ｗａｌｌ ｓｔａｂｉｌｉｔｙ ｂａｓｅｄ ｏｎ ３Ｄ ｌａｓｅｒ ｓｃａｎｎｉｎｇ ｃａｎ ａｃｈｉｅｖｅ ｈｉｇｈ－ｐｒｅｃｉｓｉｏｎ ｍｏｎｉｔｏｒｉｎｇ ｏｆ ｄｉｓｐｌａｃｅｍｅｎｔ ｏｆ ｃｏａｌ ｗａｌｌ ａｎｄ ｔｈｅ ｅｖｏｌｕｔｉｏｎ ｐｒｏｃｅｓｓ ｏｆ ｊｏｉｎｔ ｆｉｓｓｕｒｅ. Ｉｔ ｃａｎ ａｌｓｏ ｑｕａｎｔｉｔａ￣ ｔｉｖｅｌｙ ｄｅｓｃｒｉｂｅ ｓｈａｐｅꎬ ｐｏｓｉｔｉｏｎ ａｎｄ ｓｔｒｅｎｇｔｈ ｏｆ ｒｉｂ ａｆｔｅｒ ｉｎｓｔａｂｉｌｉｔｙ ｏｆ ｃｏａｌ ｗａｌｌꎬ ｏｖｅｒｃｏｍｉｎｇ ｔｈｅ ｐｒｏｂｌｅｍ ｔｈａｔ ｌａｒｇｅ ａｒｅａｓ ｏｆ ｔｈｅ ｐｒｅｖｉｏｕｓ ｗｏｒｋｉｎｇ ｆａｃｅ ｗｅｒｅ ｐｒｅｓｓｕｒｉｚｅｄ ａｎｄ ｃｏａｌ ｗａｌｌ ｓｐａｌｌｉｎｇ ｃａｎｎｏｔ ｂｅ ａｃｃｕｒａｔｅｌｙ ｐｒｅｄｉｃｔｅｄ. Ｔｈｉｓ ｆｕｒｔｈｅｒ ｉｎｔｅｇｒａｔｅｄ ｔｈｅ ｆａｃｔｏｒｓ ｓｕｃｈ ａｓ ｃｏａｌ ｃｕｔｔｉｎｇ ｍａｃｈｉｎｅ ｃｕｔｔｉｎｇ ｓｐｅｅｄꎬ ｔｈｅ ｗｏｒｋｉｎｇ ｒｅｓｉｓｔａｎｃｅ ｏｆ ｓｕｐｐｏｒｔ ａｎｄ ｔｈｅ ｍｕｌｔｉ－ｓｏｕｒｃｅ ｍｏｎｉｔｏｒｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｔｈｅ ｓｔｏｐｅ ｖｏｌｕｍｅ ａｎｄ ｏｔｈｅｒ ｆｉｅｌｄｓꎬ ａｎｄ ａｎ ｉｎｔｅｌｌｉｇｅｎｔ ｓｅｎｓｉｎｇ ｓｙｓｔｅｍ ｗａｓ ｃｏｎｓｔｒｕｃｔｅｄꎬ ｗｈｉｃｈ ｃｏｍｂｉｎｅｓ ｔｈｅ ｗｏｒｋｉｎｇ ｆａｃｅ ｍｉｎｉｎｇ ｐｒｏｃｅｓｓ ｗｉｔｈ ｃｏａｌ ｗａｌｌ ｒｉｂꎬｕｎｂａｌａｎｃｅｄ ｇａｓ ｅ￣ ｍｉｓｓｉｏｎꎬ ａｎｄ ｌａｒｇｅ－ａｒｅａ ｉｎｓｔａｂｉｌｉｔｙ ａｎｄ ｄｅｇｅｎｅｒａｔｉｏｎ ｏｆ ｔｈｅ ｒｏｏｆ. Ｔｈｅ ｔｅｃｈｎｉｃａｌ ｉｄｅａ ｈａｓ ｂｅｅｎ ｓｕｃｃｅｓｓｆｕｌｌｙ ｖｅｒｉｆｉｅｄ ｉｎ Ｎｏ.１５１０６ ｉｎｔｅｌｌｉｇｅｎｔ ｓｕｐｅｒ－ｌｏｎｇ ｗｏｒｋｉｎｇ ｆａｃｅ ｏｆ ｔｈｅ Ｓｉｊｉａｚｈｕａｎｇ ｍｉｎｅ ｏｆ Ｙａｎｇｍｅｉ Ｇｒｏｕｐꎬ ｗｈｉｃｈ ｇｕａｒａｎｔｅｅｓ ｔｈｅ ｓａｆｅｔｙ ｏｆ ｗｏｒｋｉｎｇ ｆａｃｅ. Ｋｅｙ ｗｏｒｄｓｉｎｔｅｌｌｉｇｅｎｔ ｍｉｎｉｎｇꎻｓｕｒｒｏｕｎｄｉｎｇ ｒｏｃｋ ｄｉｓａｓｔｅｒꎻｃｏａｌ ｗａｌｌ ｓｐａｌｌｉｎｇꎻｍｉｎｅ ｐｒｅｓｓｕｒｅ ｂｅｈａｖｉｏｒꎻｍｏｎｉｔｏｒｉｎｇ ａｎｄ ｅａｒｌｙ ｗａｒｎｉｎｇꎻｉｎｔｅｌｌｉ￣ ｇｅｎｔ ｍｉｎｅ 收稿日期２０１９－０２－１１ꎻ责任编辑赵 瑞 基金项目国家重点研发计划资助项目２０１７ＹＦＣ０８０４３０１ꎬ２０１７ＹＦＣ０６０３００２ꎻ国家自然科学基金面上基金资助项目５１４７４１２８ 作者简介范志忠１９７９ꎬ男ꎬ河南洛阳人ꎬ副研究员ꎬ博士ꎮ Ｅ－ｍａｉｌｆａｎｚｈｉｚｈｏｎｇ１６３＠ １６３.ｃｏｍ ５２１ ２０１９ 年第 １０ 期煤 炭 科 学 技 术第 ４７ 卷 ０ 引 言 煤矿智能化是煤炭工业高质量发展的核心技术 支撑ꎬ智能化发展的目标是建设智慧煤矿ꎬ智能化开 采技术取代传统煤矿生产工艺和组织管理是未来煤 矿开采的必然趋势[１]ꎮ 然而我国煤炭赋存条件比 较复杂、分布不均、结构多元、采煤技术多样化ꎬ能否 实施智能化开采与煤层赋存条件、围岩活动状态、开 采环境等因素密切相关ꎮ 文献[２－４]提出了对煤矿 智能化进行顶层设计ꎬ并对煤矿智能化发展模式进 行统筹规划的思路ꎬ进一步探讨了制约智能化应用 的精准地质探测与 ４Ｄ－ＧＩＳ 系统、危险源智能感知 与预警技术等主要环节的发展路线ꎮ 在当前围岩控 制智能化领域ꎬ存在的片帮精准控制难ꎬ感知精准 度、协同性差等技术难题ꎬ在地质条件简单的煤层中 实现初级人工远程干预的智能开采是当前主要发展 模式ꎬ而在复杂地质条件下仍存在技术瓶颈ꎮ 尤其 是在高瓦斯等复杂煤层赋存条件下ꎬ顶板来压和煤 壁片帮预警预报ꎬ工作面回采工艺与工作面瓦斯不 均衡涌出耦合联动的快速智能感知系统等亟待实 现ꎮ 高强度开采条件下ꎬ工作面通常动载强烈ꎬ煤壁 片帮冒顶难以实现精准预测ꎬ围岩控制手段也较薄 弱ꎬ工作面割煤扰动和顶板来压造成的瓦斯气体非 均衡涌出也时刻威胁智能化工作的开展ꎮ 文献[５－ ９]提出了智能化开采的内涵和 ３ 个基础理论问题 及研究方向ꎬ其中之一便是复杂围岩环境－开采系 统的相互作用机理ꎮ 将采煤机割煤速度、支架工作 阻力与瓦斯体积分数等采场多源监测信息相互融 合ꎬ构建工作面回采工艺与煤壁片帮、瓦斯不均衡涌 出、顶板大面积失稳垮落耦合联动的智能感知系统ꎬ 是复杂煤层实现智能化的重要途径ꎮ 基于此ꎬ笔者 结合阳泉煤业寺家庄矿 １５１０６ 大采高智能化超长工 作面开采实践ꎬ从煤壁片帮、顶板垮落、瓦斯不均衡 涌出等角度对基于多信息融合条件下的围岩灾变预 警技术思路进行探讨ꎮ １ 智能化工作面概况 寺家庄矿 １５１０６ 工作面埋深 ５００６００ ｍꎬ开采 １５ 号煤层ꎬ煤层厚度 ３.６６.４ ｍꎬ平均厚度 ５.０ ｍꎬ普 氏系数 ｆ＝ １２ꎮ 该工作面属高瓦斯、小煤柱孤岛、 大采高超长工作面ꎬ工作面斜长 ２８６.２ ｍꎬ走向长 １ ８１０.６ ｍꎬ工作面两侧均为宽 ７.０ ｍ 小煤柱ꎬ矿压显 现强 烈ꎮ １５１０６ 工 作 面 割 煤 高 度 ５. ０ ｍꎬ 采 用 ＺＹ１２０００/３０/６８Ｄ 型液压支架ꎬ中心距 １.７５ ｍ ꎬ最大 支撑高度 ６.８ ｍꎬ工作阻力 １２ ０００ ｋＮꎮ 工作面回采 期间绝对瓦斯涌出量为 １８９ ｍ３/ ｍｉｎꎬ其中邻近层瓦 斯涌出量为１４４ ｍ３/ ｍｉｎꎬ工作面共有５ 条巷道ꎬ分别 为进风巷、工作面底板岩石预抽巷、高抽巷、工作面 低位抽放巷、回风巷ꎮ １５１０６ 工作面开采条件复杂ꎬ煤层褶曲多ꎬ厚度 变化大ꎬ在巷道区域ꎬ基于地质钻孔、地质资料及巷 道揭露的煤层赋存信息ꎬ进一步生成三维地质模型ꎬ 实现了地质条件的精准预判ꎬ针对矿压显现强烈区 域ꎬ采用采动应力和围岩变形监测系统实时监测煤 柱巷道的应力环境和变形情况ꎬ在应力或变形突变 区域ꎬ采用长钻孔水压致裂技术对顶板关键层进行 预裂ꎬ减少悬顶ꎬ抑制巷道和煤柱变形ꎻ在工作面区 域ꎬ立足于支架压力大数据ꎬ实现了对顶板压力及覆 岩活动规律的动态感知ꎬ此外ꎬ立足于自动化工作面 设备控制与工况监测系统ꎬ进一步将采煤机割煤与 瓦斯监测进行联动ꎬ实现了智能化工作面多源数据 的深度融合ꎮ １５１０６ 工作面属于智能化大采高工作面ꎬ工作 面采煤机具有记忆切割自动化落煤功能ꎬ支架实行 跟机自动化和单架手动操作相结合方式控制ꎬ手动 操作范围为机头 ２０ 架、机尾 ２０ 架ꎮ 若顶板破碎时ꎬ 可单架手动操作ꎮ 推移刮板输送机实行跟机自动及 单架手动相结合方式ꎮ 工作面巷道监控中心由矿用 隔爆兼本质安全型监控主机及显示器、矿用本安型 操作台液压支架远程操作台、采煤机/ 三机操作 台、交换机等设备组成ꎬ如图 １ 所示ꎮ 在支架电液 控制系统的基础上ꎬ可实现在工作面巷道监控中心 对液压支架的远程控制ꎮ 图 １ 寺家庄矿 １５１０６ 工作面巷道监控中心 Ｆｉｇ.１ Ｒｏａｄｗａｙ ｍｏｎｉｔｏｒｉｎｇ ｃｅｎｔｅｒ ｏｆ Ｎｏ.１５１０６ ｗｏｒｋｉｎｇ ｆａｃｅ ｉｎ Ｓｉｊｉａｚｈｕａｎｇ Ｃｏａｌ Ｍｉｎｅ 工作面以太网主要由本质安全型综采综合接 入器、光电转换器、交换机、稳压电源、铠装连接 器、矿用光缆等组成[１０－１１]ꎮ 工作面运输设备控制 系统、巷道输送带系统和工作面运输设备监控系 统通信均具备数据传输功能ꎬ综采自动化可与此 进行双向通信ꎬ实现对工作面“三机”、巷道带式输 ６２１ 范志忠等智能化高强度开采超长工作面围岩灾变预警技术２０１９ 年第 １０ 期 送机的状态监测及集中控制功能ꎮ 泵站系统也实 现了集中控制且具备数据传输功能ꎬ实现与综采 自动化的双向通信ꎮ ２ 顶板状态实时监测与动态感知技术 ２.１ 工作面顶板状态感知技术 智能化工作面通常推进速度快ꎬ对覆岩扰动大ꎬ 矿压显现强烈ꎬ通过研究基本顶失稳对液压支架工 作阻力、活柱伸缩量和位态变化的影响ꎬ得出了采场 顶板来压构成要素的时空关系和表征方法ꎬ构建了 工作面顶板来压强度分级评价模型[１２－１３]ꎮ 以寺家庄矿 １５１０６ 工作面为例ꎬ该工作面为超 长孤岛自动化大采高工作面ꎬ工作面斜长 ２８６ ｍꎬ １６６ 台支架工作阻力随时间分布云图如图 ２ａ 所示ꎬ 工作面矿压显现特征呈现典型的双峰分布ꎮ 支架异 常压力、煤壁片帮漏顶均在工作面中部 ２ 个区域比 较密集ꎬ初步分析是由于超长工作面条件下ꎬ工作面 中部基本顶并非一次性折断ꎬ而是在工作面倾向方 向分区域折断ꎬ并呈铰接状态ꎬ工作面瓦斯不均衡涌 出呈现周期性状态ꎬ如图 ２ｂ 所示ꎬ每次瓦斯超限持 续 ２３ ｄꎬ分析认为是工作面基本顶垮落ꎬ覆岩或邻 近层瓦斯大规模涌出所致ꎮ 图 ２ 工作面推进过程中顶板状况动态感知技术 Ｆｉｇ.２ Ｄｙｎａｍｉｃ ｐｅｒｃｅｐｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ ｒｏｏｆ ｃｏｎｄｉｔｉｏｎ ｉｎ ｔｈｅ ｐｒｏｃｅｓｓ ｏｆ ｗｏｒｋｉｎｇ ｆａｃｅ ａｄｖａｎｃｉｎｇ ２.２ 来压强度分级模式识别 结合远场结构失稳与近场顶板垮落的动力学机 理ꎬ得出工作面矿压显现与采空区来压的时序、机制 和联动效应ꎬ通过建立顶板来压逻辑关系成因图ꎬ研 发了基于模式识别的顶板来压动态感知技术ꎬ寺家 庄矿 １５１０６ 智能化工作面顶板来压强度模式识别如 图 ３ 所示ꎬ从图 ３ 可知ꎬ在 １３５ ｍ 推采长度范围内ꎬ 工作面经历了 ４ 次大范围的周期来压ꎮ 第 １ 次和第 ２ 次周期来压除了伴有大范围的支架安全阀开启、 煤壁片帮漏顶外ꎬ还出现了弥漫性的瓦斯超限ꎬ这 是由于基本顶关键层垮落ꎬ邻近层瓦斯涌出所致ꎮ 寺家庄矿工作面瓦斯来源 ８０％为邻近层瓦斯ꎬ瓦 斯超限和顶板垮落联动性也充分说明了寺家庄矿 治理瓦斯超限的根源在于预测并控制顶板的大面 积垮落ꎮ １５１０６ 孤岛超长工作面来压呈现工作面整体性 大周期来压与区域性小周期来压并存特点ꎬ从来压 强度与范围角度来看ꎬ大周期来压明显区别于小周 期来压ꎮ 初步分析认为ꎬ大周期来压是超长工作面 上覆上位坚硬厚岩层大范围基本上是工作面全长 图 ３ ２０１８ 年工作面推进过程中顶板来压强度模式识别示意 Ｆｉｇ.３ Ｄｉａｇｒａｍ ｏｆ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ ｆｏｒ ｒｏｏｆ ｗｅｉｇｈｔｉｎｇ ｉｎｔｅｎｓｉｔｙ ｄｕｒｉｎｇ ｗｏｒｋｉｎｇ ｆａｃｅ ａｄｖａｎｃｉｎｇ ｉｎ ２０１８ 区域周期性破断造成ꎬ小周期来压是工作面上覆 下位基本顶较大范围工作面中部区域或者工作面 全长区域周期性破断造成ꎮ 通过模式识别ꎬ可以 准确地对工作面大的周期来压进行判识并做到早期 预警ꎬ在即将来压时降低开采强度ꎬ加强通风ꎬ避免 瓦斯大规模弥漫性超限ꎮ ７２１ ２０１９ 年第 １０ 期煤 炭 科 学 技 术第 ４７ 卷 ３ 智能开采煤壁大面积片帮形态判识及变 形监测 ３.１ 煤矿井下三维激光扫描技术 三维激光扫描技术基本原理是采用非接触式高 速激光的测量方式ꎬ在复杂的现场和空间对被测物 体进行快速扫描测量ꎬ获得点云数据ꎮ 海量点云数 据经过三维重构可以再现煤壁片帮形态ꎬ便于用于 煤壁变形监测ꎮ 高精度激光扫描仪对巷道现场进行 扫描及生成的点云数据分布特征如图 ４ 所示ꎮ 图 ４ 高精度激光扫描仪对巷道现场扫描及点云数据分布 Ｆｉｇ.４ Ｐｏｉｎｔ ｃｌｏｕｄ ｄａｔａ ｄｉｓｔｒｉｂｕｔｉｏｎ ａｎｄ ｓｃａｎｎｉｎｇ ｒｏａｄｗａｙ ｏｎ ｓｉｔｅ ｗｉｔｈ ｈｉｇｈ ｐｒｅｃｉｓｉｏｎ ｌａｓｅｒ ｓｃａｎｎｅｒ ３.２ 煤壁裂隙发展演化判识 在煤矿井下采用先进的相位式高精度三维激光 扫描仪 Ｐｅｎｔａｘ Ｓ－３１８０Ｖ 对上湾煤矿 １２４０１ 工作面 进行扫描试验ꎬ试验最大扫描速度达 １ ０１６ ０２７ 点/ ｓꎬ 角度精度 ０.００７ꎬ分辨率 ０.１ ｍｍꎬ可快速反演煤壁 表观裂隙尺度、裂隙密度和裂隙产状等特征参数ꎬ如 图 ５ａ 所示ꎮ 通过后处理软件对扫描对象进行模糊 识别和信息提取ꎬ还能得到煤壁采动裂隙的详细参 数和演化特征ꎬ如图 ５ｂ 所示ꎮ 该技术可用于煤壁内 部破裂与表观裂隙演化一体化监测定位ꎬ实现对煤 壁片帮高精度判识技术ꎮ 图 ５ 煤壁高精度激光扫描裂隙特征分布 Ｆｉｇ.５ Ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｃｒａｃｋ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｉｎ ｈｉｇｈ ｐｒｅｃｉｓｉｏｎ ｌａｓｅｒ ｓｃａｎｎｉｎｇ ｏｆ ｃｏａｌ ｗａｌｌ ３.３ 煤壁片帮形态识别和稳定性监测 通过激光扫描仪可对煤壁进行三维扫描成像ꎬ 获得精确的煤壁片帮特征、片帮位置和片帮强度ꎬ如 图 ６ 所示ꎮ 在大采高开采条件下ꎬ通过对工作面进 行连续不断的监测ꎬ可在一定程度上量化煤壁失稳 乃至大面积片帮发生的频率和规模ꎬ提出液压支架 合理护帮形式及护帮力ꎮ 图 ６ 煤壁片帮形态探测 Ｆｉｇ.６ Ｃｏａｌ ｗａｌｌ ｒｉｂ ｐｒｏｆｉｌｅ ｄｅｔｅｃｔｉｏｎ 基于煤壁激光扫描仪的实时监测特性ꎬ还可用 于大采高条件下煤壁的稳定性尤其是变形监测ꎬ应 用激光扫描仪的 Ｉ－Ｓｉｔｅ Ｓｅｎｔｒｙ 功能对煤壁进行的实 时变形监测如图 ７ 所示ꎮ 图 ７ 煤壁变形监测示意 Ｆｉｇ.７ Ｄｅｆｏｒｍａｔｉｏｎ ｍｏｎｉｔｏｒｉｎｇ ｏｆ ｃｏａｌ ｗａｌｌ ８２１ 范志忠等智能化高强度开采超长工作面围岩灾变预警技术２０１９ 年第 １０ 期 考虑到点云密度有效数据为扫描仪两端各 １５ ｍ范围ꎬ基于位移量对煤壁变形幅度进行危险区 域划分ꎬ实现早期预警ꎬ指导作业人员对危险区域进 行加强支护ꎬ或对煤壁进行注浆加固措施ꎬ降低煤壁 发生片帮的频率和规模ꎮ ４ 智能开采过程多信息融合技术 ４.１ 瓦斯涌出不均衡特征分析 寺家庄矿为高瓦斯矿井ꎬ为了确保安全生产ꎬ矿 井对瓦斯监测及预警设置了较低的临界值ꎮ ２０１８ 年 ４８ 月上隅角瓦斯浓度监测曲线如图 ８ 所示ꎮ １５１０６ 工作面 ２０１８ 年 ４ 月 ５ 日开始回采ꎬ１５１０６ 工 作面上隅角瓦斯 ２０１８ 年 ４、５、６、７、８ 月超出矿井规 定界值时间 Ｔｃ分别为 ０.８３５、５.５６５、３１.１０５、１３.１０４、 ２.８０６ ｈꎬ６ 月瓦斯最严重ꎬ７ 月其次ꎮ 上隅角瓦斯浓 度濒临超限０.７％ ０.８％ 时间分别为 １０５.１９１、 ７３.１１１、３１.４７２、１４.８２９ ｈꎮ 图 ８ １５１０６ 工作面上隅角瓦斯体积分数浓度变化特征 Ｆｉｇ.８ Ｖａｒｉａｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｇａｓ ｖｏｌｕｍｅ ｆｒａｃｔｉｏｎ ｃｏｎｃｅｎｔｒａｔｉｏｎ ｉｎ ｕｐｐｅｒ ｃｏｒｎｅｒ ｏｆ Ｎｏ.１５１０６ ｗｏｒｋｉｎｇ ｆａｃｅ 经分析认为ꎬ工作面在初采后ꎬ于 ２０１８ 年 ６ 月 累计推进接近 ３００ ｍꎬ该尺寸和工作面倾向长度相 当ꎬ即工作面达到了第一次见方时ꎬ其覆岩垮落范围 也同时达到最高值ꎬ邻近层瓦斯和卸压带瓦斯持续 性涌出ꎬ造成瓦斯阶段性超限ꎮ ４.２ 瓦斯超限与周期来压关系分析 １５１０６ 工作面瓦斯超限与周期来压之间关系紧 密ꎬ基本上每次大周期来压时均伴随有瓦斯超限ꎬ且 周期来压持续时间与瓦斯超限时间呈现一致性增减 关系ꎮ 瓦斯超限起于工作面周期来压开始时ꎬ其超 限严重程度与工作面矿压显现程度呈现一致性关 系ꎮ 当工作面来压结束时ꎬ工作面瓦斯超限基本上 结束ꎮ １５１０６ 工作面瓦斯超限与周期来压关系分析 如图 ９ 所示ꎮ ４.３ 瓦斯超限与采煤机循环作业分析 顶板大面积来压通常造成邻近层瓦斯大规模涌 出ꎬ造成工作面弥漫性瓦斯超限ꎬ２０１８ 年 ６ 月 ２７ 日 瓦斯频繁超限期间 １５１０６ 工作面采煤机运行轨迹如 图 １０ 所示ꎬ从图 １０ 可以看出ꎬ工作面机尾邻近层瓦 斯涌出造成全工作面断电ꎬ采煤机被迫停机ꎮ 从图 １０ 还可以看出ꎬ在割煤速度较快的情况下ꎬ由于煤 壁的快速卸荷也可造成煤壁片帮以及本煤层瓦斯的 瞬时大量涌出ꎬ对回采作业造成影响ꎮ 进一步可以 提出基于割煤速度实时调整的智能喷雾降尘与瓦斯 防控策略ꎬ构建了工作面回采工艺与煤壁片帮、瓦斯 不均衡涌出、顶板大面积失稳垮落耦合联动的快速 智能感知系统ꎬ如图 １１ 所示ꎮ 图 ９ １５１０６ 工作面瓦斯超限与周期来压关系分析 Ｆｉｇ.９ Ｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｇａｓ ｏｖｅｒｒｕｎ ａｎｄ ｐｅｒｉｏｄｉｃ ｐｒｅｓｓｕｒｅ ｉｎ Ｎｏ.１５１０６ ｗｏｒｋｉｎｇ ｆａｃｅ 图 １０ １５１０６ 工作面采煤机运行轨迹示意 Ｆｉｇ.１０ Ｓｈｅａｒｅｒ ｒｕｎｎｉｎｇ ｔｒａｊｅｃｔｏｒｙ ｉｎ Ｎｏ.１５１０６ ｗｏｒｋｉｎｇ ｆａｃｅ 图 １１ 耦合联动的智能感知系统架构示意 Ｆｉｇ.１１ Ｉｎｔｅｌｌｉｇｅｎｔ ｓｅｎｓｉｎｇ ｓｙｓｔｅｍ ａｒｃｈｉｔｅｃｔｕｒｅ ｗｉｔｈ ｃｏｕｐｌｅｄ ｌｉｎｋａｇｅ ９２１ ２０１９ 年第 １０ 期煤 炭 科 学 技 术第 ４７ 卷 ５ 结 论 １我国煤层赋存条件存在多样性ꎬ实现智能化 的途径也各不相同ꎬ提出了智能化超长工作面高强 度开采围岩灾变预警技术思路ꎬ开发了工作面顶板 状态实时监测与动态感知技术ꎮ ２研究出基于大数据的矿压数据智能自学习 技术ꎬ可实时反馈上覆岩层及顶板断裂、结构形成及 失稳等状态ꎬ通过对工作面推进过程中顶板来压强 度进行模式识别ꎬ实现了工作面近远场顶板状态实 时监测与动态感知ꎮ ３研发了基于激光成像的煤壁稳定性判识技 术ꎬ可实现煤壁裂隙发展演化实时监测及煤壁片帮 形态识别和稳定性监测ꎮ ４构建了工作面回采工艺与煤壁片帮、瓦斯不 均衡涌出、顶板大面积失稳垮落耦合联动的智能感 知系统ꎬ为智能化工作面的安全高效开采提供保障ꎮ ５该技术思路在阳煤集团寺家庄矿 １５１０６ 智能 化超长工作面成功得到了验证ꎬ保障了工作面安全ꎬ 其经验可为类似智能化工作面安全高效开采提供借 鉴和参考ꎮ 参考文献Ｒｅｆｅｒｅｎｃｅｓ [１] 王国法ꎬ杜毅博.智慧煤矿与智能化开采技术的发展方向[Ｊ]. 煤炭科学技术ꎬ２０１９ꎬ４７１１－１０. ＷＡＮＧ ＧｕｏｆａꎬＤＵ Ｙｉｂｏ.Ｄｅｖｅｌｏｐｍｅｎｔ ｄｉｒｅｃｔｉｏｎ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｃｏａｌ ｍｉｎｅ ａｎｄ ｉｎｔｅｌｌｉｇｅｎｔ ｍｉｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙ[Ｊ].Ｃｏａｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈ￣ ｎｏｌｏｇｙꎬ２０１９ꎬ４７１１－１０. [２] 王家臣.极软厚煤层煤壁片帮与防治机制[Ｊ].煤炭学报ꎬ２００７ꎬ ３２８７８５－７８８. ＷＡＮＧ Ｊｉａｃｈｅｎ.Ｍｅｃｈａｎｉｓｍ ｏｆ ｔｈｅ ｒｉｂ ｓｐａｌｌｉｎｇ ａｎｄ ｔｈｅ ｃｏｎｔｒｏｌｌｉｎｇ ｉｎ ｔｈｅ ｖｅｒｙ ｓｏｆｔ ｃｏａｌ ｓｅａｍ[Ｊ].Ｊｏｕｒｎａｌ ｏｆ Ｃｈｉｎａ Ｃｏａｌ Ｓｏｃｉｅｔｙꎬ２００７ꎬ ３２８ ７８５－７８８. [３] 罗 文ꎬ杨俊彩ꎬ高振宇.强矿压矿井定向长孔分段压裂技术 研究及应用[Ｊ].煤炭科学技术ꎬ２０１８ꎬ４６１１４３－４９. ＬＵＯ ＷｅｎꎬＹＡＮＧ ＪｕｎｃａｉꎬＧＡＯ Ｚｈｅｎｙｕ.Ｒｅｓｅａｒｃｈ ａｎｄ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｄｉｒｅｃｔｉｏｎａｌ ｌｏｎｇ－ｂｏｒｅｈｏｌｅ ｓｔａｇｅｄ ｈｙｄｒａｕｌｉｃ ｆｒａｃｔｕｒｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ ｓｔｒｏｎｇ ｒｏｃｋ ｐｒｅｓｓｕｒｅ ｉｎ ｍｉｎｅ[Ｊ].Ｃｏａｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙꎬ ２０１８ꎬ４６１１４３－４９. [４] 鞠金峰ꎬ许家林ꎬ朱卫兵ꎬ等.７.０ｍ 支架综采面矿压显现规律研 究[Ｊ].采矿与安全工程学报ꎬ２０１２ꎬ２９３１５４７－１５５６. ＪＵ ＪｉｎｆｅｎｇꎬＸＵ ＪｉａｌｉｎꎬＺＨＵ Ｗｅｉｂｉｎｇꎬｅｔ ａｌ.Ｓｔｒａｔａ ｂｅｈａｖｉｏｒ ｏｆ ｆｕｌｌｙ－ ｍｅｃｈａｎｉｚｅｄ ｆａｃｅ ｗｉｔｈ ７.０ ｍ ｈｅｉｇｈｔ ｓｕｐｐｏｒｔ [Ｊ].Ｊｏｕｒｎａｌ ｏｆ Ｍｉｎｉｎｇ ＆ Ｓａｆｅｔｙ Ｅｎｇｉｎｅｅｒｉｎｇꎬ２０１２ꎬ２９３１５４７－１５５６. [５] 刘俊峰ꎬ唐恩贤ꎬ刘新华ꎬ等.黄陵矿业中厚煤层智能化回采工 艺适应性研究[Ｊ].煤炭工程ꎬ２０１８ꎬ５０ ５１５－２０. ＬＩＵ ＪｕｎｆｅｎｇꎬＴＡＧＮ ＥｎｘｉａｎꎬＬＩＵ Ｘｉｎｈｕａꎬｅｔ ａｌ.Ｓｔｕｄｙ ｏｎ ａｄａｐｔａｂｉｌｉｔｙ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｍｉｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｏｆ ｍｅｄｉｕｍ－ｔｈｉｃｋ ｃｏａｌ ｓｅａｍ ｉｎ Ｈｕａｎｇｌｉｎｇ Ｍｉｎｉｎｇ Ａｒｅａ [Ｊ].Ｃｏａｌ Ｅｎｇｉｎｅｅｒｉｎｇꎬ２０１８ꎬ５０ ５１５－２０. [６] 王国法ꎬ 范京道ꎬ 徐亚军ꎬ等.煤炭智能化开采关键技术创新 进展与展望[Ｊ].工矿自动化ꎬ２０１８ꎬ４４２５－１２. ＷＡＧＮ Ｇｕｏｆａꎬ ＦＡＮ Ｊｉｎｇｄａｏꎬ ＸＵ Ｙａｊｕｎꎬｅｔ ａｌ.Ｉｎｎｏｖａｔｉｏｎ ｐｒｏｇｒｅｓｓ ａｎｄ ｐｒｏｓｐｅｃｔｉｏｎ ｋｅｙ ｔｅｃｈｎｏｌｏｇｉｅｓ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｃｏａｌ ｍｉｎｉｎｇ [Ｊ].Ｉｎ￣ ｄｕｓｔｒｙ ａｎｄ Ｍｉｎｅ Ａｕｔｏｍａｔｉｏｎꎬ２０１８ꎬ４４２５－１２. [７] 李万庆ꎬ马利华ꎬ孟文清.综采工作面安全性的未确知－ＡＨＭ 综 合评价模型[Ｊ].煤炭学报ꎬ２００７ꎬ３２６６１２－６１６. ＬＩＷａｎｑｉｎｇꎬ ＭＡＬｉｈｕａꎬ ＭＥＮＧＷｅｎｑｉｎｇ. Ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｅｖａｌｕａｔｉｏｎ ｍｏｄｅｌ ｆｏｒ ｔｈｅ ｓａｆｅｔｙ ｏｆ ｆｕｌｌｙ ｍｅｃｈａｎｉｚｅｄ ｍｉｎｉｎｇ ｆａｃｅ ｂａｓｅｄ ｏｎ ｕｎａｓｃｅｒｔａｉｎｅｄ ｍｅａｓｕｒｅ ａｎｄ ＡＨＭ [Ｊ].Ｊｏｕｒｎａｌ ｏｆ Ｃｈｉｎａ Ｃｏａｌ Ｓｏｃｉｅｔｙꎬ２００７ꎬ３２６ ６１２－６１６. [８] 宁 宇.大采高综采煤壁片帮冒顶机制与控制技术[Ｊ].煤炭学 报ꎬ２００９ꎬ３４１５０－５２. ＮＩＮＧ Ｙｕ.Ｍｅｃｈａｎｉｓｍ ａｎｄ ｃｏｎｔｒｏｌ ｔｅｃｈｎｉｑｕｅ ｏｆ ｔｈｅ ｒｉｂ ｓｐａｌｌｉｎｇ ｉｎ ｆｕｌｌｙ ｍｅｃｈａｎｉｚｅｄ ｍｉｎｉｎｇ ｆａｃｅ ｗｉｔｈ ｇｒｅａｔ ｍｉｎｉｎｇ ｈｅｉｇｈｔ[Ｊ].Ｊｏｕｒｎａｌ ｏｆ Ｃｈｉｎａ Ｃｏａｌ Ｓｏｃｉｅｔｙꎬ２００９ꎬ３４１ ５０－５２. [９] 朱 涛.软煤层大采高综采采场围岩控制理论及技术研究 [Ｄ].太原太原理工大学ꎬ２０１０. [１０] 王彪谋ꎬ侯 刚ꎬ张金虎ꎬ等.坚硬薄煤层智能化开采成套关键 技术及装备研究[Ｊ].煤矿开采ꎬ２０１８ꎬ２３４１－３. ＷＡＮＧ Ｂｉａｏｍｏｕꎬ ＨＯＵ Ｇａｎｇꎬ ＺＨＡＮＧ Ｊｉｎｈｕꎬｅｔ ａｌ.Ｍｅｃｈａｎｉｓｍ ｏｆ ｔｈｅ ｒｉｂ ｓｐａｌｌｉｎｇ ａｎｄ ｔｈｅ ｃｏｎｔｒｏｌｌｉｎｇ ｉｎ ｔｈｅ ｖｅｒｙ ｓｏｆｔ ｃｏａｌ ｓｅａｍ[Ｊ]. Ｃｏａｌ Ｍｉｎｉｎｇ Ｔｅｃｈｎｏｌｏｇｙꎬ２０１８ꎬ２３４１－３. [１１] 李 波.超级自动化长壁综采工作面装备及开采技术[Ｊ].中 国煤炭ꎬ２００４ꎬ３０１１３５－４０. [１２] 范志忠ꎬ王耀辉ꎬ黄志增.支架压力和位态模糊识别的综放放 煤模式[Ｊ].辽宁工程技术大学学报自然科学版ꎬ２０１６ꎬ３５ １１１２０５－１２１１. ＦＡＮ ＺｈｉｚｈｏｎｇꎬＷＡＧＮ ＹａｏｈｕｉꎬＨＵＡＮＧ Ｚｈｉｚｅｎｇ.Ｐａｔｔｅｒｎ ｏｆ ａｕｔｏ￣ ｍａｔｉｏｎ ｔｏｐ－ｃｏａｌ ｃａｖｉｎｇ ｂａｓｅｄ ｏｎ ｆｕｚｚｙ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｓｕｐｐｏｒｔ ｐｒｅｓ￣ ｓｕｒｅ ａｎｄ ｓｔａｔｅ [Ｊ].Ｊｏｕｒｎａｌ ｏｆ Ｌｉａｏｎｉｎｇ Ｔｅｃｈｎｉｃａｌ ＵｎｉｖｅｒｓｉｔｙＮａｔ￣ ｕｒａｌ Ｓｃｉｅｎｃｅꎬ２０１６ꎬ３５１１１２０５－１２１１. [１３] 钱鸣高ꎬ石平五.矿山压力与岩层控制[Ｍ].徐州中国矿业大 学出版社ꎬ２００３８０. ０３１
展开阅读全文
