余华寺矿区采场稳定性分析及支护方案研究
|
摘要
地压控制或称地压管理是采矿设计、采矿方法试验和采矿开采过程中的第一重要问题。地压控制的基本理论就是掌握开采过程中巷道和采场围岩的应力、应变分布规律，开采结构系统的变形和破坏情况，并采取合理的措施，控制开采系统有害的变形和破坏，保持开采系统的稳定性，保证生产的安全。为了有效地完成开采过程中的地压控制工作，就必须首先对开采过程中的地压活动规律有充分的了解和认识。通过开采过程中的现场监测，实时掌握开采地压显现情况，为及时采取相应的措施控制有害的地压活动，防止开采系统的失稳破坏提供了保证。
为此，本论文根据武钢余华寺铁矿的生产实际情况，从以下几个方面开展了研究工作。
1、通过对采场巷道收敛的监控量测，分析影响巷道围岩收敛的主要因素，利用神经网络的非线性和具有学习和记忆的功能，本论文建立了针对采场巷道收敛的神经网络预测模型。然后用训练样本训练网络模型，并用检验样本对模型进行了检验。
2、研究了不同质量分级的围岩稳定性，尽可能的针对不同等级围岩提出相应的支护方案，通过建立有限元模型，进行了基于岩石质量分级的巷道收敛数值研究，计算不同外力环境下的收敛情况以及塑性区范围的位置与大小，从而为巷道的稳定性以及支护方案的选择提供理论依据。
3、通过分析影响锚喷支护效果的因素，本论文提出了基于巷道围岩收敛预测的锚喷支护的设计方法，并给出了具体的设计依据，最后针对余化寺矿锚喷支护施工现状，提出提高支护效果的具体措施。
Pressure control is the most important matter in the mining planning, mining method experimentation and mining process. Its basic theory includes the control of the distributing laws on the stress and strain of laneway's wall rock in mining activity, and the deformation and failure of extraction structural system, and the control of the negative progress tendency by taking rational measures for the sake of mining system stably and production process safely. In order to finish pressure control effectively, we first understand the ground pressure activation rules fully in the extraction process, we must regularly supervise the ground pressure locally, duly master it emerge occasions in mining works and so prevent the mining system from losing its stability.
This paper is based on the production practice of YuHuaSi Iron Mine, and several sections are studied in the paper.
In the first chapter, the most factors are analyzed of influencing the convergence of laneway's wall rock by virtue of supervision and survey. Because the system of artificial neural network has characteristics of adaptability, non-linearity, self-study and memorial function, in this paper, BP neural network model is founded for forecasting the convergences of laneway rock mass. After having learnt the sample cases, the problem model is tested by the classified samples and very good predicts results are got.
Secondly, the stability of surrounding rock mass with different engineering quality classes is studied. Aiming to be able to select the suitable supporting method according to the specific engineering quality of surrounding rock mass, the finite element analysis is performed. With the help of FEM, the convergences of roadways are studied based on the rock mass quality classification. Meanwhile, the area and the position of plastic zone around the roadway are calculated. That can serve as the theoretical basis of selecting the suitable supporting method.
Thirdly, in this paper, a new design method based on above predicts results on shotcrete and bolt support was brought forward and its material design rule was provided after expatiating its mechanics principia and studying on all design methods. Finally, the influencing factors of shotcrete and bolt support are analyzed, and so the improvement measure are advised for YuHuaSi mine.
为此，本论文根据武钢余华寺铁矿的生产实际情况，从以下几个方面开展了研究工作。
1、通过对采场巷道收敛的监控量测，分析影响巷道围岩收敛的主要因素，利用神经网络的非线性和具有学习和记忆的功能，本论文建立了针对采场巷道收敛的神经网络预测模型。然后用训练样本训练网络模型，并用检验样本对模型进行了检验。
2、研究了不同质量分级的围岩稳定性，尽可能的针对不同等级围岩提出相应的支护方案，通过建立有限元模型，进行了基于岩石质量分级的巷道收敛数值研究，计算不同外力环境下的收敛情况以及塑性区范围的位置与大小，从而为巷道的稳定性以及支护方案的选择提供理论依据。
3、通过分析影响锚喷支护效果的因素，本论文提出了基于巷道围岩收敛预测的锚喷支护的设计方法，并给出了具体的设计依据，最后针对余化寺矿锚喷支护施工现状，提出提高支护效果的具体措施。
Pressure control is the most important matter in the mining planning, mining method experimentation and mining process. Its basic theory includes the control of the distributing laws on the stress and strain of laneway's wall rock in mining activity, and the deformation and failure of extraction structural system, and the control of the negative progress tendency by taking rational measures for the sake of mining system stably and production process safely. In order to finish pressure control effectively, we first understand the ground pressure activation rules fully in the extraction process, we must regularly supervise the ground pressure locally, duly master it emerge occasions in mining works and so prevent the mining system from losing its stability.
This paper is based on the production practice of YuHuaSi Iron Mine, and several sections are studied in the paper.
In the first chapter, the most factors are analyzed of influencing the convergence of laneway's wall rock by virtue of supervision and survey. Because the system of artificial neural network has characteristics of adaptability, non-linearity, self-study and memorial function, in this paper, BP neural network model is founded for forecasting the convergences of laneway rock mass. After having learnt the sample cases, the problem model is tested by the classified samples and very good predicts results are got.
Secondly, the stability of surrounding rock mass with different engineering quality classes is studied. Aiming to be able to select the suitable supporting method according to the specific engineering quality of surrounding rock mass, the finite element analysis is performed. With the help of FEM, the convergences of roadways are studied based on the rock mass quality classification. Meanwhile, the area and the position of plastic zone around the roadway are calculated. That can serve as the theoretical basis of selecting the suitable supporting method.
Thirdly, in this paper, a new design method based on above predicts results on shotcrete and bolt support was brought forward and its material design rule was provided after expatiating its mechanics principia and studying on all design methods. Finally, the influencing factors of shotcrete and bolt support are analyzed, and so the improvement measure are advised for YuHuaSi mine.
引文
[1]郑永学．矿山岩体力学[M]．北京：冶金工业出版社，1988
[2]陈子萌编著．围岩力学分析中的解析方法[M]．北京：煤炭工业出版社，1994
[3][澳]B．H．G．布雷迪，[英]E．T．布朗．地下采矿岩石力学[M]．北京：煤炭工业出版社，1990
[4]宋振骐．实用矿山压力控制[M]．徐州：中国矿业大学出版社，1988
[5]谢和平．采矿工程中的力学问题与分形力学[M]．北京：中国科学技术出版社，2000
[6]周维垣主编．高等岩石力学[M]．北京：水利电力出版社，1990
[7]Grossber S. Nonlinear Neural Network. Principles, Mechanisms and Architectures. Neural Networks, 1988, (1): 17—61
[8]靳蕃．神经网络与神经计算机原理应用[M]．成都：西南交通大学出版社，1991
[9]孙道恒，胡俏，徐灏．固体力学有限元神经计算原理[J]．机械工程学报，1996，32(6)：20—25
[10]Meulenkamp F, Grima M Alvare. Application of neural networks for the prediction of the unconfined compressive strength (UCS) FROM Equation hardness[J], International Journal of Rock Mechanics and Mining Sciences, 1999, 36(1):29—39
[11]梁艳春等．人工神经网络应用于地下洞室围岩参数识别的研究[J]．模式识别与人工智能，1996，9(1)：71—77
[12]吴洪词．回采巷道围岩稳定性的神经网络控制[J]．煤炭工程师，1998(1)：3—6
[13]陈国荣，高谦．锚杆支护的神经网络设计系统及其应用[J]．工程地质学报，1999，7(1)：77—81
[14]卢才金，胡厚日．改进的BP网络在岩质边坡稳定性评判中的应用[J]．岩石力学与工程学报，1999，18(3)：303—307
[15]周保生，朱维申．人工神经网络在煤矿巷道围岩移近量预测中的应用[J]．系统工程理论与实践，2000，20(1)：136—139
[16]宋海涛，张益东．锚杆支护现状及其发展[J]．矿山压力与顶板管理，1999(1)：2—4
[17]周淑媛．我国喷锚支护技术的发展及其应用[J]．金属矿山，1988(3)
[18]冯夏庭，王泳嘉．人工智能在矿山岩体边坡工程中应用[J]．化工矿山技术，1995，24(1)：1—3
[19]《无底柱分段崩落采矿法采场结构参数和工艺技术优化》试验研究鉴定资料·武钢矿业有限责任公司设计研究所，武钢矿业有限责任公司焦作余化寺分矿，1999·12
[20]金山店张伏山铁矿床粉矿物理力学性质试验及成因、分布研究报告．武钢金山店铁矿，1987
[21]蔡美峰．金属矿山采矿设计优化与地压控制：理论与实践[M]．北京：科学出版社．2001
[22]许梦国等．武钢程潮铁矿采场地压规律分析与合理回采顺序研究．1999．11
[23]Abhijit S．Pandya Robert B．Macy著．徐勇，荆涛译．神经网络模式识别及其实现．Pattern Recognition wi th Neural Networks in C++[M]．北京：电子工业出版社，1999
[24]胡守仁，余少波，戴葵．神经网络导论[M]．长沙：国防科技大学出版社，1993
[25]胡守仁．神经网络应用技术[M]．长沙：国防科技大学出版社，1998
[26]周继成．人工神经网络——第六代计算机的实现[M]．北京：科学普及出版社，1993
[27]刘增良，刘有才编著．模糊控制逻辑与神经网络——理论研究与探索[M]．北京：北京航空航天大学出版社，1996
[28]莫恭佑．神经网络及其在英国的应用[J]．世界经济科技，1992(8)：37—41
[29]迟惠生，陈珂．1995年世界神经网络大会述评[J]．国际学术动态，1996(1)：28—31，17
[30]Stephen P and Roger L K. Evaluation of Coal Mine Roof Supports Using Artificial Intelligence. 1992, Proc 23rd APCOM, 103—107
[31]张清，宋家蓉．利用神经元网络预测岩石或岩石工程的力学性态[J]．岩石力学与工程学报，1992，11(1)：35—43
[32]冯夏庭，王泳嘉．采矿工程智能系统[M]．北京：冶金工业出版社，1994
[33]周保生，朱维申．巷道围岩参数的人工神经网络预测[J]．岩土力学，1999，20(1)：22—26
[34]冯夏庭，王丽娜．利用神经网络学习的岩体分级[J]．东北工学院学报，1993，14(3)：226—230
[35]冯夏庭，王泳嘉．岩体质量评价神经网络专家系统知识库的建立[J]．金属矿山，1994(9)：5—8，35
[36]谭云亮，王泳嘉．回采巷道分类指标的神经网络聚类分析模型[J]．岩石力学与工程学报，1995，14(2)：139—144
[37]冯夏庭，林韵梅．基于神经网络的巷道支护决策[J]．煤炭学报，1995，20(1)：34—38
[38]徐卫亚，蒋晗．三峡永久船闸高边坡变形预测人工神经网络分析[J]．岩土力学，1999，20(2)：21—31
[39]杨英杰，张清．人工神经网络在岩石工程系统RES中的应用[J]．铁道学报，1997，19(2)：65—72
[40]冯夏庭，张治强．位移反分析的进化神经网络方法研究[J]．岩石力学与工程学报，1999，18(5)：529—533
[41]鲁小兵，李德基．基于神经网络的泥石流预测[J]．自然灾害学报，1996，5(3)：47—50
[42]刘浩吾，蔡德所．三峡工程岩体爆破地震效应的神经网络模型[J]．岩土力学，1998，20(1)：18—21
[43]蔡美峰，孔广亚．岩体工程系统失稳的能量突变判断准则及其应用[J]．北京科技大学学报，1997，19(4)：325—328
[44]蔡美峰，来兴平．非线性神经网络在复杂条件矿床采矿方法识别中的应用[J]．第六次全国岩石力学与工程学术大会论文集，2000．武汉：74—79
[45]Werbos P J. Beyond Regression: New Tools for Prediction and Analysis in the Behavioral Sciences, Harvard University, 1974
[46]于学馥，郑颖人等．地下围岩稳定性分析[M]．北京：煤炭工业出版社，1983
[47]郭连军，徐小荷，牛成俊．爆破专家系统原理与应用[M]．沈阳：辽宁科学技术出版社，1993
[48]Ward Systems Group. Inc. NeuroShell (Neural Network Shell Program). Fourth Edition-August 1991
[49]国家标准《锚杆喷射混凝土支护技术规范》 (GB50086-2001)
[50]李彦斌，苏学贵．影响锚喷支护质量的因素分析[J]．山西煤炭，2000，20(1)：19—21
[51]姜有，周贵全．影响回采巷道锚杆支护效果的因素分析[J]．东北煤炭技术，1999(5)：20—22
[52]徐志英．岩石力学[M]．北京：水利电力出版社，1986
[53]金掌臻．锚喷支护及其应用[J]．矿业研究与开发，1999，19(增刊)
[54]程良奎等．岩土锚固[M]．北京：中国建筑工业出版社，2002
[2]陈子萌编著．围岩力学分析中的解析方法[M]．北京：煤炭工业出版社，1994
[3][澳]B．H．G．布雷迪，[英]E．T．布朗．地下采矿岩石力学[M]．北京：煤炭工业出版社，1990
[4]宋振骐．实用矿山压力控制[M]．徐州：中国矿业大学出版社，1988
[5]谢和平．采矿工程中的力学问题与分形力学[M]．北京：中国科学技术出版社，2000
[6]周维垣主编．高等岩石力学[M]．北京：水利电力出版社，1990
[7]Grossber S. Nonlinear Neural Network. Principles, Mechanisms and Architectures. Neural Networks, 1988, (1): 17—61
[8]靳蕃．神经网络与神经计算机原理应用[M]．成都：西南交通大学出版社，1991
[9]孙道恒，胡俏，徐灏．固体力学有限元神经计算原理[J]．机械工程学报，1996，32(6)：20—25
[10]Meulenkamp F, Grima M Alvare. Application of neural networks for the prediction of the unconfined compressive strength (UCS) FROM Equation hardness[J], International Journal of Rock Mechanics and Mining Sciences, 1999, 36(1):29—39
[11]梁艳春等．人工神经网络应用于地下洞室围岩参数识别的研究[J]．模式识别与人工智能，1996，9(1)：71—77
[12]吴洪词．回采巷道围岩稳定性的神经网络控制[J]．煤炭工程师，1998(1)：3—6
[13]陈国荣，高谦．锚杆支护的神经网络设计系统及其应用[J]．工程地质学报，1999，7(1)：77—81
[14]卢才金，胡厚日．改进的BP网络在岩质边坡稳定性评判中的应用[J]．岩石力学与工程学报，1999，18(3)：303—307
[15]周保生，朱维申．人工神经网络在煤矿巷道围岩移近量预测中的应用[J]．系统工程理论与实践，2000，20(1)：136—139
[16]宋海涛，张益东．锚杆支护现状及其发展[J]．矿山压力与顶板管理，1999(1)：2—4
[17]周淑媛．我国喷锚支护技术的发展及其应用[J]．金属矿山，1988(3)
[18]冯夏庭，王泳嘉．人工智能在矿山岩体边坡工程中应用[J]．化工矿山技术，1995，24(1)：1—3
[19]《无底柱分段崩落采矿法采场结构参数和工艺技术优化》试验研究鉴定资料·武钢矿业有限责任公司设计研究所，武钢矿业有限责任公司焦作余化寺分矿，1999·12
[20]金山店张伏山铁矿床粉矿物理力学性质试验及成因、分布研究报告．武钢金山店铁矿，1987
[21]蔡美峰．金属矿山采矿设计优化与地压控制：理论与实践[M]．北京：科学出版社．2001
[22]许梦国等．武钢程潮铁矿采场地压规律分析与合理回采顺序研究．1999．11
[23]Abhijit S．Pandya Robert B．Macy著．徐勇，荆涛译．神经网络模式识别及其实现．Pattern Recognition wi th Neural Networks in C++[M]．北京：电子工业出版社，1999
[24]胡守仁，余少波，戴葵．神经网络导论[M]．长沙：国防科技大学出版社，1993
[25]胡守仁．神经网络应用技术[M]．长沙：国防科技大学出版社，1998
[26]周继成．人工神经网络——第六代计算机的实现[M]．北京：科学普及出版社，1993
[27]刘增良，刘有才编著．模糊控制逻辑与神经网络——理论研究与探索[M]．北京：北京航空航天大学出版社，1996
[28]莫恭佑．神经网络及其在英国的应用[J]．世界经济科技，1992(8)：37—41
[29]迟惠生，陈珂．1995年世界神经网络大会述评[J]．国际学术动态，1996(1)：28—31，17
[30]Stephen P and Roger L K. Evaluation of Coal Mine Roof Supports Using Artificial Intelligence. 1992, Proc 23rd APCOM, 103—107
[31]张清，宋家蓉．利用神经元网络预测岩石或岩石工程的力学性态[J]．岩石力学与工程学报，1992，11(1)：35—43
[32]冯夏庭，王泳嘉．采矿工程智能系统[M]．北京：冶金工业出版社，1994
[33]周保生，朱维申．巷道围岩参数的人工神经网络预测[J]．岩土力学，1999，20(1)：22—26
[34]冯夏庭，王丽娜．利用神经网络学习的岩体分级[J]．东北工学院学报，1993，14(3)：226—230
[35]冯夏庭，王泳嘉．岩体质量评价神经网络专家系统知识库的建立[J]．金属矿山，1994(9)：5—8，35
[36]谭云亮，王泳嘉．回采巷道分类指标的神经网络聚类分析模型[J]．岩石力学与工程学报，1995，14(2)：139—144
[37]冯夏庭，林韵梅．基于神经网络的巷道支护决策[J]．煤炭学报，1995，20(1)：34—38
[38]徐卫亚，蒋晗．三峡永久船闸高边坡变形预测人工神经网络分析[J]．岩土力学，1999，20(2)：21—31
[39]杨英杰，张清．人工神经网络在岩石工程系统RES中的应用[J]．铁道学报，1997，19(2)：65—72
[40]冯夏庭，张治强．位移反分析的进化神经网络方法研究[J]．岩石力学与工程学报，1999，18(5)：529—533
[41]鲁小兵，李德基．基于神经网络的泥石流预测[J]．自然灾害学报，1996，5(3)：47—50
[42]刘浩吾，蔡德所．三峡工程岩体爆破地震效应的神经网络模型[J]．岩土力学，1998，20(1)：18—21
[43]蔡美峰，孔广亚．岩体工程系统失稳的能量突变判断准则及其应用[J]．北京科技大学学报，1997，19(4)：325—328
[44]蔡美峰，来兴平．非线性神经网络在复杂条件矿床采矿方法识别中的应用[J]．第六次全国岩石力学与工程学术大会论文集，2000．武汉：74—79
[45]Werbos P J. Beyond Regression: New Tools for Prediction and Analysis in the Behavioral Sciences, Harvard University, 1974
[46]于学馥，郑颖人等．地下围岩稳定性分析[M]．北京：煤炭工业出版社，1983
[47]郭连军，徐小荷，牛成俊．爆破专家系统原理与应用[M]．沈阳：辽宁科学技术出版社，1993
[48]Ward Systems Group. Inc. NeuroShell (Neural Network Shell Program). Fourth Edition-August 1991
[49]国家标准《锚杆喷射混凝土支护技术规范》 (GB50086-2001)
[50]李彦斌，苏学贵．影响锚喷支护质量的因素分析[J]．山西煤炭，2000，20(1)：19—21
[51]姜有，周贵全．影响回采巷道锚杆支护效果的因素分析[J]．东北煤炭技术，1999(5)：20—22
[52]徐志英．岩石力学[M]．北京：水利电力出版社，1986
[53]金掌臻．锚喷支护及其应用[J]．矿业研究与开发，1999，19(增刊)
[54]程良奎等．岩土锚固[M]．北京：中国建筑工业出版社，2002