“線上”智能支護系統設計

周 油 周 園 王凱

（1.山東科技大學能源與礦業工程學院，山東 青島 266590；2.山東鼎安檢測技術有限公司，山東 濟南 250000； 3.山東安科興業智能裝備有限公司，山東 濟南 250000）

我國絕大多數礦區的巷道支護技術主要依靠于工程類比的方法[1]，工程類比法在相似問題的研究中具有很高的效率，但是由于煤礦地質水文條件復雜性以及現場技術人員技術的局限性，傳統支護技術可能導致支護強度不足或者支護強度過大的問題。為了解決上述兩個難題，提出了一種煤礦“線上”專家支護系統。在系統數據庫中收集了巷道支護專家的豐富經驗、地質學、巖石力學等信息，在BP 神經網絡推理機制下[2]，給出支護方案，生成支護報告。該系統有效解決了煤礦集團信息傳播的問題和巷道支護不能科學、經濟、合理的問題。

1 煤礦集團信息展示模塊

用戶通過瀏覽器訪問煤礦集團站點，發出URL請求，服務器收到相應請求后將用戶所需信息通過瀏覽器反饋給用戶，如圖1。信息顯示模塊可以根據企業內部信息的變化隨時檢查其適用性然后迅速做出相應的調整或及時更換，具有很強的時效性[3]。

圖1 系統響應流程圖

2 專家系統支護模塊

巷道支護工程受地質條件、開采深度等多方面的影響，影響因素之間具有很強的復雜性，很難建立線性數學模型，屬于非線性問題。專家系統是將專家經驗知識存儲到計算機數據庫中，模仿人類專家的推理方式，解決現實中的問題。傳統的巷道支護方法設計出的支護參數與巷道變形存在一定的偏差，支護安全可靠性差[4]，專家系統能夠考慮到影響問題解決的各種因素，綜合考慮各種因素后給出最優解。

2.1 專家系統知識數據庫的建立

知識數據庫主要包括典型案例、巷道圍巖地質條件數據、錨桿等支護材料數據、進行BP 神經網絡算法所需要的規則、公式等數據。知識庫作為專家系統的一個重要組成部分,知識的多少和正確性是專家系統開發研制成敗的關鍵。知識庫中的數據不僅要具有真實性和科學性而且還要具有典型性和普遍適用性[5]。

（1）典型案例庫的建立

案例庫中收集了典型的工程案例，案例的巷道圍巖地質條件具有代表性；巷道支護效果顯著，返修率低且經得起時間的考驗；各種指標參數齊全且具有統一的標準。通過對課題組多年來的項目工程進行整理總結、向煤礦工程師走訪調查得到典型工程案例36 條，并將煤礦巷道支護典型案例輸入到知識數據庫中。為了增加系統典型案例的數量，系統具有自學習能力，系統會將新案例和數據庫中的案例作比較，兩者相似度低于95%時，系統會把新案例添加到數據庫中，以此不斷提高案例的全面性。在錨桿等支護材料的選取上，通過查詢資料和現場測試的方法選取了幾種典型的支護方式：錨桿、錨桿+鋼帶、錨桿+鋼筋梯、錨桿+鋼帶+網、錨桿+鋼帶+網+錨索。

（2）巷道支護影響因素的選擇

對巷道進行支護設計時需要綜合考慮各種影響參數，參數的選取應具有較強的針對性，并且物理意義明確，便于現場采集。經過查閱資料和實地研究，選取了巷道斷面情況、工程地質條件、圍巖應力情況。

（3）BP 神經網絡設計

BP 神經網絡主要包括三個模塊：輸入層、隱含層（中間層）和輸出層[6]。BP 神經網絡具有嚴格的層次結構，其特點是：各層神經元只能與相鄰神經元相連；處于同層的神經元不連接；連接中的信息只能單向傳輸。輸入層用來接收用戶輸入的各種參數，對數據進行標準化處理后將數據傳輸到隱含層。隱含層對各參數的權值不斷調整，不斷提高判斷的準確性，當準確率達到設定閾值后將結果傳入到輸出層反饋給用戶。本系統將巷道圍巖和地應力等地質條件作為輸入層，利用數據庫中的大量成功支護案例作為學習樣本，經過隱含層的分析計算，設計出最佳支護方案如圖2。

圖2 神經網絡模型

2.2 支護報告

支護報告模塊主要用來自動生成煤礦巷道支護報告。用戶“提交”相應參數后，系統激活BP 神經網絡計算機推理機制，結合圍巖地質條件在支護報告頁面分別推薦出頂板、兩幫、底板以錨桿為核心的錨桿、噴射混凝土、錨索聯合支護方案，包括錨桿種類、直徑、間距、排距等信息。支護報告自動輸出功能，是利用Microsoft Office Word 軟件提供的外用程序接口功能實現的，系統由外用程序接口調用該軟件程序，然后與數據庫中推算出的數據結合，在支護報告中顯示出巷道的具體支護信息。支護報告如圖3。

圖3 支護報告

3 煤礦“線上”專家支護系統應用實例

3.1 煤礦集團概括

山東礦區地理條件優越，開挖出來的煤品質優良，但是煤礦信息化建設不足，企業的知名度遠遠小于自身實力，喪失許多發展機會。礦區開采深度-700 m 左右，開采的3710 采煤工作面受煤巖體自重應力、采動應力及構造應力的多重影響。頂板以砂質泥巖、細砂巖為主，煤層直接底板以泥巖、砂質泥巖為主，平均厚度為5 m，無裂隙發育。巷道受來壓時，頂板下沉、兩幫變形及底鼓現象明顯，頂板下沉平均500 mm，兩幫移近量平均500 mm，并出現了錨桿、錨索破斷等現象。為此，建立煤礦“線上”專家支護系統，系統的建立提高了企業的知名度，樹立了企業形象，煤礦集團的實時信息有效地進行了傳播，顯著提高了煤礦集團的核心競爭力，對于指導井下生產實踐，保證礦井的安全高效生產，提高煤礦綜合效益具有重要現實意義。

3.2 專家支護系統應用

煤礦“線上”專家支護系統工作流程圖如圖4。

圖4 系統工作流程圖

3.3 支護方案及其結果分析

系統中的專家支護功能對巷道支護進行了優化設計，提出相應的控制策略，支護結果見表1。為檢測支護的有效性采用FLAC3D有限差分程序，選用Mohr-Coulomb 模型對支護后的圍巖進行模擬分析，如圖 5。由圖5 可看出，支護后，圍巖應力較大，頂板較大應力區域集中在頂部，兩幫集中在兩幫中間區域。有效支護前頂板下沉量大于150 mm，巷道中部最大下沉量為190 mm，巷道兩幫中上段圍巖水平變形量均大于150 mm，左幫最大變形量為180 mm，右幫最大變形量190 mm，兩幫相對移近量為370 mm，相對有效支護前頂板、兩幫的變形量均有明顯減小，支護效果顯著，圍巖自身承載能力顯著增強，保證了巷道的正常安全使用，證明了系統的可靠性。

表1 支護報告基本參數

圖5 支護模擬結果圖

4 結論

本文建立了煤礦“線上”專家支護系統，系統采用HTML 制作技術，通過網頁將智能專家系統應用于巷道支護領域。該系統主要包括信息顯示模塊和礦井智能支護模塊。系統可通過手機或者計算機在網絡環境下隨時隨地訪問，不受時間空間的限制。信息顯示模塊極大地提高了煤礦集團信息的實時性傳播，提高了企業知名度和形象。通過將神經網絡的優點與專家系統相結合，建立了煤礦神經網絡決策系統，結合office 辦公軟件的二次開發，實現了對煤礦巷道錨注支護方案與參數的優化設計和煤礦巷道支護報告的自動生成。將系統應用于山東礦井，并對其進行監測，取得了良好的效果。本系統的開發和應用為以后“手機辦公”和智能開采提供了有益的參考，也為智能支護設計提供了一種新的途徑和方法。“線上”系統具有廣泛的應用前景，能夠提高工作面生產技術管理能力，對實現礦山現代化管理具有實際意義。