郎 琦

1煤炭科學(xué)技術(shù)研究院有限公司 北京 100013

2煤炭資源高效開采與潔凈利用國家重點(diǎn)實驗室 北京 100013

3北京市煤礦安全工程技術(shù)研究中心 北京 100013

近年來，我國煤炭行業(yè)機(jī)械化、大型化發(fā)展迅速，大型煤炭企業(yè)采煤機(jī)械化程度由 1978 年的 32.34% 提升至 2018 年的 96.1%，掘進(jìn)機(jī)械化程度由 14.5% 提高到 54.1%[1]。然而，礦山頂板災(zāi)害仍是引起煤礦安全生產(chǎn)事故的重要因素，據(jù)統(tǒng)計，2004—2015 年，全國煤礦頂板災(zāi)害事故發(fā)生 10 798 起，在礦山總體事故起數(shù)中占比高達(dá) 52.1%[2]。由此可見，礦山頂板災(zāi)害在我國礦山各類事故中最具威脅性，建立完善礦山頂板災(zāi)害預(yù)警監(jiān)測系統(tǒng)對煤礦安全生產(chǎn)具有重要的意義。

1 監(jiān)測預(yù)警技術(shù)研究現(xiàn)狀及優(yōu)化方向

1.1 礦山頂板主要監(jiān)測要點(diǎn)

現(xiàn)階段采場頂板運(yùn)動致災(zāi)的主要監(jiān)測指標(biāo)有：液壓支架初撐力及工作阻力、工作面頂板端面距、工作面頂板下沉量等。

(1)礦壓顯現(xiàn)狀態(tài)監(jiān)測 通過安裝于液壓支架上的應(yīng)力傳感器[3]，采集隨工作面推進(jìn)過程中采場頂板所顯現(xiàn)的礦山壓力值，進(jìn)一步可對液壓支架工作阻力變化狀態(tài)進(jìn)行相似模擬分析研究，從而可獲得工作面回采過程中采場頂板巖層結(jié)構(gòu)的壓力變化規(guī)律，為采場頂板支護(hù)及支架選型提供理論及實踐依據(jù)。

(2)采場頂板下沉量動態(tài)監(jiān)測 基于安裝于液壓支架上的位移傳感器[4]，采集工作面推進(jìn)過程中頂板的運(yùn)移數(shù)據(jù)，可與礦山壓力監(jiān)測值共同反映出液壓支架及采場頂板的狀態(tài)。

(3)端面距動態(tài)監(jiān)測 基于安裝于液壓支架前梁上的距離傳感器[5]，可達(dá)到實時監(jiān)測液壓支架與煤壁之間的距離，進(jìn)而可動態(tài)監(jiān)測與分析液壓支架及采場頂板的穩(wěn)定性。

除上述采場頂板穩(wěn)定性主要監(jiān)測指標(biāo)外，通常還會對煤壁片幫程度、偽頂及直接頂強(qiáng)度、采高等進(jìn)行輔助監(jiān)測[6]，以達(dá)到對采場頂板穩(wěn)定性全方位監(jiān)測的目的。

1.2 礦山頂板災(zāi)變預(yù)警技術(shù)

基于現(xiàn)場安裝的應(yīng)力、應(yīng)變、位移及距離等傳感器硬件監(jiān)測設(shè)施，對實時采集的礦山壓力顯現(xiàn)數(shù)據(jù)進(jìn)行分析處理，并建立采場頂板災(zāi)變數(shù)學(xué)分析模型[7]，解析礦山頂板災(zāi)變礦壓顯現(xiàn)相應(yīng)指標(biāo)的閾值或臨界條件，從而實現(xiàn)對礦山頂板災(zāi)變的監(jiān)測及預(yù)警。

(1)支架載荷異常預(yù)警 目前主要通過采集現(xiàn)場支架初次及周期來壓期間支架工作阻力并分析其變化趨勢來實現(xiàn)預(yù)警[8]。當(dāng)支架工作阻力低于其初撐力、高于額定工作阻力以及變化率急劇波動時，則觸發(fā)支架承載異常預(yù)警。

(2)頂板下沉監(jiān)測預(yù)警 基于理論分析與工程實踐經(jīng)驗設(shè)定相應(yīng)回采工作面頂板下沉量閥值和變化速率[9]，當(dāng)頂板下沉量超過預(yù)設(shè)閥值或其變化率超過預(yù)設(shè)速率閥值，則礦井頂板災(zāi)害監(jiān)測系統(tǒng)將激活并發(fā)出頂板位移異常預(yù)警信號。

(3)基本頂巖層結(jié)構(gòu)失穩(wěn)預(yù)警 基本頂巖層斷裂結(jié)構(gòu)的穩(wěn)定性及其運(yùn)移規(guī)律是造成采場礦山壓力顯現(xiàn)的主要緣由，現(xiàn)階段針對基本頂結(jié)構(gòu)狀態(tài)及變化無法直接和直觀地監(jiān)測預(yù)報。鑒于此，筆者在建立基本頂力學(xué)模型的基礎(chǔ)上，計算基本頂斷裂結(jié)構(gòu)參數(shù)，并輸入頂板監(jiān)測預(yù)警系統(tǒng)基本頂監(jiān)測板塊，從而判斷其穩(wěn)定性。

1.3 監(jiān)測預(yù)警系統(tǒng)優(yōu)化方向

當(dāng)前國內(nèi)雖然在礦山頂板災(zāi)害監(jiān)測預(yù)警系統(tǒng)理論及技術(shù)裝備方面已取得較大的進(jìn)步和成就[10-12]，但就頂板監(jiān)測預(yù)警數(shù)據(jù)采集、計算分析、超限預(yù)警及后處理等方面需進(jìn)一步做以下改進(jìn)。

(1)提高預(yù)警數(shù)學(xué)模型精確性 建立精確的頂板災(zāi)變預(yù)警數(shù)學(xué)模型，并選擇適用的預(yù)警臨界條件及閾值，形成礦山頂板災(zāi)變預(yù)警及決策系統(tǒng)，是實現(xiàn)礦山頂板結(jié)構(gòu)穩(wěn)定性監(jiān)測及災(zāi)變預(yù)警的基本理論思路。

(2)完善頂板穩(wěn)定性監(jiān)測參數(shù)指標(biāo) 礦山采場頂板巖層結(jié)構(gòu)穩(wěn)定性監(jiān)測參數(shù)指標(biāo)的選取是實現(xiàn)頂板巖層結(jié)構(gòu)穩(wěn)定監(jiān)測預(yù)警應(yīng)用研究的基礎(chǔ)。對未曾考慮的因素及技術(shù)無法滿足而考慮的因素劃分不明確，必須對能反映回采期間頂板巖層結(jié)構(gòu)動態(tài)變形破壞的相關(guān)參數(shù)指標(biāo)進(jìn)行甄別、篩選及監(jiān)測分析。

(3)建立頂板監(jiān)測綜合化預(yù)警系統(tǒng) 運(yùn)用數(shù)學(xué)分析方法，將回采過程中采場基本頂、直接頂?shù)雀黝愴敯宓闹匾獏?shù)指標(biāo)進(jìn)行數(shù)理融合分析，考慮各影響因素間的關(guān)聯(lián)性，進(jìn)而提高頂板監(jiān)測系統(tǒng)的全面性及精確性。

(4)提高監(jiān)測及預(yù)警系統(tǒng)智能化程度 頂板巖層穩(wěn)定性監(jiān)測預(yù)警系統(tǒng)智能化程度的提高將會直接反映出其系統(tǒng)決策能力，為此應(yīng)重點(diǎn)研究如何實現(xiàn)現(xiàn)場數(shù)據(jù)采集、預(yù)處理、數(shù)據(jù)傳輸、數(shù)據(jù)分析及響應(yīng)處理的快速性及精確性，降低頂板災(zāi)害監(jiān)測預(yù)警系統(tǒng)的響應(yīng)時間消耗，提高監(jiān)測預(yù)警系統(tǒng)的智能化程度。

2 頂板災(zāi)害預(yù)警數(shù)學(xué)模型

2.1 徑向基神經(jīng)網(wǎng)絡(luò) (RBF Network)

徑向基函數(shù)網(wǎng)絡(luò) (Radial Basis Function Network)最早由 Broomhead 和 Lowe 在 1988 年建立，是一種使用徑向基函數(shù)作為激活函數(shù)的人工神經(jīng)網(wǎng)絡(luò)[3]。徑向基神經(jīng)網(wǎng)絡(luò)具有良好的模式分類及函數(shù)擬合能力，主要層結(jié)構(gòu)為：輸入層，網(wǎng)絡(luò)節(jié)點(diǎn)個數(shù)與輸入數(shù)據(jù)維數(shù)相等；隱含層，網(wǎng)絡(luò)節(jié)點(diǎn)具體數(shù)量由用戶視所需解決問題的復(fù)雜度而確定；輸出層，網(wǎng)絡(luò)節(jié)點(diǎn)個數(shù)與所計算出的輸出數(shù)據(jù)維度相等[13]。

一般將徑向基函數(shù)記為

2.1.1 正則化徑向基神經(jīng)網(wǎng)絡(luò)

正則化網(wǎng)絡(luò)的輸入層由輸入結(jié)構(gòu)節(jié)點(diǎn)組成的，輸入結(jié)構(gòu)節(jié)點(diǎn)數(shù)目與輸入向量x的維數(shù)m相等；隱含層中，第i個隱含節(jié)點(diǎn)輸出函數(shù)φ(‖x-xi‖)為其相應(yīng)基函數(shù)，Xi=[xi1，xi2，…，xim]為其相應(yīng)基函數(shù)中心；輸出層包括若干線性結(jié)構(gòu)單元，每個線性結(jié)構(gòu)單元與所有隱含層網(wǎng)絡(luò)結(jié)構(gòu)節(jié)點(diǎn)相連，相應(yīng)正則化徑向基函數(shù)網(wǎng)絡(luò)如圖 1 所示。

2.1.2 廣義徑向基神經(jīng)網(wǎng)絡(luò)

圖1 正則化徑向基網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Structure of regular radial basis network

正則化網(wǎng)絡(luò)矩陣數(shù)據(jù)變大時，在求解過程中微小擾動將會對其結(jié)果產(chǎn)生很大影響。由于計算機(jī)的浮點(diǎn)數(shù)只能提供有限精度，對于正則化問題只能通過減少內(nèi)部隱含神經(jīng)單元的數(shù)目，從而進(jìn)一步求得在較低維度空間上的次優(yōu)解。

與正則化網(wǎng)絡(luò)結(jié)構(gòu)原理相似，廣義網(wǎng)絡(luò)結(jié)構(gòu)也存在相應(yīng)有M個輸入數(shù)據(jù)節(jié)點(diǎn)[14]，但其有所不同的是，其隱含層結(jié)構(gòu)中存在有I個節(jié)點(diǎn)，其中I＜K，第i個隱含節(jié)點(diǎn)的基函數(shù)為φ(‖X-Xi‖)，其中Xi=[xi1，xi2，…，xim]，為其基函數(shù)的中心。輸出結(jié)構(gòu)層含有相應(yīng)J個神經(jīng)元結(jié)構(gòu)單元，在這里通過增加閥值φ0使之輸出恒為 1，輸出單元與其相連的權(quán)值為w0j。其相應(yīng)廣義徑向基神經(jīng)網(wǎng)絡(luò)如圖 2 所示。

圖2 廣義徑向基神經(jīng)網(wǎng)絡(luò)Fig.2 General radial basis neural network

設(shè)當(dāng)實際輸出為Yk=[yk1，yk2，…，ykj]，J為其相應(yīng)輸出單元的個數(shù)，因此當(dāng)輸入訓(xùn)練樣本Xk時，則其網(wǎng)絡(luò)第J個輸出的神經(jīng)元結(jié)果為

2.2 多因素徑向基神經(jīng)網(wǎng)絡(luò)模型

采場頂板穩(wěn)定性的影響因素眾多，且各因素與頂板變形值間的關(guān)系呈復(fù)雜的非線性、隨機(jī)性。因此，可建立多因素徑向基神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型，如圖 3 所示，并將影響采場頂板運(yùn)動的各因素分別作為研究分量，代入數(shù)學(xué)模型進(jìn)行計算分析，可得頂板下沉值及殘差值計算結(jié)果，如圖 4、5 所示?？梢钥闯觯嘁蛩貜较蚧窠?jīng)網(wǎng)絡(luò)預(yù)測結(jié)果高度還原了樣本數(shù)據(jù)的變化趨勢，因此選用多因素徑向基神經(jīng)網(wǎng)絡(luò)模型可有效提高采場頂板災(zāi)變監(jiān)測各主要指標(biāo)預(yù)測的精確性。

圖3 多因素徑向基計算網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 Structure of multi-factor radial basis calculation network

圖4 多因素徑向基神經(jīng)網(wǎng)絡(luò)模型預(yù)測Fig.4 Forecast based on multi-factor radial basis neural network model

圖5 多因素神經(jīng)網(wǎng)絡(luò)殘差分析Fig.5 Analysis on residual error of multi-factor neural network

3 礦山頂板監(jiān)測預(yù)警系統(tǒng)優(yōu)化

3.1 系統(tǒng)優(yōu)化框架

礦山頂板監(jiān)測預(yù)警系統(tǒng)優(yōu)化框架如圖 6 所示。通過計算分析采場頂板多因素方差，得出影響頂板下沉變形的主要因素；建立多因素徑向基神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型，預(yù)測各因素影響下頂板巖層沉降量；設(shè)立如頂板下沉量閥值等極限條件，超限報警，并作出應(yīng)急響應(yīng)，避免頂板災(zāi)害發(fā)生。

圖6 頂板監(jiān)測預(yù)警系統(tǒng)優(yōu)化框架Fig.6 Frame of optimization of roof monitoring and early warning system

3.2 礦山壓力顯現(xiàn)監(jiān)測

監(jiān)測系統(tǒng)可以實時采集井下采場的礦壓數(shù)據(jù)，可通過光纖高速傳輸?shù)降孛婵刂剖?，亦可通過電子采集器現(xiàn)場無線采集。對于液壓支架阻力及位移數(shù)據(jù)采集及分析結(jié)果如圖 7 所示。

3.3 頂板結(jié)構(gòu)運(yùn)動狀態(tài)監(jiān)測

基于基本頂斷裂力學(xué)模型，解析其斷裂結(jié)構(gòu)發(fā)生各種失穩(wěn)狀態(tài)的判別式，并將其擬合到頂板監(jiān)測預(yù)警系統(tǒng)中，綜合考慮現(xiàn)場采集數(shù)據(jù)樣本、實驗室相似模擬及理論計算模型，可擬合得到基本頂結(jié)構(gòu)所處狀態(tài)，如圖 8 所示。

圖7 液壓支架工作阻力及位移Fig.7 Work resistance and displacement of hydraulic support

圖8 頂板結(jié)構(gòu)狀態(tài)分析Fig.8 Analysis on roof status

3.4 頂板下沉量超限監(jiān)測

優(yōu)化后的頂板下沉量監(jiān)測預(yù)警系統(tǒng)中囊括了多因素影響條件，并給出了相應(yīng)條件下的預(yù)測結(jié)果和殘差值分析，如圖 9 所示。由圖 9 可見，基于多種關(guān)鍵因素的徑向基神經(jīng)網(wǎng)絡(luò)預(yù)測頂板下沉量具有較高的精確度，能夠?qū)崟r有效地反映頂板的切實狀態(tài)。與礦山壓力監(jiān)測相同，均設(shè)有超限報警功能，能夠更好地確保安全生產(chǎn)。

圖9 頂板下沉量監(jiān)測預(yù)警模型Fig.9 Roof subsidence amount monitoring and early warning model

4 系統(tǒng)試驗

4.1 監(jiān)測站布置

為檢測該預(yù)警系統(tǒng)的可行性，選取晉華宮礦 8707工作面為工業(yè)性試驗對象，沿工作面傾向布置 6 個頂板運(yùn)動監(jiān)測站，分別分布于 17、28、39、50、69 和88 號支架處，監(jiān)測站布置如圖 10 所示。

圖10 監(jiān)測站布置示意Fig.10 Sketch of layout of monitoring station

4.2 監(jiān)測結(jié)果分析

通過對 8707 工作面現(xiàn)場實測，頂板監(jiān)測預(yù)警系統(tǒng)對其頂板狀態(tài)進(jìn)行監(jiān)測分析，各站點(diǎn)液壓支架狀態(tài)如圖 11 所示，1 號監(jiān)測站處于端頭，礦壓顯現(xiàn)較強(qiáng)，超過 40 MPa，其余各站工作阻力及位移均在可控范圍內(nèi)，均呈正常狀態(tài)，暫未出現(xiàn)報警值；頂板結(jié)構(gòu)狀態(tài)結(jié)果如圖 8 所示，基本頂結(jié)構(gòu)處于滑落回轉(zhuǎn)區(qū)，應(yīng)防范基本頂滑落失穩(wěn)引起倒架、壓架等現(xiàn)象發(fā)生。

5 結(jié)論

(1)多因素徑向基神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)計算分析模型對礦山頂板災(zāi)害監(jiān)測預(yù)警系統(tǒng)有更好的適用性，可有效提高監(jiān)測預(yù)警系統(tǒng)的精確性。

(2)從數(shù)學(xué)計算模型、數(shù)據(jù)采集和傳輸、支架狀態(tài)分析及頂板結(jié)構(gòu)分析等方面對礦山頂板監(jiān)測預(yù)警系統(tǒng)進(jìn)行優(yōu)化設(shè)計，并對 8707 工作面進(jìn)行應(yīng)用檢測，結(jié)果表明，8707 工作面頂板處于滑落回轉(zhuǎn)狀態(tài)，應(yīng)做好倒架、壓架等礦壓顯現(xiàn)異常的防范工作。

圖11 8707 工作面監(jiān)測結(jié)果Fig.11 Monitoring results on work face 8707