-
公开(公告)号：CN114419982B
公开(公告)日：2024-03-15
申请号：CN202111631096.8
申请日：2021-12-29
Applicant: 山东科技大学
IPC: G09B25/06
Abstract: 本发明公开了一种软岩地层留煤柱采空区巷道变形破坏的模型试验系统及方法，涉及巷道变形破坏模拟试验技术领域。本发明根据煤矿工作面的实际参数与模型试验系统的尺寸确定相似比尺，建立与现场工程情况相同的留煤柱采空区巷道变形破坏模型，留煤柱采空区巷道变形破坏模型内等效设置有与现场情况相同的模拟巷道和采空区，模拟巷道上预制有切缝，利用模型试验系统对试验模型进行应力加载，观察应力加载过程中巷道模型的变形破坏情况和收敛规律，获取试验模型的围岩变形规律和围岩应力演化规律，分析切缝对于巷道的保护效果。本发明直观地揭示了软岩动压巷道的变形破坏机理，有利于指导控制软岩动压巷道的变形，提高煤矿的开采效率。
-
Patent Agency Ranking
公开(公告)号：CN114419982A
公开(公告)日：2022-04-29
申请号：CN202111631096.8
申请日：2021-12-29
Applicant: 山东科技大学
IPC: G09B25/06
Abstract: 本发明公开了一种软岩地层留煤柱采空区巷道变形破坏的模型试验系统及方法，涉及巷道变形破坏模拟试验技术领域。本发明根据煤矿工作面的实际参数与模型试验系统的尺寸确定相似比尺，建立与现场工程情况相同的留煤柱采空区巷道变形破坏模型，留煤柱采空区巷道变形破坏模型内等效设置有与现场情况相同的模拟巷道和采空区，模拟巷道上预制有切缝，利用模型试验系统对试验模型进行应力加载，观察应力加载过程中巷道模型的变形破坏情况和收敛规律，获取试验模型的围岩变形规律和围岩应力演化规律，分析切缝对于巷道的保护效果。本发明直观地揭示了软岩动压巷道的变形破坏机理，有利于指导控制软岩动压巷道的变形，提高煤矿的开采效率。
-
公开(公告)号：CN114294060A
公开(公告)日：2022-04-08
申请号：CN202111524923.3
申请日：2021-12-14
Applicant: 山东科技大学
IPC: E21F17/18 , G06F30/13 , G06F119/14
Abstract: 本发明提供了一种采区岩层漂移立体化监测的方法，涉及矿山监测技术领域。该方法采用多种监测手段相结合，对采区内的岩层漂移情况进行全方位的立体化监测，监测内容包括：巷道顶板和底板测孔方位角、测孔周边巷道顶底板收敛量、测孔周边巷道两帮移近量、测孔周边巷道扭转量、巷道帮部不同深度的煤柱应力随采面推进的变化量、测孔顶板和帮部的锚杆轴力、测孔顶板和帮部的锚索轴力；通过综合多种监测方法得到的监测数据，并对监测数据的综合分析，确定出岩层漂移的关键层位、运移路线、突变数值等漂移规律，其监测结果更加精准，符合工程实际，有助于发现巷道的不对称变形破坏的根源，从而更有效的指导巷道的支护设计，保证了矿井安全生产。
-
公开(公告)号：CN117805938B
公开(公告)日：2024-05-28
申请号：CN202410223701.5
申请日：2024-02-29
Applicant: 山东科技大学 , 内蒙古上海庙矿业有限责任公司 , 青岛乾坤兴智能科技有限公司
Abstract: 本发明涉及一种基于深度学习的围岩地质力学参数智能预测方法，属于岩性预测技术领域。步骤如下：根据不同的钻进条件进行钻进实验；获取实时监测数据，并对实时监测数据和岩体地质力学参数进行数据预处理，以生成训练数据集和测试数据集；使用训练集数据训练深度学习模型，深度学习模型采用自适应学习率的优化算法，进行深度学习模型的训练；使用测试集数据测试深度学习模型精度；使用满足精度要求的深度学习模型进行岩层识别。本发明基于室内实验，建立深度学习预测模型，利用深度学习技术，大大提高预测精度，解决了传统的围岩地质力学参数预测方法存在的精度不高、试验成本高、模拟结果与实际情况差异较大等问题。
-
公开(公告)号：CN114294060B
公开(公告)日：2024-09-06
申请号：CN202111524923.3
申请日：2021-12-14
Applicant: 山东科技大学
IPC: E21F17/18 , G06F30/13 , G06F119/14
Abstract: 本发明提供了一种采区岩层漂移立体化监测的方法，涉及矿山监测技术领域。该方法采用多种监测手段相结合，对采区内的岩层漂移情况进行全方位的立体化监测，监测内容包括：巷道顶板和底板测孔方位角、测孔周边巷道顶底板收敛量、测孔周边巷道两帮移近量、测孔周边巷道扭转量、巷道帮部不同深度的煤柱应力随采面推进的变化量、测孔顶板和帮部的锚杆轴力、测孔顶板和帮部的锚索轴力；通过综合多种监测方法得到的监测数据，并对监测数据的综合分析，确定出岩层漂移的关键层位、运移路线、突变数值等漂移规律，其监测结果更加精准，符合工程实际，有助于发现巷道的不对称变形破坏的根源，从而更有效的指导巷道的支护设计，保证了矿井安全生产。
-
公开(公告)号：CN117805938A
公开(公告)日：2024-04-02
申请号：CN202410223701.5
申请日：2024-02-29
Applicant: 山东科技大学 , 内蒙古上海庙矿业有限责任公司 , 青岛乾坤兴智能科技有限公司
Abstract: 本发明涉及一种基于深度学习的围岩地质力学参数智能预测方法，属于岩性预测技术领域。步骤如下：根据不同的钻进条件进行钻进实验；获取实时监测数据，并对实时监测数据和岩体地质力学参数进行数据预处理，以生成训练数据集和测试数据集；使用训练集数据训练深度学习模型，深度学习模型采用自适应学习率的优化算法，进行深度学习模型的训练；使用测试集数据测试深度学习模型精度；使用满足精度要求的深度学习模型进行岩层识别。本发明基于室内实验，建立深度学习预测模型，利用深度学习技术，大大提高预测精度，解决了传统的围岩地质力学参数预测方法存在的精度不高、试验成本高、模拟结果与实际情况差异较大等问题。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
