摘要：目前煤矿巷道支护方案设计仍以人工设计、工程类比、FLAC模型模拟为主,存在主观性强、普适性低、未充分利用煤矿支护大数据等问题,而基于专家系统的设计方法规则设定程序繁琐,工程量大,智能化程度较低。将案例推理(CBR)和深度学习技术引入巷道支护方案设计领域,基于煤矿支护规程、支护规范及煤矿巷道地质报告等文本大数据,提出了一种煤矿巷道支护方案智能设计方法。获取346份不同煤矿的巷道支护资料,抽取结构化数据并划分为输入、输出参数,通过常属性变量滤波和高相关性滤波方法对输入、输出参数进行优化。建立CBR模型,并将抽取的结构化数据导入CBR模型,形成支护方案比选案例库,计算新的巷道支护方案与历史方案的相似度,输出相似度最高的3条历史方案进行对比,实现相似案例比选。分别采用BP神经网络和基于长短期记忆(LSTM)网络建立煤矿巷道支护方案自动生成模型,通过对比预测指标,确定采用基于LSTM模型与CBR模型结合,建立煤矿巷道支护方案智能设计系统。将该系统用于不连沟煤矿掘进F6226工作面辅运巷支护方案设计,通过试验验证了系统生成方案下巷道两帮变形量和顶板最大位移均小于人工设计方案,巷道顶板及两帮完整性较好,围岩承载能力增强,支护效果明显。

摘要：巷道支护选择设计直接影响到巷道围岩的控制效果。针对不连沟煤矿工作面辅助运输巷道煤体竖向裂隙发育、侧帮围岩破碎严重等问题,通过分析不连沟煤矿F6103工作面巷道维护的现状和原支护设计,提出以增强支护强度和加固破碎岩体为目标的控制优化方案。工程实践显示了采用支护优化方案,提高了围岩的稳定性,解决了巷道变形和失稳难题。

摘要：不连沟矿井在F6103工作面辅助运输顺槽掘进期间,巷道两壁发生片帮,片帮深度达0.6～1.6 m,使巷道超出原设计断面净宽2.6 m,成为不连沟煤矿最大的危险源之一。针对该矿存在的影响煤矿安全生产的片帮灾害问题,结合周边矿井冒顶事故进行了原因分析,提出不连沟矿巷道掘进期间煤体片帮的治理依据。

摘要：当前人工智能技术日益发展,为了更好地减轻煤矿视频监控人员工作量,保障煤矿作业人员安全,减少事故发生,文章针对矿井人员劳动保护用品穿戴和危险场景侵入情况,设计了一种基于EasyDL平台的视频监测预警系统。此系统基于人工智能EasyDL平台,建立个人劳保穿戴、进入危险区域、处于运行中的移动设备两侧和攀、坐不安全位置的监测模型,识别煤矿工人的违章行为,及时记录并给出警示。预警系统应用结果表明,该系统能够较准确地识别违章行为并作出及时反馈,有助于保障煤矿作业人员的安全。