Theory and key technologies for intelligent fully-mechanized top-coal caving faces of annual production of millions of tons
-
摘要:
针对综采放顶煤工作面在智能放煤理论、智能感知与识别关键技术、智能放煤综合决策技术和远程放顶煤智能控制技术方面存在的问题，依托“十三五”国家重点研发计划—— 千万吨级特厚煤层智能化综放开采关键技术及示范，开展了千万吨级综放工作面智能化放煤理论及关键技术研究，取得如下成果：①开展了顶板顶煤组合体压缩试验、煤岩组合体破碎块度分布试验和不同顶板−顶煤条件下综放开采放煤相似模拟试验，阐明了顶板顶煤的破碎−运移的相互作用过程；开发了采空区三维激光空间探测技术，证明了群组放煤过程中顶煤“面接触块体成拱现象；开展以采放协调、高回收率、低含矸率为约束条件的特厚煤层多口群组智能放煤数值模拟，确定了群组放煤口数量；综上，为智能放煤工艺优化提供了可靠理论基础。②对工作面煤矸地质信息及物性特征、顶煤放落过程全周期感知要素进行探索研究，形成了包含“顶煤厚度在线探测−煤矸精准识别−煤流动态测量”的综合感知技术体系，为智能化放煤决策技术提供了充分的数据信息支撑。③建立了综放面“人−机−环”多源信息数据库，构建了基于采放时间协调、采放空间协调、采放运能协调的特厚煤层综放面采放协调决策模型，开发了基于Q-learning算法的智能放煤决策软件，形成了基于煤矸识别、顶煤厚度探测和过煤量监测感知，结合煤矸运移时序特征和经验数据的人工智能决策技术。④研发了智能综放面三机位姿高精度惯导监测与控制技术，实现了采煤机、液压支架、刮板输送机的实时定位、姿态监测及动作控制；开发了智能化矿山融合通信调度系统，构建了智能综放远程综合控制平台，成功实现了“远程一键启动”模式的智能放煤。⑤在塔山矿8222工作面，开展了基于探地雷达的顶煤厚度在线探测技术、融合振动−音频−高光谱的煤矸精准识别技术、基于激光三维扫描的放煤量实时监测技术和综放工作面智能化放煤决策软件的应用，现场顶煤厚度探测、混矸率和放煤量的误差分别控制在10.71%、9.32%和7.8%以内，平均每个放煤循环节省时间约30 min，实现了年产
1500 万t的综放工作面智能高效放煤。Abstract:The research focused on addressing various challenges in intelligent top caving theory, intelligent perception and recognition key technology, intelligent caving comprehensive decision-making technology, and remote caving intelligent control technology of fully mechanized top coal caving face. This is being done under the “13th Five-Year” national key research and development plan, specifically designed for the key technology and demonstration of intelligent fully mechanized top coal caving mining method with annual production of 10 million of tons in extra-thick coal seam. The research has resulted in the following outcomes: ① Comprehensive experiments were conducted to understand the interaction process of crushing and migrating of roof and top coal combination (RTCC) and the fragmentation distribution of RTCC under different roof conditions. A three-dimensional laser goaf space detection technology has been developed, and the arching phenomenon of top coal blocks on contact, at coal discharge process with multiple coal discharge ports, has been validated. In addition, the numerical simulation of multi-port intelligent coal caving in extra-thick coal seam is carried out with the constraints of mining and caving coordination, high recovery rate, and low gangue ratio, and the number of coal caving ports is determined. those provide a reliable theoretical basis for optimizing intelligent coal-caving processes. ②The research has explored the geological information and physical characteristics of coal and gangue in the working face, along with full-cycle sensing elements of the top coal caving process. This has led to the development of a comprehensive sensing technology system, including real time detection of top coal thickness, accurate identification of coal and gangue, and dynamic measurement of coal flow, providing crucial data information support for decision making of intelligent coal top caving technology. ③A multi-source information database has been established for the man-machine-environment interface, and a decision-making model has been developed for fully mechanized top caving in extra-thick coal seams. An intelligent coal top caving decision-making software based on the Q-learning algorithm has been created, utilizing artificial intelligence for coal and gangue identification, top coal thickness detection, and coal quantity monitoring. ④A high-precision inertial navigation monitoring and control technology for intelligent fully mechanized caving faces has been developed, enabling real-time positioning, attitude monitoring, and action control for the shearer, hydraulic support, and scraper conveyor. An intelligent mine-integrated communication scheduling system and a remote-integrated control platform for fully mechanized caving have also been established. Those allow for the successful implementation of intelligent coal caving in remote one-button start mode. ⑤Advanced technologies such as ground-penetrating radar for top coal thickness detection, vibration-audio-hyperspectral for coal-gangue identification, and laser three-dimensional scanning for real-time coal caving monitoring are utilized in the 8222 Working Face of Tashan Mine. Intelligent coal caving decision software is applied in fully mechanized caving operations, leading to a control of errors within 10.71% for top coal thickness detection, 9.32% for mixed gangue rate, and 7.8% for coal caving amount. On average, each coal caving cycle now saves about 30 minutes, leading to intelligent and efficient coal caving operations with an annual output of 15 million tons.
-
0. 引 言
回采巷道是煤矿生产的咽喉通道，随开采的深部化和生产设备的大型化，回采巷道断面越来越大，所处应力环境日益复杂。回采巷道底鼓极大限制了工作面的运输、通风效率，严重制约工作面的安全高效生产[1-3]。
受回采巷道空间限制，国内众多学者采用理论分析数值模拟等手段开展了大量基础研究[4-6]。康红普等[7]认为巷道底鼓是由于层状底板岩层失稳后在水平力的作用下向巷道内产生压曲，破碎后的扩容及向采出空间的膨胀引起。赵洪宝等[8]采用滑移线场理论对煤柱下方底板进行力学分析，并推导了煤柱底板下方滑移场的最大深度公式。王志强等[9]结合土压力理论建立了非对称底鼓力学模型，并开展了数值模拟试验，认为两帮垂直应力是底鼓的主要因素，非对称分布的垂直应力是非对称底鼓的内在原因。
分析不同阶段巷道底板岩层破坏形式、破坏区的形态和扩展规律是井巷工程领域揭示巷道破坏规律及指导底板稳定性控制的核心内容[10-12]。因此，回采过程中巷道底板的变形破坏信息进行高精度监测，对于验证理论、底鼓控制具有重要意义。现阶段，围岩监测方法主要包括表面与深部位移、钻孔窥视、和基于电磁、波速的物探方法等[13-15]，普遍存在不能实现大范围、实时监测，和易受干扰的现实问题。
分布式光纤感测技术（简称DFOS），由于其可实现分布式、高精度、大范围、全天候监测和抗干扰强等特点，在地下工程围岩监测中展现出了其独特优势，被认为是最具前景的分布式感测技术之一[16-18]。众多学者将光纤传感技术应用于煤矿开采领域[19-21]。柴敬等[22]将分布式光纤传感技术应用于三维立体模型试验，对煤矿上覆岩层变形破坏规律进行研究，传感光纤布里渊频移曲线反映了上覆岩层变形的位置和程度，从而得出开挖过程中覆岩的采动影响范围及岩层垮落角，传感光纤测试数据比测管位移测试更加精确。TANG等[23]将分布式光纤传感技术应用于张集煤矿TBM掘进巷道中，准确地监测了围岩变形特征，监测结果为围岩变形控制工作提供了重要依据。张平松等[24]通过钻孔布置分布式光纤传感器，对煤岩层变形与破坏过程中产生的应变参数进行实测与分析，认为分布式光纤测试技术可精确分辨采动作用下岩层的变形演化过程,有利于研究不同条件下岩层受力后发生变形及破裂的规律。
基于光纤感测技术的保护层开采卸压范围及卸压效果评价方法开展研究[25]。现场分别采用BOTDA分布式光纤监测系统和FBG准分布式光栅监测系统对葫芦素煤矿21104工作面回采过程中底板卸压效果进行监测。其中，分布式光纤监测系统总测量距离约为9.0 km。在研究保护层2−1煤开采过程中下伏煤岩体卸压规律的同时，获得了巷道底鼓变形的分布式光纤监测数据，据此分析了底板岩层变形破坏特征和底鼓演化过程。所得研究对分布式光纤应变表征底板岩层变形破坏特征，指导回采巷道底鼓控制具有重要意义。
1. 回采巷道底板变形破坏特征
1.1 非协调挠曲变形
受沉积条件影响，煤系地层一般呈层状分布，各岩层厚度不同，即使同一岩性的岩层，其内部各分层厚度也不同。各分层（s1，s2，···，sn）的稳定性直接决定着巷道底板的稳定性。
K·HARAMY[26]将其看成两端固支的岩梁对其内力分布进行了计算，认为底板岩梁固定端弯矩最大，最容易受拉破坏。大量数值计算和现场实测结果也表明，巷道底角处应力集中显著，最容易首先失稳。当s1岩层两端发生破坏后失去了垂直向上的承载力。巷道两帮及底板岩层挤压相对移近时，对岩层两端施加水平力Px，此时将底板岩层视作压曲模型，并在水平作用力Px的作用下产生挠曲变形，直至达到压曲临界载荷Px, max产生宏观破坏。受底板岩层分层厚度、岩性影响，各岩层抗弯刚度必然存在差异，在同一应力环境条件下，其产生的挠曲变形量必然不同，即非协调挠曲变形产生的离层和层间挤压现象必然存在，如图1所示。
![]()
图 1 巷道层状底板的非协调挠曲变形Figure 1. Non-coordinated flexural deformation of layered floor of roadway1.2 破碎和挤压膨胀
岩石多为脆性材料，受井下巷道断面限制，底板岩层在弹性阶段产生的挠曲变形受到极大限制，产生很小挠曲变形即破断。同时，回采巷道底板不仅仅承受了来自水平方向的作用力，经由巷道两帮向底板传递的支承压力也会对底板造成破坏，碎胀是岩石类材料发生破坏的一个显著的可观测特征。破碎岩体进一步挤压并向采出空间内膨胀，是围岩应力环境恶化的直观响应。破碎岩体的挤压膨胀被认为是煤矿软岩或回采巷道变形以数十至数百毫米的主要原因，学者们结合实际工程开展了大量研究[27-28]。
根据底板滑移线理论[29]，不同阶段回采巷道底板的破碎区形态如图2所示。受超前支承压力的影响程度不同，回采巷道的整个服务周期内，会经历几个不同程度的扰动阶段（时间性）。同时，破坏范围不断增大（空间性），是回采巷道底板岩层失稳和所处应力环境恶化的重要特征。
![]()
图 2 不同支承压力影响阶段巷道底板岩层破坏范围$k 、 k^{\prime} 、 k^{\prime \prime} $−不同开采阶段的应力集中系数；γ−覆岩平均容重；h−巷道埋深；φ−围岩摩擦角Figure 2. Damage range of roadway floor rock at different bearing pressure influence stages2. 底板变形破坏的分布式光纤表征
2.1 非协调挠曲变形的光纤表征
为便于分析，假设岩层间的非挠曲变形仅表现在垂直方向，不沿岩层接触面产生相对滑移，光纤与岩层耦合良好。当光纤以α角穿过2个及以上的抗弯刚度不同（D1>D2>D3）的岩层时，光纤与岩层分界面交界处存在离层和挤压2种基本状态，如图3所示的a、b位置处。
![]()
图 3 岩层非协调挠曲变形的光纤应变表征Figure 3. Optical fiber strain characterization of non-conforming flexural deformation of rock layer当层间离层（嵌入）量由h增大至h'时，该位置对应的光纤理想应变增量
$\Delta \varepsilon $ 可表示为$$ \Delta \varepsilon = \sqrt {\frac{{({h^2} - {{h'}^2})\cos\;\alpha + {{h'}^2}}}{{{h^2}}}} - 1$$ (1) 可以看出，随光纤布设角度的增大，光纤局部的应增量变大，可能引起光纤破断。因此，施工时应视现场实际情况尽可能减小布设角度。同时可以得到以下3个主要推论：
1）上部岩层抗弯刚度小于下部时（D1>D2），离层，交界面一定范围内光纤受拉应变为正，存在正应变峰值特征点。
2）上部岩层抗弯刚度大于下部时（D1>D3），挤压，交界面一定范围内光纤受压应变为负，存在负应变峰值特征点。
3）将正负应变峰值之间的岩层视作“底板关键层“，是影响巷道底板稳定性的关键结构。
2.2 破碎和挤压膨胀的光纤表征
当光纤以α角度穿过底板岩层时，由于岩石的碎胀和挤压膨胀作用，体积增大，对应破碎区内长度为l的光纤整体受拉，应变为正，破碎区内的光纤形态如图4所示。
![]()
图 4 破碎区的光纤应变表征Figure 4. Optical fiber strain characterization of rock crushing and extrusion假设巷道底板在采动应力作用下，自巷道底板表面向下（图4中水平粗实线）破坏深度为b，两帮相对移近量为a，对应巷道底板将鼓起至水平粗虚线位置。此时破碎区光纤的理想应变为
$$ \begin{split}& \varepsilon = \\ & \sqrt {\frac{{ - {{[kb + f(a)]}^2}{{\cos }^2}\alpha + \left( {{k^2} + 1} \right){b^2} + 2f(a)bk + f{{(a)}^2}}}{{{b^2}}}} - 1 \end{split}$$ (2) 其中：k为岩体碎胀系数；f（a）为破碎岩石相对移近挤压时在竖直方向引起的膨胀量。若不考虑水平挤压作用，即f（a）为零时，对应破碎区的光纤应变表示为
$$ \varepsilon = \sqrt { - {{\cos }^2}\alpha {k^2} + {k^2} + 1} - 1$$ (3) 可以看出，在不考虑岩石吸水膨胀的前提下，光纤应变仅与岩体碎胀性质，光纤布设角度有关。可以得到以下2个主要推论：
1）实测中，对应如图4所示的破碎区范围内的光纤呈受拉状态，应变为正。
2）岩体破碎范围的增大不会引起光纤应变的增大。实测应变增大是由挤压膨胀引起的，故破碎区内的应变增量、增速的大小是围岩应力环境恶化的直观响应，可直接表征破碎的底板岩块挤压的剧烈程度。
3. 分布式光纤底鼓实测数据分析
3.1 工程概况
葫芦素煤矿位于东胜煤田呼吉尔特矿区，主采2−1煤和2−2中煤，设计年产量15.0 Mt/a。21104综采工作面位于葫芦素井田2−1煤一盘区中部，为第3个回采工作面。煤层平均埋深635 m，平均厚度2.54 m，倾角0 °~3 °。工作面长320 m，回采长度3 015 m。根据21104综采工作面区域内分布的HK36、HK26、HK15、HK06的4个钻孔，综合对比分析，2−1煤与2−2中煤层间的岩性主要为细粒砂岩、砂质泥岩、粉砂岩3类，间距19.79~23.73 m。
21104工作面直接底为砂质泥岩、粉砂岩，灰色，以石英为主，长石次之，泥质胶结，水平层理，含植物化石及云母碎片；厚度3.4~8.9 m。基本底为细砂岩、中砂岩，浅灰白色，以石英为主，长石次之，泥质胶结，分选中等，含植物化石碎片，如图5所示。
![]()
图 5 21104综采工作面的底板岩性分布Figure 5. Lithology distribution of floor in No. 21104 fully-mechanized mining face3.2 分布式光纤传感系统
在21104综采工作面11号联络巷以钻孔方式向工作面底板布设3组分布式传感光缆。钻孔孔口处于联巷中，起点和位置各不相同，钻孔孔口位置及运输平巷底板范围内的传感光缆如图6所示。其中1号孔口距联络巷右帮水平距离3.95 m，距运输平巷巷口5 m；2号孔口距联络巷右帮2.7 m，距运输平巷巷口0.9 m；3号孔口布置于联巷底角处，钻孔下穿区段煤柱进入运输平巷底板，距运输平巷巷口2.2 m。1号光纤在联巷中的距离较长，且靠近联巷帮部；3号光纤部分长度处于区段煤柱下方。
BOTDA光纳仪实测中心频移误差±4 MHz，应变误差±80 με。对21104运输平巷巷道底板范围内分布式光纤所测应变数据进行分析。根据钻孔的空间几何关系，得到3组分布式传感光缆的参数见表1。
表 1 分布式光纤参数Table 1. Distributed optical fiber parameters编号 钻孔
方位角/（º）钻孔
倾角/（º）钻孔
长度/m孔径/
mm传感光纤长度/m 监测
深度/m联巷/煤柱 运输平巷 1 270 15 37 110 0~5.10 5.10~10.77 0~2.79 2 270 45 108 110 0~1.30 1.30~9.70 0~6.30 3 200 20 133 110 0~6.40 6.40~23.00 0~5.95 3.3 分布式光纤对底鼓的辨识
21104工作面回采过程中2−1煤底板3号分布式光纤全长应力增量曲线如图7所示。当工作面距孔口100 m时，此时工作面距离3号光纤孔底约39 m，孔口附近的分布式光纤首先受到影响，应力增量约0.51 MPa（图7a）。距孔口30 m时，埋深11.27 m以下的岩层和孔口附近岩层应力增量为正，其中孔口约1.09 MPa（图7b）。可以看出，随着工作面的回采，工作面超前段孔口附近的光纤首先受到采动影响，应力变化较大，可以判断这种应力变化是由巷道底鼓所造成的。
![]()
图 7 3号分布式光纤全长应力增量曲线Figure 7. Rock stratum stress change curve monitored by No. 3 distributed optical fiber3.4 回采巷道底鼓演化过程
3.4.1 扰动阶段
图8a为工作面距孔口−288~−64 m回采过程中1号分布式光纤的应变曲线，光纤的0~5.10 m位于联络巷，5.10~10.77 m位于运输平巷内。出现了6个非协调挠曲变形峰值特征点，分别位于光纤的3.77 m（ 深度0.98 m）、4.18 m（深度1.08 m）、5.01 m（深度1.30 m）、4.39 m（深度1.14 m）、5.62 m（深度1.45 m）、6.03 m（深度1.56 m）处，应变峰值分别为+625.534 μɛ、−1710.635 μɛ、+415.403 μɛ、−2133.696 μɛ、+401.563 μɛ、−996.186 μɛ，多集中于联络巷与运输平巷交叉附近，说明该区域的底板受扰动剧烈。联巷区域内，光纤1.31~2.95 m（深度0.34~0.76 m）范围内呈破碎特征，应变峰值+830.361 μɛ，增速+3.475 μɛ/m。运输平巷区域内，9.32~10.77 m（深度2.41~2.79 m）范围呈破碎特征，应变峰值616.946 μɛ，增速5.017 μɛ/m；这2个位置处于工作面实体煤侧，可认为是岩梁固定端，与K·HARAMY认为固定端首先发生破坏的结论相符。破碎区的应变增速较小，表明此时破碎岩块之间的挤压程度较小，应力集中程度不高。
图8b为工作面距孔口−188~−92 m回采过程中2号分布式光纤应变曲线，2号光纤布设角度大，光纤的0~1.30 m位于联络巷，1.30~9.70 m位于运输平巷内。在光纤的3.00 m（深度2.12 m）位置出现一个离层峰值特征点，应变峰值为+1464.861 μɛ，增速+15.922 μɛ/m。该位置与1号光纤2.41~2.79 m深度的固定端的破碎特征区基本处于同一层位，表明该层位岩层正处于两端破坏，中部压曲状态。
图8c为工作面距孔口−276~−54 m回采过程中3号布式光纤应变曲线，光纤的0~6.40 m位于区段煤柱下方，6.40~23.00 m位于运输平巷内。在0~9.35 m的范围呈破碎特征，应变峰值为+840.520 μɛ，增速+3.786 μɛ/m，该位置处于区段煤柱下方，同为岩梁固定端。与1号、2号光纤在该层位监测到的岩层变形破坏特征相对应，印证了非协调挠曲变形特征的存在。在光纤的13.86 m（深度3.59 m）位置出现一个离层峰值特征点，应变峰值为+731.19 μɛ，增速+3.294 μɛ/m。
该阶段，岩层以岩梁固定端的破碎、挤压和局部的非协调挠曲变形为主要特征，底板岩层仍保持较完整的层、板结构，认为是巷道底鼓的扰动阶段。同时，岩梁固定端即巷道底角位置首先发生破坏，是回采巷道底板岩层破坏空间性的一个重要体现。
3.4.2 破坏阶段
图9为工作面距孔口−64~0 m回采过程中1号分布式光纤应变曲线，对比图8a，破碎区域进一步扩大。挤压峰值特征点消失，可认为其上位岩层已发生破断。图9a中，联巷区域内的破碎区范围发展至0~3.36 m，应变值增大至+1 768.182 μɛ，增速35.293 μɛ/m，是扰动阶段的9.29倍；固定端破碎区应变增大至+1374.290 μɛ，增速23.667 μɛ/m，是扰动阶段的4.72倍，表明此时破碎岩块挤压膨胀严重，水平应力集中程度较高。在光纤5.01 m（深度1.30 m）、6.03 m（深度1.56 m）处的挤压峰值特征点消失。图9b中，底板岩层破坏区域进一步扩大至0~7.06 m，最大应变值+2 306.996 μɛ，增速+17.318 μɛ/m，该区域的破碎底板受水平挤压向巷道空间内部膨胀挤出，主要表现为垂直方向的运动；固定端破碎区范围增大至2.89 m，该区域破碎岩体受上方实体煤约束，垂直方向压缩，水平方向膨胀，应变值降低至+784.625 μɛ，。
图10为工作面距孔口−92~−4 m回采过程中2号分布式光纤应变曲线，底板变形由局部的非协调挠曲变形逐步变为破碎和挤压膨胀变形。图10a中，光纤的3.00 m（深度2.12 m）位置处的离层峰值特征点逐步消失，继而出现一个挤压峰值特征点，峰值应变减小至−639.425 μɛ，增速−27.688 μɛ/m。图10b中，光纤0~5.80 m对应岩体出现破碎特征，应变值1 059.724 μɛ，增速+104.170 μɛ/m。
图11为工作面距孔口−54~−20 m回采过程中3号分布式光纤应变曲线。图11a中，破碎区范围增大至0~11.81 m，应变增大至+1 182.910 μɛ，增速+15.482 μɛ/m；在13.86 m（深度3.59 m）位置出现一个离层峰值特征点，应变增大至+961.060 μɛ，增速+18.656 μɛ/m。图11b中，破碎区范围进一步增大至0~15.51 m，应变增大至+1 327.710 μɛ，增速+37.032 μɛ/m；煤柱下方区域的应变值降低至+451.600 μɛ，小于运输平巷区域。与1号光纤出现同样的垂直方向压缩，水平方向膨胀现象。16.74 m（深度4.3 m）位置在工作面距孔口−24 m时出现挤压峰值特征点，随后消失，应变峰值−550.230 μɛ，增速−43.743 μɛ/m；在17.35 m（深度4.49 m）位置出现一个离层峰值特征点，应变峰值+657.25 μɛ，增速45.588 μɛ/m。此时工作面即将推过光纤，可知21104运输平巷超前段底板破坏深度约4.01 m，扰动深度4.49 m。
该阶段，受煤柱应力集中程度增大的影响，底板破坏范围进一步扩大。底板的变形破坏形式以峰值特征点的突变、岩层破碎和挤压膨胀为主，破碎区光纤应变量、应变增速大，水平应力集中程度高，认为是巷道底鼓的破坏阶段。因此，在巷道底鼓的治理方法中，开槽卸压是高应力、大变形巷道底板治理的一种有效方式，主要在这一阶段实施为好，不仅可以为破碎岩体提供挤压膨胀空间，也可以在一定程度上切断水平挤压力的传递。
3.4.3 卸压隆起阶段
图12为工作面距孔口−20~10 m回采过程中分布式光纤应变曲线，对比破坏阶段的光纤应变曲线，底板的破碎区域进一步扩大，不存在峰值特征点，破碎岩块向采出空间的挤压膨胀剧烈，所监测的巷道底板5.95 m深度内的岩层全部呈破碎和挤压膨胀状态。1号钻孔的光纤最大应变值达到+2 946.849 μɛ，增速246.102 μɛ/m（图12a）。2号同1号光纤应变特征相同，最大应变值为+2 560.733 μɛ，增速174.349 μɛ/m（ 图12b）。3号应变曲线整体上与1号、2号钻孔应变特征相同，应变值迅速增大，最大应变达到+2 700.206 μɛ，增速+174.348 μɛ/m（图12c）。从孔口向采空区，光纤应变值逐渐增大，说明最大破坏深度滞后于工作面一定距离，处于采空区内。可见，对于常规沿空留巷巷道，工作面回采后，滞后其一定距离内的巷道底板易出现大变形问题，应及时采取以卸压为主的治理方法。
![]()
图 12 卸压隆起阶段光纤应变曲线Figure 12. Strain curve of optical fiber during pressure relief and uplift stage4. 底板变形破坏光纤应变特征
4.1 非协调挠曲变形应变特征
以图8中3个钻孔获得的非协调挠曲变形区域，提取底板一点的应变曲线，如图13所示（图中横坐标“−”表示工作面滞后孔口；“+”表示超前孔口）。如图13a所示，选取1号光纤5.01 m（深度1.31 m）的点，位于煤壁附近，应变范围为−2 100~2 000 μɛ；具有明显的挤压特征，工作面距孔口−180 m时，该点开始明显受压，表明非协调挠曲变形开始发生，之后挤压程度持续加剧；至−60 m时，该位置处的上位岩层破坏，光纤应变突然增大。
![]()
图 13 底板挠曲变形应变特征Figure 13. Strain characteristics of flexural deformation of bottom plate图13b，选取2号光纤3.00 m（深度2.12 m）的点，位于运输平巷内，应变范围−200~+2 000 μɛ，工作面距孔口−184 m时，应变突然增大，表明此刻该位置的上下岩层离层；至−76 m时，下位岩层破断，光纤迅速回弹，应变减小至0。之后随工作面回采，逐步进入破碎状态，应变持续增大。
图13c，选取3号光纤13.86 m（深度3.59 m）位置的点，从应变曲线来看，该位置在工作面距空口−148 m之前呈现出受挤压特征，随后持续受拉。
4.2 破碎和挤压膨胀应变特征
在图8中分布式光纤的破碎特征区中提取其一点的全程应变曲线如图14所示。其中图14a为1号光纤a、c处破碎特征区，选取2.13 m（深度0.55 m）点、10.14 m（深度2.62 m）点，可以看出，尽管a和c处于不同的位置和深度，但由于同处于破碎区，其变形趋势基本一致；在工作面距孔口−192 m时，应变开始明显增大；至−26 m时，应变突然减小，之后又迅速增大。
![]()
图 14 底板破碎和挤压膨胀光纤应变特征Figure 14. Strain characteristics of broken and extruded expansion optical fiber of bottom plate图14b为3号光纤a处破碎特征区，选取3.80 m（ 深度0.98 m）点，处于区段煤柱下方。由于受到上方区段煤柱的约束，破碎的底板挤压膨胀受到极大限制，整体的应变较小，约为1号光纤的1/3；在工作面距孔口−224 m时，底板开始变形；至−49 m时，破碎的岩块垂直受压，水平方向向巷道内部发生运动，导致应变跳跃，随后迅速增大。这里需要说明的是，应变的突变也可能与大变形、光纤回弹有关。
4.3 底鼓阶段性的光纤应变特征
由3.4节监测结果分析可知，回采巷道底鼓变形具有明显的三阶段特征，扰动阶段以岩层固定端破碎和局部挠曲变形为主，破坏阶段以岩层的破碎范围增大和破碎岩体的挤压膨胀变形为主，卸压隆起阶段以破碎岩体的挤压膨胀为主。在底板变形破坏的不同阶段，其破坏形式、光纤应变峰值、应变增速存在显著差异。根据4.1节和4.2节分析可知，非协调挠曲变形的光纤应变特征一致性不强，且多表现在巷道底鼓的扰动阶段；破碎和挤压膨胀特征贯穿巷道底鼓的整个演化过程，一致性较强，故可利用各阶段破碎区光纤应变特征值对各阶段进行初步划分。
对各阶段的破碎区光纤应变峰值及应变增速进行统计，见表2。随工作面的开采，底板的破坏程度加剧，3个阶段的平均应变分别为762.609 μɛ、1 502.135 μɛ、2 735.929 μɛ，破坏阶段较扰动阶段增大97.0%；卸压隆起阶段较扰动阶段增大258.8%，较破坏阶段增大82.1%。3个阶段的平均应变增速分别为4.087、38.827、198.266 μɛ/m，破坏阶段是扰动阶段的9.5倍；卸压隆起阶段是扰动阶段的48.5倍，是破坏阶段的5.1倍。以1号光纤和3号光纤破碎特征区平均应变值进行阶段划分。21104工作面在距孔口约−60 m之前为扰动阶段；−60~0 m为破坏阶段；>0 m后为卸压隆起阶段。因此，宜在工作面超前60 m范围内采取卸压措施以治理底鼓。
表 2 不同破坏阶段底板破碎区光纤应变特征值Table 2. Characteristic values of optical fiber strain in broken area of bottom plate at different failure stages阶段 破坏特征 钻孔编号 破碎特征区
应变峰值/
μɛ破碎特征
区应变增速/
（μɛ·m−1）扰动阶段 固定端破碎、局部压曲 1 +830.361 +3.457 +616.946 +5.017 2 — — 3 +840.520 +3.786 破坏阶段 峰值特征点突变、
破碎、挤压膨胀1 +1 761.182 +35.293 +1 374.290 +23.667 +2 306.996 +17.318 2 +1 059.724 +104.170 3 +1 182.910 +15.482 +1 327.710 +37.032 卸压隆起 破碎、挤压
膨胀1 +2 946.849 +246.102 2 +2 560.733 +174.349 3 +2 700.206 +174.348 5. 结 论
1）受煤系地层沉积条件影响，回采巷道底鼓具有非协调挠曲变形特征，伴随产生离层和层间挤压现象。分布式光纤分别以一个正应变峰值和一个负应变峰值对应底板岩层的离层和挤压变形特征。
2）回采巷道底鼓具有破碎和挤压膨胀特征。随工作面的开采，巷道底板破碎区范围不断增大，对应破碎区内的分布式光纤整体受拉，应变为正，应变增量、增速的大小是围岩应力环境恶化的直观响应，可直接表征破碎的底板岩块挤压的剧烈程度。
3）回采巷道底板变形具有明显的三阶段特征。扰动阶段以岩层固定端破碎和局部挠曲变形为主要特征，平均应变+762.609 μɛ，增速+4.087 μɛ/m；破坏阶段以岩层的破碎范围增大和破碎岩体的挤压膨胀为主要特征，平均应变+1 502.135 μɛ，增速+38.827 μɛ/m；卸压隆起阶段以破碎岩体的挤压膨胀为主要特征，平均应变+2 735.929 μɛ，增速+198.266 μɛ/m。
4）分布式光纤传感技术验证了巷道底鼓的非协调挠曲变形、破碎和挤压膨胀变形特征的存在，可准确对采动作用下的回采巷道底鼓变形演化过程进行辨识，是实现巷道围岩大范围、长距离、全天候、实时监测的有效方式。
-
![]()
图 1 顶板顶煤耦合作用下煤矸运移规律
Figure 1. Movement law of coal and gangue under coupling effect of roof and top coal
![]()
图 4 不同放煤口下综放面顶煤运移数值模拟
Figure 4. Numerical simulation of top coal movement in top coal caving face under different discharge ports
![]()
图 6 基于近红外光谱的煤矸识别技术
Figure 6. Coal gangue identification technology based on near-infrared spectroscopy
![]()
图 7 基于振动特征的煤矸识别方法
Figure 7. Coal and gangue identification method based on vibration characteristics
![]()
图 8 基于音频特征辨识的煤矸识别方法
Figure 8. Coal and gangue recognition method based on audio feature recognition
![]()
图 9 基于激光三维扫描的放煤量实时监测技术
Figure 9. Real time monitoring technology for coal discharge based on laser 3D scanning
![]()
图 10 综放开采多源信息数据库
Figure 10. Multi source information database for fully-mechanized top-coal caving mining method
![]()
图 11 特厚煤层综放面采放协调决策模型
Figure 11. Coordination decision model for mining and caving in fully mechanized caving face of extra thick coal seam
![]()
图 15 采煤机5G“双发选收”控制方案
Figure 15. Control scheme for 5G “dual engine selective collection” of coal mining machine
![]()
图 17 巷道与工作面顶煤厚度探测
Figure 17. Detection of top coal thickness in roadway and working face
![]()
图 18 基于振动信号的煤矸识别效果
Figure 18. Identification effect of coal and gangue based on vibration signals
![]()
图 22 系统应用前后放煤次数分布
Figure 22. Distribution of coal discharge frequency after system application
表 1 碎块粒级及质量比
Table 1 Crushed block grain size - mass percentage
试验类型 组合编号 质量比 粗粒（≥9.5 mm） 中粒（4.75～9.50 mm） 细粒（0.075～4.750 mm） 微粒（＜0.075 mm） 单轴
试验硬岩A 0.980 91 0.005 04 0.013 89 0.000 16 硬岩B 0.977 46 0.005 95 0.016 44 0.000 16 单轴
试验软岩A 0.989 57 0.002 29 0.008 15 0 软岩B 0.990 81 0.003 35 0.005 84 0 三轴
试验硬岩A 0.694 48 0.157 87 0.147 57 0.000 08 硬岩B 0.828 34 0.092 19 0.079 24 0.000 23 软岩A 0.943 42 0.039 74 0.016 83 0 软岩B 0.914 39 0.054 68 0.030 93 0 卸围压
试验硬岩A 0.837 99 0.068 33 0.093 53 0.000 15 硬岩B 0.849 97 0.061 69 0.088 11 0.000 23 软岩A 0.980 46 0.005 16 0.014 38 0 软岩B 0.976 74 0.007 11 0.015 98 0.000 16 
下载: 导出CSV
表 2 工作面钻孔数据与探测煤厚比较
Table 2 Comparison of drilling data and detected coal thickness data in working face
采位/m 工作面钻孔煤厚度/m 探地雷达探测煤厚/m 探测误差/% 2123 11.8 10.7 9.32 2139 12.6 11.5 8.37 2164 11.6 11.7 0.86 2230 11.0 12.0 9.09 2250 12.0 11.8 1.67 2269 11.1 11.5 3.60 2279 9.6 10.2 6.25 2289 9.3 9.1 2.15 2296 9.6 8.8 8.33 2302 7.2 7.6 5.56 2307 8.0 8.7 8.75 2311 10.8 10.1 6.48
下载: 导出CSV
表 3 煤厚在线实测数据和钻孔数据对比
Table 3 Comparison between real time measured coal thickness data and drilling data
采位/m 钻孔厚度/m 探测厚度/m 误差率% 2311 10.20 10.63 4.22 2307 9.89 9.55 3.48 2296 10.59 9.86 6.89 2279 9.06 8.64 7.64 2269 10.5 11.63 10.71 2230 10.81 10.63 1.68 2139 13.61 13.71 0.73 2123 12.58 11.47 8.82
下载: 导出CSV
表 4 放煤试验误差
Table 4 Error analysis of coal discharge test
序号 刮板输送机平均
速度/(m·s−1)真实体
积/m3测量体
积/m3相对误
差/%1 1.32 6.45 6.83 5.9 2 1.45 12.11 13.19 8.9 3 1.36 24.23 26.16 8.0 4 1.56 8.97 9.51 6.0 5 1.71 15.62 16.59 6.2 6 1.45 9.21 9.93 7.8 7 1.61 17.81 18.98 6.6 8 1.42 13.44 14.28 6.3
下载: 导出CSV
-
[1] 于斌,杨敬轩,刘长友,等. 大空间采场覆岩结构特征及其矿压作用机理[J]. 煤炭学报,2019,44(11):3295−3307. YU Bin ,YANG Jingxuan ,LIU Zhangyou ,et al. Overburden structure and mechanism of rock pressure in large space stope[J]. Journal of China Coal Society,2019,44(11):3295−3307.
[2] 于雷,闫少宏. 特厚煤层综放开采顶板岩层控制基本原理[J]. 煤炭学报,2020,45(S1):31−37. YU Lei,YAN Shaohong. The basic principle of roof strata control in fully mechanized caving mining of extra thick coal seam[J]. Journal of China Coal Society,2020,45(S1):31−37.
[3] 于斌. 大同矿区综采40 a开采技术研究[J]. 煤炭学报,2010,35(11):1772−1777. YU Bin. Study on fully mechanized coal mining technology in passed 40 years in Datong mining area[J]. Journal of China Coal Society,2010,35(11):1772−1777.
[4] 吴兴利,刘大同,张东方. 大同综采40a综合机械化装备的研发[J]. 煤炭学报,2010,35(11):1893−1897. WU Xingli,LIU Datong,ZHANG Dongfang. Research and development of fully mechanized coal mining equipmentin passed 40 years of Datong fully mechanized coal mining[J]. Journal of China Coal Society,2010,35(11):1893−1897.
[5] 康红普,徐刚,王彪谋,等. 我国煤炭开采与岩层控制技术发展40a及展望[J]. 采矿与岩层控制工程学报,2019,1(2):7−39. KANG Hongpu,XU Gang,WANG Biaomou,et al. Forty years development and prospects of underground coal mining and strata control technologies in China[J]. Journal of Mining And Strata Control Engineering,2019,1(2):7−39.
[6] 周开平. 薄煤层智能化无人工作面成套装备与技术[J]. 煤炭科学技术,2020,48(3):59−67. ZHOU Kaiping. Complete equipment and technology for intelligent unmanned workingface in thin coal seam[J]. Coal Science and Technology,2020,48(3):59−67.
[7] 王国法,张德生. 煤炭智能化综采技术创新实践与发展展望[J]. 中国矿业大学学报,2018,47(3):459−467. WANG Guofa,ZHANG Desheng. Innovation practice and development prospect of intelligent fully mechanized technology for coal mining[J]. Journal of China University of Mining & Technology,2018,47(3):459−467.
[8] 韩会军,王国法,许永祥,等. 6~10 m厚煤层超大采高液压支架及其工作面系统自适应智能耦合控制[J]. 煤炭科学技术,2024,52(5):276−288. doi: 10.12438/cst.2023-1692 HAN Huijun,WANG Guofa,XU Yongxiang,et al. Adaptive intelligent coupling control of hydraulic support and working face system for 6−10 m super high mining in thick coal seams[J]. Coal Science and Technology,2024,52(5):276−288. doi: 10.12438/cst.2023-1692
[9] 任怀伟,孟祥军,李政,等. 8 m大采高综采工作面智能控制系统关键技术研究[J]. 煤炭科学技术,2017,45(11):37−44. REN Huaiwei,MENG Xiangjun,LI Zheng,et al. Study on key technology of intelligent control system applied in 8 m large mining height fully-mechanized face[J]. Coal Science and Technology,2017,45(11):37−44.
[10] 李首滨,李森,张守祥,等. 综采工作面智能感知与智能控制关键技术与应用[J]. 煤炭科学技术,2021,49(4):28−39. LI Shoubin,LI Sen,ZHANG Shouxiang,et al. Key technology and application of intelligent perception and intelligent control in fully mechanized mining face[J]. Coal Science and Technology,2021,49(4):28−39.
[11] 高有进,杨艺,常亚军,等. 综采工作面智能化关键技术现状与展望[J]. 煤炭科学技术,2021,49(8):1−22. GAO Youjin,YANG Yi,CHANG Yajun,et al. Status and prospect of key technologies of intelligentization of fully-mechanized coal mining face[J]. Coal Science and Technology,2021,49(8):1−22.
[12] 魏文艳. 综采工作面智能化开采技术发展现状及展望[J]. 煤炭科学技术,2022,50(S2):244−253. WEI Wenyan. Development status and prospect of intelligent mining technology of longwall mining[J]. Coal Science and Technology,2022,50(S2):244−253.
[13] 郭金刚,李化敏,王祖洸,等. 综采工作面智能化开采路径及关键技术[J]. 煤炭科学技术,2021,49(1):128−138. GUO Jingang,LI Huamin,WANG Zuguang,et al. Path and key technologies of intelligent mining in fully-mechanized coal mining face[J]. Coal Science and Technology,2021,49(1):128−138.
[14] 孟祥军,李明忠,孙计爽,等. 千万吨级矿井智能化综采成套装备及关键技术[J]. 煤炭科学技术,2020,48(7):47−54. MENG Xiangjun,LI Mingzhong,SUN Jishuang,et al. Complete sets of equipment and key technologies for intelligent fully-mechanized mining of ten-million tonnage level mine[J]. Coal Science and Technology,2020,48(7):47−54.
[15] 贺海涛. 综采工作面智能化开采系统关键技术[J]. 煤炭科学技术,2021,49(S1):8−15. HE Haitao. Key technology of intelligent mining system in fully-mechanized mining face[J]. Coal Science and Technology,2021,49(S1):8−15.
[16] 刘小雄,马宝,陈建华. 综采工作面智能化开采装备与技术研究[J]. 煤炭科学技术,2022,50(S2):271−276. LIU Xiaoxiong,MA Bao,CHEN Jianhua. Study on coal seam transparency technology of thin coal seam intelligent mining face[J]. Coal Science and Technology,2022,50(S2):271−276.
[17] 王学文,刘曙光,王雪松,等. AR/VR融合驱动的综采工作面智能监控关键技术研究与试验[J]. 煤炭学报,2022,47(2):969−985. WANG Xuewen,LIU Shuguang,WANG Xuesong,et al. Research and test on key technologies of intelligent monitoring and controldriven by AR/VR for fully mechanised coal-mining face[J]. Journal of China Coal Society,2022,47(2):969−985.
[18] 苏杰,王新坤. 寸草塔煤矿综采工作面智能化建设关键技术研究与应用[J]. 煤炭科学技术,2022,50(S1):250−256. SU Jie,WANG Xinkun. Research and application of key technologies for intelligent constructionof fully mechanised mining face in Cuncaota Coal Mine[J]. Coal Science and Technology,2022,50(S1):250−256.
[19] 付翔,李浩杰,张锦涛,等. 综采液压支架中部跟机多模态人机协同控制系统[J]. 煤炭学报,2024,49(3):1717−1730. FU Xiang,LI Haojie,ZHANG Jintao,et al. Multimodal human-machine collaborative control system for hydraulic supports following the shearer in the middle range of fully mechanized mining face[J]. Journal of China Coal Society,2024,49(3):1717−1730.
[20] 王国法,庞义辉,许永祥,等. 厚煤层智能绿色高效开采技术与装备研发进展[J]. 采矿与安全工程学报,2023,40(5):882−893. WANG Guofa,PANG Yihui,XU Yongxiang,et al. Development of intelligent green and efficient mining technology and equipment for thick coal seam[J]. Journal of Mining & Safety Engineering,2023,40(5):882−893.
[21] 庞义辉,刘新华,马英. 千万吨矿井群综放智能化开采设备关键技术[J]. 煤炭科学技术,2015,43(8):97−101. PANG Yihui,LIU Xinhua,MA Ying. Key technologies of fully-mechanized caving intelligent mining equipment in ten million tons of mines group[J]. Coal Science and Technology,2015,43(8):97−101.
[22] 于斌,徐刚,黄志增,等. 特厚煤层智能化综放开采理论与关键技术架构[J]. 煤炭学报,2019,44(1):42−53. YU Bin,XU Gang,HUANG Zhizeng,et al. Theory and its key technology framework of intelligentized fully-mechanized caving mining in extremely thick coal seam[J]. Journal of China Coal Society,2019,44(1):42−53.
[23] 李伟. 综放开采智能化控制系统研发与应用[J]. 煤炭科学技术,2021,49(10):128−135. LI WeiLi. Research and application of intelligent control system forfull-mechanized caving mining[J]. Coal Science and Technology,2021,49(10):128−135.
[24] 宋选民,朱德福,王仲伦,等. 我国煤矿综放开采40年:理论与技术装备研究进展[J]. 煤炭科学技术,2021,49(3):1−29. SONG Xuanmin,ZHU Defu,WANG Zhonglun,et al. Advances on longwall fully-mechanized top-coal caving mining technology inChina during past 40 years:theory,equipment and approach[J]. Coal Science and Technology,2021,49(3):1−29.
[25] 路正雄,郭卫,张帆,等. 基于数据驱动的综采装备协同控制系统架构及关键技术[J]. 煤炭科学技术,2020,48(7):195−205. LU Zhengxiong,GUO Wei,ZHANG Fan,et al. Collaborative control system architecture and key technologies of fully-mechanized mining equipment based on data drive[J]. Coal Science and Technology,2020,48(7):195−205.
[26] 张德文,张文坦,郝胜峰. 金鸡滩煤矿智能煤流均衡系统研制与应用[J]. 煤炭科学技术,2021,49(S1):142−145. ZHANG Dewen,ZHANG Wentan,HAO Shengfeng. Application and development on intelligent coal flow balancing system in Jinjitan Coalmine[J]. Coal Science and Technology,2021,49(S1):142−145.
[27] 陈志军. 灵新煤矿综采工作面视频监控系统应用优化与探索[J]. 煤炭科学技术,2021,49(S1):146−149. CHEN Zhijun. Optimization and exploration of video monitoring system infully-mechanized mining face of Lingxin coal mine[J]. Coal Science and Technology,2021,49(S1):146−149.
[28] 王占飞,王耀. 煤矿井下煤流运输系统智能调速研究与应用[J]. 煤炭科学技术,2022,50(S1):283−288. WANG Zhanfei,WANG Yao. Research and application of intelligent speed regulation of coalflow transportation system in coal mine[J]. Coal Science and Technology,2022,50(S1):283−288.
[29] 李世银,杨瑞鑫,杨磊,等. 煤矿井下智能超表面非视距无线覆盖技术综述[J]. 中国矿业大学学报,2024,53(3):613−622. LI Shiyin,YANG Ruixin,YANG Lei,et al. Survey of the non-line-of sight wireless coverage technology by reconfigurable intelligent surfaces in underground coal mines[J]. Journal of China University of Mining & Technology,2024,53(3):613−622.
[30] 梁卫国,郭凤岐,于永军,等. 煤矸石井下原位智能分选充填技术研究进展[J]. 煤炭科学技术,2024,52(4):12−27. LIANG Weiguo,GUO Fengqi,YU Yongjun,et al. Research progress on in-situ intelligent sorting and filling technology of coal gangue underground[J]. Coal Science and Technology,2024,52(4):12−27.
[31] 王家臣,潘卫东,张国英,等. 图像识别智能放煤技术原理与应用[J]. 煤炭学报,2022,47(1):87-101. WANG Jiachen,PAN Weidong,ZHANG Guoying,et al. Principles and applications of image-based recognition of withdrawn coal and intelligent control of draw opening in longwall top coal caving face[J]. Journal of China Coal Society,2022,47(01):87-101.
[32] 毛明仓,张孝斌,张玉良. 基于透明地质大数据智能精准开采技术研究[J]. 煤炭科学技术,2021,49(1):286−293. MAO Mingcang,ZHANG Xiaobin,ZHANG Yuliang. Research on intelligent and precision mining technology based on transparent geological big data[J]. Coal Science and Technology,2021,49(1):286−293.
[33] 程建远,王保利,范涛,等. 煤矿地质透明化典型应用场景及关键技术[J]. 煤炭科学技术,2022,50(7):1−12. CHENG Jianyuan,WANG Baoli,FAN Tao,et al. Typical application scenes and key technologies of coal mine geological transparency[J]. Coal Science and Technology,2022,50(7):1−12.
[34] 李梅,毛善君,赵明军. 煤矿智能地质保障系统研究进展与展望[J]. 煤炭科学技术,2023,51(2):334−348. LI Mei,MAO Shanjun,ZHAO Mingjun. Research progress and prospects of coal mine intelligent geological guarantee systems[J]. Coal Science and Technology,2023,51(2):334−348.
[35] 崔亚仲,任艳艳,白明亮. 神东矿区煤炭智能化建设实践[J]. 煤炭科学技术,2022,50(S1):218-226. CUI Yazhong,REN Yanyan,BAI Ming liang Practice of ntelligent construction of Shendong Coal Mine[J]. Coal Science and Technology,2022,50(S1):218-226.
[36] 任怀伟,王国法,赵国瑞,等. 智慧煤矿信息逻辑模型及开采系统决策控制方法[J]. 煤炭学报,2019,44(9):2923−2935. REN Huaiwei,WANG Guofa,ZHAO Guorui,et al. Smart coal mine logic model and decision control method of mining system[J]. Journal of China Coal Society,2019,44(9):2923−2935.
[37] 方新秋,梁敏富,李爽,等. 智能工作面多参量精准感知与安全决策关键技术[J]. 煤炭学报,2020,45(1):493−508. FANG Xinqiu,LIANG Minfu,LI Shuang,et al. Key technologies of multi-parameter accurate perception and security decision in intelligent working face[J]. Journal of China Coal Society,2020,45(1):493−508.
[38] 刘永亮,李艳杰,崔耀. 超大采高工作面智能集成供液系统研究与应用[J]. 煤炭科学技术,2022,50(S2):387−392. LIU Yongliang,LI Yanjie,CUI Yao. Research and application of intelligent integrated liquid supply system for super high mining face[J]. Coal Science and Technology,2022,50(S2):387−392.
[39] 尤秀松,葛世荣,郭一楠,等. 智采工作面三机数字孪生驱动控制架构[J]. 煤炭学报,2024,49(7):3265−3275. YOU Xiusong,GE Shirong,GUO Yinan,et al. Digital twin-driven Control construction for Three machines ofSmart Coal Mining Face[J]. Journal of China Coal Society,2024,49(7):3265−3275.
[40] 马宏伟,赵英杰,薛旭升,等. 智能采煤机器人关键技术[J]. 煤炭学报,2024,49(2):1174−1182. MA Hongwei,ZHAO Yingjie,XUE Xusheng,et al. Key technologies of intelligent mining robot[J]. Journal of China Coal Society,2024,49(2):1174−1182.
[41] 于斌,夏洪春,孟祥斌. 特厚煤层综放开采顶煤成拱机理及除拱对策[J]. 煤炭学报,2016,41(7):1617−1623. YU Bin,XIA Hongchun,MENG Xiangbin. Top coal arching mechanism and arch removal strategies in fully mechanized top coal caving mining of ultra-thick coal seam[J]. Journal of China Coal Society,2016,41(7):1617−1623.
[42] 于斌,朱帝杰,陈忠辉. 基于随机介质理论的综放开采顶煤放出规律[J]. 煤炭学报,2017,42(6):1366−1371. YU Bin,ZHU Dijie,CHEN Zhonghui. Top-coal drawing law of LTCC mining based on stochastic medium theory[J]. Journal of China Coal Society,2017,42(6):1366−1371.
[43] 左建平,吴根水,孙运江,等. 岩层移动内外“类双曲线”整体模型研究[J]. 煤炭学报,2021,46(2):333−343. ZUO Jianping,WU Genshui,SUN Yunjiang,et al. Investigation on the inner and outer analogous hyperbola model (AHM)of strata movement[J]. Journal of China Coal Society,2021,46(2):333−343.
-
期刊类型引用(7)
1. 柴敬，王佳琪，杨健锋，高登彦，高奎英，陈建华，刘泽宇，杨磊. 区段煤柱变形光纤光栅监测应用研究. 煤炭科学技术. 2024(01): 126-137 . 
本站查看
2. 张平松，许时昂，傅先杰，吴荣新. 煤层采动巨厚松散层全断面监测及内部变形特征. 煤炭学报. 2024(01): 628-644 . 百度学术
3. 孙艳清，代国强. 综放沿空留巷底鼓影响因素研究及防治. 现代矿业. 2024(03): 99-103 . 百度学术
4. 马龙培，赵光明，刘崇岩，戚敏杰. 近距离煤层沿空掘巷围岩稳定性分析. 煤炭技术. 2024(06): 99-104 . 百度学术
5. 王毅，杜文刚，张丁丁，袁强. 基于光纤感测的急倾斜煤层采动围岩变形特征研究. 地下空间与工程学报. 2024(04): 1327-1333+1344 . 百度学术
6. 王坤，孟祥瑞，程详，赵光明，戚敏杰. 基于光频域反射技术的采动裂隙演化规律及应用研究. 采矿与安全工程学报. 2024(05): 1000-1010 . 百度学术
7. 李延河，杨战标，朱元广，王升. 基于弱光纤光栅传感技术的围岩变形监测研究. 煤炭科学技术. 2023(06): 11-19 . 本站查看
其他类型引用(1)
计量
- 文章访问数: 141
- HTML全文浏览量: 17
- PDF下载量: 64
- 被引次数: 8
