长期以来,矿井瓦斯灾害一直是威胁我国煤矿安全生产的最重要因素之一。而在防治矿井瓦斯灾害中掘进工作面瓦斯的防治是整个矿井瓦斯防治工作的重中之重,由于掘进工作面首先揭露煤层,瓦斯涌出量大,在掘进巷道极易发生瓦斯积聚,最易导致瓦斯事故发生。同时,在掘进工作面掘进过程中可能会遇到各类异常灾害,而这些大部分异常灾害发生的根本原因是在掘进施工作业时,改变了煤体应力、煤体中瓦斯压力以及煤的多种物理力学性质;并且由于不同类型的掘进作业工序对掘进工作面煤体稳定性的破坏程度不同,导致不同类型的掘进作业工序具有不同的瓦斯涌出规律和特征,从而可能引起不同类型的异常瓦斯灾害;因此掌握煤矿掘进工作面在不同类型作业工序时的瓦斯涌出规律以及风流和瓦斯流动规律是矿井安全掘进的一个重要依据,也是矿井掘进工作面通风设计、制定合理的瓦斯防治措施的重要参考。与此同时,掘进工作面瓦斯传感器面每天都会记录获得大量的瓦斯浓度时间序列等原始监测数据,因此可以掘进工作面瓦斯涌出浓度特征为基础,对掘进工作面实时作业工序类型进行模式辨识,进而有助于煤矿的工程技术人员更加迅捷地掌握和判断掘进工作面的实时掘进作业状况以及煤体前方受掘进作业因素影响的强烈程度。而近年来,小波变换作为一种数学理论和现代数字信号处埋方法在越来越多的领域得到了广泛的应用。依靠伸缩和平移等运算功能能够对信号(函数)进行多尺度细化分析,在时域和频域都具有表征信号特征的能力,同时可聚焦到信号的任意细节,将信号分解到各个不同的频带上,从而能有效地从信号中提取特征信息,成为当前一种新兴的信号分析处理技术。特别是小波包分析能为信号提供一种更精细的分析方法;由于其对信号的低频和高频部分都能进行分解,因此,可对非平稳和突变信号进行精确的特征提取,更有效地反映信号的时频特征。除此之外,不同类型掘进作业工序的改变是一个渐变过程,所表现出来的瓦斯浓度时间序列信号特征在很多情况下具有模糊性,同时神经网络模型不能够充分体现不同类型掘进作业工序瓦斯浓度时间序列特征信号的模糊特性;而以模糊数学为理论基础的聚类分析方法为解决这类模糊性问题提供了新的途径。综上所述,本文首先选取了山西煤炭进出口集团左权宏远煤矿的150201综采工作面回风顺槽综掘工作面和150201综采工作面运输顺槽炮掘工作面作为实验煤矿掘进工作面制定了现场测定方案用以现场测定掘进工作面的原始数据,如瓦斯浓度、风速、风量、进尺以及各掘进工序流程的作业起始时刻等;其次以煤层瓦斯赋存及流动理论为基础,建立了掘进工作面不同作业工序的瓦斯涌出的数学模型,然后对掘进工作面不同作业工序的瓦斯涌出进行数值模拟,进而模拟得出掘进工作面不同作业工序的瓦斯涌出浓度分布,并与实测数据进行对比以验证该数学模型的正确性,从而得到煤矿掘进工作面不同作业工序的瓦斯涌出规律;同时根据模拟出局部通风掘进工作面的风流流场及瓦斯的分布,得到掘进巷道风流流场和瓦斯分布的一般规律,为采取合理的防止掘进工作面瓦斯聚集的措施提供可靠的理论依据,保证安全生产。再者就是根据以上由现场测定方案得到的掘进工作面原始监测的时间序列瓦斯涌出浓度数据,采用小波分析方法对这些原始瓦斯涌出浓度时间序列数据进行去噪预处理,并运用小波包变换分解提取掘进工作面在掘进过程中不同掘进作业工序的瓦斯涌出时间序列信号的能量谱作为特征向量,最后利用由以上小波去噪及小波包变换得到的瓦斯涌出特征向量通过模糊聚类分析方法构建模式分类器对掘进各不同掘进作业工序类型进行识别。具体内容如下:(1)确定模式识别的对象及其具体识别方法首先通过对模式识别理论的分析研究,并结合由影响煤矿掘进工作面瓦斯动态涌出的因素类型以及左权宏远矿掘进工作面的实际掘进作业工序类型确定的识别对象,确定了本文以掘进工作面原始监测的时间序列瓦斯涌出浓度作为识别信号以及以各类掘进作业工序作为识别对象;同时提出了利用小波分析来提取瓦斯涌出特征向量,并且结合采用模糊聚类分析方法构建模式分类器的模式识别方法对本文所研究的具体识别对象进行模式识别。(2)原始瓦斯浓度时间序列数据获取制定原始数据测定方案,首先选取测定对象(选取具有突出危险性的炮掘工作面和综掘工作面各一个),其次布置好测点位置之后采集数据,如瓦斯浓度、风速、风量、掘进进尺以及各掘进工序作业流程的作业起始时刻等,并将这些以各种不同形式表现的原始数据转换为计算机能够处理的数据。为后续的掘进工作面瓦斯动态涌出规律研究和基于小波去噪及小波包特征提取提供了对比数据依据。(3)掘进工作面不同作业工序瓦斯涌出规律研究以煤层瓦斯赋存及煤层瓦斯流动理论为基础,建立了掘进工作面煤层瓦斯正常涌出时(煤壁瓦斯涌出和落煤瓦斯涌出)的基本数学模型;其次根据流体力学中的三大方程:连续性方程、能量方程及动量方程,并针对掘进工作面混合气体流动遵循流体力学的一般规律,从理论分析角度概括了混合气体流动扩散的规律,再结合掘进工作面瓦斯涌出数值模拟的湍流模型,建立了炮掘和综掘工作面瓦斯异常涌出的数学模型;最后根据炮掘和综掘工作面不同掘进作业工序的特点,并结合掘进工作面煤层瓦斯正常涌出的基本数学模型和炮掘和综掘工作面瓦斯异常涌出的数学模型,分别建立了炮掘和综掘工作面不同作业工序瓦斯涌出数值模拟的数学模型;运用FLUENT软件对炮掘和综掘工作面不同作业工序瓦斯涌出规律进行数值模拟,进而计算出了炮掘和综掘工作面的瓦斯涌出量,并与实测数据进行对比以验证该数学模型的正确性,从而确定煤矿炮掘和综掘工作面不同作业工序的瓦斯涌出规律。同时模拟出局部通风炮掘和综掘工作面的风流流场及瓦斯的分布,得到掘炮掘和综掘进巷道风流流场和瓦斯分布的一般规律,为采取合理的防止炮掘和综掘工作面瓦斯聚集的措施提供可靠的理论依据。(4)原始数据预处理及瓦斯涌出特征提取基于以上由现场测定方案得到的炮掘和综掘工作面原始监测的时间序列瓦斯涌出浓度数据,首先采用小波分析阈值去噪方法对原始瓦斯浓度时间序列数据进行去噪预处理,同时由于小波包的多分辨分析能将信号的不同频率成分分开,得到不同频带的信息;再将不同频带上的信号的能量求解出来,因此本文利用小波包变换对降噪处理后的瓦斯浓度时间序列信号分解提取在炮掘和综掘掘进过程中的各类不同掘进作业工序的瓦斯涌出时间序列信号各频带的能量谱作为特征向量,最后提取该各频带的能量谱特征向量作为模糊聚类模式识别的输入。(5)构建模式分类器进行模式识别以及应用验证利用由以上小波去噪及小波包变换分解提取得到的各类不同炮掘和综掘掘进作业工序瓦斯涌出标准样本集中的特征向量,并将这些标准样本集中的特征向量建立样本特性归一化特征向量矩阵,应用绝对值倒数法计算相关程度,得到模糊相似关系矩阵,然后采用传递闭包法得到模糊等价关系矩阵,按截距将标准样本集进行归类,再通过模糊聚类的方法,建立样本集分类模式库,即建立了不同掘进作业工序类型的模糊模式标准分类库。最后将待识别的新样本进行了模式识别,验证了该模式识别方法的有效性和准确性。通过以上小波分析与模糊聚类模式识别相结合对炮掘和综掘工作面各不同掘进作业工序类型进行模式识别,以及对炮掘和综掘工作面在不同类型作业工序时的风流和煤层瓦斯流动规律进行数值模拟研究,从而使得煤矿能够提前对炮掘和综掘工作面不同掘进工序中的异常灾害采取相应的安全措施预防灾害事件的发生,将灾害扼杀于萌芽之中。该研究成果对于显著提高煤矿安全掘进水平以及改善当前我国煤矿安全生产的严峻形势具有非常重要的现实意义和应用价值。