祁东煤矿近距离煤层群瓦斯治理顶板拦截定向钻孔试验

来源 :工矿自动化 | 被引量 : 0次 | 上传用户:zwj10191021
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对现有近距离煤层群瓦斯治理方法存在工程量大、成本高、周期长的问题,以祁东煤矿94采区为研究对象,提出了采用顶板拦截定向钻孔进行瓦斯治理的方法:首先在开采煤层顶板施工带有多个上向分支孔的顶板拦截定向钻孔,然后利用上向分支孔提前对上邻近煤层瓦斯进行预抽,最后利用主孔在煤层回采过程中对上邻近煤层卸压瓦斯和开采煤层回采工作面及采空区瓦斯进行抽采,从采前预抽和采动卸压抽采2个方面提高了近距离煤层群瓦斯抽采效果,解决了瓦斯赋存参数测量、复杂破碎地层定向成孔与护孔等难题.针对顶板拦截定向钻孔设计与施工难题,采用定向钻孔煤层探查与保压密闭取芯技术、复合定向钻进与复合排渣技术、钢筛管完孔技术,实现了近距离煤层群中顶板拦截定向钻孔高效成孔和长距离精准瓦斯测定.在祁东煤矿94采区进行了现场试验,完成顶板拦截定向钻孔1个,主孔深度608 m,施工分支孔6个,密闭取芯测试瓦斯含量2次,下入护孔筛管485 m,进行瓦斯抽采试验207 d,初始瓦斯抽采纯量为0.35 m3/min,抽采30 d后逐渐下降至0.1 m3/min以下,抽采65 d后整体稳定在0.05 m3/min左右.试验结果表明,顶板拦截定向钻孔可有效预抽邻近煤层瓦斯,提前降低煤层瓦斯含量,从源头上减少后期工作面回采时的采动卸压瓦斯涌出量.
其他文献
针对煤矿井下复杂环境中救援机器人机械臂轨迹规划不合理、规划方法收敛速度慢等问题,提出了一种基于融合杜鹃搜索的灰狼优化(CS-GWO)算法的煤矿救援机器人机械臂轨迹规划算法.以五次多项式插值为基本轨迹规划方法,在机械臂关节空间进行轨迹规划,通过CS-GWO算法对得到的轨迹进行优化,实现机械臂时间-能量最优轨迹规划.CS-GWO算法在灰狼优化(GWO)算法的位置更新方式中融入杜鹃搜索(CS)算法的2次扰动过程,结合CS算法的莱维飞行模式和鸟巢位置随机更新的特点,使得狼群在向猎物逼近的过程中能够随机跳出局部搜索
针对现有输送带损伤检测方法检测精度低、检测速度慢且缺少对面积较小损伤检测的问题,提出了一种基于改进YOLOv4的输送带损伤检测方法.该方法以YOLOv4为基础,对PANet路径融合网络部分进行改进,增加与浅层特征层的融合,将原3个尺度的特征层融合增加到4个尺度,提高模型对输送带损伤的特征提取能力,提高检测精度;将PANet部分每个特征层融合后的卷积次数由5次减少到3次,减少计算量,提高检测速度;对输送带损伤图像进行标注,并输入改进的YOLOv4模型进行训练和测试.实验结果表明,基于改进YOLOv4的输送带
近日,中国摩托车商会了解到潮州市公安局交警支队为进一步加强潮州市城区道路交通安全管理,有效打击非法飚车等违法犯罪行为,起草了《潮州市城区限制大排量摩托车通行的通告(征求意见稿)》,向社会公众征求意见.对此,中国摩托车商会非常重视,向潮州市公安局交警支队提交了《关于的建议》.
期刊
液压支架支护状态感知与数据处理是实现液压支架自适应支护及顶板灾害超前预测预警的关键,但现有技术主要是对液压支架初撑力、循环末阻力等进行统计分析,存在感知信息不充分、数据挖掘不深入、预测预警不精准等问题.分析了采动应力与顶板断裂、液压支架载荷变化之间的关系,阐述了顶板岩层断裂失稳过程的“五阶段”观点及液压支架合理工作阻力确定的“双因素”控制方法;给出了液压支架支护状态特征参量,提出了基于液压支架与围岩耦合关系的液压支架支护状态综合感知技术架构,指出非接触式传感器将是解决群组液压支架支护状态感知不充分等问题的
液压支架自动跟机控制应具备高支护、快速移架、大推移距离等性能,其中在保障采场安全的前提下,缩短工作面空顶时间是一个极为关键的问题.但目前液压支架自动跟机控制存在动作时间长、较手动操作效率低、控制参数凭经验设定等问题,导致综采工作面推移速度慢、液压系统压力与流量匹配不佳等问题.为减少液压支架动作时间,提高综采工作面推移速度,建立了液压支架阀控缸单元液压缸伸出动作瞬态过程的流量-压力数学模型,分析认为液压缸伸缩瞬间压力主要与供回液压力有关,且与时间呈二次方关系.基于上述结论,提出了立柱供液阀直供、二级控制+立
针对当前矿用通风机故障诊断方法存在预测性较差、准确率较低的问题,提出了一种基于数字孪生和概率神经网络(PNN)的矿用通风机预测性故障诊断方法.利用Unity3D、3dsMax、SciFEA等搭建通风机的数字孪生模型,模拟出真实通风机的结构特点、物理属性和运行规则,利用PREspective与通风机的PLC实时通信,将通风机的运行状态实时映射至数字孪生模型中;以通风机的数字孪生模型为基础,结合专家知识、机器学习、历史数据等构建了通风机预测性故障诊断模型,通过分析通风机的实时数据与运行状态之间的关系,不断学习
煤矿井下综掘工作面环境恶劣,粉尘浓度大,利用超宽带(UWB)进行定位时易受到粉尘的干扰,UWB测距会存在一定误差,从而定位精度不能达到煤矿智能化需求.针对该问题,分析了UWB测距原理,指出影响UWB测距精度的主要因素是多径效应与非视距传播,而多径效应与非视距传播的产生与粉尘浓度密切相关,通过实验探讨了煤矿井下粉尘浓度对UWB测距精度的影响.实验结果表明,随着粉尘浓度增加,UWB测距误差增大,且UWB测距误差增速加快.
针对目前基于深度学习的煤矸目标检测方法精度低、实时性差、小目标易漏检等问题,采用轻量化网络、自注意力机制、锚框优化方法对SSD模型进行改进,构建Ghost-SSD模型,进而提出一种轻量化煤矸目标检测方法.Ghost-SSD模型以SSD模型为基础框架,采用GhostNet轻量化特征提取网络代替主体网络层VGG16,以提高煤矸目标检测速度;针对浅层特征图中包含较多背景噪声及语义信息不足问题,引入自注意力模块对浅层特征图进行特征增强,提高对前景区域的关注度,并采用扩张卷积增大浅层特征图的感受野,丰富浅层特征图的
针对西南地区薄-中厚煤层厚度变化大、走向断层发育、顶板破碎等复杂地质条件,提出了薄-中厚煤层智能化综采保障技术与装备.通过对断层上下盘破碎顶板实施注浆加固、挑顶改造,以及对沿空留巷采用锚网索联合支护+超前加固+爆破切顶+立柱挂网挡矸+滞后喷浆加固+收尾砌墙的耦合支护技术,大幅提升了巷道稳定性.设计了由8架超前支架与2架端头支架组成的横向自移式超前支架组,实现了工作面端头顶板支护与超前支架快速推进的协调配合.给出了薄-中厚煤层智能化综采工作面成套装备及其优化布置方案:当工作面两端采高小于巷道高度时,采用垫架
针对现有基于深度学习的煤矸目标检测方法存在检测速度慢且检测精度较低等问题,提出了一种改进YOLOv5s模型,并将其应用于煤矸目标检测中.改进YOLOv5s模型在YOLOv5s模型Backbone区域嵌入自校正卷积(SCConv)作为特征提取网络,可更好地融合多尺度特征信息;由于煤块和矸石的尺寸相对整张图像过小,对YOLOv5s模型Neck区域进行适当精简,将适合检测较大尺寸对象的19×19特征图分支删除,从而降低模型复杂度并提高检测实时性;对通过K-means算法聚类得到的锚框进行线性缩放,提高模型检测精