Intelligent assessment method for rockburst hazard areas based on image recognition technology
-
摘要:
针对传统冲击地压危险评价方法计算量大、危险区域划分精度低等问题，为适应冲击地压防治智能化、可视化的发展需求，提出了一种基于图像识别技术的冲击地压危险区域智能化评价方法。采用半定量化估算方法，对11项冲击地压危险的动静载主控因素进行量化表征；基于OpenCV机器视觉库和深度学习模型，实现对单一主控因素的图像识别；通过构建图像灰阶与应力集中系数的映射矩阵，实现对单一影响因素的线性与非线性叠加，得到评价区域的应力集中系数矩阵；采用min−max标准化法构建冲击地压危险区域的“无、弱、中等、强”4级判别标准，实现分级分区评价。基于Python语言开发了冲击地压危险智能化评价软件，并对软件实际应用效果进行了检验，结果表明：软件将传统仅针对巷道的一维线性危险区域划分方法改进为针对整个采掘空间的二维平面划分方法，显著提高了评价效率和危险区域划分精度，降低了人工成本；评价结果与微震能量密度云图、现场实测矿压规律一致性较高，可为现场冲击地压防治工作提供有效指导。
Abstract:In traditional rockburst hazard assessment methods, there are problems of large computational complexity and low precision in dividing hazardous areas. In order to meet the development needs of intelligent and visual prevention and control of rockburst, an intelligent assessment method for rockburst hazard areas based on image recognition technology is proposed. Using a semi quantitative estimation method, the method quantitatively characterizes the main controlling factors of dynamic and static loads for 11 types of rockburst hazards. Based on OpenCV machine vision library and deep learning model, the method achieves image recognition for a single main control factor. By constructing a mapping matrix between the grayscale of the image and the stress concentration coefficient, linear and nonlinear superposition of a single influencing factor is achieved to obtain the stress concentration coefficient matrix of the assessment area. Using the min max standardization method to construct a 4-level discrimination standard of "no, weak, moderate, and strong" for the hazard area of rockburst, the method achieves graded and division assessment. A software for intelligent assessment of rockburst hazards is developed based on Python language, and the actual application effect of the software is tested. The results show that the software improves the traditional one-dimensional linear hazard area division method for roadways to a two-dimensional plane division method for the entire mining space. It significantly improvies the assessment efficiency and precision of hazard area division and reduces labor costs. The assessment results are highly consistent with the microseismic energy density cloud map and the on-site measured mining pressure pattern, which can provide effective guidance for the prevention and control of on-site rockburst.
-
Keywords:
- coal mining /
- rockburst /
- hazard assessment /
- hazard area division /
- image recognition
-
0. 引言
在工况复杂的煤矿巷道掘进过程中，掘进机截齿经常会与煤岩交界处发生碰撞[1-3]。由于煤岩层硬度等物理特性不同，所以截齿在截割煤岩交界处时会因受力不均等加剧截齿磨损，甚至形成巨大的冲击载荷使掘进机截齿折断，降低掘进机使用寿命和截割稳定性[4-6]。
为提高掘进机截割效率的同时降低截齿磨损率，煤岩界面自动识别成为亟待解决的问题[7]。目前煤岩识别技术包括图像识别技术[8]、过程信号监测识别技术[9]、电磁波识别技术[10]、超声波探测识别技术[11]、多传感器融合识别技术[12]等。图像识别技术包括传统的图像处理技术[13]（如图像变换、图像分割、图像特征提取等）和基于深度学习的图像处理技术[14]（如卷积神经网络等），通过图像变换、特征提取和分类，以判断煤岩界面位置，但该技术比较依赖大量标注数据进行训练，目前仍处于试验研究阶段[15]。过程信号监测识别技术通过监测掘进机截割头或采煤机滚筒的运行信号（如振动、电流、声发射等）来判断是否截割到煤岩界面，但由于井下存在多种干扰信号[16]，导致识别煤岩界面的准确性下降。电磁波识别技术利用电磁波的传播特性进行煤岩界面识别，对煤岩介电常数、电导率等有一定要求，识别精度高[17]，但设备成本较高。超声波探测识别技术基于超声波在不同介质界面上的传输和反射原理[18]，通过分析反射回波信号来探测煤岩界面，但由于煤岩结构不同，探测厚度也不同，所以面对复杂的地质情况需与其他技术相结合来进行煤岩界面识别。多传感器融合识别技术通过整合多个传感器（如振动加速度传感器、转轴传感器、电流传感器等）数据，来获取更全面准确的煤岩界面信息，但需解决数据融合和匹配的难题[19]，以确保不同传感器之间的精确校准和可靠性。
红外热像技术[20]利用物体发射红外辐射原理，通过红外热像仪检测物体表面温度分布。红外热像仪成本低、体积小，便于移动且不受其他信号干扰，无需与截齿接触即可实时测得截齿截割煤岩时的温度，适用于煤岩识别。但煤层中常有夹矸现象，会降低通过截齿温度进行煤岩识别的准确性，因此引入掘进机截割头振动信号来判断煤岩[21]。通过试验研究结合掘进机截割温度及截割头振动信号进行煤岩识别的可行性。
1. 煤岩截割产热理论
悬臂式掘进机在进行截割作业时，截割头的截齿在高速旋转下对巷道煤壁进行破碎和剥离。在复杂的煤层工况中，煤层和岩层的共存及硬度和密度的不均匀性，导致截齿与煤岩碰撞摩擦时产生的热量非连续并具有波动性。煤岩的非均质性使得截齿在接触煤岩时可能会短时间内经历温度的剧烈升高，表现为截齿表面的闪温特性。因此，为分析截割产热的规律，需要系统地考虑截齿、硬度不均匀的煤岩及其产生的煤岩碎屑等因素。
截割产热量与截割载荷有关，截齿截割过程中截割载荷主要包含截割推进力$ {F_{\mathrm{x}}} $、截割进给力$ {F_{\mathrm{y}}} $[20]。
$$ {F_{\mathrm{x}}} = 145K_{\mathrm{c}}\left( {\frac{{{\sigma _{\mathrm{c}}}}}{{25}} + \sqrt {\frac{{{\sigma _{\mathrm{c}}}}}{{2.5}}} } \right)\frac{{ - 0.3 + 0.035{h_{\mathrm{p}}}}}{{{h_{\mathrm{p}}} + b\tan \varphi }}abK\frac{1}{{\cos \beta }} $$ (1) $$ {F_{\mathrm{y}}} = 145{K_{\mathrm{p}}}\left( {\frac{{{\sigma _{\mathrm{c}}}}}{{25}} + \sqrt {\frac{{{\sigma _{\mathrm{c}}}}}{{2.5}}} } \right)\frac{{ - 0.3 + 0.035{h_{\mathrm{p}}}}}{{{h_{\mathrm{p}}} + b\tan \varphi }}abK\frac{1}{{\cos \delta }} $$ (2) 式中：$ {K_{\mathrm{c}}} $为截割推进力修正系数；$ {\sigma _{\mathrm{c}}} $为煤岩抗压强度，MPa；$ {h_{\mathrm{p}}} $为截齿计算宽度，mm；$ b $为平均截割深度，mm；$ \varphi $为煤岩的崩裂角，（°）；$ a $为截齿截距，mm；$ K $为综合截割系数；$ \beta $为截齿倾斜角，（°）；$ {K_{\mathrm{p}}} $为截割进给力修正系数；$ \delta $为截齿进给角，（°）。
在相同的截齿属性（如结构参数、材料）、截割深度和截割速度条件下，截割产生的温升总量通常与煤岩抗压强度呈正相关关系。然而，在实际的截割过程中，由于掘进机结构和功率差异，截割头可能会出现跳刀现象，导致截齿与煤岩短暂分离，打破了截齿与煤壁之间形成的热封闭系统，使得截割过程中产生的热量不能持续累积。因此，通过观察长时间的非连续截割过程中的温度变化，可以对煤岩硬度进行评估。
2. 试验
为分析长时间截割下截割头表面温度及振动强度变化，搭建了掘进机截齿截割煤岩试验台，如图1所示。试验台主要由截割模拟系统和数据采集系统2个部分组成。截割模拟系统主要由试验台底座、掘进机模型、动力控制系统、岩样等组成；数据采集系统主要由红外热像仪、振动传感器等组成。
![]()
图 1 掘进机截齿截割煤岩试验台1—岩样；2—截割头；3—振动传感器；4—截割臂；5—升降电缸；6—摆动底座；7—摆动电缸；8—伸缩电缸；9—截割底座；10—红外热像仪；11—动力控制系统；12—电动机控制器；13—信号分析计算机；14—信号采集仪；15—试验台底座。Figure 1. Roadheader cutting gear cutting coal rock test bench试验台电动机功率为180 W，可调节转速，适用于不同工况下的截割试验。采用电缸代替掘进机的油缸，截割臂的升降、旋转和伸缩功能均采用单个推力为2 000 N的双电缸同步实现。
为模拟不同煤岩硬度，采用砂子、水泥、石膏和水作为原材料进行岩样配置。根据相似原理，通过改变材料比例，制作4个直径为200 mm、高度为150 mm的圆柱标准试件（图2），进行抗压强度和坚固性系数测试。4个圆柱标准试件理论抗压强度分别为0.66，1.01，1.23，2.70 MPa，坚固性系数分别为1.6，2.7，3.8，6.5。
根据圆柱标准试件坚固性测试结果，分别制作坚固性系数为1.7的普通煤层和坚固性系数为6.8的中砂岩层，岩样配置比例见表1。砂子作为主材料，砂子含量越高，岩样硬度越低；水泥含量越高，岩样硬度越高；石膏主要用于填充砂子、水泥中的微孔和细小裂缝，石膏含量越高，岩样抗裂性能越强。
表 1 岩样配置比例Table 1. Allocation proportion of rock sample岩样 质量占比/% 岩样尺寸（长×宽×高）/（mm×mm×mm） 沙子 水泥 石膏 煤层 82 11 7 600×400×200 中砂岩层 70 23 7 600×400×200 岩样配置后，进行截割头摆动截割试验。试验过程中截割参数保持不变，先使截割头慢慢接触岩样，通过电缸控制截割臂摆动，使截割头充分与岩样接触且截割臂摆动速度降到最低，保证截割充分及截割时间充足。
3. 试验分析
3.1 煤岩截割温度特性分析
采用红外热像仪记录截割过程的温度变化情况，红外热像如图3所示。
![]()
图 3 截割头摆动截割过程红外热像Figure 3. Infrared thermal image of cutting head swing cutting process从图3可看出，截割过程分为起始、稳定及结束3个阶段。截割起始阶段截齿与岩样接触面温度逐渐升高，截割产生的部分岩屑带走了少量热量，截割头的跳动性使得截割面与空气的热交换运动速度加快，导致截齿表面温度较低；当截割头与岩样稳定接触截割时，截割面温度达到相对平衡阶段，截割面热量持续累积，造成截齿温度逐渐上升，持续到稳定截割阶段结束。由此可见，当截割时间较短时，截割产生的热量没有集中在截齿部位，导致截割温度的参考意义不大，所以需根据稳定截割时的温度变化进行煤岩识别。
为获取不同硬度岩样截割下截割温度变化规律，分别对普通煤层、普通煤层与中砂岩层交界处和中砂岩层进行长时间截割试验，截割温度变化曲线如图4所示。
![]()
图 4 不同硬度岩样截割温度变化曲线Figure 4. Temperature variation curves of rock samples with different hardness从图4（a）可看出，在截割头对普通煤层进行截割时，出现闪温（瞬间高温）次数较多，这是因为普通煤层中夹杂着较多高硬度的矸石，但整体截割温度变化不明显。
从图4（b）可看出，由于煤岩交界处硬度差异较大，截割过程中前10 min温度波动幅度大；在截割10 min后，截割头在上层中砂岩层及下层普通煤层的压力下处于稳定截割阶段，温度波动幅度小，截割温度逐渐上升。
从图4（c）可看出，由于中砂岩层在岩样上方，所以在截割时始终处于半个截割头与中砂岩层接触的状态，在截割过程的前12 min，温度波动幅度小；在截割进行到第13 min时，由于中砂岩层硬度较大，截割头产生跳刀现象，造成截割头与中砂岩层短暂分离，截割温度大幅下降；发生跳刀现象后，通过人工干预截割臂的振动幅度，使得截割头在之后的截割过程中始终保持与中砂岩层的充分接触，稳定截割后，截割温度呈稳定增大趋势。
从图4（d）可看出，在截割起始阶段，普通煤层截割温度与煤岩交界处截割温度并无明显区别，无法通过温度识别煤岩；当截割头始终与煤岩保持充分接触并进行稳定截割时，普通煤层截割温度略有上升，中砂岩层和煤岩交界处截割温度均呈稳定上升状态，且岩样硬度越高，截割温度上升速率越快，表明截割头稳定截割时的温度变化曲线更符合煤岩截割产热理论，可根据截割温度特性识别煤岩。
在截割不同硬度岩样时，每5 min统计平均温度，见表2，截割温度变化见表3。
表 2 不同硬度岩样截割平均温度Table 2. Average cutting temperature of rock samples with different hardness截割时间/min 平均温度/℃ 普通煤层 煤岩交界处 中砂岩层 0～5 24.92 23.35 27.95 5～10 24.85 24.25 28.46 10～15 25.16 25.11 27.61 15～20 25.68 24.85 24.06 20～25 27.61 27.73 28.00 25～30 27.32 31.43 33.42 表 3 不同硬度岩样截割温度变化Table 3. Temperature variation of rock samples with different hardness℃ 煤层 平均温度 最高温度 温度变化幅值 普通煤层 25.91 38.20 2.40 煤岩交界处 26.08 37.20 8.08 中砂岩层 28.22 41.00 9.36 从表2、表3可看出，随着截割时间增加，截割温度升高；中砂岩层截割平均温度为28.22 ℃，高于煤岩交界处的26.08 ℃和普通煤层的25.91 ℃，可见煤岩硬度越高，截齿平均温度越高；普通煤层、煤岩交界处、中砂岩层截割温度变化幅值分别为2.40，8.08，9.36 ℃，可见煤岩硬度越高，截割温度增幅越大。
3.2 煤岩截割振动特性分析
在掘进机截割过程中，截割头会产生振动，在不同工况下截割头振动强度不同。在进行截割试验时通过振动传感器提取振动信号，使用方差作为特征指标来衡量振动强度大小。在不同时间段截割普通煤层、煤岩交界处及中砂岩层时的振动方差见表4。
表 4 不同硬度岩样截割时振动方差对比Table 4. Comparison of vibration variance during cutting of rock samples with different hardness截割时间/min 振动方差 /（cm2·s−4） 普通煤层 煤岩交界处 中砂岩层 0～5 99.60 119.45 147.97 5～10 99.34 119.25 147.68 10～15 99.15 119.37 147.37 15～20 98.78 119.87 147.92 20～25 98.15 119.94 146.89 25～30 99.64 119.26 147.05 从表4可看出，不同硬度岩样截割时振动强度不同，普通煤层、煤岩交界处和中砂岩层截割时振动方差平均值分别为99.11，119.52，147.48 cm2/s4，表明随着煤岩硬度增大，截割头振动强度增大。
不同硬度岩样截割时振动强度变化曲线如图5所示。可看出随着截割时间增加，截割头振动强度并无明显变化，振动强度大小仅与煤岩硬度有关，可弥补在截割起始阶段无法通过截割温度识别煤岩的不足。
![]()
图 5 不同硬度岩样截割时振动强度变化曲线Figure 5. Vibration intensity variation curves of rock samples with different hardness3.3 煤岩截割温度及振动特性对比分析
不同硬度岩样截割温度、振动强度变化趋势对比如图6所示。
![]()
图 6 不同硬度岩样截割温度、振动强度变化趋势对比Figure 6. Comparison of variation trend of temperature and vibration intensity of rock samples with different hardness从图6可看出，截割时出现的闪温情况会降低通过截割温度进行煤岩识别的准确性，而截割头振动特性不受闪温的影响，因此可在截割起始阶段和频繁出现闪温时通过振动强度来识别煤岩；在截割头不稳定截割或截割头发生跳刀产生空转时，截割温度发生剧烈变化，但截割头振动强度并没有随之发生变化，表明单一根据截割头振动强度来识别煤岩的准确性不高。因此，应同时根据截割温度变化特性及截割头振动强度变化特性进行煤岩识别。
4. 结论
1） 随着截割时间增加，截割温度逐渐升高；煤岩硬度越高，截割温度越高，且截割温度上升速率越快；在截割起始阶段无法通过截割温度识别煤岩硬度，但在稳定截割时可根据截割温度特性识别煤岩。
2） 截割头振动强度随着煤岩硬度增大而变大，但不随截割时间增加而产生明显变化，因此可弥补在截割起始阶段无法通过截割温度识别煤岩的不足。
3） 单一通过煤岩截割温度特性或振动强度特性无法准确识别煤岩，因此可在截割起始阶段和频繁出现闪温时通过振动强度来识别煤岩，而在截割稳定阶段通过红外热像获取的温度来识别煤岩。
-
![]()
图 1 冲击地压危险主控因素及影响范围
Figure 1. Main controlling factors and influence range of rock burst hazard
![]()
图 3 工作面回采接近断层时煤体应力集中系数变化曲线
Figure 3. Change curve of stress concentration coefficient of coal body when mining face approaches fault
![]()
图 4 采空区形成后煤体应力集中系数变化曲线
Figure 4. Change curve of stress concentration coefficient of coal body after the formation of goaf
![]()
图 5 不同区段煤柱宽度下煤体应力集中系数变化曲线
Figure 5. Change curve of stress concentration coefficient of coal body under different coal pillar widths
![]()
图 6 终采线外错区域煤体垂直应力分布
Figure 6. Vertical stress distribution of coal body in staggered area outside terminal line
![]()
图 7 终采线外错区域煤体应力集中系数变化曲线
Figure 7. Change curve of stress concentration coefficient in staggered area outside terminal line
![]()
图 9 “T”型和“X”型交叉巷道区域数值模拟结果
Figure 9. Numerical simulation results of "T" and "X" shaped cross-roadway
![]()
图 10 21104工作面冲击地压危险主控因素的量化表征与图形识别
Figure 10. Quantitative characterization and graphic identification of main controlling factors of rock burst hazard in 21104 working face
![]()
图 13 冲击地压危险智能化评价软件界面
Figure 13. Interface of intelligent evaluation software of rock burst hazard
![]()
图 14 冲击地压危险性评价结果与微震能量密度云图对比
Figure 14. Comparison between rock burst hazard assessment results and cloud picture of microseismic energy density
![]()
图 15 21104工作面冲击地压危险预警及矿压异常区域分布
Figure 15. Distribution of rock burst hazard early warning area and abnormal area of mine pressure in 21104 working face
表 1 冲击地压危险主控因素的量化表征结果
Table 1 Quantitative characterization results of main controlling factors of rock burst hazard
序号 影响因素 识别主体 影响范围 应力集中系数 1 采深 采深 （400，600] m 1.20 （600，800] m 1.30 （800，1 000] m 1.40 （1 000，+∞） m 1.60 2 褶曲 倾角≤15°褶曲 褶曲轴部前后10 m 1.20 倾角＞15°褶曲 褶曲轴部前后20 m 1.40 3 断层 落差＞10 m断层 断层前后30～50 m 1.40 断层前后10～30 m 1.90 断层前后<10 m 2.05 落差≤10 m断层 断层前后30 m 1.20 4 采空区 采空区 采空区外缘50 m 1.50 5 区段煤柱 区段煤柱宽度 [50，+∞） m或（－∞，5] m 1.00 （5，10] m 1.30 （10，30] m 2.20 （30，50] m 1.50 6 开切眼外错 开切眼外错拐点 外错点前后30～50 m 1.50 外错点前后30 m 2.10 7 终采线外错 终采线外错拐点 外错点前后30～50 m 1.50 外错点前后30 m 2.10 8 巷道交叉 “T”型交叉 “T”型交叉前后30 m 1.05 “X”型交叉 “X”型交叉前后30 m 1.10 9 初次来压 初次来压线 初次来压前后20 m 1.70 10 “见方”破断 初次“见方”线 初次“见方”前后50 m 1.50 二次“见方”线 二次“见方”前后50 m 1.70 11 矿震动载 矿震平均能量 （103～104] J的工作面 1.10 （104～105] J的工作面 1.20 （105，+∞） J的工作面 1.60 
下载: 导出CSV
表 2 冲击地压危险区域的划分标准
Table 2 Classification standard of rock burst hazard area
冲击地压
危险等级应力集中系数 灰阶 无 $ [0,{\lambda _{\min }}) $ $ [0,k{\lambda _{\min }}) $ 弱 $ [{\lambda _{\min }},\left({{{\lambda _{\max }} - {\lambda _{\min }}}}\right)/{3}) $ $ [k{\lambda _{\min }},{{k({\lambda _{\max }} - {\lambda _{\min }})}}/{3}) $ 中等 $ \left[\dfrac{{{\lambda _{\max }} - {\lambda _{\min }}}}{3},\dfrac{{2({\lambda _{\max }} - {\lambda _{\min }})}}{3}\right) $ $ \left[\dfrac{{k({\lambda _{\max }} - {\lambda _{\min }})}}{3},\dfrac{{2k({\lambda _{\max }} - {\lambda _{\min }})}}{3}\right) $ 强 $ [{{2({\lambda _{\max }} - {\lambda _{\min }})}}/{3}, + \infty ) $ $ [{{2k({\lambda _{\max }} - {\lambda _{\min }})}}/{3}, + \infty ) $
下载: 导出CSV
-
[1] 齐庆新,窦林名. 冲击地压理论与技术[M]. 徐州:中国矿业大学出版社,2008. QI Qingxin,DOU Linming. Theory and technology of rock burst[M]. Xuzhou:China University of Mining and Technology Press,2008.
[2] 窦林名,田鑫元,曹安业,等. 我国煤矿冲击地压防治现状与难题[J]. 煤炭学报,2022,47(1):152-171. DOU Linming,TIAN Xinyuan,CAO Anye,et al. Present situation and problems of coal mine rock burst prevention and control in China[J]. Journal of China Coal Society,2022,47(1):152-171.
[3] 齐庆新,李一哲,赵善坤,等. 我国煤矿冲击地压发展70年:理论与技术体系的建立与思考[J]. 煤炭科学技术,2019,47(9):1-40. QI Qingxin,LI Yizhe,ZHAO Shankun,et al. Seventy years development of coal mine rockburst in China:establishment and consideration of theory and technology system[J]. Coal Science and Technology,2019,47(9):1-40.
[4] 窦林名,王盛川,巩思园,等. 冲击矿压风险智能判识与监测预警云平台[J]. 煤炭学报,2020,45(6):2248-2255. DOU Linming,WANG Shengchuan,GONG Siyuan,et al. Cloud platform of rock-burst intelligent risk assessment and multi-parameter monitoring and early warning[J]. Journal of China Coal Society,2020,45(6):2248-2255.
[5] 何生全,何学秋,宋大钊,等. 冲击地压多参量集成预警模型及智能判识云平台[J]. 中国矿业大学学报,2022,51(5):850-862. HE Shengquan,HE Xueqiu,SONG Dazhao,et al. Multi-parameter integrated early warning model and an intelligent identification cloud platform of rockburst[J]. Journal of China University of Mining & Technology,2022,51(5):850-862.
[6] 潘俊锋,冯美华,卢振龙,等. 煤矿冲击地压综合监测预警平台研究及应用[J]. 煤炭科学技术,2021,49(6):32-41. PAN Junfeng,FENG Meihua,LU Zhenlong,et al. Research and application of comprehensive monitoring and early warning platform for coal mine rock burst[J]. Coal Science and Technology,2021,49(6):32-41.
[7] 姜福兴,曲效成,王颜亮,等. 基于云计算的煤矿冲击地压监控预警技术研究[J]. 煤炭科学技术,2018,46(1):199-206,244. JIANG Fuxing,QU Xiaocheng,WANG Yanliang,et al. Study on monitoring & control and early warning technology of mine pressure bump based on cloud computing[J]. Coal Science and Technology,2018,46(1):199-206,244.
[8] 窦林名,贺虎,何江,等. 冲击危险评价的相对应力集中系数叠加法[J]. 煤炭学报,2018,43(2):327-332. DOU Linming,HE Hu,HE Jiang,et al. New method of rockburst risk assessment using relative stress concentration factor superposition[J]. Journal of China Coal Society,2018,43(2):327-332.
[9] 姜福兴,刘懿,翟明华,等. 基于应力与围岩分类的冲击地压危险性评价研究[J]. 岩石力学与工程学报,2017,36(5):1041-1052. JIANG Fuxing,LIU Yi,ZHAI Minghua,et al. Evaluation of rock burst hazard based on the classification of stress and surrounding rock[J]. Chinese Journal of Rock Mechanics and Engineering,2017,36(5):1041-1052.
[10] 曹安业,王常彬,窦林名,等. 临近断层孤岛面开采动力显现机理与震动波CT动态预警[J]. 采矿与安全工程学报,2017,34(3):411-417. CAO Anye,WANG Changbin,DOU Linming,et al. Dynamic manifestation mechanism of mining on the island coalface along fault and dynamic pre-warning of seismic waves with seismic tomography[J]. Journal of Mining & Safety Engineering,2017,34(3):411-417.
[11] 邓志刚. 基于三维地应力场反演的宏观区域冲击危险性评价[J]. 煤炭科学技术,2018,46(10):78-82. DENG Zhigang. Danger evaluation of pressure bump in macro area based on 3D geostress field inversion[J]. Coal Science and Technology,2018,46(10):78-82.
[12] 王爱文,王岗,代连朋,等. 基于临界应力指数法巷道冲击地压危险性评价[J]. 煤炭学报,2020,45(5):1626-1634. WANG Aiwen,WANG Gang,DAI Lianpeng,et al. Evaluation on the rock burst risks of roadway using critical stress index method[J]. Journal of China Coal Society,2020,45(5):1626-1634.
[13] 夏永学. 冲击地压动−静态评估方法及综合预警模型研究[D]. 北京:煤炭科学研究总院,2020. XIA Yongxue. Research on the method of dynamic-static evaluation of rockburst and comprehensive early warning model[D]. Beijing:CCTEG Chinese Institute of Coal Science,2020.
[14] 齐庆新,史元伟,刘天泉. 冲击地压粘滑失稳机理的实验研究[J]. 煤炭学报,1997,22(2):34-38. QI Qingxin,SHI Yuanwei,LIU Tianquan. Mechanism of instability caused by viscous sliding in rock burst[J]. Journal of China Coal Society,1997,22(2):34-38.
[15] 窦林名,白金正,李许伟,等. 基于动静载叠加原理的冲击矿压灾害防治技术研究[J]. 煤炭科学技术,2018,46(10):1-8. DOU Linming,BAI Jinzheng,LI Xuwei,et al. Study on prevention and control technology of rockburst disaster based on theory of dynamic and static combined load[J]. Coal Science and Technology,2018,46(10):1-8.
[16] 李曼,段雍,曹现刚,等. 煤矸分选机器人图像识别方法和系统[J]. 煤炭学报,2020,45(10):3636-3644. LI Man,DUAN Yong,CAO Xiangang,et al. Image identification method and system for coal and gangue sorting robot[J]. Journal of China Coal Society,2020,45(10):3636-3644.
[17] 孙继平,程继杰,王云泉. 基于彩色图像的煤矿冲击地压和煤与瓦斯突出感知报警方法[J]. 工矿自动化,2022,48(11):1-5. SUN Jiping,CHENG Jijie,WANG Yunquan. Coal mine rock burst and coal and gas outburst perception alarm method based on color image[J]. Journal of Mine Automation,2022,48(11):1-5.
[18] 陈彪,卢兆林,代伟,等. 基于轻量化HPG−YOLOX−S模型的煤矸石图像精准识别[J]. 工矿自动化,2022,48(11):33-38. CHEN Biao,LU Zhaolin,DAI Wei,et al. Accurate recognition of coal-gangue image based on lightweight HPG-YOLOX-S model[J]. Journal of Mine Automation,2022,48(11):33-38.
[19] 解嘉豪,韩刚,吕玉磊,等. 蒙陕地区工作面冲击危险的增量叠加法评价[J]. 煤炭科学技术,2020,48(增刊1):59-65. XIE Jiahao,HAN Gang,LYU Yulei,et al. Assessment method of incremental superposition for rockburst risk of working face in Mengshan Areas[J]. Coal Science and Technology,2020,48(S1):59-65.
[20] 朱斯陶,姜福兴,刘金海,等. 复合厚煤层巷道掘进冲击地压机制及监测预警技术[J]. 煤炭学报,2020,45(5):1659-1670. ZHU Sitao,JIANG Fuxing,LIU Jinhai,et al. Mechanism and monitoring and early warning technology of rock burst in the heading face of compound thick coal seam[J]. Journal of China Coal Society,2020,45(5):1659-1670.
[21] 闫耀东,潘俊锋,席国军,等. 综放开采见方构造区冲击危险性分析及防治研究[J]. 工矿自动化,2021,47(10):7-13. YAN Yaodong,PAN Junfeng,XI Guojun,et al. Impact hazard analysis and prevention research of square structure area in fully mechanized working face[J]. Industry and Mine Automation,2021,47(10):7-13.
[22] 贺虎,郑有雷,张雄,等. 基于动静应力分析的复杂工作面冲击危险评价[J]. 煤炭科学技术,2019,47(7):265-270. DOI: 10.13199/j.cnki.cst.2019.07.036 HE Hu,ZHENG Youlei,ZHANG Xiong,et al. Rock burst risk evaluation based on dynamic-static stress analysis in complex working face[J]. Coal Science and Technology,2019,47(7):265-270. DOI: 10.13199/j.cnki.cst.2019.07.036
-
期刊类型引用(1)
1. 王忠宾，李福涛，司垒，魏东，戴嘉良，张森. 采煤机自适应截割技术研究进展及发展趋势. 煤炭科学技术. 2025(01): 296-311 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 292
- HTML全文浏览量: 53
- PDF下载量: 31
- 被引次数: 1
