巷道顶板局部块体坠落力学分析及其支护对策

针对煤矿巷道顶板局部块体典型冒顶实例,分析了局部块体冒顶事故的损毁后果、危害程度、破坏体特征、冒顶区几何形态以及冒顶成因,采用关键块体理论和空间赤平投影法,阐述了六面体危险岩块运动稳定性,建立了六面块体极限平衡力学模型,获得了巷道顶板岩块临界稳定高度与岩体环境间的定量关系式,并全面分析了煤层巷道局部块体坠落的主要影响因素,根据各因素之间的变化特征及其对巷道冒顶的影响程度,找出了引发巷道顶板局部块体失稳的关键因素,在此基础上,提出了以普通锚杆和金属网控制横向顶板局部小块体坠落,以普通锚杆、锚索和棚子控制纵向顶板局部大块体坠落的支护对策。     

基于D-S证据理论的瓦斯突出危险等级评判策略

针对影响煤矿采掘工作面瓦斯突出因素的不确定性和复杂的非线性关系,在分析Dempster-Shafer(D-S)证据理论的基础上,提出瓦斯突出危险等级评判的多传感器数据融合方法;通过对传感器采集的待评判采掘面参数进行预处理,得出D-S证据理论各传感器对突出危险等级的信度函数分配,再利用D-S证据理论的合成规则得到融合后的信度函数分配,从而实现危险等级的评判。结果表明,该方法具有良好的适应性并能得到较高的精确度,在一定程度上提高了评判系统的性能。     

函数单向S-粗集对偶与F--预测规律发现

函数S-粗集理论是粗集理论的拓展,函数单向S-粗集对偶是函数S-粗集的三类形式之一. 函数S-粗集具有规律特性、动态特性、遗传特性、记忆特性与预测特性. 利用函数单向S-粗集对偶的动态特征, 给出-预测规律、F-预测规律和预测度概念, 提出预测规律的预测定理, 并在通信传输识别系统中给出应用. 函数S-粗集(函数单向S-粗集、函数单向S-粗集对偶、函数双向S-粗集)与信息系统融合、交叉是粗集理论中的一个新的研究方向.     

基于多源信息融合技术的煤矿作业环境参数分析

本文针对煤矿生产作业环境中的危险因素,提出对基于无线传感器网络的煤矿作业环境参数进行分析。根据动态限幅滤波、最优加权、灰色关联分析和模糊粗糙集理论,以煤矿井下环境监测数据为依据论证了多级信息融合算法及实现过程,形成了基于模糊粗糙-灰色关联的两级决策融合算法,来实现对煤矿作业环境状态的评估。通过模糊粗糙集和灰色关联分析的结合,为综合评价煤矿作业环境提供了一个新思路。     

采场冒顶伤害的管理差错和危险预测

本文采用MCRT方法,对采场冒顶伤害事故的管理差错和危险进行了分析预测。文中给出了“采场冒顶伤害的管理差错和危险谱系图”,详细地表述了导致顶上事件发生的工作失误和管理差错因素;并对谱系图进行了定性预测分析,找出了可控制事故发生的途径,并依据各因素的结构重要度,就如何预防提出了意见。     

基于模糊神经网络和证据理论的瓦斯突出评判策略

针对影响煤矿瓦斯突出因素的不确定性和复杂的非线性关系,不能够利用经典的数学理论建立精确的预测模型,将模糊神经网络和D-S证据理论有机结合,提出了基于模糊神经网络和D-S证据理论的煤矿瓦斯突出危险等级评判策略.首先对传感器采集的待评判采掘面参数进行预处理,使用模糊神经网络得出第一步的融合结果,并将其进行归一化处理,归一化函数作为基本概率赋值函数,然后将归一化之后的数值作为基本概率分配值,再用D-S证据理论进行第二次数据融合,作出最终评判.实验结果表明,该方法具有良好的适应性并能得到准确性较高的评判结果.     

D-S证据理论在煤矿水害预测中的应用

针对煤矿井下水灾、水害形成原因的复杂性和不确定性,应用多源数据融和技术,探讨D-S证据理论对多传感器目标识别的不精确推理方法,即通过对一些事件的概率加以约束以建立信任函数而不必究其精确关系,应用D-S证据理论将多传感器所采集到数据进行融合,并根据一定的决策规则,判断出影响煤矿井下的安全状态因子,给出煤矿井下突（透）水预测的评价模型。     

浅谈煤矿井巷漏垮冒顶的预防及其处理

文章阐述了煤矿井巷施工漏垮冒顶的预防和处理方法、井巷工程地质预测预报、安全技术措施超前支护应用、井巷发生冒顶后控制处理实践。     

煤矿掘进冒顶事故分析

在煤矿掘进顶板事故中,掘进工作面冒顶事故在顶板事故中占有较大的比重,因此,分析煤矿掘进工作面冒顶事故的原因及防治措施对煤矿的安全生产有着重要的意义。本文对煤矿掘进工作面常见冒顶事故的原因进行分析,并指出相应的措施。     

基于数据挖掘的瓦斯信息识别与决策

针对煤矿瓦斯状态监测的特点,提出了利用数据挖掘和信息融合相结合的方法进行瓦斯信息的识别和决策.在信息融合的特征层,数据挖掘技术利用具有自学习能力的BP神经网络建立瓦斯信息识别模型,网络输出结果作为识别结果建立特征数据库.在信息融合决策层,利用D-S证据理论对识别结果进行时间域和空间域的融合决策,对井下瓦斯状态做出判断和决策.实验结果表明,该方法可提高瓦斯监测信息的精确性和决策的正确性,提高了煤矿瓦斯监测系统的性能.