深井回采巷道围岩变形破坏机理及支护技术研究

为解决深部回采巷道围岩破碎、支护体失效等问题,以薛虎沟矿2-106工作面为工程背景,结合矿井地质条件,在分析其变形破坏机理的基础上,提出有效的支护方法即非对称耦合支护,并经过模拟和实践验证了该支护方法的有效性,通过采取非对称耦合支护技术有效控制巷道围岩变形,保证巷道顶板的完整性。

如何在日常驾驶过程中节约使用燃油

本文根据自己以往汽车驾驶的经历,简要论述在日常工作中,应如何根据车辆特点,在认真遵守交通法规的基础上,掌握好在油区道路上安全行车以及最大限度节约燃油的方法,从而达到高效、快捷地完成各项交通运输的任务。

坚硬顶板切顶卸压数值模拟研究

为了解决坚硬顶板难垮难落的问题,以薛虎沟矿为研究背景,利用数值模拟软件对不同应力差、不同钻孔直径和不同预制裂缝角下岩石的起裂压力进行研究。研究发现:随着应力差和预制裂缝角的增大,岩石的起裂压力呈现逐步降低的趋势;随着钻孔直径的增大,岩石的起裂压力逐步增大。研究内容为坚硬顶板的治理提供了参考,为矿井安全生产做出了贡献。

基于CNN的旋转叶片缺陷诊断方法

为解决叶尖定时技术中因信号严重欠采样导致的旋转叶片缺陷诊断困难的问题,提出了一种基于卷积神经网络(Convolutional Neural Networks,CNN)的旋转叶片缺陷诊断方法。将欠采样的叶尖定时信号直接进行快速傅里叶变换,得到叶片实际振动频率的差频信号,再将该差频信号直接作为一维CNN模型的输入信号,通过优化网络结构及参数,自动挖掘能够表征旋转叶片状态的敏感特征并用于模型训练,进而得到适用于旋转叶片缺陷判别的诊断模型。最后通过旋转叶片振动试验验证了该方法的可行性。结果表明:基于CNN的旋转叶片缺陷诊断方法能够突破叶尖定时信号因欠采样带来的分析难题,平均诊断准确率达到89%,为旋转叶片的缺陷诊断提供了新思路。