煤冲击倾向性的针贯入法测定

冲击倾向性是煤的固有力学属性,也是评价煤矿冲击地压风险的重要依据。提出了一种基于针贯入法快速测定煤冲击倾向性的实验方法;结合纵波波速测试和单轴压缩实验,探究了具有不同贯入度指数的煤样对应的物理力学性质差异及在受压破坏过程中能量演化规律,采用剩余弹性应变能释放率指数KRE,定量表征了弹性应变能累积释放特性并进行冲击倾向性评价。通过数据拟合与回归分析,获得了测试煤样贯入度指数与纵波波速、单轴抗压强度、弹性模量等物理力学参数的对应关系,并建立了贯入度指数和冲击能量指数、弹性能量指数、动态破坏时间、剩余弹性应变能释放率指数等冲击倾向性指标的关联表达式;构建了基于贯入度指数的煤冲击倾向性分级评价方法,采用对应煤样冲击倾向性测试时煤屑弹射质量比F对基于贯入度指数的煤冲击倾向性分级评价方法进行了验证。结果表明:煤的贯入度指数与纵波波速、单轴抗压强度、弹性模量等物理力学参数及冲击能量指数、弹性能量指数、剩余弹性应变能释放率指数等冲击倾向性指标呈幂函数正相关关系,与动态破坏时间呈负相关的指数关系;贯入度指数越大,煤的弹性变形和储能性能越强;贯入度指数为85 N/mm时是煤单轴抗压强度突变临界值;利用针贯入法测定煤的物理力学性质、弹性应变能储存释放特性及冲击倾向性具有良好的可行性与可靠性。

煤岩单轴压缩破坏声发射轻量化三维卷积预测模型研究

声发射前兆信息能揭示煤岩内在破坏规律,因此基于声发射前兆信息建立判识模型是煤岩破坏监测预警的核心。基于DenseNet骨架,结合分组卷积(GC)与注意力机制中的“压缩-激励”模块(SE),构建能融合声发射时空特征的轻量化三维卷积预测模型。以红庆河矿3^(-1)煤层强冲击倾向性煤样为研究对象,在煤样单轴压缩过程中,采集不同速率加载下的声发射损伤破坏参数,并将参数预处理为能融合声发射时空特征的图像序列,作为模型输入样本,预测煤样破坏的危险等级,并采用迁移学习预测煤样破坏的剩余时间。结果显示:在预测煤样破坏危险等级的验证样本中,4种网络结构(DenseNet,DenseNet+GC,DenseNet+SE和DenseNet+GC+SE)的预测准确率均高于99.08%,高风险样本召回率均高于99.50%,表明三维卷积能有效捕获声发射时空信息。DenseNet+GC+SE网络的预测概率趋于单点分布,表明该模型能区分不同危险等级。DenseNet+GC+SE网络嵌入分组卷积与SE模块能在保证模型精度的同时,大幅下降模型复杂度与时间复杂度,提升模型效率。煤样破坏剩余时间的预测值与真实值的R2高达99.85%,表明DenseNet+GC+SE迁移模型能依据声发射信号有效预测煤岩破坏。分组卷积还能表征声发射特征多样性,SE模块能评估声发射特征重要性。