煤巷掘进临时支护技术与装备研究进展及发展路径

临时支护作为煤巷永久支护的“排头兵”,是煤巷掘进的关键环节,其在时间和空间上的高效性直接决定了煤巷掘进和后续支护作业的效果,因此,高效临时支护技术与装备的研发是煤巷掘进的关键攻关方向。重点介绍了传统简易式、机载式、自移迈步式、新型临时支护机器人等临时支护技术与装备的研发进展及应用,对比归纳总结了不同类型装备的优缺点。系统提出了当前我国煤巷临时支护发展的关键核心方向:①临时支护装备的智能化升级;②具有智能感知、支护力及支护姿态自适应调整优化的临时支护机器人的研发。依据煤矿生产的实际需求和煤炭行业的发展需要,预测了煤巷临时支护技术与装备的发展趋势:①研发掘-支-锚-运一体化快速掘进系统,并从系统工程学角度统筹考虑,合理平衡及科学优化各循环工艺流程;②突破“围岩-支架”相互作用动态实时监测技术,实现掘进工艺及临时支护参数随围岩条件变化的实时调整;③通过临时支护装备的智能化升级,实现煤巷掘-支的无人化智能控制;④基于“透明化”矿山,开发智能探-掘-支技术,实现煤巷掘-锚-支装备智能感知、自适应调整。

机器人化钻锚车钻臂工作空间分析及轨迹规划

针对深部危险煤层综掘工作面事故率高、效率低的工程难题以及锚杆支护自动化、智能化需求,提出一种与智能掘支锚联合机组配套的机器人化钻锚车,并对其进行工作空间分析和轨迹规划。首先,基于D-H法建立钻锚车顶板和侧帮钻臂结构的运动学模型,基于蒙特卡洛伪随机数方法对4个钻臂进行工作空间分析;其次,针对左右钻臂协同分工作业、变位过程中避障的需求,编排顶板和侧帮钻臂的关节运动谱,基于五项式插值法得到各关节随时间的运动轨迹方程,并结合运动学模型解算各钻机末端的运动轨迹。研究结果表明:机器人化钻锚车工作空间能满足长×宽为5 500 mm×3 600 mm的试验巷道的支护要求;钻机末端轨迹到临时支护支架最小距离为100 mm,顶板钻臂和侧帮钻臂变位过程中均不会与支架发生干涉。

基于机器人化掘支锚联合机组的折叠式钻车钻臂工作空间分析

针对现有掘进工艺仍然存在掘支比例失衡和掘进效率低下导致的掘进工作面安全事故频发等问题,提出了机器人化掘支锚联合机组及工艺,介绍了该机组的组成和工作原理,阐述了该机组中折叠式钻车钻臂的结构及运动学建模,并对该折叠式钻车钻臂的工作空间进行了详细的分析。通过对钻车钻臂关节参数进行反解,验证了该折叠式钻车钻臂能够满足实际工作的位置和姿态要求,为实现井下少人、无人化掘进作业奠定了基础。

深井多绳摩擦式提升机钢丝绳强度综合仿真研究

深井多绳摩擦式提升机是深部煤炭开采的关键设备,深井提升机钢丝绳的疲劳和强度问题一直是矿井提升领域研究的热点和难点。通过建立深井井塔式提升系统的有限元模型,同时考虑提升动力学效应,研究不同导向轮与摩擦轮的位置以及不同钢丝绳围包角对提升钢丝绳应力和疲劳特性的影响,为研制深井提升系统提供理论参考。

内泄漏对提升机制动性能的影响研究

以JKMD3.5×4型矿井提升机配套的制动系统为研究对象,分析了该制动系统工作制动与二级安全制动的工作原理。通过AMESim建立了提升机制动器液压系统的仿真模型。通过改变制动器油缸活塞与缸壁的配合间隙大小来改变液压油内泄漏量。在4种不同内泄漏量条件下,仿真了提升机的松闸与二级安全制动过程,从而得到了不同内泄漏量条件下的制动器油缸油压、制动力、制动时间、制动减速度,并分析了不同内泄漏量对提升机制动性能的影响。仿真结果表明内泄漏量过大对提升机制动性能有显著影响,严重威胁提升机安全可靠停车。研究结果为制动器液压系统的内泄漏故障诊断与健康管理提供理论依据。

采煤机自主导航截割原理及关键技术

深部煤层构造较为复杂,实现采煤机无人驾驶开采更加困难。在总结采煤机结构和截割调控技术演变历程基础上,提出采煤机截割调控技术在经历了人工目测截割、机载探测截割、示教记忆截割3个发展阶段后,已经进入到自主导航截割的第4阶段,并提出了适用于深部煤层采煤机自动驾驶的导航截割理论与技术框架,包括导航地图、位姿感知、路径规划、姿态控制4项技术内涵和精细化煤层截割定位地图、精准化煤层截割导航地图、动态化煤层截割导控地图、采煤机融合定位方法、定位精度提升、智采机组全位姿参数矩阵建立、物理-虚拟模型驱动与交互、无人驾驶防冲撞路径规划、截割作业智能调高调直9项关键技术。系统阐述了采煤机自主导航截割相关核心技术基本原理:首先,构建煤层智能化开采导航地图,从精细化煤层截割定位、精准化煤层截割导航和动态化煤层截割导控3个关键步骤实现地图构建及更新;其次,通过融合定位和定位精度提升方法,完成了采煤机位姿精确感知;再次,创建智采机组全位姿参数矩阵,并结合物理-虚拟模型驱动与交互技术构建出导航截割数字孪生系统;最后,基于实时综采装备位姿状态和煤层导航地图信息,实现了无人驾驶防干涉防冲撞路径规划、截割滚筒自适应调高控制以及行走路径自动调直控制。从而实现了深部煤层采煤机智能导航截割控制,为智采工作面实现无人作业提供了新的理论技术支撑。

Off-Design Performance of 9F Gas Turbine Based on gPROMs and BP Neural Network Model

Gas turbines are increasingly and widely used,whose research and production reflect a country’s industrial capacity and level.Due to the changeable working environment,gas turbines usually work under the condition of simultaneous changes of ambient temperature,load and fuel.However,the current researches mainly focus on the change in single condition,and do not fully consider the simultaneous change in different conditions.On the basis of single condition,this paper further studies the dual off-design performance of gas turbines under three conditions:temperature-load,fuel-load and fuel-temperature.Firstly,the whole machine model of a gas turbine is established,in which the compressor model has the greatest impact on the performance of gas turbines.Therefore,this paper obtains a more accurate compressor model by combining the engineering modeling advantages of gPROMs and the powerful mathematical calculation ability of MATLAB neural network.Then,according to the established gas turbine model,the dual off-design performance is studied,which is mainly based on the parameter of output and efficiency.The result shows that the efficiency and power output of gas turbines will decrease with the increase of ambient temperature.With the decrease of fuel calorific value,power output and efficiency will increase.As the load decreases,the efficiency of the gas turbines will decrease,and these changes are consistent with the single off-design performance.However,when the fuel and temperature change simultaneously,only adjusting the IGV angle cannot avoid the surge when the temperature is above 30°C.At this time,it is necessary to adjust the extraction rate in order to ensure the safe and stable operation of gas turbines.Therefore,the research on dual off-design performance of gas turbines has an important significance for the peak shaving operation of gas turbines.