面向自然崩落法矿山的初始块度预测软件研发及应用

矿石块度是采用自然崩落法开采需要考虑的重要因素。以自然崩落法初始块度预测基本原理为基础,在DIMINE软件平台上采用C++语言开发了初始块度预测软件系统。该系统综合考虑了节理系统的空间几何参数和地应力的作用,支持从块体体积、等效尺寸和块体形状等不同角度对初始块度结果进行分析。以国外某斑岩型铜矿为例,采用该软件对矿体按勘探线分区进行了初始块度预测,并将结果与国外常用的BCF软件的预测结果进行了对比分析。研究结果表明,矿体勘探线间初始块度的大块率在40.8%~74.8%之间,等效尺寸在1.65~2.63 m之间变化。软件预测的结果与BCF软件预测的结果比较接近,变化趋势基本一致,预测结果为自然崩落法矿山后续的开采设计提供了参考依据。

露天爆破中炸药单耗对岩石破碎块度的数值模拟研究

露天爆破中岩石破碎块度是钻爆、铲装、运输及后续工艺等综合成本的主要衡量标准,炸药单耗是其主要影响因素,而炸药单耗对破碎块度的研究一般采用爆破模型试验,但其存在成本高、试验结果误差大等缺点.为了优化炸药单耗来降低爆堆的大块率、平均块度,并预测实际工程块度,在爆炸破岩理论基础上,运用基础力学测试设备对模型材料进行了单轴抗压、弹性模量、断裂韧度等测试,标定RHT本构模型参数,通过LS-DYNA数值仿真软件和粒子流算法(SPH)构建了三维露天台阶爆破数值仿真模型,首次对爆破破岩数值模拟结果实现块度精准统计,并对爆破破岩块度随炸药单耗的变化规律开展了系统研究.研究结果表明:炸药单耗在0.23~0.79 kg·m^(-3)范围内,岩块最大尺寸均小于240 mm,其变化区域分为240、220、140 mm三个最大块度相近区和240~220 mm、220~140 mm两个明显下降区;随单耗增加,均匀性指数n呈波浪式减小,分形维数D与n的变化趋势相反,平均块度尺寸呈现先快速下降后缓慢变化的趋势;炸药单耗的块度分布拟合曲线采用G–G–S函数拟合,相关系数均在0.91~0.97间,其变化规律验证了通过SPH法来模拟岩石爆破和岩石破碎块度统计方法的可行性和准确性.研究结果对爆破破碎块度分布规律的完善及块度控制工程具有一定的意义.

起爆顺序对台阶岩石破碎块度及爆破振动影响研究

为探究起爆顺序对露天台阶岩石破碎效果以及周围环境的影响,利用LS-DYNA仿真软件分别计算不同起爆顺序下的台阶爆破模型。分析不同起爆顺序下模型的物理力学特征;开展现场试验验证模拟结果,并分析起爆顺序对爆破振动强度及岩石破碎块度的影响特征。研究结果表明:起爆顺序对爆破过程中自由面空间分布产生影响,从而改变应力波的叠加效应,不同起爆顺序下台阶破碎效果及爆破振动强度表现出明显差异。逐孔起爆技术能够有效降低爆破振动,从而减轻对周围环境的不良影响,但其岩石破碎效果并不理想,岩石通过率为81.52%。与逐孔起爆相比,波浪式顺序起爆碎石通过率提高11.68%,增大孔网参数至3 m×7 m时单孔崩落矿量提高16.8%,这可以有效减少炸药消耗量,降低综合成本。然而,其产生的爆破振动强度较大,需要注意对周围环境的影响。

基于裂纹动力学的岩石动力破碎平均块度研究

作为表征动力破碎的重要参数之一,平均破碎块度的研究对于揭示岩石破碎机理具有重要意义。尽管进行了大量理论与实验研究,但是还缺乏从裂纹动力学角度来澄清岩石破碎和块度形成机理。基于动态荷载作用下翼型裂纹扩展模型和J. R. Gladden柱体动力屈曲失稳模型,提出了一种预测岩石平均破碎块度的方法,并探究了应变率对动态强度和平均破碎块度的影响。研究结果表明,随着应变率的增加,动态强度增加,平均破碎块度减小,且应变率依赖性逐渐降低。模型平均破碎块度预测与实验数据吻合良好。

基于WOA-SVM模型的爆破块度预测研究

爆破块度是衡量爆破效果的主要指标之一,为提高爆破块度的预测效果以提高矿山生产效率,采用鲸鱼算法优化支持向量机进行爆破块度的预测,建立基于鲸鱼算法优化支持向量机的爆破块度预测模型。综合考虑影响爆破块度的内外因,选择岩石块度尺寸XB和弹性模量E,炸药单耗Pf、炮孔间距S与炮孔排距B的比值、炮孔深度H与炮孔排距B的比值、炮孔排距B与炮孔直径D的比值,以及炮孔堵塞长度T与炮孔排距B的比值为模型的输入向量,模型输出为爆破后的岩石平均尺寸X50,收集世界范围内的97组爆破数据作为鲸鱼优化算法支持向量机(WOA-SVM)模型的训练集和测试集。结果表明:WOA-SVM模型的均方误差(MSE)、均方根误差(RMSE)和拟合优度相较于BP神经网络、传统支持向量机模型更优,因此,在实践过程中该模型具有更好的效果。

爆堆自适应分层的块度空间分布测量方法研究

爆堆块度分布特征是评价爆破效果的重要指标,针对目前爆堆块度直接与间接法测量方法的不足,提出了一种爆堆自适应分层的块度空间分布测量方法,该方法使用GA-LSSVM模型来预测Weilbull函数的形状参数α、β,并设置多个预测点,生成三维爆堆形态预测曲线。同时对Kuz-Ram块度预测模型参数进行转换和融合,建立了爆堆分层距离预测模型,并将其导入Weilbull-GA-LSSVM爆堆形态预测模型,实现爆堆自动分层。通过现场应用,不断优化分层设计,探究爆堆最佳分层位置,达到爆堆自适应分层的效果。以广东省大排矿山为工程依托开展现场试验,结果表明:(1)Weibull-GA-LSSVM模型能够准确预测爆堆形态,其中爆堆最大前移距离预测结果的平均相对误差仅为5.6%,松散系数预测结果的相对误差多数在9%左右,表现出良好的稳定性。(2)爆堆自动分层模型能够在爆前合理地输出分层距离以及分层层数,保证了爆后现场爆堆的铲装效率。(3)推导出爆堆最佳分层位置距离公式,实现了爆堆自适应分层,爆堆块度分布测量精度明显提高,更接近于爆堆整体块度分布。

基于深度学习技术的爆堆块度识别方法研究

在露天矿爆破开采过程中,大块率是评价爆破质量的一个重要指标。较高的大块率不仅会大大降低采装效率,同时也增加二次破岩的费用,因此大块率统计是露天矿开采中一项重要工作。针对目前矿山存在的矿岩大块率统计复杂且准确性不高的问题,以乌努格吐山铜钼矿为研究对象,收集了矿区内台阶爆破爆堆图像数据,构建了基于深度学习的爆堆大块率统计模型。首先基于U-net矿岩图像分割模型,初步分割标注处理的数据集,建立了矿岩轮廓初次分割效果图。在残差学习模块基础上,改进Resu-net模型,优化训练标注数据,获得了最终矿岩轮廓分割效果图。最后,采用OpenCV图像处理技术,通过最小外接矩形法确定了爆堆块度尺度信息。结果表明,本研究提出的U-net+Resu-net爆堆块度优化分割模型准确率达到97.84%,爆堆矿岩图像分割数据较准确。通过OpenCV技术与相机单目成像原理相结合的方法,实现了倾斜爆堆矿岩图像的爆堆块度统计。此外,所开发的交互式界面操作简单,可快速统计大块尺寸。满洲里乌努格吐山铜钼矿的应用表明,该方法可高效、准确统计爆堆块度,具有一定的推广价值。

基于PSO-BPNN模型的爆破块度预测

爆破块度和级配对水利工程堆石体的稳定性与渗透性影响至关重要,爆破块度的精确预测是目前岩体爆破领域科研工作者关心的热点问题之一。基于BP神经网络基本原理,利用PSO算法优化网络权重和偏置,构建PSO-BPNN模型,结合典型爆破数据对模型进行训练和测试,并依托山西浑源抽水蓄能电站工程实际验证模型的可靠性与适用性。结果表明:PSO-BPNN模型预测爆破块度计算时间短,可靠性高;模型预测输出值与工程实际平均爆破块度值最大相对误差为6.56%,其预测精度高和适用性较高,可为山西浑源抽水蓄能电站堆石坝的建设提供精确的指导。

基于IGWO-CatBoost模型的岩石爆破块度预测

针对无法准确预测矿山岩石爆破后块度大小的问题,提出一种基于改进灰狼算法(IGWO)优化的CatBoost块度预测模型。采用一种新的非线性收敛因子,引入动态权重策略,改进已有的灰狼算法(GWO),通过4个测试函数和5种优化算法验证了IGWO的寻优能力。对公开数据库和现场采集的32组数据进行预测分析。首先,采用随机森林算法进行特征重要性筛选,利用IGWO对CatBoost进行参数寻优,建立IGWO-CatBoost爆破块度预测模型;然后,将预测结果与在相同条件下建立的CatBoost、XGBoost、LightGBM模型进行对比分析。经过IGWO调参,CatBoost模型的预测准确度得到有效提高,IGWO-CatBoost模型的预测准确度均优于其他3种预测模型。对比结果表明,IGWO-CatBoost模型具有很好的预测能力和适应性。

基于响应曲面法的露天矿山矿岩爆破块度分析

露天矿山生产爆破的矿岩块度是矿山生产的重要指标,对矿山生产有重要影响。为了对矿山生产爆破的矿岩块度进行精准预判,统计岩体质量、炮孔间距、炮孔排距和炸药单耗等矿岩爆破块度影响指标,构建了包括以上指标因素的响应曲面试验方案。根据试验结果对矿岩爆破块度指标因素进行了单因子和多因子交互作用分析。采用Design-Expert软件对矿岩爆破块度目标值进行了求解,以此寻求炸药单耗最小的爆破结构参数。实例证明:响应曲面法可以对露天矿山矿岩爆破块度进行深入全面的分析,其对矿岩爆破块度的目标求解方案也可以用来对爆破参数进行优化,得到炸药单耗最小、最为经济的爆破参数方案。

节理裂隙发育条件下爆破块度控制施工技术探讨

巴特巴克布拉克露天铁矿褶皱构造发育,尤其是后期造山运动及风化作用,导致上部围岩节理裂隙发育,爆破大块率居高不下,严重影响后续施工效率和施工效益。利用Kuz-Ram块度模型和爆破块度损伤模型(BDM)对节理裂隙发育条件下的爆破块度分布情况进行分析,优化爆破参数,采取调整临空面方向、调整延时时间、优化爆破网络等技术手段,合理利用或规避节理裂隙发育对爆破块度影响。经过现场生产性爆破试验表明:利用Kuz-Ram块度模型和BDM损伤模型,可以有效提高爆破参数优化效率;在充分论证的基础上,采取合适的技术措施、管理措施,可以有效解决节理裂隙发育条件下爆破块度控制问题。

面板堆石坝级配料块度分布控制爆破技术研究

基于巴莱面板堆石坝级配料爆破开采中不同岩性级配料大规模开采的工程实践,传统级配料开采方式无法满足施工进度、质量、成本控制要求。采用修正Kuz-Ram块度模型对爆破块度分布情况进行预测,并与级配料设计曲线进行拟合,分析影响不同级配的主要因素,并针对性地对钻孔参数、装药结构、延期时间等参数进行优化。生产性爆破试验表明:采用优化后的爆破参数进行开挖,可有效控制爆破块度均匀性及粒径,成本较传统级配料开采方式降低约15.7%,施工进度较传统级配料开采提升约23%,实现了级配料大规模爆破直采的目标。

加密孔控制爆破块度技术在河曲露天矿的应用

为了解决河曲露天矿白砂岩硬顶台阶爆破后大块率较高的问题,提出布设加密孔爆破控制技术措施,通过在普通炮孔之间增设不装药短孔的方式增加自由面,利用爆破应力波经过自由面反射形成拉伸应力波,从而提高破碎效果;分析了加密孔应力波的作用方式,通过进行现场试验对试验结果进行对比统计。结果表明:采取加密孔方案后,爆破平均块度从1244.4 mm×773.4 mm×707.9 mm降低至417.6 mm×281.5 mm×219.4 mm,加密孔方案在白砂岩台阶取得了明显的效果。

基于改进粒子群算法的LM神经网络模型预测爆破块度

矿岩爆破块度是对爆破效果进行定量评价的重要指标,它直接影响到矿山各后续生产工序的效率和采矿生产的总成本。在解决这类动态非线性问题时,需要考虑爆破效果与影响参数之间的复杂关系。论文提出了一种改进粒子群算法的LM(Levenberg-Marquardt,莱文贝格-马夸特)神经网络模型,通过改进粒子群算法可提高LM神经网络对缺陷属性识别的计算精度,从而实现对爆破效果的预测。通过临江冷堡子硅石矿现场爆破实验实例,验证了该神经网络模型及计算方法的可行性及实用性。

基于灰色关联理论深孔切割槽爆破块度影响因素分析及参数优化

以内蒙古三贵口铅锌矿为背景,利用理论分析、图像处理和工程试验等技术手段对地下深孔切割槽爆破块度影响因素及参数优化开展研究。首先针对现场粉矿率高、平均块度小等问题,开展了爆破块度影响因素试验并采集现场数据,利用Split-Desktop 4.0软件处理试验爆堆图像;然后运用灰色关联理论确定影响爆破块度的主次因素;最后利用趋势分析法并结合现场实际情况,确定爆破参数优化方案,并进行工程试验验证。结果表明,该矿山切割槽粉矿率主要受排间延期时间和孔距影响,平均块度主要受孔距和排数影响;优化后的爆破参数为:孔距1.2 m,排距1.5 m,抵抗线0.8 m,爆破排数3排,4孔孔间延期时间分别为13、0、9、18 ms,排间延期时间42 ms,该参数条件下爆破粉矿率降低了27.19%,平均块度提高了62.89%。

坝基岩体块度特征研究

岩体块度特征是岩体完整性评价的重要指标 ,通常用岩石质量指标RQD来表征。但是RQD是有不足之处的 ,岩体基本块度的概率分布、块度百分比、RQDt、块度指数RBI等参数是描述岩体块度特征的重要补充 ,它们更全面地、更深入地表征了岩体的完整性 ,丰富了岩体质量评价的定量指标。本文以金沙江下游溪洛渡水电站工程坝基岩体块度调查统计资料为基础 ,对岩体基本块度的概率分布、块度百分比、RQDt、块度指数RBI等岩体块度特征进行了深入研究。

铜山口铜矿南部台阶爆破块度预测与管控

针对铜山口铜矿南部台阶爆破块度控制问题,利用Kuz-Ram修正模型对矿山爆破块度进行预测研究,并通过预测值对比和现场实践经验分析得出,同一爆破区分别采用牙轮钻、潜孔钻穿孔,前者的爆破块度和大块率均大于后者。由此提出分穿分爆、间隔装药、大孔距小排距、提高穿孔精度一系列块度管控措施,达到爆破平均块度为26.47~44.02 cm、大块率为2.13%~7.07%的管控目标。

孔间不同毫秒延时深孔台阶爆破模拟研究与块度分析

为研究毫秒延时间隔对岩石破碎的影响,利用有限元软件ANSYS/LS-DYNA对露天矿山台阶爆破进行数值模拟研究。微差时间过小,无法形成有效自由面,微小裂纹提前产生导致爆生气体逸出,不利于岩石破碎;微差时间过大,相当于单炮孔起爆,不能够形成叠加的应力场,影响岩石破碎效果。当微差时间为20 ms时,所选介质单元应力达到最大,有利于岩石破碎,能够改变爆破效果。现场进行台阶深孔微差爆破试验,使用WipFrag图像分析软件分析评价爆破效果。统计结果表明,爆区岩石尺寸小于下料口筛网尺寸的岩石占整个爆区的93.24%;爆区块度均匀度系数离散性很小,证明岩石破碎块度均匀、整体爆破效果较好。

台阶法隧道岩体爆破特性研究及岩石碎片块度预测

爆破炸药单耗及岩体爆破碎片块度预测方法均起源于露天矿爆破,台阶法隧道上下台阶岩体应力状态与露天矿大不相同,以上预测方法是否适用于台阶法隧道爆破尚未可知。根据天江里隧道台阶法爆破统计数据,采用几种露天矿常用计算方法预测了上下台阶炸药单耗及碎片分布,并与实测结果进行了对比,得出如下结论:Kuznetsov模型和Kansake模型仍然适用于台阶法隧道工程炸药单耗的预测,且Kuznetsov模型考虑了岩体特性的影响,比Kansake模型更加实用;此外,Kuznetsov模型可以预测爆破碎片平均值,作为爆破碎片分布模型的基础。上台阶爆破单耗高,岩体爆破后细颗粒含量高、整体块体小;下台阶爆破单耗低,岩体爆破后细颗粒含量低、整体块度大。对于块度在平均值以下的小块体爆破碎片,采用Kuz-Ram模型预测效果较好;对于块度在平均值以上的大块体爆破碎片,采用KCO模型预测效果较好,且KCO模型对最大爆破块体的预测较准确。分析了预测模型的适用条件及范围,为隧道爆破炸药单耗和块度分布提供了依据。

基于特征工程的XGBoost爆破块度预测研究

露天矿山台阶爆破后矿岩的平均块度是衡量爆破质量的重要指标。早期研究主要依靠经验公式总结、岩体力学模型计算等方法,这些方法存在准确率不够、主观性强等缺点。近期,机器学习算法应用于块度预测,但基本通过专家经验选用固定的特征来进行预测且预测稳定性不足,泛化能力差。针对以上缺点,提出一种基于特征工程的极端梯度提升树(XGBoost)爆破块度预测模型。以太原袁家村铁矿为研究区,采集近半年的爆破数据作为原始数据,综合考虑影响平均块度的各方面因素。首先使用随机森林(RF)的袋外估计和互信息(MI)两种方法分别进行特征选择,其次将不同方法选择的特征子集集成并利用特征之间的互信息进行去冗余,最后以MSE的值为评价指标选出最优特征子集表征爆破,完成基于数据驱动的特征选择。更进一步,在最优特征子集上采用XGBoost算法进行块度预测,通过均方误差(MSE)、平均绝对误差(MAE)两个指标构成模型的评价体系将文章所提方法与其他传统机器学习算法进行对比。对比结果表明:文章提出方法比传统机器学习算法的预测准确率更高,可以为爆破的管理与控制提供科学指导。