基于BP神经网络的煤矿综掘面风流智能调控模型研究

煤矿综掘面传统的通风系统智能化程度低,风筒出风口风流状态无法根据实际通风需求来进行连续动态调控,易造成巷道内瓦斯和粉尘聚集严重,影响掘进面安全高效开采,危害工作人员的身体健康。为提高掘进工作面通风智能化、精细化管理水平,以陕西神木柠条塔矿S1202综掘面为研究对象,利用数值模拟试验数据作为训练样本数据,建立了基于Adam(适应性矩估计)算法优化BP(反向传播)神经网络的煤矿综掘面风流智能调控模型;由实时监测数据驱动该模型输出调控方案,通过自主研制的出风口风流智能调控装置对风流进行连续动态精准调控;在物理实验平台和井下分别进行了模型调控效果测试,其中在物理实验平台以一个截割循环为单位,验证了模型连续调控的效果,在井下验证了单方案的降尘效果。结果表明,模型能够根据粉尘和瓦斯浓度实时监测数据实现风流智能调控,有效优化风场分布,降低瓦斯和粉尘浓度。

油砂蒸汽辅助重力泄油汽液界面智能调控模型优选

为了在油砂蒸汽辅助重力泄油开发过程中,根据不同时刻井筒沿程蒸汽腔发育状况实时调整注采温度差(Subcool),以防止蒸汽突破并提高热量利用效率,开展了汽液界面智能调控模型比例-积分-微分(PID)控制方程的系数优选研究。以蒸汽腔内液池为研究对象、Subcool为调控目标,依据热量守恒和物质平衡原理建立了PID控制方程系数优选数学模型,采用该模型和Ziegler-Nichols(Z-N)整定法优选了适用于加拿大M区块的汽液界面智能调控模型,并通过数值模拟评价了应用效果。研究结果表明:当采用比例、积分和微分系数组合时,进一步缩短了注采温度差达到Subcool目标值的时间,提高收敛速度和健壮性。与常规注汽相比,模型优选方法下智能注汽显著改善了井筒沿程蒸汽腔均匀扩展程度,提高产油量的同时降低了汽油比,模拟结果与Z-N整定法相似,但模型优选法简化了智能调控模型的优选过程,更为方便快捷。