期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
煤矿采煤工程中的安全管理分析
1
作者 郝利斌 《能源与节能》 2023年第11期193-195,202,共4页
煤炭工业是中国能源工业的重要组成部分,但由于采煤过程中存在诸多安全隐患,煤矿事故频发,给井下作业人员和煤矿企业带来极大的损失。因此,对煤矿采煤工程中的安全管理进行深入的研究,对于提高煤矿的安全生产水平、减少事故损失、保障... 煤炭工业是中国能源工业的重要组成部分,但由于采煤过程中存在诸多安全隐患,煤矿事故频发,给井下作业人员和煤矿企业带来极大的损失。因此,对煤矿采煤工程中的安全管理进行深入的研究,对于提高煤矿的安全生产水平、减少事故损失、保障作业人员生命财产安全具有重要意义。基于煤矿采煤工程的基本情况,探讨了煤矿采煤工程中的安全管理,包括矿井开采安全管理、矿井支护安全管理、煤矿生产设备安全管理,介绍了煤矿采煤工程的安全管理制度体系。 展开更多
关键词 煤矿采煤工程 安全管理 安全隐患
下载PDF
安全管理在煤矿采煤工程中的实践研究 被引量:1
2
作者 吕晓明 《矿业装备》 2022年第1期134-135,共2页
社会发展速度不断加快,人们生活质量不断提高,对煤炭资源的需求日益增加。开采煤炭资源过程较为复杂,具有较高的难度,需要充分重视安全管理工作,满足用户的巨大需求,积极寻找绿色发展策略。煤炭企业需要明确安全管理与绿色开采之间的关... 社会发展速度不断加快,人们生活质量不断提高,对煤炭资源的需求日益增加。开采煤炭资源过程较为复杂,具有较高的难度,需要充分重视安全管理工作,满足用户的巨大需求,积极寻找绿色发展策略。煤炭企业需要明确安全管理与绿色开采之间的关系,切实提高煤矿的采煤效率,做好安全管理工作,加大对员工的培训力度,提高实际应用能力。文章主要叙述了安全管理工作在煤矿采煤工程中的有效实践策略。 展开更多
关键词 安全管理 煤矿采煤工程 有效策略
下载PDF
安全管理在煤矿采煤工程中的实践研究 被引量:1
3
作者 梁昊 《矿业装备》 2021年第5期156-157,共2页
社会发展速度不断加快,人们生活质量不断提高,对煤炭资源的需求日益增加。开采煤炭资源过程较为复杂,具有较高的难度,需要充分重视安全管理工作,满足用户的巨大需求,积极寻找绿色发展策略。煤炭企业需要明确安全管理与绿色开采之间的关... 社会发展速度不断加快,人们生活质量不断提高,对煤炭资源的需求日益增加。开采煤炭资源过程较为复杂,具有较高的难度,需要充分重视安全管理工作,满足用户的巨大需求,积极寻找绿色发展策略。煤炭企业需要明确安全管理与绿色开采之间的关系,切实提高煤矿的采煤效率,做好安全管理工作,加大对员工的培训力度,提高实际应用能力。文章主要叙述了安全管理工作在煤矿采煤工程中的有效实践策略。 展开更多
关键词 安全管理 煤矿采煤工程 有效策略
下载PDF
研究煤矿采煤工程活动影响范围的确定与评价
4
作者 陆远玮 《科技风》 2019年第18期120-121,共2页
针对普安县嘉龙煤矿采矿工程活动对楼下镇构筑物产生的影响,进行全面分析,并加大监测力度,能够保证房屋等构筑物的各项功能得到更好发挥,有效提升煤矿采矿工程的安全性,希望能够为有关学者提供良好借鉴。
关键词 煤矿采煤工程 活动影响范围
下载PDF
煤矿采矿工程中的采煤工艺与技术质量分析 被引量:8
5
作者 张晓勇 《矿业装备》 2022年第6期70-72,共3页
煤炭需求量提高,以及可开采煤矿储量的增加,推动着我国煤矿企业的发展,及煤矿开采技术的不断更新。现行的很多新技术是在以往的开采技术上进行了一些调整,使其能够应用于更多的矿井,并且提高了安全性与作业质量、效率。围绕现阶段煤矿... 煤炭需求量提高,以及可开采煤矿储量的增加,推动着我国煤矿企业的发展,及煤矿开采技术的不断更新。现行的很多新技术是在以往的开采技术上进行了一些调整,使其能够应用于更多的矿井,并且提高了安全性与作业质量、效率。围绕现阶段煤矿工程中的采煤工艺与技术质量展开分析,提出了多种采煤工艺与技术,展开详细探讨。 展开更多
关键词 煤矿采煤工程 采煤工艺 技术分析
下载PDF
Research on microseismic activity rules in Sanhejian Coal Mine 被引量:4
6
作者 陆菜平 窦林名 +1 位作者 曹安业 吴兴荣 《Journal of Coal Science & Engineering(China)》 2008年第3期373-377,共5页
By the microseismic (MS) monitoring system of Sanhejian Coal Mine,the detail MS activity rules in the entire mining process of 9202 strong rockburst working face were studied,following main conclusions were obtained.(... By the microseismic (MS) monitoring system of Sanhejian Coal Mine,the detail MS activity rules in the entire mining process of 9202 strong rockburst working face were studied,following main conclusions were obtained.(1) The strong correlation between MS activity and the region stress gradient was revealed.The higher the region stress gradient, the stronger the MS signal is,and the frequency-spectrum moves to lower frequency band the amplitude begins to add gradually.(2) The different types of MS signals have the cor- responding frequency-spectrum character.Such as relieve-shot MS signal shows the wide frequency-spectrum,multi-peak high frequency character,while rockburst omen signal shows the low frequency and amplitude,the mainshock signal has relatively higher fre- quency and amplitude.(3) To monitor and recognize rockburst dangerous region,the strong consistence between the MS signal intensity and the amplitude of electromagnetic emission (EME) signal and drilling bits measured was observed.On above,the weakening and controlling technology of MS intensity was put forward. 展开更多
关键词 microseismic activity rules ROCKBURST stress gradient mining engineering
下载PDF
Neural Network Identification Model for Technology Selection of Fully-Mechanized Top-Coal Caving Mining
7
作者 孟宪锐 徐永勇 汪进 《Journal of China University of Mining and Technology》 2001年第2期199-203,共5页
This paper mainly discusses the selection of the technical parameters of fully mechanized top coal caving mining using the neural network technique. The comparison between computing results and experiment data shows t... This paper mainly discusses the selection of the technical parameters of fully mechanized top coal caving mining using the neural network technique. The comparison between computing results and experiment data shows that the set up neural network model has high accuracy and decision making benefit. 展开更多
关键词 top coal caving mining artificial neural network reformative back propagation neural network
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部