[发明专利]基于深度学习的工作面周期来压的预警方法、装置及设备

说明书

本申请公开了一种基于深度学习的工作面周期来压的预警方法、装置及设备，涉及煤矿井工开采技术领域，可以解决现有的工作面周期来压预测效率低下，准确性低，不能精准实现预警的问题。其中方法包括：基于历史支架压力数据训练周期来压预测模型，以使所述周期来压预测模型符合预设训练标准；实时获取工作面中各个支架的压力数据；将所述压力数据输入至符合所述预设训练标准的周期来压预测模型中，获取并得到工作面周期来压预测结果。本申请适用于对工作面周期来压的预测。

技术领域

本申请涉及煤矿井工开采技术领域，尤其涉及一种基于深度学习的工作面周期来压的预警方法、装置及设备。

背景技术

现有井工煤矿开采基本上都采用长壁回采工艺，即工作面开采区域采用液压支架等装备对顶板进行支护，而工作面后方是无支护区域，其顶板在煤炭采出后自行垮落，并充填采空区。工作面后方顶板的垮落状况直接影响前方工作面的安全，若工作面后方下位顶板跨落后，上位顶板能形成类似“拱”的巨型岩块咬合结构，则一定程度上可以减小前方工作面液压支架的压力，有利于回采空间安全；若上位顶板属坚硬顶板而大面积悬顶不垮，则其达到一定悬露面积后会突然断裂失稳，对工作面造成“矿震”或“飓风”等冲击灾害，造成财产损失和人员伤亡；还有一种可能就是上位顶板的类“拱”咬合结构突然失稳，造成工作面液压支架压力徒然升高，形成周期来压，轻则诱发工作面的煤壁片帮和冒顶，重则导致工作面顶板沿煤壁切落，液压支架整体被大面积压垮，发生切顶压架等顶板灾害事故。由于工作面回采后，液压支架后方的采空区即已封闭，属不安全空间，人员难以进入，其顶板的悬露状况和类“拱”结构的稳定性等难以用肉眼和仪器进行探测，为顶板灾害的预测和防治造成了难题。

现有存在一种技术通过对液压支架的立柱压力进行监测，来分析液压支架的受力状况，通过液压支架压力的波动来推算类“拱”结构的周期性失稳或垮落，即工作面周期来压。但是现有瓶颈限制了周期来压指标的准确获取和成功应用，主要难题包括：(1)每个工作面有100-200台液压支架，每个支架的升降架和前移存在一定的先后顺序，并非同步，这样造成支架之间的压力波动存在一定非同步性，难以从时间尺度上分析整个工作面顶板的悬露状况和类“拱”结构的形成及失稳；(2)由于支架动作的非同步性，现有技术均是单独分析每个支架的压力波动，往往将普通的“压力上升”都推断为周期来压的发生，实际上支架压力升高的诱因有很多，长时停产、采煤机割煤扰动、移架动作、邻架不受力及支架位态不佳均有可能造成个别支架压力突然升高，这样分析的结果，经常造成同期相邻两个支架，一个发生周期来压，一个不发生的矛盾现象发生，影响了周期来压数据的真实性；(3)同类煤层条件下，顶板的垮落和失稳具有一定的周期性、规律性和重复性，但现有的矿压监测分析只是对已有支架压力数据的常规和简单分析，且具有一定的滞后性，缺乏依托现有数据形态及发展趋势对下一次周期来压发生时间、强度甚至顶板灾害事故可能性的预警功能。

上述周期来压分析方法，均需要人工对单个支架的压力波动数据进行逐个分析，存在工作强度高，效率低下，准确性低的问题，并且该种方法属于事后分析，没有预警功能，缺乏对工作面后方顶板状况的动态和精准掌控，不利于指导矿山安全生产。

发明内容

有鉴于此，本申请提供了一种基于深度学习的工作面周期来压的预警方法、装置及设备，主要解决现有的工作面周期来压预测方法，效率低下，准确性低，不能精准实现预警的问题。

根据本申请的一个方面，提供了一种基于深度学习的工作面周期来压的预警方法，该方法包括：

基于历史支架压力数据训练周期来压预测模型，以使所述周期来压预测模型符合预设训练标准；

实时获取工作面中各个支架的压力数据；

将所述压力数据输入至符合所述预设训练标准的周期来压预测模型中，获取得到工作面周期来压预测结果。

根据本申请的另一个方面，提供了一种基于深度学习的工作面周期来压的预警装置，该装置包括：