登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 毕业论文 > 矿业类 > 采矿工程 > 正文

基于目标导向的爆破参数智能优化研究毕业论文

 2020-02-18 12:02  

摘 要

本文借助模糊神经网络系统对基于定向目标的爆破参数智能优化展开了研究,拟采用的技术方案为采用基于Takagi-Sugeno模糊系统的神经网络,输入参数为岩石性质,包括岩体节理发育程度系数、地下水含量、岩石性质系数、岩石的抗压抗剪强度;爆破要求包括合适的级配;系统输出为炸药的性能系数,包括炸药的爆速、猛度、殉爆距离、做功能力;孔网参数,包括堵塞长度、炸药单耗、孔距、排距、抵抗线、孔深;起爆参数包括炮孔起爆顺序、炮孔间排间起爆时间间隔、装药结构,包括药包是否采用耦合装药。

本系统通过给定的样本进行自行学习,当误差代价函数小于设定的目标时,得到较优的连接权值以及隶属函数函数,学习结束。当输入新的参数时,经过系统的运算,给出一组较优的爆破参数。

本系统可以避免因爆破设计人员的个人原因而造成爆破效果不好甚至造成爆破事故,值得推广。

关键词:模糊神经网络,爆破参数优化,智能系统

Abstract

In this paper, the fuzzy neural network system is used to study the intelligent optimization of blasting parameters based on directional targets. The proposed technical scheme is to use the neural network based on Takagi-Sugeno fuzzy system. The input parameters are rock properties, including the coefficient of development degree of rock mass joints. Groundwater content, rock property coefficient, rock compressive shear strength; blasting requirements include suitable grading; system output is the coefficient of performance of explosives, including explosive speed, violent, blasting distance, functional force; Including the length of the blockage, the unit consumption of the explosive, the hole distance, the row spacing, the resistance line, and the depth of the hole; the initiation parameters include the firing order of the blasthole, the interval between the blasting holes, and the charging structure, including whether the drug package is coupled. .

The system learns by itself according to the given sample. When the error cost function is less than the set target, the learning ends, and the system obtains the better connection weight and the better membership function center and width values. When a new parameter is entered, the system performs an inferential calculation and finally outputs a set of intelligently optimized blasting parameters.

The system can avoid the bad blasting effect or even the blasting accident caused by the personal reasons of the blasting designer, and it is worth promoting.

Key Words:fuzzy neural network,numerical simulation,air-fuel combustion

目录

第1章 绪论 1

1.1 爆破理论发展概况 1

1.2 爆破数学模型概况分析 1

1.2.1 爆破块度分布的数学模型 1

1.2.1 爆破参数优化的经济数学模型 2

1.3对爆破参数优化智能研究的必要性和可行性 3

1.4爆破参数智能优化研究的研究目的和意义 3

1.5本文研究内容 3

第2章 露天台阶爆破 5

2.1岩石性质 5

2.1.1岩石主要物理性质 5

2.1.2岩石主要力学性质 6

2.2炸药性能 6

2.2.1炸药热化学参数 6

2.2.2炸药感度 7

2.2.3起爆感度与殉爆感度 7

2.2.4炸药爆炸性能 8

第3章 神经网络概述 9

3.1什么是神经网络 9

3.2神经网络的一般框架 9

3.3神经元模型 10

3.4神经网络互连模式 11

3.5神经网络的学习算法 11

3.6 有导师学习网络(BP网络) 12

3.6.1模式前向传播 12

3.6.2 误差反向传播 13

3.6.3 隐含层单元自构形学习算法 15

第4章 结论 17

4.1 基于于Takagi-Sugeno推理的模糊神经网络 17

4.2 基于模糊神经网络系统建立爆破参数优化模型 18

4.3 学习算法 19

参考文献 21

致谢 22

第1章 绪论

1.1 爆破理论发展概况

爆破的研究已经有很长的年头,在基础建设、社会生产等领域中发挥出了极大的作用,在器材、工艺和理论等方面均发展的较为全面。。

1959年,Bond从能量的角度对露天矿破碎预测进行了研究;1952年,苏联的面尔尼科夫研究了爆破产生的气体和冲击波联合作用来对周围介质产生破坏的机制;1963年,Faverau对爆破的冲击作用和爆破产生的气体对周围介质产生破坏进行动态模拟,进而进行爆破效果预测和指导爆破设计;1973年,Kuzlezov和Cunningham用平均块度和爆破参数的检验公司来预测台阶爆破后产生的块体尺寸。国内也同样有许多研究人员从事露天矿台阶爆破级配等项目的研究,其研究成果也都为露天矿的发展作出了巨大的贡献。

上世纪80年代以来,爆破工程师开始使用计算机技术,爆破智能优化研究方面亦进入了新的领域,例如由美国工程师开展的爆破鼓包运动的动态模拟研究;ICI集团在1987年运用计算机图解计算法、炸药与岩石相互作用解析法来预测台阶爆破效果;Klieen和Leugn在1988年在原岩矿块上应用了破碎理论,从而进行对爆破破碎块度的预测、炸药品种的选择以及其他爆破参数的设计。我国中国矿业大学、北京科技大学、武汉理工大学、马鞍山矿山研究院、长沙矿山研究院等单位最早从1984年就开始对爆破模型进行研究,另外,国内外一些高校和研究机构从事爆破工程专家系统和决策系统的研究,主要采用模糊推理法、神经网络法、数学模型法等方法。

1.2 爆破数学模型概况分析

从上世纪六十年代开始,国内外就开始使用数学模型来对爆破参数和计算机模拟进行研究,并且取得了一定的成果,创造出了一系列爆破数学模型,这里主要讨论爆破块度分布即级配和爆破参数优化的数学模型。

1.2.1 爆破块度分布的数学模型

研究级配的模型主要可以分为两种;第一种是根据爆破时的破碎理论来建立数学模型;第二种是使用统计的方法,对爆破后的块体进行定量描述,建立关于级配的统计模型。

其中,第一种模型主要有以下几种;

(1)哈里斯(G.Harries,澳大利亚)模型

该模型假设要爆破的岩体为连续的弹性介质,并且认为爆破时破碎岩石的能量主要是爆炸时产生的大量气体的准静态压力,而忽略爆炸时产生的冲击波对于周围介质的作用。该模型还假设孔壁岩石的应变值按照厚壁圆筒来计算,并且爆炸压力以负指数函数的形式向周围扩散。炸药爆炸之后,岩体中某处的岩石所承受的拉力超过其最大抗拉强度,岩体就此被破碎。

(2)怀里尔(R.F.Favreau,加拿大)数模

此模型以应力波理论为基础,主要研究爆炸气体对岩石的破坏作用,提出了“BLASTA”爆破计算数学模型。

(3)BCM模型(层状裂纹模型),(L.G.Margolin, T.F.Adams, 美国)

此模型的理论基础为Griffith裂纹传播理论,借助计算机模拟对应力波传播以及岩体破碎进行研究。

(4)BMMC模型;马鞍山矿山研究院,邹定祥

此模型为根据应力波理论建立的研究露天矿台阶爆破级配的三维数学模型。

这些模型都是从爆破机理出发建立模型,但是在建立模型的过程中给出的理想化假设或者过于理想,或者过于片面,比如哈里斯模型对于岩体的假设过于理想化,对于炸药能量、孔壁岩石的应变、爆炸压力的假设考虑的因素过少,过于片面。由于我们爆破过程过于复杂,这一类模型在实际应用时总是与现实有所出入。但是以后随着我们对爆破机制研究的深入,这一类模型也将随之完善。

第二种模型通过统计研究将块度分布规律以函数形式表示,下面选一个实例;

R-R(Rosin-Rammler)分布模型,其函数为

(1.1)

式中,y代表筛下岩石重量百分比,d、d0分别代表岩块尺寸和筛网孔径。

这一类模型通过块度分布函数对爆破级配进行研究,从实验和实际经验的角度出发,对于爆破机理的考虑很少。

1.2.1 爆破参数优化的经济数学模型

这种模型的目的在于通过对爆破参数的优化来获得最大的经济收益。具体为通过统计的方法,将块度与生产工序关联起来。进而建立模型。下面也仅展示一个模型为例;

加拿大钟汉荣博士爆破数学模型

此模型将生产工序分为六步:凿岩、爆破、装载、运输、储存和初碎。各个工序的技术参数之间的函数关系为;

C=Cdr Cbl Ci Ch Cd Ccr (1.2)

式中,C表示总成本,等号右边的六项分别为六步工序各自的成本;炮孔深度h、孔间距S、最小抵抗线B决定了凿岩成本,即Cdr=f1(h,S,B);炸药的重量W决定爆破的成本,即Cbl=f2(W);后面的工序成本只由块度F决定,即Ci Ch Cd Ccr=f3(F)。综上,总成本即为

C=f1(h, S, B) f2(W) f3(F) (1.3)

这类模型从宏观上利用统计来进行研究,按生产工序建立模型。这类模型具有很强的实用性,有一定的指导意义,但是这类模型中的许多成本系数难以确定,难以通过调整参数来进行优化[1]

本文中将采用模糊神经网络的方法来对爆破参数进行优化。神经网络的优点在于其学习能力、容错能力以及泛化能力,但是由于其黑箱模型的特点,网络中的知识难以表达;模糊逻辑的优点在于可以利用专家的经验,但是其难以学习,推理过程模糊性增加。而模糊神经网络将二者综合起来,在一定程度上综合了两者的优点,避免了两者的缺点,是当今人工智能研究的热点之一,因此本文将模糊神经网络应用于爆破领域,对爆破参数的优化进行研究[2]

1.3对爆破参数优化智能研究的必要性和可行性

由于露天开采台阶爆破中的爆破对象以及器材等因素的复杂性,即使是相邻的爆破对象也可能会有不同的岩体构造和地质条件,这些不确定性使得爆破设计工作变得更加困难,仅凭爆破基础理论和经验来进行设计难以确保理想的爆破效果,有时甚至还会造成事故。

在实际生产过程中,对于相邻的地点,一般认为其岩石性质相同或相近,从而采用相同或相近的爆破参数,时常达不到原本预期的爆破效果,造成浪费,甚至造成事故,在带来危害的同时,还造成经济损失。

爆破过程是一个极其复杂的过程,其在极短的时间内发生,爆破产生的能量在一瞬间内通过爆破产生的气体以及冲击波在炸药内部以及周边介质中传播和扩散,由于其复杂性,经典的数学模型很难来描述这一过程。对于爆破过程,我们还是了解的不够透彻,还停留在经验以及理论假说的水平上。

本文所研究的爆破参数智能优化系统是在对爆破对象的岩体构造和地质条件有充分的了解以及对于选定好所使用的炸药的情况下,为了达到理想的爆破效果即合适的级配,通过模糊神经网络的方法来优化爆破参数,可以避免单个爆破工程师的局限性和片面性,可以较好的控制爆破级配,创造良好的社会效益和经济效益,减少爆破事故的发生。

1.4爆破参数智能优化研究的研究目的和意义

由于爆破在露天矿山中的广泛使用,每年创造出巨大的经济效益和社会效益,对于其爆破参数的优化研究具有很高的实用价值和理论意义。首先,在爆破领域,它将神经网络和模糊神经网络系统应用于爆破研究,可以促进爆破学科的发展;其次,此系统研究成功并投入应用,将创造较为理想的爆破效果,降低大块率,得到合适的级配和爆堆形状,对于矿山生产具有重要的意义;另外,本系统的研究成功将更好的控制爆破危害、减少爆破事故的发生,同时还可以在一定程度上降低爆破费用,创造良好的经济效益。

1.5本文研究内容

研究的基本内容为在台阶爆破中,针对不同岩性的岩体以及不同的爆破块度级配目标,对其炸药参数、孔网参数、起爆延时参数、装药结构进行智能优化。

其中,岩性分为岩石普氏系数、节理发育程度等;炸药参数分为炸药类型、爆速、爆压、猛度、做功能力等;孔网参数分为孔距、排距、抵抗线、孔深、超深、堵塞长度、炸药单耗等;起爆延时参数分为起爆顺序、孔间和排间延时等;装药结构分为耦合装药、不耦合装药、连续装药、不连续装药、雷管的布置位置等[3~7]

拟采用的技术方案为采用基于Takagi-Sugeno模糊系统的神经网络,输入参数为岩石性质,包括岩体节理发育程度系数、地下水含量、岩石性质系数、岩石的抗压抗剪强度;爆破要求包括合适的级配;系统输出为炸药的性能系数,包括炸药的爆速、猛度、殉爆距离、做功能力;孔网参数,包括堵塞长度、炸药单耗、孔距、排距、抵抗线、孔深;起爆参数包括炮孔起爆顺序、炮孔间排间起爆时间间隔、装药结构,包括药包是否采用耦合装药。

本系统通过给定的样本自行进行学习,当误差代价函数小于设定的目标时,学习结束,并且得到较优的连接权值以及隶属函数函数。当输入新的参数时,经过系统的运算,给出一组较优的爆破参数。

第2章 露天台阶爆破

露天台阶爆破是指工作面以台阶形式向前推进的爆破方法。在进行露天台阶爆破工作的时候,普遍造成大块率过高以及产生根底的现象。在本文中,主要讨论爆破后产生的块体尺寸分布情况即级配,来改善爆破效果。

台阶爆破的爆破效果受到许多条件的影响,如岩体的岩体构造和地质条件、炸药的爆炸性能、孔网参数、装药参数以及起爆参数等方面。下面将从这几个方面详细讲述。

2.1岩石性质

2.1.1岩石主要物理性质

(1)密度

密度为岩石的颗粒质量与所占体积之比。岩石的密度对于爆破工程有着很大的影响,岩石密度过高,则破碎所需的炸药能量就会很高,提高了炸药成本以及爆破时的危险程度,使得爆破设计的难度提高。随着岩石密度的提高,岩石中纵波的纵波传播速度也相应提高。

(2)容积密度

容积密度为岩石和空隙中所包含物质的总质量与总体积之比。容积密度越大,岩石的强度越高,破碎所需的能量也随之增加。容积密度与密度之间也存在联系,一般来说,岩石的密度越大,其容积密度也相应的越大。

(3)孔隙率

孔隙率为岩石中孔隙体积与岩石的总体积之比,也称孔隙度。孔隙度越高,岩石的强度越低,爆破所需的能量越低;孔隙度越低,岩石的强度与完整性越高,爆破所需的能量越高。

(4)岩石波阻抗

岩石波阻抗为岩石中纵波传播速度与岩石密度的乘积。岩石波阻抗表征着岩石吸收爆破产生能量的效率,一般来说,在已知岩石波阻抗的情况下,为了取得理想的爆破效果,尽量选用波阻抗相近的炸药,有利于提高炸药的利用率。

(5)岩石的风化程度

岩石的风化程度是指岩石在地质内力和外力的作用下发生破坏疏松的程度。岩石的风化会破坏岩石的内部结构,从而降低岩石的强度和弹性性能,使岩石的孔隙率和变形性变大。一般来说,岩石的风化程度越高,岩石越容易破碎。哪怕是同一种岩石,由于风化程度的不同,其各方面的性质也会天差地别。

2.1.2岩石主要力学性质

(1)岩石变形特征

①弹性:岩石受力后发生变形,当外力解除后恢复原状的性能。

②塑性:当岩石所受外力解除后,岩石没能恢复原状而留有一定残留变形的性能。

③脆性:岩石在外力作用下,不经残留的残余变形就发生破坏的性能。

岩石由于其成分的多样性、内部裂隙的发育程度等因素的影响,岩石的变形特征变得相当复杂。就算是同一种岩石,其风化程度、含水量等因素的不同,也会使得岩石的变形特征发生变化。比如说,当岩石的风化程度较低时,岩石表现为弹性,而当其风化程度变高时,岩石就可能转化为塑性甚至脆性了。

(2)岩石强度特征

  1. 单轴抗压强度:岩石试件在单轴压力下发生破坏时的极限强度。
  2. 单轴抗拉强度:岩石试件在单轴拉力下发生破坏时的极限强度。
  3. 抗剪强度:岩石抵抗剪切破坏的最大能力。

(3)弹性模量

弹性模量为岩石在弹性变形范围内,应力与应变之比。

(4)泊松比

泊松比为岩石试件单向受压时,横向应变与纵向应变之比。

2.2炸药性能

炸药是具有化学爆炸三要素的物质,但具备化学爆炸三要素的物质只能归类为爆炸物质,而规范的“炸药”概念赋有更深刻的内涵。炸药时人们经常利用的二次能源,炸药不仅应用在军事领域,还广泛地应用于社会生产的各个方面,一般将前者称为军用炸药,后者称为民用炸药。炸药性能主要包括炸药的感度、爆容、爆热、爆温、殉爆距离、爆速、威力、猛度等。民用炸药的威力、猛度等一般都不如军用炸药。

2.2.1炸药热化学参数

(1)爆容

1kg炸药爆炸生成气体产物换算成为标准状态下的体积称为爆容。由爆破气体和冲击波联合作用理论可知爆容大的炸药做功能力强。因此,爆容时衡量炸药爆炸做功能力的一个重要参数。

您需要先支付 50元 才能查看全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图