摘要
煤炭开采工作面的安全智能运行是煤炭高效开采与人员安全的重要保障，而当下煤炭开采技术距智能化无人工作面还有一定差距，其中煤岩识别是实现智能化无人工作面的关键技术，也是制约智能化采煤装备的主要难题。针对煤岩识别问题，国内外研究者们提出过不少解决方案，但是依然缺乏对煤岩特性和普适性的研究。因此，迫切需要一种高效、安全且适用性高的在线煤岩识别方法。本文结合国内外煤岩识别研究现状，展开了基于煤岩混合特性差异的煤岩识别方法研究。主要研究工作如下： (1)将煤粉与岩粉以39种不同比例混合并压制成片状物，利用太赫兹时域光谱技术(THz-TDS)提取不同样本的THz信号，结合快速傅里叶变换(FFT)、光学参数提取方法、主成分分析法(PCA)，对煤岩混合物进行特性分析。通过特性分析发现，随着煤含量的变化，样本在有效太赫兹频段内的不同特性，如幅度、介电特性、吸收系数等，都有着明显的变化规律，这为后续的煤岩定量研究奠定了理论基础。 (2)利用煤岩混合样本在太赫兹频段内的两种光学特性作为定量模型的输入参数，结合反向传播神经网络(BPNN)、最小二乘支持向量机(LSSVM)、偏最小二乘法(PLS)这三种化学计量学方法，分别建立煤岩定量检测模型。模型预测结果表明，三种模型中LSSVM定量模型的预测效果最佳，且当输入参数为折射率时，不论何种模型，其预测效果都优于基于吸收系数作为输入参数的预测效果，因此基于折射率为输入参数的LSSVM煤岩定量检测模型的预测效果相对最优，其相关系数为95.7%，均方根误差为0.302。另外，针对采煤机开采工作面，本文建立了一种煤岩界面估算理论模型，结合煤岩定量检测模型能够对滚筒嵌入岩层的高度进行模型估算，为煤岩界面识别方法的应用提供参考依据。 (3)利用高密度聚乙烯(HDPE)对太赫兹几乎零吸收的特性，将HDPE等效为实际井下采样区中的空气，并将HDPE与煤/岩粉混合来模拟开采工作面周围粉尘的悬浮状态。对比仿真数据与实验数据发现，等效的煤-HDPE压片样本中存在光散射现象，但是散射对其THz信号影响很小。此外，本文制备了不同稀疏度（介质与样本的体积比）的煤-HDPE和岩-HDPE样本，利用支持向量机(SVM)对不同稀疏度的样本进行分类研究，结果表明当样本稀疏度高于20%时，样本稀疏度对太赫兹信号几乎无影响，即该范围的稀疏度更适用于煤岩在线识别。
NETL