基于数字孪生的煤矿两柱式支架载荷预测方法

作     者：张帆 李玉雪 李昱翰 邵光耀 

作者机构：中国矿业大学(北京)人工智能学院 煤矿智能化与机器人创新应用应急管理部重点实验室 

出 版 物：《煤炭科学技术》 (Coal Science and Technology)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081901[工学-采矿工程] 0819[工学-矿业工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划资助项目(2022YFC3004600) 国家自然科学基金资助项目(52374165,52121003) 

主　　题：冲击地压矿井 数字孪生 两柱式支架 麻雀搜索算法 支架载荷预测 

摘      要：现有的矿山巷道液压支架载荷预测方法通常假设静态时空开采布置，忽略了远场围岩的动载荷，影响了冲击地压预测的准确性。为了确保安全开采，必须对潜在的冲击地压进行实时和精确的预测评估。本文提出一种基于数字孪生和机器学习的麻雀搜索算法-随机森林（SSA-RF）预测方法。通过分析支护系统与围岩的相互作用，建立了两柱式支架的数字孪生体模型，基于数据驱动实现物理实体与其数字孪生体之间的交互映射与同步反馈。对比分析两柱式支架升柱过程中姿态变量的计算值与真实值发现，与支架物理实体相比，数字孪生体模型的角度平均误差为0.14°，长度平均误差为6.15mm，符合精度要求。此外，麻雀搜索算法用于优化随机森林中决策树和节点特征的数量。与使用单一预测模型相比，SSA-RF预测模型的建立提高了收敛速度和优化能力。实验结果表明，与长短期记忆（LSTM）、随机森林（RF）和支持向量机（SVM）等预测算法相比，本文提出的SSA-RF方法表现最优，其在中部支架和端头支架数据集上的预测准确率分别达到85.89%和91.09%。此外，研究发现，工作面中部支架所在区域顶板易出现断裂失稳现象，会破坏工作面中部区域垂直方向的应力支撑条件，从而导致中部支架载荷变化范围更大预测精度略低于端头支架。上述研究结果将对进一步研究煤矿冲击地压发生机理和准确预测潜在冲击地压提供一定理论借鉴。