请告诉我们您的知识需求以及对本站的评价与建议。
满意 不满意
Email:
煤矿立井井筒非采动破裂的人工神经网络预测
栏目最新
- 改进的隧道监测系统(TMS)在隧道围岩变形监测中的应用
- 我国岩土工程在可持续发展中的新使命及其实现问题
- 矿山地质环境治理问题研究
- 岩土工程勘察中常见的技术问题及解决措施探讨
- RTK-GPS在广州新电视塔变形监测中的应用研究
- 既有建筑物加固修缮勘察与地基基础加固方案选择
- 现场测量建筑围护结构节能特性的问题分析
- 文物保护建筑勘察特点及工程实例分析
- 旁侧荷载对复合地基性状的影响
- 从工程实例分析谈顺层岩质边坡的勘察与参数选取
网站最新
内容提示：应用人工神经网络的基本原理，建立了一个基于神经网络的煤矿立井井筒非采动破裂的预测系统，实现了立井井筒破裂预测的智能化。最后将神经网络预测结果与数值计算结果对比，认为应用人工神经网络对立井井筒破裂时间的预测比较准确，实用。
3 质量要求和检验
3.1 质量要求
①.丝头：牙形饱满，牙顶宽度超过0.6mm，秃牙部分累计长度不应超过一个螺纹周长。外形尺寸含螺纹直径及丝头长度应满足图纸要求。（参考《建筑中文网》）
②.套筒：套筒表面无裂纹和其它缺陷，外形尺寸包括套筒内螺纹直径及套筒长度应满足产品设计要求。
③.连接：连接是要确保丝头和连接套的丝扣干净、无损。被连接的两钢筋断面应处于连接套的中间位置，偏差不大于1p（p为螺距），并用工作扳手拧紧，使两钢筋端面顶紧。
3.2 质量检验
加工人员加工时逐个目测丝头的加工质量。检查标准应符合表2中的规定。每加工10丝头应用相应的环规和丝头卡板检测1次，并剔除不合格产品。自检合格的丝头，再由质检人员对每种规格加工的丝头随机抽样检验，以一个工作班生产的丝头为一个检验批随机抽样10%，且不得少于10个，按表2作钢筋丝头质量检查。如有一个丝头不合格，应加倍抽检，复检仍有不合格丝头时，即应对该批全数检查，不合格的丝头应切去重新加工，经再次检验合格后方可使用。已检验合格的丝头应戴上塑料帽或连接套和保护塞加以保护。
表2 丝头检验标准单位:mm
| 项目 | 量具名称 | 要 求 |
| 外观质量 | 目测 | 牙形饱满，牙顶宽度0.6mm， 秃牙部分累计长度不应超过一个螺纹周长。 |
| 丝头长度 | 卡尺 | 钢筋丝头螺纹的效旋合长度用专 用丝头卡板检测，标准型接头的丝头长度公差为+1p，见图2. |
| 螺纹中径 | 通端螺纹环规 止端螺纹环规 | 通环规能顺利旋入整个有效扣长度，而止环规旋入丝头的深度不大于3p（p为螺距）。见图3. |
4 引用的规范标准
《JGJ-107-96钢筋机械连接通用技术规程》；《Q/BSJJ06-2000钢筋滚轧直螺纹接头技术规程》。
5 结语
作为一项科技进步推广项目，在尼尔基发电厂房施工中推行的钢筋等强滚扎直螺纹接连技术的使用，提高了尼尔基发电厂房工程的施工科技含量，提高了现场工作效率，降低了施工人员的劳动强度，加快了厂房施工进度，增加了现场文明施工的水平。同时，由于钢筋等强滚扎直螺纹接连技术在钢筋连接中的使用，减少了现场施工中人为因素对钢筋连接质量的影响，将质量中不易控制的人为因素降到最低，有效的提高了钢筋连接的质量。此项技术在尼尔基发电厂房施工中推广使用为在以后的施工中积累了丰富的施工经验，并且极大地提高了施工工艺水平。
三、立井井筒破裂影响因素的选取
经调查表明立井井壁破裂的主要原因为：在煤矿开采过程中新生界底部第四系含水层（底含）的水头的大幅疏降，使该含水层及上覆土层产生压缩和变形，且引起地表沉降，在地层发生变形的过程中对井壁产生垂直向下的附加力，使得立井井壁发生破裂。
立井井筒破裂矿区的水文地质与工程地质条件都具有如下的特点：井筒都穿过第四系深厚表土，其厚度大都在200m左右。土层结构复杂，但大体上都可分为四个含水层和三个隔水层共七个工程岩组，即由上至下常简称为一含、一隔、二含、二隔、三含、三隔和底含（四含）。
通过对立井井筒非采动破裂机理及破裂矿区的水文地质与工程地质特点分析选取以下几个因素作为影响立井井筒破裂的特征因素：
1、表土层厚度
由于立井井筒非采动破裂只发生在厚冲积层中建成的立井井筒，因此表土层厚度是立井井筒非采动破裂现象发生的必要因素。表土层厚度越大，土层对立井井筒的侧压力越大，且土层与井筒的相互作用的面积增大，底含沉降时产生的立井井筒附加力加大，立井井筒发生破裂的可能性越大。
2、底含厚度
底含厚度决定了立井井筒周围土层的变形量，且土层变形量直接关系到立井井筒附加应力的大小，因此底含厚度越大，井筒破裂的可能性增大，所以确定底含厚度为立井井筒破裂的主要影响因素。
3、底含水位降速
底含水位降速决定了立井井筒周围土层变形的速率，从而决定了立井井壁破裂的时间。底含水头降速直接决定了立井井筒破裂时间的大小。
4、井筒外径
由于在确定的工程地质条件下立井井筒外表面积与立井井筒附加力的大小成正比，则确定立井井筒外径大小为立井井筒破裂的主要因素。
5、井壁厚度
井壁厚度越大，立井井筒的净截面积越大，立井井壁内壁应力降低，有利于立井井筒的稳定。
四、神经网络的设计与实现
根据以上对影响井筒变形的特征因素的选取，选择反向传播（back propagation, BP）神经网络算法对井筒的破裂规律进行训练，其网络为包含两层隐含层的神经网络，输入层、隐含层、输出层的神经元的个数分别为5、20、10、1，
表2 神经网络的输入矢量p及目标矢量t
Table 2 Input vector p and target vector t of the neural network
| 输入矢量p | 输出矢量t | ||||
| 表土层厚度(m) | 井筒外径(m) | 井壁厚度(m) | 底含水位降速（米/年） | 底含厚度(m) | 井壁破裂时间（月） |
| 189.31 | 8.92 | 1.21 | 3.764 | 34.1 | 192 |
| 190.41 | 10.1 | 1.3 | 3.212 | 30 | 225 |
| 190.41 | 6.4 | 0.7 | 2.988 | 32.85 | 241 |
| 189.5 | 7.4 | 0.95 | 3.652 | 29.9 | 230 |
| 148.69 | 8.5 | 1 | 5.196 | 56.29 | 194 |
| 148.6 | 10 | 1 | 5.262 | 55.0 | 187 |
| 202.56 | 6.6 | 0.8 | 5.053 | 59.0 | 190 |
| 185.5 | 6.4 | 0.7 | 7.192 | 57.72 | 146 |
其训练函数分别采用双曲正切函数tansig及线性激活函数purelin［5］，网络学习采用的输入矢量及目标矢量如表2所示。
原文网址：http://www.pipcn.com/research/200602/8323.htm
也许您还喜欢阅读：