一种瓦斯抽采钻孔参数智能设计及三维可视化方法技术

本发明专利技术涉及瓦斯抽采钻孔参数智能设计及三维可视化方法，以PSO

【技术实现步骤摘要】
一种瓦斯抽采钻孔参数智能设计及三维可视化方法


[0001]本专利技术涉及瓦斯抽采钻孔
，尤其涉及一种瓦斯抽采钻孔参数智能设计及三维可视化方法。

技术介绍

[0002]目前，我国智能化矿山的发展正在逐步扩大，但在瓦斯抽采领域仍存在一些不足：(1)针对瓦斯抽采钻孔参数智能优化的方法较少，缺少一种适用于多种场景的瓦斯抽采钻孔参数智能优化方法；(2)现有的瓦斯抽采管控系统智能化程度不高，功能单一，多为统计、梳理矿场已有的瓦斯抽采数据，而不能根据已有的数据优化钻孔参数、智能设计钻孔模型；(3)现有一部分企业施工图纸仍采用“手工绘制”的方式，缺少一种简单、高效的施工图纸绘制方法。

技术实现思路

[0003]本专利技术要解决的技术问题是设计一种瓦斯抽采钻孔参数智能设计及三维可视化方法，旨在提高瓦斯抽采钻孔大数据的利用率，为不同矿场的瓦斯抽采提供一种可借鉴的瓦斯抽采钻孔参数智能优化方法，同时提高煤矿企业施工方案设计、图纸绘制智能化水平，提高煤矿瓦斯抽采钻孔智能化水平。
[0004]为解决上述技术问题，本专利技术的瓦斯抽采钻孔参数智能设计及三维可视化方法是以PSO
‑
LSTM模型、借助大数据挖掘技术对瓦斯钻孔数据深入挖掘和精准化分析，以达到优化数据的效果；并利用三位可视化算法对优化的钻孔数据进行三维建模，形成轨迹最优、效果可视的三维瓦斯抽采钻孔模型。
[0005]进一步的，具体包括如下步骤：
[0006]步骤S1：将瓦斯钻孔数据按格式标准化处理，使其符合数据处理流程；并将处理好的数据按比例分为训练集测试集Xn、E1、E2式中，R
i
为钻孔半径，d
i
为钻孔间距，i＝{1，2，
…
，n}；
[0007]步骤S2：以训练集E1开始训练PSO
‑
LSTM模型，具体包括如下步骤：
[0008]步骤S21：初始化PSO算法，形成寻优群落；
[0009]步骤S22：将训练集E1的前70％定义为LSTM模型训练集后30％定义为PSO模型优选集
[0010]步骤S23：将LSTM模型训练集e1作为PSO
‑
LSTM模型的训练集，PSO模型优选集e2作为PSO
‑
LSTM模型的测试集；
[0011]步骤S24：开始模拟预测过程，寻找使PSO优选集RMSE最小的粒子(训练结果)；同时，利用训练集e1训练LSTM模型；
[0012]步骤S25：输出PSO模型优选集e2的最优解。
[0013]步骤S3：将PSO最优解作为LSTM模型的测试集，对已经完成训练的LSTM模型进行预测分析，Y
e2
为PSO模型的寻优结果，i＝{1，2，
…
，n}；
[0014]步骤S4：根据预测结果调整模型参数，预测训练结果是否达到最大迭代次数，若没有达到，则调整参数，更新内部权重，再次返回PSO
‑
LSTM模型进行训练，直至训练结果达到最大迭代次数；
[0015]步骤S5：PSO
‑
LSTM模型训练结束后，利用测试集E2预测训练完成的PSO
‑
LSTM模型；
[0016]步骤S6：输出PSO
‑
LSTM模型最优解i＝{1，2，
…
，n}。
[0017]进一步的，还包括步骤S7：钻孔设计三维可视化，钻孔设计三维可视化包含顺层钻孔设计、穿层钻孔设计、钻孔孔体生成三部分，利用python生成涵盖煤层、巷道、钻孔必要部分的煤矿三维模型，在生成三维立体模型时，首先确定基准点的三维坐标，再通过模型其他顶点与基准点之间的三维空间关系计算出其他顶点的坐标；利用python中的scatter()函数生成各个顶点，利用连线函数按模型设计连接相关顶点，生成模型轮廓线；再利用成面函数将需要成面的轮廓线依次连接，形成模型截面，最终生成三维立体模型。
[0018]进一步的，所述顺层钻孔设计利用走向双侧对打顺层钻孔，对工作面进行顺层平行钻孔设计，回采工作面与进风巷底部交线的起始点和终点坐标分别为行钻孔设计，回采工作面与进风巷底部交线的起始点和终点坐标分别为回采工作面与回风巷底部交线的起始点和终点坐标分别为回采工作面与回风巷底部交线的起始点和终点坐标分别为
[0019]沿煤层走向长度：
[0020]工作面倾向宽度：
[0021]巷道方位角：
[0022]煤层走向与水平面夹角：
[0023]进风巷钻孔方位角：θ1＝270
°‑
α1；
[0024]回风巷钻孔方位角：θ2＝90
°‑
α1；
[0025]回采工作面抽采钻孔总个数：n为回采工作面抽采钻孔总个数；L
k
为第k
单元沿煤层走向长度；d
k
为第k单元内钻孔布孔间距。
[0026]进一步的，所述顺层钻孔设计中，进风巷第一单元控制点坐标为则进风巷第k单元控制点坐标为
[0027][0028][0029][0030]式中，为煤层A1与A1′
之间的距离；
[0031]回风巷第k单元控制点坐标为
[0032][0033][0034][0035]进一步的，所述顺层钻孔设计中：
[0036]进风巷第k单元第n1个开孔点坐标
[0037][0038][0039][0040]式中，n1为第k单元进风巷抽采钻孔个数；
[0041]进风巷第k单元第n1个终孔点坐标
[0042][0043][0044][0045]式中，γ为煤层倾角；L
c
为抽采钻孔长度，L
c
≥L
w
/2+5；
[0046]回风巷第k单元第n2个开孔点坐标
[0047][0048][0049][0050]式中，n2为第k单元回风巷抽采钻孔个数；
[0051]回风巷第k单元第n2个终孔点坐标
[0052][0053][0054][0055]进一步的，所述穿层钻孔设计是由以A2B2C2D2为顶面的底抽煤巷、以A3B3C3D3为底面的预抽煤层、以A4B4C4D4为底面的预掘进煤巷和红、蓝钻孔轨迹四部分组成。假设底抽煤巷、预抽煤层、预掘进煤巷三者的各倾斜角度相同，其中底抽煤巷预抽煤层、预掘进煤巷三者的各倾斜角度相同，其中底抽煤巷预抽煤层预抽煤层预掘进煤巷预掘进煤巷
[0056]沿煤层走向长度：
[0057]工作面倾向宽度：
[0058]巷道方位角：
[0059]煤层走向与水平面夹角：
[0060]进一步的，所述穿层钻孔设计中，开孔点坐标：
[0061]每行开孔钻孔个数N
Ks
：l
K
为开孔区域横向长度；为开孔点列间
距；
[0062]每列开孔钻孔个数N
Kw
：w
K本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种瓦斯抽采钻孔参数智能设计及三维可视化方法，其特征在于：该方法是以PSO
‑
LSTM模型、借助大数据挖掘技术对瓦斯钻孔数据深入挖掘和精准化分析，以达到优化数据的效果；并利用三位可视化算法对优化的钻孔数据进行三维建模，形成轨迹最优、效果可视的三维瓦斯抽采钻孔模型。2.根据权利要求1所述的瓦斯抽采钻孔参数智能设计及三维可视化方法，其特征在于：包括如下步骤：步骤S1：将瓦斯钻孔数据按格式标准化处理，使其符合数据处理流程；并将处理好的数据按比例分为训练集测试集Xn、E1、E2式中，R
i
为钻孔半径，d
i
为钻孔间距，i＝{1，2，
…
，n}；步骤S2：以训练集E1开始训练PSO
‑
LSTM模型，具体包括如下步骤：步骤S21：初始化PSO算法，形成寻优群落；步骤S22：将训练集E1的前70％定义为LSTM模型训练集后30％定义为PSO模型优选集步骤S23：将LSTM模型训练集e1作为PSO
‑
LSTM模型的训练集，PSO模型优选集e2作为PSO
‑
LSTM模型的测试集；步骤S24：开始模拟预测过程，寻找使PSO优选集RMSE最小的粒子；同时，利用训练集e1训练LSTM模型；步骤S25：输出PSO模型优选集e2的最优解。步骤S3：将PSO最优解作为LSTM模型的测试集，对已经完成训练的LSTM模型进行预测分析，Y
e2
为PSO模型的寻优结果，i＝{1，2，
…
，n}；步骤S4：根据预测结果调整模型参数，预测训练结果是否达到最大迭代次数，若没有达到，则调整参数，更新内部权重，再次返回PSO
‑
LSTM模型进行训练，直至训练结果达到最大迭代次数；步骤S5：PSO
‑
LSTM模型训练结束后，利用测试集E2预测训练完成的PSO
‑
LSTM模型；步骤S6：输出PSO
‑
LSTM模型最优解3.根据权利要求2所述的瓦斯抽采钻孔参数智能设计及三维可视化方法，其特征在于：还包括步骤S7：钻孔设计三维可视化，钻孔设计三维可视化包含顺层钻孔设计、穿层钻孔设计、钻孔孔体生成三部分，利用python生成涵盖煤层、巷道、钻孔必要部分的煤矿三维模型，在生成三维立体模型时，首先确定基准点的三维坐标，再通过模型其他顶点与基准点之间的三维空间关系计算出其他顶点的坐标；利用python中的scatter()函数生成各个顶点，利用连线函数按模型设计连接相关顶点，生成模型轮廓线；再利用成面函数将需要成面的
轮廓线依次连接，形成模型截面，最终生成三维立体模型。4.根据权利要求3所述的瓦斯抽采钻孔参数智能设计及三维可视化方法，其特征在于：所述顺层钻孔设计利用走向双侧对打顺层钻孔，对工作面进行顺层平行钻孔设计，回采工作面与进风巷底部交线的起始点和终点坐标分别为回采工作面与回风巷底部交线的起始点和终点坐标分别为沿煤层走向长度：工作面倾向宽度：巷道方位角：煤层走向与水平面夹角：进风巷钻孔方位角：θ1＝270
°‑
α1；回风巷钻孔方位角：θ2＝90
°‑
α1；回采...

【专利技术属性】
技术研发人员：朱权洁，王大仓，陈学习，李青松，欧阳振华，杨涛，隋龙琨，李红涛，
申请(专利权)人：华北科技学院，
类型：发明
国别省市：