全断面隧道掘进机工作参数匹配规律的挖掘与利用

为提高隧道掘进机工作效能和利用率，以采集的秦岭隧道工作数据为对象，分析研究了不同掘进状况下工作参数间的匹配规律，对比分析了各类掘进状况下的切削比能，获得了掘进机正常掘进状况下的FPI与切割系数C的制约方程，得到了软、硬岩条降下的推进力、扭矩需求方程，并且从统计角度获得了切割系数的概率密度分布函数。所获得的相关规律以及处理方法，为掘进状况的预测和掘进参数的优化提供了一定的知识和技术支持，对于掘进机的性能评价和掘进机设计部具有重要的参考价值。     

综合改进掘进工艺 提高经济技术指标

随着大功率回采设备的广泛应用，采煤工作面的推进速度不断攀升，不可避免地出现衔接紧张的局面。面对井下有限的作业场所和风量紧张的状况，通过增加施工队组和作业头数来提升进尺已经不现实。提高单进水平成为解决问题的唯一途径。通过对掘进巷道支护的分析计算，在保证合理支护强度的前提下，降低支护强度，采取部分支护滞后的办法，实现部分支护与打眼工序的平行作业，从而缩短循环时间，提高掘进速度。同时，也降低了支护成本。使掘进的经济技术指标得到了较大改善。     

基于CNN-BiLSTM的施工初期盾构机掘进速度预测

对盾构机掘进速度的预测可有效指导设备施工和工程的顺利进行。在隧道施工初期数据量较少时，针对掘进速度难以预测的问题，采用迁移学习策略建立盾构机掘进速度预测模型。提出了以TPI、FPI、SE、C 4种混合指标对盾构施工进行聚类分级和判别，降低设备参数和地质信息差异对迁移模型的影响。依托南京长江隧道工程和芜湖过江隧道工程的现场掘进参数进行验证。结果表明，以当前时刻掘进参数作为模型输入，下一时刻掘进速度作为模型输出，建立的基于CNN-BiLSTM的预测模型，可有效提取掘进参数特征，实现掘进速度预测，其预测值可以很好地反映实测数据的变化趋势；与其他3种智能模型对比，该模型在MAE和RMSE上表现最优，验证了模型的优越性和有效性。基于CNN-BiLSTM的预测模型，可有效解决施工初期数据量较少情况下掘进速度预测问题。     

煤矿巷道掘进的影响因素及应对措施研究

在煤矿开采作业中,煤矿巷道掘进属于十分关键的环节,巷道掘进状况直接影响着煤矿开采效率及质量,影响着煤矿开采的综合效益.然而在煤矿巷道掘进中,存在着一定的影响因素,导致巷道掘进速度较慢.为此,综合分析煤矿巷道掘进的影响因素,在分析影响因素的基础上,提出应对影响因素,实现煤矿巷道安全快速掘进的技术措施.实践证明,采取有效技术措施,在提高巷道掘进速度,实现煤矿开采效率及质量等方面发挥着重要现实意义.     

煤矿掘进巷道顶板事故预防措施研究

本文分析了煤矿掘进巷道断面的影响因素，并对煤矿掘进顶板事故的预防措施进行了探讨，提出了通过断面优化和改善巷道支护施工的方式预防巷道顶板事故的建议。     

综合改进掘进工艺提高经济技术指标

通过对掘进巷道支护的计算，在保证合理支护强度的前提下，降低支护强度，并采取部分支护滞后的办法，实现部分支护与打眼工序的平行作业，从而缩短循环时间，提高掘进速度。使掘进的经济技术指标得到了较大改善。     

基于盾构掘进参数的LVQ神经网络地层识别

以苏州4号线2标及2号线东延伸线5标地铁工程为背景，分析了盾构机的掘进参数：千斤顶推力、推进速度、刀盘扭矩、螺旋机转速和同步注浆量在不同地层条件下的变化规律。提出了基于盾构机掘进参数的学习向量量化（Learning Vector Quantization，LVQ）神经网络地层识别方法。建立了以盾构机五个掘进参数作为输入，地层特性编码为输出的数学模型，通过每种地层100组训练样本对模型进行训练，通过57步训练，训练样本误差控制在0.1以内，并用每种地层50组检验样本进行检验，地层总体识别率达到82.7%。     

内蒙古大饭铺煤矿掘进工作面出水机理分析及防治水措施

内蒙古大饭铺煤矿61111掘进工作面掘进至1156m处遇到断层,工作面发生涌水,造成运输巷掘进前方巷道冒顶,为明确出水水源及对工作面掘进的影响,进行了井下掘进工作面富水性探测和出水水源判别,对工作面掘进出水机理进行了分析,预计了工作面涌水量,在保证技术可行和生产安全的前提下,制定了防治水安全措施,为工作面顺利掘进提供依据。     

地质因素对TBM掘进效率的影响

结合秦岭隧道施工的相关数据，对掘进速度、利用率、刀具磨损、比能等表征掘进机掘进效率的指标与岩石的单轴抗压强度、围岩等级、围岩类型等地质因素之间的关系进行了分析，得到了它们之间的影响关系。     

煤矿立井采用普通法掘进的施工技术

煤矿立井在地方煤矿多数采用普通法掘进施工，本文从施工准备、锁口施工、钻孔施工、爆破器材与爆破参数应用及安全措施等方面对立井掘进施工进行了阐述。