论文总字数：20990字

摘 要

针对芒头岭骨料矿山工程实际，分析矿山工程概况与爆破现状，研究矿岩性能、爆破参数与爆破块度、粉矿率之间的内在联系，对矿山爆破参数进行优化。首先，分析了影响矿山爆破效果的主要因素。其次，通过Kuz-Ram模型对矿山爆破现状进行了分析与评价。最后，提出了基于BP神经网络模型的爆破参数优化方案。使用MATLAB建立BP神经网络模型，并根据矿山爆破数据，确定输入参数为岩石抗压强度、节理发育程度以及爆破块度gt;600mm、gt;200mm、gt;100mm、gt;10mm和lt;5mm的百分比；确定输出参数为孔距、排拒、底盘抵抗线、堵塞长度和炸药单耗。选择训练集和测试集，对BP神经网络进行训练、优化和仿真测试。将建立好的BP神经网络模型用于矿山爆破参数优化，得到了一组可以用于实际工程的爆破参数，结果表明，所建立的BP神经网络模型能达到实际工程施工精度的要求，可为矿山爆破参数的优化设计提供重要辅助。

关键词：骨料矿山；爆破参数优化；MATLAB；BP神经网络

Abstract

According to the actual situation of the aggregate mine project in mangtouling, this paper analyzes the general situation of the mine project and the current situation of blasting, studies the internal relations among the mine rock performance, blasting parameters, blasting block size and powder ore rate, and optimizes the blasting parameters of the mine. First of all, the paper analyzed the main factors that affect the blasting effect. Secondly, the current situation of mine blasting is analyzed and evaluated by the Kuz-Ram model. Finally, the paper proposed a blasting parameters optimization scheme based on BP neural network model. The BP neural network model is established by MATLAB. Based on the data of mine blasting, the input parameters are the rock compressive strength, joint development degree, and the percentage of blasting fragmentation，when the size of the rock is gt; 600mm, gt; 200mm, gt; 100mm, gt; 10mm and lt; 5mm；and the output parameters are hole distance, row distance, chassis resistance line, blocking length and explosive unit consumption. Training set and testing set are selected to train, optimize and simulate BP neural network. The established BP neural network model is applied to the optimization of mine blasting parameters, and a group of blasting parameters which can be used in practical projects are obtained. The result shows that the established BP neural network model can meet the requirements of the actual engineering construction accuracy, and can provide important assistance for the optimization design of mine blasting parameters.

Key words: aggregate mine；blasting parameters optimization；MATLAB；BP neural network

目录

第1章 绪论 1

1.1研究背景及意义 1

1.2国内外研究现状 1

1.3研究内容 2

1.4预期目标 3

第2章 影响爆破效果的主要因素分析 4

2.1岩石特性与地质条件 4

2.2炸药性能及其与岩石的匹配关系 4

2.3爆破工艺 5

2.4爆破参数 5

2.4.1孔网参数 6

2.4.2装药参数 6

2.4.3起爆参数 7

2.5本章小结 7

第3章 矿山爆破工程现状 8

3.1矿山概况 8

3.2矿山爆破现状 9

3.3爆破效果评价 9

3.3.1Kuz-Ram模型 10

3.3.2指标计算与评价 10

3.4本章小结 11

第4章 基于BP神经网络爆破参数优化模型 12

4.1BP神经网络理论 12

4.1.1概述 12

4.1.2神经元模型 12

4.1.3 BP网络结构 13

4.2网络模型构建 15

4.2.1输入参数与输出参数选择 15

4.2.2网络结构设计 16

4.2.3网络模型参数优化 17

4.3网络模型计算与仿真 18

4.4结果分析 19

4.5本章小结 21

第5章 矿山爆破参数优化 22

5.1输入参数 22

5.2爆破参数优选结果 22

5.3本章小结 22

第6章 结论与展望 24

6.1结论 24

6.2展望 24

参考文献 25

致谢 27

第1章 绪论

1.1 研究背景及意义

爆破是矿山生产建设的重要环节，爆破方案的优化设计是矿山提高工作效率、增加矿山效益的重要手段。合理的爆破参数可有效降低矿岩爆破后的大块率、粉矿率、根底率、爆破震动等不利影响，为铲装、运输、排岩等后续工作的有利进行提供良好条件，同时降低矿山开采成本。因此，爆破参数的优化研究对于矿山的生产经营活动具有重要意义。

1.2 国内外研究现状

为优化爆破参数设计，改善矿山爆破效果，国内外科研人员及工程技术人员进行了大量研究。随着计算机技术在矿业工程领域的广泛应用，矿山以往主要依靠经验总结和不统一的定性分析进行爆破设计的状况得到了改善。数值模拟实验与矿山现场爆破试验的有机结合，人工神经网络、遗传算法、专家系统等智能方法的引入，为爆破参数的优化研究开辟了新道路。M.Monjezi、H. Amini Khoshalan、A.Yazdian Varjani等^[1]将训练好的神经网络作为遗传算法的适应函数，建立基于遗传算法优化神经网络性能的爆破参数优化模型，有效减少了爆破后的飞石和岩块后裂现象。M.Hajihassani、D.Jahed Armaghani、H.Sohaei等^[2]采用POS算法对人工神经网络进行权值优化，构建了基于粒子群算法的神经网络模型，在预测爆破引起的气动超压时取得了很好的效果。H.Abbaspour、C.Drebenstedt、M. Badroddin等^[3]提出了钻孔作业建模的系统动力学方法，该模型可以有效地连接和评价所有的技术、经济和环境条件，在矿山爆破参数优化、经济成本计算等方面起到了很好的作用。叶海旺、王皓永、雷涛等^[4]针对某骨料矿山粉矿率偏高的问题，选取不同的孔间延期间隔时间开展爆破试验研究，有效降低了骨料矿山爆破的平均粉矿率。国内最早将神经网络模型应用于爆破参数优化研究的是中国矿业大学的谭章禄和桑卉^[5]，他们利用BP神经网络和评价函数，建立了基于ANN的矿业组合优化模型，成功地获得了某煤矿回采过程中隐含的工作规律，并运用该模型和相关工具合理确定了回采工作面的爆破参数，开创了我国BP神经网络应用于爆破参数优化研究的先河。此后，大量研究人员及工程技术人员结合工程实际，通过建立各种神经网络模型对爆破参数进行优化研究，并取得了很好的效果^[6~9]。除此之外，层次分析和模糊数学^[10]、Kuz-Ram数学模型^[11]、时序控制^[12]、推壁机理研究^[13]等方法也被应用于爆破参数的优化研究中，并取得了令人满意的结果。

概括来说，目前国内外工程爆破领域进行爆破参数优化研究时，主要采取的方法是根据工程条件，研究和建立各种数学模型，运用电子计算机及相关软件模拟、计算和优化爆破参数，以实现爆破方案的优化设计。与此同时，在各工程领域的优化设计中，神经网络、遗传算法、粒子群算法、蚁群算法等智能方法也正朝着交叉使用、优劣互补、共同完善的方向发展，这也是爆破参数优化研究的重要方向。

1.3 研究内容

本文的主要研究内容包含以下几个方面：

请支付后下载全文，论文总字数：20990字