№81-1
Обґрунтування методів прогнозування раннього виявлення зон підвищених деформацій для забезпечення повторного використання гірничих виробок
В.І. Бондаренко1, І.А. Ковалевська1, Р.А. Галков1, О.Р. Мамайкін1, І.В. Шека1
1Національний технічний університет «Дніпровська політехніка», Дніпро, Україна
Coll.res.pap.nat.min.univ. 2025, 81:7–17
Full text (PDF)
https://doi.org/10.33271/crpnmu/81.007
АНОТАЦІЯ
Мета. Обґрунтування методів раннього виявлення зон підвищених деформацій у гірничих виробках для їх повторного використання.
Методика дослідження. Для досягнення поставленої мети використано комплексний підхід, що включає аналіз методів моніторингу стану виробок та прогнозування їх деформацій, а також сканування виробок для виявлення зон підвищених деформацій у програмному продукті Trimble RealWorks.
Результати дослідження. Проаналізовано технології, які дозволяють оперативно реагувати на зміни геомеханічних умов у шахтах. На базі методу 3D-сканування виробок проведено експеримент, спрямований на прогнозування та раннє виявлення зон підвищених деформацій і побудовано залежності зміни ширини та висоти виробки за результатами натурних спостережень за кріпленням 148 збірного штреку шахти Ювілейна без раннього прогнозування та за результатами 3D-сканування й раннього прогнозування, а також залежності зміни перерізу виробки за результатами натурних спостережень за кріпленням 148 збірного штреку шахти Ювілейна без раннього прогнозування та за результатами 3D-сканування й раннього прогнозування. Критично важливим є обмеження тиску на увесь контур рами, а одним із шляхів вирішення даного завдання є встановлення стояків кріплення посилення.
Наукова новизна. Вперше на базі методу 3D-сканування виробок було проведено експеримент, спрямований на прогнозування та раннє виявлення зон підвищених деформацій. Побудовано залежності зміни ширини, висоти та перерізу виробки за результатами натурних спостережень за кріпленням 148 збірного штреку шахти Ювілейна без раннього прогнозування та за результатами 3D-сканування й раннього прогнозування. Отримані дані були використані для встановлення стояків кріплення посилення, що сприяло підвищенню безпеки.
Практичне значення. Отримані результати доводять, що використання методів прогнозування раннього виявлення зон підвищених деформацій дозволяє виявляти потенційно небезпечні ділянки на етапі підготовки та експлуатації гірничих виробок, що разом зі своєчасними заходами для зміцнення і стабілізації конструкцій забезпечить збереження інфраструктури та зменшення витрат на перекріплення гірничих виробок.
Ключові слова: гірський масив, повторне використання, стан виробок, штучний інтелект.
Перелік посилань
1. Global Energy Monitor (n.d.). https://globalenergymonitor.org/projects/global-coal-plant-tracker
2. Hou, G., Hu, Z., Li, Z., Zhao, Q., Feng, D., Cheng, C., & Zhou, H. (2023). Present situation and prospect of coal mine safety monitoring based on fiber bragg grating and distributed optical fiber sensing technology. Journal of China Coal Society, 48(S1), 96–110. https://doi.org/10.13225/j.cnki.jccs.2022.0527
3. Бондаренко, В.І., Ковалевська І.А., Симанович, Г.А., Цівка, Є.С., & Шека, І.В. (2022). Обґрунтування ефективності використання кріплення з вуглепластику для гірничих виробок на шахтах Західного Донбасу. Збірник Наукових Праць НГУ, 68, 30–42. https://doi.org/10.33271/crpnmu/68.030
4. Khorolskyi, A., Kosenko, A., & Chobotko, I. (2024). Application of graphs and network models for designing processes for control of the stress-strain state of a rock mass. ARPN Journal of Engineering and Applied Sciences, 19(3), 164–171. https://doi.org/10.59018/022429
5. Bondarenko, V., Kovalevska, I., Sheka, I & Sachko, R. (2023). Results of research on the stability of mine workings, fixed by arched supports made of composite materials, in the conditions of the Pokrovske Mine Administration. IOP Conference Series: Earth and Environmental Science, 1149. https://doi.org/10.1088/1755-1315/1149/1/012026
6. Шека, І.В., Салєєв, І.А., Шишов, М.В., Малова, О.К., Почепов, В.М., & Мамайкін, О.Р. (2023). Аналіз використання композитних матеріалів для подальшого застосування у кріпленнях гірничих виробок. Збірник Наукових Праць НГУ, 72, 30–42. https://doi.org/10.33271/crpnmu/72.062
7. Шека, І.В., & Цівка, Є.С. (2021). Обґрунтування вуглепластику як інноваційного матеріалу для кріплення гірничих виробок вугільних шахт. Збірник Наукових Праць НГУ, 64, 112–121. https://doi.org/10.33271/crpnmu/64.112
8. Khorolskyi, A., Mamaikin, O., Fomychova, L., Pochepov, V., & Lapko, V. (2022). Developing and implementation a new model optimizing the parameters of coal mines under diversification. ARPN Journal of Engineering and Applied Sciences, 17(16), 1544–1553.
9. Petlovanyi, M. & Sai, K. (2024). Research into cemented paste backfill properties and options for its application: Case study from a Kryvyi Rih Iron-ore Basin, Ukraine. Mining of Mineral Deposits, 18(4), 162–179. https://doi.org/10.33271/mining18.04.162
10. Kuzmenko, O., Dychkovskyi, R., Petlovanyi, M., Buketov, V., Howaniec, N., & Smolinski, A. (2023). Mechanism of interaction of backfill mixtures with natural rock fractures within the zone of their intense manifestation while developing steep ore deposits. Sustainability, 15(6), 4889. https://doi.org/10.3390/su15064889
11. Kosenko, A.V. (2021). Improvement of sub-level caving mining methods during high-grade iron ore mining. Natsional'nyi Hirnychyi Universytet. Naukovyi Visnyk, (1), 19–25. https://doi.org/10.33271/nvngu/2021-1/019
12. Sun, C. (2009). New progress in ground control monitoring system in Leeville underground mine. In ROCKENG09: Proceedings of the 3rd CANUS Rock Mechanics Symposium (pp. 1–13).
13. Patri, A., Rath, S. P. & Jayanthu, S. (2013). Wireless mo nitoring system for prediction of ground movements in underground mines - A critical review. Rourkela, Department of Mining Engineering, National Institute of Technology, 4, 1–6
14. Kukutsch, R., Kajzar, V., Waclawik, P. & Nemcik, J. (2016). Use of 3D laser scanner technology to monitor coal pillar deformation. Proceedings of the 2016 Coal Operators’ Conference. Wollongong, Australia, 109–117.
15. Grehl, S., Sastuba, M., Donner, M., Ferber, M., Schreiter, F., Mischo, H., & Jung, B. (2015). Towards virtualization of underground mines using mobile robots–from 3D scans to virtual mines. Proceedings of the 23rd International Symposium on Mine Planning & Equipment Selection, Johannesburg, South Africa (Vol. 9).
16. Sdvyzhkova, O., Moldabayev, S., Babets, D., Bascetin, A., Asylkhanova, G., Nurmanova, A., & Prykhodko, V. (2024). Numerical modelling of the pit wall stability while optimizing its boundaries to ensure the ore mining completeness. Mining of Mineral Deposits, 18(2), 1–10. https://doi.org/10.33271/mining18.02.001
17. Chepiga, D., Pakhomov, S., Hnatyuk, V., Hryhorets, M., Liashok, Y., & Podkopaiev, S. (2023). Determining the deformation properties of crushed rock under compressive compression conditions. Eastern-European Journal of Enterprise Technologies, 4(1(124)), 85–95. https://doi.org/10.15587/1729-4061.2023.284386.
18. Chepiga, D., & Tkachuk, O. (2022). Experimental studies of the stability of haulage drifts on pitching seams with different methods of protection. Labour Protection Problems in Ukraine, 38(3–4), 47–53. https://doi.org/10.36804/nndipbop.38-3-4.2022.47-53
19. Wen, H., Yan, L., Jin, Y., Wang, Z., Guo, J., & Deng, J. (2023). Coalbed methane concentration prediction and early-warning in fully mechanized mining face based on deep learning. Energy, 264, 126208. https://doi.org/10.1016/j.energy.2022.126208
20. Namazi, S., Brankovic, L., Moghtaderi, B., & Zanganeh, J. (2020, January). Comparative study of data mining techniques for predicting explosions in coal mines. 10th International Conference on Cloud Computing, Data Science & Engineering (Confluence), 738–743. https://doi.org/10.1109/Confluence47617.2020.9057921