礦山井巷掘進(jìn)爆破參數(shù)優(yōu)化設(shè)計(jì)及其三維可視化研究

朱權(quán)潔 張 震 梁 娟 張教福 劉曉輝 王志帥

(1.華北科技學(xué)院應(yīng)急技術(shù)與管理學(xué)院,河北 三河 065201;2.武漢科技大學(xué)資源與環(huán)境工程學(xué)院,湖北 武漢 430081;3.防災(zāi)科技學(xué)院文化與傳播學(xué)院,河北 三河 065201;4.浙江新紀(jì)元爆破工程有限公司,浙江 臺州 317600;5.華北科技學(xué)院安全工程學(xué)院,河北 三河 065201)

爆破掘進(jìn)是巷道開挖破巖的主要方法之一。目 前，礦山井巷掘進(jìn)爆破參數(shù)選取多采用現(xiàn)場試驗(yàn)、理論經(jīng)驗(yàn)、數(shù)值模擬等方式確定，這導(dǎo)致設(shè)計(jì)過程繁雜且存在較高門檻?，F(xiàn)場施工時(shí)，常由經(jīng)驗(yàn)豐富的技術(shù)人員設(shè)計(jì)，并以二維三視圖形式展示。這種人工設(shè)計(jì)與繪圖方法存在費(fèi)時(shí)費(fèi)力、效率低、圖紙不直觀等不足?？紤]到當(dāng)前礦山智能化建設(shè)提速，如何實(shí)現(xiàn)爆破參數(shù)的智能化設(shè)計(jì)，形成爆破鉆孔三維模型的快速生成方法，實(shí)現(xiàn)爆破設(shè)計(jì)的智能化、便捷化、精準(zhǔn)化，是該領(lǐng)域的重要研究方向。

隨著礦山爆破工藝研究的深入，大量學(xué)者及工程技術(shù)人員開展了礦山爆破參數(shù)優(yōu)化設(shè)計(jì)及其可視化等方面的研究，并取得了豐碩成果[1-2]。楊仁樹等[3]基于建立的知識庫，設(shè)計(jì)開發(fā)了煤礦巷道掘進(jìn)爆破智能設(shè)計(jì)系統(tǒng)。該系統(tǒng)可自動進(jìn)行爆破參數(shù)優(yōu)化設(shè)計(jì)，并繪制二維平面布置工程圖。高靜靜[4]通過灰色關(guān)聯(lián)分析方法，分析了不同參數(shù)與爆破效果的影響關(guān)系，并對爆破參數(shù)進(jìn)行了優(yōu)化調(diào)整。凌天龍等[5]在分析不同因素對巷道爆破質(zhì)量影響的基礎(chǔ)上，利用BP神經(jīng)網(wǎng)絡(luò)，對巷道光面爆破方案進(jìn)行了優(yōu)化設(shè)計(jì)，提高了光面爆破的可靠性。為了提高爆破質(zhì)量，岳衡等[6]基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)，建立了爆破參數(shù)優(yōu)化設(shè)計(jì)模型，獲取了最優(yōu)爆破參數(shù)，為爆破工程施工提供了有力支撐。在爆破三維可視化方面，耿偉衛(wèi)[7]開發(fā)了開挖爆破智能設(shè)計(jì)系統(tǒng)，實(shí)現(xiàn)了隧道掘進(jìn)爆破參數(shù)的優(yōu)化設(shè)計(jì)、爆破三維模型的快速生成。梁瑞余等[8]利用虛擬仿真技術(shù)，對采礦方法進(jìn)行了虛擬仿真，推動了采礦專業(yè)向立體化教學(xué)模式的轉(zhuǎn)變。荊永濱等[9]引入三維可視化技術(shù)，建立了采切工程模型、爆破模型等，提高了巷道施工效率和質(zhì)量。由此可見，將人工智能引入爆破領(lǐng)域有助于進(jìn)一步提高爆破參數(shù)取值精度，進(jìn)而提升爆破效果。

基于上述背景，在已有成果的基礎(chǔ)上，本研究基于開源的Python語言與Blender三維建模軟件，開展了爆破參數(shù)優(yōu)化設(shè)計(jì)及其三維模型快速生成研究，為爆破參數(shù)優(yōu)化設(shè)計(jì)提供了一種新的思路，對于該領(lǐng)域教育培訓(xùn)、現(xiàn)場施工設(shè)計(jì)等有著重要的參考價(jià)值。

1 研究思路

為了實(shí)現(xiàn)爆破參數(shù)的優(yōu)化設(shè)計(jì)及其三維可視化展示，本研究從爆破參數(shù)優(yōu)化設(shè)計(jì)和三維交互模型生成兩大部分入手[10](圖1)開展了相關(guān)研究。

圖1 總體思路及流程Fig.1 General ideas and flow

具體步驟如下:

(1)巖體等級劃分。通過實(shí)地勘察現(xiàn)場條件及查閱相關(guān)地質(zhì)資料，分析爆破對象的性質(zhì)及條件，對巖體等級進(jìn)行量化賦值和打分。

(2)爆破參數(shù)優(yōu)選。基于Tensor Flow框架，引入改進(jìn)的神經(jīng)網(wǎng)絡(luò)算法，建立爆破參數(shù)優(yōu)化設(shè)計(jì)模型，對爆破參數(shù)進(jìn)行智能設(shè)計(jì)。

(3)三維模型生成。調(diào)用設(shè)計(jì)的爆破參數(shù)，基于Python和Blender構(gòu)建的自動建模功能，快速生成鉆孔、裝藥結(jié)構(gòu)等三維模型，實(shí)現(xiàn)模型的縮放、移動及多圖層展示、刨切等操作功能。

2 爆破參數(shù)優(yōu)化設(shè)計(jì)

巷道掘進(jìn)爆破參數(shù)的設(shè)計(jì)主要依據(jù)巷道斷面尺寸、巖石力學(xué)性質(zhì)、現(xiàn)場地質(zhì)條件、炸藥性質(zhì)等[11]因素綜合考慮。以《礦山井巷工程施工及驗(yàn)收規(guī)范》(GBJ 213—90)的相關(guān)要求為基礎(chǔ)，綜合分析井巷掘進(jìn)爆破過程的影響因素，進(jìn)而構(gòu)建爆破參數(shù)優(yōu)化設(shè)計(jì)模型。

2.1 影響因素分析

由于影響因素眾多，且部分因素難以獲取或量化，限于篇幅，本研究僅分析巖體性質(zhì)、爆破鉆孔參數(shù)等因素對井巷爆破工程的影響。

2.1.1 巖體性質(zhì)

巖體性質(zhì)是井巷掘進(jìn)爆破參數(shù)設(shè)計(jì)的主要影響因素之一。研究可知，巖體性質(zhì)等級可依據(jù)巖體可爆性與裂隙發(fā)育程度進(jìn)行劃分。其中，巖體可爆性是巖體物理力學(xué)性質(zhì)、炸藥性能、設(shè)計(jì)施工等因素的綜合反映[11-13]，可綜合波阻抗、巖體極限抗壓強(qiáng)度、普氏系數(shù)、巖石堅(jiān)固性等級4項(xiàng)指標(biāo)進(jìn)行評定。本研究結(jié)合文獻(xiàn)[12-13]，綜合多種影響因素獲得的巖體等級劃分及其爆破性分級結(jié)果見表1。

表1 巖體等級劃分及其爆破性分級Table 1 Classification of rock mass and its explosiveness

2.1.2 爆破鉆孔參數(shù)

巷道斷面特征是進(jìn)行炮孔數(shù)量、間排距設(shè)計(jì)的主要依據(jù)。其中，巷道斷面面積決定巖石夾制作用的大小，影響著炸藥的消耗量。因此，需要根據(jù)實(shí)際情況，設(shè)計(jì)炮孔排距、間距、裝藥量、密集系數(shù)等;同時(shí)考慮掏槽眼、周邊眼的特殊性，有針對性地進(jìn)行設(shè)計(jì)。

爆破施工時(shí)需考慮爆破鉆孔直徑、孔深與藥卷直徑等因素，此外，掏槽方式、起爆順序、連接方式同樣影響爆破效果。本文研究對象為某礦指定巷道，其斷面尺寸相同、地質(zhì)條件相近，因此，限于篇幅，此處不再分析，后續(xù)研究將進(jìn)一步深入討論。

2.2 優(yōu)化模型

2.2.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是基于誤差逆?zhèn)鞑ピ斫⒌亩鄬泳W(wǎng)絡(luò)模型，圖2所示為多神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)，該圖顯示了輸入變量與輸出變量之間潛在的映射關(guān)系。由于BP神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自適應(yīng)和容錯(cuò)能力強(qiáng)的優(yōu)勢，目前被廣泛應(yīng)用在不同行業(yè)。

圖2 多神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Structure of multi-neuron network

2.2.2 粒子群優(yōu)化算法

粒子群優(yōu)化算法(Particle Swarm Optimization，PSO)是基于鳥群捕食演變而成的隨機(jī)優(yōu)化方法[11]。該方法利用粒子進(jìn)行搜索，無需交叉、變異運(yùn)算，具有搜索速度快等特點(diǎn);此外，由于模型結(jié)構(gòu)簡單、科學(xué)，運(yùn)算過程無需設(shè)置繁雜的參數(shù)，易于建模實(shí)現(xiàn)，且具備良好的搜索優(yōu)化能力。

2.3 優(yōu)化設(shè)計(jì)模型構(gòu)建

BP神經(jīng)網(wǎng)絡(luò)的預(yù)測能力與學(xué)習(xí)率、隱含層節(jié)點(diǎn)數(shù)目等參數(shù)的設(shè)置有關(guān)。目前，BP神經(jīng)網(wǎng)絡(luò)算法的不足在于:①相關(guān)參數(shù)選取方法為試錯(cuò)法與經(jīng)驗(yàn)法，不易直接選取到最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，從而使模型預(yù)測準(zhǔn)確度降低;②易陷于局部最優(yōu)解。為此，本研究將PSO模型與BP神經(jīng)網(wǎng)絡(luò)有效結(jié)合，建立了改進(jìn)的優(yōu)化設(shè)計(jì)模型。該模型利用PSO算法的最優(yōu)參數(shù)搜索能力快速求取最佳的網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，可有效提高BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的準(zhǔn)確性。改進(jìn)模型的具體實(shí)現(xiàn)流程如下:

(1)對PSO模型種群規(guī)模、學(xué)習(xí)因子等初始參數(shù)進(jìn)行選取。

(2)將步驟(1)中選取的初始化參數(shù)傳輸至BP神經(jīng)網(wǎng)絡(luò)模型中。

(3)將收集的典型成功爆破案例數(shù)據(jù)劃分為訓(xùn)練集、預(yù)測集。BP神經(jīng)網(wǎng)絡(luò)模型先調(diào)用訓(xùn)練集數(shù)據(jù)進(jìn)行訓(xùn)練，達(dá)到設(shè)置的迭代次數(shù)時(shí)結(jié)束訓(xùn)練，并輸出適應(yīng)度值。

(4)依據(jù)輸出的適應(yīng)度值，獲取粒子群體、個(gè)體極值及粒子的歷史最優(yōu)位置。粒子在迭代過程中，不斷更新位置、速度及適應(yīng)度，最終獲取粒子個(gè)體極值和群體極值[13]。

(5)當(dāng)?shù)螖?shù)為設(shè)置的數(shù)值時(shí)，將輸出的最佳參數(shù)(適應(yīng)度、學(xué)習(xí)率、第1隱含層節(jié)點(diǎn)數(shù)目、第2隱含層節(jié)點(diǎn)數(shù)目)代入BP神經(jīng)網(wǎng)絡(luò)中，建立爆破參數(shù)預(yù)測模型。

(6)利用爆破參數(shù)預(yù)測模型調(diào)取預(yù)測集數(shù)據(jù)，進(jìn)行爆破參數(shù)的預(yù)測、輸出。

3 爆破設(shè)計(jì)三維可視化

3.1 模型生成流程

以上述模型優(yōu)化設(shè)計(jì)得出的爆破參數(shù)為數(shù)據(jù)基礎(chǔ)，提出了一種基于Blender開源軟件的爆破鉆孔三維模型快速生成方法。該方法可實(shí)現(xiàn)自動生成炮眼、裝藥結(jié)構(gòu)等三維模型，建模流程如圖3所示。

圖3 三維模型參數(shù)化建模流程Fig.3 Parametric characterization process of 3D model

具體建模步驟為:

(1)基礎(chǔ)數(shù)據(jù)獲取?；谙锏罃嗝鎱?shù)、爆破參數(shù)、藥卷長度等，獲取待開挖、已開挖巷道模型參數(shù)，各類炮眼特征參數(shù)，每個(gè)炮眼布置的藥卷個(gè)數(shù)等信息，為三維模型構(gòu)建提供數(shù)據(jù)支撐。

(2)圍巖及柱體模型生成。調(diào)用基礎(chǔ)數(shù)據(jù)，利用模型生成算法，建立圍巖三維模型;生成具有特定空間形態(tài)的柱體模型，實(shí)現(xiàn)鉆孔、裝藥結(jié)構(gòu)的可視化描述。

(3)鉆孔及裝藥結(jié)構(gòu)模型生成。驅(qū)動Blender軟件“布爾切分”功能模塊，切除圍巖模型與爆破鉆孔空間形態(tài)一致的柱體交集部分，實(shí)現(xiàn)爆破鉆孔三維模型的參數(shù)化表征;同時(shí)，對與藥卷、雷管等空間形態(tài)一致的柱體模型進(jìn)行顏色設(shè)置，實(shí)現(xiàn)裝藥結(jié)構(gòu)模型的可視化描述。

3.2 三維模型構(gòu)建

基于上述思路，提出了一種鉆孔參數(shù)化表征方法，實(shí)現(xiàn)了爆破鉆孔、裝藥結(jié)構(gòu)三維模型的一體化構(gòu)建。具體步驟分析如下。

3.2.1 爆破鉆孔模型生成

首先，確立三維模型的坐標(biāo)系，計(jì)算描述炮眼形狀的關(guān)鍵特征節(jié)點(diǎn)坐標(biāo);其次，借助Blender軟件建模功能，以“點(diǎn)構(gòu)面構(gòu)體”的方式，構(gòu)建與炮眼屬性(空間位置、長度等)相一致的柱體模型;最后，建立圍巖模型，并調(diào)用Blender軟件“布爾剪切”功能合并柱體與圍巖模型，進(jìn)而生成炮孔模型。具體步驟為:

(1)建立空間坐標(biāo)系。合理建立空間坐標(biāo)系，可簡化計(jì)算量、減輕建模負(fù)擔(dān)。本研究以O(shè)為坐標(biāo)原點(diǎn)建立的空間坐標(biāo)系如圖4所示。

圖4 巷道及圍巖三維模型結(jié)構(gòu)Fig.4 Structure of 3D model of roadway and surrounding rock

(2)關(guān)鍵特征節(jié)點(diǎn)坐標(biāo)計(jì)算。關(guān)鍵特征節(jié)點(diǎn)主要用來構(gòu)建與炮眼空間形態(tài)相同的柱體模型。如圖5所示，將圓On0、On1N等分(本文選N=16)，以等分點(diǎn)an0P0，…，an0P15與an1P0，…，an1P15作為柱體的關(guān)鍵特征節(jié)點(diǎn)。

(3)柱體模型生成。柱體模型生成主要分為兩部分。如圖5所示，利用Python語句，聯(lián)合Blender建模函數(shù)，依次循環(huán)生成an0P0an1P0an1P1an0P1、an0P1an1P1an1P2an0P2，…，an0P15an1P15an1P0an0P0等平面，利用這些平面共同拼接成柱體的曲面模型。再利用 上述方法，循環(huán)生成an0P0an1P0，…，an0P15an0P0、an1P0an1P1，…，an1P15an1P0圓面模型。通過生成的曲面與圓面模型即可組成與爆破鉆孔空間形態(tài)相一致的柱體模型。依次類推，生成全部與設(shè)計(jì)的爆破鉆孔空間形態(tài)相一致的柱體模型。

圖5 炮眼模型結(jié)構(gòu)Fig.5 Structure of perforation model

(4)炮孔模型生成。建立長方體模型作為圍巖模型，并調(diào)用Blender布爾功能，利用差值操作，去除生成的鉆孔與圍巖模型重合部分的模型，即可形成炮眼布置三維模型。

3.2.2 裝藥結(jié)構(gòu)模型生成

裝藥結(jié)構(gòu)模型主要由炮泥、雷管、藥卷等組成。為了方便建模，本研究將藥卷、雷管等等效為柱體模型，并為柱體模型添加顏色，用于表征不同的裝藥結(jié)構(gòu)。因此，裝藥結(jié)構(gòu)的三維模型與炮眼模型生成的前3個(gè)步驟相似。具體建模過程為:①利用外循環(huán)調(diào)用第1個(gè)炮眼裝藥結(jié)構(gòu)數(shù)據(jù)，再利用內(nèi)循環(huán)分別提取炮泥、雷管、藥卷等信息，結(jié)合Blender建模功能，生成第1個(gè)炮眼裝藥結(jié)構(gòu)三維模型，同時(shí)，為不同裝藥結(jié)構(gòu)添加不同顏色，完成裝藥結(jié)構(gòu)的表征;②利用外循環(huán)調(diào)用第1個(gè)炮眼裝藥結(jié)構(gòu)數(shù)據(jù)，生成第1個(gè)炮眼裝藥結(jié)構(gòu)三維模型，以此類推，直至最后1個(gè)炮眼裝藥結(jié)構(gòu)三維模型生成，停止循環(huán)。

3.2.3 其他模型生成

光面爆破施工按掏槽眼、輔助眼、崩落眼及周邊眼順序依次起爆。由于本研究爆破鉆孔模型是按起爆順序生成的，因此，只需利用循環(huán)的方式，調(diào)用爆破鉆孔孔頂圓的圓心坐標(biāo)作為標(biāo)記數(shù)字的位置，并結(jié)合Blender文本編輯器功能，即可實(shí)現(xiàn)對鉆孔模型的數(shù)字標(biāo)記。

3.3 模型功能設(shè)計(jì)

為了對巷道爆破掘進(jìn)施工、爆破作業(yè)培訓(xùn)、采礦教學(xué)等提供有力的輔助作用，研究開發(fā)了多功能操作模塊，包括基本操作、“四格”視圖及圖層功能。其中，基本操作包括平移、旋轉(zhuǎn)、縮放功能;“四格”視圖功能可以基于同一窗口，對生成模型的正視圖、左視圖、俯視圖及用戶視圖進(jìn)行展示;圖層功能是基于不同窗口，實(shí)現(xiàn)對不同類型炮眼模型及裝藥結(jié)構(gòu)進(jìn)行展示。

4 應(yīng)用實(shí)例

4.1 實(shí)例驗(yàn)證與效果評價(jià)

某礦地處山東省菏澤市境內(nèi)，采區(qū)主要開采3#煤層，位于山西組中下部，層位穩(wěn)定、資源量豐富。由于其開采深度大，加之水文地質(zhì)條件復(fù)雜，致使沖擊地壓顯現(xiàn)和突水現(xiàn)象多發(fā)。其圍巖巖性以中、細(xì)砂巖巖組為主，局部見粉砂巖、泥巖巖組，屬中等穩(wěn)定巖體。其巷道設(shè)計(jì)寬度為5.4 m，直墻高為1.8 m，循環(huán)進(jìn)尺為2.4 m。

本研究收集了該礦多組巷道掘進(jìn)爆破參數(shù)信息，選取了具有代表性的20組數(shù)據(jù)作為樣本數(shù)據(jù)。利用改進(jìn)的模型調(diào)用80%樣本數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)(前16組)，調(diào)用20%樣本數(shù)據(jù)作為測試數(shù)據(jù)(后4組)，預(yù)測巷道爆破參數(shù)。模型參數(shù)優(yōu)化選取結(jié)果見圖6。由圖6可知:當(dāng)?shù)螖?shù)為31時(shí)，各曲線趨于穩(wěn)定，因此，模型訓(xùn)練出的最優(yōu)適應(yīng)度、學(xué)習(xí)率、第1隱含層節(jié)點(diǎn)數(shù)、第2隱含層節(jié)點(diǎn)數(shù)分別為0.028 3、0.004 7、76、43。不同模型設(shè)計(jì)出的最佳爆破參數(shù)取值見表2。

圖6 模型參數(shù)優(yōu)化選取Fig.6 Optimization selection of model parameters

表2 參數(shù)設(shè)計(jì)結(jié)果對比分析Table 2 Comparative analysis of blasting parameters design based on different models

本研究以均方誤差(MSE)、均方根誤差(RMSE)、決定系數(shù)(R2)為評價(jià)指標(biāo)，對改進(jìn)的模型與基于BP神經(jīng)網(wǎng)絡(luò)的模型預(yù)測結(jié)果進(jìn)行定量分析。MSE、RMSE值越小，表明模型預(yù)測的參數(shù)與成功案例設(shè)計(jì)參數(shù)之間的誤差越小;R2值越大，表明預(yù)測值和實(shí)際值的整體符合程度越高，評價(jià)結(jié)果如圖7所示。由圖7可知:改進(jìn)模型預(yù)測的參數(shù)與成功案例爆破參數(shù)的MAE、RMSE值分別為0.154、0.096，R2為0.914;基于BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測的參數(shù)與成功案例爆破參數(shù)的MAE、RMSE值分別為0.206、0.135，R2為0.828;改進(jìn)的模型設(shè)計(jì)出的爆破參數(shù)準(zhǔn)確度更高，且全部參數(shù)整體預(yù)測效果優(yōu)于基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型。

圖7 不同模型預(yù)測效果對比分析Fig.7 Comparative analysis of prediction effects by different models

4.2 三維效果交互展示

以表2中的最后一組數(shù)據(jù)為例進(jìn)行統(tǒng)計(jì)計(jì)算，得到的炮眼參數(shù)見表3。

表3 爆破參數(shù)優(yōu)化設(shè)計(jì)結(jié)果Table 3 Optimization design results of blasting parameters

以炮眼參數(shù)為數(shù)據(jù)基礎(chǔ)，利用三維可視化技術(shù)，建立爆破鉆孔、裝藥結(jié)構(gòu)等的三維模型。圖8所示為生成的爆破炮眼工程布置三維模型，圖9為相應(yīng)的炮眼工程二維平面布置圖。通過圖8與圖9對比發(fā)現(xiàn)，圖9喪失了爆破參數(shù)的三維特征，無法有效指導(dǎo)井巷爆破施工作業(yè)。炮眼裝藥結(jié)構(gòu)如圖10所示。由圖10(a)與圖10(b)對比發(fā)現(xiàn)，裝藥結(jié)構(gòu)的三維模型可直觀、形象地描述出裝藥結(jié)構(gòu)的空間形態(tài)。各類裝藥結(jié)構(gòu)與數(shù)字標(biāo)記功能如圖11所示。

圖8 爆破炮眼工程布置三維模型“四格視圖”Fig.8 3D model "Four-grid View" of blasting borehole engineering layout

圖9 爆破鉆孔二維布置Fig.9 2D layout of blasting boreholes

圖10 裝藥結(jié)構(gòu)示意Fig.10 Schematic of charging structure

圖11 裝藥結(jié)構(gòu)與數(shù)字標(biāo)記功能示意Fig.11 Schematic of charging structure and digital marking function

圖層功能如圖12所示，其中圖12(a)、圖12(b)、圖12(c)分別對應(yīng)掏槽眼、崩落眼及周邊眼。

圖12 以圖層展示的不同類型炮眼Fig.12 Different forms of blast holes display using layer function

爆破參數(shù)選取的合理與否，直接關(guān)系著爆破開挖施工質(zhì)量，進(jìn)而對巷道圍巖穩(wěn)定性、后期支護(hù)投資等有著重要影響。因此，本研究將設(shè)計(jì)出的最佳爆破參數(shù)用于現(xiàn)場實(shí)踐，對其爆破效果進(jìn)行評價(jià)。所形成的爆破參數(shù)三維可視化及裝藥結(jié)構(gòu)如圖13所示。經(jīng)現(xiàn)場案例驗(yàn)證，利用上述方法設(shè)計(jì)出的最佳爆破參數(shù)與既有施工經(jīng)驗(yàn)取值基本吻合，且爆破效果良好、巷道 成型質(zhì)量高。

圖13 裝藥結(jié)構(gòu)三維模型三視圖Fig.13 Three views of charging structure 3D model

依據(jù)上述方法，可實(shí)現(xiàn)對設(shè)計(jì)巷道的炮眼、裝藥結(jié)構(gòu)等自動設(shè)計(jì)，獲取最優(yōu)的爆破參數(shù)，并提供巷道掘進(jìn)爆破施工參數(shù)的三維可視化模型及交互操作界面。未來仍需完善的是，綜合考慮多種影響因素，如掏槽方式、起爆順序、連接方式等因素，進(jìn)一步優(yōu)化預(yù)測模型，提升預(yù)測結(jié)果的準(zhǔn)確性，為后續(xù)的爆破動態(tài)仿真奠定基礎(chǔ)。

5 結(jié) 論

(1)將PSO算法與BP神經(jīng)網(wǎng)絡(luò)有效結(jié)合，建立了改進(jìn)的爆破參數(shù)預(yù)測模型。相比于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)，改進(jìn)的預(yù)測模型MAE、RMSE值分別降低了0.052、0.039，預(yù)測誤差較小;R2值提高了0.086，增強(qiáng)了整體預(yù)測能力。

(2)提出了一種爆破炮眼的參數(shù)化表征方法，基于Blender開源軟件，實(shí)現(xiàn)了巷道圍巖、爆破鉆孔及裝藥結(jié)構(gòu)模型的可視化描述。該方法實(shí)現(xiàn)了爆破炮眼的快速生成及三維交互展示，彌補(bǔ)了平面布置圖無法直觀反映鉆孔空間狀態(tài)的不足。

(3)以山東某礦掘進(jìn)巷道為例，開展了爆破參數(shù)優(yōu)化設(shè)計(jì)與三維可視化展示研究。結(jié)果表明:所提方法只需輸入相關(guān)參數(shù)，即可實(shí)現(xiàn)爆破參數(shù)的快速計(jì)算及其三維模型的自動輸出，為爆破設(shè)計(jì)工作的有效開展提供了一種新思路。