張耿城 吳 凡 韓榮燦 張興帆

（1.鞍鋼礦業(yè)爆破有限公司；2.沈陽鋁鎂設(shè)計研究院）

在金屬礦山地下開采過程中，穿孔爆破是開采工藝中的重要一環(huán)。中深孔爆破技術(shù)由于具有高效率和低成本等優(yōu)點被廣泛應(yīng)用于國內(nèi)外礦山［1］。在使用中深孔爆破法落礦的礦山，工程師需要根據(jù)現(xiàn)場的實際情況使用CAD 等繪圖軟件進行大量重復(fù)的爆破設(shè)計工作。這些設(shè)計工作往往需要根據(jù)爆破邊界的變化、爆破參數(shù)的控制和爆破方量的計算而進行相應(yīng)的調(diào)整。大量重復(fù)性的爆破設(shè)計工作變得十分繁瑣與枯燥，而且常常由于微小的失誤而導(dǎo)致爆破效果的偏差。

為了快速完成工程設(shè)計中重復(fù)性的內(nèi)容，企業(yè)常常會利用相關(guān)軟件的二次開發(fā)技術(shù)定制相應(yīng)的軟件系統(tǒng)，其中最典型的代表就是AutoCAD 的二次開發(fā)。該技術(shù)目前已被廣泛應(yīng)用于機械［2］、電子［3］、建筑［4］、航天［5］和采礦［6］等各個領(lǐng)域。并且該技術(shù)可以使用VB［7］、C#［8］、AutoLisp［9］以及C++［10］等多種編程語言進行開發(fā)，具有很好的兼容性。

在中深孔爆破設(shè)計中，孔網(wǎng)幾何參數(shù)、起爆參數(shù)、炸藥裝填參數(shù)等都對爆破的最終效果具有直接影響，然而現(xiàn)今實際礦山進行爆破參數(shù)的設(shè)計時還沒有相應(yīng)的規(guī)范，設(shè)計的依據(jù)主要取決于工程師的經(jīng)驗，這種粗糙的設(shè)計方法逐漸無法滿足礦山高效生產(chǎn)的要求。

本研究針對中深孔爆破設(shè)計中存在的弊端，結(jié)合鞍山眼前山地下礦地質(zhì)報告及現(xiàn)場跟蹤測量的數(shù)據(jù)等資料，建立基于改進ELM 的地下礦爆破參數(shù)智能設(shè)計及效果智能預(yù)測模型，借助ELM 學(xué)習算法和CAD 二次開發(fā)技術(shù)開發(fā)了中深孔爆破智能設(shè)計系統(tǒng)，以某月該系統(tǒng)可以實現(xiàn)各種復(fù)雜邊界條件下的爆破智能設(shè)計，并自動計算爆破方量和炸藥用量等數(shù)據(jù)，可以大大節(jié)省工程師的時間和精力。

1 工程背景

眼前山鐵礦地處千山風景區(qū)東北5 km，西距鞍山市中心22 km。地理坐標：東經(jīng)123°9′30″；北緯41°0′04″。眼前山鐵礦總體走向270°～300°，礦區(qū)地層主要以單斜構(gòu)造為主，總體產(chǎn)狀為走向270°～300°，傾向北，傾角70°～85°，局部近直立或有倒轉(zhuǎn)現(xiàn)象。礦區(qū)褶皺和斷裂構(gòu)造發(fā)育。斷層按走向可分為走向斷層、橫斷層和斜交斷層。

礦區(qū)采用無底柱分段崩落法開采，回采落礦方式主要采用扇形上向中深孔爆破。落礦參數(shù)：炮孔扇面傾角為90°，扇形炮孔邊孔角為45°～55°，孔徑為78 mm，排距為2 m，孔底距為2 m。爆破設(shè)計參數(shù)對爆破大塊率有很大影響，并且直接影響爆破后礦石大塊率。尤其在眼前山鐵礦溜井處留有大量的大塊礦巖，鏟運機無法對其進行鏟裝作業(yè)，滯留于巷道中，從而嚴重影響到裝運設(shè)備效率和二次破碎工作量，同時，對運輸膠帶也會產(chǎn)生很大的危害。根據(jù)每個爆破位置，量身定做爆破炮孔結(jié)構(gòu)參數(shù)，可以改善礦石塊度，優(yōu)化爆破效果，并可以減小中深孔穿孔量。

2 爆破參數(shù)智能設(shè)計

2.1 ELM極限學(xué)習算法概述

基于前饋神經(jīng)網(wǎng)絡(luò)，Huang于2006第一次提出極限學(xué)習機算法（Exetreme Learning Machine，簡稱ELM［11］）。ELM 是在單隱含層神經(jīng)網(wǎng)絡(luò)（SLFNs）的延伸，被廣泛應(yīng)用于分類、擬合、預(yù)測等方面。與SLFNs不同的是，ELM 算法的隱含層節(jié)點的個數(shù)、隱含層參數(shù)與訓(xùn)練數(shù)據(jù)無關(guān)，且隱含層參數(shù)隨機產(chǎn)生，避免了梯度下降法調(diào)整參數(shù)，從而大大加快了運行速度。

圖1 是一個典型的ELM 神經(jīng)網(wǎng)絡(luò)拓撲圖。它包含輸入層、隱含層和輸出層三大層，輸入層與隱含層、隱含層與輸出層神經(jīng)單元之間全連接。輸入權(quán)值和隱含層閾值不是唯一固定的，而是隨機產(chǎn)生的。單隱含層前饋神經(jīng)網(wǎng)絡(luò)類似于一個線性系統(tǒng)，能夠通過計算隱藏層輸出的廣義逆矩陣可以確定其輸出層權(quán)值。

2.2 ELM模型的改進

ELM 的特點就是輸入權(quán)值和隱藏層偏差是隨機的，通過最小二乘法直接確定輸出層權(quán)值，具有學(xué)習快速、算法簡單等優(yōu)勢。然而ELM 算法輸入權(quán)值和隱藏層偏差隨機賦予的特點，使得其針對同一個問題時，每次構(gòu)建的模型都是不同的，不同的參數(shù)對ELM 的泛化能力有著很大的影響，隨機產(chǎn)生出不好的參數(shù)會產(chǎn)生較差的模型。因此在對ELM 的改進過程中，輸出層權(quán)值的計算方式與原ELM 計算方式相同，主要對輸入層權(quán)值和隱藏層偏置進行修改，使得整個模型朝著誤差較小的方向走。具體的改進方法如下。

第一步：完成第一次ELM 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與預(yù)測，并保存其中的權(quán)值、偏置等網(wǎng)絡(luò)參數(shù)，記錄本次訓(xùn)練的均方誤差E。

第二步：正向搜索w′=w+t，按照ELM 算法，重新更新其中的輸入權(quán)值β′，計算新的誤差E′。

第三步：比較E′和E，若E′＜E，則保留當前的輸入層權(quán)值、隱藏層偏置和輸出層權(quán)值，即w=w′，β=β′，然后繼續(xù)調(diào)到第一步。若E′＞E，則跳到第四步。

第四步：判斷權(quán)值是否為首次更新，若為首次更新，則進行下一步，若已經(jīng)更新過了，則認為找到了一個局部最小點，退出即可。

第五步：反向搜索w′=w-t，按照ELM 算法，更新輸入層權(quán)值β′，計算新誤差E′。

第六步：比較E′和E，若E′＜E，則保留當前的輸入層權(quán)值、隱含層偏置和輸出層權(quán)值，即w=w′，β=β′，然后繼續(xù)執(zhí)行第四步。若E′＞E，則退出。

第七步：對下一個粒子執(zhí)行相同的操作。

2.3 算法改進效果對比

利用上述分析結(jié)果，建立訓(xùn)練模型，在地下礦爆破參數(shù)設(shè)計數(shù)據(jù)庫中，隨機挑選10 組未經(jīng)過訓(xùn)練的數(shù)據(jù)，進行爆破大塊率的預(yù)測，根據(jù)改進網(wǎng)絡(luò)的結(jié)構(gòu)，迭代終止時模型對相應(yīng)巖石力學(xué)參數(shù)下的大塊率預(yù)測結(jié)果如圖2所示。

通過大塊率預(yù)測模型預(yù)測的爆破效果擬合情況可以看出，基于改進ELM 的地下礦爆破大塊率預(yù)測模型，隨著迭代次數(shù)的增加，預(yù)測值與期望值的擬合情況更好。依據(jù)改進的ELM 神經(jīng)網(wǎng)絡(luò)所建立的地下礦爆破大塊率預(yù)測過程中，其精準度非常高，其均方誤差僅為4.717 2×10-8，相比原ELM 網(wǎng)絡(luò)的預(yù)測結(jié)果，具有極大的提升。與期望值的誤差非常小，完全滿足礦山生產(chǎn)的誤差要求。

3 系統(tǒng)的開發(fā)與應(yīng)用

3.1 開發(fā)方法概述

從2006 版本的AutoCAD 以后，.NET API 加入到Autodesk 的開發(fā)中。其提供的一系列托管的外包類（Managed Wrapper Class），能夠使得技術(shù)開發(fā)人員在Microsoft.NET Framework 環(huán)境下，使用任何一個支持.NET 語言，例如使用VB.NET、Managed C++以及C#等語言對AutoCAD 進行功能的二次開發(fā)。其主要的優(yōu)點就在于完全面向?qū)ο螅δ芨訌姶笄曳奖憧旖?，所以其更適合作為AutoCAD 二次開發(fā)的工具。因此，本研究中的中深孔爆破智能設(shè)計系統(tǒng)，以Microsoft Visual Studio 作為程序的開發(fā)環(huán)境，采用C#編程語言進行AutoCAD 二次開發(fā)，并將開發(fā)的系統(tǒng)進行實際應(yīng)用。

3.2 功能模塊的劃分與算法流程圖

本系統(tǒng)主要由人機交互模塊、核心計算模塊、繪圖顯示模塊和數(shù)據(jù)統(tǒng)計模塊四部分組成，各模塊下屬功能具體如圖3所示。根據(jù)系統(tǒng)功能模塊的劃分，程序算法流程如圖4所示。

3.3 系統(tǒng)的界面設(shè)計

系統(tǒng)的界面設(shè)計如圖5 和圖6 所示。其中，圖5為改進ELM算法自動設(shè)計爆破參數(shù)的過程，圖6為利用CAD自動繪制中深孔炮孔的過程。

3.4 系統(tǒng)的應(yīng)用實例

利用本研究開發(fā)的中深孔爆破智能設(shè)計系統(tǒng)對眼前山地下礦-159 m 水平2 進路8#剖面進行中深孔的設(shè)計工作，系統(tǒng)首先根據(jù)輸入的巖體力學(xué)參數(shù)給出爆破參數(shù)的選擇，接著采用系統(tǒng)建議的爆破設(shè)計參數(shù)進行中深孔炮孔的布置，在繪制炮孔過程中，系統(tǒng)自動計算每個炮孔的孔深、傾角、單孔裝藥量以及孔底距等數(shù)據(jù)，并根據(jù)爆破的排距統(tǒng)計此次的爆破量，將統(tǒng)計的數(shù)據(jù)形成表格，具體情況如圖7所示。

4 結(jié)論

本研究從現(xiàn)場實際需求出發(fā)，為解決地下礦扇形中深孔爆破中依靠人工經(jīng)驗設(shè)計和大量手工重復(fù)性繪圖的問題，開發(fā)了中深孔智能爆破設(shè)計系統(tǒng)。該系統(tǒng)以改進的ELM 算法為參數(shù)優(yōu)選內(nèi)核，以基于.NET 的AutoCAD 二次開發(fā)技術(shù)為手段，可以實現(xiàn)爆破參數(shù)的智能設(shè)計和炮孔及爆破圖表的自動繪制。將該系統(tǒng)應(yīng)用于現(xiàn)場實際設(shè)計工作，取得了較好的應(yīng)用效果。