煤壁片帮是制约煤炭安全高效开发的主要因素，精准监测煤壁支护状态是提高煤壁稳定性、保证回采安全的基础。针对传统煤壁变形监测技术精度低、范围小、实时性差等问题，开发了一种基于光纤布拉格光栅（FBG）的智能护帮装置，创新性地将FBG嵌入液压支架护帮板中，构建了基于粒子群优化（PSO）-径向基函数（RBF）神经网络的煤壁集中载荷反演模型，以监测煤壁支护状态。针对复杂工况下变截面结构件受力情况理论计算的局限，基于分布式光栅应变数据，通过PSO-RBF神经网络模型建立微观力学参数与宏观力学参数的对应关系，实现了对煤壁护帮板集中载荷位置及大小的高精度反演。实验结果表明：该模型在多点标定实验样本上的预测误差较低，拟合优度较高；位置坐标x，y及载荷大小q在训练集上的平均绝对误差分别为0.460 6，0.248 7，0.973 2；相比于载荷大小预测，模型对集中载荷位置预测的误差更小。研究成果为煤壁支护状态监测与回采安全保障提供了重要的理论与技术基础，也为液压支架其他结构件所受围岩载荷的精准测量提供了一种可靠方法。

0 引言
1 基于FBG的智能护帮装置
1.1 FBG传感原理
1.2 智能护帮装置结构与变形监测方法
2 煤壁对护帮装置集中载荷的反演原理
2.1 纯弯条件下集中载荷反演
2.2 基于RBF神经网络的集中载荷反演
2.3 PSO-RBF神经网络模型构建
3 实验分析
3.1 载荷数据集标定实验
3.2 PSO-RBF神经网络模型性能验证
4 结论

于翔,王国法,王家臣,等.基于智能护帮装置的煤壁变形监测和集中载荷反演技术[J/OL].工矿自动化,1-12[2025-03-08].https://doi.org/10.13272/j.issn.1671-251x.2024120069.