炸药与岩石匹配问题是当前土岩爆破领域中的一个重要研究课题。对此,国内外学者进行了长期的探讨和研究,并取得了一定的成就。但是目前仍然存在很多困难,由于岩石本身的复杂性和爆炸过程的瞬时性、复杂性以及其它大量的影响因素,导致岩石破碎过程也十分复杂,而以往的研究工作大多沿用经典理论,集中于表面现象的描述与解释,难以获得完整的、准确的和定量的解答。影响爆破效果的因素主要有岩石爆破特性、炸药爆炸特性以及爆破参数和工艺等,爆破的结果与爆破各影响因素之间的关系是多因素与多目标的复杂对应关系,目前从理论上还很难找到它们之间的确切联系。神经网络系统作为一种非线性映射的建模工具,尤其适合于多因素条件下的推理计算、预测。本文从人工智能的角度出发,采用神经网络和模糊理论,根据不同的岩石匹配不同性能参数的炸药。取得的主要成果如下:(1)以岩石本身的可钻性为依据,兼顾考虑到其他影响钻机钻孔速度的各种因素,研究了爆破工程施工现场通过钻孔机械实时获取岩石性质,并结合数字照相技术获取地质构造信息。按此信息进行爆破可以避免由于地质勘探钻孔信息的不足而不能比较全面地反应岩石性质而引起的不良的爆破效果乃至爆破事故的发生,同时也可以在未能获得任何地质勘探信息的情况下安全地进行爆破施工。(2)由于土岩介质和炸药的不确定性,爆炸过程中两者的相互作用就更为不确定,很难从其过程来研究炸药与岩石的匹配,而神经网络方法的特点是只考虑开始和结果,不计较中间过程,鉴于此,本文将神经网络方法应用于炸药与岩石的匹配系统中,兼顾到爆破要求,以阻抗匹配为理论基础,建立了基于神经网络和模糊综合评判的炸药与岩石智能匹配优化系统和基于模糊神经网络的炸药与岩石智能匹配优化系统。通过计算,该系统匹配所得的炸药性能参数与现有的炸药性能参数非常接近,误差均在10%以内,完全能满足实际工程的需要,具有较强的实际应用价值。(3)在基于MATLAB下的神经网络工具箱平台,分别运用BP神经网络和RBF神经网络来建立台阶爆破参数优化模型,设计结果表明,采用神经网络模型进行优化设计,其误差率都小于10%,提高了设计效率。(4)采用有限元分析软件ANSYS LS-DYNA模拟了在不同条件下的炸药与岩石匹配。模拟结果表明,当炸药与岩石的波阻抗相近时,岩体中产生的塑性区最大、炮孔壁上产生的峰值压力最大。(5)分析了爆破与静爆剂联合作用预裂成缝过程,采用边界元方法计算分析了爆破与静爆剂联合作用的成缝机理;(6)通过室内试验和现场预裂爆破试验,进一步验证了能量匹配理论。