井下巷道-矿车系统风流扰动特征规律实验研究*

针对井下巷道-矿车系统易造成巷道风流紊乱、影响矿井通风系统安全稳定性的问题,建立巷道-矿车系统风流扰动模式及影响因素体系,提出表征巷道-矿车系统的风流扰动特征的关键参数,包括巷道扰动风阻、阻塞比、矿车位置,推导矿车运行至巷道不同位置时巷道-矿车系统扰动风阻计算公式,研究巷道风速、阻塞比与巷道风阻的关系。研究结果表明:矿车在巷道中顺风行驶的速度大于风速时,巷道-矿车系统对通风系统进行增压调节;当矿车逆风行驶时,巷道-矿车系统的风阻随着矿井通风系统供风量的增大而减小,最大扰动为矿车驶出巷道时刻,阻塞比与巷道风阻呈现线性递增关系;此外,小风速、小断面巷道运行的矿车对巷道-矿车系统的风阻影响较大,模型求解结果与实测数据的最大误差为6.84%。研究结果可为矿井通风系统的智能化调控提供理论依据。     

运输设备对巷道火灾烟气流动的影响

为了研究运输设备对巷道火灾中温度场及烟气流动的影响,本文采用火灾模拟软件FDS考察了两种通风速度情况下运输设备对水平巷道火灾中烟气流动的影响,并将结果进行分析比较。结果表明:与空旷巷道相比,障碍巷道内的烟气沉降较快,运输设备会使得烟流在水平方向上的迁移加快,当其位于火源右侧时;与高通风速度的巷道相比,低风速情况下运输设备对巷道温度分布影响更明显,高温区集中分布在火源与设备之间;另外运输设备会对巷道内的气流速度分布产生较大影响,巷道局部一段区域内气流速度呈现分布不均的现象。     

基于BP神经网络的摩擦阻力系数确定

矿井巷道摩擦阻力系数是整个矿井通风设计、管理以及系统改造的关键,是矿井巷道阻力特性中的重要影响因素。为了确定矿井巷道的摩擦阻力系数,提高矿井通风的管理能力,采用BP神经网络模型对矿井巷道的摩擦阻力系数进行模式识别,结合改进的贝叶斯正则化方法,运用MATLAB软件进行计算,预测矿井巷道的摩擦阻力系数。与实测的摩擦阻力系数做对比,结果表明:BP神经网络结构简单,收敛速度较快,并且预测精度高,对矿井巷道摩擦阻力系数的确定发挥重要作用,方便矿山井巷通风安全管理的实现。     

基于Fluent的矿井活塞风动力效应研究

采用标准k-ε湍流模型对矿车运行时巷道内的气流状态进行Fluent数值模拟,得到不同影响因素下矿车运行时巷内风流的变化规律。模拟结果表明,随着相对速度的增大,巷内活塞风动力效应都在增强,且逆风比顺风行驶时变化更剧烈;随着巷道阻塞比的减小,巷内的活塞风动力效应越来越不明显,巷内的损耗功率随着车速和矿车压差阻力的增大而增加。     

基于广义回归神经网络的矿井涌水量预测

矿井涌水量预测对矿山的安全生产和地下水资源的保护都有着重要意义。将广义回归神经网络(GRNN)引入到矿井涌水量预测中,以实例为研究基础,提出采用GRNN对矿井涌水量预测问题进行建模,将大气降水、采空区面积和底板构造断裂及采动裂隙三个影响因子作为网络输入,涌水量作为预测输出,采取交叉验证方法获得光滑因子来建立预测模型。预测结果表明,GRNN模型的预测值与真实值的最大相对误差仅为4.27%,而BP神经网络预测的最大相对误差为10.48%。同时,减少训练样本数量,即应用于小样本预测问题时,GRNN模型的预测结果较BP神经网络精度高且稳定性好。因此,应用GRNN模型进行矿井涌水量预测是准确的、可行的。     

瓦斯爆炸传播过程中矿车激励效应的实验研究

为了分析矿车在矿井瓦斯爆炸传播过程中的激励效应,模拟井下工作环境,构建了实验管道,按照比例建造了矿车模型,分别设定一个矿车和三个矿车链接两种实验工况进行试验。根据冲击波传播过程中激励效应的形成机制,以爆炸传播过程中火焰和冲击波波阵面变化测试为主要测试目标,采用激光纹影的测试方法,分别观测了两种工况条件下下矿车区域附近爆炸冲击波畸变情况,捕获了冲击波经过矿车附近时,冲击波变化特征。根据试验观测,当冲击波经过障碍物附近时,波阵面明显发生畸变,而当三个矿车存在时,火焰出现了回流和绕流现象,燃烧强度和速度都明显增加,这一实验结果一方面证实了矿车对瓦斯爆炸存在明显的激励效应,同时指出矿车数量多,激励效应会更强。本文研究结果对瓦斯爆炸事故阻爆、隔爆技术开发和事故调查有一定的指导意义。     

掘进巷道通风降温试验及数值模拟研究

通过对夏甸金矿-652 m水平掘进巷道进行通风降温试验,运用Comsol对试验巷道进行模拟,研究通风过程中掘进巷道内速度与温度的变化规律。研究结果表明,局部通风在30 min内即可达到较好的降温效果。通风前巷内气温超过28℃且分布紊乱,通风后巷内气温降至28℃以下,巷内流场和温度场也变稳定了;Comsol模拟局部通风时,掘进巷内距掌子面越近,温度越低,风速越高,降温效果越明显;受岩壁热交换及摩擦阻力的影响,同一巷道断面温度呈四周高中间低分布,风速呈四周低中间高分布。对比模拟与实测验证了Comsol模拟结果的准确性,为通风降温现场实际应用提供依据。     

基于MMAS-BP的煤与瓦斯突出强度预测

为提高煤与瓦斯突出强度的预测精度及预测速度,用最大最小蚂蚁系统和BP神经网络相结合的方法进行预测模型设计。根据煤与瓦斯突出强度及其主要影响因素之间的关系数据,建立其神经网络的预测模型。以网络的权值和阈值为自变量,网络误差为目标函数,通过蚁群算法的迭代运算,搜索出误差的全局最小值,以实现BP神经网络的初始权值、阈值优化,并用优化后的网络进行瓦斯突出强度的预测。实例结果表明,MMAS-BP算法的预测值均方差为0.089,约为BP神经网络的0.1倍,且输出稳定性好,适用于煤与瓦斯突出强度的预测。     

基于BP神经网络的盘管泄漏检测方法研究

针对单一阈值不能适用于多变工况条件的问题,采用动态阈值修正的流量平衡法与神经网络法相结合的新方法检测反应釜内冷却水盘管泄漏.通过盘管泄漏模拟试验,研究工况变化与泄漏时盘管进出口流量的变化情况.从流量信号中提取盘管泄漏的特征指标构造出神经网络输入矩阵,通过使用大量试验数据对BP神经网络进行训练,对比不同结构的网络训练误差结果,确定其网络结构,建立对盘管运行状况进行分类的BP神经网络模型.试验证明,这种方法能有效检测出盘管泄漏.     

基于BP神经网络不同输入变量的爆破振速预测

以某隧道爆破开挖为实例,利用BP神经网络解决复杂非线性函数逼近问题的能力,以最大段药量、爆心距、爆破分段数、泊松比、岩石基本质量指标作为影响爆破振动速度的主要因素,选取不同维数的输入变量建立BP神经网络模型来预测爆破振动速度。对比分析各组预测值与实测值之间的相对误差,选取合理维数的输入变量建立了爆破振动危害预测的BP神经网络模型。     

基于环境监测的矿井通风三维仿真辅助决策系统设计

为优化金属矿山矿井通风系统及辅助决策设计，弥补常用矿井通风仿真解算软件在环境监测、实时解算和辅助决策方面的不足，基于矿井通风理论、环境监测、计算机与通信技术开发矿井通风三维仿真辅助决策系统。提出通过利用实时监测到的井下通风环境参数（风量、风速等）和已存储在系统数据库里的巷道参数，实现对矿井通风网络实时解算，并将其应用到山金阿尔哈达矿井通风系统中。结果表明:矿井通风三维仿真辅助决策系统同步实现了山金阿尔哈达矿井通风系统的环境监测、风网实时解算和三维仿真模拟，提高了其矿井通风管理水平，为矿井通风系统改造优化设计和矿井向深部中段延伸时的通风系统设计提供辅助决策依据。     

煤体初始瓦斯涌出规律预测煤巷突出危险性研究*

为提高煤巷突出危险性预测的准确性,基于摩尔库伦准则,建立煤巷突出平衡方程,探究煤巷突出发生条件;通过COMSOL Multiphysics模拟软件探究钻孔瓦斯涌出量和瓦斯压力的关系;利用ZTL20/1000-Z型矿用隔爆型连续流量法煤层巷道突出预测装置,以薛湖煤矿二煤层为试验对象,进行煤巷突出危险性预测试验研究。结果表明:钻孔瓦斯涌出量与瓦斯压力呈线性关系,钻孔初始瓦斯流量可以作为预测煤巷突出危险性的敏感指标;最大流量峰面积、钻屑量和钻孔瓦斯涌出初速度变化趋势基本相同,且最大流量峰面积取值范围较广;最大流量峰面积突出临界值取值为59.30 (L·m2)/min。     

基于BP神经网络和SVR的Fund?o尾矿坝排水数据预测对比研究

针对尾矿库运行过程中安全预警问题,选取2015年巴西Samarco铁矿溃坝事故案例,研究BP神经网络和SVR方法在排水数据预测的适用性。综合分析了排水数据的复杂且非线性的特点,以库水位、降雨量和干滩长度为输入特征,采用上述2个模型对尾矿坝排水数据进行预测。研究结果表明:基于BP神经网络预测结果的最大相对误差不高于4.35%;基于SVR算法的最大相对误差不高于9.21%;Fundo坝的排水预测结果是可行的,BP神经网络的预测精度更高,而SVR模型的运算速度更快。研究结果可为矿山安全工作的快速响应和溃坝预警提供信息支撑和参考依据。     

乌兰木伦矿辅运上山雾气成因分析及解决措施研究*

为研究神东集团乌兰木伦煤矿1-2煤辅运上山内雾气成因,采用数值模拟方法研究进风温度、湿度、风流量等对巷道气候参数的影响。研究结果表明:不同工况下巷道内空气温度均趋近于围岩温度;冬季工况沿巷道走向相对湿度先增加后减小,随进风温度的升高巷道内相对湿度变化幅度减小;夏季工况巷道内相对湿度增加后趋于稳定,随进风相对湿度的升高而升高;巷道内相对湿度随进风速度的增加略有减小。1-2辅运上山起雾是由于风流从进风井至巷道距离过长,造成风流大量吸湿,当风流在1-2辅运上山上行时风流温度降低,风流中携带的水蒸气析出,出现雾气;通过在风路分支设置风窗,风流方向由上行改为下行,可有效解决巷道起雾现象。     

基于IPSO-BP神经网络的钢丝绳断丝损伤识别模型研究

为解决传统钢丝绳断丝损伤识别方法精度低，BP神经网络陷入局部最优等问题，提出改进粒子群算法（IPSO）的BP神经网络识别模型。通过采集钢丝绳断丝损伤信号，提取缺陷信号特征，用峰值、峰峰值、波宽、波形下面积和波动能量5个特征值组成特征向量作为神经网络的输人，断丝数量作为神经网络的输出；利用改进粒子群算法对BP神经网络的初始权值和阈值进行优化；建立基于IPSO-BP算法的神经网络模型，用于钢丝绳断丝的定量识别。结果表明:IPSO-BPS神经网络模型的钢丝绳断丝损伤识别精度、泛化能力均高于传统BP神经网络模型，且改进的粒子群算法迭代寻优速度更快。     

矿井巷道火灾烟流逆退数值模拟及临界风速研究

为了研究矿井发生火灾后高温烟流的蔓延规律及影响因素，利用COMSOL软件对火区进行数值模拟，建立巷道三维模型，得到火区风流速度与温度分布。通过改变边界条件，分析火风压作用下，火区烟气在不同控制风速、巷道条件作用下蔓延规律，得出不同因素与临界风速的关系，为选取合理的火灾控制风速提供理论依据。研究结果表明:火源温度一定时，巷道入口风速越低，火源下风侧高温烟流越靠近巷道顶部，随着风速增大，向巷道下部蔓延；风速较低时，在火区火风压的作用下，会产生烟流逆退现象，随着风速的增大，逆流层长度和厚度随之减小；巷道入口通风条件不变时，火区温度越高越容易产生烟流的逆退，影响范围越大；巷道高度越高、上行风坡度越小，越易发生逆退现象；不同影响因素与巷道平均温度不成正比关系，其中下行风坡度5~15°时巷道平均温度较高且易于发生烟流滚退现象，影响范围较大；火源温度、巷道条件与临界风速的数据拟合结果对预测巷道的临界风速有较好的参考价值。     

断面突然扩大巷道流场特征及局部阻力特性研究*

为研究突扩巷道流场特征和局部阻力特性随壁面粗糙度的变化规律,采用计算流体力学（CFD）方法对实际巷道进行数值模拟,并基于流体相似理论,搭建相似比为1∶20的实验模型,使用粒子图像测速（PIV）系统等实验装置和仪器进行突扩巷道流场测试实验与局部阻力测定实验,将实验结果对模拟进行验证,根据模拟结果,对不同壁面粗糙度的突扩巷道流场特征和局部阻力特性进行分析。研究结果表明:在流场测试方面,随风速增大,突扩后涡流区长度先增大后保持不变;在局部阻力测定方面,数值模拟结果与实验测定结果相差在10%以内,随着巷道粗糙度增加,突扩巷道局部阻力系数呈非线性增大,且当突扩比为1∶2时,粗糙度分别为0.02,0.04,0.06,0.08 m的突扩巷道局部阻力系数ξ1分别为0.373 6,0.386 3,0.395 0,0.401 6。研究结果对于新掘巷道的局部通风阻力预测工作,以及为矿井智能通风提供准确风阻参数具有重要意义。     

井下移动热源对巷道局部风流温度影响规律研究

为了研究煤矿井下热源对巷道局部风流温度的影响，通过搭建实验平台以及建立数值模型，采用实验和数值模拟的方法，分析井下固定和移动热源对巷道局部风流温度的影响规律。研究结果表明:对比实验和数值模拟固定热源对巷道局部风流温度的影响，结果显示二者总体温度变化趋势一致性较好，验证了数学模型的正确性；井下热源移动速度不同时，顺风移动速度越大，对巷道局部温度影响越大，且巷道局部温度相对升高；逆风移动速度越大，对巷道局部温度影响越小，且巷道局部温度相对降低。     

基于TruckSim的大型货物运输车辆安全运行纵坡最大长度研究*

为研究适用于典型大型货物运输车辆的道路纵坡及最大坡长参数，构建大型货物运输车辆动力学仿真模型，并考虑车辆冲坡行为及公路线形设计习惯，建立包含直线提速蓄能路段、以最小长度控制的竖曲线路段以及不同坡度纵坡路段组成的试验道路，对比分析设计速度120 km/h、纵坡坡度1.0%~3.0%，设计速度100 km/h、纵坡坡度1.0%~4.0%以及设计速度80 km/h、纵坡坡度1.0%~5.0%3种不同道路条件下，大型货物运输车辆在试验路段的运行速度变化规律。依据速度一致性原则，以大型货物运输车辆的运行速度衰减度作为控制指标，得到各设计速度道路不同纵坡路段对应的最大纵坡长度。结果表明:在保证纵坡路段满足最小长度要求的条件下，通过减小纵坡路段长度，增大竖曲线长度，可提高大型货物运输车辆纵坡路段通过性。