煤微观基团与自然发火危险性相关分析

为了研究煤微观基团与煤自然发火过程中放热特征之间的联系,采用差示扫描量热实验和红外光谱实验研究了不同变质程度煤样在煤自燃过程中的热特征参数与微观基团变化。结果表明:随着变质程度的增大,弱黏煤、肥煤、焦煤、无烟煤的芳香族化合物含量逐渐增大,分别为33.7%、39.8%、47.5%、65.4%,而含氧官能团的含量则逐渐降低,分别为53.2%、50.5%、43.6%、24.6%。利用高斯混合模型确定了煤放热过程中的燃点温度,结果表明高变质程度煤有更高的燃点和更低的自燃危险性。利用皮尔逊相关系数法确定了煤燃点与微观基团之间的关系,结果表明含取代苯,-C=C-,和-CH_(3)更多的煤的燃点温会更高,自燃危险性会减小,而含有更多-CH_(2)和-COOH的煤则恰好相反。

不同程度预氧化煤传热特性

选用气煤,预先在程序升温装置中分别氧化升温至80,120,150和200℃,原煤作为对照组,探究煤复燃的热量传递规律。采用激光导热仪FLA457分别测量空气气氛中原煤与预氧化煤在30~300℃内的热物性参数,对热物性参数进行拟合分析,并探究其对温度的敏感性。结果表明:在30~300℃内,随着温度的升高,煤样热扩散系数先减小后增大,比热容逐渐增大并趋于平稳,导热系数逐渐增大。煤样的热扩散系数变化率以及导热系数变化率呈现出先减小后增大的趋势,比热容变化率逐渐减小。在相同温度下,随着预氧化温度的增加,热扩散系数先增大后减小,导热系数逐渐减小,并且原煤的比热容和导热系数均大于预氧化煤的比热容和导热系数。此外,比热容对温度的敏感性最大。实验结果对于煤火灾害防治具有一定的指导意义。

石油企业事故隐患分析模型的研究及应用

某石油企业事故隐患重复出现,近3年来记录了30万条事故隐患数据。为解决这一问题,文中以收集到的数据资料为基础,运用SPSS软件进行数据标准化分析,总结出各类事故隐患的表现形式以及产生原因。从人的不安全行为、物的不安全状态、管理、环保4个方面结合企业实际情况总结出事故隐患类型,在此基础上建立事故隐患7级多层递阶解释结构模型(ISM)。文中分析了数据统计结果,得出石油生产过程中不仅事故隐患数量多而且表现形式复杂,需重点防治的结论,还分析了事故隐患类型的关系结构,得到事故发生的直接隐患和深层隐患,进一步提出事故隐患防治对策体系和治理对策。结果表明,在石油企业中运用多层递阶ISM能有效地建立起事故隐患层次结构,可以直观地反映出各类隐患间的层次关系,提出的事故隐患防治对策体系能有效地指导石油企业安全生产管理。

基于载铜固体吸附特性的CO消除试验

一氧化碳(CO)是煤炭开采过程中主要危害气体之一,为了降低在工作面上隅角的CO浓度,开展了碳一工业中活性炭(AC)与分子筛(NaY)吸附剂对CO吸附效果的研究。通过BET比表面积测试法和X射线衍射法分别对负载氯化亚铜的分子筛和活性炭的比表面积和孔结构、物相分析进行表征,运用自行搭建的试验台对宏观吸附效果进行测试。试验结果表明,分子筛和活性炭负载氯化亚铜后,总比表面积和微孔比表面积都减小,这会使两种吸附剂的微孔数量增多,吸附能力变强,相比活性炭,无论是否负载氯化亚铜,分子筛更有利于吸附。在静态试验中,负载氯化亚铜的分子筛消除CO的效果最好,消除率达到61.17%。通过动态试验发现风速及吸附剂质量对吸附率均有一定影响,其中风速为1.0 m/s、吸附剂质量为600 g时,CO的消除效果最优。

浅埋火区无人机热红外监测温度补偿方法

我国西北地区具有煤层厚度大、埋藏浅等特点,无人机热红外监测与温度补偿是浅埋煤火灾害信息监测的关键技术,对推进煤自燃灾害安全监测与影响范围预警评价有着重要意义。针对复杂环境下多参数对热红外温度监测结果的影响,提出了一种基于灰狼优化—双层广义回归网络与连续高度修正函数相结合的温度补偿模型。基于热红外装置中大气消光系数对接收辐射对比度的影响,选取热红外监测波段下影响温度结果的多种因素,并通过主成分分析法确定累计能够表征实际温度的指标因子,以多种环境下的无人机热红外监测实验中指标因子数据为GWO-双层GRNN网络输入,得到训练完成的离散温度补偿模型,并提出无人机高度的连续修正函数作为模型输入待补偿数据的前置流程,最后将完整温度补偿模型进行了试验与现场验证。结果表明,GWO-双层GRNN网络在数据测试中,离散补偿效果优于其他模型,达到了平均绝对误差≤0.0081、均方根误差≤0.0132、决定系数≥0.9969,表明该模型具有良好的补偿效果;连续修正函数避免了无人机高度对热红外监测结果的影响,将无人机连续高度热红外温度回归问题划分为阶跃式回归计算,且最终模型具有良好的监测精度,提高了温度补偿模型的泛化能力。为应用无人机热红外监测结果划分浅埋煤火危险区域提供了配套计算方法,可进一步将该方法推广至对应的无人机应用与激光监测行业。