煤矿煤尘爆炸特性实验及影响因素分析

为进一步探究煤矿煤尘爆炸的主要特点,以20 L球形爆炸反应釜为基础设备,搭建煤矿煤层爆炸特性实验的主要装置进行实验测试,通过大量实验验证了不同煤尘中粒粒径和瓦斯浓度对爆炸压力及其变化情况的影响。结果显示,当煤尘中粒粒径处于较低水平,或瓦斯与氧气之比可完全反应时,爆炸压力相对更高,变化也较为迅速,特别是瓦斯混合煤尘后的爆炸效果相对更为突出。初步探讨了相应的防范措施,以期为今后的煤矿开采和运输等环节提供一定的参考借鉴。

基于Topsis决策算法的煤矿煤尘危害程度研究

国家一直对煤炭职工的生命安全和健康问题十分重视,由于我国煤炭企业生产条件差,粉尘浓度严重超标,直接对煤炭工人的生命和健康造成重大危害。为了更加科学合理地评价煤炭粉尘与发病率的关系,文章采用Topsis决策算法进行研究,得出各煤炭企业的危害等级,以供相关部门参考。

煤矿煤尘重大危险源及防范措施研究

随着我国经济的持续增长,煤矿行业也得到了长足的发展,同时也推动了我国煤炭开采业不断地发展,但在煤炭开采、运输、加工等过程中,经常会产生大量的煤尘,危害人体健康的同时危及煤矿的安全,阻碍了矿井的安全生产,因此,必须要采取有效的综合防尘措施。文章首先分析了煤矿煤尘重大危险源的概念及相关危害,然后对煤矿煤尘重大危险源的防范措施进行了深入的探讨。

基于声音特征的煤矿瓦斯和煤尘爆炸识别方法

为尽早发现瓦斯和煤尘爆炸事故,提出了基于声音特征的煤矿瓦斯和煤尘爆炸的识别方法:利用矿用拾音器实时采集监控区域声音,通过双树复小波变换,提取分解分量的能量熵比值,构成声音信号的特征量,带入极限学习机(ELM)建立识别模型.通过特征提取试验得到:瓦斯和煤尘爆炸声音的各分量能量熵比值跨度起伏小,整体稳定;煤矿井下其余声音的能量熵比值跨度起伏大.采用ELM模型参数进行试验得到:随着隐含层神经个数的增加,ELM分类器的训练精度不断提升,分类器的误差不断降低,当隐含层神经元个数为20个时,ELM网络的训练精度趋于稳定.识别结果表明:识别模型对训练样本的识别率稳定在98.89%,模型平均识别率为93.5%,能够满足煤矿安全生产和应急救援需求.

Simulation of flow-field interior dust removal system at a transit point and the overall technology of dust removal

In order to make a reasonable dry-type dust removal plan of the coal transit spot in a coal washery,it is essential to install the dust removal fan and guide chute.By means of the numerical simulation,the pollution mechanism at a transit point and the flow-field interior dust removal system had been analyzed.The result shows that the dust pollution at transit spot is mainly cased by the joint effort of induced airflow and shock-wave.With the appropriate dust removal fan and the guide chute,will effectively eliminate the positive pressure by gave rise to by the impact of falling coal,also avoid the secondary pollution.