基于SSA-RBF神经网络的煤自然发火预测模型

为解决传统煤自燃预测模型预测状态单一和预测精度不高的问题,提出基于麻雀搜索算法(SSA)优化的径向基(RBF)神经网络煤自然发火预测模型。首先,采用程序升温试验分析煤样指标气随温度的变化特征,将煤自然发火过程按煤温分为缓慢(80≤t_(i)<120℃)、加速(120≤t_(i)<160℃)和激烈(t_(i)≥160℃)3个氧化阶段,同时分析这3个阶段指标气与煤温的灰色关联度;其次通过不同维度测试函数检验粒子群算法(PSO)、灰狼算法(GWO)和SSA算法性能;最后利用6个矿区数据验证基于SSA-RBF神经网络的煤自燃预测模型的优越性。结果显示,缓慢氧化阶段CO/ΔO_(2)、CO、C_(2)H_(4)这3种指标气体与煤温的灰色关联系数最大;而加速氧化阶段C_(2)H_(4)/C_(2)H_(6)、CO/ΔO_(2)、CO_(2)/CO_(3)种指标与煤温的灰色关联系数最大。3种不同维度函数的测试结果表明:SSA与PSO、GWO相比具有更好的全局搜索能力和稳定性,其收敛速度更快;神经元数量为5个、迭代次数为300次时,SSA-RBF神经网络预测模型对缓慢氧化和加速氧化阶段的预测准确性分别达到了99%和93%。

灵新煤矿煤自然发火规律及指标气体研究

利用大型煤自燃试验台对灵新煤矿16号煤层煤样在常温170℃范围内的氧化特性和指标气体参数规律进行了测试。结果表明,煤温以26 d和37 d为界呈现出不同的升温速率;期间CO、CO_(2)为煤氧反应的主要产物,其余指标气体陆续由煤体氧化与分解产生且浓度较低;随着煤温的不断升高,实验炉内最高温度点的位置主要沿中轴线变化,并逐渐向进风口下移。此外,对于指标气体的讨论结果表明,炉内O_(2)浓度沿气流方向从进口侧开始逐渐降低,而CO和CO_(2)浓度则表现出相反的变化规律。研究结果为现场煤自燃的预测和防治提供了有力的依据。

圆柱形煤自然发火实验台的数值模拟研究

XK型煤低温自然发火实验台能够较好地模拟实际条件下煤体的自燃过程,但由于受模拟实验用煤量大、周期较长、费用较高等条件的限制,不可能对各种不同条件下的煤样自燃过程进行多次实验模拟。为此,本文根据圆柱形实验台结构特点和煤样自燃特点,建立圆柱形实验台煤样自燃过程二维数学模型;然后,应用有限差分法对自然发火模型进行数值计算。最后,以兖州东滩矿煤样自然发火实验为基础,对圆柱形煤样自燃过程进行数值模拟,其结果与实验基本一致。

大型煤自然发火实验台自动控制系统的设计

煤自燃的发生和发展是一个十分复杂的物理化学过程,大型煤自然发火实验台的建造解决了煤自然发火的实验模拟问题。实验台智能化的自动控制系统可实现煤体温度、气体浓度、环境温度和设备状态的自动检测和监测,数据的采集量和精度大幅度提高,为实现煤自燃过程的数值模拟和预测奠定了良好的基础,为现场实际条件下煤自然发火的预测预报提供了更加可靠的依据。

数据融合算法在煤自然发火实验系统中的应用

煤自燃是矿井的主要灾害之一,煤自然发火实验台的建造为煤自然发火的实验模拟提供了有效的解决方案;实验中温度数据的准确、可靠测量是目前亟待解决的技术问题。对煤自然发火实验台的温度数据采用改进的一致性数据融合算法进行处理,该方法的应用使融合结果有更高的精度,更强的抗干扰能力。

预测煤自然发火的新方法──气味检测法

本文简要介绍了气味传感器及煤自然发火的气味检测法的工作原理，并对其优越性进行了分析，阐明了气味检测法是一种先进的煤矿火灾预测预报方法。

基于MATLAB6.1的煤自然发火煤体温度灰色预测研究

根据煤自燃基本规律,建立灰色预测的一维模型GM(1,1)进行预测。预测软件结果表明,灰色预测GM(1,1)模型对煤温进行预测具有理论可行性,且精度较高,说明灰色理论在煤温预测上具有实用价值,同时,预测结果对设备故障诊断具有指导意义。

优化GM(1,1)模型在煤自然发火实验中的温度预测及算法研究

根据煤自燃的基本规律,在煤自然发火实验基础上建立煤自燃煤体温度的灰色GM(1,1)模型,基于GM(1,1)模型建立了优化GM(1,1)模型,并对煤火温度进行预测。采用MATLAB数学软件进行编程模拟计算并对模型进行精度检验,说明优化GM(1,1)模型在煤温预测上的实用价值,同时预测结果对设于设备故障诊断具有一定的指导作用。

煤自然发火过程颗粒堆积体结构形态演化实验研究

在煤炭开采、储存及运输过程中,煤炭常以颗粒堆积体的形式暴露于氧化环境之中,煤颗粒堆积结构直接影响了堆积体内高温火源的形成与蔓延规律,是形成非控制灾害的关键影响因素之一。煤自然发火过程中堆积结构形态演化规律研究对煤堆内高温火源预测及煤矿火灾防控具有重要意义。以马道头矿8404工作面的煤样为研究对象,制备了5组不同氧化温度下的堆积试样,利用微焦显微Computed Tomography(CT)实验平台对试样进行显微断层扫描。获得显微断层CT图像序列后,采用几何均值滤波算法与大津算法(Otsu Method)对显微断层序列进行图像处理,降低原始图像中的噪声并将其转化为二值图像序列。基于处理后的二值图像序列,应用三维重构算法重构了各组试样堆积结构。定量分析了煤颗粒堆积体孔隙率、颗粒体积、颗粒表面积等结构参数的演化规律。研究结果表明:随着氧化温度升高,煤颗粒堆积体孔隙率、颗粒数量与平均颗粒比表面积增大,平均颗粒体积与表面积减少,其中300~400℃温度段的变化最明显,300℃与400℃时堆积结构内平均颗粒体积分别为14.95与2.50 mm^3;平均颗粒表面积为36.17与9.13 mm^2;煤颗粒堆积体孔隙率变化与煤颗粒形态变化有关,实验煤样两者变化阈值均在300℃附近,当氧化温度高于此阈值时,煤颗粒堆积体内颗粒裂解加剧,孔隙结构连通性提高,氧化过程更加剧烈。

基于机器学习的煤自然发火期预测

为快速准确地预测煤自然发火期,首先基于大型煤自燃低温氧化试验及文献数据组成数据集,并考虑煤自燃影响因素众多且与发火期存在复杂的非线性关系,建立包含煤自然发火期、环境温度、煤炭热值、水分等参数的数据集;其次采用多层感知机(MLP)和随机森林(RF)等机器学习方法建立煤自然发火期预测模型,表征内部因素和外部因素对发火期的影响;同时为增强模型的拟合能力和泛化能力,利用特征工程研究特征变量的相关性,以筛选模型的输入特征;然后利用网格搜索法优化模型超参数,以提高模型的预测能力;最后利用学习曲线法评估模型状态,防止模型过拟合。结果表明:RF和MLP模型均能预测煤自然发火期,RF模型的泛化能力更高;RF和MLP模型预测的平均绝对误差(MAE)分别为9.34天和12.10天,说明机器学习模型可同时考虑多个内外影响因素的复杂作用。

煤自然发火预报技术在大同煤矿的应用

煤自然发火预报是对煤炭火灾参数指标进行超前早期识别和预警的根本技术手段。大同煤矿结合本矿煤炭的实际情况,通过对煤自燃火灾指标气体及其生成的辅助性指标的超前判识,及时、准确地预测预报煤自然发火征兆,推断自然发火发展的趋势,采取均压、密闭堵漏、预灌浆等措施进行治理。

塔山矿3-5煤自然氧化气体生成规律实验研究

中煤塔山矿为近距离煤层群放顶煤开采,存在采空区漏风、煤自燃有害气体涌出问题,为加强煤层自然发火预测预报、防止采空区煤自然发火,对3-5煤自燃氧化过程生气规律进行了实验研究。研究表明,CO、CO_(2)生气量随煤样温度升高呈指数型增加,CO产生的临界温度为49℃,缓慢氧化阶段,煤温<159℃;加速氧化阶段,煤温159~231℃;激烈氧化阶段,煤温>231℃;随煤温升高,各烃类气体生成量随C原子数增多而减少,且烷烃类气体生成量>烯烃类>炔烃类;相同温度条件,各主要气体产物生气量随供氧量降低而减少。

利用露天开采地带的露天采煤自然保护工艺

叙述了利用露天工艺地带新的形成原理和发展的内部排土开采缓斜矿层的合理开采工艺方法。这种方法的主要组成部分是：几何形状;开采地带发展方向;露天矿工作帮和运输网的结构;内部排土的可能性;采矿作业的土地容量。分析证明,根据提出的这种自然工艺可得出下列有效工艺。

圆柱型煤自然发火实验台的误差分析

煤自然发火实验真实的模拟煤低温自燃全过程,跟踪测定煤体的温度、氧浓度和其他气体含量的变化,研究煤的氧化放热特性,实验模拟的关键在于蓄热环境的控制。根据圆柱型煤自然发火实验台的结构特点,在实验结果的基础上,从煤体自然放热量和炉体散热量的角度,理论分析不同温度阶段散热量所占放热量的比率(即散热率)的变化关系,从而得出该实验台中将煤体与保温水层的温差控制在1℃左右,散热率小于10%,平均散热率为6%,实验误差在充许范围内。

煤自然发火期快速测定的实验研究

介绍了煤实验最短自然发火期的快速测试方法。通过实验数据分析,确定了70℃时煤样排气出口氧气含量(C_(70))与交叉温度点(T_(cpt)),分别是煤低温缓慢氧化阶段和快速氧化阶段升温特性的特征参数。结合C_(70)和T_(cpt),计算得出了煤在缓慢氧化阶段的平均升温速率与煤在快速氧化阶段的绝热氧化时间,实现了煤实验最短自然发火期快速测定。

CaCl_(2)溶液对煤自燃的阻化效果的影响实验研究

将质量分数为20%的CaCl_(2)溶液作为阻化剂,将原煤分别置于不同温度(30、50、70、90℃)的CaCl_(2)溶液中浸泡不同时长,以制备不同预阻化程度的煤样,借助程序升温实验和红外光谱实验,研究CaCl_(2)溶液对煤自燃的阻化效果。结果表明:随着预阻化温度的升高和预阻化时长的增加,煤表面活性基团(-CH_(3)、-CH_(2)和-COOH、-C=O)的含量以及煤耗氧速率显著降低,预阻化率和交叉点温度明显提高;提高预阻化温度和增加预阻化时长均能够明显提高阻化剂对煤自燃特性的抑制率。

变氧浓度环境下煤自然发火气体预报指标优选

针对清水营矿煤自燃特征,设计了煤自燃高温程序升温实验炉,采用该实验炉将清水营煤矿煤样分别在在3%、5%、9%、13%、17%、21%的氧浓度条件下进行程序升温实验并对比分析。研究了不同氧浓度条件下气体生成规律,分析了变氧条件下对煤自燃进程的影响,掌握了不同氧浓度条件下煤氧化气体产生特性,在此基础上对清水营矿煤在不同氧浓度环境下指标气体进行优选。

基于煤氧复合过程分析的自然发火期预测技术研究

国内外对煤炭自然发火期的几种定义和计算方法 ,重点介绍基于煤氧复合过程分析的自然发火期的定义 ,根据自然发火模型 ,提出了煤层自然发火期预测方法。该技术在兖州矿区东滩煤矿 4 30 8沿空轨顺等得到验证。得出的结论给煤自然发火期的定义、计算及煤自然发火的预测。

煤仓自然发火过程高温点运移规律试验研究

为得到煤仓自燃过程中高温点运移规律,预防煤仓自然发火事故的发生,运用漏风场和结构相似的大型煤低温自然发火试验台测试了松散煤体升温过程中高温点移动规律,并提出了"定期清理、降温减氧、监测监控"的综合防治措施。结果表明:高温点首先出现在煤仓高度3/5处,然后逐步在中心轴向着煤仓下部进风侧移动,同时沿着垂直中心轴朝东南向转变,最终停留在距进风侧较近的煤仓下部并向着煤仓边缘空隙率更大的位置发展。在低温阶段(100℃以内)、风量小于0.6 m3/h时,高温点在中心轴方向下降幅度更大;在高温阶段,高温点未随着风量的增大发生移动。

基于主成分分析优化煤矸石自然发火过程实验研究

煤矸石山自燃受到多方面因素影响。为能够更好表现煤样自然发火过程中对煤自燃产生主要影响的因素,便于对煤自燃过程进行定量研究,使得实验能够更加准确地反映实际生产过程中的煤自然发火过程,并使实验中变量控制能够更加合理高效,采用基于主成分分析算法对煤矸石自然发火过程主要影响因素进行数值分析整理。对经过主成分分析评价的影响因素,进行相应的定量研究,极大地提高了对煤矸石自然发火过程实验材料的利用,为实验有效进行提供了数值模型。