Knowledge discovery and disaster chain network analysis of coal mine roof accidents
-
摘要:
为预防煤矿顶板事故的发生,发现事故致因的知识和致因灾害链的网络分析具有重要意义;以煤矿顶板事故报告中的事故原因为数据集,构建事故致因知识图谱,并基于复杂网络对致因灾害链进行网络分析。研究结果表明:顶板冒顶、空顶、支架变形等22个原因是导致煤矿顶板事故发生的主要致灾因子;灾害链网络分析中风险度最大的边为违章指挥→作业人员违章作业;对关键节点和边实施管控,能有效控制煤矿顶板事故的发生或衍生发展。
Abstract:In order to prevent the occurrence of coal mine roof accidents, it is of great significance to realize the knowledge discovery of accident causes and the network analysis of disaster chain. Taking the accident causes in the coal mine roof accident report as the data set, the knowledge map of accident causes was constructed. Further, based on the complex network theory, the causal disaster chain network is constructed and analyzed. The research results show that 22 factors, such as roof collapse, empty roof and support deformation, are the main disaster causing factors of coal mine roof accidents; the side with the greatest risk is from illegal command to illegal operation of operators in disaster chain network analysis. The control of key nodes and edges can effectively control the occurrence or derivative development of coal mine roof accidents.
-
Keywords:
- coal mine roof accident /
- complex network /
- knowledge discovery /
- disaster chain /
- safety management
-
粉尘危害普遍存在于矿山开采、金属加工、建筑材料、隧道挖掘等领域,随着机械化、自动化水平的不断提高,粉尘污染也日益严重[1-2]。目前粉尘治理的方法仍在不断改进[3],这些方法能够实现对全尘浓度的有效控制,但对于呼吸性粉尘等细微粉尘的防治效果不佳[4-5],呼吸性粉尘的监测技术滞后,无法实现呼吸性粉尘的实时监测[6]。通过各种粉尘治理方法煤矿企业一定程度上改善了作业环境,但是呼吸性粉尘浓度仍高于国家相关规定[7]。呼吸性粉尘具有粒径小、逸散能力强、表面积大、容易吸附毒害物质等特点,会随风流分布在作业环境中。并且传统的降尘方法不易使粉尘沉降,给安全生产带来诸多隐患。
目前,我国粉尘防治手段主要为:减尘、降尘、隔尘、排尘和个体防护,现在普遍采用多种防尘技术联合进行综合防尘[8]。其中喷雾降尘是最常用的技术手段[9],许多专家学者对喷雾降尘技术进行了大量的相关研究。传统的高压喷雾是较为常用的降尘方式,能够有效降低粉尘浓度,不过对压力要求较高[10-11]。邬高高等[12]、王健等[13]、马威[14]研究了喷雾压力改变的条件下,雾化角、雾滴粒径、有效射程、耗水量等雾化特性的变化规律,得出压力与降尘率的关系,并对喷雾降尘的压力进行了优化;秦波涛等[15]针对综采工作面高压喷雾降尘提出了活性磁化水雾化封闭尘源的降尘技术,构建了高效降尘工艺系统。
不过,传统喷雾降尘方式产生的雾滴粒径大,对呼吸性粉尘的降尘效果不佳。而雾化技术产生的雾滴粒径小,能够达到十几微米,耗水量相比传统喷雾显著减少、对设备和压力的要求低,对沉降细微粉尘具有很大优势。同时表面活性剂的加入能够降低水的表面张力,促进水雾化成粒径更小的雾滴;又有助于增强雾滴对粉尘颗粒的润湿性,增大对呼吸性粉尘的降尘率。将表面活性剂应用于超声雾化降尘技术,研究不同因素对雾化粒径及降尘效果的影响,对改善作业环境、减少生产危害、降低尘肺病发生率具有重要价值。
为此,设计了超声雾化喷雾实验平台,将阴离子型表面活性剂快渗T应用于超声雾化喷雾技术的研究,通过雾滴粒径实验研究表面活性剂溶液在不同压强组合下的粒径参数变化规律;为超声雾化喷雾降尘技术提供理论指导和依据。
1. 实验部分
1.1 实验平台
雾化粒度测量平台示意图如图1所示。
喷雾实验平台主要由喷雾系统和测量系统组成。喷雾系统主要由喷嘴、柱塞泵、空压机、喷雾管路、调压系统、压力表、流量计、实验架台和连接装置等组成,实验架台为实验室自行搭建,底部为边长1.5 m的正方形,整体尺寸为1.5 m×1.5 m×2.5 m,喷嘴通过支架固定在实验架台2.2 m高中心点处。测量系统主要由Winner318A激光粒度分析仪和计算机组成。
1.2 实验设备及仪器
1)实验采用东莞市华嶥喷雾技术有限公司生产的流体性超声雾化喷嘴,喷嘴型号SK508,喷雾角度为80°,喷嘴由喷头和底座2部分组成。在喷嘴底座的侧面和下部分别设有进水口和进气口,接口螺纹为G1/8和G1/4;喷头部分包含混合室和共振腔(超声波发生器),共振腔由钢丝支架连接混合室末端固定于喷嘴出口前方。该超声雾化喷嘴的雾化过程分为2个阶段:①在喷嘴内部液体与压缩空气混合在压力的作用下初步雾化,形成水喷雾喷出喷嘴;②喷出的高速雾滴撞击喷嘴前端的超声波发生器,雾滴在超声波的作用下再次发生破碎、雾化,形成的粒径更小也更为均匀雾滴。
2)激光粒度分析仪。实验采用济南微纳颗粒仪器股份有限公司生产的Winner318A工业激光粒度分析仪测量喷雾粒径。
3)柱塞泵和空压机。实验水压和气压范围均在0.1~0.6 MPa,调节间距为0.1 MPa。所选用高压柱塞泵可提供0~7 MPa的工作压力,空压机的使用压力为0.8 MPa,气罐容量为95 L,能够满足实验喷嘴的供气要求。
1.3 实验方案
实验所选用的表面活性剂为快渗T溶液,溶液浓度为0.07%,研究溶液在不同压强组合下超声雾化喷雾粒径参数的变化情况,使用Winner318A工业激光粒度分析仪对雾化粒度进行测量,测量的粒径参数有D10、D50、D90、VAD、SMD、NAD、Δs。其中:D10、D50、D90分别为粒径第10、第50、第90百分位数;VAD为体积加权平均粒径;SMD为表面积加权平均粒径;NAD为数量加权平均粒径;Δs(Δs=D90−D10)为雾滴粒径跨度,实质是雾滴粒径分布的极差,可表征雾滴粒径分散程度,Δs越小则雾滴粒径跨度越小,雾滴粒径分布越均匀。参照相关研究学者的测试参数,选取距离喷嘴口出下方60 cm处为喷雾雾滴粒径测点,激光发射仪和接收仪的距离为500 cm。喷雾实验参数为:①实验药品为快渗T;②溶液浓度0.07%;③气压0.1、0.2、0.3、0.4、0.5、0.6 MPa;④水压0.1、0.2、0.3、0.4、0.5、0.6 MPa;⑤测定参数D10、D50、D90、VAD、NAD、SMD、Δs;⑥风速0 m/s。
2. 实验结果
不同气压条件下超声雾化喷嘴雾滴粒径随水压变化情况如图2所示,不同气压条件下水压从0.1 MPa提高到0.6 MPa时粒径参数变化量见表1。
表 1 不同气压条件下水压从0.1 MPa提高到0.6 MPa时粒径参数变化量Table 1. Variation of particle size parameters when water pressure increases from 0.1 MPa to 0.6 MPa under different air pressure conditions气压/MPa ΔD10/μm ΔD50/μm ΔD90/μm ΔVAD/μm ΔSMD/μm ΔNAD/μm 0.1 16.034 19.082 24.307 19.364 18.780 17.633 0.2 23.005 19.348 10.123 17.704 20.820 25.927 0.3 31.121 32.447 29.928 31.189 33.537 36.804 0.4 25.883 40.069 61.325 42.276 37.971 30.479 0.5 22.614 35.494 54.751 37.441 33.625 26.908 0.6 5.0480 7.5890 11.260 7.9210 7.2630 6.0640 由图2可知:当气压为0.1、0.3、0.5 MPa时,D10、D50、D90、VAD、SMD、NAD均随着水压的增加而整体上呈现增大的趋势;当气压为0.2 MPa时,且水压为0.1~0.5 MPa的范围内,D50、D90、VAD、SMD均随着水压的增加而整体上呈现增大的趋势;同样地,当气压为0.6 MPa时,导致气压向相反变化趋势的水压拐点为0.4 MPa;此外,粒径参数D10、D50、VAD、SMD、NAD变化一致,Δs与D90变化一致。
由表1可知:在0.07 %表面活性剂状态下,当气压不变时,随着水压的增加D10、D50、D90、VAD、SMD、NAD值均增大;随着气压的增加,当水压从0.1 MPa提高到0.6 MPa时D10、D50、D90、VAD、SMD、NAD粒径增加量整体变化趋势相同,其中D10和NAD粒径增加量呈现高度一致,D50、VAD、SMD粒径增加量呈现高度一致。
不同水压条件下超声雾化喷嘴雾滴粒径随气压变化如图3所示,不同水压条件下气压从0.1 MPa提高到0.6 MPa时粒径参数变化量见表2。
表 2 不同水压条件下气压从0.1 MPa提高到0.6 MPa时粒径参数变化量Table 2. Variation of particle size parameters when air pressure increases from 0.1 MPa to 0.6 MPa under different water pressure conditions水压/MPa ΔD10/μm ΔD50/μm ΔD90/μm ΔVAD/μm ΔSMD/μm ΔNAD/μm 0.1 31.129 44.607 63.397 46.277 42.971 36.982 0.2 36.131 46.674 60.409 47.590 45.729 42.220 0.3 39.683 49.416 61.478 50.132 48.723 46.011 0.4 39.657 50.918 65.406 51.862 50.050 46.542 0.5 41.097 53.983 71.102 55.203 52.758 48.183 0.6 42.115 56.100 76.444 57.720 54.488 48.551 由图3可知:在0.07%表面活性剂状态下,当水压不变时,D10、D50、D90、VAD、SMD、NAD整体粒径均呈现出随着气压的增加而减少;各水压状态下,随气压的变化,D10、D50、D90、VAD、SMD、NAD几种参数粒径的变化呈现出一致性,且D10< NAD < SMD <D50< VAD <D90,Δs在气压较小时小于D10,随着气压的增大Δs呈现出先增大再减小的变化。
由表2可知:在0.07%表面活性剂状态下,当水压不变时,随着气压的增加D10、D50、D90、VAD、SMD、NAD值均减小;随着气压的增加,当水压从0.1 MPa提高到0.6 MPa时D10、D50、D90、VAD、SMD、NAD粒径增加量整体变化趋势相同,D90粒径减小量变化幅度最大,随着水压的增加呈现出先减小再增加的趋势,D10粒径减小量变化幅度最小,其中D10和NAD粒径减小量呈现高度一致,D50、VAD、SMD粒径减小量呈现高度一致。
3. 工程应用
华晋吉宁煤业有限责任公司大规模开采矿井的开采、开拓强度大,煤尘产生量及粉尘的危害严重,大型设备摩擦火花造成瓦斯煤尘的潜在危险性大,粉尘污染状况严重。高强度开采的综采工作面割煤机司机处粉尘浓度达800 mg/m3以上;工作面支架后6 m人行道粉尘浓度高达2 912 mg/m3,单呼吸性粉尘浓度也高达到1 146 mg/m3。此外,在大规模开采时,仅采煤工作面下巷各转载点所产生的粉尘就可使综采工作面粉尘达500 mg/m3。亟须解决生产过程中的粉尘防治问题。
综掘工作面粉尘浓度的测定操作步骤如下:①关闭综掘工作面所有的防尘设备,测定现场各工序的原始粉尘浓度,并以此结果作为计算除尘系统降尘率的基础;②开启喷雾降尘系统,测定现场各工序的粉尘浓度,并计算降尘效率。
华晋吉宁煤业在工作面现场对1#、2#、3#、4#、5#、6#测点(各测点相距离9 m,测点高度2.5 m,其中6#测点距掘进头45m)分别进行粉尘浓度测量,测量结果均为3次测量的平均值。未采取防尘措施时工作面现场各测点粉尘浓度数据见表3,采取喷雾降尘措施后工作面现场各测点粉尘浓度数据见表4。
表 3 未采取防尘措施时工作面现场各测点粉尘浓度数据Table 3. Dust concentration data of each measuring point in working face without dustproof measures测点 粉尘浓度/(mg·m−3) 全尘 呼尘 1# 1306.20 443.71 2# 1 121.73 369.56 3# 1 049.62 343.37 4# 1 093.79 375.54 5# 588.23 204.61 6# 467.31 148.69 表 4 采取喷雾降尘措施后工作面现场各测点粉尘浓度数据Table 4. Dust concentration data of each measuring point on working face after adopting spray dust-reduction measures测点 粉尘浓度/(mg·m-3) 全尘 呼尘 1# 81.23 80.26 2# 77.54 78.73 3# 78.26 77.85 4# 96.37 95.87 5# 82.59 82.36 6# 97.22 96.64 由表3和表4可知:对吉宁煤业某综掘工作面在未采取任何防尘措施时,掘进头处的粉尘浓度最高,该处全尘和呼尘浓度的平均值分别高达1 306.2 mg/m3和443.71 mg/m3,综掘工作面其余测点的粉尘浓度也较高,粉尘浓度最低的测点6#处(距掘进头处45 m左右),全尘和呼尘浓度的平均值也分别高达467.31 mg/m3和148.69 mg/m3;开启喷雾降尘系统后,工作面现场各测点的粉尘浓度相对于未采取任何防尘措施时均大大降低,喷雾后各测点全尘和呼尘的平均沉降率分别达到89.29%和67.86%,说明喷雾设备对巷道中漂浮粉尘捕捉沉降作用非常明显。
4. 结 语
分析了表面活性剂快渗T溶液浓度为0.07%时,不同气压和水压组合下,超声雾化喷雾粒径参数的变化情况。采用直观分析的方法分析了雾滴粒径与气压和水压的关系,得出各项参数变化规律。
1)粒径参数D10、D50、D90、VAD、SMD、NAD随着气压的增加而减小,减小幅度受到水压影响;随着水压的增加而增大,增大幅度也会受到气压影响,气压对雾滴粒径变化的影响程度大于水压,Δs随压力的改变无明显变化规律。
2)当压力改变时,粒径参数D10和NAD的变化趋势呈现高度一致,D50、VAD、SMD粒径增加量呈现高度一致,总体上D90变化幅度最大,D10变化幅度最小。
3)0.07%表面活性剂浓度时,随着气压的增加,当水压从0.1 MPa提高到0.6 MPa时,各粒径参数的增加量整体变化相同,且呈现出先增大再减小的趋势;随着水压的增加,各粒径参数的减少量变化趋势一致并呈现增大趋势,各粒径参数的减少量排序为D10< NAD < SMD<D50< VAD<D90。喷雾系统在工程应用时降尘效果显著,对巷道中漂浮粉尘捕捉沉降作用非常明显。
-
表 1 直接致因集群关键词表
Table 1 Keywords table of cluster of direct causes
集群 关键词 主要内容 1# 破碎、液压、支架、应力、地质、压死、岩石、综采 顶板破碎和支架 2# 导致、大面积、垮落、受伤、巷道 顶板垮落 3# 巷道、顶板、支护、强度、冒顶、压力、加固、维修 顶板支护和支护强度 4# 事故、致死、措施、规程、工人、违反、支柱 事故的致死和措施规程 5# 掘进、空顶、锚杆、锚索、失稳、离层、施工 空顶作业、违章掘进和锚杆锚索 6# 工作面、作业、现场、人员、违章、冒险、发生 工作面和违章作业 表 2 间接致因集群的关键词表
Table 2 Keywords table of indirect cause cluster
集群 关键词 主要内容 1# 工作面、顶板、事故、支护、支架、巷道、施工 工作面的支护 2# 针对性、措施、技术、规程、编制、不严 作业规程和技术措施 3# 作业、人员、职工、安全意识、风险、淡薄、教育、培训、 人员的教育培训和安全意识 4# 现场、管理、执行、管理人员、安全检查、领导、检查、职责 管理人员和现场管理 5# 制度、严格执行、敲帮、问顶、管理混乱、违反、安全措施 制度和措施的执行 6# 未能、消除、采取有效、事故隐患、防护 事故隐患和有效措施 7# 隐患、排查、落实、责任、到位、安全监管、整改、督促 隐患排查和责任落实 表 3 煤矿顶板事故的致灾因子
Table 3 Disaster causing factors of coal mine roof accidents
编号 致灾因子 编号 致灾因子 ${V_1}$ 顶板冒顶 ${V_{12}}$ 违章指挥 ${V_2}$ 顶板破碎 ${V_{13}}$ 锚杆锚索失效 ${V_3}$ 空顶 ${V_{14}}$ 安全措施不到位 ${V_4}$ 矸石离层掉落 ${V_{15}}$ 未遵守作业规程 ${V_5}$ 支护作业不可靠 ${V_{16}}$ 培训教育不到位 ${V_6}$ 顶板垮落 ${V_{17}}$ 管理人员作风不实 ${V_7}$ 液压支架工作阻力不足 ${V_{18}}$ 未制定针对性措施 ${V_8}$ 支架变形 ${V_{19}}$ 未能排查隐患 ${V_9}$ 工作面处理不当 ${V_{20}}$ 责任落实不到位 ${V_{10}}$ 作业人员违章作业 ${V_{21}}$ 管理混乱 ${V_{11}}$ 未敲帮问顶 ${V_{22}}$ 安全意识淡薄 表 4 节点的度中心性
Table 4 Degree centrality of nodes
节点 $D_{{\mathrm{C}}i}$ 节点 $D_{{\mathrm{C}}i}$ 节点 $D_{{\mathrm{C}}i}$ 节点 $D_{{\mathrm{C}}{{i}}}$ ${V_1}$ 0.286 ${V_7}$ 0.439 ${V_{13}}$ 0.190 ${V_{19}}$ 0.619 ${V_2}$ 0.286 ${V_8}$ 0.143 ${V_{14}}$ 0.524 ${V_{20}}$ 0.190 ${V_3}$ 0.238 ${V_9}$ 0.619 ${V_{15}}$ 0.238 ${V_{21}}$ 0.286 ${V_4}$ 0.381 ${V_{10}}$ 0.667 ${V_{16}}$ 0.476 ${V_{22}}$ 0.524 ${V_5}$ 0.619 ${V_{11}}$ 0.286 ${V_{17}}$ 0.381 ${V_6}$ 0.476 ${V_{12}}$ 0.190 ${V_{18}}$ 0.524 表 5 节点的综合重要度
Table 5 Comprehensive importance of nodes
节点 $I_{i}$ 节点 $I_{i}$ 节点 $I_{i}$ 节点 $I_{i}$ ${V_1}$ 0.137 ${V_7}$ 0.406 ${V_{13}}$ 0.048 ${V_{19}}$ 0.771 ${V_2}$ 0.137 ${V_8}$ 0.044 ${V_{14}}$ 0.587 ${V_{20}}$ 0.045 ${V_3}$ 0.091 ${V_9}$ 0.752 ${V_{15}}$ 0.091 ${V_{21}}$ 0.178 ${V_4}$ 0.227 ${V_{10}}$ 1.00 ${V_{16}}$ 0.403 ${V_{22}}$ 0.514 ${V_5}$ 0.766 ${V_{11}}$ 0.151 ${V_{17}}$ 0.344 ${V_6}$ 0.318 ${V_{12}}$ 0.098 ${V_{18}}$ 0.605 表 6 边介数及风险度
Table 6 Edge betweenness and risk degree
边:边介数&风险度 边:边介数&风险度 边:边介数&风险度 边:边介数&风险度 边:边介数&风险度 $\left( {12,10} \right)$:14.250&5.597 $\left( {19,5} \right)$:3.833&2.277 $\left( {10,14} \right)$:6.000&1.358 $\left( {22,19} \right)$:2.310&1.174 $\left( {20,18} \right)$:5.500&0.801 $\left( {21,9} \right)$:5.167&2.847 $\left( {21,18} \right)$:4.667&1.899 $\left( {22,9} \right)$:2.643&1.271 $\left( {18,22} \right)$:8.583&1.168 $\left( {15,5} \right)$:3.500&0.801 $\left( {15,10} \right)$:8.000&2.569 $\left( {21,14} \right)$:4.083&1.483 $\left( {16,10} \right)$:4.000&1.225 $\left( {8,5} \right)$:8.000&0.975 $\left( {9,5} \right)$:2.333&0.760 $\left( {20,19} \right)$:6.500&2.563 $\left( {21,19} \right)$:3.333&1.367 $\left( {14,5} \right)$:4.833&1.200 $\left( {16,22} \right)$:2.333&0.947 $\left( {10,6} \right)$:2.643&0.746 $\left( {22,10} \right)$:4.643&2.464 $\left( {18,14} \right)$:3.000&1.362 $\left( {17,19} \right)$:3.833&1.181 $\left( {10,5} \right)$:2.000&0.887 $\left( {19,7} \right)$:4.917&0.706 -
[1] 康红普,张镇,黄志增. 我国煤矿顶板灾害的特点及防控技术[J]. 煤矿安全,2020,51(10):24−33. KANG Hongpu, ZHANG Zhen, HUANG Zhizeng. Characteristics of roof disasters and controlling techniques of coal mine in China[J]. Safety in Coal Mines, 2020, 51(10): 24−33.
[2] 明崯崯,李亨英,李忠卫. 基于ISM法对煤矿顶板事故致因研究[J]. 煤矿安全,2013,44(9):238−240. MING Yinyin, LI Hengying, LI Zhongwei. The research on causing factors of mine roof accidents based on ISM method[J]. Safety in Coal Mines, 2013, 44(9): 238−240.
[3] 秦岩,盛武. 基于贝叶斯网络的煤矿顶板事故致因研究[J]. 矿业安全与环保,2022,49(3):136−142. QIN Yan, SHENG Wu. Study on causes of coal mine roof accidents based on Bayesian network[J]. Mining Safety & Environmental Protection, 2022, 49(3): 136−142.
[4] 邢艳冬,周建亮,孟凡旺,等. 基于时空的煤矿顶板事故中施工作业耦合网络研究[J]. 煤矿安全,2023,54(6):144−152. XING Yandong, ZHOU Jianliang, MENG Fanwang, et al. Research on construction operation coupling network in coal mine roof accidents based on spacetime[J]. Safety in Coal Mines, 2023, 54(6): 144−152.
[5] 陈晓勇,施式亮,李润求,等. 基于G1-DEMATEL法的煤矿顶板事故风险因素分析[J]. 湖南科技大学学报(自然科学版),2018,33(1):16−22. CHEN Xiaoyong, SHI Shiliang, LI Runqiu, et al. Study on risk factors of coal mine roof accident based on G1-DEMATEL method[J]. Journal of Hunan University of Science and Technology (Natural Science Edition), 2018, 33(1): 16−22.
[6] 田水承,周鹏辉. 基于文本挖掘的煤矿顶板事故致因网络分析[J]. 煤炭技术,2023,42(2):117−121. TIAN Shuicheng, ZHOU Penghui. Network analysis of coal mine roof accident causation based on text mining[J]. Coal Technology, 2023, 42(2): 117−121.
[7] 黄昕,靳健,林作忠,等. 基于复杂网络的城市深部空间火灾灾害链分析及智慧减灾方法研究[J]. 应用基础与工程科学学报,2021,29(5):1280−1291. HUANG Xin, JIN Jian, LIN Zuozhong, et al. Complex network-based analysis on fire disaster chain of urban deep underground space and intelligent disaster mitigation measures[J]. Journal of Basic Science and Engineering, 2021, 29(5): 1280−1291.
[8] 郭文亚,周志鹏. 地铁工程建设安全事故致因网络模型构建与解析[J]. 中国安全科学学报,2020,30(1):155−161. GUO Wenya, ZHOU Zhipeng. Subway construction accident causation network modeling and analysis[J]. China Safety Science Journal, 2020, 30(1): 155−161.
[9] 李丽,陈志平,刘新,等. 复杂通风网络矿井反风技术分析及火灾应急对策[J]. 煤矿安全,2019,50(10):177−180. LI Li, CHEN Zhiping, LIU Xin, et al. Analysis of anti-wind technology with complex ventilation network mine and fire emergency countermeasures[J]. Safety in Coal Mines, 2019, 50(10): 177−180.
[10] 杨应柳,晋良海,邵波,等. 基于复杂网络的煤矿火灾爆炸致因研究[J]. 中国安全科学学报,2023,33(1):145−151. YANG Yingliu, JIN Lianghai, SHAO Bo, et al. Research on causes of coal mine fire and explosion based on complex network[J]. China Safety Science Journal, 2023, 33(1): 145−151.