Influence mechanism of cutting turbulent wind on coal dust lateral dispersal in large mining height fully mechanized mining face
-
摘要:
大采高工作面内大尺寸的采煤机滚筒在截割煤体时产生更为明显的湍流风，使得工作面局部风速发生变化，粉尘颗粒向人行道区域发生横向扩散。为了明晰大采高工作面截割湍流风对粉尘质量浓度沿程分布的影响机制，针对三道沟85219工作面，运用数值模拟方法构建了风流-粉尘两相耦合数学模型，对工作面风流分布、粉尘运移、呼吸带高度粉尘质量浓度分布进行研究。结果表明；相较于仅系统通风作用下的流场，前后滚筒处及移架处在截割湍流风扰动下横向偏移分速度明显增大，在滚筒附近产生了横向偏移分速度约为−1.06 m/s的“风流偏移区”；在截割湍流风扰动下，前后滚筒处质量浓度超过151.85 mg/m3的粉尘团向人行道区域发生横向逸散，在顺风割煤状态下前滚筒处截割湍流风对截割煤尘横向逸散的诱导能力高于后滚筒处，前滚筒附件人行道呼吸带区域粉尘质量浓度相较于仅系统通风状态下提升了64.77%；将模拟数据与现场实测数据进行比对，相对误差小于12.57%，模拟数据相对准确。基于此，提出一种采煤机含尘气流控尘装置，在现场进行应用并检测其防控尘效果，在工作面人员作业区域呼尘降尘效率超过78.31%，全尘降尘效率超过89.93%。
Abstract:The large size shearer drum in the large mining height working face generates more obvious turbulent wind in cutting the coal body, which causes the local wind speed of the working face to change, and the horizontal diffusion of dust particles to the sidewalk area. In order to clarify the influence mechanism of cutting turbulent wind on the dust mass concentration distribution along the working face with large mining height, a coupled mathematical model of airflow and dust was constructed by numerical simulation method for 85219 working face, and the airflow distribution, dust migration and dust mass concentration distribution at the height of the breathing zone were studied. The results show that, compared with the flow field under system ventilation only, the partial velocity of negative drift increases significantly at the front and back of the drum and at the moving frame, and a “wind drift zone” with negative drift wind velocity value of -1.06 m/s is generated near the drum. Under the disturbance of cutting turbulent wind, dust masses with a mass concentration of more than 151.85 mg /m3 at the front and back rollers have transverse dispersion to the sidewalk area. In the state of downwind coal cutting, the ability of cutting turbulent wind at the front rollers to induce transverse dispersion of cutting coal dust is higher than that at the back rollers. The dust mass concentration in the breathing zone of the sidewalk near the front roller was increased by 64.77% compared with the condition of system ventilation only. The comparison between the simulated data and the field-measured data shows that the relative error is less than 12.57%, and the simulated data is relatively accurate. Based on this, a dust-bearing air flow dust control device shearer is proposed, which is applied in the field and its dust control effect is tested. The dust removal efficiency in the working area of the working face is more than 78.31%, and the total dust removal efficiency is more than 89.93%.
-
据国家统计局核算，2021年全年，我国原煤产量约41.3亿t，煤炭消费量占能源消费总量的56%，依然是我国重要的能源资源。但是，持续大量的煤炭开采已严重破坏了矿区的地下原始岩层结构，导致矿井涌水量快速增大；据统计：2014—2019年，我国因煤炭开采产生的矿井总水量高达288.09亿m³，而且大部分直接外排至地面，造成水资源的大量流失和浪费[1-2]。
煤矿地下积水采空区的建设和实施，为更好地利用矿井地下水资源提供了技术手段。通过煤矿开采过程中遗留的保护煤柱及人工建设的防水密闭，围绕采空区建设封闭积水区域，避免地下水直接外排至地面，造成资源浪费和环境污染，同时也在很大程度上为矿区工业用水和生活用水提供了保障[3-5]。
针对上述难点问题，国内外众多学者进行了深入的研究：①在防水密闭受力分析研究方面：李雨萌等[6]通过相似模拟实验集合数值模拟方法，将标准煤样以固定时间周期性浸水处理，得出标准煤样随浸水时间增加的一般性能变化规律；王文才等[7]研究了防水密闭与保护煤柱衔接处在孔隙水的软化作用下力学性能变化情况，总结出孔隙裂缝中的水分在一定程度上增强了防水密闭的抗压强度，为衔接材料选择提供参考依据；②在防水密闭稳定性研究方面：杨夺等[8]重点对防水密闭和保护煤柱的工艺措施进行了详细分析，提出了以防渗为目标的施工方案和工艺参数，为保障地下积水采空区安全运行提供可行性方案；陈阳[9]对鄂尔多斯煤矿地下水库工程中混凝土、黏土及砖墙结构的3种不同类型的挡水坝体进行了三维有限元渗流计算分析，评估了矿区已建地下水库防水密闭防渗措施效果的可靠性；③在监控预警层面研究方面：曹志国等[10]采用系统工程理论系统给出地下积水采空区安全运行的关键因素，论述了安全监控系统总体架构；顾大钊[11]通过对神东矿区地下积水采空区的实践应用，给出针对地下积水采空区安全监控系统组成模块，并对各模块功能和技术指标进行详细的阐述，为地下积水采空区安全监控系统标准制定和实施提供了参考。
综上所述，煤矿地下积水采空区监测和预警大多停留在试验和数值分析的理论阶段，尚无具体的监测措施和数据分析技术[12]。为了保障地下积水采空区的稳定运行，结合地面水坝监测技术[13-15]，提出了煤矿地下积水采空区防水密闭安全评价方法研究，对人工防水密闭进行应变、应力及渗压监测、数据分析和预测评价研究，实现煤矿地下积水采空区的安全稳定运行。
1. 方案设计及预测
1.1 监测方案
井下煤炭回采过程中，因煤层厚度及底板高度差异，造成采空区高度起伏较大。结合石圪台矿双巷掘进特点，在回风巷和进风巷之间的联络巷建设人工防水密闭，因低点防水密闭承受的水压较大，在井下复杂时空变化过程中，造成防水密闭受力及渗压状态不明，给井下安全生产带来潜在风险[16-17]。
参照国家能源集团神东煤炭集团有限责任公司《神东矿区煤矿积水采空区安全技术标准》第8.8节“监测监控”部分的要求：井下积水采空区监测监控设计应遵循“在积水采空区低洼处的煤柱和防水密闭墙内安装应力应变计、基岩变位计、微震解调仪等传感器，对防水密闭墙墙体与围岩的相对位移，特别是接触缝的位置”的原则。
为此，通过渗压计（LS1、LS2、RS1、RS2）监测人工坝体及保护煤柱衔接处渗压参数，实时了解保护煤柱内部水体流动压力情况。渗压计布置工艺参数：人工坝体两侧相邻煤柱距底板0.5、1 m；钻孔深4 m，钻孔直径60 mm。钻孔应力计布置工艺参数：钻孔直径46 mm，钻孔深3.5 m。传感器布置图如图1。
1.2 安全分级
GRNN以非线性回归分析为研究基础，PNN法以贝叶斯最小风险准则为理论依据。设随机变量$ x \text { 和 } y $的联合概率密度函数为$ f(x, y) $，已知$ x $的监测值为${X}$，则$ y $相对${X}$的条件均值为：
$$ \hat{Y}=E(y / X)=\frac{\displaystyle\int_{-\infty }^{\infty } y f(X, y) {\rm{d}} y}{\displaystyle\int_{-\infty}^{\infty} f(X, y) {\rm{d}} y} $$ (1) 式中：$\hat{{Y}}$为监测值${X}$的预测输出。
对监测数据集$ \left\{x_{i}, y_{i}\right\}_{i=1}^{n} $应用Parzen非参数估计，估算密度函数$ \hat{f}(X, y) $：
$$\begin{gathered} \hat f(X, y)=\frac{1}{n(2 \pi)^{\frac{{p + 1}}{2}} \sigma^{p+1}} \times\\ \exp\sum_{i=1}^{n} \left[-\frac{\left(X-X_{i}\right)^{{\rm{T}}}\left(X-X_{i}\right)}{2 \sigma^{2}}\right] \exp \left[-\frac{\left(X-Y_{i}\right)^{2}}{2 \sigma^{2}}\right] \end{gathered}$$ 式中：$ X_{i} $、$ Y_{i} $为随机变量$ x \text { 和 } y $的监测值和输出值；$ n $为监测数量；$ p $为度量变量$ x $的维数；$ \sigma $为高斯函数的光滑因子。
由于$\displaystyle\int_{-\infty}^{\infty} z {\rm{e}}^{-z^{2}} {\rm{d}} z=0$，用$ \hat{f}(X, y) $代替$ f(X, y) $进行交换积分处理可得：
$$ \hat{Y}(X)=\frac{\displaystyle\sum_{i=1}^{H} Y_{i} \exp \left[-\frac{\left(X-X_{i}\right)^{{\rm{T}}}\left(X-X_{i}\right)}{2 \sigma^{2}}\right]}{\displaystyle\sum_{i=1}^{n} \exp \left[-\frac{\left(X-X_{i}\right)^{{\rm{T}}}\left(X-X_{i}\right)}{2 \sigma^{2}}\right]} $$ (2) 式中：$ \hat{Y}(X) $为输出值$ Y_{i} $的加权平均。
每个输出值$ Y_{i} $的权重因子为相应的监测值$ X_{i} $与${X}$之间的Euclid距离平方的指数，判断光滑因子$ \sigma $大小，确定$ \hat{Y}(X) $预测输出效果。
通过数据收集，并根据GRNN模型训练部分监测值，对输出结果创建PNN网络进行分类验证，确定各级别预测准确率，评价分析结果。
2. 防水密闭安全评价
2.1 GRNN交叉验证预测
以石圪台矿31205积水采空区3#密闭墙作为研究对象，统计2022年5月23至28日期间的表面应变计（B1、B3）、钻孔应力计（LY）和渗压计（LS1）监测值，每组各400个数据。
利用每组监测值的前300个数据作为训练数据，其余100个数据作为预测数据。B1、B3及LY作为输入矩阵，LS1作为输出矩阵；设置光滑因子$ \sigma $范围为0.1～1.0，间隔步长为0.1增长；采用十折交叉验证法进行网络训练；利用循环迭代逻辑，判定均方差的大小，得出训练模型效果$ \sigma $。
由训练效果可知：光滑因子$ \sigma $在由0.1逐渐增加的过程中，判定的均方差变化较为明显；其中，$ \sigma=0.2 $时，均方差最小为0.81×10−5，此时GRNN网络训练效果最优。GRNN网络预测效果如图2。
由图2可知：$ \sigma $值越小，网络训练的逼近性越强；反之，网络对样本训练的逼近过程就越平滑，但相应的误差也逐渐增大。另外，GRNN网络模型预测的100个数据结果较为稳定，绝对误差基本控制在1%以内，误差超过0.01的预测数据仅存在3个，说明该模型预测准确率较高；同时，以BP神经网络模型对渗压预测误差进行对比，分别从平均值、中位数及方差3个参数判定2种模型的优劣性，对比结果发现：GRNN模型预测结果的3个参数都普遍小于BP模型，说明GRNN模型的预测效果优于BP神经网络模型的预测效果。GRNN与BP优劣对比结果见表1。
表 1 GRNN与BP的优劣对比结果Table 1. Comparative results of GRNN and BP对比类型 平均值 中位数 方差 GRNN 1.20×10−3 1.02×10−3 7.497×10−6 BP 3.12×10−3 2.07×10−3 1.756×10−5 由表1可知：同时对预测数据进行三维映射成图分析，单一参数预测数据映射成图存在互补关系，与模型组合预测数据的发展趋势符合实测数据变化情况，结果表明：此类GRNN模型在非线性映射能力具有高度的容错性和鲁棒性。
2.2 PNN法分类评价
以GRNN渗压预测结果的100个indices数据作为基础，一共分10类，数字相同表示对应的行数为一类。
在对多因素的渗压预测进行深入分析后，以改良的三比值法为基础，建立基于PNN的分类模型，B1、B3、LY为改良三比值法数值，渗压计为分类的输出；使用前90个数据作为PNN训练样本，后10个样本作为验证样本，进一步对GRNN的indices数据进行评价分析。PNN训练后训练数据网络的分类效果图如图3。
![]()
图 3 PNN训练后训练数据网络的分类效果图Figure 3. Classification rendering of PNN training data network after training由图3可知：将90个训练数据作为输入代入已经训练完成的PNN网络中，对数据进行自动分类判别，分类结果中发现只有3个样本数据判断错误，分别是样本编号第36、第53和第83的渗压预测数据；同时结合训练后的误差图可知：分类结果与训练后的误差相对应，在误差图中也仅有3个样本数据存在分类误差较大，总体评价准确率为96.7%；同时以剩余的10个样本数据进行验证。PNN网络预测效果图验证结果如图4。
由图4可知：用剩余10个渗压预测样本数据进行验证时，仅存在2个数据判定错误，说明通过GRNN模型预测的数据，PNN仍可进行有效的判定验证及评价，可用来进行更多样本的分类评价研究。
将上述理论及分析结果应用于现场，并搭建和开发相关监测系统，目前系统已稳定运行约6个月，针对防水密闭的监测数据的运行均为正常；同时对防水密闭的风险等级进行分级预警，结果显示：5月26日预警正常，未出现异常风险判定，现场应用可靠。
3. 结 语
1）以石圪台矿监测数据为基础，采用GRNN模型对渗压数据进行预测，应用交叉验证和循环迭代方法，预测结果绝对误差不超过0.01的有97%；同时与BP神经网络模型进行对比分析发现，GRNN模型预测效果优于BP模型。
2）采用PNN法对GRNN预测结果共10类100个数据进行分类验证，训练样本准确率为96.7%，预测样本也仅有2个数据判断错误，因此，PNN仍可对GRNN预测分类数据进行验证，可为后续分级预警提供研究基础。
3）结合现场应用结果，此类模型方法具有较好的安全评价效果，系统监测数据正常，运行可靠，具有可实际应用性。
-
![]()
图 1 大采高综采工作面几何模型
Figure 1. Geometric model of fully mechanized working face with large mining height
![]()
图 2 仅系统通风作用下的风流横向偏移分速度分布云图
Figure 2. Lateral drift of wind velocity distribution cloud images under action of system ventilation
![]()
图 3 截割湍流风扰动下的风流横向偏移分速度分布云图
Figure 3. Truncated velocity distribution cloud images of transverse migration of turbulent wind disturbance
![]()
图 4 不同通风状态下人行道呼吸带高度处粉尘质量浓度分布
Figure 4. Distribution of dust mass concentration at the height of the breathing zone of sidewalk under different ventilation conditions
![]()
图 5 采煤区呼吸带风速结果对比
Figure 5. Comparison of wind speed results in breathing zone in coal mining area
![]()
图 6 采煤机含尘气流控尘装置原理及现场应用示意图
Figure 6. Schematic diagrams of the principle and field application of dust control device for dusty airflow of coal mining machine
表 1 网格质量统计表
Table 1 Grid quality statistics table
参数 网格度量标准 最小值 最大值 平均值 标准差 网格偏度 2.40810×10−5 0.72411 0.21590 0.10273 单元质量 0.21697 1.00000 0.85000 8.3881×10−2 
下载: 导出CSV
表 2 风流模拟边界条件设置
Table 2 Setting of boundary conditions for wind flow simulation
项目 参数设置 项目 参数设置 入口边界类型 速度入口 入口风速/（m∙s−1） 1.68 水力直径 4.6 湍流强度/% 3.1 出口边界类型 压力出口 求解器 离散求解器 湍流模型 可实现k-epsilon 步长 1 Interaction
with continuous phase打开 最大计算步数 4000
下载: 导出CSV
表 3 粉尘模拟边界条件设置
Table 3 Setting of boundary conditions for dust simulation
参数设置 产尘工序 割煤 移架 粒径分布 Rosin-Rammler Rosin-Rammler 最小粒径/µm 0.31 0.26 最大粒径/µm 7.07 7.07 中粒径/µm 3.52 3.34 质量流率/（g·s−1） 10.00 1.75 分散系数 3.48 3.19
下载: 导出CSV
表 4 工作面粉尘治理效果
Table 4 Effect of dust control in working face
测点 原始粉尘质量浓度/
（mg·m−3）治理后粉尘质量浓度/
（mg∙m−3）降尘效率/% 总尘 呼吸尘 总尘 呼吸尘 总尘 呼吸尘 1 216.67 50.83 20.83 9.17 90.39 81.96 2 248.33 64.17 25.00 13.33 89.93 79.23 3 241.67 69.17 24.17 15.00 90.00 78.31 4 369.17 78.33 17.50 11.67 95.26 85.10
下载: 导出CSV
-
[1] 袁亮. 煤矿粉尘防控与职业安全健康科学构想[J]. 煤炭学报,2020,45(1):1−7. YUAN Liang. Scientific conception of coal mine dust control and occupational safety[J]. Journal of China Coal Society, 2020, 45(1): 1−7.
[2] 许圣东,李德文,陈芳. 8 m大采高综采工作面风流及呼吸尘分布规律数值模拟[J]. 煤矿安全,2018,49(12):160−163. XU Shengdong, LI Dewen, CHEN Fang. Numerical simulation on distribution laws of air and respirable dust at fully mechanized face with 8 m mining height[J]. Safety in Coal Mines, 2018, 49(12): 160−163.
[3] 李德文,赵政,郭胜均,等. “十三五”煤矿粉尘职业危害防治技术及发展方向[J]. 矿业安全与环保,2022,49(4):51−58. LI Dewen, ZHAO Zheng, GUO Shengjun, et al. “13th Five-Year Plan” coal mine dust occupational hazard prevention and control technology and development direction[J]. Mining Safety & Environmental Protection, 2022, 49(4): 51−58.
[4] 庞杰文,谢建林,李川田,等. 大采高综采工作面粉尘分布特征研究[J]. 煤炭科学技术,2017,45(3):78−83. PANG Jiewen, XIE Jianlin, LI Chuantian, et al. Study on dust distribution features of high cutting fully-mechanized coal mining face[J]. Coal Science and Technology, 2017, 45(3): 78−83.
[5] 王存飞. 大采高综采工作面作业区域粉尘溯源研究[J]. 矿业安全与环保,2022,49(2):29−34. WANG Cunfei. Study on dust tracing in working area of fully mechanized mining face with large mining height[J]. Mining Safety & Environmental Protection, 2022, 49(2): 29−34.
[6] 周刚,张琦,白若男,等. 大采高综采面风流-呼尘耦合运移规律CFD数值模拟[J]. 中国矿业大学学报,2016,45(4):684−693. ZHOU Gang, ZHANG Qi, BAI Ruonan, et al. CFD simulation of air-respirable dust coupling migration law at fully mechanized mining face with large mining height[J]. Journal of China University of Mining & Technology, 2016, 45(4): 684−693.
[7] 杜善周,莫金明,王全龙,等. 大采高综采工作面粉尘运移分布规律及机载除尘器关键工艺参数研究[J]. 矿业安全与环保,2020,47(2):45−51. DU Shanzhou, MO Jinming, WANG Quanlong, et al. Research on key process parameters of airborne dust collector based on distribution law of dust movement in fully mechanized working face with large mining height[J]. Mining Safety & Environmental Protection, 2020, 47(2): 45−51.
[8] 徐青云,白志云,李锦波. 大采高综采工作面多尘源风流-粉尘分布规律研究[J]. 矿业安全与环保,2020,47(5):56−59. XU Qingyun, BAI Zhiyun, LI Jinbo. Air flow-dust distribution law of multi-dust sources in fully mechanizedworking face with large mining height[J]. Mining Safety & Environmental Protection, 2020, 47(5): 56−59.
[9] 张辛亥,尚治州,冯振,等. 大采高综采工作面风流-呼吸带粉尘分布数值模拟[J]. 安全与环境学报,2021,21(2):570−575. ZHANG Xinhai, SHANG Zhizhou, FENG Zhen, et al. Numerical simulated distribution of the airflow and dust movement in the respiratory zone at the fully mechanized mining face with great mining height[J]. Journal of Safety and Environment, 2021, 21(2): 570−575.
[10] 莫金明,马威. 大采高综采工作面负压除尘微雾净化装置应用研究[J]. 煤炭学报,2023,48(3):1267−1279. MO Jinming, MA Wei. Negative-pressure dust removal and micro-mist purification device application in fully-mechanised mining faces with a large mining height[J]. Journal of China Coal Society, 2023, 48(3): 1267−1279.
[11] 蒋仲安,杨斌,张国梁,等. 高原矿井掘进工作面截割粉尘污染效应及通风控尘参数分析[J]. 煤炭学报,2021,46(7):2146−2157. JIANG Zhongan, YANG Bin, ZHANG Guoliang, et al. Analysis of dust pollution effect of cutting dust and ventilation control parameters at the heading face in plateau mines[J]. Journal of China Coal Society, 2021, 46(7): 2146−2157.
[12] 张国梁,蒋仲安,杨斌,等. 高原环境下矿井最低排尘风速的数值模拟[J]. 煤炭学报,2021,46(7):2294−2303. ZHANG Guoliang, JIANG Zhongan, YANG Bin, et al. Numerical simulation of the minimum mine dust exhausting wind speed under high altitude environment[J]. Journal of China Coal Society, 2021, 46(7): 2294−2303.
[13] 陈芳. 8 m大采高综采工作面风流分布规律数值模拟[J]. 煤矿安全,2019,50(11):185−188. CHEN Fang. Numerical study on airflow distribution law in 8 m large mining height fully-mechanized face[J]. Safety in Coal Mines, 2019, 50(11): 185−188.
[14] 孙彪,程卫民,王昊,等. 综采工作面滚筒旋流风对截割煤尘侧向逸散规律的影响[J]. 煤炭学报,2018,43(8):2269−2279. SUN Biao, CHENG Weimin, WANG Hao, et al. Influence of rotary wind from drums on lateral dissipation law of coal dust from cutting at fully-mechanized mining face[J]. Journal of China Coal Society, 2018, 43(8): 2269−2279.
[15] 苏士龙,郝永江. 大采高综采工作面PM5和PM10粉尘分布规律[J]. 煤矿安全,2020,51(7):210−214. SU Shilong, HAO Yongjiang. Dust distribution of PM5 and PM10 in large mining height fully-mechanized face[J]. Safety in Coal Mines, 2020, 51(7): 210−214.
[16] 荆德吉,马纪闯,张天,等. 选煤厂并行运输带运转系统煤尘污染规律研究[J]. 煤矿安全,2023,54(1):16−21. JING Deji, MA Jichuang, ZHANG Tian, et al. Study of coal dust pollution law of parallel belt conveyor running system in coal processing plant[J]. Safety in Coal Mines, 2023, 54(1): 16−21.
-
期刊类型引用(5)
1. 孙振翔，范春虎，周远康. 岩浆侵入区变质煤氧化动力学研究. 陕西煤炭. 2025(03): 57-61 . 
百度学术
2. 侯玉亭，张英超，孙计全，时东文，刘会奇，张铎. 煤自然发火气体指标及其有机官能团响应特征研究. 中国煤炭. 2024(01): 67-74 . 百度学术
3. 胡海峰，杨英兵，张运增，陈明浩，郭佳策. 火成岩侵蚀对煤自燃特性及其结构的影响. 煤矿安全. 2024(03): 111-119 . 本站查看
4. 王树明. 空气湿度对煤自燃特性及氧化动力学参数的影响研究. 煤矿安全. 2024(04): 98-105 . 本站查看
5. 于志金，晋策，汤旭，张志鹏，文虎. 岩浆侵入与接触距离对煤低温氧化过程热效应的影响. 煤炭学报. 2024(12): 4873-4882 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 33
- HTML全文浏览量: 3
- PDF下载量: 3
- 被引次数: 5
