-
题名漏风条件下采空区煤自燃分级预警方法研究及应用
被引量：1
- 1
-
-
作者
翟小伟
李心田
侯钦元
马腾
宋波波
郝乐
-
机构
西安科技大学安全科学与工程学院
陕西省煤火灾害防控重点实验室
陕西省高校青年创新团队矿山应急救援创新团队
-
出处
《煤炭科学技术》
北大核心
2025年第1期161-169,共9页
-
基金
国家自然科学基金资助项目(52274229)
陕西省自然科学基础研究计划−杰出青年科学基金资助项目(2021JC-48)
陕西省教育厅青年创新团队建设科研计划资助项目(21JP078)。
-
文摘
CO是煤自燃预警体系的重要指标气体。为提高漏风条件下利用CO预测采空区煤自燃危险程度的准确性,采用程序升温试验分析煤氧化过程中不同指标气体与煤温的对应关系,通过束管监测与示踪气体漏风测试确定漏风对采空区CO气体的影响,修正不同氧气体积分数范围内CO体积分数与煤温的函数关系。利用修正函数方程计算煤自燃CO预警阈值,结合不同指标气体预警值,构建漏风条件下采空区煤自燃分级预警体系。研究结果表明:煤氧化过程中CO、C_(2)H_(4)、C_(2)H_(2)与Graham系数指标气体突变与煤温存在对应关系,CO、C_(2)H_(4)、C_(2)H_(2)出现温度分别为30、120、230℃,Graham系数拐点温度为70、160℃,不同氧气体积分数范围内CO体积分数与煤温均呈指数函数关系。漏风对采空区CO气体影响范围为0~90 m,影响体积分数大小为(3~39)×10^(−6)。漏风条件下采空区埋深0~19 m处氧气体积分数为21%~17%,“CO体积分数−煤温”函数的修正系数为1~3;埋深19~55 m处氧气体积分数为17%~13%,修正系数为4~7;埋深55~90 m处氧气体积分数为13%~9%,修正系数为16~21。基于修正后CO体积分数与温度函数,计算得到煤自燃过程不同氧气体积分数范围内CO预警阈值分别为(50~150)×10^(−6)、(190~330)×10^(−6)及(330~430)×10^(−6)。结合CO、C_(2)H_(4)、C_(2)H_(2)与Graham系数指标气体预警值将煤自燃程度划分为“灰、蓝、黄、橙、红”五级预警。研究结果可为相似工作面采空区遗煤自燃预测预报提供参考。
-
关键词
煤自燃
CO
漏风
采空区
分级预警
-
Keywords
coal spontaneous combustion
CO
air leakage
goaf
graded warning
-
分类号
TD752
[矿业工程—矿井通风与安全]
-
-
题名等离子体对CO消除规律的实验研究
被引量：1
- 2
-
-
作者
翟小伟
王九歌
宋波波
周妤婕
-
机构
西安科技大学安全科学与工程学院
西安科技大学陕西省煤火灾害防控重点实验室
陕西省高校青年创新团队矿山应急救援创新团队
-
出处
《煤炭工程》
北大核心
2024年第10期254-259,共6页
-
基金
陕西省杰出青年科学基金项目(2021JC-48)。
-
文摘
为了保障工人身心健康,改善矿下环境,利用等离子体技术,搭建等离子体消除CO实验平台,通过实验研究等离子体消除CO的效果及影响因素,实验结果表明:输出电压为50 kV、电极材料为铍铜合金时,等离子体对CO的消除效果最佳。风速越大,消除效果越差;随着氧气浓度和湿度的升高,CO消除量呈现上升的趋势,分别在风速0.6 m/s、氧气浓度为20.5%、湿度为30%RH时,CO消除效果最好。
-
关键词
等离子体
CO消除
负电晕
矿井空气
职业安全
-
Keywords
plasma
CO elimination
negative corona
mine air
occupational safety
-
分类号
TD711.41
[矿业工程—矿井通风与安全]
-
-
题名浅埋火区无人机热红外监测温度补偿方法
被引量：7
- 3
-
-
作者
翟小伟
郝乐
王凯
马腾
宋波波
李心田
侯钦元
-
机构
西安科技大学安全科学与工程学院
陕西省煤火灾害防控重点实验室
陕西省高校青年创新团队矿山应急救援创新团队
-
出处
《煤炭学报》
EI
CAS
CSCD
北大核心
2024年第8期3498-3509,共12页
-
基金
国家自然科学基金资助项目(52274229,51974236)
陕西省杰出青年科学基金资助项目(2021JC-48)。
-
文摘
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。
-
关键词
煤自燃
无人机
热红外
GRNN
温度补偿模型
-
Keywords
coal spontaneous combustion
unmanned aerial vehicle
thermal infrared
GRNN
temperature compensation modeling
-
分类号
TD751
[矿业工程—矿井通风与安全]
-
