紀洪廣 曹 楊 張 舸 李 頌 陳布雷 蔣 華
(1.北京科技大學土木與環(huán)境工程學院,北京 100083;2.北京科技大學機械工程學院,北京 100083;3.山東黃金歸來莊礦業(yè)有限公司,山東 臨沂 273300)
·安全與環(huán)?!?/p>
獨頭巷道掘進過程中排煙時間預測
紀洪廣1曹 楊1張 舸2李 頌3陳布雷1蔣 華1
(1.北京科技大學土木與環(huán)境工程學院,北京 100083;2.北京科技大學機械工程學院,北京 100083;3.山東黃金歸來莊礦業(yè)有限公司,山東 臨沂 273300)
分析了炮煙在獨頭巷道中的運移情況,從質量守恒角度建立了炮煙拋擲區(qū)中的炮煙排出數(shù)學模型。對歸來莊金礦-118 m穿脈巷道爆破作業(yè)的現(xiàn)場炮煙監(jiān)測,監(jiān)測點炮煙濃度先增加后減小,炮煙排出過程中符合指數(shù)衰減。從爆破、炸藥、通風條件、巷道情況4個方面分析了影響排煙時間的因素,利用BP神經(jīng)網(wǎng)絡模型,將炸藥量、炮眼數(shù)目、風筒到掘進面的距離、監(jiān)測點到掘進面的距離、風筒風量、風流溫度、巷道溫度、巷道相對濕度等因素的10組實驗數(shù)據(jù)作為輸入量,排煙時間作為輸出量,獲得穩(wěn)定的網(wǎng)絡結構。再將5組輸入量實驗數(shù)據(jù)代入BP網(wǎng)絡訓練,預測的排煙時間與實測的排煙時間相對誤差在7%以內(nèi),運用BP網(wǎng)絡模型取得了較好的預測效果。準確預測排煙時間,可以合理安排掘進作業(yè),避免炮煙中毒事件發(fā)生,對礦山安全高效生產(chǎn)有重要的意義。
獨頭巷道 炮煙 排煙時間 BP網(wǎng)絡模型 預測
在金礦生產(chǎn)過程中,爆破是巷道掘進和礦石開采的主要形式[1]。獨頭巷道掘進爆破后,產(chǎn)生的有毒有害氣體中主要成分為CO、NOx等。地下爆破作業(yè)點的爆破有害氣體濃度CO不得超過30 mg/m3,NOx不得超過10 mg/m3。掘進工作面和通風不良的采場,應安裝局部通風設備[2]。因此,在爆破作業(yè)后必須對獨頭巷道進行強制的機械通風,以盡快將有毒有害氣體排出。計算排煙時間,能為井下工作人員合理安排掘進作業(yè)時間提供參考,提高巷道掘進效率,同時還保證井下工人的生命安全。2001—2010年,我國非煤礦山因中毒窒息共死亡1 562人,平均每年死亡超過156人,占總死亡人數(shù)的7.35%,排在各類事故類型的第5位[3]??梢娧芯开氼^巷道掘進過程中炮煙擴散規(guī)律,預測排煙時間,對預防非煤礦山中毒窒息事故有重要的意義。
要確定炮煙擴散的排煙時間,必須對巷道中炮煙運移情況做深入研究。彭輝等[4]建立了隧洞施工爆破炮煙自然擴散模型,對自然通風條件下炮煙(CO)濃度與時間的關系做了深入的研究,為合理設計通風排煙方案以及確認爆破后到底需要等多長時間再次進洞施工,為安全保證提供依據(jù);蘇利軍等[5]以費克定律為基礎,得出了炮煙擴散過程中有毒氣體濃度的時空分布表達式,并針對吸出式通風,討論了可能出現(xiàn)的炮煙停滯區(qū)中炮煙濃度的計算方法;楊立新等[6]根據(jù)稀釋-對流模型,得出了排煙風量的計算公式,并在實際中驗證了其合理性。以上研究中沒有直接給出接對排煙時間預測的公式,主要因為排煙時間往往受到炸藥質量、風量、風筒到掘進面距離、炮煙拋擲距離、溫度等因素影響,而且各個影響因素之間存在復雜的非線性關系。對于此類問題,可以運用人工神經(jīng)網(wǎng)絡[7]進行建模對排煙時間進行預測。
1.1 炮煙排出模型
獨頭巷道炮煙排出過程可以近似看作是炮煙在巷道中做一維運動[8]。設巷道的斷面面積為S,1-1面到掘進面的距離為LP(也可以看作炸藥爆炸后炮煙拋擲長度),選取0-0面到1-1面為研究CO擴散的控制體??刂企w的體積V=LP·S。大巷中CO的值為Cout。
圖1 獨頭巷道通風示意Fig.1 Schematic drawing of single-end roadway
單位時間內(nèi),有控制體中散出的CO的質量和控制體外增加的CO的質量相等。由質量守恒定律可得CO的濃度和通風量的關系為
(1)
解微分方程得
(2)
其中,A為常數(shù);由于t=0時,C=C0,可得
(3)
式中,V為控制體的體積,m3;k為擴散系數(shù),m2/s;dC/dt為CO濃度隨時間變化值,mg/m3;Q為通風量,m3/s;C為1-1面瞬時時刻CO的濃度,mg/m3;Cout為通風風量中CO的濃度,mg/m3;C0為控制體中CO的初始濃度,mg/m3。
由以上的推導可以得到掘進面炮煙中CO擴散的一般規(guī)律。一般大巷中的CO的濃度可以近似為0,即Cout=0,故式(3)可以簡化為
(4)
可見排煙時間與控制體中炮煙初始濃度、炮煙擴散系數(shù)、風量、控制體的體積有關。
1.2 影響因素分析
分析排煙時間的影響因素可以從爆破條件、炸藥、通風條件、巷道情況4個方面來考慮。
(1)爆破條件對CO的生成量有很大影響。相比于火雷管起爆,電雷管起爆CO生成量較少;炮孔分布合理,數(shù)目合適,炸藥爆炸得更充分,產(chǎn)生的CO量少。炮孔越深,裝藥越多,生成的CO量越多;炮孔裝藥越密實,產(chǎn)生的CO量越少。
(2)炸藥種類及質量對CO的生成量影響也很大。一般炸藥質量越大,CO生成量越多;相同質量的不同炸藥種類生成CO量也不同,梯恩梯產(chǎn)生的CO最多,乳化、水膠炸藥產(chǎn)生的CO較少[9]。
(3)通風條件。風筒供風量越大,排煙時間越短;風筒口距離到掘進面距離在其有效射程內(nèi)時,通風效果越好,排煙時間就越短;抽出式通風,熱風壓的存在會加快排煙時間[10]。
(4)巷道條件。巷道的巖性有時影響CO的生成量,如硫鐵礦中因為含硫元素較多而參與炸藥反應,會產(chǎn)生SO2,同時又消耗了氧,致使CO的生產(chǎn)量增加;巷道上傾,不利于炮煙排除;巷道下傾,有利于炮煙排除;風速相同時,巷道斷面越大,炮煙排除越快;炮煙監(jiān)測點到掘進面距離可以放大看作巷道長度,巷道越長,排煙時間越大;巷道的濕度對CO生成量也有影響,在高溫高壓條件下,CO會與水霧反應生成CO2和H2,從而有效地減少CO生成量[11]。
在歸來莊金礦-118 m中段32號穿脈掘進巷道中進行了多次炮煙監(jiān)測實驗。32號穿脈巷道采用鉆爆法進行巷道掘進,巷道長度約為80 m,巷道斷面形狀為半圓拱,寬3.2 m,高3 m,風筒風量3.5 m3/s左右,巷道溫度為24 ℃左右,濕度為79%左右,圍巖主要為矽卡巖,巖體整體性好;炸藥為2號巖石乳化炸藥,炮孔直徑為80 mm,炮孔采用連續(xù)裝藥,炮孔深度約為2 m。在保證安全的情況下,選擇距離掘進面同一的位置為CO監(jiān)測點,在巷道的不同斷面位置布置了5個CO無線傳感器。如圖2、圖3所示。
圖2 傳感器布置Fig.2 Layout of sensor
圖3 獨頭巷道監(jiān)測示意Fig.3 Schematic drawing of single-end roadway monitoring
爆破作業(yè)前,選擇安全的監(jiān)測點將CO傳感器、溫度計、濕度計等設備布置好。在爆破作業(yè)后,傳感器對巷道中監(jiān)測點的CO濃度進行了監(jiān)測記錄,并通過閱讀器將數(shù)據(jù)傳到SQL數(shù)據(jù)庫中保存。共進行了10次爆破監(jiān)測實驗,分別對炸藥量M、炮眼數(shù)目N、風筒到掘進面的距離L0、監(jiān)測點到掘進面的距離LP、風筒風量Q、風流溫度T0、巷道溫度T、巷道相對濕度φ、排煙時間t0等參數(shù)進行記錄,相關的實驗參數(shù)匯總如表1所示。
表1 爆破監(jiān)測的相關實驗參數(shù)Table 1 Relevant experimental parameter of blasting monitoring
通過炮煙監(jiān)測發(fā)現(xiàn),爆破作業(yè)后監(jiān)測點CO濃度值隨時間迅速增加到最大值,然后逐漸減小趨于不變。在炮煙濃度逐漸減小過程中,CO濃度按近似為負指數(shù)衰減變化,某次測試如圖4所示,其他測試數(shù)據(jù)圖形與此類似。
圖4 CO濃度隨時間變化曲線Fig.4 Curve of CO concentration changing with time
3.1 BP網(wǎng)絡概述
BP算法是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡。BP網(wǎng)絡能學習和存貯大量的輸入-輸出模式映射關系,而無需事前給定這種映射關系的數(shù)學方程。它的學習規(guī)則是使用最速下降法,將誤差(理想輸出與實際輸出之差)按連接通路反向計算,并不斷調(diào)整網(wǎng)絡的權值和閾值,使誤差減小,直到誤差達到理想的誤差范圍,訓練才會停止。BP神經(jīng)網(wǎng)絡是一種具有3層或3層以上的神經(jīng)元的神經(jīng)網(wǎng)絡,模型拓撲結構包括輸入層、隱含層和輸出層。
3.2 BP網(wǎng)絡構建
在某一金礦的同一個巷道進行炮煙監(jiān)測實驗,除去了炸藥種類、巖性、炮眼直徑、炮眼深度、巷道面積等不變的因素,選擇表1中的8個因素輸入到BP神經(jīng)網(wǎng)絡模型中的輸入層,輸入層的節(jié)點數(shù)n=8。將預測通風時間t0作為輸出層的輸出量,其節(jié)點數(shù)m=1。隱含層的數(shù)量可由經(jīng)驗公式得到:
其中n為輸入層節(jié)點,m為輸出層節(jié)點數(shù),a為1~10的常數(shù)。根據(jù)經(jīng)驗,該模型的隱含層節(jié)點數(shù)量為10。即構建的BP模型結構為(8,10,1),如圖5所示。
圖5 排煙時間BP神經(jīng)網(wǎng)絡結構Fig.5 BP neural network structure of fume-drain time
3.2 模型應用
(1)模型訓練。將1~10組數(shù)據(jù)樣本(見表1)代入網(wǎng)絡進行學習訓練,經(jīng)過迭代運算,當達到設定的訓練誤差0.000 1時,訓練停止。BP模型獲得穩(wěn)定的網(wǎng)絡結構、權值及節(jié)點閾值。
訓練結果如圖6所示。
圖6 BP網(wǎng)絡模型訓練結果Fig.6 Training of BP network model +—實際排煙時間;○—網(wǎng)絡輸出排煙時間
(2)模型驗證。將11~15組樣本數(shù)據(jù)代入訓練后的網(wǎng)絡進行驗證,得到網(wǎng)絡訓練后的排煙時間的值,如表2所示。
表2 BP網(wǎng)絡訓練后的排煙時間及誤差Table 2 Fume-drain time trained by BP network and errors
(1)實測數(shù)據(jù)分析可得:獨頭巷道炮煙排除過程中,監(jiān)測點CO濃度先增加后減小。CO濃度減小過程中,CO濃度隨時間基本按指數(shù)變化衰減。
(2)獨頭巷道炮煙排除時間受風筒到掘進面距離、炮煙拋擲長度、巷道長度、炸藥質量、溫度、濕度等因素影響。預測排煙時間必須綜合考慮各個因素,預測結果才能更接近實際情況。
(3)運用BP神經(jīng)網(wǎng)絡對預測量建模,可以充分考慮各個影響因素與預測量之間復雜的非線性關系,反向傳播自行調(diào)整網(wǎng)絡權值和閾值,使得實測結果和BP網(wǎng)絡訓練結果誤差在設定的范圍內(nèi),獲得更高的預測精度。
[1] 鄭建軍,王衛(wèi)忠,任仲罕.某金礦有毒有害氣體的來源、組成及影響因素分析[J].金屬礦山,2013(6):148-150. Zheng Jianjun,Wang Weizhong,Ren Zhonghan.Research on source and composition of the toxic and harmful gas and its influence factor in a certain gold deposit[J].Metal Mine,2013(6):148-150.
[2] 李曉飛,薛劍光.《金屬非金屬礦山安全規(guī)程》解讀[M].武漢:長江出版社,2006. Li Xiaofei,Xue Jianguang.Interpretation ofMetalandNon-metalMineSafetyRules[M].Wuhan:Changjiang Press,2006.
[3] 劉寧武,朱慧武,梅國棟.炮煙中毒窒息事故機理和預防措施研究[J].有色金屬:礦山部分,2012,64(3):1-6. Liu Ningwu,Zhu Huiwu,Mei Guodong.Research on accidents mechanism and prevention measures towards poisoning and asphyxiation of explosion smoke[J].Nonferrous Metals:Mine Section,2012,64(3):1-6.
[4] 彭 輝,雷進生,姚金階.隧道施工爆破炮煙自然擴散模型研究[J].路基工程,2009(6):30-31. Peng Hui,Lei Jinsheng,Yao Jinjie.Research on blasting fume natural diffusion model during tunnel construction[J].Subgrade Engineering,2009(6):30-31.
[5] 蘇利軍,盧文波.地下巷道鉆爆開挖過程中炮煙擴散及通風[J].爆破,2000,17(1):1-6. Su Lijun,Lu Wenbo.Technique during construction of underground tunnel[J].Blasting,2000,17(1):1-6.
[6] 楊立新,陸茂成,趙軍喜.隧道施工爆破后通風排煙風量計算的探討[J].西部探礦工程,2000(1):55-57. Yang Lixin,Lu Maocheng,Zhao Junxi.Discussion on ventilation smoke-drain calculation in tunnel construction after blasting[J].West-China Exploration Engineering,2000(1):55-57.
[7] 郁 云,杜 杰,陸金桂.基于人工神經(jīng)網(wǎng)絡的瓦斯涌出量預測[J].計算機仿真,2006,23(8):146-148. Yu Yun,Du Jie,Lu Jingui.Mine gas gushing forecasting based on artificial neural network[J].Computer Simulation,2006,23(8):146-148.
[8] 譚 香.巷道型采場通風炮煙運動的數(shù)值試驗[D].南寧:廣西大學,2012. Tan Xiang.Numerical Tests on Ventilation Blasting Fume Movement in Long Stope[D].Nanning:Guangxi University,2012.
[9] 汪旭光.乳化炸藥[M].北京:冶金工業(yè)出版社,2008. Wang Xuguang.Emulsion Explosive[M].Beijing:Metallurgy Industry Press,2008.
[10] 陸愈實,張國屏.熱負壓對獨頭巷道抽出式通風影響的研究[J].工業(yè)安全與防塵,1991(2):1-4. Lu Yushi,Zhang Guoping.A study of effect of heat negative pressure head on exhaust ventilation in blind gallery[J].Industrial Safety and Dust Control,1991(2):1-4.
[11] 趙曉莉,王繼峰.炸藥爆炸產(chǎn)生有毒氣體的原因及其防治[J].煤礦爆破,2007,77(2):23-26. Zhao Xiaoli,Wang Jifeng.The reason for shaping toxic gas during the blasting of explosive and its preventive measures[J].Coal Mine Blasting,2007,77(2):23-26.
(責任編輯 徐志宏)
Prediction of Drain-fume Time of Single-end Roadway in Tunneling Process
Ji Hongguang1Cao Yang1Zhang Ge2Li Song3Chen Bulei1Jiang Hua1
(1.SchoolofCivilandEnvironmentalEngineering,UniversityofScienceandTechnologyBeijing,Beijing100083,China;2.SchoolofMechanicalEngineering,UniversityofScienceandTechnologyBeijing,Beijing100083,China;3.GuilaizhuangMiningCo.,Ltd.ShangdongGoldGroup,Linyi273300,China)
The migration of blasting fume in single-end roadway is analyzed,and the mathematical model of blasting fume diffusion in the casting area is established from the viewpoint of mass conversation.Blasting fume monitoring in the -118 m tunnel in Guilaizhuang gold mine showed that the density of blasting fume at monitoring point increases firstly and then decreases.The process of blasting fume diffusion basically coincides with the exponential decay.The factors for fume-drain time are analyzed from four aspects of blasting,explosive,ventilation condition and tunnel.With BP neural network model,a stable network structure is obtained,regarding 10 groups data of explosive quantity,hole number,distance between fan drum and heading face,distance between monitoring point and heading face,air output,air temperature,roadway temperature,relative humidity of roadway as input,and fume-drain time as output.5-group of experimental input data was introduced into the BP network,obtaining that relative errors between measured results and network-training results are lower than 7%.Better prediction effect is achieved with BP neural network model.Accurate prediction of fume-drain time can not only arrange tunneling in a reasonable way,but also avoid occurrence of blasting fume poisoning incident,which creates significant meanings to safe and high-efficient production of mining.
Single-end roadway,Blasting fume,F(xiàn)ume-drain time,BP network model,Prediction
2014-01-20
“十二五”國家科技支撐計劃項目(編號:2012BAK09B00)。
紀洪廣(1963—),男,教授,博士研究生導師。
TD724+.4
A
1001-1250(2014)-05-142-04