硫化礦石堆自熱過程復(fù)雜度變化趨勢

潘偉，吳超，李孜軍，李明

?

硫化礦石堆自熱過程復(fù)雜度變化趨勢

潘偉1, 2，吳超1，李孜軍1，李明1

(1. 中南大學 資源與安全工程學院，湖南 長沙，410083；2. 遼寧工程技術(shù)大學 礦山熱動力災(zāi)害與防治教育部重點實驗室，遼寧 阜新，123000)

為揭示硫化礦石堆自熱過程的突變特性，提出一種基于實測溫度數(shù)據(jù)研究礦石堆復(fù)雜度的新方法。以某硫鐵礦礦石樣品為實驗材料，應(yīng)用自主設(shè)計的實驗裝置，室內(nèi)模擬礦石堆動態(tài)自熱過程。在對近似熵方法檢測動力學結(jié)構(gòu)突變的有效性進行驗證后，應(yīng)用小波技術(shù)與近似熵方法對自熱過程中礦石堆的復(fù)雜度進行定量分析。研究結(jié)果表明：礦石堆近似熵在0.61~0.90之間，隨著深度的增大，礦石堆復(fù)雜度呈先增大后減小的趨勢；局部區(qū)域的自熱過程產(chǎn)生了明顯突變，突變溫度介于117.6~121.2 ℃之間；礦石堆復(fù)雜度變化趨勢可分為3個階段：相對平穩(wěn)階段、逐漸增大階段和逐漸減小階段。在復(fù)雜度逐漸增大階段，礦石堆局部區(qū)域產(chǎn)生了明顯自熱。

硫化礦石堆；自熱過程；復(fù)雜度；突變溫度；室內(nèi)模擬；近似熵；小波技術(shù)

硫化礦石與空氣接觸會發(fā)生緩慢氧化放熱反應(yīng)，當?shù)V石堆散熱條件較差時，熱量便會積聚并使得礦石堆溫度升高。當?shù)V石堆溫度達到礦石著火點時會引發(fā)自燃火災(zāi)，給礦山帶來巨大的資源浪費及經(jīng)濟損失，甚至嚴重威脅到井下作業(yè)人員的生命安全。因此，研究其自燃機理、自燃過程及自燃防治措施具有重要的現(xiàn)實意義[1?2]。目前，對于硫化礦石自燃機理、自燃傾向性評價、預(yù)測方法和控制技術(shù)等領(lǐng)域[3–12]的研究已經(jīng)取得一定成果，如Ninteman[3]定性描述了硫化礦石氧化的電化學機理；李孜軍等[5]探討了多指標綜合評判的新方法；劉輝等[6]通過現(xiàn)場試驗，優(yōu)選出礦石堆溫度作為預(yù)測自燃早期指標，并應(yīng)用指數(shù)曲線法建立了礦石堆溫度預(yù)測模型；陽富強等[8]在實驗條件下總結(jié)出適用于檢測礦石堆自燃的紅外檢測裝置的選擇方法，將其應(yīng)用于現(xiàn)場實踐，取得了較好效果。在硫化礦石堆自熱過程研究方面的研究成果較少。如吳超 等[1]認為硫化礦石氧化自熱過程分為低速和高速2個階段，并通過室內(nèi)實驗測定了部分礦樣進入高速氧化階段的臨界溫度；李珞銘等[11]提出硫化礦石堆自燃流變—突變模型，但該研究不能對自然過程進行定量描述。在此，本文作者以室內(nèi)實測模擬礦石堆的溫度變化序列作為研究對象，集成近似熵方法與小波技術(shù)對自熱過程中礦石堆的復(fù)雜度進行了定量研究，從而為礦山防治硫化礦石自燃火災(zāi)提供一條新思路。

1 硫化礦石堆自熱模擬實驗

由于影響硫化礦石自燃的因素繁多，且各因素間的交互作用機制極其復(fù)雜，受現(xiàn)場測試條件的限制，很難在現(xiàn)場開展試驗。此外，雖然現(xiàn)場試驗的結(jié)果可信度高，但試驗周期長，試驗過程也難以得到有效控制。為研究礦石堆動態(tài)自熱過程，本文作者采用小規(guī)模的室內(nèi)探索性實驗來代替大規(guī)模的現(xiàn)場試驗。

1.1 實驗材料

河南某硫鐵礦屬于典型的高硫礦床，自開采以來曾多次發(fā)生硫化礦石自燃火災(zāi)。實驗材料取自該礦850 m中段1號礦體西沿，礦樣鑒定結(jié)果為塊狀黃鐵礦及赤鐵礦，表1所示為該礦樣的化學成分。將礦樣破碎至粒徑為10 mm以下并進行篩分，構(gòu)筑模擬礦石堆的粒度組成如表2所示，測得其平均空隙率為33.13%。

表1 礦樣化學成分(質(zhì)量分數(shù))

表2 模擬礦石堆粒度組成

1.2 實驗裝置及方法

圖1所示為實驗裝置示意圖。堆置的模擬礦石堆近似為等腰梯形，其上、下底長度分別為60 mm和300 mm，高為100 mm，坡角為39.8o，礦石堆的含水率為5%。實驗過程中通過向模擬礦石堆供氧來模擬采場通風，并采用加濕器來模擬采場內(nèi)的空氣濕度。

1—毒氣吸收瓶；2—支架；3—模擬礦石堆；4—槽體模型；5—可程式高溫試驗箱；6—封蓋；7—溫度探頭；8—加濕器；9—流量計；10—緩沖瓶；11—多點接觸式測溫儀；12—氧氣瓶

為監(jiān)測實驗過程中模擬礦石堆的溫度變化情況，在礦石堆中隨機布設(shè)8個測點，編號依次為~。各個測點的坐標分別為：(?120，15)，(?80，20)，(?60，60)，(?20，50)，(0，20)，(30，80)，(90，25)，(130，10)。測點溫度采用多點接觸式測溫儀進行測定。由于常溫狀態(tài)下的硫化礦石堆氧化升溫非常緩慢，本次實驗采用可程式高溫試驗箱來加快礦石自熱反應(yīng)進程。

2 近似熵方法及其有效性檢驗

2.1 近似熵計算方法

近似熵是序列復(fù)雜度的一種非負的定量描述，序列越復(fù)雜，對應(yīng)的近似熵就越大。從實測序列中提取近似熵的方法如下[13]。

3) 給定一距離，對每個值統(tǒng)計小于的數(shù)量，記為。將與距離總數(shù)的比值記作：

本文計算取=2，=0.15，為原始序列的標準偏差。

2.2 近似熵有效性檢驗

為驗證近似熵方法檢測動力學結(jié)構(gòu)突變的有效性，構(gòu)造長度為1 200的理想序列()如下：

由于實測數(shù)據(jù)中不可避免含有隨機噪聲，向理想序列()疊加0.08倍的隨機噪聲構(gòu)成一個新的序列。取滑動窗口寬度分別為150和200，滑動步長為1，對該序列的近似熵進行計算，計算結(jié)果如圖2所示。由圖2可知：雖然選取的滑動窗口寬度不同，且序列含有噪聲干擾，但近似熵方法仍能夠有效識別動力學結(jié)構(gòu)的差異，從動力學突變區(qū)能夠直觀找出該序列的突變點，證明近似熵在檢測動力學結(jié)構(gòu)突變方面具有顯著優(yōu)勢。

(a) 滑動窗口寬度為150；(b) 滑動窗口寬度為200；

3 礦石堆自熱復(fù)雜度的定量分析

3.1 實測數(shù)據(jù)計算流程

本實驗采集的礦石堆溫度變化數(shù)據(jù)是高溫試驗箱梯度升溫與礦石自熱共同作用的結(jié)果，且梯度升溫起主導(dǎo)作用。因此，將礦石堆自熱信息從實測溫度序列中分離出來非常必要?；诖?，本文作者引入小波分析技術(shù)[14]對實測溫度序列進行小波分解與重構(gòu)，溫度序列的低頻成分(大尺度逼近部分)反映的是梯度升溫對礦石堆溫度變化的影響，高頻成分(細節(jié)部分)蘊藏著礦石堆自熱復(fù)雜信息。

在獲得各個測點的高頻重構(gòu)序列后，按照圖3所示的計算流程對序列進行計算分析。本文所有計算工作均在中南大學高性能網(wǎng)格計算平臺上完成，計算編程軟件為Matlab7.4.0。

圖3 計算流程示意圖

3.2 結(jié)果分析及討論

選擇適當?shù)男〔ê瘮?shù)是進行小波分析的關(guān)鍵，根據(jù)桑燕芳等[15]提出的方法對7個常用小波系中的54個小波函數(shù)進行優(yōu)選，采用優(yōu)選出的Haar小波對各個測點溫度增量序列進行小波分解，重構(gòu)第1層分解的高頻系數(shù)作為研究序列。以測點為例，圖4所示為該測點溫度增量序列的小波重構(gòu)結(jié)果。由圖4可知：低頻重構(gòu)序列與原序列的變化趨勢大體一致，體現(xiàn)的是高溫試驗箱梯度升溫對礦石堆溫度變化的影響，而高頻重構(gòu)序列則有更豐富的細節(jié)變化，對其進行分析，能夠有效放大礦石堆內(nèi)不同區(qū)域自熱反應(yīng)進程的微弱差別。

(a) 原序列；(b) 低頻重構(gòu)序列；(c) 標準化后的高頻重構(gòu)序列

基于近似熵方法計算出各個測點對應(yīng)序列的近似熵值，并采用二維插值得到模擬礦石堆近似熵分布如圖5所示。由圖5可知：礦石堆系統(tǒng)的近似熵普遍較大，處于0.61~0.90之間，總體呈表層大深部小的趨勢。結(jié)合各個測點的深度進行具體分析，可以發(fā)現(xiàn)：當深度由5.121 5 mm增大到11.523 3 mm過程中，近似熵由0.797 7增大到0.891 0。此后，隨著深度的增大，近似熵值不斷減小，當深度為80 mm時近似熵減小至0.613 2。由此可見，隨著深度的增大，自熱過程中礦石堆的復(fù)雜度呈先增大后減小的趨勢。這是因為：礦石堆在氧化自熱過程中，在一定的深度范圍內(nèi)，由于蓄熱條件逐漸變優(yōu)，礦石的自熱效果會隨著深度的增大，變得越來越明顯，宏觀表現(xiàn)為系統(tǒng)的復(fù)雜度逐漸增大；當深度繼續(xù)增大，由于深部礦石越來越密實，使得通風阻力變大，導(dǎo)致風流很難入滲，礦石因沒有足夠的氧氣參與反應(yīng)使得自熱效果逐漸變差，宏觀表現(xiàn)就是系統(tǒng)的復(fù)雜度逐漸減小。由此可得，礦石堆復(fù)雜度的空間差異是自熱過程中通風?蓄熱綜合作用的必然結(jié)果。

圖5 模擬礦石堆近似熵分布

應(yīng)用三次樣條插值法對各個測點高頻重構(gòu)序列進行擴充，擴充后的序列長度為1 000。在對各個測點對應(yīng)序列進行近似熵檢測時，取滑動窗口寬度為150，滑動步長為1，得到部分測點近似熵檢測結(jié)果如圖6所示。所有測點的近似熵檢測結(jié)果表明：在布設(shè)的8個測點中，僅測點、測點和測點的近似熵存在較為明顯的突變區(qū)，這意味著僅有這3個測點處礦石的自熱過程產(chǎn)生了明顯突變，進一步證實了礦石堆內(nèi)只有局部區(qū)域出現(xiàn)了明顯自熱。計算過程中還發(fā)現(xiàn)，3個測點近似熵的變化特征基本趨于一致。以測點為例進行分析(見圖6(a))，計算得到Ⅰ區(qū)和Ⅱ區(qū)的近似熵平均值分別為0.362 3和0.473 5，Ⅱ區(qū)的近似熵平均值大于Ⅰ區(qū)的近似熵平均值，表明高速氧化階段的自熱反應(yīng)比低速氧化階段更為復(fù)雜。

(a) 測點A；(b) 測點B；(c) 測點C；(d) 測點D

為了便于分析低速氧化階段和高速氧化階段的近似熵變化特征，將測點Ⅰ區(qū)和Ⅱ區(qū)近似熵曲線放大，如圖7所示。由圖7可知：Ⅰ區(qū)和Ⅱ區(qū)的近似熵變化趨勢有顯著差異。在Ⅰ區(qū)，隨著滑動窗口右移，近似熵先是在平均值0.347 9左右波動(對應(yīng)圖7(a)中的段)，然后總體呈逐漸增大趨勢(對應(yīng)圖7(a)中的段)；在Ⅱ區(qū)，隨著滑動窗口右移，近似熵先是迅速增大到最大值0.520 4(對應(yīng)圖7(b)中的段)，然后呈逐漸減小趨勢(對應(yīng)圖7(b)中的段)。硫化礦石堆在低速氧化階段初期，自熱作用不顯著，使得系統(tǒng)的復(fù)雜度變化不明顯。經(jīng)過一段時間預(yù)熱后，礦石溫度升高促使自熱反應(yīng)加劇，從而導(dǎo)致系統(tǒng)復(fù)雜度逐漸增大，該現(xiàn)象在高速氧化階段初期體現(xiàn)得尤為明顯。在高速氧化階段末期，由于堆內(nèi)礦石顆粒表面已經(jīng)被氧化，從而使得系統(tǒng)復(fù)雜度逐漸減小。由此可知，隨著時間的推移，礦石堆復(fù)雜度變化趨勢可分為3個階段：相對平穩(wěn)階段、逐漸增大階段和逐漸減小階段，其中在復(fù)雜度逐漸增大階段，礦石堆局部區(qū)域產(chǎn)生了明顯自熱。

(a) Ⅰ區(qū)；(b) Ⅱ區(qū)

表3所示為測點、測點和測點的突變分析結(jié)果。由表3可知：礦石堆內(nèi)不同區(qū)域進入高速氧化階段的臨界溫度并不相同，但差值不大，這可能與各個區(qū)域不同的環(huán)境因素(如礦石粒度、通風條件等)有關(guān)。由表3還發(fā)現(xiàn)：測點的深度越大，動力學突變點就越大。這是由于礦石的導(dǎo)熱性較差，深度大的礦石達到高速氧化臨界溫度所需時間更長。

表3 測點、測點和測點的突變分析結(jié)果

Table 3 Mutation analysis results of measuring point A, C and H

4 結(jié)論

1) 近似熵具有良好的識別不同動力學結(jié)構(gòu)及顯示突變的能力，應(yīng)用該方法對礦石堆自熱過程中不同區(qū)域、不同階段的復(fù)雜度進行分析是可行的。

2) 自熱過程中礦石堆系統(tǒng)的近似熵普遍較大，介于0.61~0.90之間。且隨著深度的增大，礦石堆復(fù)雜度呈先增大后減小的趨勢。

3) 礦石堆內(nèi)僅局部區(qū)域的自熱過程產(chǎn)生了明顯突變，突變溫度介于117.6~121. 2℃之間。為抑制自燃火災(zāi)的發(fā)生，采礦生產(chǎn)中應(yīng)采取有效措施防止礦石堆溫度達到突變溫度。

4) 隨著時間的推移，礦石堆自熱區(qū)域復(fù)雜度變化趨勢可分為3個階段：相對平穩(wěn)階段、逐漸增大階段和逐漸減小階段。其中，在復(fù)雜度逐漸增大階段，礦石堆局部區(qū)域產(chǎn)生了明顯自熱。

[1] 吳超, 孟廷讓. 高硫礦井內(nèi)因火災(zāi)防治理論與技術(shù)[M]. 北京: 冶金工業(yè)出版社, 1995: 1?111.
WU Chao, MENG Tingrang. Theory and technology for control of the mine spontaneous combustion of sulfide ores[M]. Beijing: Metallurgical Industry Press, 1995: 1?111.

[2] 李孜軍. 硫化礦石自燃機理及其預(yù)防關(guān)鍵技術(shù)研究[D]. 長沙: 中南大學資源與安全工程學院, 2007: 1?6.
LI Zijun. Investigation on the mechanism of spontaneous combustion of sulfide ores and the key technologies for preventing fire[D]. Changsha: Central South University. School of Resources and Safety Engineering, 2007: 1?6.

[3] Ninteman D J. Spontaneous oxidation and combustion of sulfide ores in underground mines[R]. USA: Bureau of Mines, 1978: 1?40.

[4] WU Chao, LI Zijun. A simple method for predicting the spontaneous combustion potential of sulfide ores at ambient temperature[J]. Transactions of the Institutions of Mining and Metallurgy, Section A: Mining Technology, 2005, 114(2): 125?128.

[5] 李孜軍, 古德生, 吳超. 高溫高硫礦床礦石自燃危險性的評價[J]. 金屬礦山, 2004(5): 57?59.
LI Zijun, GU Desheng, WU Chao. Dangerousness assessment of ore spontaneous combustion in high temperature high sulfide deposits[J]. Metal Mine, 2004(5): 57?59.

[6] 劉輝, 吳超, 潘偉, 等. 硫化礦石堆自燃早期指標優(yōu)選及預(yù)測方法[J]. 科技導(dǎo)報, 2009, 27(3): 46?50.
LIU Hui, WU Chao, PAN Wei, et al. Index optimization and forecast model of spontaneous combustion of sulfide ore dump during early stage[J]. Science & Technology Review, 2009, 27(3): 46?50.

[7] 謝正文, 吳超, 李孜軍, 等. 基于信息熵和集對分析理論的硫化礦石自燃傾向性判定[J]. 中南大學學報(自然科學版), 2012, 43(15): 1858?1863.
XIE Zhengwen, WU Chao, LI Zijun, et al. Evaluation on spontaneous combustion tendency of sulfide ores based on entropy and set pair analysis theory[J]. Journal of Central South University (Science and Technology), 2012, 43(15): 1858?1863.

[8] 陽富強, 吳超, 李孜軍, 等. 紅外探測技術(shù)在硫化礦石堆自燃檢測中的應(yīng)用[J]. 金屬礦山, 2009, (3): 149?153.
YANG Fuqiang, WU Chao, LI Zijun, et al. Application of infrared detecting technology in predicting spontaneous combustion of sulfide ore dump[J]. Metal Mine, 2009(3): 149?153.

[9] 潘偉, 吳超, 李孜軍, 等. 硫化礦石堆動態(tài)自熱過程模擬[J]. 中南大學學報(自然科學版), 2011, 42(7): 2126?2131.
PAN Wei, WU Chao, LI Zijun, et al. Simulation experiment of dynamic self-heating process of sulfide ore heap[J]. Journal of Central South University (Science and Technology), 2011, 42(7): 2126?2131.

[10] YANG Fuqiang, WU Chao, LI Zijun. Investigation of the propensity of sulfide concentrates to spontaneous combustion in storage[J]. Journal of Loss Prevention in the Process Industries, 2011, 24: 131?137.

[11] 李珞銘, 吳超, 王立磊, 等. 流變—突變論在預(yù)防硫化礦自燃中的應(yīng)用研究[J]. 中國安全科學學報, 2008, 18(2): 81?86.
LI Luoming, WU Chao, WANG Lilei, et al. Research and application of rheology-mutation theory in the prevention of sulfide ore spontaneous combustion[J]. China Safety Science Journal, 2008, 18(2): 81?86.

[12] Pan W, Liao J, Wu C, et al. Numerical simulation of self-heating and its influence factors of sulfide ore heap[C]//Proceedings of International Symposium on Rock Mechanics and Mine Dynamic Disaster Prevention. Beijing: China Coal Industry Publishing House, 2013: 221?227.

[13] Pincus S M. Approximate entropy as a measure of system complexity[J]. Proceeding of the National Academy Sciences USA, 1991, 88(6): 2297?2301.

[14] 胡漢輝, 楊洪, 譚青, 等. 基于小波分析的風機故障診斷[J]. 中南大學學報(自然科學版), 2007, 38(6): 1169?1173.
HU Hanhui, YANG Hong, TAN Qing, et al. Sintering fan faults diagnosis based on wavelet analysis[J]. Journal of Central South University (Science and Technology), 2007, 38(6): 1169?1173.

[15] 桑燕芳, 王棟. 水文序列小波分析中小波函數(shù)選擇方法[J]. 水利學報, 2008, 39(3): 295?300.
SANG Yanfang, WANG Dong. Wavelets selection method in hydrologic series wavelet analysis[J]. Journal of Hydraulic Engineering, 2008, 39(3): 295?300.

Complexity trend of self-heating process of sulfide ore heap

PAN Wei1, 2, WU Chao1, LI Zijun1, LI Ming1

(1. School of Resources and Safety Engineering, Central South University, Changsha 410083, China;2. Key Laboratory of Mine Thermo-motive Disaster and Prevention of Ministry of Education,Liaoning Technical University, Fuxin 123000, China)

To reveal mutation characteristics of sulfide ore heap during the self-heating process, a new method for complexity research of ore heap based on measured temperature data was proposed. Ore samples from a pyrite mine were taken as experimental materials and dynamic self-heating process of ore heap was simulated in laboratory with the experimental apparatus. The complexity of ore heap during the self-heating process was analyzed quantitatively with wavelet technology and approximate entropy method after the effectiveness of approximate entropy method detecting structural dynamics mutation was validated. The results indicate that the approximate entropy value of ore heap is 0.61?0.90. The complexity of ore heap increases at first, and then decreases as the depth increases. Self-heating process of local area has obvious mutation and the mutation temperature is between 117.6?121.2 ℃. The complexity trend of ore heap includes three stages: relatively stable stage, gradually increasing stage and gradually decreasing stage. In gradually increasing stage, ore in local area generates obvious self-heating.

sulfide ore heap; self-heating process; complexity; mutation temperature; laboratory simulation; approximate entropy; wavelet technology

TD75

A

1672?7207(2015)02?0610?07

2014?01?10；

2014?06?15

國家自然科學基金資助項目(51074181, 51304238)；礦山熱動力災(zāi)害與防治教育部重點實驗室基金資助課題(JSK200206)(Projects (51074181, 51304238) supported by the National Science Foundation of China; Project ((JSK200206)) supported by the Foundation of Key Laboratory of Mine Thermo-motive Disaster and Prevention, Ministry of Education, China)

潘偉，博士，從事礦山安全、環(huán)境保護等研究；E-mail：panwei-82@163.com

10.11817/j.issn.1672-7207.2015.02.032

(編輯 趙俊)