简介:落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系.人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法.基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究.结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快;该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路.
简介:运用自主研制的含瓦斯煤热流固耦合三轴伺服渗流试验装置,以原煤煤样作为研究对象,进行了含瓦斯煤固定轴向压力、卸围压的渗流试验,研究了卸围压过程中瓦斯压力对煤样力学特性和能量特征的影响。结果表明:在轴压加载阶段,煤样的变形模量基本不变,泊松比逐渐减小;在定轴压卸围压阶段,煤样的变形模量先小幅度增加,然后逐渐减小,泊松比则逐渐增大。瓦斯压力越高,煤样的承载能力越低,煤样发生破坏时相应的轴向应变和围压卸荷量百分比越小,而煤样破坏时的径向变形和扩容量越大。各应变围压柔量Δεi与瓦斯压力呈线性关系且线性相关性良好。随瓦斯压力升高,轴向应变的围压敏感性降低,径向应变和体积应变的围压敏感性显著升高。随瓦斯压力升高,煤样发生破坏时存储的弹性应变能Ue减小,而总能量U、耗散能Ud和耗散能比例Ud/U都增大。
简介:不同变质程度的煤具有不同的自燃倾向性,研究煤的微观结构特征,对揭示和表征不同变质程度煤自燃的内在属性具有重要意义。以巴拉普库利亚、张家口、龙固、埠康等7个矿区的煤样为研究对象,分析了不同变质程度煤的表面特性、微晶结构和官能团的变化规律,进一步揭示了煤自燃性的内在微观机理。结果表明:煤表面性质参数随变质程度加深先减小后增大,微晶结构阶段性是导致这种变化的关键,且煤Cdaf为90%左右是转折点;随变质程度加深,煤分子内部微晶结构排列逐渐有序化,芳香环深度缩合,脂肪层结构含量减少,煤自燃性减弱;随煤变质程度加深,煤分子中羟基、羰基、烷基醚和芳香醚等官能团的含量均逐渐降低,这些官能团数量的差异决定了煤内在自燃性的难易程度。
简介:分析产生瓦斯爆炸的基本条件,指出在绝对瓦斯涌出量为5~75m^3/min或更大的轻度瓦斯突出的异常情况下,风筒送入的风与突出的瓦斯混合,会在较长巷道内形成大量的瓦斯浓度处于爆炸上限与下限之间的可爆混气.风量越大,形成的可爆混气体积越大,如400m^3/min的风量在2min内就可形成≥842m^3的可爆混气.遇火源可发生强烈的爆炸甚至爆轰,造成较大的伤亡甚至整个矿井内大部分人员死亡.这表明,加大加强的风量对防止煤矿瓦斯爆炸起副(反)作用.这种副作用已在试验巷道用天然气爆炸试验中得到证明.目前煤炭界采取的各种措施不能有效地消除加大加强风量引起的副(反)作用.提出了2种消除副作用的措施,即瓦斯传感器断电与复电方法和抽吸方法,并经试验证明是有效的.
简介:矿井瓦斯突出的发生是一个非线性系统在时空演化过程中的灾变行为,影响突出的各个基本因素与突出危险性之间存在复杂的非线性映射关系。对于处理这样的非线性时空演变问题,传统的数学方法是有局限性的。为了更好地预测矿井瓦斯涌出量,将灰色理论引入到预测精度高的遗传神经网络,使灰色理论和遗传神经网络有机结合起来,以神经网络理论为基础,利用遗传算法优化隐含层神经元个数和网络中的连接权值,并用其建立瓦斯涌出量的预测新模型。在实验室测试数据的基础上,建立遗传神经网络训练和检验样本集,并且将检验结果分别与标准BP神经网络的预测结果进行比较。