简介:利用红外光谱法分析煤氧化和阻化的微观结构变化特征,对研究煤低温氧化和阻化机理有重要意义。采用TENSOR37傅里叶变换红外光谱仪,通过对阳泉无烟煤氧化和阻化的红外光谱图的分析,研究阳泉无烟煤在添加化学阻化剂前后煤分子结构的变化特征。结果表明:红外光谱图中位于高波数的羟基(—OH)吸收峰较弱,吸光度只有0.086-0.122,在加入吸水盐类阻化剂(MgCl2)后,吸光度约为原煤样的1.5倍,谱峰明显加强;在阻化前的低温氧化过程中,酚、醇、醚、酯的C—O吸光度由0.309降到0.207,甲基(—CH3)、亚甲基(—CH2—)的吸光度分别由0.027、0.019、0.042和0.056降到0.012、0.010、0.031和0.047,吸收峰强度逐渐减弱,芳烃C—H吸光度分别由0.031和0.040升高到0.077和0.087;在阻化后的低温氧化过程中,C—O含量基本不变,甲基、亚甲基的吸光度分别由0.017、0.011、0.034和0.040降到0.012、0.009、0.031和0.038,吸收峰减弱的速度明显降低,芳烃C—H的变化并不大。研究表明:在高变质阳泉煤中,含氧官能团和脂肪侧链的含量很低,在低温氧化过程中,很容易被氧化;吸水盐类阻化剂MgCl2可以通过与煤分子间发生取代和络合等作用,增加煤分子的稳定性,提高煤分子氧化的活化能,降低煤的氧化速率。
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。