紀(jì)洪廣 曹 楊 張 舸 李 頌 陳布雷 蔣 華

(1.北京科技大學(xué)土木與環(huán)境工程學(xué)院，北京 100083；2.北京科技大學(xué)機(jī)械工程學(xué)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(dú)頭巷道掘進(jìn)過程中排煙時(shí)間預(yù)測

紀(jì)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(xué)土木與環(huán)境工程學(xué)院，北京 100083；2.北京科技大學(xué)機(jī)械工程學(xué)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(dú)頭巷道中的運(yùn)移情況，從質(zhì)量守恒角度建立了炮煙拋擲區(qū)中的炮煙排出數(shù)學(xué)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(diǎn)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(fēng)條件、巷道情況4個(gè)方面分析了影響排煙時(shí)間的因素，利用BP神經(jīng)網(wǎng)絡(luò)模型，將炸藥量、炮眼數(shù)目、風(fēng)筒到掘進(jìn)面的距離、監(jiān)測點(diǎn)到掘進(jìn)面的距離、風(fēng)筒風(fēng)量、風(fēng)流溫度、巷道溫度、巷道相對濕度等因素的10組實(shí)驗(yàn)數(shù)據(jù)作為輸入量，排煙時(shí)間作為輸出量，獲得穩(wěn)定的網(wǎng)絡(luò)結(jié)構(gòu)。再將5組輸入量實(shí)驗(yàn)數(shù)據(jù)代入BP網(wǎng)絡(luò)訓(xùn)練，預(yù)測的排煙時(shí)間與實(shí)測的排煙時(shí)間相對誤差在7%以內(nèi)，運(yùn)用BP網(wǎng)絡(luò)模型取得了較好的預(yù)測效果。準(zhǔn)確預(yù)測排煙時(shí)間，可以合理安排掘進(jìn)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(dú)頭巷道 炮煙 排煙時(shí)間 BP網(wǎng)絡(luò)模型 預(yù)測

在金礦生產(chǎn)過程中，爆破是巷道掘進(jìn)和礦石開采的主要形式[1]。獨(dú)頭巷道掘進(jìn)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(diǎn)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(jìn)工作面和通風(fēng)不良的采場，應(yīng)安裝局部通風(fēng)設(shè)備[2]。因此，在爆破作業(yè)后必須對獨(dú)頭巷道進(jìn)行強(qiáng)制的機(jī)械通風(fēng)，以盡快將有毒有害氣體排出。計(jì)算排煙時(shí)間，能為井下工作人員合理安排掘進(jìn)作業(yè)時(shí)間提供參考，提高巷道掘進(jìn)效率，同時(shí)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?dú)頭巷道掘進(jìn)過程中炮煙擴(kuò)散規(guī)律，預(yù)測排煙時(shí)間，對預(yù)防非煤礦山中毒窒息事故有重要的意義。

要確定炮煙擴(kuò)散的排煙時(shí)間，必須對巷道中炮煙運(yùn)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(kuò)散模型，對自然通風(fēng)條件下炮煙(CO)濃度與時(shí)間的關(guān)系做了深入的研究，為合理設(shè)計(jì)通風(fēng)排煙方案以及確認(rèn)爆破后到底需要等多長時(shí)間再次進(jìn)洞施工,為安全保證提供依據(jù)；蘇利軍等[5]以費(fèi)克定律為基礎(chǔ),得出了炮煙擴(kuò)散過程中有毒氣體濃度的時(shí)空分布表達(dá)式，并針對吸出式通風(fēng),討論了可能出現(xiàn)的炮煙停滯區(qū)中炮煙濃度的計(jì)算方法；楊立新等[6]根據(jù)稀釋-對流模型，得出了排煙風(fēng)量的計(jì)算公式，并在實(shí)際中驗(yàn)證了其合理性。以上研究中沒有直接給出接對排煙時(shí)間預(yù)測的公式，主要因?yàn)榕艧煏r(shí)間往往受到炸藥質(zhì)量、風(fēng)量、風(fēng)筒到掘進(jìn)面距離、炮煙拋擲距離、溫度等因素影響，而且各個(gè)影響因素之間存在復(fù)雜的非線性關(guān)系。對于此類問題，可以運(yùn)用人工神經(jīng)網(wǎng)絡(luò)[7]進(jìn)行建模對排煙時(shí)間進(jìn)行預(yù)測。

1 排煙時(shí)間因素影響分析

1.1 炮煙排出模型

獨(dú)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(yùn)動(dòng)[8]。設(shè)巷道的斷面面積為S，1-1面到掘進(jìn)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(kuò)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(dú)頭巷道通風(fēng)示意Fig.1 Schematic drawing of single-end roadway

單位時(shí)間內(nèi)，有控制體中散出的CO的質(zhì)量和控制體外增加的CO的質(zhì)量相等。由質(zhì)量守恒定律可得CO的濃度和通風(fēng)量的關(guān)系為

(1)

解微分方程得

(2)

其中，A為常數(shù)；由于t=0時(shí)，C=C0，可得

(3)

式中，V為控制體的體積，m3；k為擴(kuò)散系數(shù)，m2/s；dC/dt為CO濃度隨時(shí)間變化值，mg/m3；Q為通風(fēng)量，m3/s；C為1-1面瞬時(shí)時(shí)刻CO的濃度,mg/m3;Cout為通風(fēng)風(fēng)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(dǎo)可以得到掘進(jìn)面炮煙中CO擴(kuò)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(shí)間與控制體中炮煙初始濃度、炮煙擴(kuò)散系數(shù)、風(fēng)量、控制體的體積有關(guān)。

1.2 影響因素分析

分析排煙時(shí)間的影響因素可以從爆破條件、炸藥、通風(fēng)條件、巷道情況4個(gè)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(shí)，產(chǎn)生的CO量越少。

(2)炸藥種類及質(zhì)量對CO的生成量影響也很大。一般炸藥質(zhì)量越大，CO生成量越多；相同質(zhì)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(fēng)條件。風(fēng)筒供風(fēng)量越大，排煙時(shí)間越短；風(fēng)筒口距離到掘進(jìn)面距離在其有效射程內(nèi)時(shí)，通風(fēng)效果越好，排煙時(shí)間就越短；抽出式通風(fēng)，熱風(fēng)壓的存在會(huì)加快排煙時(shí)間[10]。

(4)巷道條件。巷道的巖性有時(shí)影響CO的生成量，如硫鐵礦中因?yàn)楹蛟剌^多而參與炸藥反應(yīng)，會(huì)產(chǎn)生SO2，同時(shí)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(fēng)速相同時(shí)，巷道斷面越大，炮煙排除越快；炮煙監(jiān)測點(diǎn)到掘進(jìn)面距離可以放大看作巷道長度，巷道越長，排煙時(shí)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(huì)與水霧反應(yīng)生成CO2和H2，從而有效地減少CO生成量[11]。

2 現(xiàn)場爆破監(jiān)測實(shí)驗(yàn)

在歸來莊金礦-118 m中段32號穿脈掘進(jìn)巷道中進(jìn)行了多次炮煙監(jiān)測實(shí)驗(yàn)。32號穿脈巷道采用鉆爆法進(jìn)行巷道掘進(jìn)，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(fēng)筒風(fēng)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(jìn)面同一的位置為CO監(jiān)測點(diǎn)，在巷道的不同斷面位置布置了5個(gè)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(dú)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(diǎn)將CO傳感器、溫度計(jì)、濕度計(jì)等設(shè)備布置好。在爆破作業(yè)后，傳感器對巷道中監(jiān)測點(diǎn)的CO濃度進(jìn)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(jìn)行了10次爆破監(jiān)測實(shí)驗(yàn)，分別對炸藥量M、炮眼數(shù)目N、風(fēng)筒到掘進(jìn)面的距離L0、監(jiān)測點(diǎn)到掘進(jìn)面的距離LP、風(fēng)筒風(fēng)量Q、風(fēng)流溫度T0、巷道溫度T、巷道相對濕度φ、排煙時(shí)間t0等參數(shù)進(jìn)行記錄，相關(guān)的實(shí)驗(yàn)參數(shù)匯總?cè)绫?所示。

表1 爆破監(jiān)測的相關(guān)實(shí)驗(yàn)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(diǎn)CO濃度值隨時(shí)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(fù)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(shí)間變化曲線Fig.4 Curve of CO concentration changing with time

3 模型建立

3.1 BP網(wǎng)絡(luò)概述

BP算法是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前給定這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，將誤差(理想輸出與實(shí)際輸出之差)按連接通路反向計(jì)算，并不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使誤差減小，直到誤差達(dá)到理想的誤差范圍，訓(xùn)練才會(huì)停止。BP神經(jīng)網(wǎng)絡(luò)是一種具有3層或3層以上的神經(jīng)元的神經(jīng)網(wǎng)絡(luò)，模型拓?fù)浣Y(jié)構(gòu)包括輸入層、隱含層和輸出層。

3.2 BP網(wǎng)絡(luò)構(gòu)建

在某一金礦的同一個(gè)巷道進(jìn)行炮煙監(jiān)測實(shí)驗(yàn)，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(gè)因素輸入到BP神經(jīng)網(wǎng)絡(luò)模型中的輸入層，輸入層的節(jié)點(diǎn)數(shù)n=8。將預(yù)測通風(fēng)時(shí)間t0作為輸出層的輸出量，其節(jié)點(diǎn)數(shù)m=1。隱含層的數(shù)量可由經(jīng)驗(yàn)公式得到：

其中n為輸入層節(jié)點(diǎn)，m為輸出層節(jié)點(diǎn)數(shù)，a為1～10的常數(shù)。根據(jù)經(jīng)驗(yàn)，該模型的隱含層節(jié)點(diǎn)數(shù)量為10。即構(gòu)建的BP模型結(jié)構(gòu)為(8,10,1)，如圖5所示。

圖5 排煙時(shí)間BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.5 BP neural network structure of fume-drain time

3.2 模型應(yīng)用

(1)模型訓(xùn)練。將1～10組數(shù)據(jù)樣本(見表1)代入網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，經(jīng)過迭代運(yùn)算，當(dāng)達(dá)到設(shè)定的訓(xùn)練誤差0.000 1時(shí)，訓(xùn)練停止。BP模型獲得穩(wěn)定的網(wǎng)絡(luò)結(jié)構(gòu)、權(quán)值及節(jié)點(diǎn)閾值。

訓(xùn)練結(jié)果如圖6所示。

圖6 BP網(wǎng)絡(luò)模型訓(xùn)練結(jié)果Fig.6 Training of BP network model +—實(shí)際排煙時(shí)間；○—網(wǎng)絡(luò)輸出排煙時(shí)間

(2)模型驗(yàn)證。將11～15組樣本數(shù)據(jù)代入訓(xùn)練后的網(wǎng)絡(luò)進(jìn)行驗(yàn)證，得到網(wǎng)絡(luò)訓(xùn)練后的排煙時(shí)間的值，如表2所示。

表2 BP網(wǎng)絡(luò)訓(xùn)練后的排煙時(shí)間及誤差Table 2 Fume-drain time trained by BP network and errors

4 結(jié) 論

(1)實(shí)測數(shù)據(jù)分析可得：獨(dú)頭巷道炮煙排除過程中，監(jiān)測點(diǎn)CO濃度先增加后減小。CO濃度減小過程中，CO濃度隨時(shí)間基本按指數(shù)變化衰減。

(2)獨(dú)頭巷道炮煙排除時(shí)間受風(fēng)筒到掘進(jìn)面距離、炮煙拋擲長度、巷道長度、炸藥質(zhì)量、溫度、濕度等因素影響。預(yù)測排煙時(shí)間必須綜合考慮各個(gè)因素，預(yù)測結(jié)果才能更接近實(shí)際情況。

(3)運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對預(yù)測量建模，可以充分考慮各個(gè)影響因素與預(yù)測量之間復(fù)雜的非線性關(guān)系，反向傳播自行調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，使得實(shí)測結(jié)果和BP網(wǎng)絡(luò)訓(xùn)練結(jié)果誤差在設(shè)定的范圍內(nèi)，獲得更高的預(yù)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(jī)理和預(yù)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(jìn)生，姚金階.隧道施工爆破炮煙自然擴(kuò)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(kuò)散及通風(fēng)[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(fēng)排煙風(fēng)量計(jì)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(luò)的瓦斯涌出量預(yù)測[J].計(jì)算機(jī)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(fēng)炮煙運(yùn)動(dòng)的數(shù)值試驗(yàn)[D].南寧：廣西大學(xué)，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(shí)，張國屏.熱負(fù)壓對獨(dú)頭巷道抽出式通風(fēng)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(zé)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(jì)劃項(xiàng)目(編號：2012BAK09B00)。

紀(jì)洪廣(1963—)，男，教授，博士研究生導(dǎo)師。

TD724+.4

A

1001-1250(2014)-05-142-04