龔曉燕， 彭高高， 宋濤， 馮雄， 陳菲， 劉輝， 謝沛， 薛河

(1.西安科技大學(xué) 機(jī)械工程學(xué)院， 陜西 西安 710054；2.陜西陜北礦業(yè)有限責(zé)任公司， 陜西 榆林 719000)

0 引言

目前掘進(jìn)工作面長距離及快速掘進(jìn)下產(chǎn)塵量增大[1]，傳統(tǒng)的長壓短抽通風(fēng)方式采用粗放式通風(fēng)總量控制，風(fēng)筒出風(fēng)口風(fēng)流不能動(dòng)態(tài)變化，導(dǎo)致巷道風(fēng)流分布不合理，粉塵聚集嚴(yán)重。因此，需要對現(xiàn)有的長壓短抽通風(fēng)控制方式進(jìn)行改造，通過改變風(fēng)筒出風(fēng)口參數(shù)，以調(diào)控風(fēng)流狀態(tài)，進(jìn)而優(yōu)化風(fēng)流分布，提高降塵效果。眾多專家學(xué)者通過數(shù)值模擬、實(shí)驗(yàn)測試等方法對掘進(jìn)工作面長壓短抽通風(fēng)出風(fēng)口風(fēng)流分布及降塵效果的影響因素進(jìn)行了大量研究。陳芳等[2]通過模擬分析及現(xiàn)場應(yīng)用研究了長壓短抽通風(fēng)分流控塵及抽風(fēng)筒除塵之間關(guān)聯(lián)的最佳匹配參數(shù)，得出1∶3的軸徑向出風(fēng)比降塵效果最佳。周全超等[3]研究了風(fēng)筒出風(fēng)口距掘進(jìn)端面最佳的通風(fēng)降塵距離，得出出風(fēng)口距掘進(jìn)端面5 m時(shí)的降塵效果最好。王文才等[4]模擬分析了長壓短抽通風(fēng)壓抽風(fēng)筒距掘進(jìn)端面的距離對粉塵運(yùn)移分布的影響，得出當(dāng)壓抽比一定時(shí)，壓抽風(fēng)筒的最佳距離分別為22.5 m和4 m。張義坤等[5]在現(xiàn)有長壓短抽通風(fēng)方式的基礎(chǔ)上，通過增加附壁風(fēng)筒進(jìn)行旋流分風(fēng)，降低了掘進(jìn)端面風(fēng)速，優(yōu)化了掘進(jìn)巷道風(fēng)流及粉塵濃度的分布。蔣仲安等[6]研究了不同風(fēng)筒高度對降塵效率的影響，得出了風(fēng)筒高度為2 m時(shí)降塵效果最好。龔曉燕等[7-9]通過大量數(shù)值模擬和井下實(shí)測研究發(fā)現(xiàn)，通過改變風(fēng)筒出風(fēng)口口徑、方向偏轉(zhuǎn)角度和出風(fēng)口距掘進(jìn)端面距離等參數(shù)來調(diào)控風(fēng)流狀態(tài)，可以優(yōu)化掘進(jìn)工作面風(fēng)流分布，且降塵效果更好。上述研究都只是單一地分析了風(fēng)筒出風(fēng)口參數(shù)變化對掘進(jìn)工作面風(fēng)流分布及降塵效果的影響，未考慮各參數(shù)之間對粉塵場運(yùn)移分布的交互影響，且對在不同掘進(jìn)階段，出風(fēng)口參數(shù)如何綜合變化才能達(dá)到最佳通風(fēng)降塵效果的研究不深入。

針對上述問題，本文以陜西榆林神木檸條塔礦S1204掘進(jìn)工作面為研究對象，建立了出風(fēng)口參數(shù)可以變化的風(fēng)流調(diào)控有限元模型，并對風(fēng)流及粉塵場進(jìn)行了模擬分析，提取了司機(jī)位置處和回風(fēng)側(cè)行人位置處的風(fēng)速及粉塵濃度數(shù)據(jù)。通過小生境遺傳算法，以司機(jī)位置處及回風(fēng)側(cè)行人位置處的粉塵濃度同時(shí)最低為優(yōu)化目標(biāo)獲取了出風(fēng)口距掘進(jìn)端面最近距離5 m和最遠(yuǎn)距離10 m的最佳風(fēng)流調(diào)控參數(shù)。設(shè)計(jì)搭建了檸條塔礦S1204掘進(jìn)工作面風(fēng)流智能調(diào)控實(shí)驗(yàn)測試平臺，進(jìn)行最佳風(fēng)流調(diào)控參數(shù)的試驗(yàn)測試分析。結(jié)果表明，調(diào)控后，司機(jī)位置處及回風(fēng)側(cè)行人位置處的粉塵濃度明顯降低，驗(yàn)證了最佳風(fēng)流調(diào)控參數(shù)的準(zhǔn)確性。

1 粉塵場模擬

1.1 粉塵擴(kuò)散理論

掘進(jìn)工作面粉塵顆粒隨風(fēng)流運(yùn)動(dòng)，風(fēng)流屬于連續(xù)相，粉塵屬于離散相。通常采用 Euler-Lagrange方法[10]對風(fēng)流和粉塵場運(yùn)移分布進(jìn)行求解計(jì)算，粉塵運(yùn)動(dòng)求解方程為

(1)

式中：m為粉塵顆粒質(zhì)量，kg；t為粉塵在風(fēng)流中的運(yùn)動(dòng)時(shí)間，s;v為粉塵運(yùn)動(dòng)速度，m/s；F為外力，N；μ為空氣動(dòng)力黏度系數(shù)，Pa·s;dp為粉塵直徑，m;u為風(fēng)流速度，m/s。

F=Fd+Fg+Ff+Fx

(2)

式中：Fd為拖曳阻力，N；Fg為重力，N；Ff為浮力，N；Fx為所受的Saffman力、Basset力等[11]，N。

1.2 風(fēng)流調(diào)控有限元模型建立

1.2.1 風(fēng)流智能調(diào)控裝置布局

本文以檸條塔礦S1204掘進(jìn)工作面為研究對象，對傳統(tǒng)的長壓短抽通風(fēng)控制方式進(jìn)行改造，在壓風(fēng)筒出風(fēng)口安裝風(fēng)流智能調(diào)控裝置(圖1)，通過該裝置可以改變風(fēng)筒出風(fēng)口參數(shù)，調(diào)控風(fēng)流狀態(tài)，優(yōu)化粉塵場。

圖1 風(fēng)流智能調(diào)控裝置布局Fig.1 Air flow intelligent control device layout

1.2.2 有限元模型建立

檸條塔礦S1204掘進(jìn)巷道長為40 m，寬為6.0 m，高為3.75 m，采用傳統(tǒng)的長壓短抽通風(fēng)，壓抽風(fēng)筒分別安裝在煤壁面左右兩側(cè)，風(fēng)筒中心距側(cè)壁0.75 m、距底板3.05 m，直徑均為1.0 m。本文根據(jù)該巷道實(shí)際參數(shù)，利用FLUENT軟件建立了出風(fēng)口參數(shù)可以變化的風(fēng)流調(diào)控有限元模型，如圖2所示。掘進(jìn)端面左下底角為坐標(biāo)原點(diǎn)，掘進(jìn)巷道寬為X，高為Y，長為Z，回風(fēng)側(cè)行人位置沿程為X=5 m，Y=1.5 m，Z=0～40 m，司機(jī)位置沿程為X=3 m，Y=2 m，Z=7.5 m，模擬參數(shù)設(shè)定見表1、表2。通過建立的風(fēng)流調(diào)控有限元模型可以對不同出風(fēng)口參數(shù)變化下的粉塵場運(yùn)移分布進(jìn)行模擬分析，研究不同掘進(jìn)階段長壓短抽通風(fēng)降塵的最佳風(fēng)流調(diào)控參數(shù)。

(a) 幾何模型

(b) 網(wǎng)格劃分圖2 風(fēng)流調(diào)控有限元模擬模型Fig.2 Air flow control finite element simulation model

表1 邊界條件設(shè)定Table 1 Boundary condition setting

表2 離散相參數(shù)設(shè)定Table 2 Discrete phase parameter setting

1.3 風(fēng)流調(diào)控參數(shù)變化對粉塵場運(yùn)移分布影響分析

根據(jù)煤礦井下掘進(jìn)通風(fēng)的實(shí)際情況，風(fēng)筒出風(fēng)口距掘進(jìn)端面最近距離為5 m，最遠(yuǎn)距離為10 m，且在這2個(gè)極限位置易發(fā)生粉塵聚集。因此，利用建立的風(fēng)流調(diào)控有限元模擬模型，以出風(fēng)口距掘進(jìn)端面最近距離5 m為例，對不同出風(fēng)口口徑、水平右偏角度和垂直上偏角度參數(shù)變化下的粉塵濃度運(yùn)移分布規(guī)律進(jìn)行模擬分析，如圖3所示。

(a) 不同出風(fēng)口口徑對粉塵分布的影響

(b) 不同水平右偏角度對粉塵分布的影響

(c) 不同垂直上偏角度對粉塵分布的影響圖3 不同出風(fēng)口參數(shù)對粉塵濃度分布的影響Fig.3 Effect of different air outlet parameters on the distribution of dust concentration

由圖3(a)可知，隨著出風(fēng)口口徑的增大，出風(fēng)口風(fēng)速變小，掘進(jìn)端面產(chǎn)生的粉塵向回風(fēng)側(cè)位置運(yùn)移，有利于抽風(fēng)筒抽出粉塵。由圖3(b)可知，隨著水平右偏角度的增大，聚集在掘進(jìn)機(jī)前端的粉塵被風(fēng)流稀釋，掘進(jìn)端面粉塵濃度明顯降低。由圖3(c)可知，隨著垂直上偏角度的增大，風(fēng)流擴(kuò)散范圍增大，掘進(jìn)機(jī)周圍區(qū)域粉塵濃度明顯降低。

綜上分析可知，長壓短抽通風(fēng)風(fēng)筒出風(fēng)口口徑、水平右偏角度和垂直上偏角度各參數(shù)變化對掘進(jìn)端面和回風(fēng)側(cè)位置粉塵濃度分布有顯著影響，且各參數(shù)之間對于粉塵濃度分布往往存在交互影響，因此，要實(shí)現(xiàn)在不同掘進(jìn)階段達(dá)到最佳的風(fēng)流調(diào)控與降塵效果，需獲取出風(fēng)口口徑、水平右偏角度和垂直上偏角度綜合變化下的最佳風(fēng)流調(diào)控參數(shù)。

2 通風(fēng)降塵的最佳風(fēng)流調(diào)控參數(shù)獲取

2.1 風(fēng)流調(diào)控樣本數(shù)據(jù)提取

通過上一節(jié)對不同出風(fēng)口風(fēng)流調(diào)控參數(shù)變化下的粉塵場模擬分析可知，要實(shí)現(xiàn)在不同掘進(jìn)階段最佳的通風(fēng)降塵風(fēng)流調(diào)控效果，需獲取出風(fēng)口口徑、水平右偏角度和垂直上偏角度綜合變化下的最佳風(fēng)流調(diào)控參數(shù)。目前，煤礦掘進(jìn)工作面人員活動(dòng)區(qū)域主要是掘進(jìn)機(jī)司機(jī)位置和回風(fēng)側(cè)行人位置，該區(qū)域的粉塵濃度對井下工作人員有很大危害。因此，本文將調(diào)控后司機(jī)位置處和回風(fēng)側(cè)行人位置處的粉塵濃度大小作為不同掘進(jìn)階段最佳風(fēng)流調(diào)控參數(shù)的判斷依據(jù)，將出風(fēng)口風(fēng)流調(diào)控參數(shù)作為條件屬性，司機(jī)位置處及回風(fēng)側(cè)行人位置處的風(fēng)速及粉塵濃度作為決策屬性[12-13]，見表3。

表3 風(fēng)流調(diào)控的條件屬性及決策屬性Table 3 Condition and decision attributes of air flow control

根據(jù)文獻(xiàn)[14]得出在出風(fēng)口距掘進(jìn)端面5～10 m范圍內(nèi)風(fēng)流調(diào)控參數(shù)合理變化范圍：出風(fēng)口口徑為0.8～1.2 m，水平右偏角度為0～25°，垂直上偏角度為0～6°，設(shè)計(jì)了出風(fēng)口距掘進(jìn)端面最近距離5 m時(shí)風(fēng)流調(diào)控參數(shù)綜合變化下的數(shù)值模擬實(shí)驗(yàn)方案，并通過建立的風(fēng)流調(diào)控有限元模型對各參數(shù)綜合變化下的風(fēng)流及粉塵場進(jìn)行模擬分析，提取調(diào)控后司機(jī)位置處和回風(fēng)側(cè)行人位置處的風(fēng)速及粉塵濃度數(shù)據(jù)，模擬實(shí)驗(yàn)方案及風(fēng)流調(diào)控?cái)?shù)據(jù)見表4。

表4 模擬實(shí)驗(yàn)方案及風(fēng)流調(diào)控?cái)?shù)據(jù)Table 4 Simulation experiment schemes and air flow control data

2.2 司機(jī)位置及回風(fēng)側(cè)行人位置雙目標(biāo)優(yōu)化的最佳風(fēng)流調(diào)控參數(shù)

2.2.1 基于小生境遺傳算法的雙目標(biāo)優(yōu)化求解算法

以司機(jī)位置處的粉塵濃度d3和回風(fēng)側(cè)行人位置處的粉塵濃度d4同時(shí)最低為優(yōu)化目標(biāo)，初步建立了獲取最佳風(fēng)流調(diào)控參數(shù)的小生境遺傳算法的適應(yīng)度函數(shù)：

(3)

式中：d3 min為司機(jī)位置處最小粉塵濃度；d4 min為回風(fēng)側(cè)行人位置處最小粉塵濃度；a,b為評價(jià)偏重,a=b=0.5。

為了保證調(diào)控方案的多樣性，利用類共享函數(shù)[15]對初步建立的適應(yīng)度函數(shù)進(jìn)行改進(jìn)。

(4)

式中：M為調(diào)控方案的種群規(guī)模；Sc(xi,xj)為類共享函數(shù)；i,j為種群的不同個(gè)體。

小生境遺傳算法流程如圖4所示。圖中T0為開始進(jìn)化代數(shù)，為0;T為最大進(jìn)化代數(shù)，為10。

圖4 最佳風(fēng)流調(diào)控參數(shù)獲取的算法流程Fig.4 Algorithm flow for obtaining the optimal air flow control parameters

利用Matlab對最佳風(fēng)流調(diào)控參數(shù)獲取的小生境遺傳算法進(jìn)行編寫，部分程序如下：

SD_P=DataPre(SD); {輸入: SD風(fēng)流調(diào)控?cái)?shù)據(jù)，輸出: SD_P預(yù)處理后的風(fēng)流調(diào)控?cái)?shù)據(jù)}

?

a=0.5;b=0.5; {評價(jià)偏重}

d3_min=min(DecodedPop(:,1)); {司機(jī)位置處最小粉塵濃度}

d4_min=min(DecodedPop(:,2)); {回風(fēng)側(cè)行人位置處最小粉塵濃度}

fori=1:size(DecodedPop,1)

f(i)=a*(d3_min/DecodedPop(i,1))+

b*(d4_min/DecodedPop(i,2));

{以司機(jī)位置處和回風(fēng)側(cè)行人位置處的粉塵濃度同時(shí)最低為優(yōu)化目標(biāo)}

end

2.2.2 最佳風(fēng)流調(diào)控參數(shù)的獲取

(1) 風(fēng)流調(diào)控?cái)?shù)據(jù)預(yù)處理。為了提高算法對風(fēng)流調(diào)控參數(shù)獲取的準(zhǔn)確性，以《煤礦安全規(guī)程》中規(guī)定的風(fēng)速范圍0.25～4 m/s作為約束條件[16]，首先對表4中的風(fēng)流調(diào)控?cái)?shù)據(jù)進(jìn)行預(yù)處理，剔除不符合要求的方案7、16、22、27、28、32。然后依據(jù)出風(fēng)口各參數(shù)調(diào)控范圍、最佳降塵的風(fēng)速范圍0.4～1.0 m/s[17]和表4中粉塵濃度數(shù)據(jù)的區(qū)間范圍劃分各調(diào)控屬性的候選分割點(diǎn)集，見表5。

表5 調(diào)控參數(shù)候選分割點(diǎn)集Table 5 Control parameters candidate segmentation point set

根據(jù)表5中調(diào)控屬性的候選分割點(diǎn)值，采用四段式二進(jìn)制編碼[18]對預(yù)處理后的風(fēng)流調(diào)控?cái)?shù)據(jù)進(jìn)行轉(zhuǎn)換，見表6。

(2) 最佳風(fēng)流調(diào)控參數(shù)的獲取。將表6中編碼后的風(fēng)流調(diào)控?cái)?shù)據(jù)作為小生境遺傳算法挖掘分析的初始種群，通過Matlab編寫的算法程序確定初始種群進(jìn)行遺傳操作的參數(shù)，見表7。

表6 風(fēng)流調(diào)控?cái)?shù)據(jù)四段式二進(jìn)制編碼Table 6 Four-segment binary code of air flow control data

表7 遺傳操作參數(shù)Table 7 Genetic operating parameters

通過算法遺傳操作后，首先對每個(gè)調(diào)控方案個(gè)體適應(yīng)度值大小進(jìn)行調(diào)整排序，然后提取適應(yīng)度值排序前三的風(fēng)流調(diào)控方案作為較優(yōu)結(jié)果集進(jìn)行解碼，見表8。以司機(jī)位置處和回風(fēng)側(cè)行人位置處的粉塵濃度同時(shí)最低為前提，選擇適應(yīng)度值最大的個(gè)體為最佳風(fēng)流調(diào)控參數(shù)。由表8可看出，方案1為出風(fēng)口距掘進(jìn)端面最近距離5 m時(shí)的最佳風(fēng)流調(diào)控參數(shù)。應(yīng)用于風(fēng)流智能調(diào)控裝置時(shí)，出風(fēng)口口徑調(diào)節(jié)范圍為1.1～1.2 m,水平右偏角度調(diào)節(jié)范圍為10～15°,上偏角度調(diào)節(jié)范圍為3～6°。

表8 適應(yīng)度值排序前三的風(fēng)流調(diào)控方案Table 8 The top three air flow control schemes in the order of fitness value

同理可得出風(fēng)口距掘進(jìn)端面最遠(yuǎn)距離10 m時(shí)應(yīng)用于風(fēng)流智能調(diào)控裝置的最佳風(fēng)流調(diào)控參數(shù)：出風(fēng)口口徑調(diào)節(jié)范圍為0.8～0.9 m,水平右偏角度調(diào)節(jié)范圍為0～5°，垂直上偏角度調(diào)節(jié)范圍為0～3°。

3 最佳風(fēng)流調(diào)控參數(shù)測試分析

3.1 實(shí)驗(yàn)測試平臺搭建

基于相似理論確定了簡化后的原型和實(shí)驗(yàn)平臺之間的相似準(zhǔn)則數(shù)為斯托克斯準(zhǔn)則數(shù)、顆粒雷諾數(shù)和幾何相似準(zhǔn)則數(shù)[19]。在此基礎(chǔ)上，設(shè)計(jì)搭建了1∶5的S1204掘進(jìn)工作面長壓短抽通風(fēng)風(fēng)流智能調(diào)控的實(shí)驗(yàn)測試平臺，各組成部分如圖5所示。通過該平臺進(jìn)行最佳風(fēng)流調(diào)控參數(shù)的測試及調(diào)控效果分析。

圖5 S1204掘進(jìn)工作面風(fēng)流智能調(diào)控實(shí)驗(yàn)測試平臺Fig.5 Air flow intelligent control experimental test platform of S1204 heading face

3.2 風(fēng)速及粉塵濃度測點(diǎn)布置

在實(shí)驗(yàn)測試平臺回風(fēng)側(cè)位置沿程(X=1 m，Y=0.3 m，Z=1～6 m)布置6個(gè)風(fēng)速傳感器和粉塵濃度傳感器；在實(shí)驗(yàn)測試平臺掘進(jìn)機(jī)司機(jī)位置(X=0.6 m，Y=0.4 m，Z=1.5 m)布置1個(gè)風(fēng)速傳感器和1個(gè)粉塵濃度傳感器，各測點(diǎn)位置如圖6所示。

圖6 風(fēng)速及粉塵傳感器測點(diǎn)位置Fig.6 Air speed and dust sensor measuring point position

3.3 最佳風(fēng)流調(diào)控參數(shù)降塵調(diào)控效果分析

通過搭建的S1204掘進(jìn)巷道長壓短抽通風(fēng)風(fēng)流智能調(diào)控的實(shí)驗(yàn)測試平臺對出風(fēng)口距掘進(jìn)端面最近距離5 m的最佳風(fēng)流調(diào)控參數(shù)(出風(fēng)口口徑為1.1～1.2 m，水平右偏角度為10～15°，垂直上偏角度為3～6°)和出風(fēng)口距掘進(jìn)端面最遠(yuǎn)距離10 m的最佳風(fēng)流調(diào)控參數(shù)(出風(fēng)口口徑為0.8～0.9 m，水平右偏角度為0～5°，垂直上偏角度為0～3°)進(jìn)行了試驗(yàn)測試，提取各測點(diǎn)的粉塵濃度數(shù)據(jù)與調(diào)控前的數(shù)據(jù)進(jìn)行對比，結(jié)果如圖7所示。

(a) 出風(fēng)口距掘進(jìn)端面5 m

(b) 出風(fēng)口距掘進(jìn)端面10 m圖7 調(diào)控前后的粉塵濃度對比Fig.7 Comparison of dust concentration before and after control

從圖7可看出,出風(fēng)口距掘進(jìn)端面最近距離5 m時(shí)，調(diào)控前司機(jī)位置處的粉塵濃度為240.24 mg/m3，調(diào)控后為128.89 mg/m3，降低了 46.4%；調(diào)控前回風(fēng)側(cè)行人位置處的平均粉塵濃度為382.91 mg/m3，調(diào)控后為170.64 mg/m3，降低了55.4%。出風(fēng)口距掘進(jìn)端面最遠(yuǎn)距離10 m時(shí)，調(diào)控前司機(jī)位置處的粉塵濃度為231.23 mg/m3，調(diào)控后為110.28 mg/m3，降低了52.3%；調(diào)控前回風(fēng)側(cè)行人位置處的平均粉塵濃度為402.49 mg/m3，調(diào)控后為158.70 mg/m3，降低了60.6%，驗(yàn)證了獲取的最佳風(fēng)流調(diào)控參數(shù)的準(zhǔn)確性。

4 結(jié)論

(1) 通過數(shù)值分析選取了風(fēng)筒出風(fēng)口口徑、水平右偏角度和垂直上偏角度作為不同掘進(jìn)階段長壓短抽通風(fēng)降塵的出風(fēng)口風(fēng)流動(dòng)態(tài)調(diào)控參數(shù)。

(2) 基于小生境遺傳算法建立了以司機(jī)位置處和回風(fēng)側(cè)行人位置處的粉塵濃度同時(shí)最低為優(yōu)化目標(biāo)的最佳風(fēng)流調(diào)控參數(shù)獲取的求解算法。

(3) 獲取了S1204掘進(jìn)工作面出風(fēng)口距掘進(jìn)端面最近距離5 m和最遠(yuǎn)距離10 m時(shí)的最佳風(fēng)流調(diào)控參數(shù)：在5 m處，出風(fēng)口口徑為1.1～1.2 m,水平右偏角度為10～15°,垂直上偏角度為3～6°；在10 m處，出風(fēng)口口徑為0.8～0.9 m,水平右偏角度為0～5°,垂直上偏角度為0～3°。

(4) 搭建了1∶5相似模擬的S1204掘進(jìn)工作面的風(fēng)流智能調(diào)控實(shí)驗(yàn)測試平臺，對最佳風(fēng)流調(diào)控參數(shù)進(jìn)行了測試分析，結(jié)果表明：司機(jī)位置處的粉塵濃度最高降低了52.3%，回風(fēng)側(cè)行人位置處的粉塵濃度最高降低了60.6%，驗(yàn)證了最佳風(fēng)流調(diào)控參數(shù)的準(zhǔn)確性。