研究煤矿瓦斯和煤尘的监测与控制11

1、关于煤矿瓦斯和煤尘监测与控制的研究【摘要】 煤矿安全生产是我国目前亟待解决的问题之一，做好井下瓦斯和煤尘的监测与控制是实现安全生产的关键环节。本题研究空气中瓦斯的浓度，煤尘悬浮于空气中的浓度，对煤矿安全的威胁。因此我们要找出引起瓦斯，煤尘浓度的因素。参照监测表的数Excle,lingo,Matlab软件进行求解。 在问题一中，需要对“低瓦斯矿井”还是“高瓦斯矿井”进行评估，根据煤矿安全规程第一百三十三条提供的分类标准。高瓦斯煤矿的标准瓦斯相对涌出量大于10m3/t或绝对涌出量大于40m3/min; 低瓦斯矿井相对涌出量小于10m3/t 且绝对涌出量小于或等于40m3/min，根据附表2的数据算

2、出总回风量的相对和绝对瓦斯涌出量具体公式（见模型一），然后算出三个工作点瓦斯绝对量之和，基本等于总回风巷绝对瓦斯涌出量。总回风巷流出的相对瓦斯量应该与三个工作点瓦斯流出量基本相同。求得瓦斯相对涌出量为23.1832m3/t，绝对瓦斯涌出量为9.7535m3/min，因而该矿井为高瓦斯矿井。 在问题二中，需要对煤矿不安全的程度（即发生爆炸事故的可能性）进行概率计算，根据煤矿安全规程第一百六十八条的规定，并参照附表1，对可能发生爆炸的点进行统计为25个，而发生爆炸的量为1620个，即瓦斯、煤尘和瓦斯与煤尘混合物的浓度在三个工作面与三个回风巷在一个月三个班次可能发生爆炸事故的量，最后将各点可能发生爆

3、炸的概率求和，得出该煤矿不安全的程度（即发生爆炸事故的可能性）为1.5431%，所以该矿井发生爆炸的可能性较大。因此我们要采取相应措施减少爆炸机率。 在问题三中，需对主要风巷的风速、瓦斯浓度、煤尘浓度之间关系已最佳风通为目标建立优化模型运用Matlab软件拟出风速与瓦斯浓度，风速与煤尘浓度的图形。进而确立风速分别与瓦斯浓度、煤尘的函数关系根据图像进行拟合，并运用Lingo软件，最小二乘法求出各函数的误差。然后我们把最佳风速定义为：在满足安全生产，高效生产的情况下的基础上定为最佳风速。通过计算得到最佳风速：工作面一3.29m/s 工作面二2.37m/s，掘进工作面0.85m/s，回风巷一1.34

4、m/s，回风巷二2.4m/s，总回风巷6m/s，最佳风量1800m3/min、局部通风量为203.17m3/min。关键词：Excel Matlab拟合 Lingo 相对瓦斯涌出量 绝对瓦斯涌出量 最小二乘法1、问题重述煤矿安全生产是我国目前亟待解决的问题之一，做好井下瓦斯和煤尘的监测与控制是实现安全生产的关键环节（见附件1）。瓦斯是一种无毒、无色、无味的可燃气体，其主要成分是甲烷，在矿井中它通常从煤岩裂缝中涌出。瓦斯爆炸需要三个条件：空气中瓦斯达到一定的浓度；足够的氧气；一定温度的引火源。煤尘是在煤炭开采过程中产生的可燃性粉尘。煤尘爆炸必须具备三个条件:煤尘本身具有爆炸性；煤尘悬浮于空气中并

5、达到一定的浓度；存在引爆的高温热源。试验表明，一般情况下煤尘的爆炸浓度是30 2000g/m3，而当矿井空气中瓦斯浓度增加时，会使煤尘爆炸下限降低，结果如附表1所示。国家煤矿安全规程给出了煤矿预防瓦斯爆炸的措施和操作规程，以及相应的专业标准 (见附件2)。规程要求煤矿必须安装完善的通风系统和瓦斯自动监控系统，所有的采煤工作面、掘进面和回风巷都要安装甲烷传感器，每个传感器都与地面控制中心相连，当井下瓦斯浓度超标时，控制中心将自动切断电源，停止采煤作业，人员撤离采煤现场。具体内容见附件2的第二章和第三章。附图1是有两个采煤工作面和一个掘进工作面的矿井通风系统示意图，请你结合附表2的监测数据，按照煤

6、矿开采的实际情况研究下列问题： （1）根据煤矿安全规程第一百三十三条的分类标准 (见附件2)，鉴别该矿是属于“低瓦斯矿井”还是“高瓦斯矿井”。（2）根据煤矿安全规程第一百六十八条的规定，并参照附表1，判断该煤矿不安全的程度（即发生爆炸事故的可能性）有多大？ （3）为了保障安全生产，利用两个可控风门调节各采煤工作面的风量，通过一个局部通风机和风筒实现掘进巷的通风（见下面的注）。根据附图1所示各井巷风量的分流情况、对各井巷中风速的要求（见煤矿安全规程第一百零一条），以及瓦斯和煤尘等因素的影响，确定该煤矿所需要的最佳（总）通风量，以及两个采煤工作面所需要的风量和局部通风机的额定风量（实际中，井巷可能

7、会出现漏风现象）。注：掘进巷需要安装局部通风机，其额定风量一般为150400 m3/min。局部通风机所在的巷道中至少需要有15%的余裕风量（新鲜风）才能保证风在巷道中的正常流动，否则可能会出现负压导致乏风逆流，即局部通风机将乏风吸入并送至掘进工作面。名词解释：（1）采煤工作面：矿井中进行开采的煤壁 (采煤现场)。（2）掘进巷：用爆破或机械等方法开凿出的地下巷道，用以准备新的采煤区和采煤工作面。（3）掘进工作面：掘进巷尽头的开掘现场。（4）新鲜风：不含瓦斯和煤尘等有害物质的风流。（5）乏风：含有一定浓度的瓦斯和煤尘等有害物质的风流。2、问题分析煤矿安全生产是目前社会重点关注的热点问题之一，尤其

8、是在能源紧张，对煤碳的需求量不断增加的情况下，煤矿的安全生产问题更是值得我们关注，这也是建设平安和谐社会的重要组成部分。大部分事故的罪魁祸首都是瓦斯或煤尘爆炸，瓦斯在煤矿的开采中是不可避免的。因此，矿井下的瓦斯和煤尘对煤矿的安全生产构成了重大威胁，做好煤矿井下瓦斯和煤尘的监测与控制是保证煤矿安全生产的关键所在。2.1对问题一分析对题目进行反复研究，我们从题目中不难得出，如何判断此煤矿的瓦斯类别，主要是根据矿井相对瓦斯涌出量和矿井绝对瓦斯涌出量的范围来进行判断，解决问题一主要是从以下几个方面来考虑:第一个方面根据煤矿通风系统示意图，确定瓦斯产出的部位，反复读题和研究煤矿通风系统示意图，可以得出结

9、论，瓦斯主要是在采煤过程当中产生，最后瓦斯的涌出主要是通过总回风巷，跟回风巷和回风巷无关，所以我们确定总回风巷的瓦斯涌出量为矿井瓦斯涌出量；第二个方面是如何对矿井相对瓦斯涌出量和矿井绝对瓦斯涌出量进行定义，研究题目，根据题目所给的矿井相对瓦斯涌出量的单位，可以确定矿井相对瓦斯涌出量的定义为产一个单位煤时涌出多少瓦斯，而矿井绝对涌出量是瓦斯涌出与工作时间的关系，可以表示为在一个工作时间内涌出多少瓦斯。根据以上分析的结果，我们可以建立一个计算标准，把得到的结果与标准进行对比来判断该矿井的瓦斯类别。2.2对问题二分析如何确定该矿发生安全事故的可能性，明显需要求解的是概率问题，根据附件2煤矿安全规程第

10、一百六十八条，煤矿产生爆炸的原因主要有三种情况，一个是瓦斯浓度超标，第二个是煤尘浓度超标，最后是他们的中和浓度属于可爆炸范围，这些情况都会引起煤矿爆炸的可能性发生，认真分析本题后两种情况在该矿中都不会发生，对于问题二我们只需分析甲烷传感器的报警浓度范围，当甲烷浓度大于等于百分之一时，甲烷传感器就会报警，矿井下面就有可能发生安全事故；分析附表2当中甲烷在每个班次每个检测点的瓦斯浓度，把等于或者超过百分之一的选择中出来，确定瓦斯不达标准的频率，再与总的检测次数进行对比，我们可以确定煤矿发生瓦斯爆炸的概率。2.3对问题三分析问题三是根据附图1研究各井巷风量的分流情况、对各井巷中风速的要求，以及瓦斯和

11、煤尘等因素的影响，确定最佳通风量，以及两个采煤工作面所需要的风量和局部通风机的额定风量。实际中，井巷可能会出现漏风现象，由于漏风是很难估计的，与很多因素有关。而且相对于总风量，漏风只是少数可以忽略不计。所以假设井巷不漏风。在煤矿中，降低瓦斯浓度的唯一办法是通过通风系统将瓦斯排除到井外，从降低瓦斯浓度的角度考虑的话，巷道中风速越大越好。但是风速越大，煤层又会增加，而煤层同样会引起爆炸。所以要通过控制一定量的通风量来使得瓦斯浓度和煤尘达到一定的平衡而使其不发生爆炸。在达到这个条件下总风量越小越好，所以以总风量最小为目标函数，再根据题目当中的条件确定目标函数的约束条件，再用lingo编程求解，从而解

12、决第三个问题。2、 模型假设1、 假设在开采过程中只产生瓦斯和煤尘。2、 假设该矿井检测的数据是绝对可信准确。3、 假设该矿井在开采过程中严格遵守安全规程。4、 假设矿井通风示意图严格反应出该矿井内部结构。5、 假设矿井通风示意图严格反应出该矿井内部结构。6、 假设该矿井在检测过程中监控和传感器装备不存在故障。 4、符号说明符号描述说明井矿绝对瓦斯涌出量井矿相对瓦斯涌出量第天第个班次的风速第天第个班次的瓦斯第的日产量为时间常数（480min）第个工作点的风速第个工作点瓦斯与风速的关联系数第个工作点煤尘与风速的关联系数5、模型建立与求解本题共三问，前两问由问题分析可知，主要是通过理解单位定义，利

13、用数学理解来建立关系式来进行求解。第三问是一个相互牵制与约束关系，一个方面要求出瓦斯浓度与风速之间的函数关系，根据函数关系分析误差范围，然后求出总风量最小，为求得目标可以通过建立一个优化模型来求解。5.1判断煤矿类别根据题意，如何判断煤矿的类别，主要是根据原题当中的附件2煤矿安全规程第一百三十三条来判断，由问题一的分析可知，我们主要是明确以下几个方面：第一个分析矿井结构，第二个如何定义相对涌出量，绝对涌出量的表达意义，第三个是确定关系式如何计算相对涌出量，绝对涌出量，最后是计算出结果与判断标准进行比较。解决问题一我们主要通过以下四步来进行。图一：判断煤矿类别流程图1）如何确定矿井瓦斯涌出量对题

14、目进行分析，矿井瓦斯产生主要是从煤层裂缝中涌出，可以确定产生瓦斯的部位主要是挖煤部位，他们分别是工作面，工作面，掘进工作面。他们涌出的瓦斯通过回风巷，回风巷最后从总回风巷涌出，由此而分析得知，总回风巷涌出的瓦斯具有一定的代表说明意义。根据如何计算出流体流量的定义，我们确定矿井瓦斯涌出量可以表示为：瓦斯的浓度与风速和总回风巷截面积之间的关系，具体表示式如下：2）根据单位理清相对涌出量与绝对涌出量意义分析题目，相对涌出量的单位表示为立方米每吨，说明的是产出的煤与瓦斯之间的关系，可具体表示为产一吨煤的同时涌出多少瓦斯量；绝对涌出量的单位表示为立方米每分钟，说明的是产出的煤与时间之间的关系，可具体表示

15、为在一个工作班次内，工作一分钟涌出多少瓦斯量。3）建立表达式与计算根据以上两步分析，我们确定了相对涌出量与绝对涌出量的计算关系式，建立了如下表达式：4）计算结果与判断 我们把附表2相关数据整理成excel表格，把以上关系式转化为公式运用到excel表格当中，当计算绝对涌出量时我们把总回风巷计算出来的结果与工作面，工作面，掘进工作面计算出来的结果之和进行对比。得出的数据分别是9.753立方米每分钟，9.4305立方米每分钟，考虑到井下漏风现象，结果相差不大，不影响判断结果，可以作为标准判断的依据；计算相对涌出量时得出的结果为23.183立方米每吨，整理结果制出下表： 表1：判断依据表总回风巷三工

16、作面瓦斯体积 （m3）421354.656 407398.003 月产量(t)18175/绝对瓦斯涌出(m3/min)9.754 9.431 相对瓦斯涌出(m3/t)23.183 /总时间（min）43200 43200该矿井瓦斯相对涌出量为23.183立方米每吨远远大于判断标准的10立方米每吨，可以直接判断该矿井为高瓦斯矿井。5.2判断煤矿爆炸事故可能性如何确定煤矿发生爆炸事故的可能性，主要通过确定可能发生爆炸事故的概率来决定，发生爆炸事故的概率，主要是通过确定在总的检测次数当中瓦斯不达标次数出现的比例，具体方法如下图： 图2：确定煤矿爆炸概率图1） 确定瓦斯浓度超标可能发生爆炸事故的班次与

17、部位表2：瓦斯超标的班次与对应工作点分析附表2的检测数据，我们把瓦斯浓度等于和超过百分之一的选择出来，把一天的早、中、晚三个班次进行编号，30天的班次可以分为190个班次，再选出某个班次发生爆炸的相应部位，制成如下表格。班次工作面2 瓦斯浓度班次回风巷2 瓦斯浓度班次回风巷2 瓦斯浓度班次回风巷2 瓦斯浓度班次回风巷2 瓦斯浓度18191.01181.07491.05691.04251.01101241501.07751.03411.11151.03251.05511801.03501.03161.02371621851.06851171.01411.18681.02881.03 统计表格得到

18、数据可能会发生爆炸的次数总共有25次，对应的部位主要是工作面和回风巷。2）统计总检测次数与计算概率根据附表2的统计情况，一天三个班次分别统计六个部位可以得到总的检测次数为：天数*班次*检测部位=540（次），产生爆炸的次数等于主要考虑瓦斯超标可能引发事故的次数为：25（次），我们建立如下关系式进行计算。 把统计的次数运用到以上关系式当中进行计算，得出P=4.629%。3） 再分析结果因为爆炸有三种情况他们分别是：一个是瓦斯浓度超标，第二个是煤尘浓度超标，最后是他们的中和浓度属于可爆炸范围，这些情况都会引起煤矿爆炸的可能性发生。我们以上所谓统计的总检测次数，实际上是瓦斯的总检测次数。单独依据以上

19、算法是没有任何依据，算出来的概率会偏大，不符合实际情况，所以总检测次数=瓦斯的检测次数*3=1620（次），我们再次修正，进行计算得到P=1.543%，最后确定该矿的不安全程度为1.543%。5.3确定所需最佳通风量 5.3.1拟合出瓦斯浓度与风速的关系1）如何确定总风量最小，首先要通过观察风速与瓦斯浓度之间的关系，整理附表2的相关风速和瓦斯浓度的数据，再运用matlab画图命令，执行操作，可以得到瓦斯浓度与风速之间的散点图，观察图形，可以假设风速与瓦斯浓度之间的关系成一个函数关系，这个方法就叫拟合，拟合图形如下：图3：瓦斯浓度与风速拟合图 观察瓦斯浓度与风速之间的关系，我们可以看出瓦斯随着风

20、速的增加浓度减小，可以假设一个拟合函数能反映他们之间的关系，拟合函数为：运用最小二乘法，算出最小误差，建立如下求最小误差模型： 把函数编写成lingo程序见（附录1），可以得到、，整理数据得到下表：表3：瓦斯浓度与风速拟合表工作面1工作面2掘进面-0.26131.28750.0309-0.45681.83280.0833-0.80410.40990.4236回风巷1回风巷2总回风巷-0.23141.21110.033-0.63112.26090.085-0.11941.24620.03345.3.2拟合出煤尘浓度与风速的关系需要明确煤尘浓度与风速之间的关系，我们接着把题目当中表2的煤尘浓度与风

21、速的数据运用matlab拟合出图形，拟合图形如下： 图4：煤尘浓度与风速拟合图观察拟合图，可以得到煤尘浓度与风速之间的关系，我们可以看出煤尘随着风速的增加浓度出现不稳定的增大，可以假设一个拟合函数能反映他们之间的关系，拟合函数为：同样把函数编写成lingo程序见（附录1），可以得到煤尘函数的、，整理数据得到下表：表4：煤尘浓度与风速拟合表工作面1工作面2掘进面abcabcabc1.98073.21660.0941.24855.01250.09141.94322.99320.1032回风巷1回风巷2总回风巷abcabcabc1.25464.83590.17650.81655.50910.1195

22、0.22975.86480.12045.3.3建立优化模型求最佳通风量和两个采煤工作面所需要的风量和局部通风机的额定风量仔细分析题目，要求得最佳通风量，这是一个多条件约束问题，主要有以下几个方面：各井巷风量的分流情况、对各井巷中风速的要求，以及瓦斯和煤尘等因素的影响，确定该煤矿所需要的最佳（总）通风量，以及两个采煤工作面所需要的风量和局部通风机的额定风量。（1） 确定总风量最小为目标要求得最佳通风量实际上，是需要求出在约束条件下，最小通风量，所以我们建立如下目标函数： （二）建立约束条件（1）根据附件表2，可知井巷中允许的风流速度，采煤工作面的允许风速为最低不得低于0.25m/s,最高不得高于

23、4m/s。回风巷的允许风速为最低不得低于0.25m/s,最高不得高于6m/s，建立如下约束条件：（2） 根据附件表2，可知矿井中允许的风流速度，采煤工作面和回风巷的风流速度不能超过8m/s，建立如下约束条件：（3） 工作面、工作面、掘进工作面，主巷道的风量之和等于总回风巷的风量，巷道中至少需要有15%的余裕风量（新鲜风）才能保证风在巷道中的正常流动，建立如下约束条件：（4） 如何保证该矿井是在安全的条件下工作，需要保证每个班次每个检测点的瓦斯浓度不能超过1，建立如下约束条件：（5）根据表2：在保证每个班次每个检测点的瓦斯浓度不能超过1%的前提下，煤尘的浓度不能超过15g/m3，建立如下约束条件

24、：（5） 根据掘进巷需要安装局部通风机，其额定风量一般为150400 m3/min，否则可能会出现负压导致乏风逆流，即局部通风机将乏风吸入并送至掘进工作面，建立如下约束条件：（6） 根据附表2第一百零一条相关规定，掘进工作面的风速需要小于回风巷的风速，工作面的风速小于回风巷的风速，根据这些规定，建立如下约束条件：（3） 模型确定与求解根据以上的目标函数和约束条件，我们建立模型，从模型中可以求解出最佳通风量，以及两个采煤工作面所需要的风量和局部通风机的额定风量，具体模型如下： 把模型编写成lingo程序（见附录）运行程序得出结果（见附录）得到每个检测点的最佳风速，然后结合公式进行计算，得到最佳通

25、风量为1800.00，工作面所需风量为788.96，工作面所需风量为568.84，局部通风机额定风量为203.17，整理数据制出下表：表5：问题三最后结果工作点X( 1)X( 2)X( 3)X( 4)X( 5)X( 6)风速（m/s）3.29 2.37 0.85 1.34 2.40 6.00 最佳通风量（m3/min）1800.00 采煤工作面1（m3/min）788.96 采煤工作面2（m3/min）568.84 局部通风机（m3/min）203.17 6、模型的评价与推广本文根据题中所给条件，建立了整数规划优化，由于题中限制条件过多，运用Lingo软件快速求解，减少了运算量、Matlab软

26、件拟合整理数据，形成相应的函数对应关系式，方便快捷。6.1模型优点1）此模型应用面较广，使用类似的的方法，集中生产等线性规划问题都可适用。2）用Lingo软件求解，方便快捷；Matlab软件拟合，结果简洁明了，参考价值高，利于问题分析求解。3）运用整数线性规划，优化模型，Matlab拟合等多种方法建立模型，解决了风速分别与瓦斯和煤尘浓度之间的函数关系，并求解出误差范围等。4）本模型建立煤矿的风速大小、瓦斯浓度与煤尘浓度之间最佳工作数值范围的问题研究，能够推广至其他方面。5）该模型整个过程思路清晰，结构明了，可行性强，易于推广。6.2模型缺点 1）Lingo、Matlab软件运算求解时，计算机在

27、拟合和数据（y=a*x+b±3*）带入求解存在一定的误差。2）由于现实情况复杂，没有考虑矿井中各个工作检测点的环境存在其他特殊情况等。6.3模型推广该问题运用优化模型规划方法，可以解决经济管理中大量的规划问题。如工厂产品分配问题、部门工作人员的工作与休息时间的安排问题、工厂选址问题等。基本的方法还是在满足特定的需求下，求目标函数的最优化值。 附录1：sets:aa/1.6/:x,a,b,e,g,h,d;endsetsdata:a=-0.2613 -0.4568-0.8041 -0.2314 -0.6311-0.1194;b=1.2875 1.8328 0.4099 1.21112.2

28、609 1.2462;h=0.0309 0.0833 0.4236 0.0330.085 0.0334;e=1.9807 1.2485 1.9432 1.25460.8165 0.2297;g=3.2166 5.0125 2.9932 4.8359 5.5091 5.8648;d=0.094 0.0914 0.1032 0.1765 0.1195 0.1204;enddatamin=5*x(6)*60;for(aa(i)|i#le#3:x(i)>=0.25);for(aa(i)|i#le#3:x(i)<=4);for(aa(i)|i#ge#4#le#5:x(i)>=0.25)

29、;for(aa(i)|i#ge#4:x(i)<=6);for(aa(i):x(i)<=8);4*x(3)/0.85+4*(x(1)+x(2)+x(3)=5*x(6);for(aa(i):a(i)*x(i)+b(i)+3*h(i)<1);for(aa(i):e(i)*x(i)+g(i)+3*d(i)<15);240*x(3)>150;附录2：Global optimal solution found. Objective value: 1360.243 Infeasibilities: 0.000000 Total solver iterations: 0 Variable Value Reduced Cost X( 1) 1.455033 0.000000 X( 2) 2.370184 0.000000 X( 3) 0.84653