Research progress and prospects of intelligent mine ventilation
-
摘要:
从通风参数监测技术、通风网络实时解算方法、通风灾变应急调控技术和矿井智能通风系统架构4个方面，分析了通风参数检测设备、测定方案优化、网络实时监测与解算、异常诊断方法及应急调控技术等方面的研究进展。指出当前智能通风系统面临三大关键挑战：现有通风参数检测装置在稳定性和准确率方面存在不足，导致系统难以实现秒级响应与精准调控；矿井环境的高度不确定性与人机协同决策自动化水平低，制约着通风网络的自适应优化能力；火与瓦斯复合灾害的实时辨识技术尚未突破，限制了灾害工况下的应急通风调控效能。针对上述问题，提出未来重点攻关方向：① 通过研发抗干扰性能强的新型传感设备，构建“固定监测+移动巡检”融合的时空动态监测网络，实现通风多参数的精准感知。② 基于数字孪生技术建立通风网络超实时仿真模型，结合强化学习与博弈论方法优化局部决策与全局策略的协同机制，推动智能决策体系向云边端协同模式发展。③ 构建数字孪生驱动的灾情演化推演平台，集成动态逃生路径规划与机器人集群快速布防技术，形成“灾情预警−区域隔离−智能救援”三级应急响应体系。
Abstract:The research progress has been analyzed from four aspects: ventilation parameter monitoring technology, real-time calculation methods for ventilation networks, emergency regulation technology for ventilation disasters, and the architecture of intelligent mine ventilation systems, focusing on ventilation parameter detection devices, optimization of measurement schemes, real-time monitoring and calculation of networks, anomaly diagnosis methods, and emergency regulation technologies. Currently, intelligent ventilation systems face three major challenges. First, existing ventilation parameter detection devices are insufficient in stability and accuracy, making it difficult for the system to achieve response within seconds and precise regulation. Second, the high uncertainty of the mine environment and the low level of automation in human-machine collaborative decision-making limit the adaptive optimization capabilities of the ventilation network. Third, real-time identification technologies of fire and gas compound disasters have not yet been broken through, restricting the effectiveness of emergency ventilation regulation in disaster conditions. To address these challenges, the future research directions should focus on: ① Developing new sensor devices with strong anti-interference capabilities to construct a spatiotemporal dynamic monitoring network that integrates "fixed-point monitoring+mobile inspection", enabling precise multi-parameter ventilation perception. ② Establishing an ultra-real-time simulation model for the ventilation network based on digital twin technology, and combining reinforcement learning and game theory methods to optimize the coordination between local decision-making and global strategy, thereby driving intelligent decision-making systems toward a cloud-edge-device collaborative mode. ③ Building a digital twin-driven disaster evolution simulation platform, integrating dynamic evacuation path planning and rapid deployment of robot clusters, thereby forming a three-tier emergency response system of "disaster warning-regional isolation-intelligent rescue".
-
0. 引言
在煤炭开采过程中漏风会引起采空区煤自燃灾害，并导致有害气体在工作面聚集，引发中毒等事故[1-4]。漏风是指煤矿开采过程中通过与生产无关路径漏失的部分风流[5-6]。将采空区漏风控制在安全范围内，可有效预防煤自燃灾害的发生[7-8]。
目前，国内众多学者对复合采空区漏风规律进行了大量研究。文献[9-11]采用SF6示踪气体法检测工作面采空区漏风，研究漏风规律，但在示踪气体释放位置的选择上有较强主观性，且其精确度无法得到充分保证，难以处理复杂的漏风通道问题。文献[12-13]结合能位测定与示踪技术，显著提升了对复杂采空区漏风检测的精确度。文献[14]采用双元示踪技术对工作面采空区地表漏风规律进行测试，提高了漏风检测的效率和准确性。文献[15]采用能位测定、气体成分分析和双元示踪技术精确分析了工作面采空区流场及复杂漏风网络体系，提出了“喷注+密封圈二次堵漏+两道两线隔断”的综合立体漏风防控技术。
上述研究中，示踪技术主要应用于U型通风工作面采空区，但针对无煤柱开采Y型通风工作面采空区与相邻采空区群的连通性研究较少。无煤柱开采漏风特征涉及多个关键方面：采用沿空留巷时，巷道与采空区相邻，顶板垮落形成的裂隙成为主要漏风通道；工作面与邻近采空区贯通开采过程中，工作面与相邻采空区之间可能通过未压实区域或裂隙形成漏风。无煤柱开采因缺乏煤柱隔离，采空区漏风通道和漏风量较传统方法会显著增加，从而增大采空区遗煤氧化自燃的风险[16]。本文以中煤新集能源股份有限公司新集一矿360606工作面为研究背景，通过能位测定与示踪技术相结合的方法，研究无煤柱开采Y型通风工作面采空区漏风规律，并提出综合漏风防治技术，为采空区煤自燃防治提供技术指导。
1. 工作面概况
360606工作面位于新集一矿3608（6）采区东翼中部，是该采区第7个综采工作面，属于6−1煤层。360606工作面切眼至终采线范围：运输巷（南帮）长901.2 m，可采走向长506.7 m；回风巷（北帮）长919.6 m，可采走向长506.7 m（回风巷切顶留巷）；工作面平均可采走向长506.7m。切眼倾斜长227.8 m（工作面平均倾斜长222.5 m）；斜面积为112 941 m2。回风巷底板标高为−657.8～−683.1 m，运输巷底板标高为−716.5～−720.4 m。360606工作面采空区与其临近采空区分布如图1所示。
![]()
图 1 360606工作面采空区及其临近采空区分布Figure 1. Goaf area of the 360606 working face and its adjacent goaf areas360606工作面西起3608（6）采区运输上山南段和集中运输上山西段。由图1可知，360606工作面南侧为360608工作面，北侧为6−1煤层未采动区域，上部为24085工作面（2005年、2006年回采）及360804工作面（2020年回采）采空区。
2. 3608（6）采区能位测定
2.1 测试目的
由于360606工作面上覆采空区、临近空区及沿空留巷可能存在贯通，使采空区呈现出多源多汇漏风形式，为采空区遗煤提供了良好的供氧环境，存在煤自燃风险。
通过能位测定可获取360606工作面及其周围临近采空区各密闭墙及各风流分、汇点之间的能位关系，从而判断360606工作面及其周围采空区是否有漏风通道，为初步判定360606工作采空区漏风源和漏风汇分布提供依据[17]。
2.2 测试原理
在流体能位测定领域，气压测定法和压差分析法是2种常规检测手段。本文选用气压计逐点测定法作为检测方案，其技术原理：通过气压计分别获取2个测点的静压差值，结合流道断面间动能压差和重力势能差进行计算评估，最终推导出监测点间的能量位势关联参数。该方法的实施流程包含静压参数采集、动能势能差计算和综合能量分析3个关键步骤[18]。新集一矿能位测定需要计算巷道测段风量、测段阻力等[19]。
测点风量计算公式为
$$ {Q_{{i}}} = {s_i} {v_i} _{ } $$ (1) 式中：${Q_i}$为测点$ i $的风量，m3/s；$ {s_i} $为测点$ i $所在巷道断面的面积，m2；$ {v_i} $为测点$ i $所在巷道断面的平均风速，m/s。
测段风量计算公式为
$$ _{ } {Q}_{(i,i+1)}=\frac{1}{2}({Q}_{i}+{Q}_{i+1}） _{ } $$ (2) 式中${Q_{\left( {i,i + 1} \right)}}$为测点$ i $与测点$ i + 1 $间的风量，m3/s。
通风阻力计算公式为
$$ {h_{(i,i + 1)}} = {h_{{\mathrm{v}}(i,i + 1)}} + {h_{\mathrm{s}}}_{(i,i + 1)} + {h_{{\mathrm{z}}(i,i + 1)}} $$ (3) 式中：$ {h_{(i,i + 1)}} $为测点$ i $与测点$ i + 1 $间的通风阻力，Pa；$ {h_{{\mathrm{v}}(i,i + 1)}} $为测点$ i $与测点$ i + 1 $间的动压差，Pa；$ {h_{\mathrm{s}}}_{(i,i + 1)} $为测点$ i $与测点$ i + 1 $间的静压差，Pa；$ {h_{{\mathrm{z}}(i,i + 1)}} $为测点$ i $与测点$ i + 1 $间的能位差，Pa。
动压差计算公式为
$$ _{ } {h_{{\mathrm{v}}\left( {i,i + 1} \right)}} = \frac{1}{2}\left( {{\rho _i}{V_i}^2 - {\rho _{i + 1}}{V^2}_{i + 1}} \right) _{ } $$ (4) 式中：$ {\rho _i} $为测点i的空气密度，kg/m3；$ {V_i} $为测点i的风速，m/s。
空气密度受温度、气压和湿度影响，计算公式为
$$ _{ } {\rho _i} = \frac{{{P_i} - 0.378{\phi _i}{P_{{\mathrm{sat}}}}}}{{{R_{{\mathrm{da}}}} {T_i}}} _{ } $$ (5) 式中：$ {P_i} $为测点$ i $的大气压力，Pa；$ {\phi _i} $为测点$i$的空气相对湿度，%；$ {P_{{\mathrm{sat}}}} $为测点$i$的饱和水蒸气压，Pa；$ {R_{{\mathrm{da}}}} $为干空气气体常数，287 J/（kg·K）；$ {T_i} $为测点$i$的空气绝对温度，K。
静压差计算公式为
$$ {h_{{\mathrm{s}}\left( {i,i + 1} \right)}} = {k_{\mathrm{x}}}\left( {{P_{i}} - {P_{i + 1}}} \right) + {k_{\mathrm{s}}}\left( {{P'_{i}} - {P'_{i + 1}}} \right) _{ } $$ (6) 式中：${k_{\mathrm{x}}}$为井下精密气压计校正系数；$ {P_{i}} $为检测仪器在测点i的静压读数，Pa；${k_{\mathrm{s}}}$为地面精密气压计校正系数；$ {P'_{i}} $为检测仪器在测点i检测时地面上仪器对应的大气压读数，Pa。
因为测量静压差的工具已内置温度补偿功能，无需额外校正，即井下精密气压计校正系数与地面精密气压计校正系数取值为1。
能位差计算公式为
$$ _{ } {h_{{\rm{z}}(i,i + 1)}} = {\rho _{\mathrm{m}}}g({Z_i} - {Z_{i + 1}}) _{ } $$ (7) 式中：$ {\rho _{\mathrm{m}}} $为测点i与测点i+1的平均空气密度，kg/m3；$g$为重力加速度，m/s2；$ {Z_i} $为测点i的标高，m。
测段平均密度计算公式为
$$ _{ } {\rho _{\mathrm{m}}} = \frac{1}{2}\left( {{\rho _i} + {\rho _{i + 1}}} \right) _{ } $$ (8) 2.3 测点布置
新集一矿分为东区和西区，根据测试需要，将测试范围内的风流分、汇点与密闭墙处定为1—19号测点。根据所标记的测点，分别在东区与西区沿着风流方向确定实际测试路线。沿着测试路线，根据测定需要在巷道某处设测点，并在通风系统图上按顺序编号（31—40号测点）。
西区测试路线为31→32→12（12→19）→14→33（33→13）→34（34→15）→36→8→9→10→17，东区测试路线为38（38→37→11→12）→39→1→2→3→40→4→5→6→7。西区能位测点布置如图2所示，测点具体信息见表1。
![]()
图 2 新集一矿西区能位测点布置Figure 2. Energy potential measurement point arrangement in the west area of Xinji No.1 Mine表 1 新集一矿西区能位测点信息Table 1. Energy potential measurement point information in the western area of Xinji No.1 Mine测点编号 测点名称 8 −415 m西大巷密闭墙 9 −415 m辅助回风上山密闭墙 10 −415 m井底车厂密闭墙 12 360808工作面运输巷密闭墙 13 360802工作面运输巷密闭墙 14 360804回风联巷密闭墙 15 3608采空区轨道上（下）山密闭墙 17 −550 m西胶带大巷密闭墙 19 360804工作面进风巷密闭墙 测点分为测风点和测压点。压力测点应尽量在网络图中的节点上（包括封闭墙处）。在进行风速测量时，测点的选择需遵循以下准则，以确保风速测量的准确性和可靠性[20]。
1） 测点应位于气流分支或汇合区域的前后位置，以确保速度场的稳定性。若测点位于气流分支或汇合区域的前方，则距离应不小于巷道宽度的3倍；若位于后方，则距离应不小于巷道宽度的8倍。
2） 当测点需设置在巷道转弯处或断面变化显著的区域时，若位于气流分支或汇合区域的前方，距离应不小于巷道宽度的3倍；若位于后方，距离应不小于巷道宽度的8倍。
3） 测点前后3 m范围内的巷道断面应保持规则形状，支护结构应完好，且巷道内不得有杂物堆积。
2.4 测试结果与分析
新集一矿西区能位测定结果见表2。
表 2 新集一矿西区能位测定结果Table 2. Energy potential measurement results in the western area of Xinji No.1 Mine测段 巷道名称 支护
形式断面
形状测段阻
力/Pa测段风
量/(m3·s−1)测段
长度/m百米阻
力损失能位
差/Pa静压
差/Pa风阻 周长/m 阻力
系数备注 30—31 360606工作面运输巷 锚喷 梯形 28.7 1.9 820 20 470 −337 0.2025 16.13 0.0521 有门框 31—32 工作面 锚喷 梯形 22.0 1.6 265 38 −647 717 0.2093 15.68 0.1445 工作面支架 32—12 360606工作面回风巷 锚喷 梯形 36.0 1.7 850 23 −189 338 0.1480 19.31 0.0901 有门框 12—33 西区−700～−620 m
运输斜巷锚喷 梯形 48.8 7.1 667 60 606 93 0.1666 10.88 0.0073 14—33测段断面小，
风速超限33—34 3608采区回风上山 锚喷 梯形 101.2 9.4 240 66 −39 72 0.0155 13.66 0.0059 风桥 34—35 −680 西区回风石门 锚喷 U形 106.0 10.6 150 75 −203 373 0.0100 13.15 0.0051 风速大，有小断面 35—10 西三回风下山 锚喷 U形 93.3 7.1 1460 34 − 3144 3814 0.0564 15.06 0.0058 有冒顶，小断面 10—8 井底车场绕道 锚喷 U形 32.7 2.6 85 18 0 50 0.0141 14.80 0.0227 正常巷道 15—34 36采区避难硐室 锚喷 U形 106.2 7.0 80 966 −72 915 0.0686 16.26 0.1880 有风门 13—33 西区−700～−620 m
运输斜巷锚喷 梯形 26.1 3.7 90 569 48 519 0.7503 11.04 0.2635 有控风设施 为了使所有关注的密闭墙能位均为正，从而更好地描述各密闭墙的能位高低，以30号测点360606工作面运输巷作为参考点，假设其能位是2 000 Pa，其他点能位相对于30号测点依次减小，计算得到其他密闭墙相对于该密闭墙的能位，见表3。为直观显示，绘制了能位图，如图3所示。
表 3 工作面及临近采空区群测点能位计算结果Table 3. Calculated energy potential results at measurement points in working face and adjacent goaf areas测点位置 序号 密闭墙编号/测段位置 测试地点 能位/Pa 密闭墙 8 C−13−418 −415 m西大巷 379 9 C−13−417/C−13−147 −415 m辅助回风上山 379 10 C−13−419 −415 m井底车场绕道 379 12 C−08−144 360808工作面运输巷 1540 13 C−08−131 360802工作面运输巷 1254 14 C−08−134 360804工作面回风联巷 1264 15 C−13−147/C−08−147 3608采区轨道上（下）山 1756 360606工作面 30 运输巷 运输巷外口 2000 31 运输巷 运输巷里口 1833 32 回风巷 回风巷里口 1731 12 回风巷 回风巷外口 1540 ![]()
图 3 工作面及临近采空区群测点能位Figure 3. Energy potential at measurement points in working face and adjacent goaf areas图3中3608采区轨道下山密闭（15号测点）能位为1 756 Pa，能位较高，但是该密闭墙距离360606工作面比较远，成为漏风源的可能性较小。360804工作面进风巷密闭墙（19号测点）和360608工作面运输巷密闭墙（12号测点）与360606工作面外口能位相近，且与360606工作面的距离较近，由图3可知，360608工作面运输巷密闭墙（12号测点）能位为1 540 Pa，小于参考点360606工作面运输巷外口能位2 000 Pa，如果上覆采空区与360606工作面之间存在漏风，从该密闭墙往外漏风的可能性较大。8号—10号测点虽与360606工作面相距较远，但能位均为379 Pa，与参考点存在较大能位差，负压作用下，存在工作面往8号—10号测点漏风的可能性。−550 m西翼胶带石门（北）密闭墙（7号测点）处于两区贯通的进风侧，靠近新集一矿西区总进风，能位较高，如果上覆采空区与360606工作面之间存在漏风，则该处密闭墙为漏风源。
综上所述，漏风源可能的位置是7号测点密闭墙（−550m西翼胶带石门（北）密闭墙），漏风汇密闭墙的可能位置是8—10号、19号、12号测点。
3. 无煤柱开采采空区群漏风规律
360606工作面上覆24085和360804采空区，且2个采空区相邻。受采动影响，上覆采空区可能与360606工作面采空区贯通。采用示踪技术检测360606工作面采空区与周围相邻采空区连通情况，从而找出360606工作面采空区周围区域漏风源、漏风汇分布。
3.1 示踪气体采样
在漏风源处定量释放SF6气体，利用铝箔取样袋在漏风汇处连续收集气体，分析各取样点是否含有SF6，以此判断采空区之间贯通情况[21-23]。
根据能位测定结果，7号测点密闭墙（位于−550 m西翼胶带石门（北））的漏风点可能位于8—10号、19号、12号测点。确定SF6气体检测点为8—10号测点、12号测点、360606工作面回风隅角和360606工作面柔模墙。
对6个取样点分别进行编号，1—6号取样点依次为−415 m西大巷密闭墙、415 m辅助回风上山密闭墙、−415 m井底车场绕道密闭墙、360608运输巷密闭墙、360606回风隅角和360606工作面柔模墙取气孔。示踪气体取样点如图4所示。
在−550 m西翼胶带石门（北）密闭墙处释放示踪气体，8:00开始连续释放，持续30 min，6个地点分为2组进行采样，2组同时进行，交替换班。采样时间从8:00开始，每隔1 h采样1次，持续3 d。
3.2 示踪气体检测结果及分析
示踪气体从释放点到达取样点1—6号的距离长，而且受到采空区内流场不稳定、工作面风流较大的影响，SF6会受到很大程度的稀释，所以进行实验时，SF6体积分数的单位采用10−9，以直观地看出各取样点是否接收到SF6。
第1天，第1组取样点（1—3号）检测到SF6，第2组取样点（4—6号）没有检测到SF6。其中2号取样点只有2次取到SF6，在15:00检测到SF6体积分数为62.2×10−9，21:00检测到SF6体积分数为55.9×10−9。1号、3号取样点多次检测到SF6，如图5所示。
第2天，第1组取样点检测到SF6体积分数为0，第2组取样点检测到SF6体积分数分别在9:00（释放时间为1 500 min）到13:00（释放时间为1 740 min）之间有明显变化。SF6气体浓度如图6所示。
考虑到气样污染及仪器分析的误差，以SF6体积分数1×10−9以上为有效值，在图5、图6中作基准线。可看出，4号、6号取样点连续很多次接收到SF6的体积分数超过1×10−9，5号取样点2次接收到SF6的体积分数超过1×10−9。因此4—6号取样点存在漏风。
根据漏风源与6个取样点之间的直线距离和接收气体所消耗的时间，可计算出漏风源与6个取样点之间的最大漏风速度[24-25]，见表4。
表 4 取样点最大漏风速度Table 4. Maximum air leakage velocity at sampling points取样点 距离/m 耗时/min 速度/（m·min−1） 1号 1 950 120 16.25 2号 1 980 540 3.67 3号 2 030 60 33.9 4号 1 800 1 560 1.15 5号 1 400 1 500 0.93 6号 1 000 1 560 0.64 3.3 漏风状态检测结论
应用能位测定法和SF6示踪技术对新集一矿360606工作面及相邻采空区漏风状态进行检测的结论如下：
1） 6个取样点都分析到了SF6气体，说明−550 m西翼胶带石门（北）密闭墙与−415 m西大巷密闭墙、−415 m辅助回风上山密闭墙、−415 m井底车场绕道密闭墙、360608运输巷密闭墙、360606回风隅角和360606工作面柔模墙之间存在漏风。
−550 m西翼胶带石门（北）密闭墙为漏风源，−415 m西大巷密闭墙、−415 m辅助回风上山密闭墙、−415 m井底车场绕道密闭墙、360608运输巷密闭墙、360606回风隅角和360606工作面柔模墙这6个取样点为漏风汇。可以得出24085和360804工作面采空区上覆采空区与360606工作面采空区贯通，360606工作面采空区与周围相邻采空区连通存在漏风通道。
2） 比较6个取样点的SF6浓度，第1组取样点检测的浓度最大值比第2组取样点高9倍，说明第1组取样点漏风的可能更大，这是由于第1组取样点处在回风系统中，且与−550 m西翼胶带石门（北）密闭墙的能位差更大所导致。
3） 第1组取样点的漏风流速明显高于第2组取样点，说明第1组取样点的漏风量比第2组取样点大。漏风源相同，到达取样点3号的速度明显大于另外几个取样点，也是因为漏风压差大导致漏风量更大。
4） 2号取样点SF6只检测到2次，且SF6到达时间比1号、3号测点晚。这是因为2号取样点最大漏风速明显小于另外2个取样点，风流经过2号取样点和1号取样点后汇合到3号取样点。
5） 3号取样点检测到的SF6气体浓度有随时间逐渐增大的趋势，说明−550 m西翼胶带石门（北）密闭墙处释放的SF6气体随着采空区风流逐渐积聚在−415 m井底车场绕道密闭墙内。
6） 6个取样点中出现SF6检测浓度不连续的情况，说明360606工作面采空区与周围相邻采空区之间的漏风存在变化，漏风源与6个漏风汇的漏风不稳定。
4. 漏风防治技术与效果
根据能位测定与示踪气体法检测结果，选取360606工作面漏风汇作为监测点，对采取漏风防治技术前后监测点的CO及O2浓度进行对比分析。
4.1 漏风防治前监测点CO与O2浓度
地面主要安设RackMount PC−610型主机显示屏1套，井下安设JSG7−Z型火灾束管监测系统，通过BQY80/300气体采样泵将井下各测点的气样抽取到井下束管监测分析站进行分析，将分析结果通过光纤上传至地面主机，24 h实时监测工作面、上隅角、回风流及采空区有害气体浓度变化情况。工作面共设置5个束管测点：回风侧采空区（即工作面测点）、回风巷口、回风巷距离工作面10 m处、采空区（距工作面24，48 m处）。
360606工作面回采期间，在沿空留巷的柔模墙10号观测孔（即柔模墙测点）取气，对CO与O2气体进行监测，结果如图7、图8所示。可看出，360606工作面回风侧采空区、柔模墙测点CO体积分数在5×10−6上下有较大波动，O2体积分数保持在20%左右。
![]()
图 7 防治前回风侧采空区气体浓度Figure 7. Gas concentration in the return air side goaf area before treatment![]()
图 8 防治前柔模墙测点气体浓度Figure 8. Gas concentration at flexible wall measurement point before treatment4.2 漏风综合防治技术
根据新集一矿360606工作面及其与相邻采空区漏风通道的特点，提出如下建议：
1） 360606工作面采用Y型通风方式，其沿空留巷由于来压过大造成变形，采空区遗煤堆积与漏风为煤自燃灾害提供了条件。因此，应对沿空留巷定期采取喷浆堵漏措施。
2） 停采后，工作面拆架应回收，采空区的碎煤因为长期接触O2会发生自燃，应在进风巷、回风巷与工作面出口设置风帘。
3） 在示踪气体检测中发现360608运输巷密闭墙存在漏风情况，应对360608运输巷密闭墙采取注浆堵漏措施。
4） 根据新集一矿通风系统图可知，漏风源−550 m西翼胶带石门（北）密闭墙在进风侧，增加了密闭墙内外的压差。应在漏风源−550 m西翼胶带石门（北）密闭墙的上风侧设置风门、栅栏等阻型通风构筑物，以降低漏风源的能位。
5） 在进风侧、回风侧与工作面出口的架后喷洒浓度不低于15%的阻化剂，以防止煤柱线发生煤自燃。
6） 对工作面进行注凝胶充填，并确保封堵严密，以减少采空区漏风。
4.3 漏风防治后监测点CO与O2浓度
采用漏风防治技术后，360606工作面回风侧采空区、柔模墙测点CO及O2浓度如图9、图10所示。柔模墙测点CO体积分数基本为0，O2体积分数维持在15%左右；回风侧采空区CO体积分数大部分为0。回风侧采空区、柔模墙测点的CO与O2浓度均在正常范围内，说明360606工作面采空区群的漏风得到了控制，降低了360606工作面采空区自燃的可能性，从而验证了防治措施的有效性。
![]()
图 9 防治后回风侧采空区气体浓度Figure 9. Gas concentration in return air side goaf area after treatment![]()
图 10 防治后柔模墙测点气体浓度Figure 10. Gas concentration at flexible wall measurement point after treatment5. 结论
1） 基于能位测定结果初步确定3608（06）采区进风系统能位高于回风系统，−415 m西大巷密闭墙、−415 m辅助回风上山密闭墙、−415 m井底车场绕道密闭墙和360608运输巷密闭墙能位较低，可能为漏风汇，−550 m西翼胶带石门（北）密闭墙可能为漏风源。
2） 通过示踪技术分析出360606工作面采空区与上覆采空区（24085，360804采空区）贯通，且与相邻360608工作面采空区存在漏风通道。释放气体后，在6个取样点连续多次都收集到SF6，说明−550 m西翼胶带石门（北）密闭墙是主要漏风源，−415 m西大巷密闭墙、−415 m辅助回风上山密闭墙、−415 m井底车场绕道密闭墙、360608运输巷密闭墙、360606回风隅角和360606工作面柔模墙取气孔为漏风汇。
3） 针对360606工作面漏风情况，采取喷浆、注浆技术及设置风帘等煤自燃防治措施，使360606工作面柔模墙测点与回风侧采空区CO体积分数基本降为0，控制O2体积分数为20%左右，且未出现煤自燃征兆，有效控制了360606工作面采空区漏风。
-
![]()
图 2 矿井通风系统异常预警指标体系
Figure 2. Anomaly regulation framework for intelligent mine ventilation
表 1 光学类瓦斯传感器技术
Table 1 Optical gas sensor technologies
传感器类型 检测限度/% 响应时间/s 适用场景 TDLAS 0.001～0.01 1～2 高精度定点/分布式监测 FTIR 0.1～1 5～10 便携设备/常规区域监测 光声光谱 0.000 1 <10 痕量气体实验室分析 光纤光栅 0.1～1 30～60 长期稳定分布式监测 
下载: 导出CSV
-
[1] 张国枢. 通风安全学[M]. 2版,徐州:中国矿业大学出版社,2000. ZHANG Guoshu. Ventilation safety[M]. 2nd ed. Xuzhou:China University of Mining & Technology Press,2000.
[2] 邓军,李鑫,王凯,等. 矿井火灾智能监测预警技术近20年研究进展及展望[J]. 煤炭科学技术,2024,52(1):154-177. DOI: 10.12438/cst.2023-2016 DENG Jun,LI Xin,WANG Kai,et al. Research progress and prospect of mine fire intelligent monitoring and early warning technology in recent 20 years[J]. Coal Science and Technology,2024,52(1):154-177. DOI: 10.12438/cst.2023-2016
[3] 周福宝,辛海会,魏连江,等. 矿井智能通风理论与技术研究进展[J]. 煤炭科学技术,2023,51(1):313-328. ZHOU Fubao,XIN Haihui,WEI Lianjiang,et al. Research progress of mine intelligent ventilation theory and technology[J]. Coal Science and Technology,2023,51(1):313-328.
[4] LI Yafei,MA Yanming,ZHENG Chuantao,et al. Near-infrared wide-range dual-gas sensor system for simultaneous detection of methane and carbon monoxide in coal mine environment[J]. Spectrochimica Acta Part A:Molecular and Biomolecular Spectroscopy,2024,307. DOI: 10.1016/j.saa.2023.123581.
[5] LIANG Yuntao,WANG Jincheng,TIAN Fuchao,et al. A novel temperature compensation approach of IR gas sensors in coal mines[J]. Fuel,2023,354. DOI: 10.1016/j.fuel.2023.129330.
[6] 丛琳. 煤矿井下钻孔内瓦斯浓度监测传感器研制[J]. 煤田地质与勘探,2022,50(2):150-155. DOI: 10.12363/issn.1001-1986.21.05.0277 CONG Lin. Development of a methane concentration monitoring sensor in underground boreholes of coal mines[J]. Coal Geology & Exploration,2022,50(2):150-155. DOI: 10.12363/issn.1001-1986.21.05.0277
[7] 张雷,尹王保,董磊,等. 基于红外光谱吸收原理的红外瓦斯传感器的实验[J]. 煤炭学报,2006(4):480-483. DOI: 10.3321/j.issn:0253-9993.2006.04.016 ZHANG Lei,YIN Wangbao,DONG Lei,et al. Experimental of an infrared gas sensor based on infrared absorption spectrum theory in laboratory[J]. Journal of China Coal Society,2006(4):480-483. DOI: 10.3321/j.issn:0253-9993.2006.04.016
[8] 戴婳,周孟然,王波,等. 非本征F−P传感器在瓦斯检测系统中的应用[J]. 工矿自动化,2014,40(8):91-94. DAI Hua,ZHOU Mengran,WANG Bo,et al. Application of extrinsic F-P sensor in gas detection system[J]. Industry and Mine Automation,2014,40(8):91-94.
[9] 李岩,郭寿松. 两种瓦斯检测仪器在庞庞塔煤矿上隅角测定数值不一致的原因分析[J]. 矿业安全与环保,2014,41(1):57-59,62. DOI: 10.3969/j.issn.1008-4495.2014.01.018 LI Yan,GUO Shousong. Cause analysis on inconsistent measuring data with two gas detectors at upper corner angle in Pangpangta Coal Mine[J]. Mining Safety & Environmental Protection,2014,41(1):57-59,62. DOI: 10.3969/j.issn.1008-4495.2014.01.018
[10] 付华,司南楠,鲁俊杰. 基于恒温谐波检测双回路瓦斯浓度仪研究[J]. 传感技术学报,2016,29(10):1493-1499. DOI: 10.3969/j.issn.1004-1699.2016.10.005 FU Hua,SI Nannan,LU Junjie. Study on dual-circuits gas detector based on constant temperature and harmonic detection[J]. Chinese Journal of Sensors and Actuators,2016,29(10):1493-1499. DOI: 10.3969/j.issn.1004-1699.2016.10.005
[11] 郭清华. 煤矿动力灾害前兆信息传感技术发展与应用[J]. 煤炭科学技术,2022,50(11):76-83. GUO Qinghua. Development and application of precursory information sensing technology in coal mine dynamic disaster[J]. Coal Science and Technology,2022,50(11):76-83.
[12] CHENG Li,SUN Ming,WANG Shuyan. Analysis on dynamic characteristics of corona discharge in low concentration methane-air mixture at micro-nano scale[C]. The 8th International Conference on Smart Grid and Smart Cities,Shanghai,2024. DOI: 10.1109/ICSGSC62639.2024.10813932.
[13] WANG Luyu,SONG Jia,RUAN Chenghai,et al. MoS2 based dual mine gas disaster sensor that operates at room temperature[J]. Sensors and Actuators A:Physical,2023,359. DOI: 10.1016/j.sna.2023.114517.
[14] ZHU Wenyuan,WANG Pengtao,XIE Kun,et al. First-principles study of the adsorption and sensing properties of transition metal-modified CrSe2 for CH4,H2S,and CO[J]. Colloids and Surfaces A:Physicochemical and Engineering Aspects,2025,708. DOI: 10.1016/j.colsurfa.2024.136006.
[15] 崔媛媛. UV光激发下贵金属对ZnO基瓦斯传感器的增敏效应研究[D]. 焦作:河南理工大学,2022. CUI Yuanyuan. Study on sensitization effect of precious metals on ZnO-based gas sensor under UV light excitation[D]. Jiaozuo:Henan Polytechnic University,2022.
[16] 付华,杨義葵,刘宇佳. 双差分法检测瓦斯含量新技术的实验研究[J]. 煤炭学报,2012,37(7):1161-1164. FU Hua,YANG Yikui,LIU Yujia. Experiment study on new technology of methane content measurement by dual difference[J]. Journal of China Coal Society,2012,37(7):1161-1164.
[17] 刘光迪. 煤矿隐蔽致灾地质因素高精度地电化学探测装置及综合解释技术研究[D]. 长沙:中南大学,2022. LIU Guangdi. Study on high-precision electrochemical detection device and comprehensive interpretation technology of hidden geological factors causing disasters in coal mines[D]. Changsha:Central South University,2022.
[18] 丁汀,颜登程,张以文,等. 融合煤矿多维时序数据的瓦斯异常检测算法[J]. 计算机集成制造系统,2020,26(6):1651-1659. DING Ting,YAN Dengcheng,ZHANG Yiwen,et al. Gas anomaly detection algorithm merged with coal multi-dimensional time series data[J]. Computer Integrated Manufacturing Systems,2020,26(6):1651-1659.
[19] 刘正杰. MEMS甲烷传感器特性表征系统的设计与实现[D]. 徐州:中国矿业大学,2020. LIU Zhengjie. Design and implementation of MEMS methane sensor characteristic characterization system[D]. Xuzhou:China University of Mining and Technology,2020.
[20] 李东升. 低风高精度热式风速传感器设计[D]. 南京:南京信息工程大学,2019. LI Dongsheng. Design of low wind and high precision thermal wind speed sensor[D]. Nanjing:Nanjing University of Information Science & Technology,2019.
[21] 王尚. 温度平衡模式MEMS热式风速风向传感器的研究[D]. 南京:东南大学,2020. WANG Shang. Research on MEMS thermal wind speed and direction sensor with temperature balance mode[D]. Nanjing:Southeast University,2020.
[22] 王纪强,李振,孟辉,等. 矿用光纤热线式风速传感器设计[J]. 工矿自动化,2021,47(5):30-34. WANG Jiqiang,LI Zhen,MENG Hui,et al. Design of mine-used hot-wire-based optical fiber wind speed sensor[J]. Industry and Mine Automation,2021,47(5):30-34.
[23] 宋涛,王建文,吴奉亮,等. 基于超声波全断面测风的矿井风网实时解算方法[J]. 工矿自动化,2022,48(4):114-120, 141. SONG Tao,WANG Jianwen,WU Fengliang,et al. Real-time calculation method of mine ventilation network based on ultrasonic full-section wind measurement[J]. Journal of Mine Automation,2022,48(4):114-120,141.
[24] 张永昌. 矿井通风参数监测智能优化与通风网络响应智能诊断[D]. 徐州:中国矿业大学,2023. ZHANG Yongchang. Intelligent optimization of mine ventilation parameter monitoring and intelligent diagnosis of ventilation network response[D]. Xuzhou:China University of Mining and Technology,2023.
[25] 丁果. 基于空气耦合超声传感器的气体流量计研究与设计[D]. 成都:电子科技大学,2017. DING Guo. Research and design of gas flowmeter based on air coupled ultrasonic sensor[D]. Chengdu:University of Electronic Science and Technology of China,2017.
[26] 李新波,朱阁彦,李厚禹,等. 三维超声阵列风速风向测量方法[J]. 西安交通大学学报,2019,53(9):70-78. LI Xinbo,ZHU Geyan,LI Houyu,et al. A method for measuring wind velocity and direction with three-dimensional ultrasound array[J]. Journal of Xi'an Jiaotong University,2019,53(9):70-78.
[27] 刘小松,解晓冉,单泽彪,等. 基于互射式三阵元超声波传感器的风矢量测量[J]. 太阳能学报,2023,44(9):411-417. LIU Xiaosong,XIE Xiaoran,SHAN Zebiao,et al. Wind vector measurement based on three mutually transmitting ultrasonic sensors[J]. Acta Energiae Solaris Sinica,2023,44(9):411-417.
[28] 尹莘新. 基于时差法的声发射源定位方法研究[D]. 长春:吉林大学,2020. YIN Shenxin. Research on acoustic emission source location method based on time difference method[D]. Changchun:Jilin University,2020.
[29] 单泽彪,解晓冉,刘小松,等. 互射式三阵元超声波传感器的二次相关测风方法[J]. 电子学报,2023,51(9):2428-2436. DOI: 10.12263/DZXB.20211659 SHAN Zebiao,XIE Xiaoran,LIU Xiaosong,et al. Wind measurement with three mutually transmitting ultrasonic sensors based on quadratic correlation method[J]. Acta Electronica Sinica,2023,51(9):2428-2436. DOI: 10.12263/DZXB.20211659
[30] 张浪. 巷道测风站风速传感器平均风速测定位置优化研究[J]. 煤炭科学技术,2018,46(3):96-102. ZHANG Lang. Optimized study on location to measure average air velocity with air velocity sensor in wind measuring station of underground mine[J]. Coal Science and Technology,2018,46(3):96-102.
[31] 宋莹,李雪冰,王施惠,等. 基于LDA的矩形巷道测风站风速测定与校正实验研究[J]. 中国安全生产科学技术,2016,12(1):169-175. SONG Ying,LI Xuebing,WANG Shihui,et al. Experimental study on determination and correction method of wind speed in wind station of rectangular roadway based on LDA[J]. Journal of Safety Science and Technology,2016,12(1):169-175.
[32] LI Rongmao,KIKUMOTO H,JIA Hongyuan,et al. Transfer learning strategy for data-driven correction of wind measurement around buildings using cup anemometers[J]. Building and Environment,20,241. DOI: 10.1016/j.buildenv.2023.110499.
[33] 李雪冰,刘剑,秦洪岩,等. 湍流脉动影响下巷道平均风速单点统计测量方法[J]. 华北科技学院学报,2018,15(2):1-9. DOI: 10.3969/j.issn.1672-7169.2018.02.001 LI Xuebing,LIU Jian,QIN Hongyan,et al. Method for air velocity measurement with single-point under the influence of turbulent fluctuation[J]. Journal of North China Institute of Science and Technology,2018,15(2):1-9. DOI: 10.3969/j.issn.1672-7169.2018.02.001
[34] 赵丹,潘竞涛. 改进灵敏度矩阵的矿井通风故障源诊断及传感器布置研究[J]. 中国安全科学学报,2011,21(2):78-84. DOI: 10.3969/j.issn.1003-3033.2011.02.014 ZHAO Dan,PAN Jingtao. Fault source diagnosis for mine ventilation based on improved sensitivity matrix and its wind speed sensor setting[J]. China Safety Science Journal,2011,21(2):78-84. DOI: 10.3969/j.issn.1003-3033.2011.02.014
[35] 刘剑,蒋清华,刘丽,等. 矿井通风系统阻变型故障诊断及风速传感器位置优化[J]. 煤炭学报,2021,46(6):1907-1914. LIU Jian,JIANG Qinghua,LIU Li,et al. Resistance variant fault diagnosis of mine ventilation system and position optimization of wind speed sensor[J]. Journal of China Coal Society,2021,46(6):1907-1914.
[36] LIU Yujiao,LIU Zeyi,GAO Ke,et al. Efficient graphical algorithm of sensor distribution and air volume reconstruction for a smart mine ventilation network[J]. Sensors,2022,22(6). DOI: 10.3390/s22062096.
[37] 张浪,刘彦青. 矿井智能通风与关键技术研究[J]. 煤炭科学技术,2024,52(1):178-195. DOI: 10.12438/cst.2023-1987 ZHANG Lang,LIU Yanqing. Research on technology of key steps of intelligent ventilation in mines[J]. Coal Science and Technology,2024,52(1):178-195. DOI: 10.12438/cst.2023-1987
[38] 卞欢,刘剑,刘学,等. 基于GA−BP神经网络的巷道平均风速单点测试研究[J]. 中国安全生产科学技术,2023,19(5):57-64. BIAN Huan,LIU Jian,LIU Xue,et al. Research on single point test of average wind speed in roadway based on GA-BP neural network[J]. Journal of Safety Science and Technology,2023,19(5):57-64.
[39] 贾瞳,马恒,高科. 基于相继平均移动法通风网络全局风量优化[J]. 辽宁工程技术大学学报(自然科学版),2023,42(4):412-419. DOI: 10.11956/j.issn.1008-0562.2023.04.005 JIA Tong,MA Heng,GAO Ke. Global optimization adjustment of ventilation network based on successive average moving method[J]. Journal of Liaoning Technical University(Natural Science),2023,42(4):412-419. DOI: 10.11956/j.issn.1008-0562.2023.04.005
[40] 谢中朋. 复杂矿井通风系统稳定性研究[D]. 北京:中国矿业大学(北京),2015. XIE Zhongpeng. Study on stability of complex mine ventilation system[D]. Beijing:China University of Mining & Technology-Beijing,2015.
[41] 何敏. 基于相对压力的煤矿通风阻力测定数据处理方法[J]. 工矿自动化,2019,45(11):1-4,48. HE Min. Data processing method of coal mine ventilation resistance measurement based on relative pressure[J]. Industry and Mine Automation,2019,45(11):1-4,48.
[42] 倪景峰,刘雪峰,邓立军. 矿井通风参数缺失数据插补方法[J]. 煤炭学报,2024,49(5):2315-2323. NI Jingfeng,LIU Xuefeng,DENG Lijun. Method for filling missing data of mine ventilation parameters[J]. Journal of China Coal Society,2024,49(5):2315-2323.
[43] NI Jingfeng,YANG Shengya,LIU Yujiao. Data cleaning model of mine wind speed sensor based on LOF-GMM and SGAIN[J]. Applied Sciences,2025,15(4). DOI: 10.3390/app15041801.
[44] 张巍,李雨成,张欢,等. 面向通风智能化的风速传感器结构化数据降噪方法对比[J]. 中国安全生产科学技术,2021,17(8):70-76. ZHANG Wei,LI Yucheng,ZHANG Huan, et al. Comparison of structured data noise reduction methods for airflow speed sensor of intelligent ventilation[J]. Journal of Safety Science and Technology,2021,17(8):70-76.
[45] GAO Ke,DENG Lijun,LIU Jian, et al. Study on mine ventilation resistance coefficient inversion based on genetic algorithm[J]. Archives of Mining Sciences,2018,63(4):813-826. DOI: 10.24425/ams.2018.124977
[46] 沈志远. 面向不平衡数据集的矿井通风系统阻变故障诊断算法研究[D]. 阜新:辽宁工程技术大学,2023. SHEN Zhiyuan. Research on algorithm for fault diagnosis of mine ventilation system windage alteration for imbalanced data set [D]. Fuxin:Liaoning Technical University,2023.
[47] 郭金婷,汪广明,汪文元,等. 基于神经网络算法的井下通风监测与控制系统[J]. 工矿自动化,2024,50(增刊2):29-32. GUO Jinting,WANG Guangming,WANG Wenyuan,et al. Underground ventilation monitoring and control system based on neural network algorithm[J]. Journal of Mine Automation,2024,50(S2):29-32.
[48] 高忠国,温国惠,高建新,等. 基于云平台的矿井智能通风监测与控制系统设计[J]. 矿山机械,2023,51(11):64-70. DOI: 10.3969/j.issn.1001-3954.2023.11.014 GAO Zhongguo,WEN Guohui,GAO Jianxin,et al. Design of intelligent ventilation monitoring and control system for mines based on cloud platform[J]. Mining & Processing Equipment,2023,51(11):64-70. DOI: 10.3969/j.issn.1001-3954.2023.11.014
[49] 王斌,王永宝,郝继宝,等. 王楼煤矿智能通风系统优化[J]. 煤矿安全,2019,50(2):105-108. WANG Bin,WANG Yongbao,HAO Jibao,et al. Optimization of intelligent ventilation system in Wanglou Coal Mine[J]. Safety in Coal Mines,2019,50(2):105-108.
[50] 齐俊铭,王凯,王志静,等. 转龙湾煤矿矿井智能化通防系统与信息平台构建[J]. 煤矿安全,2022,53(9):212-220. QI Junming,WANG Kai,WANG Zhijing,et al. Construction of mine intelligent ventilation and prevention system and information platform for Zhuanlongwan Coal Mine[J]. Safety in Coal Mines,2022,53(9):212-220.
[51] 黄德. 矿井通风网络阻变判识智能算法及观测点优化布设研究[D]. 阜新:辽宁工程技术大学,2020. HUANG De. Research on intelligent algorithm of mine ventilation network resistance change identification and optimal layout of observation points[D]. Fuxin:Liaoning Technical University,2020.
[52] 雷洪波,赵吉玉. 打通一矿通风系统隐患排查与智能监控研究[J]. 煤炭技术,2019,38(8):106-109. LEI Hongbo,ZHAO Jiyu. Study on hidden trouble investigation and intelligent monitoring of ventilation system in Datong No. 1 Mine[J]. Coal Technology,2019,38(8):106-109.
[53] LUO Wen,ZHAO Youxin. One-class classification model for intelligent fault diagnosis of mine ventilation systems[J]. Scientific Reports,2024. DOI: 10.1038/s41598-024-73527-0.
[54] 郭岳. 基于数字孪生技术的矿井风流调控虚拟系统设计与开发[D]. 西安:长安大学,2020. GUO Yue. Design and development of virtual system for mine airflow regulation based on digital twinning technology[D]. Xi'an:Chang'an University,2020.
[55] 吴奉亮,高亚超,常心坦. 矿井风网与采空区流场边界耦合模型与求解技术[J]. 中南大学学报(自然科学版),2020,51(8):2333-2342. WU Fengliang,GAO Yachao,CHANG Xintan. Boundary coupling model and solution technology of mine ventilation network and gob flow field[J]. Journal of Central South University(Science and Technology),2020,51(8):2333-2342.
[56] 姜黎明,刘彦青,赵灿. 巷道转弯区域流场特征及局部通风阻力系数计算研究[J]. 煤炭科学技术,2020,48(5):95-102. JIANG Liming,LIU Yanqing,ZHAO Can. Study on flow field characteristics and calculation of local ventilation resistance coefficient for turning areas of roadway[J]. Coal Science and Technology,2020,48(5):95-102.
[57] 李孔清,邹声华,张坻. 巷道内传质对通风阻力的影响[J]. 应用力学学报,2016,33(2):358-364,380. LI Kongqing,ZOU Shenghua,ZHANG Chi. Pressure drop due to mass transfer in the tunnels[J]. Chinese Journal of Applied Mechanics,2016,33(2):358-364,380.
[58] JIA Peng,JIA Jinzhang,SONG Lei,et al. Theory of RPOD adjustment of air volume for mine intelligent ventilation[J]. International Journal of Ventilation,2022,21(4):316-329. DOI: 10.1080/14733315.2021.1948720
[59] 李伟,刘彦青,张浪. 外因火灾通风网络风量风质失效模型与数值解算方法[J/OL]. 煤炭科学技术:1-18. [2025-03-03]. http://kns.cnki.net/kcms/detail/11.240.td.20240521.0838.00.html. LI Wei,LIU Yanqing,ZHANG Lang. Model and numerical solution method the failure of air volume and air flow components in the ventilation network during the period of external fire[J/OL]. Coal Science and Technology:1-18[2025-03-03]. http://kns.cnki.net/kcms/detail/11.240.td.20240521.0838.00.html.
[60] 裴晓东,郝海清,王凯,等. 矿井复杂风网火灾风烟流应急调控技术及应用[J]. 煤炭科学技术,2023,51(5):124-132. PEI Xiaodong,HAO Haiqing,WANG Kai,et al. Research and application of fire air and smoke flow emergency control technology for mine complex ventilation network[J]. Coal Science and Technology,2023,51(5):124-132.
[61] ZHONG Deyun,WANG Liguan,WANG Jinmiao,et al. An efficient mine ventilation solution method based on minimum independent closed loops[J]. Energies,2020,13(22). DOI: 10.3390/en13225862.
[62] XU Guang,HUANG Jinxin,NIE Baisheng,et al. Calibration of mine ventilation network models using the non-linear optimization algorithm[J]. Energies,2018,11(1). DOI: 10.3390/en11010031.
[63] 李潭. 复杂矿井通风系统网络拓扑结构优化及评估应用[D]. 廊坊:华北科技学院,2023. LI Tan. Topological structure optimization and evaluation application of complex mine ventilation system network[D]. Langfang:North China Institute of Science and Technology,2023.
[64] LI Junqiao,LI Yucheng,ZHANG Jing,et al. Accurate and real-time network calculation for mine ventilation without wind resistance measurement[J]. Journal of Wind Engineering and Industrial Aerodynamics,2022,230. DOI: 10.1016/j.jweia.2022.105183.
[65] DONG Wang,JIAN Liu,DENG Lijun,et al. A supervised diagnostic experiment of resistance variable multifault locations in a mine ventilation system[J]. Scientific Reports,2023,13(1). DOI: 10.1038/s41598-023-32530-7.
[66] 陈开岩,周福宝,夏同强,等. 基于空气状态参数与风量耦合迭代的风网解算方法[J]. 中国矿业大学学报,2021,50(4):613-623. CHEN Kaiyan,ZHOU Fubao,XIA Tongqiang,et al. Ventilation network solution method based on coupling iteration of air state parameters and air quantity[J]. Journal of China University of Mining & Technology,2021,50(4):613-623.
[67] KUMAR P,HATI A S,KUMAR P. An adaptive neural fuzzy interface structure optimisation for prediction of energy consumption and airflow of a ventilation system[J]. Applied Energy,2023,337. DOI: 10.1016/j.apenergy.2023.120879.
[68] CHEN Sihao,DING Puxian,ZHOU Guang,et al. A novel machine learning-based model predictive control framework for improving the energy efficiency of air-conditioning systems[J]. Energy and Buildings,2023,294. DOI: 10.1016/j.enbuild.2023.113258.
[69] FU Hua,SHU Dandan,KANG Haichao,et al. Hybrid optimization model and its application in prediction of gas emission[J]. Journal of Coal Science and Engineering (China),2012,18(3):280-284. DOI: 10.1007/s12404-012-0310-x
[70] LIU Jianghai. Design of mine ventilation system based on BP neural network optimized by GA[C]. The 8th International Conference on Information Systems Engineering,Dalian,2023:362-365.
[71] 赵丹,沈志远,宋子豪. 面向不平衡数据集的矿井通风系统智能故障诊断[J]. 煤炭学报,2023,48(11):4112-4123. ZHAO Dan,SHEN Zhiyuan,SONG Zihao. Intelligent fault diagnosis of mine ventilation system for imbalanced data sets[J]. Journal of China Coal Society,2023,48(11):4112-4123.
[72] TANG Wenxuan,ZHANG Qilong,CHEN Yin,et al. An intelligent airflow perception model for metal mines based on CNN-LSTM architecture[J]. Process Safety and Environmental Protection,2024,187:1234-1247. DOI: 10.1016/j.psep.2024.05.044
[73] 龚晓燕,杨晓勇. 矿井局部通风设备系统故障诊断规则[J]. 煤炭科学技术,2006,34(7):23-25,29. DOI: 10.3969/j.issn.0253-2336.2006.07.008 GONG Xiaoyan,YANG Xiaoyong. Research on fault diagnostics law of mine local ventilation equipment system[J]. Coal Science and Technology,2006,34(7):23-25,29. DOI: 10.3969/j.issn.0253-2336.2006.07.008
[74] 刘剑,尹昌胜,黄德,等. 矿井通风阻变型故障复合特征无监督机器学习模型[J]. 煤炭学报,2020,45(9):3157-3165. LIU Jian,YIN Changsheng,HUANG De,et al. Unsupervised machine learning model for resistance variant fault diagnosis of mine ventilation system with composite features[J]. Journal of China Coal Society,2020,45(9):3157-3165.
[75] 张浪,张迎辉,张逸斌,等. 基于机器学习的通风网络故障诊断方法研究[J]. 工矿自动化,2022,48(3):91-98. ZHANG Lang,ZHANG Yinghui,ZHANG Yibin,et al. Research on fault diagnosis method of ventilation network based on machine learning[J]. Journal of Mine Automation,2022,48(3):91-98.
[76] 赵丹,沈志远,刘晓青. 基于OCISVM的矿井通风系统在线故障诊断[J]. 中国安全科学学报,2022,32(10):76-82. ZHAO Dan,SHEN Zhiyuan,LIU Xiaoqing. Online fault diagnosis of mine ventilation system based on OCISVM[J]. China Safety Science Journal,2022,32(10):76-82.
[77] 罗永豪. 巷道断面风速分布与煤矿通风系统实时诊断理论研究[D]. 太原:太原理工大学,2015. LUO Yonghao. Study on wind speed distribution in roadway section and real-time diagnosis theory of coal mine ventilation system[D]. Taiyuan:Taiyuan University of Technology,2015.
[78] 曹勇,张晓明,佐佐木久郎,等. 示踪气体诊断井下风流实态及弥散系数测定[J]. 辽宁工程技术大学学报(自然科学版),2017,36(2):165-169. CAO Yong,ZHANG Xiaoming,SASAKI Kyuro,et al. Measurement of gas flow state and dispersion coefficient in diagnosis of underground gas[J]. Journal of Liaoning Technical University(Natural Science),2017,36(2):165-169.
[79] 蒋成龙. 基于三维监控模型的通风参数监测优化与通风系统故障溯源研究[D]. 淮南:安徽理工大学,2022. JIANG Chenglong. Research on monitoring optimization of ventilation parameters and fault tracing of ventilation system based on monitoring system[D]. Huainan:Anhui University of Science & Technology,2022.
[80] 魏连江,周福宝,夏同强,等. 矿井智能通风与灾变应急决策平台[J]. 中国安全科学学报,2022,32(9):158-167. WEI Lianjiang,ZHOU Fubao,XIA Tongqiang,et al. Mine intelligent ventilation and disaster emergency decision platform[J]. China Safety Science Journal,2022,32(9):158-167.
[81] 郭炜舟,沈斌,汪洋,等. 葫芦素煤矿智能通风系统建设与应用[J]. 煤矿安全,2022,53(9):233-238. GUO Weizhou,SHEN Bin,WANG Yang,et al. Construction and application of intelligent ventilation system in Hulusu Coal Mine[J]. Safety in Coal Mines,2022,53(9):233-238.
[82] 钟德云,文历学,王李管. 基于混合整数规划的风流两步骤调控优化方法[J]. 黄金科学技术,2024,32(2):356-365. ZHONG Deyun,WEN Lixue,WANG Liguan. Two-step optimization method for airflow control based on mixed integer programming[J]. Gold Science and Technology,2024,32(2):356-365.
[83] 王磊,王凯. 长距离掘进工作面局部通风智能联动调控研究[J]. 工矿自动化,2023,49(9):55-63. WANG Lei,WANG Kai. Research on intelligent linkage regulation and control of local ventilation in long distance heading face[J]. Journal of Mine Automation,2023,49(9):55-63.
[84] 王凯,裴晓东,杨涛,等. 矿井智能通风联动调控理论与供需匹配实验研究[J]. 工程科学学报,2023,45(7):1214-1224. WANG Kai,PEI Xiaodong,YANG Tao,et al. Study on intelligent ventilation linkage control theory and supply-demand matching experiment in mines[J]. Chinese Journal of Engineering,2023,45(7):1214-1224.
[85] 吴新忠,韩正化,魏连江,等. 矿井风流智能按需调控算法与关键技术[J]. 中国矿业大学学报,2021,50(4):725-734. WU Xinzhong,HAN Zhenghua,WEI Lianjiang,et al. Intelligent on-demand adjustment algorithm and key technology of mine air flow[J]. Journal of China University of Mining & Technology,2021,50(4):725-734.
[86] LI Junqiao,LI Yucheng,ZHANG Wei,et al. Multi-objective intelligent decision and linkage control algorithm for mine ventilation[J]. Energies,2022,15(21). DOI: 10.3390/en15217980.
[87] 邢永亮,曹金龙. 煤矿智能化通风安全管控研究[J]. 工矿自动化,2021,47(增刊2):52-55. XING Yongliang,CAO Jinlong. Research on safety management and control of coal mine intelligent ventilation[J]. Industry and Mine Automation,2021,47(S2):52-55.
[88] 范京道,李川,闫振国. 融合5G技术生态的智能煤矿总体架构及核心场景[J]. 煤炭学报,2020,45(6):1949-1958. FAN Jingdao,LI Chuan,YAN Zhenguo. Overall architecture and core scenario of a smart coal mine in-corporating 5G technology ecology[J]. Journal of China Coal Society,2020,45(6):1949-1958.
[89] 王振平,闫振国,岳宁,等. 矿井“一通三防”智能管控系统研究[J]. 煤矿安全,2022,53(9):193-197. WANG Zhenping,YAN Zhenguo,YUE Ning,et al. Research on intelligent control system of "one ventilation and three prevention" in coal mines[J]. Safety in Coal Mines,2022,53(9):193-197.
[90] 毛善君,景超,李团结,等. 基于4DGIS的智能化矿区云平台关键技术研究及应用[J]. 煤炭学报,2023,48(7):2626-2640. MAO Shanjun,JING Chao,LI Tuanjie,et al. Research and application of key technologies of intelligent mining area cloud platform based on 4DGIS[J]. Journal of China Coal Society,2023,48(7):2626-2640.
[91] 王国法,富佳兴,孟令宇. 煤矿智能化创新团队建设与关键技术研发进展[J]. 工矿自动化,2022,48(12):1-15. WANG Guofa,FU Jiaxing,MENG Lingyu. Development of innovation team construction and key technology research in coal mine intelligence[J]. Journal of Mine Automation,2022,48(12):1-15.
-
期刊类型引用(14)
1. 王泽斌. 选煤厂漏电保护系统设计与试验. 江西煤炭科技. 2023(01): 220-221+224 . 
百度学术
2. 冯小平. 煤矿井下馈电开关保护装置研究. 煤. 2023(04): 102-104 . 百度学术
3. 刘鹏强. 煤矿井下低压电网漏电保护技术研究. 矿业装备. 2023(03): 98-100 . 百度学术
4. 王恩光. 煤矿井下低压电网漏电保护技术研究. 矿业装备. 2023(07): 114-116 . 百度学术
5. 王泽龙. 建筑电气施工中漏电保护技术应用实践. 江西建材. 2023(07): 234-236 . 百度学术
6. 李建云. 一种矿用馈电开关保护装置的质量设计探析. 中国石油和化工标准与质量. 2022(13): 127-129 . 百度学术
7. 杜威. 煤矿低压电网漏电保护技术研究. 矿业装备. 2022(04): 190-192 . 百度学术
8. 赵小平，韩晨霞，马晟，高涛. 矿用馈电开关保护装置设计研究. 能源与环保. 2021(06): 197-200+206 . 百度学术
9. 曹建文. 矿井低压电网选择性漏电保护装置设计. 煤矿机电. 2021(03): 15-18 . 百度学术
10. 黎青. 采煤机用变频调速系统漏电保护技术发展及应用. 煤矿机械. 2021(11): 137-140 . 百度学术
11. 文金忠，张立中，刘建洪，张文宏，魏振富. 煤矿井下低压电网漏电保护技术研究与应用. 能源与环保. 2021(08): 154-157 . 百度学术
12. 王清亮，杨博，高梅，刘新茹，李磊，郝兆明. 基于等效电导的矿井电网智能漏电保护方法. 工矿自动化. 2020(06): 59-64 . 本站查看
13. 贾补亮. 井下漏电保护系统研究. 能源与节能. 2020(10): 133-134 . 百度学术
14. 韩涛. 选煤厂漏电保护系统研究. 自动化应用. 2020(10): 109-111 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 41
- HTML全文浏览量: 12
- PDF下载量: 11
- 被引次数: 16
