煤炭科学技术

作者：龚晓燕, 邹浩, 刘壮壮, 陈龙, 付浩然, 孙育恒, 李昊, 王新雨, 牛虎明,

关键词：综掘工作面, 风流调控, 风速, 瓦斯及粉尘浓度, 多源数据融合, 神经网络预测, 差分进化算法,

针对综掘工作面传统的通风总量控制管理模式不能根据实际需求进行风流调控，造成瓦斯及粉尘聚集和污染隐患等问题，对风流调控下的风速及瓦斯粉尘浓度多源数据融合神经网络预测模型进行了研究。采用欧拉−拉格朗日法建立了风流调控下的瓦斯及粉尘气固耦合模型并进行了测试验证，模拟分析瓦斯和粉尘颗粒在综掘巷道的分布情况，获取大量不同风流调控方案下的风速及瓦斯粉尘浓度样本数据。采用多层感知器神经网络技术建立预测模型结构，选取对瓦斯及粉尘浓度具有较大影响的风流调控等参数作为输入层，根据风速及瓦斯粉尘的隐患位置确定输出层，对样本数据进行预处理，通过引入差分进化算法搜索最佳隐藏层节点数和学习率，利用TensorFlow框架搭建多源数据融合神经网络预测模型。以陕北某矿综掘工作面为研究对象，对不同风流调控方案进行预测和井下实测验证。结果表明：该模型相对误差最大值为9.7%，具有较高的准确性；选取出风口距端头最短距离5 m和最远距离10 m这2种工况下的最佳调控方案，与调控前相比，风速符合规范要求，端头死角区瓦斯体积分数分别降低34%和35%，回风侧人行处平均粉尘质量浓度分别降低40%和41%，司机处粉尘质量浓度分别降低38%和36%，研究可为风流调控提供参考。

来源：2024年第10期

《煤炭科学技术》期刊编辑部

查看煤炭科学技术杂志2024年第10期