基于高斯混合模型的采煤工作面冲击危险性评价

崔峰, 李宜霏, 贾冲, 陆长亮, 何仕凤, 张随林, 田梦琪

崔峰,李宜霏,贾冲,等. 基于高斯混合模型的采煤工作面冲击危险性评价[J]. 煤田地质与勘探,2024,52(10):85−96. DOI: 10.12363/issn.1001-1986.24.01.0072
引用本文: 崔峰,李宜霏,贾冲,等. 基于高斯混合模型的采煤工作面冲击危险性评价[J]. 煤田地质与勘探,2024,52(10):85−96. DOI: 10.12363/issn.1001-1986.24.01.0072
CUI Feng,LI Yifei,JIA Chong,et al. Rock burst hazard evaluation of coal mining face based on a Gaussian mixture model[J]. Coal Geology & Exploration,2024,52(10):85−96. DOI: 10.12363/issn.1001-1986.24.01.0072
Citation: CUI Feng,LI Yifei,JIA Chong,et al. Rock burst hazard evaluation of coal mining face based on a Gaussian mixture model[J]. Coal Geology & Exploration,2024,52(10):85−96. DOI: 10.12363/issn.1001-1986.24.01.0072

 

基于高斯混合模型的采煤工作面冲击危险性评价

基金项目: 国家自然科学基金项目(52422404、51874231);陕西省创新能力支撑计划项目(2020KJXX-006)
详细信息
    作者简介:

    崔峰,1986年生,男,河南新乡人,博士,教授。 E-mail:cuifeng9418@163.com

  • 中图分类号: TD324

Rock burst hazard evaluation of coal mining face based on a Gaussian mixture model

  • 摘要:
    目的 

    深入了解声发射或微震能量分布所蕴含的概率学信息,对于工作面回采过程中的冲击危险性评价具有重要意义。

    方法 

    以陕西大佛寺煤矿4号煤层40111工作面作为工程背景,运用物理相似模拟实验、理论分析、现场监测等相关方法进行分析,研究了声发射监测数据在回采过程中的演化规律,阐明了声发射能量概率分布呈现波动性的物理意义,提出了基于高斯混合模型(Gaussian minture model,GMM)及置信区间的冲击危险性评价指标模型,并由现场微震数据进行验证。

    结果和结论 

    结果表明:回采过程中上覆岩层周期性垮落并伴随声发射能量的集中释放。总能量的概率密度函数呈现多自由度的非对称分布,通过对比残差平方和等多项拟合效果指标,确定高斯混合模型为最佳拟合模型。基于EM(expectation maximization)算法的GMM聚类分析,将声发射事件总能量分布划分为两类:高频低能型和低频高能型,其中低频高能型与冲击事件的突发性和高能量破坏特征一致。依据概率−能量梯度变化特征,对工作面开采过程中冲击危险性进行了评估。研究成果为采煤工作面冲击危险性评价提供了概率学上的创新思路,具有在冲击地压监测预警及后续防治中的潜在应用价值。

    Abstract:
    Objective 

    Deep insights into the probabilistic information contained in the energy distribution of acoustic emission (AE) or microseismic events are significant for the rock burst hazard evaluation of coal mining face.

    Methods 

    This study investigated No.40111 mining face of the No.4 coal seam at the Dafosi Coal Mine in Shaanxi Province. Using physical simulation experiments with similar materials, theoretical analysis, and on-site monitoring, this study investigated the evolutionary patterns of AE monitoring data during coal mining and illustrated the physical meaning of fluctuations in the probability distribution of AE energy. Accordingly, this study proposed an index model for the rock burst hazard evaluation based on a Gaussian mixture model (GMM) and confidence intervals and validated the proposed model based on field microseismic data.

    Results and Conclusions 

    The results indicate that the overlying strata collapsed periodically during mining, with the collapse being accompanied by intensive release of AE energy. The probability density function (PDF) of the total energy exhibited a multi-degree-of-freedom asymmetric distribution. The comparison of multiple indices of fitting effects, such as the residual sum of squares, reveals that the GMM is the optimal fitting model. As indicated by the GMM clustering analysis based on the expectation-maximization (EM) algorithm, the total energy distribution of AE events can be categorized into two types, namely the high-frequency/low-energy and low-frequency/high-energy AE signals, with the latter type consistent with the sudden occurrence and high-energy destruction of rock burst events. This study conducted a rock burst hazard evaluation of the mining face based on the probability-energy gradient variations, providing a novel probabilistic approach for the rock burst hazard evaluation of coal mining face. The new assessment method based on probabilistic information has the potential to be applied in the monitoring, early warning, and subsequent prevention of rock bursts.

  • 随着煤炭资源开采逐渐迈向深部,煤层瓦斯含量与压力不断增加[1-2],瓦斯灾害防治已成为深部煤矿安全开采的关键[3-6]。为了科学设计与制定瓦斯治理方案,需要对煤层瓦斯含量进行准确表征,而基于传统开放式取心技术的瓦斯含量测定方法普遍存在估算量不准问题,亟需研发深部原位煤层瓦斯含量精准测试原理与技术,对煤矿开采的瓦斯突出危险性进行合理有效的预测。

    通过保压取心获取密封煤样,开展安全、高效、准确的瓦斯含量与压力测定,是当前的前沿技术。国内外学者针对保压取心开展了大量的探索与研究[7-9],其中,比较著名的冲击式取心器FPC(Fugro Pressure Corer)和旋转式取心器HYACE Rotary Corer (HRC)保压能力均可达到25 MPa[10],国际深海钻探计划采用的保压取心筒PCB (Pressure Core Barrel)可达35 MPa[11];保压能力最高的为国际大洋钻探计划采用的保压取心器PCS (Pressure Core Sampler),可达70 MPa[12-13];中国石油集团长城钻探工程有限公司研制的GW-CP194-80A型保压取心工具保压能力可达60 MPa[14-15],经过多次现场试验后尚未完全推广应用。虽然国际上保压取心技术已经取得了巨大的突破,但上述取心技术及装备主要依靠地面或海上钻井平台,有更为开阔的作业空间,取心工具的尺寸设计受限较小。然而矿井下煤层取样工况恶劣,巷道作业空间狭小,常规的油气行业保压取心技术无法在煤矿巷道内使用;同时由于煤储层强度较岩层弱,煤体结构易破碎,煤层钻进取心难度大,因此必须发展适配煤矿作业特殊环境的保压取心技术。孙四清[16]、龙威成[17]等研发一种“三筒单动”密闭取心器,通过投球形成压差以触发球阀闭合,其密封能力为10 MPa,取心直径为38 mm,取得了较好的现场应用效果;Wang Fakai等[18]提出一种低温冷冻取心技术,取样完成后通过冷源将孔底煤样冷冻,从而达到封存瓦斯的目的。

    保压取心技术发展取得一定进展,但配套测试技术研究相对滞后,实现保压煤样瓦斯含量的精准测定,必须研制与取心技术配套的带压转移与测试装置。英国研发了保压转移与测试系统PCATS(Pressure Core Analysis and Transfer System)[19-20],可与FPC、HRC等多款取心设备兼容;美国佐治亚理工学院牵头研制了PCCTS(Pressure Core Characterization Tools)[21],日本AIST研究所研制了PNATS(Pressure-core Nondestructive Analysis Tools)[22],均是针对天然气水合物的保压转移及测试分析系统,且能与多款取心设备进行适配对接。国内在此领域的研究尚属空白,亟需创新攻关基于保压取心的瓦斯含量测试方法及对接装置[23-24]

    笔者团队创新提出一种适用于深部煤矿的保压取心系统[3],并开展与之适配的保压测试系统研究探索;而如何实现取心系统与测试系统的精准对接,是完成保压取心与保压测试的核心关键。笔者针对实现精准对接的关键部件自锁转移机构进行研究,并将其集成于保压取心系统内部,通过理论计算与室内试验,对自锁转移机构的装配关系、结构参数、运动特性与承载能力等开展测试、优化,为构建保压取心与测试一体化技术体系、精准测试煤层瓦斯含量等提供技术基础与装备支撑。

    针对深部煤矿取心作业极端工况,笔者团队研制了深部煤矿保压取心作业系统,以实现取心过程中原位瓦斯含量的保持,结构如图1所示。

    图  1  深部煤矿保压取心系统结构
    Figure  1.  Structure of pressure-preserved coring system in deep coal mine

    取心系统随钻具下放进入孔底,开展钻进取心作业;随着钻进过程的进行,岩心进入岩心管,完成预定钻进行程之后停止钻进;投放触发装置,触发孔底保压控制组件,将岩心存储在保压密封舱内部,关闭孔底保压密封阀,并提供初始预紧力,形成密封;最后提出孔底钻具至井口,完成保压取心作业,将保压取心系统拆解为如图2所示的保压岩心密闭舱,为后续保压转移、测试做准备。

    图  2  保压岩心密闭舱
    Figure  2.  Schematic of pressure-preserved core sealing chamber

    开展保压取心作业,是为了实现深部煤层瓦斯含量的精准测定,以及原位压力环境状态下煤岩体原位力学理论探索,而如何将保压密封煤样在原位压力状态下转入测试系统,开展后续测试工作是当前亟需解决的技术难题。带压转移装置是实现保压取心系统与瓦斯含量测试系统的关键枢纽,是完成保压煤样带压转移的技术前提,其工作原理如图3所示,完成保压取心作业以后,将图2中密封完好的保压岩心密闭舱,通过带压转移装置与测试系统对接,将煤样在原位压力环境下转移至测试系统内部,进而开展后续瓦斯含量测定。本文针对取心器内部与带压转移装置完成对接的自锁转移机构设计及力学特性开展研究。

    图  3  保压煤样带压转移
    Figure  3.  Schematic of pressure-preserved coal sample transfer under pressure

    实现保压煤样由密闭的取心内筒进入带压转移装置,需研制配套专用锁紧机构,完成岩心管与转移装置的精准对接。该机构作为核心过渡组件,既要实现对岩心管末端的锁紧,又要能够与转移装置对接实现岩心管移位。针对此功能要求,提出一种集成于取心系统内部的自锁转移机构设计构想,如图4所示。

    图  4  自锁转移机构
    Figure  4.  Schematic of self-locking transfer mechanism

    取心过程中,锁紧轴与岩心管上端通过螺纹连接,并与锁紧环处于分离状态;取心完成后,岩心管被提升至保压密封舱上端,锁紧环将岩心管上端的锁紧轴锁紧,防止提心过程中岩心管下坠导致密封失效;进行转移对接时,带压转移设备的抓取机构打开锁栓将外卡环固定,通过抽拉动作将岩心管转移至带压转移装置内部。图4中锁紧环加工有开口,使其能够沿径向扩大或者收缩;由于锁紧轴的最大外径大于锁紧环的最小内径,当锁紧轴向锁紧环内部移动时,锁紧环沿径向扩大,同时对锁紧轴产生了径向预紧力;当反向拉动岩心管时,在预紧力的作用下,锁紧环内卡槽与锁紧轴外卡槽啮合卡死形成锁紧力,且随着反向拉力的增大而增大形成自锁。

    在此过程中,需要实现锁紧环与岩心管端部的单向锁紧,即上提岩心管时其端部的锁紧轴能够顺利通过锁紧环,而通过抽拉动作将岩心管移动至转移设备内部时,锁紧环又能通过自锁功能将岩心管锁紧,防止岩心管脱落,进而避免岩心管掉落并实现转移。

    基于孔底钻具内部狭小空间限制,确定了自锁转移机构组件的基本尺寸边界条件,完成如图5所示的装配结构设计。

    图  5  锁紧环配合边界
    Figure  5.  Schematic of fitting boundary of locking ring

    当岩心管提升至保压密封舱内形成上部密封时,岩心管端部的锁紧轴需与自锁转移机构形成锁紧配合,因此需对锁紧轴配合外表面啮合牙型进行特殊设计,为确保其通过性与反向锁紧的功能要求,提出了如图6所示的设计思路,使锁紧轴与锁紧环的卡齿能够对应配合。

    图  6  锁紧轴卡齿设计
    Figure  6.  Design of locking shaft latch

    初始位置锁紧环处于释放状态时,与外卡环之间存在间隙e,该间隙使锁紧环处于活动状态并提供了径向扩大间隙,以确保岩心管端部的锁紧轴顺利通过;施加反向拉力,在外卡环内锥面与锁紧环啮合卡紧力的共同作用下形成锁定,以岩心管端部的锁紧轴为研究对象,其受力分析如图7所示。

    图  7  锁紧轴受力分析
    Figure  7.  Force analysis of locking shaft

    图7a中,若要锁紧轴顺利通过锁紧环需满足:

    $$ {F_1} > {f_1}\cos \theta + {N_1}\sin \theta $$ (1)

    取心系统到达地面与转移系统对接,内部锁紧环将锁紧轴完全锁定,通过自锁转移机构将岩心管从取心器内拉出,并进入带压转移装置。此过程中岩心管组件受到抽拉过程密封圈挤压、内部固液相及内部其他配合组件的反向阻力,图7b为受力分析图,若要确保将岩心管抽出需满足:

    $$ {F_2} < {f_2}\cos \theta + {N_2}\sin \theta $$ (2)

    θ =10°建立自锁转移机构的三维模型,分别构建锁紧轴、锁紧环、外卡环等部件的数值模型,如图8所示。各部件接触面的摩擦因数设为0.1,材料选用地质钻探常用材料42CrMo,弹性模量为210 GPa,泊松比为0.3。

    图  8  自锁转移机构数值模型
    Figure  8.  Numerical model of self-locking transfer mechanism

    按照实际加工所需的工艺及热处理方式制作42CrMo材料试样棒,进行拉伸试验,并将获取的试验数据转化为真实应力应变曲线,如图9所示,进而作为输入参数开展数值计算,其屈服强度约为830 MPa。

    图  9  材料42CrMo真实应力应变曲线
    Figure  9.  True stress-strain curve of material 42CrMo

    由前述分析可知,锁紧轴外径d与锁紧环内径D必须以过盈配合的关系装配,才能实现反向锁紧。针对特定规格型号的保压取心器,由于尺寸限制、强度要求等约束条件,锁紧环与外卡环配合间隙已被完全确定,此时锁紧轴与锁紧环的通过性主要由二者的过盈量n决定,因此根据不同的过盈装配关系,对锁紧轴的通过性开展分析,进而得到最优装配参数,装配关系如图10所示。

    图  10  锁紧机构过盈配合关系
    Figure  10.  Schematic diagram of interference fit relationship of locking mechanism

    基于取心过程中自锁转移机构工作原理,建立锁紧轴通过锁紧环的数值模型,外卡环左侧边界施加固定约束,锁紧轴右侧施加位移载荷,以分析设计参数下锁紧轴的通过性(图11)。

    图  11  锁紧轴通过性分析模型
    Figure  11.  Analysis model of locking shaft trafficability

    锁紧轴与装配体之间的初始距离为12 mm,逐步施加位移载荷h,分析锁紧轴通过锁紧环的过程中二者的相互作用关系,计算结果如下。

    图12为过盈量n=0.3 mm时,锁紧环在不同加载时刻的应力云图。当加载位移达到4 mm时,锁紧环的第一列锁紧齿达到应力峰值1066 MPa且受力较为均匀,超过了所选材料的屈服强度;此时锁紧轴开始通过第一列锁紧齿,由于过盈量较大,锁紧齿已发生塑性变形。当加载位移达到6.5和9.0 mm时,第二列和第三列锁紧齿同样达到应力峰值,分布均匀且超过了屈服强度,可见锁紧轴在通过锁紧环时锁紧齿均发生了塑性变形,产生较大通过阻力且锁紧齿已经变形失效,无法产生后续锁紧功能。

    图  12  过盈量0.3 mm时锁紧环应力云图对比
    Figure  12.  Comparison of stress nephogram of locking ring when the interference is 0.3 mm

    图13为过盈量n=0.2 mm时,锁紧环在不同加载时刻的应力云图。由图中可以看出,当加载位移达到4.0、6.5和9.0 mm时,三列锁紧齿同样分别达到应力峰值,此时锁紧轴通过锁紧环并与锁紧齿接触,但其应力峰值最大约为750 MPa且出现在锁紧环开口处,此部位较易出现应力集中,锁紧齿其他区域应力分布较为均匀,并未超过材料屈服强度。可见过盈量为0.2 mm时,锁紧轴通过锁紧环时仍产生了较大的挤压应力,虽未达到屈服强度,但对通过性造成一定阻碍。

    图  13  过盈量0.2 mm时锁紧环应力云图对比
    Figure  13.  Comparison of stress nephogram of locking ring when the interference is 0.2 mm

    图14为过盈量n=0.1 mm时,锁紧环在不同加载时刻的应力云图。位移加载过程中,并未出现明显的应力集中,其最大应力峰值约为38 MPa,远小于屈服强度;可见锁紧轴通过锁紧环过程中,并未发生挤压承载,能够较为顺利地完成通过。

    图  14  过盈量0.1 mm时锁紧环应力云图对比
    Figure  14.  Comparison of stress nephogram of locking ring when the interference is 0.1 mm

    综上,过盈量为0.1和0.2 mm时,锁紧轴通过锁紧环完成取心动作,但过盈量为0.2 mm时,锁紧牙同样产生了较大的Mises应力,而过盈量为0.1 mm时锁紧牙受挤压效应较弱,锁紧轴可顺利通过。为进一步分析自锁转移机构的锁紧特性,需对两种过盈量装配关系下的承载能力进行计算。

    保压取心流程结束后锁紧轴与锁紧环完成配合,提心过程中锁紧轴连接岩心管承受重力、流体阻尼力等反向载荷;提至地面后与测试系统对接转移过程中,需要承受摩擦阻力等反向载荷。基于此工作原理,构建如图15所示的有限元模型,外卡环左侧边界施加固定约束,锁紧轴右侧施加拉伸载荷,以分析设计参数下锁紧轴的承载特性。

    图  15  锁紧轴承载性分析模型
    Figure  15.  Bearing capacity analysis model of locking shaft

    提心过程中承受的反向载荷F3为:

    $$ {F_3} = G + {f_3} $$ (3)

    式中:G为岩心管组件及岩心等的重力,约为1 kN;f3为承受的阻尼力,与上提速度有关,但提心过程中速度较慢可忽略。此外考虑提钻过程中的振动冲击等因素,需通过提高安全系数来确保安全承载。

    对接转移过程中,主要承受密封圈的摩擦阻力,根据经验公式[25-26]计算密封圈的滑动摩擦力F4如下:

    $$ {F_4} = \mu N =4.8 \times {10^{ - 7}} \mu {d_0^{1.2}}{C^{1.3}}{H^{4.5}}\pi \left( {{d_1} + d_0} \right) $$ (4)

    其中:摩擦因数μ=0.2,密封圈内径d0=50 mm,密封圈截面直径d1=5.3 mm,密封圈压缩率C设计为0.2,密封圈邵尔硬度H为75°,计算得F4=388 N。

    实际设计中,该型号密封圈在转移过程中共使用了三级密封,所以总摩擦力约为1 164 N;此外密封圈的摩擦力与表面光洁度、滞留时间等均有关系,同时考虑故障状态的更高拉伸载荷,同样需要增加安全系数以确保锁紧机构的安全承载。

    综上,考虑不同工况下,对锁紧轴施加为1、3 kN(安全系数约3.0)以及故障状态下5 kN的拉伸载荷F,分析关键部件锁紧环的受力情况。图16为过盈量0.2 mm时不同拉伸载荷下锁紧环的应力云图。当拉伸载荷为1 kN时,锁紧环三列锁紧齿上应力分布较为均匀,应力峰值约为115 MPa;当拉伸载荷为3和5 kN时,锁紧环承载位置主要集中在左侧第三列锁紧齿,其最大应力峰值分别为235和350 MPa,可见此时锁紧环仍未发生塑性变形,在安全使用范围之内。

    图  16  过盈量0.2 mm时不同拉伸载荷下锁紧环应力云图
    Figure  16.  Stress nephogram of locking ring under different tension loads when the interference is 0.2 mm

    图17为过盈量0.1 mm时不同拉伸载荷下的锁紧环应力云图。图中可以看出,在不同拉伸载荷下,锁紧环的主要承载区域都集中在左侧第三列锁紧齿上,且每列锁紧齿上的应力分布相对较为均匀;当拉伸载荷达到5 kN时,最大应力峰值约为460 MPa,出现在锁紧环开口处,其他承载区域的应力值为150~250 MPa,同样在安全使用范围之内。

    图  17  过盈量0.1 mm时不同拉伸载荷下锁紧环应力云图
    Figure  17.  Stress nephogram of locking ring under different tension loads when the interference is 0.1 mm

    通过上述分析可知,当拉伸载荷达到5 kN时,过盈量0.1和0.2 mm时的锁紧环的Mises应力都在屈服强度以内,且承载区域均主要集中在左侧第三列锁紧齿上。为进一步研究不同过盈量下的锁紧环承载工况,提取主要承载区域圆周上的节点应力进行对比分析,其提取路径如图18所示,沿圆周选择均匀分布的60个节点,并沿顺时针方向对节点按照1—60进行重新编号。

    图  18  节点提取路径
    Figure  18.  Schematic of node extraction path

    图19为拉伸载荷1 kN工况下,不同过盈量条件下锁紧齿上相同节点位置的应力对比。过盈量0.1 mm时的应力波动范围较大,且基本都大于过盈量0.2 mm时的应力波动范围,其应力峰值最大约为250 MPa;不同过盈量下的应力分布呈对称特性,这与锁紧环本体结构及节点提取路径的对称性相一致。

    图  19  拉伸载荷1 kN锁紧环应力分布状态
    Figure  19.  Stress distribution of locking ring with tensile load of 1 kN

    图20可以看出,当拉伸载荷达到3 kN时,不同过盈量下锁紧齿的应力均出现了不同程度的增加,最大应力峰值达到了约300 MPa;在编号为20—40的节点上应力虽有波动但相差较小,其余各节点上过盈量为0.1 mm时的锁紧环应力值略大,但应力波动值均远小于材料屈服强度。

    图  20  拉伸载荷3 kN锁紧环应力分布状态
    Figure  20.  Stress distribution of locking ring with tensile load of 3 kN

    图21中可以看出,当轴向拉伸载荷达到5 kN时,不同过盈量锁紧环上各节点应力变化规律与图20中类似,只是在应力数值波动范围上有所增加,可见,当拉伸载荷大于3 kN时,锁紧环的承载状态已经趋于稳定,增大拉伸载荷对其应力分布的影响主要体现在数值上的增加,并不影响其分布规律,同样呈现出对称特性且在编号为20—40的节点上应力值相差较小。

    图  21  拉伸载荷5 kN锁紧环应力分布状态
    Figure  21.  Stress distribution of locking ring with tensile load of 5 kN

    综上可知,过盈量装配是实现锁紧环自锁功能的关键,但当装配过盈量超过0.3 mm时,锁紧轴在通过锁紧环时,锁紧齿会发生较大塑性变形,影响其使用安全;当过盈量为0.1和0.2 mm时,锁紧轴均能顺利通过锁紧环,都可承受5 kN拉伸载荷而不发生塑性变形,且主要承载区域的应力峰值相差不大;但当过盈量为0.2 mm时,锁紧轴通过锁紧环产生的应力峰值虽未超过材料屈服强度,但也高达750 MPa。因此综合考虑,优选过盈量0.1 mm为锁紧环装配间隙。

    根据前述计算结果,选择装配过盈量为0.1 mm加工自锁转移机构的主要部件,开展室内试验,为能够与拉伸试验机配合,关键配合表面按照实物尺寸加工,零部件本体按照拉伸试验机的装夹需求,加工如图22所示的自锁转移机构配件,并开展不同轴向载荷作用下的拉伸测试。

    图  22  自锁转移机构锁紧配件
    Figure  22.  Locking components of self-locking transfer mechanism

    将上述各部件进行装配,完成通过性测试形成装配整体,并将其安装在拉伸试验机上,如图23a所示。加载流程按照图23b进行,每次增加1 kN的拉伸载荷,当增加至5 kN时,锁紧机构仍能够安全承载,没有发生拉断失效,可见当前所设计的自锁转移机构在取心转移过程中,能够克服5 kN的阻力,满足作业要求。

    图  23  自锁转移机构拉伸测试
    Figure  23.  Tensile test of self-locking transfer mechanism

    根据保压取心系统内部结构设计,开展自锁转移机构的样机试制。前述分析计算选择42CrMo材料开展研究,但实际工程中,由于锁紧环的齿型结构较为尖锐,同样材料的锁紧环与锁紧轴接触过程中,锁紧齿容易发生损坏;因此,工程中针对齿型装配结构常采用两种不同屈服强度材料配合使用,当承受载荷产生的应力超过屈服强度时,能够使锁紧齿嵌入锁紧轴,避免锁紧齿直接发生较大塑性变形而造成锁紧功能失效。根据试样测试及相关文献调研获取表1中3种材料的基本力学性能,选择42CrMo为锁紧环、外卡环的加工材料,选用屈服强度较低的铝青铜(CuAl10Ni5Fe4)为锁紧轴加工材料,其中42CrMo为钻探用钢,而铝青铜(CuAl10Ni5Fe4)在复杂工况下具有较好的耐蚀性,可制造齿轮、轴套、蜗轮等高强度抗磨零件,其屈服强度小于42CrMo但远大于常用的304不锈钢,符合材料使用要求。

    表  1  材料基本力学性能
    Table  1.  Basic mechanical properties of materials
    材料名称屈服强度/MPa抗拉强度/MPa
    42CrMo钢>830>987
    304不锈钢>205>515
    CuAl10Ni5Fe4铝青铜>400>600
    下载: 导出CSV 
    | 显示表格

    基于所选材料,完成了自锁转移机构及相关取心器配件加工和样机装配,如图24所示。

    图  24  自锁转移机构装配
    Figure  24.  Assembly of self-locking transfer mechanism

    为验证自锁转移机构在取心及岩心转移过程中,与取心系统及测试系统的协调作业能力,基于试验模拟井开展了取心功能测试,如图25所示。取心完成后,采用提大钻的形式将取心钻具总成提至地面,取出总成内部的保压取心器,发现岩心管组件被完全锁紧,没有出现下坠现象;然后对其进行拆卸,发现内部自锁转移机构的关键部件锁紧轴和锁紧环配合表面未发生损伤,可见取心过程中自锁转移机构工作性能良好。

    图  25  井下功能测试
    Figure  25.  Downhole functional test

    完成入井功能测试后,将保压取心工具与团队自主研制的带压转移测试系统样机进行了对接,如图26所示,完成了基于自锁转移机构的岩心管转移,初步验证了自锁转移机构在保压取心与转移测试过程中动作执行的可行性。

    图  26  转移功能测试
    Figure  26.  Transition function test

    a. 创新设计了可集成于保压取心系统内部的自锁转移机构,实现了岩心管正向通过与反向锁紧的技术要求,揭示了锁紧轴通过锁紧环与锁紧后安全承载的临界条件。

    b. 理论计算表明,锁紧轴与锁紧环装配过盈量为0.1 mm时,无论通过性还是抗拉承载特性均能保持良好的力学性能;基于室内通过性及拉伸承载测试,验证了5 kN拉伸载荷作用下锁紧机构的工作可靠性。

    c. 完成了自锁转移机构试制,并与取心系统集成装配;通过地面模拟井取心功能测试及带压转移动作执行测试,验证了自锁转移机构的动作可靠性;下一步将在煤矿井下开展现场工程试验,以检验所研制机构在煤矿真实取心环境中的应用可行性。

  • 图  1   工作面布置

    Fig.  1   Layout of the mining face

    图  2   地层柱状图及岩层模拟材料配比

    Fig.  2   Stratigraphic column and ratio of materials for rock layer simulation

    图  3   物理相似材料模拟实验

    Fig.  3   Physical simulation experiment for similar materials

    图  4   40111工作面回采全过程声发射特征

    Fig.  4   AE characteristics during the mining of the No.40111 mining face

    图  5   40111工作面第一次周期来压能量随时间变化

    Fig.  5   Time-varying energy during the first periodic weighting of the No.40111 mining face

    图  6   40111工作面声发射能量概率分布规律

    Fig.  6   Probability distribution pattern of the total energy of AE events in the No.40111 mining face

    图  7   单一分布函数拟合效果对比

    Fig.  7   Comparison of fitting effects of single distribution functions

    图  8   5阶高斯分布模型拟合曲线

    Fig.  8   Fitted curve of the fifth-order Gaussian distribution model

    图  9   GMM聚类算法流程

    Fig.  9   Flowchart of the GMM clustering algorithm

    图  10   回采全过程声发射总能量概率密度分布特征

    Fig.  10   Probability density distribution of the total energy of AE events during mining

    图  11   基于声发射事件总能量的冲击危险性评价

    Fig.  11   Rock burst risk assessment based on the total energy of AE events

    图  12   基于现场微震事件能量的冲击危险性评价

    Fig.  12   Rock burst risk assessment based on the energy of field microseismic events

    表  1   工作面参数

    Table  1   Parameters of the mining face

    煤层 工作面名称 走向长/m 斜长/m 采高/m
    4上 41106 1810 190 3.0
    4号 40111 1860 220 11.5
    下载: 导出CSV

    表  2   声发射监测设定参数

    Table  2   Parameters of AE monitoring

    参数 参数值
    采集频率/MHz 10
    参数间隔/μs 2 000
    峰值间隔/μs 1000
    波形门阀/dB 45
    参数门阀/dB 40
    滤波频率/kHz 20~100
    下载: 导出CSV

    表  3   典型单一分布的拟合效果指标值

    Table  3   Fitting effect index values of the typical single distribution

    分布类型 ESS/10−9 ERMS/10−6 R Ra
    威布尔分布 2.66 5.16 0.45 0.44
    t分布 1.49 3.86 0.69 0.69
    广义极值分布 1.33 3.64 0.73 0.72
    正态分布 2.85 5.34 0.41 0.41
    下载: 导出CSV

    表  4   5阶高斯混合模型的参数值

    Table  4   Parameter values of the fifth-order Gaussian mixture model

    阶数 ai/10−6 bi ci
    1 1.831 −1.0510 0.1570
    2 3.436 −0.9350 0.1787
    3 7.856 −1.1460 0.2105
    4 0.339 0.7118 0.1311
    5 6.229 0.6419 1.0400
    下载: 导出CSV

    表  5   2阶与5阶高斯混合模型的拟合效果指标值

    Table  5   Fitting effect index values of the 2-component and 5-component Gaussian mixture models

    模型 ESS/10−10 ERMS/10−6 R Ra
    2阶 8.91 3.13 0.79 0.77
    5阶 4.49 2.29 0.90 0.90
    下载: 导出CSV

    表  6   二维高斯混合模型的参数

    Table  6   Parameters of the two-dimensional Gaussian mixture model

    类别 ${\textit{π}} $ $ {\text{μ}} $/104 $ {\boldsymbol{\varSigma}} $/108
    1 0.7374 $ \left[ {\begin{array}{*{20}{c}} {0.153\;3} \\ {3.126\;1} \end{array}} \right] $ $ \left[ {\begin{array}{*{20}{c}} {0.000\;1}&{0.004\;7} \\ {0.004\;7}&{1.354\;6} \end{array}} \right] $
    2 0.2626 $ \left[ {\begin{array}{*{20}{c}} {0.140\;7} \\ {6.884\;9} \end{array}} \right] $ $ \left[ {\begin{array}{*{20}{c}} {0}&{ - 0.002\;7} \\ { - 0.002\;7}&{7.388\;1} \end{array}} \right] $
    下载: 导出CSV

    表  7   二维高斯混合模型的参数

    Table  7   Parameters of the two-dimensional Gaussian mixture model

    类别 $ \textit{π} $ ${\text{μ}} $/103 $ {\boldsymbol{\varSigma}} $/105
    1 0.9686 $ \left[ {\begin{array}{*{20}{c}} {0.860\;1} \\ {1.126\;7} \end{array}} \right] $ $ \left[ {\begin{array}{*{20}{c}} {0.287\;8}&{0.371\;3} \\ {0.371\;3}&{3.879\;2} \end{array}} \right] $
    2 0.0314 $ \left[ {\begin{array}{*{20}{c}} {1.184\;2} \\ {3.555\;5} \end{array}} \right] $ $ \left[ {\begin{array}{*{20}{c}} {0.097\;2}&{ - 0.172\;7} \\ { - 0.172\;7}&{9.316\;1} \end{array}} \right] $
    下载: 导出CSV
  • [1] 窦林名,田鑫元,曹安业,等. 我国煤矿冲击地压防治现状与难题[J]. 煤炭学报,2022,47(1):152−171.

    DOU Linming,TIAN Xinyuan,CAO Anye,et al. Present situation and problems of coal mine rock burst prevention and control in China[J]. Journal of China Coal Society,2022,47(1):152−171.

    [2] 潘一山,肖永惠,罗浩,等. 冲击地压矿井安全性研究[J]. 煤炭学报,2023,48(5):1846−1860.

    PAN Yishan,XIAO Yonghui,LUO Hao,et al. Study on safety of rockburst mine[J]. Journal of China Coal Society,2023,48(5):1846−1860.

    [3] 崔峰,张廷辉,来兴平,等. 冲击地压矿井科学产能确定初步构想[J]. 采矿与安全工程学报,2023,40(1):48−59.

    CUI Feng,ZHANG Tinghui,LAI Xingping,et al. Preliminary conception of scientific productivity determination in rock burst mines[J]. Journal of Mining & Safety Engineering,2023,40(1):48−59.

    [4] 齐庆新,李海涛,李晓鹏. 煤矿冲击危险性的定性与定量评价研究[J]. 煤炭科学技术,2021,49(4):12−19.

    QI Qingxin,LI Haitao,LI Xiaopeng. Qualitative and quantitative evaluation of impact risk in underground mine[J]. Coal Science and Technology,2021,49(4):12−19.

    [5] 姜福兴,冯宇,刘晔. 采场回采前冲击危险性动态评估方法研究[J]. 岩石力学与工程学报,2014,33(10):2101−2106.

    JIANG Fuxing,FENG Yu,LIU Ye. Dynamic evaluation method for rockburst risk before stopping[J]. Chinese Journal of Rock Mechanics and Engineering,2014,33(10):2101−2106.

    [6] 雷毅. 冲击危险性评价模型的建立及应用研究[D]. 北京:煤炭科学研究总院,2005:1–73.

    LEI Yi. Study on establishment and application of hazard evaluation model for rock-burst[D]. Beijing:China Coal Research Institute,2005:1–73.

    [7]

    CAI Wu,DOU Linming,SI Guangyao,et al. Fault-induced coal burst mechanism under mining-induced static and dynamic stresses[J]. Engineering,2021,7(5):687−700. DOI: 10.1016/j.eng.2020.03.017

    [8] 兰天伟,张志佳,袁永年,等. 矿井地质动力环境评价方法与冲击地压矿井类型划分研究[J]. 煤田地质与勘探,2023,51(2):104−113. DOI: 10.12363/issn.1001-1986.22.12.0913

    LAN Tianwei,ZHANG Zhijia,YUAN Yongnian,et al. An evaluation method for geological dynamic environments of mines and the classification of mines subjected to rock bursts[J]. Coal Geology & Exploration,2023,51(2):104−113. DOI: 10.12363/issn.1001-1986.22.12.0913

    [9] 陈结,高靖宽,蒲源源,等. 冲击地压预测预警的机器学习方法[J]. 采矿与岩层控制工程学报,2021,3(1):53−64.

    CHEN Jie,GAO Jingkuan,PU Yuanyuan,et al. Machine learning method for predicting and warning of rockbursts[J]. Journal of Mining and Strata Control Engineering,2021,3(1):53−64.

    [10] 曹安业,刘耀琪,杨旭,等. 物理指标与数据特征融合驱动的冲击地压时序预测方法[J]. 煤炭学报,2023,48(10):3659−3673.

    CAO Anye,LIU Yaoqi,YANG Xu,et al. Physical index and data fusion-driven method for coal burst prediction in time sequence[J]. Journal of China Coal Society,2023,48(10):3659−3673.

    [11] 姚辉,尹慧超,梁满玉,等. 机器学习方法在矿井水防治理论体系研究中的应用思考[J]. 煤田地质与勘探,2024,52(5):107−117. DOI: 10.12363/issn.1001-1986.23.10.0641

    YAO Hui,YIN Huichao,LIANG Manyu,et al. Some reflections on the application of machine learning to research into the theoretical system of mine water prevention and control[J]. Coal Geology & Exploration,2024,52(5):107−117. DOI: 10.12363/issn.1001-1986.23.10.0641

    [12] 潘俊锋,冯美华,卢振龙,等. 煤矿冲击地压综合监测预警平台研究及应用[J]. 煤炭科学技术,2021,49(6):32−41.

    PAN Junfeng,FENG Meihua,LU Zhenlong,et al. Research and application of comprehensive monitoring and early warning platform for coal mine rock burst[J]. Coal Science and Technology,2021,49(6):32−41.

    [13]

    ZHAO Hongbo,CHEN Bingrui,ZHU Changxing. Decision tree model for rockburst prediction based on microseismic monitoring[J]. Advances in Civil Engineering,2021,2021:8818052.

    [14]

    LI Yongsong,ZHOU Chao. Rockburst inducement mechanism and its prediction based on microseismic monitoring[J]. Geofluids,2021,2021:4028872.

    [15] 夏永学,冯美华,李浩荡. 冲击地压地球物理监测方法研究[J]. 煤炭科学技术,2018,46(12):54–60.

    XIA Yongxue,FENG Meihua,LI Haodang. Study on rock burst geophysical monitoring method. Coal Science and Technology[J]. 2018,46(12):54–60.

    [16] 崔峰,何仕凤,来兴平,等. 基于相空间重构与深度学习的冲击地压矿井时间序列b值趋势[J]. 煤炭学报,2023,48(5):2022−2034.

    CUI Feng,HE Shifeng,LAI Xingping,et al. Trend of time sequence b value of rock burst mine based on phase space reconstruc-tion and deep learning[J]. Journal of China Coal Society,2023,48(5):2022−2034.

    [17] 李庶林,周梦婧,高真平,等. 增量循环加卸载下岩石峰值强度前声发射特性试验研究[J]. 岩石力学与工程学报,2019,38(4):724−735.

    LI Shulin,ZHOU Mengjing,GAO Zhenping,et al. Experimental study on acoustic emission characteristics before the peak strength of rocks under incrementally cyclic loading-unloading methods[J]. Chinese Journal of Rock Mechanics and Engineering,2019,38(4):724−735.

    [18] 石显鑫,蔡栓荣,冯宏,等. 利用声发射技术预测预报煤与瓦斯突出[J]. 煤田地质与勘探,1998,26(3):60−65.

    SHI Xianxin,CAI Shuanrong,FENG Hong,et al. The prediction of coal and gas outburst using the acoustic emission technique[J]. Coal Geology & Exploration,1998,26(3):60−65.

    [19] 谭云亮,张明,徐强,等. 坚硬顶板型冲击地压发生机理及监测预警研究[J]. 煤炭科学技术,2019,47(1):166−172.

    TAN Yunliang,ZHANG Ming,XU Qiang,et al. Study on occurrence mechanism and monitoring and early warning of rock burst caused by hard roof[J]. Coal Science and Technology,2019,47(1):166−172.

    [20] 谭云亮,周辉,韩宪军,等. 冲击地压声发射前兆模式初步研究[J]. 岩石力学与工程学报,2000,19(4):425−428. DOI: 10.3321/j.issn:1000-6915.2000.04.006

    TAN Yunliang,ZHOU Hui,HAN Xianjun,et al. Analysis on acoustic emission pattern for rock burst[J]. Chinese Journal of Rock Mechanics and Engineering,2000,19(4):425−428. DOI: 10.3321/j.issn:1000-6915.2000.04.006

    [21]

    LONG Guangyu,WANG Hong,HU Ke,et al. Probability prediction method for rockburst intensity based on rough set and multidimensional cloud model uncertainty reasoning[J]. Environmental Earth Sciences,2024,83(2):84. DOI: 10.1007/s12665-023-11403-2

    [22]

    LI Qingwen,XIANG Ben. Rockburst prediction on the superimposed effect of excavation accumulation energy and blasting vibration energy in deep roadway[J]. Shock and Vibration,2021,2021:6644590.

    [23] 王佳信,周宗红,李克钢,等. 一种基于R型因子分析和概率神经网络的冲击地压危险性等级评价模型[J]. 振动与冲击,2019,38(2):192−203.

    WANG Jiaxin,ZHOU Zonghong,LI Kegang,et al. Evaluation model for the risk grade of rock burst based on the R-type factor analysis and a probabilistic neural network[J]. Journal of Vibration and Shock,2019,38(2):192−203.

    [24] 缪华祥,姜福兴,宋雪娟,等. 矿山微地震活动特征的概率分析方法研究[J]. 采矿与安全工程学报,2012,29(5):685−693.

    MIAO Huaxiang,JIANG Fuxing,SONG Xuejuan,et al. Probability analysis of microseismic activity in underground mining[J]. Journal of Mining & Safety Engineering,2012,29(5):685−693.

    [25] 李建勋,于兴凯. 概率密度函数信息融合概述[J]. 航空兵器,2023,30(3):1−10. DOI: 10.12132/ISSN.1673-5048.2022.0205

    LI Jianxun,YU Xingkai. Survey on information fusion of probability density functions[J]. Aero Weaponry,2023,30(3):1−10. DOI: 10.12132/ISSN.1673-5048.2022.0205

    [26] 王笑然. 煤岩裂纹震源机制定量反演及断裂行为研究[D]. 徐州:中国矿业大学,2021:1–172.

    WANG Xiaoran. Study on the crack source mechanism from quantitative inversion and its mechanical behaviors during coal and rock fracture[D]. Xuzhou:China University of Mining and Technology,2021:1–172.

    [27] 刘加柱,高永涛,吴顺川,等. 考虑岩体性质空间变异的岩爆倾向性概率评估[J]. 工程科学学报,2024,46(1):1−10.

    LIU Jiazhu,GAO Yongtao,WU Shunchuan,et al. Probability evaluation of rockburst tendency considering the spatial variation in rock mass properties[J]. Chinese Journal of Engineering,2024,46(1):1−10.

    [28]

    RAPP T,PETERS C,DACHSBACHER C. Visual analysis of large multivariate scattered data using clustering and probabilistic summaries[J]. IEEE Transactions on Visualization and Computer Graphics,2021,27(2):1580−1590. DOI: 10.1109/TVCG.2020.3030379

    [29]

    HE Zhilin,HO C H. An improved clustering algorithm based on finite Gaussian mixture model[J]. Multimedia Tools and Applications,2019,78(17):24285−24299. DOI: 10.1007/s11042-018-6988-z

    [30]

    SAMMAKNEJAD N,ZHAO Yujia,HUANG Biao. A review of the Expectation Maximization algorithm in data-driven process identification[J]. Journal of Process Control,2019,73:123−136. DOI: 10.1016/j.jprocont.2018.12.010

    [31]

    BENABDELLAH A C,BENGHABRIT A,BOUHADDOU I. A survey of clustering algorithms for an industrial context[J]. Procedia Computer Science,2019,148:291−302. DOI: 10.1016/j.procs.2019.01.022

图(12)  /  表(7)
计量
  • 文章访问数:  102
  • HTML全文浏览量:  1
  • PDF下载量:  20
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-01-14
  • 修回日期:  2024-07-11
  • 刊出日期:  2024-10-24

目录

/

返回文章
返回