突出煤层密闭区域电热高温场影响因素及应用研究

来源 :贵州大学 | 被引量 : 0次 | 上传用户:niyon
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
我国多数矿井为高瓦斯矿井,煤与瓦斯突出事故一直是抑制我国煤矿安全高效开采主控因素之一。目前瓦斯抽放是防治煤矿突出事故的根本性措施,但由于我国地质构造极为复杂,加之深部煤层具有地应力和瓦斯压力大、煤层透气性差等特点,导致瓦斯抽放效果并不理想,普遍存在抽放率低、抽放困难等问题。针对以上情况,本文提出了利用电热高温促进煤层瓦斯解吸,通过钻孔将其排放至密闭巷道区域内,最后采用抽放管路将瓦斯从巷道内抽出的新技术。采用理论分析、实验研究、数值模拟相结合的方法,基于多孔介质弹性力学、渗流力学、热力学等相关理论,建立了突出煤层密闭区域电热高温场数学模型。以贵州松河煤矿K15煤层为工程背景,选择COMSOL Multiphysics 5.5软件系统地进行了突出煤层密闭区域电热高温场的影响因素规律研究,主要研究成果如下:(1)根据煤的裂隙-孔隙结构特征,推导了考虑温度效应的孔隙率、渗透率动态控制方程,在此基础上建立了煤体应力场、瓦斯渗流场和温度场控制方程。联立上述方程得到了包含煤体变形、瓦斯渗流和温度效应的电热高温场多场耦合数学模型。(2)通过实验分析,加热温度的升高,温度传感器所在位置单位时间内温度上升速率增大;煤样中的温度达到稳定状态后,温度传感器位置的煤样温度会小幅波动或恒定不变,直至停止加热;随着加热温度的提高,煤样温度达到稳定后的最高加热温度会提高,加热半径会随之增大。(3)以贵州省松河煤矿为工程背景,利用建立的热-流-固数学模型进行了突出煤层密闭区域电热高温场数值模拟研究。结果表明:电热高温场在加热过程中的规律基本一致,都会以加热孔为中心,热量逐渐以圆的方式向四周传导,形成一个稳定的温度场。随着加热天数的增加,两个加热孔温度场贯通后温度效应叠加耦合,热量不断向外蔓延,两个加热孔中间温度最高,周围温度依次向外递减。不同加热温度对煤层加热效果不同,当加热孔温度越高时,煤体的整体温度越高,热量传递效果越好。
其他文献
随着无线通信业务的猛增,需要更多的频谱资源为用户提供数据传输服务,而当前大部分频谱资源都已经分配给特定的频谱使用者,这样的方式导致频谱资源利用率低的问题,因此认知无线电(Cognitive Radio,CR)技术应时而生,其中动态频谱分配问题是这个技术中的核心,出于提高频谱利用率的目的,本文针对认知无线电和频谱分配问题进行了研究,提出基于改进鲸鱼优化算法(Improved Whale Optimi
社会的发展带动着信息数据的高速运转,为了能更加直观、生动的获取我们所需的信息,数字图像进入了信息载体的“主流”之中。并且随着科技发展不断的推动,数字图像已经以不同形式在教育、医疗、通信、智慧农业、通信等方面发挥着极为关键的作用。快速的发展也带来了一定的弊端,尤其是图像的清晰度问题,使得对于真实信息的获取受到了一定的阻碍。在图像的采集和传输过程中,由于外界环境以及传感器本身的影响,图像会不可避免受到
随着经济发展,社会文化水平提高,文化馆的全民艺术普及事业也开始步入了类似于社会经济"中等收入陷阱"的阶段,传统的文化服务模式已经越来越不适应人民群众对于公共文化服务的要求,文化馆必须进行供给侧结构性改革,引进社会力量,创新服务机制,由传统性文化馆转型为现代型文化馆,以新的模式,继续推进全民艺术普及。
手势是一种多方面的通信方式,在非语言交流和人机交互中扮演着重要的角色,它们为人机交互(HCI)提供了一种具有吸引力的方案。其中最开始的交互方式,是通过数字手套,生物肌电,kinect深度设备等外接硬件,逐渐发展为基于计算机视觉算法的方式,深度学习的最新进展极大地提高了图像识别的性能,这种方式脱离硬件设备,符合人们方便快捷的使用习惯,但是在手势变化、光照变化或背景复杂的不利现场情况下,手势识别仍然存
(1)随着5G新空口信号处理技术和超大规模MIMO(Multiple Input Multiple Output,MIMO)密集组网用户技术的广泛运用,当前通信系统中信道传输容量及信号调制技术方案不易匹配超高密集组网应用场景。本文在大规模多输入多输出(MIMO)通信系统背景下,对基于卡尔曼滤波算法下的滤波器组多载波技术FBMC调制技术方案进行研究。因FBMC调制技术方案在超大规模MIMO密集组网和
空间众包是指任务执行者前往特定地点完成众包任务,该工作模式已被大众广泛研究使用。空间众包工作模式包括工人招募与任务分配两个环节。工人招募中工人用户向服务器提交个人位置信息进行注册时会存在具体位置隐私泄露问题;任务分配环节中空间众包服务器通过任务分配算法将任务派发给工人用户,会存在工人区域位置隐私泄露以及时间开销过大的问题。针对以上众包工作模式存在的问题,本文所完成的工作包括以下内容。(1)研究直接
图像的语义分割是指根据语义信息识别出图像中对应物体的类别和位置,是计算机视觉领域的研究热点之一。相对于传统的图像分割算法,基于深度学习的分割算法不仅能自动的进行特征提取,还可以进行端到端的训练,分割精度和速度均有所提升。然而,由于室内场景的复杂性,室内场景的语义分割仍然极具挑战。随着深度相机的出现和发展,研究者们开始利用深度信息提高语义分割的精度。在这种情况下,本文针对室内场景的语义分割算法进行了
增强现实技术将虚拟信息与真实环境进行融合,实现虚拟信息与真实环境在光照、几何和时间方面的一致性,增强人类对真实世界的感知。增强现实技术的几何一致性需要确定移动设备在现实世界的位置从而准确添加虚拟信息。视觉定位技术具有高精度和无需部署设备的优点,可以实现对移动设备的实时定位。目前传统视觉定位技术在光照强烈变化的情况下存在检索失败与检索速度慢的问题,本文针对该问题做了如下工作:1.针对传统视觉定位方法
随着互联网技术的发展,为了解决图像在信道传输过程中产生丢包或者误码失真的问题,多描述编码(Multiple Description Coding,MDC)作为解决上述问题的一种抗误码传输技术,能有效的提高数据传输过程中的鲁棒性。近年来,由于深度学习方法在计算机视觉领域上表现突出。因此,本文将深度学习与多描述图像编码方法相结合,分别以小尺寸图像和大尺寸图像为研究对象,提升边路图像重建质量和中心路图像
室外实弹打靶射击训练是军队和武警部队的必备训练项目,然而训练靶机很多都是采用机械固定靶机、机械式移动靶机、机械式升降靶机,这些都只是实现了单一的训练模式。根据军队的要求,一些射击测试需要射击移动目标。出于安全原因,在打靶射击测试期间,任何人员都不能出现在正在移动的靶机附近。因此,必须使用远程实时控制来实现对靶机的移动方向和速度的控制。同时,为了及时获得打靶射击测试的结果,必须从后方控制台获取靶面的