煤层群联合抽采瓦斯混源比例的对比试验

来源 :矿业安全与环保 | 被引量 : 0次 | 上传用户：yao2042547

【摘要】

：

针对煤层群联合抽采时各煤层瓦斯无法准确计量的难题,根据瓦斯组分中的CH 4体积分数和碳同位素分布规律,基于化学组成质量守恒定律,建立煤层群联合抽采瓦斯气体混源比例计算模型,并在小屯煤矿开展对比试验。研究结果表明:小屯煤矿各煤层瓦斯中CH 4体积分数由大到小排序为6下煤层>6中煤层>6上煤层,CH 4碳同位素值分布在-3.6%~-3.2%内,由重到轻排序为6下煤层>6中煤层>6上煤层。联合抽采6上煤层+6中煤层+6下煤层时,基于碳同位素原理计算得到的6上煤层混合比例为10.82%~2

【作者】

：

丁红吴教锟冯仁俊位乐

【机构】

：

瓦斯灾害监控与应急技术国家重点实验室,中煤科工集团重庆研究院有限公司

【出处】

：

矿业安全与环保

【发表日期】

：

2021年3期

【关键词】

：

煤层群瓦斯抽采碳同位素分层计量组分含量

【基金项目】

：

“十三五”国家科技重大专项(2016ZX05067-004-004),重庆市自然科学基金面上项目(cstc2020jcyj-msxmX1013),天地科技股份有限公司科技创新创业资金专项(2019-TD-QN032)。

下载到本地 , 更方便阅读

下载此文赞助VIP

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

其他文献

基于改进YOLOv3的煤矸识别方法研究

煤矸识别技术对实现煤和矸石自动分选具有重要意义,而现有的图像识别算法在实用性、准确率方面无法满足实际需求。基于图像处理技术和深度学习技术,提出一种基于改进YOLOv3的煤矸识别方法,针对煤矸识别目标小、辨识度低等问题,对原始YOLOv3的网络结构及损失函数进行了改进,用训练生成的模型在测试集上进行识别测试。测试结果表明:改进的YOLOv3-M在小样本上,可在短时间内使模型快速收敛,单张图像识别时间

期刊

煤矸分选煤矸识别机器视觉图像识别卷积神经网络深度学习

钻孔机器人钻进工况智能感知与自适应控制机理研究

为提高瓦斯抽采孔钻进过程中控制参数调节的智能化程度,揭示了钻孔机器人钻进工况智能感知与自适应控制机理,开发了钻进参数自适应控制技术。以最高钻进效率为控制目标,选择卡钻概率、排渣顺畅性和锚固稳定性为边界条件,并据此划分了钻进状态种类。通过分析边界条件对钻进过程的影响,建立了各边界条件的数学模型,构建了钻孔机器人钻进工况智能感知与自适应控制机理数学模型体系。根据钻进工况智能感知与自适应控制机理,开发了基于差分进化算法的自适应控制技术,实现了钻孔机器人控制向量的自动优化。地面钻进试验表明,钻进工况智能感知与自适

期刊

钻孔机器人钻进工况智能感知自适应控制边界条件数学模型钻进参数

基于单基地雷达组网的协同对消抗干扰反隐身方法

为了弥补常规雷达组网数据级融合在主瓣干扰下的探测能力不足,提出了一种基于单基地雷达组网的协同对消抗干扰反隐身方法.该方法利用组网后目标和干扰的幅度、相位、延时和多普勒频移中的一种差异进行干扰对消.仿真结果表明,采用单基地雷达组网协同对消抗干扰方法主瓣干扰对消比约为25 dB,大大提升了复杂环境下的隐身目标探测能力.

期刊

雷达组网反隐身多站融合协同对消抗干扰

煤层群联合抽采瓦斯混源比例的对比试验

其他学术论文