Correlation analysis between characteristic temperature and microstructure of coal spontaneous combustion
-
摘要:
煤自燃灾害严重威胁了矿井的安全生产，掌握煤自燃微观基团和特征温度之间的关联性对煤自燃灾害的防治具有积极作用。为确定不同变质程度煤自燃过程中特征温度和煤微观结构的变化及相互联系，利用热重试验和傅里叶红外光谱实验分别测试了4种不同变质程度煤样自燃过程中的质量变化特性和微观结构，采用皮尔逊相关系数法确定了2者之间的联系。结果表明：随着变质程度的增大，煤中的芳香烃和脂肪烃含量增加，含氧官能团含量减少，3种类型的基团中含量最高的基团分别为C=C，—CH3和—OH。变质程度高的煤失重曲线和特征温度逐渐向高温区移动，且各特征温度间的间距增大。煤自燃特征温度会随着芳香烃含量的增加而增加，随着含氧官能团含量的增加而降低。芳香烃含量越大，煤自燃越难发生，而含氧官能团则恰好相反。皮尔逊相关系数计算结果表明，随着温度的升高，正相关系数最大的官能团分别为C—H，C—H，C—H，取代苯，C=C和C=C，负相关最大的官能团分别为COO—，COO—，C—O—，COO—，—OH和—OH。整体而言，C—H与特征温度之间正向相关性最大，而COO—则与特征温度呈最大的负相关。特征温度的变化与最大官能团的含量呈较为明显的线性关系。基于皮尔逊相关系数的结果，利用与特征温度相关性最大的C—H和COO—官能团的含量建立了煤自燃倾向性多元线性回归模型。
Abstract:The coal spontaneous combustion disaster seriously threatens the mine safety production. Mastering the correlation between the micro group and characteristic temperature of coal spontaneous combustion plays a positive role in the prevention and control of coal spontaneous combustion disaster. In order to determine the change and correlation of characteristic temperature and coal microstructure in the process of spontaneous combustion of coal with different metamorphic degrees, the mass change characteristics and microstructure of four coal samples with different metamorphic degrees were tested by thermogravimetric experiment and Fourier infrared spectrum experiment, and the relationship between them was determined by Pearson correlation coefficient method. The results show that with the increase of metamorphic degree, the content of aromatic hydrocarbons and aliphatic hydrocarbons in coal increases and the content of oxygen-containing functional groups decreases. The groups with the highest content in the three types of groups are C=C, —CH3 and —OH respectively. The weight loss curve and characteristic temperature of high metamorphic coal gradually move to the high temperature zone, and the spacing between characteristic temperatures increases. The characteristic temperature of coal spontaneous combustion increases with the increase of aromatic hydrocarbon content and decreases with the increase of oxygen-containing functional group content. The higher the content of aromatic hydrocarbons, the more difficult coal spontaneous combustion is, while the oxygen-containing functional groups are just the opposite. The calculation results of Pearson correlation coefficient show that with the increase of temperature, the functional groups with the largest positive correlation coefficient are C—H, C—H, C—H, substituted benzene, C=C and C=C, and the functional groups with the largest negative correlation are COO—, COO—, C—O—, COO—, oh and —Oh, respectively. On the whole, C—H has the greatest positive correlation with the characteristic temperature, while COO— has the greatest negative correlation with the characteristic temperature. The change of characteristic temperature has an obvious linear relationship with the content of the maximum functional group. Based on the results of Pearson correlation coefficient, a multiple linear regression model of coal spontaneous combustion tendency is established by using the contents of C—H and coo functional groups which have the greatest correlation with characteristic temperature.
-
0. 引 言
筛分是煤炭分选中的关键环节，对后续分选环节选煤效果的优劣起着非常重要的影响。但目前在原煤开采的过程中，由于井下渗水或为防尘而进行的人工喷水等原因，使得待筛分的煤炭物料往往带有一定水分。由于普通传统筛面对于潮湿颗粒分选，细小煤粉时往往容易出现堵筛、糊粘等现象，严重影响了筛分效率。而弛张筛通过筛面的往复松弛运动使得原煤筛分时受到更大振动力，大大提高了原煤的分层效果，能够有效解决潮湿物料因含水量过高而导致的聚集粘结现象。但是，由于弛张筛板的材料通常为聚氨酯，在筛分过程中容易受到磨损损坏，因此，对弛张筛筛面的运动参数进行研究，探讨筛分效率、磨损深度与运动参数间的关系有着重要意义[1-2]。
部分学者对弛张筛筛面运动的动力特性进行了研究。陈宝兴等[3]建立了筛面振动的纵向−横向耦合激励下的振动方程，并通过数值计算与仿真验证的方法证明了方法的可行性。武继达[4]研究了弛张筛筛面的挠度分布情况，并通过仿真分析与实验验证的方法分析了弛张筛剪切弹簧的时变特性与温度变化，李洪喜[5]对曲柄连杆式弛张筛的筛面动力学进行了研究，并建立了筛分过程的交变载荷力学模型，分析了弛张筛筛面运动特性。
随着离散元仿真软件(DEM)的兴起，部分专家学者通过DEM对弛张筛筛分过程进行了模拟。WU[6]、张新[7]等采用弛张筛筛面离散化的方法对弛张筛进行仿真研究，探讨了筛分关键参数对筛分效果的影响规律。刘义伦等[8]对直线振动筛的筛分过程运用离散元法进行了模拟，得到了粒径不同的物料颗粒在不同筛面振动幅度、振动方向角和筛面倾角的筛分效果。宫三朋等[9-10]通过有限单元法与离散元法（FEM-DEM）耦合的方法对料群与弛张筛面的耦合动态特性进行了研究，并通过正交实验对影响筛面运动特性的关键参数进行了研究。DONG等[11-12]以DEM方法为基础，以多筛面的振动筛为研究对象，分析了被筛颗粒流的分离情况，同时针对多筛面下颗粒的运动情况进行了研究，建立了物料透过筛孔的概率模型。DAVOODI 等[13-14]利通过EDEM仿真的方法对不同材料筛板的筛分性能进行了研究，并针对料群运动特性与筛分性能间的影响规律进行了研究。
而对于筛分过程中的筛面磨损的研究相对较少，陈华等[15]分析了热矿筛筛板使用寿命短的原因，并发现筛板材料的高温硬度低和高温耐磨性差是主要因素。通过对筛网材料的配方改变以及热处理工艺的优化提高了筛面的耐磨性。余涛宏[16]通过DEM对滚轴筛的筛分过程进行了计算机模拟，得到了筛轴转速、筛面倾角和黏附能量密度对筛分过程的影响规律，并研究了不同形状筛盘片下的磨损情况，发现渐开线型盘片筛分效果最佳，且磨损较小。AKBAR JAFARI等[17]采用离散元法对振动筛的筛分过程进行了模拟，得到了筛面倾角、振动频率和激振方向对筛分效率和筛面磨损的影响规律。
但上述筛面磨损的研究均未开展弛张筛筛面磨损特性的研究，而由于弛张筛运动过程中的反复拉伸，往往在生产实践中更容易发生损坏。不少学者也对弛张筛筛分过程中的损坏过程进行了研究，PENG等[18]和ZHAO等[19]对筛分过程中筛上物质量与筛面的交变载荷之间的联系进行了研究，结果表明随着筛分面积与处理量的增加，会加强筛面的损坏程度；还有部分学者对弛张筛弹性筛面在筛分过程中受到的外部激振力与冲击力进行了分析，并研究了他们对筛面磨损断裂的影响[20-22]。但上述分析中往往未考虑弛张筛的工作参数对筛面损坏的影响，不能给选煤厂分选过程提供合理生产建议。
针对上述问题，基于悬链线理论对弛张筛面近似柔性化处理，并利用 EDEM 和 RecurDyn软件联合仿真的方式对筛分过程中性能参数的改变对筛分效率和筛面磨损的影响进行探究，并得出在保证最优筛分效率变化不大的情况下，筛面磨损最小的一组弛张筛性能参数取值。
1. 弛张筛离散模型的建立
首先利用本构模型对筛面高分子柔性材料聚氨酯进行力学特性分析，计算材料特性参数。同时建立柔性筛面与离散化筛面的挠曲运动模型，并将离散化筛面模型与柔性筛面模型的运动规律进行仿真对比，验证离散化筛面模型的可行性，为筛面性能参数对筛分效率的影响研究奠定基础。
柔性化筛面采用弹性压杆模型建立了筛面模型，作为离散化筛面模型的对比。将一段筛板看作是两端受压力的弹性压杆，两端受压移动，筛板变形，如图1所示。
图1中，x为左连接点与力的距离；A为柔性化筛面变动前受到的压力；A'为柔性化筛面变动后受到的压力；P为两端施加压力。
则其中心处的位移表达式为：
$$ v\left(\frac{{l}_{0}}{2}\right)=\frac{-\dfrac{\omega }{\pi } \sqrt{{l}_{0}e} \mathrm{sin}\, \omega t}{\sqrt{1+\mathrm{cos}\, \omega t}} $$ (1) $$ y\left( {\frac{{{l_0}}}{2},t} \right) = \frac{2}{\pi }\sqrt {{l_0}e} \sqrt {(1 + \cos \, \omega t)} $$ (2) 式中，e为偏心轴偏心距，mm；ω为圆频率，rad/s；压杆的长度为l0，mm；t为筛面运动的时间点，s。
中点速度方程为
$$ v\left(\frac{{l}_{0}}{2}\right)=\frac{-\dfrac{\omega }{\pi } \sqrt{{l}_{0}e} \mathrm{sin\;}\, \omega t}{\sqrt{1+\mathrm{cos}\;\, \omega t}} $$ (3) 中点的加速度方程为
$$ a\left( {\frac{{{l_0}}}{2},t} \right) = - \frac{{{\omega ^2}}}{\pi }\sqrt {{l_0}e} \left[ {\frac{{{{\sin }^2} \, \omega t}}{{2{{(1 + \cos \, \omega t)}^{\tfrac{3}{2}}}}} + \frac{{\cos \, \omega t}}{{\sqrt {1 + \cos \, \omega t} }}} \right] $$ (4) 目前的离散元软件同动力学软件的耦合计算速度远不能满足要求，所以需要对柔性筛面进行近似柔性化处理，利用悬链线模型建立离散化筛面模型，如图2、图3所示。
图2中，$\theta $为筛面一点的切线与x轴的夹角，(°)； N0为右铰接点A(x0,0)处所受到的拉力，N；x0为右铰接点处坐标。ρ为单位长度筛面所受的重力，N；$\theta_{0} $为右铰接点A(x0,0)处的倾角，(°)；N为C点处所受到的拉力，N；2s为整个筛面的总长度，mm。
悬链线曲线由下式表示：
$$ y = \frac{s}{{\tan \, {\theta _0}}} \left[ {\cos \, {{h}} \left( {\frac{x}{s}\tan \, {\theta _0}} \right) - \cos \, {{h}} \left( {\frac{{{x_0}}}{s}\tan \, {\theta _0}} \right)} \right] $$ (5) 根据上述模型，通过离散化的F型筛条对筛面进行拼接，得到近似筛面如图4所示。
2. 联合仿真模型建立
通过Solidworks建立完整的弛张筛筛面模型，建立确定了筛面的倾斜角度大小；再将所建好的弛张筛离散化筛面模型导入到动力学软件Recurdyn当中，通过动力学软件设定筛面的驱动参数即筛面的弛张量大小、弛张频率的大小；然后通过EDEM软件设定并生成需要筛分的煤颗粒流；最终通过Recurdyn与EDEM的联合仿真，研究筛面倾角、弛张量与弛张频率对筛分效率的影响。
2.1 Recurdyn模型参数设置
通过Solidworks建立的筛面模型如图5所示。
将Solidworks中的模型导入Recurdyn中进行装配，建立筛面与横梁间的接触，并完成筛面横梁的运动参数$x = A \sin(f \times 2 \times 3.14 \,{{t}})$，其中，其中A为弛张量的一半，f为弛张频率，筛面另一侧的横梁运动方向于此相反，筛面运动参数设置如图6所示。
2.2 Edem离散元仿真参数设置
构建模拟煤颗粒是离散元数值仿真的关键，为了使模拟煤粒更加贴合实际选煤厂工况，对哈尔乌素选煤场筛分入料端煤粒进行采样，如图7、图8所示，并对其粒度分布、密度、以及原煤力学性能进行测试。通过试验测得原煤的物理、力学性能，并查阅弛张筛筛板的材料属性见表1，试验过程参数见表2、表3。
![]()
图 8 原煤物理、力学性能测定Figure 8. Determination of physical and mechanical properties of raw coal表 1 材料属性参数Table 1. Material property parameters材料 泊松比 剪切模量/MPa 密度/(kg·m−3) 聚氨酯 0.499 5 1200 煤颗粒 0.25 30 1550 表 2 材料接触属性Table 2. Material contact properties碰撞属性 恢复系数 静摩擦因数 滚动摩擦因数 煤颗粒−煤颗粒 0.35 0.4 0.1 煤颗粒−聚氨酯 0.4 0.3 0.01 表 3 粒径与各粒级比例的确定Table 3. Determination of particle size and proportion of each particle size试验粒级/
mm占比/% 粒级 粒级范围/
mm粒径确定/
mm颗粒
比例/%25～13 15.59 粗大粒 >9 14 33.5 13～6 15.65 阻碍粒 6～9 8 33.7 6～3 5.58 难筛粒 4.5～6 5 12.0 ≤3 9.69 易筛粒 <4.5 3 20.8 通过上述Recurdyn与Edem中仿真参数的设置[23]，将Recurdyn中仿真模型通过wall格式文件导入Edem中，获得联合仿真模型如图9所示。
3. 筛分效率单因素影响分析及非关键因素确定
通过上述建立的联合仿真模型，分别对影响弛张筛筛分效率的3个影响因素进行仿真研究，在固定其他影响因素的条件下，进行多组联合仿真，根据仿真结果进行单因素影响分析研究。
3.1 筛面倾角对筛分效率的影响
弛张筛筛面倾角为筛面与水平地面之间所形成的夹角，筛面倾角的改变将影响物料在筛分过程中的沿筛面水平速度，从而影响筛分效率。因此,为分析筛面倾角对筛分效率的影响，将弛张量与弛张频率分别设为6 mm、11 Hz，筛面倾角设置为14°～20°，获得的筛分效率以及颗粒平均水平速度如图10所示。
![]()
图 10 不同倾角颗粒水平速度与筛分效率关系Figure 10. Relationship between particle velocity and screening efficiency at different inclination angles从图10可以看出，随着筛面倾角的增加，颗粒水平速度逐步增加，而筛分效率逐步降低。这是由于筛面给煤粒沿水平方向的分力增加，导致颗粒水平速度越大，同时会导致颗粒经过整个筛面的时间越短，使得在筛面停留时间减少，与筛面接触的次数与几率相应降低，从而造成了筛分效率的下降。
3.2 弛张量对筛分效率的影响
弛张筛筛面的弛张量反映了整个筛面的松弛与张紧的程度，从而影响物料与筛面接触的抛射强度，改变物料的分散效果，从而影响筛分效率。为分析弛张量对筛分效率的影响，取筛面倾角为14°，弛张频率为11 Hz，筛面弛张量分别设置为5～8 mm，所获得的筛分效率以及颗粒平均跳跃高度变化如图11所示。
![]()
图 11 不同弛张量颗粒跳跃高度与筛分效率关系Figure 11. Relationship between particle jumping height and screening efficiency with different relaxation从图11能够看出，煤粒的平均跳跃高度随着弛张量的增大而不断地升高，这是由于当弛张量增加时，筛面向下弯曲程度就会增加，导致筛面对煤粒做功增加，提高了煤粒的动能，使得跳跃高度增加。
同时筛分效率随弛张量先增加后减小，这是由于当弛张量增加较小时，较大的跳跃高度能够有效提高煤粒的分层与分散效果，从而促进煤粒的透筛效果，提高筛分效率，而当弛张量持续增加时，提高煤粒动能的同时加长煤粒的水平移动距离，减少煤粒与筛面的接触，从而降低弛张筛的筛分效率。
3.3 弛张频率对筛分效率的影响
弛张筛的弛张频率会影响到弛张筛筛面的弛张速度，同样也会影响筛面运动的速度与加速度，导致筛上颗粒运动发生改变，直接影响到物料的透筛情况，进而影响到整个筛面的筛分效率。为分析弛张频率对筛分效率的影响，取筛面倾角为14°，弛张量为6 mm，筛面弛张频率设置为9～15 Hz获得的筛分效率如图12所示，选择弛张频率为9、11、13、15所获得的颗粒轨迹和如图13所示。
![]()
图 12 不同弛张频率下筛分效率的变化Figure 12. Variation of screening efficiency under different relaxation frequencies![]()
图 13 不同弛张频率下的颗粒轨迹Figure 13. Particle trajectories at different relaxation frequencies从图12中能够看出，筛分效率随着弛张频率的增加同样呈现先增加后减小趋势，这是由于弛张频率的改变能够影响筛面各接触位置的运动速度与加速度大小。而当弛张量的大小不变时，会使得接触煤粒的抛射强度增加，加剧煤粒在筛面的运动。当筛面颗粒运动较缓时如图13中的9 Hz与13 Hz时，随着弛张频率的增加颗粒在筛面运动加剧，抛射强度逐步增加，使得筛分效率增加，而当弛张频率由13 Hz增加到15 Hz时，可以明显看出抛射强度大幅增加，而且颗粒与筛面接触次数也出现大幅下降，使得筛分效率反而降低。
3.4 非关键因素的确定
研究弛张筛性能参数对筛面磨损的规律时要保证筛面磨损状态较优时的筛分效率变动不大，所以需要选取上述因素中对筛分效率影响较弱的因素进行研究。而为了评估弛张筛各工作参数对筛分效率的影响，分别选用相关系数法与显著程度对各影响因素进行判别，确定非关键影响因素。
3.4.1 相关系数法
由于各组仿真是人为主观设计，整体分布不符合正态分布，而且样本数较少，综合考虑采用斯皮尔曼相关系数(SCC)进行相关分析。SCC给出2个一般变量X和Y之间线性相关的度量rs，它的定义为
$$ {r_{\rm{s}}} = 1 - \frac{{6 \displaystyle \sum\limits_{i = 1}^n {d_{{i}}^2} }}{{n({n^2} - 1)}} $$ (6) 其中，n为样本的数量；d为数据x和y之间的等级差。
而Rs表示两组变量之间的斯皮尔曼相关系数(spearman)，反映了变量之间的相关程度，通常取值范围定义在[−1,1]，Rs越接近±1时表示变量相关性越强。Rs大于0时表示正相关，小于0时表示负相关。图14反映了用于评价弛张筛筛分效率的3个影响因素的SCC值。
从上述相关系数分析可以看出，筛面倾角、弛张频率以及弛张量与筛分效率都存在一定的正相关性，与筛分效率相关性最小的是筛面的弛张量。
3.4.2 显著性检验
性能参数对筛分效率的敏感程度通过能参数对筛分效率的极差与P值进行衡量。当某一个性能参数对筛分效率的极差较小时，说明在单个参数对弛张筛效率的影响较小；而P值表征性能参数对筛分效率影响的显著程度，P值越小，对筛分效率的影响越明显，P越大则越不明显。通过上述仿真分析列出性能参数对筛分效率极差与P值统计表见表4。
表 4 性能参数对筛分效率极差与P值统计Table 4. Statistical of range difference and P value of performance parameters on screening efficiency性能参数 筛面倾角 弛张量 弛张频率 筛分效率最大值/% 82.3 81.8 82.3 筛分效率最小值/% 75.0 78.7 77.5 P值 0.0025 0.6646 0.0017 由表4可知，筛面倾角、弛张量与弛张频率3个参数中极差最小的是弛张量为3.3%，同时P最大的性能参数同样是弛张量，为0.6646，因此,弛张量对于筛分效率的影响最不明显。
综上所述，通过各影响因素的单因素仿真，确定在考虑筛分效率情况下，弛张量为筛分效率的非关键因素。
4. 筛面磨损仿真分析
4.1 弛张筛磨损仿真过程分析
弛张筛在筛分的过程中，煤颗粒在接触筛网时具有一定的初速度，会对筛面产生冲击并在筛面上进行滚动或者滑动，使得筛面被轻微地磨损[24]。当筛面长期对煤颗粒进行筛分时，筛面就会产生较为明显的磨损。筛面的磨损如图15所示。
在弛张量对筛分效率的单因素仿真试验的基础上，通过Recurdyn与EDEM的联合仿真对不同弛张量下的筛面磨损情况进行仿真。仿真试验参数如下设置：为了得到弛张筛弛张量调节范围内的筛面磨损规律，现设置5组弛张量参数（表5），从5 mm到8 mm，每组间隔0.5 mm。同时弛张频率和筛面倾角设置为筛分效率最优时的参数，12.92 Hz和14°。磨损常数为${\text{1}}{\text{.3}} \times {10^{ - {\text{7}}}}$[25]。颗粒生成的时间为5 s，整个筛分过程为8 s。
表 5 磨损仿真试验参数设置Table 5. Parameter setting of wear simulation experiment组数 弛张量/mm 弛张频率/Hz 筛面倾角/(°) 磨损常数 1 5.0 12.92 14 1.3×10−7 2 5.5 12.92 14 1.3×10−7 3 6.0 12.92 14 1.3×10−7 4 6.5 12.92 14 1.3×10−7 5 7.0 12.92 14 1.3×10−7 6 7.5 12.92 14 1.3×10−7 7 8.0 12.92 14 1.3×10−7 在弛张量单因素对筛分效率EDEM仿真的基础上，添加颗粒与几何体的磨损接触模型，即Relative和Archard Wear模型。通过仿真结果提取筛面的载荷、法向累积接触能量、切向累积接触能量、磨损深度等数据，对筛面磨损进行研究[26]。
如图16所示为弛张量为6 mm时的筛面磨损云图，从图16可以看到，入料端筛面磨损程度最深，随着距入料口距离的增加筛面磨损程度逐渐减轻，这是由于入料端受到了几乎所有颗粒的冲击与摩擦，所以综合磨损程度较高，而其他筛面由于颗粒的跳跃运动，受到的冲击作用较小。还能看出，在远离入料端的筛面边缘出现了颗粒聚集现象，表明此处受到的筛面回弹力较小，颗粒在筛面发生反复摩擦，导致磨损大于筛面其他部位。
4.2 弛张筛磨损结果分析
选取弛张量分别为5、6、7、8 mm时的仿真结果，获得弛张筛不同弛张量下的法向能量与切向能量的变化如图17、18所示，图中从左到右分别表示弛张筛的入料端和出料端，从中可以明显看出，与筛面磨损量类似，弛张筛的法相接触能量和切向接触能量同样在据入料端最近处呈现最大值。
![]()
图 17 不同弛张量筛面法向累积接触能量Figure 17. Normal cumulative contact energy of screen surface with different relaxation![]()
图 18 不同弛张量筛面切向累积接触能量Figure 18. Tangential cumulative contact energy of screen surface with different relaxation从图17、18还能明显看出，在弛张量较小时由于筛面运动较慢，颗粒受到的接触能量较小，颗粒在筛面边缘处存在明显的摩擦作用，使得筛面切向累计能量增加，而法向接触能量则大部分聚集在筛面中心，表明筛面中心受到的冲击磨损较大。分别将不同弛张量下的累计法向接触能量与切向接触能量统计见表6。
表 6 不同弛张量累积接触能量统计Table 6. Cumulative contact energy statistics of different relaxation quantities弛张量/mm 法向累积接触能量/J 切向累积接触能量/J 5.0 21.2233261 3.7308983 5.5 22.6880606 4.1982441 6.0 23.4659859 4.7668411 6.5 25.1496815 5.0324886 7.0 25.8788977 5.3557617 7.5 27.2184262 5.9815486 8.0 28.779 341 0 6.435 351 1 由表6可知，筛面所受的法向累积接触能量大于切向累积接触能量，所以筛面的磨损主要是冲击磨损，摩擦磨损为次要磨损。同时，法向、切向累积接触能量随着弛张量的增加而不断加大。
如图19所示为不同弛张量条件下，筛面磨损深度云图。从图19可以看到，当弛张量为5 mm时，由于物料颗粒跳动的高度较低且沿筛面运动速度较慢，所以对入料端前面两个筛网的磨损较大，同时由于颗粒在筛面较低的一端聚集，所以对于此处的磨损较为严重，磨损深度较筛面中部更大，通过对比筛面累积接触能量可知，此处的磨损主要为摩擦磨损；同时出料端的筛面磨损相对较小。当弛张量不断增大时，筛面的磨损分布更加均匀，出料口附近的筛面磨损也逐渐增大；同时颗粒在单个筛面高度较低一端的聚集现象明显减少，使得此处的摩擦磨损逐渐减小，磨损部位逐渐集中在了筛网的中部位置。
![]()
图 19 不同弛张量下筛面磨损深度Figure 19. Nephogram of wear depth of screen surface under different relaxation4.3 磨损深度回归分析
根据弛张筛磨损深度云图，获得不同弛张量下筛面的最大磨损深度统计，数值见表7。
表 7 同弛张量筛面最大磨损深度Table 7. The maximum wear depth of screen surface with different relaxation弛张量/mm 最大筛面磨损深度/mm 5.0 0.051 9 5.5 0.058 4 6.0 0.065 8 6.5 0.069 5 7.0 0.072 7 7.5 0.067 2 8.0 0.059 9 从表7可知，筛面的最大磨损深度在弛张量为5～7 mm时随着弛张量的增大而增大，当达到7 mm时，磨损深度为最大。当弛张量继续增大8 mm时，最大磨损深度下降。所以筛面的磨损随弛张量的变化规律为随着弛张量的增加先增大后减小。
通过多项式拟合的方法对筛面最大磨损深度随弛张量的变化规律进行进一步研究，根据仿真获得的数据，将不同弛张量下的最大磨损深度绘制成散点图，并将拟合获得的曲线绘制如图20所示。
得到函数关系式：
$$ {f_1} = {{ - 0.001\,71}}{\lambda _{\rm{s}}}^3 + {{0.026\,96}}{\lambda _{\rm{s}}}^2{{ - 0.127\,2}}{\lambda _{\rm{s}}} + {{ 0.227\,4}} $$ (7) 式中，${\lambda _{\rm{s}}}$表示筛面弛张量，mm。
通过${R^2}$ 进行衡量，${R^2}$值理想值为1，所以${R^2}$值越接近 1，则拟合效果越佳，越接近实际，相反如果${R^2}$越小，则拟合效果越差。式（7）的三次拟合的${R^2}$值为0.9879，非常接近于1，所以拟合效果优异，能够有效反应弛张量在5～8 mm区间内筛面磨损深度的变化规律。
5. 筛面磨损与筛分效率的多目标优化研究
5.1 多目标参数优化模型建立
通过最小二乘法对3.1节中弛张量与筛分效率的仿真结果进行拟合，获得筛分效率与弛张量的表达式的关系为：
$$ {f_2} = \begin{array}{*{20}{l}} {{{65.489\,47}}} \end{array} + {{5.004\,54}}{\lambda _{\rm{s}}} - 0.383\,78{\lambda _{\rm{s}}}^2 $$ (8) 根据上述得到的筛分效率与弛张量的表达式式（8）以及筛面磨损与弛张量的表达式式（7），选用线性加权法对上述两目标进行优化设计。
线性加权法通过给每个目标函数每一个目标函数指定加权系数，将各个目标函数乘以目标权重后求和得到评价函数。
评价函数的表达式为
$$ F(x) = \sum\limits_{i = 1}^n {{k_{{i}}}{f_{{i}}}(x)} ,x \in [a,b] $$ (9) 其中，${f_i}(x)$为目标函数，$i = 1,2,3, \cdots,n; n$为目标函数个数；${k_{\rm{i}}}$为第i个目标函数的加权系数且: $\displaystyle\sum\limits_{i = 1}^n {{k_{{i}}} = 1}$。
通过对评价函数最大值或者最小值的求解，得到最优的自变量取值。由于本文中考虑筛面磨损最低、筛分效率最高，需要表达式进行处理，将筛分效率与弛张量的表达式取倒数，令$f_2' = 1/{f_{\text{2}}}$，通过极小值法对评价函数进行判别。
同时在计算目标函数时，为保证各因素影响权重相当，需要进行标准化处理：
$$ {f_1} = \frac{{{{\min }_1}}}{{{f_1}}} $$ (10) $$ {f_2} = \frac{{{{\min }_2}}}{{f_{\text{2}}'}} $$ (11) 其中：min1为取值范围内筛面磨损的最小值；min2为取值范围内，筛分效率倒数的最小值。
由于需要在磨损和筛分效率都保证尽量保证平衡的前提下寻求最优解，所以设置磨损量与筛分效率的函数的加权系数各为0.5。由此得到评价函数为
$$ \begin{array}{c} F(x) = \dfrac{{{{0.025\,75}}}}{{{{ - 0.001\,71}}{x^3} + {{0.026\,96}}{x^2}{\text{ - 0}}{{.127\,2}}x + {{ 0.227\,4}}}} + \\ \dfrac{{\begin{array}{*{20}{l}} {{{65}}{{.489\,47}}} \end{array} + {{5}}{{.004\,54}}x - 0.383\,78{x^2}}}{{{{163}}{{.608\,8}}}} \\[-5pt] \end{array} $$ (12) 式中：x为弛张量，$5 \;{\rm{mm}}\leqslant x \leqslant 8$ mm。
通过标准化并加权后，评价函数的最大值为1，当评价函数值越接近于1时，所得到的结果越好。评价函数在区间[5, 8]的图像如图21所示。
从图中可以看出，在函数图像的最左侧，可以取到最大值。当x=5时，评价函数有最大值0.993 1。所以，当加权系数各取0.5时，筛分效率与磨损量的最优解所对应的弛张量为5 mm。根据式（12）可以得到，最小磨损量为0.051 7 mm。
根据上述优化分析可得综合最优性能参数为弛张量5 mm时综合获得的筛分效率较高为80.92%，磨损深度较低，为0.517。
5.2 优化结果验证
为验证多目标优化后的效果，选用响应面法对筛分效率进行性能参数优化，进行了17次模拟计算，经过统计与计算最终得到了每一组参数下的筛分效率，见表8。
表 8 仿真试验结果Table 8. Orthogonal experiment result编号 λs/mm f/Hz α/(°) η/% 1 5 12 14 81.16 2 8 12 14 81.28 3 6.5 9 14 78.22 4 6.5 15 14 80.55 5 5 9 17 76.63 6 8 9 17 76.73 7 5 15 17 79.00 8 8 15 17 79.19 9 6.5 12 17 80.10 10 6.5 12 17 80.72 11 6.5 12 17 79.56 12 6.5 12 17 81.26 13 6.5 12 17 81.12 14 5 12 20 77.70 15 8 12 20 78.22 16 6.5 9 20 76.43 17 6.5 15 20 79.41 得到试验结果后，通过对试验数据进行二阶回归拟合，得到了筛分效率$\eta $同筛面倾角$\alpha $、弛张量${\lambda _{\rm{s}}}$和弛张频率$f$三个变量与筛分效率的函数关系式：
$$ \begin{split} &\eta = \,\, {40.007\,33} - 0.382\,750\alpha + 4.628\,83{\lambda _{\rm{s}}}+\\ &\qquad 4.885\,72f + 0.022\,222\alpha {\lambda _{\rm{s}}} + 0.018\,056\alpha f +\\ &\qquad 0.005\,000{\lambda _{\rm{s}}}f - 0.010\,944{\alpha ^2} - 0.383\,778{\lambda _{\rm{s}}}^2-\\ &\qquad \qquad\qquad \qquad 0.200\,111{f^2}\\[-8pt] \end{split} $$ (13) 基于上述所得的参数匹配数学模型，根据上文中所给出的筛分入料性质，对最优性能参数进行计算。得到了弛张筛分选效率最优时，弛张量大小为6.52 mm，弛张频率为12.92 Hz，筛面倾角为14°。
现在利用以上所得筛分效率最优性能参数（${\lambda _{\rm{s}}} = 6.52\,{\rm{mm}}$）进行仿真试验，对比综合性能最优时与筛分效率最优时两者的筛分效率以及磨损深度，以观察优化效果。
筛面磨损深度仿真的结果如图22所示。从中可以看出采用综合最优性能参数图22a的筛面磨损分布更加均匀，磨损情况有所减小；而采用筛分效率最优性能参数图22b的筛面磨损分布不均，集中在了入料端处的筛面，且磨损深度较图22b情况更严重。当选取综合最优性能性能参数时筛面磨损深度为0.051 6 mm，当采用筛分效率最优性能参数时筛面磨损为0.070 2 mm，优化后筛面磨损减小了26.5%。
![]()
图 22 优化前后筛面磨损深度对比Figure 22. Comparison of wear depth of screen surface before and after optimization筛分效率统计如图23所示。
![]()
图 23 优化前后筛分效率统计Figure 23. Statistical of screening efficiency before and after optimization如图23所示当采用综合最优参数时筛分效率为80.85%，当采用筛分效率最优性能参数时筛分效率为81.33%，优化使得筛分效率减少了0.48%。由此可见优化使得筛分效率减少了0.48%而使得筛面磨损深度减少了26.5%，筛分效率的减少量远小于筛面磨损的减小量，达到了在保证筛分效率减少不大的情况下减小筛面磨损程度的目的。
6. 结 论
1） 通过近似柔性化悬链线模型对筛面进行了离散化处理，并通过与弛张筛筛面的挠曲运动模型即弹性压杆模型验证了离散化模型。
2） 利用Recurdyn-EDEM联合对弛张筛筛面倾角、弛张量和弛张频率进行单因素仿真试验，得到了三个性能参数对筛分效率的影响规律，并通过相关系数法和显著性检验法确定了影响筛分效率的非关键因素。
3） 在保证最优筛分效率变化不大的情况下，通过调节性能参数使得筛面磨损尽量减小，研究了弛张量对筛面磨损的影响。利用离散元软件EDEM模拟仿真了筛分过程中筛面的磨损情况。通过多项式拟合得到了最大磨损深度与弛张量的函数关系式。
4） 通过线性加权法进行多目标优化，获得了平衡筛分效率与筛面磨损时的最优性能参数，即当筛面弛张量选择5 mm时，筛分效率可达到80.85%，筛面磨损深度仅为0.051 6，相较于最优筛分效率时筛面磨损量减少了26.5%，而筛分效率仅降低0.48%。
-
![]()
图 2 不同变质程度煤样官能团变化
Figure 2. Changes of functional groups in coal samples with different metamorphic degrees
![]()
图 5 不同变质程度煤样特征温度变化
Figure 5. Characteristic temperature changes of coal samples with different metamorphic degrees
![]()
图 6 微观结构与特征温度皮尔逊相关系数
Figure 6. Pearson correlation coefficient between microstructure and characteristic temperature
表 1 煤样工业分析数据
Table 1 Proximate analysis data of coal samples
煤种 Mad/% Aad/% Vad/% FCad/% 褐煤 21.60 10.01 49.45 18.94 长焰煤 5.16 14.26 40.16 40.42 1/3焦煤 1.48 10.46 30.66 57.40 无烟煤 1.31 14.23 9.19 75.27 
下载: 导出CSV
表 2 红外光谱吸收峰归属
Table 2 Assignment of infrared absorption peaks
谱峰
编号吸收峰位置/
cm−1官能团 谱峰归属 1 750 —OH 醇类、酚类O—H面外弯曲振动 2 786 C—H 1,2,3三取代苯C—H面外弯曲振动 3 912 C—H 醛类C—H面外弯曲振动 4 1 002~1174 C—O 醇、酚、醚、酯类C—O伸缩振动 5 1355 —CH3 甲基剪切振动 6 1396 —CH3,—CH2— C—H面内弯曲振动 7 1440 —CH2— 亚甲基剪切振动 8 1618 C=C 芳香环、稠环中的C=C骨架伸缩振动 9 1637 C=O 醛、酮、羧酸、酯类C=O伸缩振动 10 1 690~1715 —COO 羧基伸缩振动 11 2921 —CH3 甲基C—H伸缩振动 12 2989 —CH2 亚甲基C—H伸缩振动 13 3415 —OH 醇羟基、酚羟基在分子间缔合的氢键
下载: 导出CSV
表 3 最大相关官能团与特征温度拟合曲线
Table 3 Fitting curve between maximum correlation functional group and characteristic temperature
特征温度 正相关 负相关 官能团 拟合曲线 R2 官能团 拟合曲线 R2 T1 C—H y = 0.866 8x + 59.351 0.984 1 COO— y = –0.460 6x + 65.991 0.876 5 T2 C—H y = 30.325x + 94.128 0.902 0 COO— y = –17.829x + 335.79 0.983 5 T3 C—H y = 24.173x + 183.41 0.987 7 C—O— y = –14.064x + 650.33 0.967 4 T4 取代苯 y = 12.168x + 336.54 0.819 6 COO— y = –17.755x + 504.16 0.937 9 T5 C=C y = 12.387x + 229.35 0.896 0 —OH y = –3.254 2x + 521.43 0.884 4 T6 C=C y = 16.031x + 268.46 0.864 3 —OH y = –4.326 4x + 649.03 0.900 4
下载: 导出CSV
表 4 多元线性回归拟合分析
Table 4 Multiple linear regression fitting analysis
拟合结果 R R2 标准差 显著性 Z=481.485+2.996I1–16.213I2 0.969 2 0.939 3 22.159 8 0.246 3
下载: 导出CSV
-
[1] BAI Zujin,WANG Caiping,DENG Jun,et al. Experimental investigation on using ionic liquid to control spontaneous combustion of lignite[J]. Process Safety & Environmental Protection,2020,142:138−49.
[2] 秦波涛,仲晓星,王德明,等. 煤自燃过程特性及防治技术研究进展[J]. 煤炭科学技术,2021,49(1):66−99. QIN Botao,ZHONG Xiaoxing,WANG Deming,et al. Research progress of coal spontaneous combustion process characteristics and prevention technology[J]. Coal Science and Technology,2021,49(1):66−99.
[3] 梁运涛, 侯贤军, 罗海珠, 等. 我国煤矿火灾防治现状及发展对策[J]. 煤炭科学技术, 2016, 44(6): 1–6. LIANG Yuntao, HOU Xianjun, LUO Haizhu, et al. Development countermeasures and current situation of coal mine fire prevention & extinguishing in China [J]. Coal Science and Technology, 2016, 44(6): 1–6.
[4] 郭 军,金 彦,文 虎,等. 矿井煤层自燃程度精细划分与预警方法研究[J]. 煤炭科学技术,2021,49(10):115−121. GUO Jun,JIN Yan,WEN Hu,et al. Study on fine division and early warning methods of spontaneous combustion degree of coal seams in mines[J]. Coal Science and Technology,2021,49(10):115−121.
[5] 肖 旸,马 砺,王振平,等. 采用热重分析法研究煤自燃过程的特征温度[J]. 煤炭科学技术,2007,35(5):78−81. doi: 10.13199/j.cst.2007.05.78.xiaoy.022 XIAO Yang,MA Li,WANG Zhenping,et al. Research on characteristic temperature in coal spontaneous combustion with thermal gravity analysis method[J]. Coal Science and Technology,2007,35(5):78−81. doi: 10.13199/j.cst.2007.05.78.xiaoy.022
[6] 余明高,袁 壮,褚廷湘,等. 不同自燃性煤氧化阶段的表征差异[J]. 重庆大学学报,2017,40(2):37−44. doi: 10.11835/j.issn.1000-582X.2017.02.005 YU Minggao,YUAN Zhuang,CHU Tingxiang,et al. Characterization difference of coals with different spontaneous combustion tendencies during oxidation stage[J]. Journal of Chongqing University,2017,40(2):37−44. doi: 10.11835/j.issn.1000-582X.2017.02.005
[7] 邓 军,赵婧昱,张嬿妮. 基于指标气体增长率分析法测定煤自燃特征温度[J]. 煤炭科学技术,2014,42(7):49−52, 56. DENG Jun,ZHAO Jingyu,ZHANG Yanni. Study on determination of coal spontaneous combustion characteristic temperature based on analysis method of index gas growth-rate[J]. Coal Science and Technology,2014,42(7):49−52, 56.
[8] 屈丽娜. 煤自燃阶段特征及其临界点变化规律的研究[D]. 北京: 中国矿业大学(北京), 2013. QU Lina. The study on the characteristics of coal stage and the critical point variation of the spontaneous combustion [D]. Beijing: China University of Mining and Technology—Beijing, 2013.
[9] 朱红青,郭艾东,屈丽娜. 煤热动力学参数、特征温度与挥发分关系的试验研究[J]. 中国安全科学学报,2012,22(3):55−60. doi: 10.3969/j.issn.1003-3033.2012.03.009 ZHU Hongqing,GUO Aidong,QU Lina. Experimental study on the relationship among the coal kinetics parameters characteristic temperatures and volatile[J]. China Safety Science Journal,2012,22(3):55−60. doi: 10.3969/j.issn.1003-3033.2012.03.009
[10] 王云鹤,梁 栋,王成卫. 煤升温氧化过程特征的热重分析[J]. 广州大学学报:自然科版,2006,5(6):65−68. WANG Yunhe,LIANG Dong,WANG Chengwei. Thermogravimetric analysis of some characteristics in heating and oxidation process of coal[J]. Journal of Guangzhou University(Natural Science Edition),2006,5(6):65−68.
[11] 文 虎, 陆彦博, 刘文永. 利用热重法研究不同氧浓度对煤自燃特性的影响[J]. 矿业安全与环保, 2021, 48(1): 1–5,10. WEN Hu, LU Yanbo, LIU Wenyong. Study on the effects of different oxygen concentrations on spontaneous combustion characteristics of coal with thermogravimetric method [J]. Mining Safety & Environmental Protection, 2021, 48(1): 1–5,10.
[12] 王海燕,李 凯,高 鹏. 氧浓度对煤绝热氧化过程特征的影响[J]. 中国安全科学学报,2013,23(6):58−62. doi: 10.3969/j.issn.1003-3033.2013.06.010 WANG Haiyan,LI Kai,GAO Peng. Effect of oxygen concentration on characteristics of coal adiabatic oxidation process[J]. China Safety Science Journal,2013,23(6):58−62. doi: 10.3969/j.issn.1003-3033.2013.06.010
[13] 马 砺,王伟峰,邓 军,等. CO2对煤升温氧化燃烧特性的影响[J]. 煤炭学报,2014,39(S2):397−404. MA li,WANG Weifeng,DENG Jun,et al. Effect of CO2 on characteristics of oxidation combustion for coal[J]. Journal of China Coal Society,2014,39(S2):397−404.
[14] 王福生,张志明,武建国,等. 煤体结构对自燃倾向性影响研究[J]. 煤炭科学技术,2020,48(5):83−88. doi: 10.13199/j.cnki.cst.2020.05.011 WANG Fusheng,ZHANG Zhiming,WU Jianguo,et al. Study on influence of coal structure on spontaneous combustion tendency[J]. Coal Science and Technology,2020,48(5):83−88. doi: 10.13199/j.cnki.cst.2020.05.011
[15] 余明高,贾海林,于水军,等. 乌达烟煤微观结构参数解算及其与自燃的关联性分析[J]. 煤炭学报,2006(5):610−614. doi: 10.3321/j.issn:0253-9993.2006.05.014 YU Minggao,JIA Hailin,YU Shuijun,et al. Calculation of micro-structure parameter of Wuda bituminous coal and relationship-analysis between coal structure and coal spontaneous combustion[J]. Journal of China Coal Society,2006(5):610−614. doi: 10.3321/j.issn:0253-9993.2006.05.014
[16] 邓 军,李亚清,张玉涛,等. 羟基(—OH)对煤自燃侧链活性基团氧化反应特性的影响[J]. 煤炭学报,2020,45(1):232−240. doi: 10.13225/j.cnki.jccs.YG19.1507 DENG Jun,LI Yaqing,ZHANG Yutao,et al. Effects of hydroxyl on oxidation characteristics of side chain active groups in coal[J]. Journal of China Coal Society,2020,45(1):232−240. doi: 10.13225/j.cnki.jccs.YG19.1507
[17] 辛海会,王德明,戚绪尧,等. 褐煤表面官能团的分布特征及量子化学分析[J]. 北京科技大学学报,2013,35(2):135−139. doi: 10.13374/j.issn1001-053x.2013.02.001 XIN Haihui,WANG Deming,QI Xuyao,et al. Distribution and quantum chemical analysis of lignite surface functional groups[J]. Chinese Journal of Engineering,2013,35(2):135−139. doi: 10.13374/j.issn1001-053x.2013.02.001
[18] 张嬿妮,刘春辉,宋佳佳,等. 长焰煤低温氧化主要官能团迁移规律研究[J]. 煤炭科学技术,2020,48(3):188−196. doi: 10.13199/j.cnki.cst.2020.03.023 ZHANG Yanni,LIU Chunhui,SONG Jiajia,et al. Study on transfer law of main functional groups in low temperature oxidation of long flame coal[J]. Coal Science and Technology,2020,48(3):188−196. doi: 10.13199/j.cnki.cst.2020.03.023
[19] 邓存宝,乔 玲,王雪峰,等. 浸水褐煤的自燃特性及红外分析[J]. 中国安全科学学报,2018,28(8):105−110. doi: 10.16265/j.cnki.issn1003-3033.2018.08.018 DENG Cunbao,QIAO Ling,WANG Xuefeng,et al. Spontaneous combustion characteristics and infrared analysis of soaked lignite[J]. China Safety Science Journal,2018,28(8):105−110. doi: 10.16265/j.cnki.issn1003-3033.2018.08.018
[20] 褚廷湘,杨胜强,孙 燕,等. 煤的低温氧化实验研究及红外光谱分析[J]. 中国安全科学学报,2008(1):171−177. doi: 10.3969/j.issn.1003-3033.2008.01.030 CHU Tingxiang,YANG Shengqiang,SUN Yan,et al. Experimental study on low temperature oxidization of coal and lts infrared spectrum analysis[J]. China Safety Science Journal,2008(1):171−177. doi: 10.3969/j.issn.1003-3033.2008.01.030
[21] 朱建芳,申嘉辉,宋富美,等. 煤自燃机制的TG–FTIR研究[J]. 中国安全科学学报,2019,29(12):46−52. ZHU Jianfang,SHEN Jiahui,SONG Fumei,et al. TG–FTIR study on coal spontaneous combustion mechanism[J]. China Safety Science Journal,2019,29(12):46−52.
[22] 张玉涛,张园勃,李亚清,等. 低瓦斯气氛下煤氧化热效应和关键基团演变特性[J]. 中国矿业大学学报,2021(4):1−8. doi: 10.13247/j.cnki.jcumt.001298 ZHANG Yutao,ZHANG Yuanbo,LI Yaqing,et al. Thermal effect of coal oxidation and evolution properties of key functional groups of coal oxidation at low gas atmospheres[J]. Journal of China University of Mining and Technology,2021(4):1−8. doi: 10.13247/j.cnki.jcumt.001298
[23] 玄伟伟,王 倩,张建胜. 褐煤自燃倾向测定及其低温氧化反应过程研究[J]. 煤炭学报,2016,41(10):2460−2465. doi: 10.13225/j.cnki.jccs.2016.8018 XUAN Weiwei,WANG Qian,ZHANG Jiansheng. Spontaneous combustion propensity and low-tem perature oxidation process of lignite[J]. Journal of China Coal Society,2016,41(10):2460−2465. doi: 10.13225/j.cnki.jccs.2016.8018
[24] MA Li,GUO Ruizhi,GAO Yu,et al. Study on coal spontaneous combustion characteristics under methane-containing atmosphere[J]. Combustion Science and Technology,2019,191(8):1456−1472. doi: 10.1080/00102202.2018.1531286
[25] CHELGANI S C,HOWER J C. Relationships between noble metals as potential coal combustion products and conventional coal properties[J]. Fuel,2018,226:345−349. doi: 10.1016/j.fuel.2018.04.041
-
期刊类型引用(0)
其他类型引用(2)
计量
- 文章访问数: 143
- HTML全文浏览量: 24
- PDF下载量: 40
- 被引次数: 2
