Precise identification method of mine hoist fault source based on MFCC-CS-MUSIC
-
摘要:
在煤矿生产领域中，矿井提升机作为一种辅助运输的设备，在矿井整个运输工程中承担着非常重要的作用，其安全性和稳定性直接影响着煤矿生产效率和井下工作人员生命安全。矿井提升机故障发生后，其声音信号也会随着设备运行状态而改变，因此可以通过分析该声音的特征来检测设备是否处于不正常运行状态。鉴于此提出了基于MFCC-CS-MUSIC实现的矿井提升机故障源精准识别方法。通过采集提升机音频信号，应用MFCC（梅尔频率倒谱系数）算法提取多个通道声音信号梅尔频率倒谱系数进行故障识别；应用MUSIC（多信号分类）故障识别后的音频信号进行定位求得信号的最小化波达方向。将MUSIC算法求得的DOA（波达方向定位）值作为优化变量，以计算DOA和测量DOA之间的差异为目标函数，利用CS（布谷鸟）算法对目标函数进行寻优，从而实现对提升机故障源精准定位。试验和应用结果均表明，利用CS算法优化后MUSIC算法得到的定位坐标误差Δψ在5°以内，实际位置坐标方位角误差Δθ在4°以内。该方法实现了提升机故障准确识别和提升机故障源的精准定位，大幅缩短了排查矿井提升机故障位置的时间，显著提升了矿井提升机的工作效率。
Abstract:In the field of coal mine production, the mine hoist, as a kind of auxiliary transportation equipment, plays a very important role in the whole transportation engineering of the mine. Its safety and stability directly affect the production efficiency of the coal mine and the safety of underground workers. After the failure of mine hoist, its sound signal will also change with the operation state of the equipment, so the abnormal operation state of the equipment can be detected by analyzing the characteristics of the sound. In order to ensure its safe and reliable operation and improve coal mine transportation efficiency, an accurate fault identification method of mine hoist based on MFC-CS-MUSIC was proposed. By collecting the hoist audio signals, MFCC algorithm was used to extract the Cepstrum coefficients of multiple channels for fault identification. The acoustic signal after MUSIC fault identification is used to locate the signal and the minimal direction of arrival is obtained. The DOA value obtained by MUSIC algorithm is taken as the optimization variable, the difference between calculating DOA and measuring DOA is taken as the objective function, and the CS algorithm is used to optimize the objective function, so as to realize the precise location of the hoist fault source. The experimental and application results show that the azimuth error Δψbetween the music algorithm and the actual position coordinate after CS algorithm optimization is less than 5°, Δθis less than 4°. This method can accurately identify the hoist fault and accurately locate the hoist fault source, greatly shorten the troubleshooting time of the mine hoist fault location, and significantly improve the work efficiency of the mine hoist.
-
0. 引 言
面对能源供需格局新变化、国际能源发展新趋势，CO2-ECBM作为集温室气体减排和新能源开发于一体的煤层气强化开采手段，符合国家的能源安全新战略要求。在CO2-ECBM技术中，CO2注入煤层后会在气体浓度梯度的驱动下扩散流动，气体扩散能力的强弱也是决定CO2-ECBM成败的关键因素，了解气体在煤层中的扩散行为有助于理解CO2-ECBM过程中CO2是如何进行贮存和CH4如何进行采收[1]。
煤的扩散系数是指当浓度梯度为一个单位时，单位时间内通过单位面积煤中气体量；其大小主要取决于气体成分、煤岩煤质及其温度–压力–应力等条件[2-9]。张时音[3]和张登峰[4]等应用吸附扩散理论模型计算了不同煤阶煤的扩散系数，认为扩散系数与总孔容正相关，扩散系数与吸附量、比表面积成正比。CHARRERE等[10]在283～333 K范围内研究了温度对扩散的影响，结果表明随着温度的升高，CO2和CH4吸附速率均增大。同样地，BUSCH等[11]在2011年的综述文章中也得到了相同的结论。STAIB等[12]采用湿煤研究了不同气体在煤中的扩散，结果发现当温度由300 K升温至313 K，CH4和CO2吸附速率增大。李志强等[13]研究了升温和恒温情况下瓦斯在湿煤粒中的扩散，发现同压不同温(303～373 K、4 MPa)气体吸附后的恒温扩散系数随温度的升高呈现先增大后减小的趋势，在333 K时扩散系数达到极大值，而同温同压(293～333 K、0.5 MPa)气体吸附后升温扩散时的扩散系数随温度的升高呈指数关系增大。此外，相同条件下CO2在煤中的扩散系数明显大于CH4。
在压力对于气体在煤层中的扩散影响方面，CIEMBRONIEWICZ等[14]使用简化的unipore模型研究了CO2在硬煤中的动力学特性，结果发现随着压力的增加扩散系数增大。CHARRIERE等[10]使用简化的unipore模型研究了压力对扩散系数的影响，结果发现与0.1 MPa相比，相同温度下压力为5 MPa时CO2和CH4在煤中的扩散系数更大。
国内外学者对煤的渗透性及其控制因素方面已开展了较多的研究[15-16]，对于煤中气体扩散行为的研究相对较少[17]，在以往的煤层气体扩散研究中[18-21]，压力条件较局限，压力范围较小，压力值较低，未能更加实际地反映储层条件下气体的扩散特征，且煤层中不同孔隙条件下的气体扩散特征没能直观的体现。
煤层气开采效益和产量在近年来的生产中没有达到预期效果，刘庄煤矿与祁东煤矿作为两淮地区典型的低渗煤层气田，以该地区煤样为研究对象，能够为研究两淮地区低渗煤层气田的高效开发利用提供理论依据。笔者研究了储层条件（24～48 ℃、2～20 MPa）下刘庄矿13煤和祁东矿7煤2个地区煤样在不同孔隙条件下的扩散模式，模拟不同位置储层压力条件下气体在煤样中的扩散方式，以揭露CO2和CH4气体在低渗煤样中的扩散规律为目的，进一步探究2种气体在煤样中扩散的差异性，以期为研究低渗煤层CO2-ECBM过程的扩散规律提供理论依据。
1. 材料与试验
刘庄煤矿和祁东煤矿为两淮地区典型的低渗煤层气田，其中刘庄煤矿处于淮南复向斜中次一级褶皱（陈桥背斜）的南翼，煤层主要分布在谢桥向斜北翼及西转折部位，本区分别以板集断裂、陈桥断裂为东、西部边界，按构造形态及断层分布情况（图1）[22]，煤矿中二叠系的山西组与上下石盒子组为主要含煤层段，刘庄13煤层为主要可采煤层之一，煤种类以气煤为主，平均总厚度18.51 m。祁东煤矿位于淮北煤田宿县矿区宿南向斜内，宿南向斜的大地构造位置属徐淮隆起的徐宿坳陷区的南部（图2）[23]，祁东矿主要含煤地层为二叠系山西组、下石盒子组、上石盒子组，其中祁东7煤层位于中～下部富煤段，煤种类为1/3焦煤和肥煤。
试验对象为刘庄13煤和祁东7煤的煤岩样品，煤样工业分析结果见表1。
表 1 煤样工业分析表Table 1. Analysis table of coal sample industry样品名 刘庄13煤 祁东7煤 煤类 气煤 肥煤 采样深度/m 763 1 044 水分Mad/% 1.25 0.88 挥发分Vdaf/% 39.34 38.59 固定碳FCad/% 39.81 49.51 灰分Aad/% 19.60 11.02 平均真相密度/（g·cm-3） 1.36 1.45 镜质组反射率RO/% 0.7252 0.7558 2. CO2和CH4在煤层中的扩散机理
气体在煤层中的扩散，其本质是气体分子的不规则热运动。煤作为一种典型的多孔介质，可将气体在煤层中的扩散总体分为：气相扩散、吸附相扩散、溶解相扩散、固溶体扩散4种类型。其中气相扩散分为：Fick型扩散、Knudsen型扩散、过渡型扩散3种扩散类型。气体扩散类型可以用表示孔隙直径和分子运动平均自由程相对大小的诺森（Knudsen）数表示[20]：
$$ {K_{\text{n}}} = \frac{d}{\lambda } $$ (1) 式中，d为孔隙平均直径，nm；λ为气体分子平均自由程，nm。
理想气体下的分子平均自由程可以通过式（2）[19]计算：
$$ \lambda = \frac{{{k_B}{T}}}{{\sqrt 2 \pi {d_0}^2p}} $$ (2) 式中，kB为玻尔兹曼常数，1.38×10−23，J/K；T为绝对温度，K；p为气体压力，MPa；d0为分子有效直径，nm。
根据诺森数的取值，可以划分气体的扩散类型（表2），分子自由程的值可以判断气体分子在煤层不同孔隙直径中的扩散类型，该类型也决定了气体在煤层中的扩散速率，根据CO2和CH4的分子直径，模拟不同埋深的温度压力条件，可计算得到气体分子的平均自由程（表3），根据表3所示进一步计算能够得到关于不同埋深条件下的不同扩散类型所对应的孔隙直径（表4）。
表 2 扩散类型及其对应诺森数Table 2. Diffusion type and its counterpart扩散类型 Kn Fick型扩散 Kn≥10 过渡型扩散 0.1≤Kn≤10 Knudsen型扩散 Kn≤0.1 表 3 模拟不同埋深条件下的气体分子自由程Table 3. Simate the molecular free path of gas under different burial depths模拟埋深
条件/m温度T/K 压力p/MPa 分子有效直径d0/nm 平均分子自由程λ/nm CH4 CO2 CH4 CO2 −1 500 321.15 15 0.380 0.330 0.461 0.611 −1 200 315.15 12 0.565 0.749 −900 309.15 9 0.739 0.980 −600 303.15 6 1.087 1.441 −300 297.15 6 1.065 1.413 表 4 不同扩散类型的煤体孔分布情况Table 4. Distribution of coal body holes in different diffusion types埋深条件
/m扩散孔径分布/nm Knudsen型扩散 过渡型扩散 Fick型扩散 CH4 CO2 CH4 CO2 CH4 CO2 −1 500 0.046 0.061 0.046~4.61 0.061~6.11 4.61 6.11 −1 200 0.057 0.075 0.057~5.7 0.075~7.45 5.65 7.49 −900 0.074 0.098 0.074~7.39 0.098~9.80 7.39 9.80 −600 0.108 0.144 0.108~10.87 0.144~14.42 10.87 14.42 −300 0.107 0.141 0.107~10.65 0.141~14.13 10.65 14.13 表3和表4中数据显示，埋藏深度为300 m时，CO2和CH4的Fick型扩散类型分别发生在直径14.13 nm以及10.65 nm以上的孔隙中；埋藏深度为1 500 m时，CO2和CH4的Fick型扩散类型分别发生在直径4.61 nm以及6.11 nm以上的孔隙中。该结果表明随温度及压力的增加即埋藏深度的增加，Fick型扩散类型会发生在更小的孔隙直径中，代表气体分子随着压力及温度的增加，同煤层孔隙壁所产生的碰撞会减小，这将更有利于气体的在煤层中的扩散。同时，根据表中数据可看出，随埋深增加，CH4的Knudsen型扩散所处孔隙直径分布由原来的小于0.107 nm缩小到了小于0.046 nm；过渡型扩散所处孔隙直径分布分别由原来0.107～10.6 nm缩小到了0.046～4.61 nm，产生该种扩散类型的孔隙直径区间进一步缩小。
3. 低渗煤层CO2-ECBM过程CO2和CH4的扩散模式
以刘庄矿13煤和祁东矿7煤两处的煤样作为试验样品，取温度条件24、30、36、42 、48 ℃，取压力条件2、4、6、8、10、12、14、16、18、20 MPa，该温压条件能模拟2个矿区各深度煤层的储层情况，通过计算后获取两处煤矿的煤样在不同孔隙结构中气体的扩散类型分布情况以及不同扩散类型的扩散系数。
3.1 低渗煤层中气体扩散类型
根据式（2）计算可得物理模拟试验条件下（温度24～48 ℃，压力2～20 MPa)）对应的分子自由程变化范围（表5）。
表 5 气体分子平均自由程结果表Table 5. Table of the average free course results of the gas molecules气体种类 λ/nm CO2 0.424~4.580 CH4 0.295~3.454 根据储层条件（24～48 ℃、2～20 MPa），计算分子自由程变化范围为CO2（0.424～4.580 nm）、CH4（0.295 ～ 3.454 nm），根据诺森数Kn的值将分子的扩散类型分为：Fick型扩散、Knudsen型扩散、过渡型扩散，由分类标准（表2）可知：当Kn≤0.1，即5 nm以下的孔隙中，CO2在煤岩中以Knudsen型扩散为主；当0.1≤Kn≤10，即5 nm以上40 nm以下的孔隙中，CO2在煤岩中以过渡型扩散为主；当Kn≥10，即在40 nm以上的孔隙中，CO2在煤岩中以Fick型扩散为主。同理，当Kn≤0.1，孔隙大小在3nm以下时，CH4在煤岩中以Knudsen型扩散为主；当0.1≤Kn≤10，孔隙条件在3～30 nm时，CH4在煤岩中以过渡型扩散为主；当Kn≥10，孔隙条件在30 nm以上时，CH4在煤岩中以Fick型扩散为主。
根据本次研究煤岩样品的压汞试验得到的孔隙结构分布，通过式（2）计算所得诺森数Kn，对不同孔径孔隙进行占比计算，具体结果见表6。
表 6 不同孔径中CO2和CH4气体的不同扩散类型占比Table 6. Results of different diffusion types of CO2 and CH4 gas in different pore sizes气体类型 煤岩样品 总孔容/（cm3·g−1） 孔隙体积分布/% 以诺森数分类计/% 微孔
(<10 nm)小孔
(10~102 nm)中孔
(102~103 nm)大孔
(103~104 nm)Fick型扩散 过渡型
扩散Knudsen型
扩散CO2 刘庄 0.015 34.780 38.353 10.280 16.588 52.436 30.174 17.390 祁东 0.019 36.457 37.966 10.934 14.644 50.888 30.884 18.228 CH4 刘庄 0.015 34.780 38.353 10.280 16.588 56.697 32.869 10.434 祁东 0.019 36.457 37.966 10.934 14.644 55.106 33.957 10.937 煤岩样品的孔隙分布及扩散类型占比，可以分析得出在该煤岩样品中气体的主要扩散类型，考虑气体在煤层中的运移时，便可采用该类型的扩散渗流理论来分析气体的流动规律。在本次的煤岩样品刘庄矿13煤和祁东矿7煤中，微孔及小孔孔容占比最高，分别约占总孔容的35%和38%。同时，储层条件下（24～48 ℃、2～20 MPa），样品中的CO2和CH4气体主要以Fick型扩散类型为主，约占总扩散类型的50%以上，过渡型扩散约占30%，CO2的Knudsen型扩散约占18%，CH4的Knudsen型扩散最少，仅占总体的约10%。
3.2 低渗煤层中气体扩散能力变化特征
3.2.1 扩散系数的变化特征
不同的扩散类型有不同的扩散系数计算方式，Fick型扩散系数（Df）主要取决于温度及压力，同煤岩孔径大小无关，Knudsen型扩散系数（Dk）主要取决于温度及压力，同煤岩孔径大小无关；过渡型扩散系数（Dp）处于Fick型扩散以及Knudsen型扩散两者之间，同时受到温度、压力以及孔隙大小的共同影响。
1）Fick型扩散系数。Fick型扩散系数Df可表示为[24]：
$$ {D_{\rm{f}}} = \frac{1}{3}\sqrt {\frac{{k_{\rm{B}}^3}}{{M{\pi ^3}}}} \frac{{{T^{\frac{3}{2}}}}}{{pd_0^2}} $$ (3) 有效Fick扩散系数由式（4）计算[20]：
$$ {D_{{\text{fe}}}} = \frac{{{D_{\rm{f}}}\theta }}{\tau } $$ (4) 式中，$ M $为气体分子摩尔质量，g/mol；$ \theta $为多孔介质孔隙率，%；$ \tau $为曲折因子，为修缮扩散路径变化而引入。
2）Knudsen型扩散系数。Knudsen型扩散系数由式（5）计算[24]：
$$ {D_{\rm{k}}} = \frac{1}{3}d\sqrt {\frac{{8{k_{\rm{B}}}T}}{{\pi M}}} $$ (5) 有效Knudsen型扩散系数由式（6）计算[20]：
$$ {D_{{\text{ke}}}} = \frac{{{D_{\rm{k}}}\theta }}{\tau } $$ (6) 3）过渡型扩散系数。过渡型扩散受Fick型扩散和Knudsen型扩散2种扩散类型制约，恒压下的有效过渡型扩散系数同Fick型扩散和Knudsen扩散2种类型有关，其有效扩散系数由式（7）计算[20]：
$$ {D_{{\text{pe}}}} = {\left(\frac{1}{{{D_{{\rm{fe}}}}}} - \frac{1}{{{D_{{\rm{ke}}}}}}\right)^{ - 1}} $$ (7) 根据上述公式，分别计算刘庄矿13煤和祁东矿7煤样品在不同温度压力（24～48 ℃、2～20 MPa）下的Fick型扩散系数、Knudsen型扩散系数以及过渡型扩散系数，具体计算结果如图3—7所示，显示了在不同压力温度条件下Fick扩散系数、Knudsen型扩散系数以及过渡型扩散系数的变化趋势。
![]()
图 3 研究区样品中CO2的Fick型扩散系数随压力变化Figure 3. Change diagram of the Fick-type diffusion coefficient of CO2 in the study area sample along with the pressure![]()
图 4 研究区样品中CH4的Fick型扩散系数随压力变化Figure 4. Change diagram of the Fick-type diffusion coefficient of CH4 in the study area sample along with the pressure![]()
图 5 研究区样品中气体的Knudsen型扩散系数随温度变化Figure 5. Change diagram of Knudsen-type diffusion coefficient of gas in the study area![]()
图 6 研究区样品中CO2的过渡型扩散系数随压力变化Figure 6. Change diagram of the transition-type diffusion coefficient of CO2 along with the pressure in the study area samples由图3、图4可以看出，当温度条件48 ℃，压力条件20 MPa时，刘庄矿13煤样品中CO2的Fick型扩散系数为0.82 m2/s，CH4的Fick型扩散系数为0.97 m2/s；祁东矿7煤样品中CO2的Fick型扩散系数为1.36 m2/s，CH4的Fick型扩散系数为1.62 m2/s。温度条件48 ℃，压力条件2 MPa时，刘庄矿13煤样品中CO2的Fick型扩散系数为8.21 m2/s，CH4的Fick型扩散系数为9.74 m2/s；祁东矿7煤样品中CO2的Fick型扩散系数为13.61 m2/s，CH4的Fick型扩散系数为16.16 m2/s。
同时可以看出，同温度条件下，随着压力的增加，气体的Fick型扩散系数逐渐减小，且初始时扩散系数随压力变化更明显，当压力条件增加至20 MPa后，达到一个平衡值，基本不再随压力增加而增加；同压力条件下，扩散系数的大小随温度的变化并不明显，并且当压力增加时这种影响会变得更小，但温度的增加仍与扩散系数呈正相关，如图3所示。由此分析可知，储层中的气体的扩散系数主要取决与储层中压力，温度的影响性较小。同时，在同一样品中温压条件相同的条件下，CO2的扩散系数明显低于CH4的扩散系数，可见气体分子量也是影响Fick型扩散系数的重要条件，气体分子量小的CH4同煤岩孔壁的接触更少，Fick扩散更加占优势。
图5展示了研究区样品中气体的Knudsen型扩散系数与温度的关系。
从图5中可以看出，CO2和CH4气体的Knudsen型扩散系数随温度增加每6 ℃，扩散系数增加0.2 m2/s，受温度影响变化不明显，但其受煤层孔隙直径及气体类型影响明显。
取刘庄矿13煤煤样孔隙直径为5 nm，祁东矿7煤煤样孔隙直径为3 nm，由于Knudsen型扩散系数同压力无关，因此取不考虑压力条件，当温度条件为48 ℃时，刘庄矿13煤样品中CO2的Knudsen型扩散系数为2.35 m2/s，CH4的Knudsen型扩散系数为1.41 m2/s，祁东矿7煤样品中CO2的Knudsen型扩散系数为2.79 m2/s，CH4的Knudsen型扩散系数为1.68 m2/s；温度条件24 ℃时，刘庄矿13煤样品中CO2的Knudsen型扩散系数为2.26 m2/s，CH4的Knudsen型扩散系数为1.36 m2/s，祁东矿7煤样品中CO2的Knudsen型扩散系数为2.69 m2/s，CH4的Knudsen型扩散系数为1.61 m2/s。
根据数据比较分析，同一煤岩样品中气体的Knudsen型扩散系数变化会随温度增加有较小的增长。同温度条件下，气体的类型对于Knudsen型扩散系数有着更大的影响，CO2的扩散系数明显高于CH4的扩散系数。同时，样品的孔隙直径越大反而不利于气体在煤层中进行Knudsen型扩散。
图6、图7显示，研究区样品中气体的过渡型扩散系数与压力变化的关系。
![]()
图 7 研究区样品中CH4的过渡型扩散系数随压力变化Figure 7. Change diagram of the transition-type diffusion coefficient of CH4 along with the pressure in the study area samples由图6、图7可以看出，当温度条件48 ℃，压力条件20 MPa时，刘庄矿13煤样品中CO2的过渡型扩散系数为0.61 m2/s，CH4的扩散系数为0.69 m2/s；祁东矿7煤样品中CO2的扩散系数为0.72 m2/s，CH4的扩散系数为0.82 m2/s。当温度条件48 ℃，压力条件2 MPa时，刘庄矿13煤样品中CO2的扩散系数为1.83 m2/s，CH4的扩散系数为1.28 m2/s；祁东矿7煤样品中CO2的扩散系数为2.17 m2/s，CH4的扩散系数为1.52 m2/s。
对比图6和图7，能够明显看出气体类型对于过渡型扩散系数的影响，分子直径更小的气体，即CO2在压力较低的条件下能够有更大的扩散系数。但当压力开始下降时，分子直径更小的气体其敏感性更高，下降速率在压力2～10 MPa区间内尤其明显，而当压力达到10 MPa以后下降速率降低，压力达到20 Mpa后基本趋于平缓。当压力达到一定值时，气体分子直径小的过渡型扩散系数反而会低于气体分子直径更大气体。
3.3 扩散速率的变化特征
本文扩散速率变化特征以CH4气体为研究对象，温度选取42 ℃以及48 ℃，压力条件为2～20 MPa。
3.3.1 计算公式推导
气体由煤基质系统向裂隙系统扩散过程符合Fick第一定律，其中扩散通量即扩散速率（cm3/（g·s））表达式[25]可表示为：
$$ {{{q}}_{\text{m}}} = \frac{1}{{D\sigma }}[C({{p}}) - C] $$ (8) 平衡条件下基质边缘气体质量浓度（cm3/g），可表示为[25]：
$$ C({{p}}) = ({C_P} + {C_r}) $$ (9) 煤基质孔隙系统中吸附气体质量浓度（cm3/g），可表示为[25]
$$ {C_{\text{p}}} = \frac{{{V_L} p}}{{{{{p}}_L} + p}} $$ (10) 游离气质量浓度（cm3/g）可表示为[25]：
$$ {C_{\text{r}}} = \frac{{{V_{{\rm{STP}}}}}}{{\text{m}}} $$ (11) 所计算气体体积受温度及压力影响，需要将气体校正到标准状态下，才能进行同一尺度的比较和计算，标准状态下的气体体积（cm3），可表示为[25]：
$$ {V_{{\rm{STP}}}} = \frac{{{T_{}} {P_0} {V_{\text{m}}}}}{{{P_0} T}} $$ (12) 将扩散系数D与基质形状因子σ结合起来，定义一个时间常数ε，如下[17]
$$ \varepsilon = \frac{1}{{D\sigma }} $$ (13) 完全推导后的扩散通量可表示为[17]：
$$ {{{q}}_{\rm{m}}} = \frac{1}{\varepsilon }[C({{p}}) - C] ^{ } $$ (14) 式中，$ D $为扩散系数，m2/s；$ \sigma $为基质形状因子，m-2；$ C $为煤中气体平均质量浓度，cm3/g；$ {C}_{\left(p\right)} $为煤颗粒在压力p达到吸附平衡时，煤基质边界气体质量浓度，cm3/g；
$ {C}_{p} $为煤基质孔隙系统中吸附气体质量浓度，cm3/g；$ {C}_{r} $为游离气体质量浓度，cm3/g；$ {V}_{STP} $为标准状态下气体体积，cm3；$ {P}_{0} $为标准大气压，101.33 KPa；$ {P}_{{\rm{m}}} $为介质压力，MPa；$ {P}_{{\rm{L}}} $为朗格缪尔压力，MPa；$ {V}_{{\rm{L}}} $为朗格缪尔体积，cm3/g；$ {V}_{{\rm{m}}} $为孔隙体积，cm3；$ m $为样品质量，g。
形状因子选取根据基质形状，通过表7选取。
表 7 煤基质单元形态因子[26]Table 7. Coal matrix unit morphfactor基质单元几何形状 特征参数 形态因子 板状 板宽L (π/L)2 柱状 底面半径R 5.78/R2 球状 球体半径R (π/R)2 通过式(8)—式(13)，取温度条件42 、48 ℃，压力条件2 ～20 MPa，计算CH4气体在刘庄矿13煤和祁东矿7煤样品中不同孔隙类型里的扩散速率，即气体不同扩散类型的扩散速率，结果如图8—10所示。
![]()
图 8 研究区样品中CH4的Fick型扩散速率随压力变化Figure 8. Change diagram of the Fick-type diffusion rate of CH4 with pressure in the study area samples![]()
图 9 研究区样品中CH4的Knudsen型扩散速率随压力变化Figure 9. Change diagram of the Knudsen-type diffusion coefficient of CH4 in the study area sample along with the pressure![]()
图 10 研究区样品中CH4的过渡型扩散系数随压力变化Figure 10. Change diagram of the transition-type diffusion coefficient of CH4 along with the pressure in the study area samples从图8—10可以看出，温度条件48 ℃，压力条件20 MPa下，刘庄矿13煤样品中Fick型扩散类型的扩散速率为0.370 cm3/（g·s），祁东矿7煤样品中Fick型扩散类型的扩散速率为0.370 cm3/（g·s）；刘庄矿13煤样品中Knudsen型扩散类型的扩散速率为0.310 cm3/（g·s），祁东矿7煤样品中Knudsen型扩散类型的扩散速率为0.277 cm3/（g·s）；刘庄矿13煤样品中过渡型扩散类型的扩散速率为0.161 cm3/（g·s），祁东矿7煤样品中过渡型扩散类型的扩散速率为0.152 cm3/（g·s）。CH4气体在煤基质中Fick型扩散的扩散速率明显高于Knudsen型扩散的扩散速率，过渡型扩散的扩散速率最低，表明在刘庄矿13煤和祁东矿7煤样品中，CH4气体扩散类型以Fick型扩散为主时能够够较快的扩散，以过渡型扩散为扩散类型为主时会降低扩散速度。
同时，还可以看出，42和48 ℃扩散速率随压力变化曲线基本重合，表明温度对于扩散速率的影响并不大。
3.4 气体扩散差异对CO2-ECBM的影响
根据表6的数据显示，储层条件（24～48 ℃、2～20 MPa）下，刘庄矿与祁东矿的煤样中的CH4与CO2气体均以Fick型扩散为主，而根据图3—7的气体扩散系数的数据显示，CH4相比CO2在Fick型扩散中更具优势，但在Knudsen型扩散和过渡型扩散中CO2气体扩散系数要高于CH4。
在CO2-ECBM过程中，CO2的扩散路径为压裂裂缝-宏观孔隙-内生裂隙-显微孔隙-大孔-中孔-微孔，CH4的扩散路径刚好相反，CO2在微孔中的扩散能够快速扩散，不仅能够提高CO2的注气速度，还能够更快地同CH4进行置换，提高CH4的产量。
4. 结 论
1）刘庄矿13煤和祁东矿7煤样品，孔隙分布中以微孔及小孔孔容占比最高，储层条件下2个煤样中气体均主要以Fick型扩散为主，过渡型扩散次之，Knudsen型扩散占比最低。
2）温度对于Fick型扩散系数以及过渡扩散类型系数的影响远远小于压力的影响，2种扩散类型的扩散系数都随压力的增加而降低，且气体扩散系数在0～5 Mpa内随压力下降变化速率最大。当压力值达到20 MPa后，2种扩散类型的扩散系数基本都趋于平衡，相较于2 MPa时的扩散系数，缩小了近10倍。
3）温度对于Knudsen型扩散系数的影响比较明显地高于其他2种扩散类型，温度每增加6 ℃，其扩散系数增加0.2 m2/s，Knudsen型扩散系数基本呈较缓的线性增长。
4）CH4相比CO2在Fick型扩散中更具优势，但在Knudsen型扩散和过渡型扩散中CO2气体扩散系数要高于CH4。
5）CH4气体以Fick型扩散或Knudsen型扩散为扩散类型时能够较快的在煤孔隙中扩散，以过渡型扩散为扩散类型为主时扩散速度会较慢；
6）CO2-ECBM过程中，CO2在微孔及小孔中相比CH4更具有扩散优势，增加煤层的微孔及小孔占比能够提高CO2的注气速度以及CH4的产量，增强CO2-ECBM的产气效果，对实现CO2-ECBM技术突破提供理论依据。
-
![]()
图 2 提升机运行正常MFCC特征参数
Figure 2. MFCC characteristic parameters of hoist running normally
![]()
图 3 提升机超载故障MFCC特征参数
Figure 3. MFCC characteristic parameters of hoist overload failure
![]()
图 15 二维MUSIC减速器左轴承故障定位结果
Figure 15. Fault location results of left bearing of two-dimensional MUSIC reducer
![]()
图 16 三维MUSIC减速器左轴承故障定位结果
Figure 16. Fault location results of left bearing of 3D MUSIC reducer
![]()
图 17 二维MUSIC滚筒东轴承故障定位结果
Figure 17. Fault location results of two dimensional MUSIC roller east bearing
![]()
图 18 三维MUSIC滚筒东轴承故障定位结果
Figure 18. 3D MUSIC Fault location results of roller east bearing
![]()
图 19 优化后的二维MUSIC减速器左轴承故障定位结果
Figure 19. Fault location results of left bearing of optimized two dimensional MUSIC reducer
![]()
图 20 优化后的三维MUSIC减速器左轴承故障定位结果
Figure 20. Optimized 3d MUSIC gear left bearing fault location results
![]()
图 21 优化后的二维MUSIC滚筒东轴承故障定位结果
Figure 21. Fault location results of two-dimensional MUSIC roller east bearing after optimization
![]()
图 22 优化后的三维MUSIC滚筒东轴承故障定位结果
Figure 22. Fault location results of 3D MUSIC roller east bearing after optimization
![]()
图 23 优化后的定位坐标与实际坐标偏差结果
Figure 23. The deviation between the optimized positioning coordinates and the actual coordinates
表 1 轴承坐标参数
Table 1 Bearing coordinate parameters
轴承编号 坐标(x, y, z)/m 标定入射角（ψ，θ） 1 (0,0,0.1) (0,20.31) 2 (0.5,0,0.1) (30.00,24.56) 3 (0.7,0,0.1) (45.11,23.37) 4 (1.1,0,0.1) (60.37,22.58) 5 (1.3,0,0.1) (70.56.20.89) 6 (1.6,0,0.1) (80.96,23.43) 7 (1.3,0,3.6) (60.68,50.94) 8 (1.6,0,3.6) (83.29,50.56) 
下载: 导出CSV
-
[1] 李娟莉,杨兆建. 提升机故障诊断不确定性推理方法[J]. 煤炭学报,2014,39(3):586−592. doi: 10.13225/j.cnki.jccs.2013.1179 LI Juanli,YANG Zhaojian. Elevator fault diagnosis uncertainty reasoning method[J]. Journal of China Coal Society,2014,39(3):586−592. doi: 10.13225/j.cnki.jccs.2013.1179
[2] 吴传龙,陈 伟,刘晓文,等. 基于特征融合的提升机逆变器故障诊断[J]. 工矿自动化,2021,47(5):46−51. WU Chuanlong,CHEN Wei,LIU Xiaowen,et al. Elevator inverter fault diagnosis based on feature fusion[J]. Industry and Mine Automation,2021,47(5):46−51.
[3] 张 梅,陈万利,许 桃. 基于LS-SVM的矿井提升机故障预测[J]. 电子测量技术,2021,44(12):70−74. doi: 10.19651/j.cnki.emt.2106266 ZHANG Mei,CHEN Wanli,XU Tao. Of mine hoist based on the LS - SVM fault prediction[J]. Electronic Measurement Technology,2021,44(12):70−74. doi: 10.19651/j.cnki.emt.2106266
[4] 李娟莉,杨兆建,庞新宇. 面向知识工程的提升机智能故障诊断方法[J]. 煤炭学报,2016,41(5):1309−1315. doi: 10.13225/j.cnki.jccs.2015.1234 LI Juanli,YANG Zhaojian,PANG Xinyu. Oriented can ascension knowledge engineering and intelligent fault diagnosis methods[J]. Journal of China Coal Society,2016,41(5):1309−1315. doi: 10.13225/j.cnki.jccs.2015.1234
[5] 祁瑞敏. 基于多传感器信息融合的矿井提升机诊断系统设计[J]. 煤矿机械,2018,39(12):148−150. QI Ruimin. Design of mine hoist diagnosis system based on multi-sensor information fusion[J]. Coal Mine Machinery,2018,39(12):148−150.
[6] 张 梅,许 桃,孙辉煌,孟祥宇. 基于模糊故障树和贝叶斯网络的矿井提升机故障诊断[J]. 工矿自动化,2020,46(11):1−5,45. doi: 10.13272/j.issn.1671-251x.17562 ZHANG Mei,XU Tao,SUN Huihui,Meng Xiangyu. Based on the fuzzy fault tree and bayesian networks of mine hoist fault diagnosis[J]. Industry and Mine Automation,2020,46(11):1−5,45. doi: 10.13272/j.issn.1671-251x.17562
[7] 殷力鹏, 崔广涛. 基于噪声利用HVD的矿井提升机轴承故障诊断研究[J]. 煤矿机械, 2021, 42(11): 175−179. YIN Lipeng, CUI Guangtao. Use HVD mine hoist based on noise bearing fault diagnosis research [J]. Coal Mine Machinery, 2021, 42(11): 175−179.
[8] 张 瑶, 罗林根, 王 辉, 等. 基于MPSO-MLE的变电站设备异常声源定位方法[J]. 高电压技术, 2020, 46(9): 3145−3153. ZHANG Yao, LUO Lingen, WANG Hui, et al. Method of locating abnormal acoustic source of substation equipment based on MPSO-mle [J]. High Voltage Technology, 2020, 46(9): 3145−3153.
[9] 李娟莉,赵旭荣,孙梦祯. 矿井提升机主轴系统故障本体诊断方法[J]. 矿业研究与开发,2020,40(6):144−147. LI Juanli,ZHAO Xurong,SUN Mengzhen. Mine hoist spindle system fault diagnosis method ofontology[J]. Mining Research and Development,2020,40(6):144−147.
[10] 陈瀚翔,邱志斌,王海祥,等. 基于MFCC特征与GMM的输电线路渉鸟故障相关鸟种智能识别[J]. 水电能源科学,2021,39(7):67,171−174. CHEN Hanxiang,QIU Zhibin,WANG Haixian,et al. Intelligent recognition of bird fault-related species on transmission lines based on MFCC feature and GMM[J]. Water Resources and Power,2021,39(7):67,171−174.
[11] 朱子东,吕辅勇,李雪峰. 融合MFCC特征的声发射故障检测[J]. 仪表技术与传感器,2021(9):121−125. doi: 10.3969/j.issn.1002-1841.2021.09.026 ZHU Zidong,LYU Fuyong,LI Xuefeng. Acoustic emission fault detection based on MFCC features[J]. Instrument Technique and Sensor,2021(9):121−125. doi: 10.3969/j.issn.1002-1841.2021.09.026
[12] 邹瑛珂, 李祖明, 刘晓宏, 等. 基于VMD分解的MFCC+GFCC无人机噪音混合特征提取方法[J]. 中国测试, 2021, 47(11): 141−146. ZOU Yingke, LI Zuming, LIU Xiaohong, et al.A Hybrid feature extraction method for MFCC+GFCC UAV noise based on VMD decomposition [J]. China Measurement & Test, 201, 47(11): 141−146.
[13] 刘云鹏,刘嘉硕,裴少通,等. 基于MCSPO-MUSIC算法的换流阀绝缘板沿面放电定位方法[J]. 华北电力大学学报(自然科学版),2022,49(2):53−62. LIU Yunpeng,LIU Jiasuo,PEI Shaotong,et al. Surface discharge locating method for insulationplate of converter valve based on McPo-musicalgorithm[J]. Journal of North China Electric Power University (Natural Science Edition),2022,49(2):53−62.
[14] 李蜀丰,徐永绍,刘秉政,等. 基于改进MUSIC的声源定位方法[J]. 电子测量与仪器学报,2021,35(8):212−219. doi: 10.13382/j.jemi.B2003674 LI Shufeng,XU Yongshao,LIU Bingzheng,et al. Sound source localization method based on improved MUSIC[J]. Journal of Electronic Measurement and Instrument,2021,35(8):212−219. doi: 10.13382/j.jemi.B2003674
[15] 张 海, 陈小龙, 张 涛, 等. 基于MUSIC算法的二次雷达应答信号分离方法[J]. 电子与信息学报, 2020, 42(12): 2984−2991. ZHANG Hai, CHEN Xiaolong, ZHANG Tao, et al. Separation method of Secondary Radar Response Signal Based on MUSIC Algorithm [J] Journal of Electronics & Information Technology, 2020, 42(12): 2984−2991.
[16] 彭 虎, 李源汉, 邓长寿, 等. 多策略调和的布谷鸟搜索算法[J]. 计算机工程, 48（8）: 85-97. PENG Hu, LI Yuanhan, DENG Changshou, et al. Multiple strategies to reconcile the cuckoo search algorithm [J]. Computer Engineering, 48（8）: 85-97.
[17] 吴 慧, 张 品. 基于CS算法的LEACH极值双簇首分簇方法[J]. 传感器与微系统, 2021, 40(12): 141−144. WU HUI, ZHANG Pin. LEACH Extremum Double cluster head clustering method based on CS algorithm [J]. Transducer and Microsystem Technologies, 201, 40(12): 141−144.
[18] 单 良,查婷婷,孔 明,等. 韦伯分布布谷鸟搜索算法颗粒粒径分布反演[J]. 光学学报,2022,42(2):250−259. SHAN Liang,CHA Tingting,KONG Ming,et al. Inversion of Particle Size distribution by Weber distribution Cuckoo search algorithm[J]. Acta Optica Sinica,2022,42(2):250−259.
[19] JIA Maoshen,SUN Jundai,BAO Changchun. Real-time multiple sound source localization andcounting using a soundfield microphone[J]. Journal of Ambient Intelligence and Humanized Computing,2017,8(6):829−844. doi: 10.1007/s12652-016-0388-x
[20] PAVLIDI D,Anthony GRIFFIN A,PUIGT M. Real-Time multiple sound source localizationand counting using a circular microphone array[J]. IEEE Transactions on Audio, Speech, and Language Processing,2013,21(10):2193−2206.
-
期刊类型引用(1)
1. 韩文彬，张迪，郑义，刘东洋. 煤层裂隙粗糙度与瓦斯开采效率耦合数值模型. 煤矿安全. 2024(08): 51-61 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 98
- HTML全文浏览量: 9
- PDF下载量: 88
- 被引次数: 1
