胡伟伟

(霍州煤电集团有限责任公司 霍宝干河煤矿，山西 洪洞 041600)

随着科技的发展，矿井的开采深度以及范围较之前都有了很大的延伸，随之带来更多的开采安全问题，其中矿井通风最为显著。霍宝干河煤矿位于山西省临汾市洪洞县赵城镇，地形较为复杂，矿井主要开拓方式为立井开拓，年生产能力为180万t，为山西焦煤集团的重要矿井之一。该煤矿目前存在的通风问题主要有：矿井开采深度较大，通风阻力较大，存在漏风情况，系统参数异常频发；主风机超负荷运行，故障频发；多煤层共同开采，通风网络较为复杂，管理困难、维护困难。因此，通常无法及时获取系统的异常情况，系统得不到及时维护，导致系统失效，从而引发事故，威胁矿井生产安全。

为了能够及时获取系统信息，对系统异常进行自动诊断，选取诊断标准，确定诊断指标，通过视觉仿真系统建立系统异常样本库，后对异常进行分析，得出异常原因，最终实现异常的识别与诊断。

1 构建矿井通风系统异常样本库

1.1 通风系统异常诊断指标体系

通常来讲，通风系统异常诊断体系的完善度，会直接影响系统的诊断可靠性，因此在构建通风系统的异常诊断功能时，需要先进行异常体系的构建。而在构建异常诊断体系之前，应该先定义通风系统指标，包括：

1)通风动力。矿井通风的动力是各个通风机，当风机发生故障时，会直接影响矿井的通风系统。而目前存在风机断电停风、风机老化导致风量不足、风机负压较大运行不稳定等问题。

2)通风网络。井下巷道错综复杂，因此形成了复杂的通风网络，随着工作面不断前进，通风网也在不断变化。目前表现的主要问题：阻力过大导致井下部分位置无风，瓦斯浓度大；由于地理因素，导致通风航道的部分位置阻力加大，影响风量，威胁安全。

3)通风设施。由于井下巷道错综复杂，通风风流无法实现自动调节，因此采用通风设施用于井下风向风量的调节和控制。常出现的失效模式是由于巷道风阻改变，从而导致漏风量增加。

确定与通风动力、通风网络、通风设施此3项准则相关的8项指标：风量、风压、喘振、总阻力、巷道风速、用风地点风量、巷道摩擦阻力系数和通风设施两端压差。建立的通风系统异常诊断指标体系，见图1.

图1 矿井通风系统异常诊断指标体系图

1.2 利用层次分析法确定评价指标权重

在基于通风物理组成的异常诊断评价指标体系中，由于异常诊断指标体系的指标相对较少，直接对所有三级指标进行统一打分，并建立相应矩阵。通过专家打分，构建相应的判断矩阵，并进行权重计算，具体结果见表1.

表1 矿井通风系统异常诊断指标判断矩阵表

通过层次分析法对各指标进行计算，最后可以得出按照指标分类的矿井通风系统异常诊断指标权重，见表2.

表2 矿井通风系统异常诊断指标权重表

1.3 建立通风系统异常样本库

霍宝干河煤矿目前通过运用通风在线监测监控系统已基本实现井下各巷道风速风量的在线监测，但是只能获取风量的大小却无法获取导致风量出现异常的因素。所以现利用矿井通风可视化仿真软件VSE，以霍宝煤矿为实验矿井，构建现状仿真模型，分别对所有会出现的异常情况进行模拟，制作大量异常样本，构建异常样本数据库，实现系统异常原因的识别与匹配，诊断由通风在线监测系统提示的系统异常，分析原因以及影响范围。建立异常样本库时，首先将霍宝干河煤矿的矿井巷道数据以CAD图像的形式导入仿真软件中，录入后，生成煤矿通风系统图,见图2.导入图像到仿真软件后，应对其进行重要参数的设置，包括：在软件的菜单栏中通过输入实际的参数，添加绘制构筑物以及风机；通过查询采掘平面图并手动输入巷道节点以及拐点的标高，准确测算通风阻力；手动输入系统的通风阻力参数。

图2 煤矿通风系统图

为了保证仿真准确度，视觉VSE使用风压闭合差和解算误差作为参考标准。在该标准下，仿真系统解算一次，参数便会重生成一次。用来表征模拟效果真实度的参数闭合差每次运算过后都会以弹窗的形式进行显示，且数值越小效果越好，通过弹窗数值直观地展现仿真的准确度。随后将前期收集的矿井参数以及处理数据导入模拟系统，在矿井现实状态的基础上，模拟有可能出现的异常，获取相应的异常数据，为精准诊断提供数据支持。

2 矿井通风系统异常诊断分析

由于通风系统的工作环境复杂，工作参数随机，导致其系统稳定性较差，在自身以及外部环境的作用下容易造成系统异常情况产生。现以在线监控监测系统采集的实际数据为基础，通过树状图的方法，对异常原因进行分析，以实现系统的异常诊断功能。在分析过程中，从可能出现的异常问题出发，结合系统出现故障的部位以及容易发生问题的地点，综合分析研究异常出现的原因。

经过研究发现，导致系统出现异常的原因可以总结为5类，且每个异常原因的程度以及范围等都存在差异。系统异常故障分析图见图3.

图3 系统异常故障分析图

通过数据分析得出，通风系统的5类异常，发生概率较大的3大地点主要是：1)通风构筑物的巷道。由于风机等设备出现异常，导致风阻减小，出现风量异常。2)主要通风巷道。将通风网络中主要的通风巷道作为优先一级的诊断位置。3)通风巷道交接位置。由于位于通风巷道的拐点位置，其风量易受来自两侧巷道的影响，当两侧风向一致时，阻力增大会导致拐点分支风量减小，而当两侧风向相反时，风阻增加，拐点分支风量反会增加，加大系统风量的不稳定，属于薄弱环节。

图3中，当系统出现异常时，除了需要定位异常，更重要的是识别异常的原因，关于异常原因的识别难易程度是不相同的，有的可以从数据进行推理，而有的却需要进行更细致地分析。作为系统心脏的风机异常，其风压和风量均会受到影响，其异常是可以通过监测传感器识别，容易进行判断；网络以及设备异常时，难以准确识别，原因在于井下巷道之间相互交错，无法确定异常源，因此需要在设备以及通风网络进出口位置中均匀布置数台风速风量传感器，通过计算巷道差值，分析异常源所在；自然风压等导致的异常属于不可控的因素，且可以靠自身调节恢复，不进行赘述。

3 结 语

通过现有的监测监控系统对井下通风数据进行采集，确定通风系统异常诊断指标体系以及评价指标权重，通过可视化仿真软件VSE获取建立煤矿的异常样本库，结合系统特征，分析得出造成井下通风系统异常的5大类因素，并对系统异常进行诊断。当系统出现异常时，会将异常数据与样本库中的数据进行对比，并将异常执行分类定位，后通过样本库数据分析，确定异常源所在，执行相对应的措施，对异常进行精确定位以及精准的诊断分析，缩短了异常分析解决时间，确保了煤矿的安全生产。