Method Article

מחקר על מודל משולב לעומק לאופטימיזציה מבנית בחיזוי טמפרטורת שריפה ספונטנית בפחם

DOI:

10.3791/69457

⸱

December 19th, 2025

 ,  ,  ,  , 
1School of Emergency Management and Safety Engineering, China University of Mining and Technology (Beijing)

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

כאן, אנו מתארים פרוטוקול לחיזוי טמפרטורת הבעירה הספונטנית של פחם באמצעות מסגרת CNN-LSTM-Attention מותאמת ל-SSA, שמייעלת אוטומטית את מבנה הרשת והפרמטרים, ובכך משפרת את הדיוק, ההתאמה וההכללה בין מערכי נתונים הטרוגניים ותנאי כרייה משתנים.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

כאן, אנו מציעים פרוטוקול לחיזוי טמפרטורת בעירה ספונטנית בפחם, המבוסס על מסגרת של רשתות עצביות קונבולוציונליות (CNN) - זיכרון קצר טווח ארוך (LSTM) - מסגרת קשב (Sparrow Search Algorithm - SSA). פרוטוקול זה מתמודד עם מגבלות של ארכיטקטורות רשת קבועות, הכללות מוגבלות, ויכולת העברה ירודה הנפוצה בשיטות קונבנציונליות. המסגרת מחלקת תכונות מרחביות באמצעות CNN ולוכדת תלות זמנית ברשתות LSTM, בעוד שמנגנון הקשב מדגיש שלבי טמפרטורה קריטיים ותכונות בולטות. ה-SSA מייעל במשותף עומק רשת והיפרפרמטרים, ומאפשר התאמה דינמית למורכבויות נתונים משתנות בין אתרי כרייה שונים ותנאי ניסוי. הפרוטוקול כולל רכישת נתונים, עיבוד מוקדם של תכונות, בניית מודל, אופטימיזציה של פרמטרים ושלבים של אימות. תוצאות ניסוי מראות שהמודל המוצע משיג דיוק חיזוי גבוה משמעותית על מערכי נתונים הומוגניים ושומר על ביצועי הכללה חזקים בין מערכי נתונים הטרוגניים, מה שהופך אותו למתאים מאוד למערכות ניטור טמפרטורת מכרות פחם בזמן אמת ומערכות התרעה מוקדמת.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

הפחם עדיין ממלא תפקיד דומיננטי במבנה האנרגיה של סין. עם זאת, במהלך האחסון, ההובלה והכרייה יכולה להתרחש חימום ספונטני, מה שמוביל לבעירה ספונטנית. לעיתים קרובות זה גורם לשריפות במכרות, המסכן באופן חמור את בטיחות המכרה ואת חיי העובדים 1,2,3,4. לכן, חיזוי מדויק של סיכוני שריפות במכרות הפחם והשינויים בטמפרטורה הם חיוניים לאזהרה מוקדמת ולהפחתת אסונות. שיטות החיזוי לטמפרטורת בעירה ספונטנית בפחם התפתחו מנוסחאות אמפיריות מוקדמות לגישות ניתוח המבוססות על נתוני ניטור בפועל 5,6,7

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. איסוף נתוני שריפה ספונטנית בפחם

  1. הרכיבו את מערכת החמצון המתוכנתת על חימום פחם מסוג אוויר, כולל מערכת אספקת הגז, יחידת בקרת טמפרטורה ומכשירי ניתוח גז. ודא שכל החיבורים מאובטחים, הגדרות בקרת טמפרטורה מדויקות, וכרומטוגרף הגז ומכשירים אנליטיים אחרים מכוילים במלואם.
  2. שקלו 1000 גרם של דגימת פחם מעורבבת (שמרו על צורת הגוש המקורית), הומוגנו היטב את הדגימה בשיטת הרבע, והניחו את בלוקי הפחם באופן שווה בתוך תא החימום. שמרו על עובי אחיד ופיזור אחיד כדי להבטיח חימום אחיד.
  3. הפעל את משאבת האוויר וכיוון את קצב הזרימה באמצעות מד הזרימה כדי לשמור על זרימת גז יציבה של 100 מ"ל לדקה לתא החימום. ודא את יציבות הזרימה בטווח של ....

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

יציבות המודל אומתה באמצעות ארבעה מערכי נתונים עצמאיים, שהראו ביצועים חיזויים עקביים בתנאים גאולוגיים שונים. חלק זה מציג תוצאות מייצגות והערכות ביצועים של ניסויי הבעירה הספונטנית בפחם ושל מודל SSA-CNN-LSTM-Attention המוצע. ראשית, השינויים במספר מדדי גז שנאספו במהלך ניסויי חמצון החימום המתוכנתים מנותחים כדי לחשוף את הדפוסים הדינמיים של ריכוזי הגז בשלבי טמפרטורה שונים. התוצאות מאורגנות לארבעה חלקים: (1) ניסויי אבלציה, המשמשים להערכת תרומות רכיבי CNN, LSTM, A.......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

השתמש בבלוקים של פחם שלמים; בצע ניקוי משטחים בלבד לאחר הדגימה ואטום כפול מיד כדי למנוע חשיפה ממושכת. שמור על צינור הגז אטום לדליפות עם בקרת זרימה קבועה (MFC), בצע את החימום המתוכנת בדיוק כפי שמוגדר בפרוטוקול, וכייל את ה-GC לפי תקנים מוסמכים (GET). לרכוש אותות טמפרטורה וגז בפרקי זמן קבועים ולסנכרן חותמות זמן (ראו פרוטוקול). מבחינה חישובית, לתקן ולרשום את הסביבה (מערכת הפעלה, פייתון, מסגרת למידה עמוקה, CUDA וכו'), להגדיר זרעים אקראיים ואפשרויות דטרמיניסטיות, ולנעול תלותיות. השתמש בחלוקה שכ.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

למחברים אין מה לחשוף.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

עבודה זו נתמכה על ידי הקרן הלאומית למדעי הטבע של סין (מענק מס' 52274206) לפרויקט על הפרעות דינמיות ומאפייני זחילה גזירה של סלע קשה עמוק והתנהגות קריטית לפי חוקי ההספק, ועל קרן הנוער של הקרן הלאומית למדעי הטבע של סין (מענק מס' 51904144) למחקר על השפעות דיפוזיה במהלך נדידת גזי תפר פחם.

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
שסתום דגימת גז עם 6 יציאות, 2 מצבים עם מפעיל אוניברסליVICI ValcoEUDA-2C6UWTחיבורים בגודל 1/16 אינץ'; פתחים בקוטר 0.75 מ"מ; RS-232; עימות 2 אינץ'
סירת דגימות אלומינהתאגיד MTIEQ-CA-L50W40H20>99.5% Al2O3; 50& 40&00; 20 מ"מ
תוכנת כרומטוגרפיהאג'ילנט טכנולוגיותOpenLab CDSרכישת/עיבוד נתונים
דגימות פחם (נאספו בשדה)איסוף פנימי/בשטחלא זמיןהמקור המפורט ב-Methods
CUDA / cuDNNNVIDIAhttps://developer.nvidia.com/cuda-zoneCUDA 11.x; התאמת cuDNN
מיינפריים של DAQKeysightDAQ970ADMM בן 6½; USB/LAN
דסיקנט (מציין אותו)ו.א. המונד דרירייט23001סולפט סידן; 8 רשתות; 1 פאונד
משאבת אוויר דיאפרגמהKNFhttps://www.knf.comאספקת אוויר רציפה; זרימה מתכווננת
מעיל מעבדה FRחומהKEL2 (סדרה)תואם ל-NFPA 2112
כרומטוגרף גזאג'ילנט טכנולוגיותG3540A (מערכת 8890 GC)מערכת GC; EPC; עד 2 פתחים / 4 גלאים
כפפות עמידות לחוםאנסל43-113לסירוגין עד ~350 ו-deg; C
אוויר טהור גבוהאייר ליקוויד / איירגזhttps://www.airgas.com/solutions/specialty-gases/pure-gases/alphagaz≥ טוהר 99.99%
IDEJetBrains / מיקרוסופטhttps://www.jetbrains.com/pycharm/ ; https://code.visualstudio.com/downloadPyCharm / קוד VS
מסננים בקוסוואגלוקhttps://www.swagelok.com/downloads/webcatalogs/en/ms-01-92.pdfאלמנטים SS מסנטרים 0.5– 15 ומיקרו; m
תרמוקופלים מסוג Kאומגהhttps://www.omega.comסוג K (NiCr– NiSi)
בקר זרימת מסה (0– 200 sccm)אליקאט סיינטיפיקMC-200SCCM-Dסדרת MC; &ועוד; (0.8% rdg + 0.2% FS)
גזי כיול מרובי רכיביםמסרhttps://specialtygases.messergroup.com/standard-gas-mixturesריכוז מותאם אישית; תעודה
מערכת הפעלהמיקרוסופטhttps://www.microsoft.com/en-us/software-download/windows11Windows 11
מערכת הפעלהקנוניhttps://ubuntu.com/download/desktopאובונטו LTS (22.04/24.04)
צינורות PTFE/PFAסוואגלוקhttps://products.swagelok.com/en/all-products/hoses-flexible-tubing/ptfe-pfa-core-hose/c/716?clp=trueעמיד לכימיה; 16/1 ו-ndash; רבע ב-OD
פייתוןקרן התוכנה של פייתוןhttps://www.python.org/downloads/גרסה 3.8
סירת דגימה של קוורץתאגיד MTIEQ-QB-1017 (גודל לדוגמה)~1200 ° טמפרטורת עבודה C
משקפי בטיחות3M93506P1-DC (דוגמה)התזת כימיקלים; אפשרויות נגד ערפל
צינור פלדה ללא תפרסוואגלוקhttps://www.swagelok.com/downloads/webcatalogs/en/ms-01-181.pdf316/316L; 16/1 ו-ndash; רבע ב-OD
חיבורי צינורות וצינורות מפלדת אל-חד פרוליםסוואגלוקhttps://products.swagelok.com/en/all-products/fittings/tube-fittings-adapters/c/154?clp=true316/316L; פרול כפול
בקר טמפרטורהיורותרם3216PID חד-מעגלי; רמפות/אזעקות מתוכנתות
TensorFlowגוגלhttps://www.tensorflow.orgגרסה 2.6
מודול תרמוקפל USBNI (הכלים הלאומיים)781314-01 (USB-TC01)K/J/T; תוכנת רישום
מד זרימה בשטח משתנה (Visi-Float)דווייר אינסטרומנטסVFA-2-EC-SS (0.2– 2 SCFH Air)טווח זרימה נמוכה; קריאה ישירה
כרטיס מסך תחנת עבודהNVIDIA900-1G136-2530-000 (מהדורת המייסדים)GeForce RTX 4090, 24GB GDDR6X (FE)

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Zhang, J., Zhou, X., Su, J., Xiao, Y. An interpretable machine learning model for optimization of prediction index gases in coal spontaneous combustion. Alexandria Eng J. 122, 268-278 (2025).
  2. Wang, K., Huang, H., Deng, J., Zhang, Y., Wang, Q.

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Coal Spontaneous CombustionTemperature PredictionConvolutional Neural NetworksLong Short Term MemoryAttention MechanismSparrow Search AlgorithmModel OptimizationFeature PreprocessingReal Time MonitoringEarly Warning Systems

Related Articles