CN113609630B - 一种全矿井自适应的一三维耦合通风网络解算方法 - Google Patents

一种全矿井自适应的一三维耦合通风网络解算方法 Download PDF

Info

Publication number
CN113609630B
CN113609630B CN202110916634.1A CN202110916634A CN113609630B CN 113609630 B CN113609630 B CN 113609630B CN 202110916634 A CN202110916634 A CN 202110916634A CN 113609630 B CN113609630 B CN 113609630B
Authority
CN
China
Prior art keywords
dimensional
roadway
model
ventilation
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110916634.1A
Other languages
English (en)
Other versions
CN113609630A (zh
Inventor
刘晖
毛善君
王双勇
李梅
谭政
吕平洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peking University
Beijing Longruan Technologies Inc
Original Assignee
Peking University
Beijing Longruan Technologies Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Peking University, Beijing Longruan Technologies Inc filed Critical Peking University
Priority to CN202110916634.1A priority Critical patent/CN113609630B/zh
Publication of CN113609630A publication Critical patent/CN113609630A/zh
Application granted granted Critical
Publication of CN113609630B publication Critical patent/CN113609630B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Abstract

本发明提出一种全矿井自适应的一三维耦合通风网络解算方法，通过一三维耦合方式将日常通风与灾变时期的通风网络解算有机结合，按需且自适应的完成重要用风区域三维时空过程精细化模拟，充分发挥了一维计算速度快和三维时空过程模型计算精准的优势。其中，一维解算基于特征线算法完成；三维时空过程模拟基于格子玻尔兹曼模型完成；最后基于一致性准则进行一三维边界处的数据实时交换，从而完成全矿井一三维自适应耦合。构建面向通风时空过程求解的深度神经网络求解器，进一步提高了解算效率。该方法相比传统通风网络解算模型具有计算更精准高效，对通风网络运行状态还原度更高的优势，且具有良好的可扩展性，高度契合了智能通风的建设需求。

Description

一种全矿井自适应的一三维耦合通风网络解算方法
技术领域
本申请实施例涉及矿山通风领域，具体而言，涉及一种全矿井自适应的一三维耦合通风网络解算方法。
背景技术
随着国民经济的飞速发展，国家对煤炭资源的开采已经从对“量”的追求转变为了对“质”的追求。随着煤炭资源的开发利用，其开采逐渐向深部延伸，煤层逐渐进入瓦斯带，煤炭资源赋存及地质条件等变得更加复杂、地热及瓦斯压力等问题更加突出，使得矿井灾害的防治难度更大。同时，互联网、大数据、时空智能等高新技术为我国煤矿行业的智能化升级带来了前所未有的发展机遇。因此，在新时代背景下，进行矿山智能化建设并进一步提高矿山安全生产保障水平势在必行。
矿井通风系统作为保障煤矿井下安全生产的重要基础，对其进行智能化升级是我国矿山智能化和“互联网+安全生产”双重驱动下亟待解决的问题，同时也是进一步提高矿山安全保障水平的有力措施。智能化通风要求安全、稳定、经济地实现井下按需供风，以“平战结合”的理念实现灾变状态下的智能决策和应急调控，满足日常通风自动化管理与维护以及灾变时期的应急控风和灾情抑制，要求救灾时能够智能调控风流，将信息采集处理与智能控制深度融合。其核心问题是基于日常通风与灾变通风一体化结合的智能化按需通风。然而，传统的全矿井通风网络解算模型本质是基于图论的一维解算，未考虑三维巷道真实形态及风流的三维时空特性，无法在全矿井日常通风网络解算的同时实现灾害的时空过程精细化模拟，因此，难以满足智能通风“平战结合”理念及精准通风的需求，严重阻碍了矿井通风智能化建设的发展。
发明内容
本申请实施例在于提供一种全矿井自适应的一三维耦合通风网络解算方法，旨在解决全矿井通风网络解算模型在日常通风网络解算的同时无法实现灾害的时空过程精细化模拟的问题。
本申请实施例第一方面提供一种全矿井自适应的一三维耦合通风网络解算方法，包括：
获取矿井通风基础参数；
根据获取的矿井通风基础参数，建立巷道网络的三维几何模型，并构建基于矢量的面向对象数据模型来管理巷道网络三维几何模型，其中，巷道网络三维几何模型包括了构成巷道的点、线、面、体四大类几何要素，任意一种几何元素之间通过空间拓扑关系相互关联；
实时获取监测监控数据，对预设巷道进行三维精细化模拟，将非预设巷道简化为一维解算的巷道；
构建一维通风网络解算模型和三维时空过程数值模拟模型；
基于边界数据一致性实时交换准则，分别将一维通风网络解算模型和三维时空过程数值模拟模型进行有机耦合，形成一三维耦合通风网络解算模型，一三维耦合通风网络解算模型用于实现预设巷道或灾害事故的三维时空过程模拟，并进行全矿井通风网络解算。
可选地，方法还包括：
构建面向三维时空过程数值模拟模型的深度神经网络求解器，深度神经网络求解器包括卷积长短期记忆网络组建的编码网络和以残差神经网络组建的解码网络；
深度神经网络求解器通过输入时空维度的风流流场信息，预测跨越多个迭代步骤后的流场时空分布结果。
可选地，基于边界数据一致性实时交换准则，分别将一维通风网络解算模型和三维时空过程数值模拟模型进行有机耦合，包括：
在全矿井通风网络解算的数值迭代过程中，进行一维解算的巷道与进行三维时空过程模拟的巷道之间要进行实时的数据交换与传递；
在一维与三维的边界处，根据通风网络有向图的拓扑结构与风流方向信息，获得巷道节点的入度和出度分支，入度分支的出口速度条件作为出度分支的入口速度条件，在每一步迭代过程中，完成风速和风压的实时更新；
其中，当风速传递方向是一维到三维，则一维风速值直接作为三维巷道的入口风速条件；当风速传递方向是三维到一维，则计算三维巷道出口处的平均风速值作为一维解算巷道的入口风速条件。
可选地，全矿井通风网络解算的步骤包括：
S1：给定巷道网格划分数，总迭代步数以及迭代时间步长，获得初始化的风速矩阵和压力矩阵；
S2：对于具有多条关联巷道的结点，根据风压守恒定律，计算得出结点处的风压和风速；
S3：遍历每条巷道，对预设巷道进行三维迭代；对非预设巷道进行一维迭代；基于上一时刻相邻格点的值更新当前时刻巷道内部当前格点的风压和风速；
S4：遍历每个结点，对每个结点遍历其关联巷道分支，计算出每个结点入度分支和出度分支的风压和风速，对预设巷道，以相邻巷道末端的风速和风压更新巷道入口的风速及风压，对非预设巷道，分别更新巷道两端始末格点处的风速和风压；
S5：重复步骤S3～S4，直到满足迭代终止条件，将计算结果通过数据模型组织并存储。
可选地，数据模型为通风一体化时空数据模型，通风一体化时空数据模型是在构建巷道网络三维几何模型与巷道空间拓扑关系的基础上，建立其与一三维耦合通风时空过程模拟场数据与空间属性数据之间的动态映射关系；
其中，一三维耦合通风时空过程模拟场数据包括巷道三维时空模拟的物理量连续场数据和巷道一维通风时空过程模拟数据；巷道三维时空模拟的物理量连续场数据采用序列快照模型管理，巷道一维通风时空过程模拟数据以巷道中心线数据存储；同时采用基态修正模型对全局矿井通风网络时空数据进行管理。
可选地，一维通风网络解算模型为基于一维特征线算法的计算流体动力学模型；三维时空过程数值模拟模型为三维格子玻尔兹曼模型。
可选地，基于一维特征线算法的计算流体动力学模型的解算方法包括：
沿着巷道轴线方向对所述巷道进行分段；
对巷道内的瞬态风流建立偏微分基本控制方程，将偏微分基本控制方程沿着特征线方向转换为全微分方程，利用差商代替微商，将全微分方程表示成为有限差分的形式；
初始化迭代时间间隔，预设通风网络解算的初始条件和物理边界条件；采用差分方法计算巷道任一时刻任一断面处的宏观物理参数。
可选地，三维格子玻尔兹曼模型的解算方法包括：
构建三维巷道网络的几何模型，对巷道进行空间三维网格离散化；
建立格点上粒子碰撞迁移过程所服从的格子玻尔兹曼方程；
在方程中代入离散速度方向和模型权重系数，基于离散分布函数的零阶矩及一阶矩计算出宏观物理参数。
有益效果：
本申请提供的全矿井自适应的一三维耦合通风网络解算方法，通过一三维耦合模型将通风平常状态与战时状态有机结合，不仅能够对日常通风状态进行实时快速解算，还能够根据灾变情况下的需求对灾害发生区域进行自适应的三维时空过程精细化模拟，使其不与全矿井通风割裂，完成全矿井灾变时期的一三维一体化模拟解算。
其次，一三维耦合通风网络解算模型打破了传统通风网络解算模型只能进行一维解算的不足，并弥补了三维模型对具有复杂边界条件的几何模型计算效率低下的瓶颈问题，该方法能够充分发挥一维计算速度快和三维时空过程模型计算精准的优势，以一三维耦合边界数据实时交换的方式自适应完成全矿井通风网络解算。
最后，一三维耦合通风网络解算模型具有良好的可扩展性，不仅能够满足通风日常状态与灾变战时状态的自适应有机结合，还能够对进行三维时空过程模拟的巷道进行多灾种模拟，如可以添加风流-瓦斯多组分输运模型以模拟瓦斯涌出扩散等情况，添加风流-粉尘多相流模型以模拟粉尘扩散等情况，还可以添加瓦斯爆炸等灾害并将其与全矿井风网解算进行有机的一体化耦合。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提出的一三维耦合通风网络解算方法的总体架构图；
图2是本申请一实施例提出的某矿山全矿井巷道网络示意图；
图3是本申请一实施例提出的基于一维特征线算法的计算流体动力学模型的网格划分示意图；
图4是本申请一实施例提出的三维格子玻尔兹曼模型的网格划分示意图；
图5是本申请一实施例提出的多条巷道关联示意图；
图6是本申请一实施例提出的一三维耦合边界一致性数据实时交换示意图；
图7是本申请一实施例提出的通风网络一体化时空数据模型的示意图；
图8是本申请一实施例提出的通风网络一体化时空数据模型中的全矿巷道基态修正模型示意图；
图9是本申请一实施例提出的通风网络一体化时空数据模型中的局部巷道的序列快照模型示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
相关技术中，传统的全矿井通风网络解算模型本质是基于图论的一维解算，未考虑三维巷道真实形态及风流的三维时空特性，无法在全矿井日常通风网络解算的同时实现灾害的时空过程精细化模拟，因此，难以满足智能通风“平战结合”理念及精准通风的需求，严重阻碍了矿井通风智能化建设的发展。
有鉴于此，本申请提供的全矿井自适应的一三维耦合通风网络解算方法，通过一三维耦合模型将通风平常状态与战时状态有机结合，一三维耦合通风网络解算模型打破了传统通风网络解算模型只能进行一维解算的不足，并弥补了三维模型对具有复杂边界条件的几何模型计算效率低下的瓶颈问题，该方法能够充分发挥一维计算速度快和三维时空过程模型计算精准的优势，以一三维耦合边界数据实时交换的方式自适应完成全矿井通风网络解算。一三维耦合通风网络解算模型具有良好的可扩展性，不仅能够满足通风日常状态与灾变战时状态的自适应有机结合，还能够对进行三维时空过程模拟的巷道进行多灾种模拟，如可以添加风流-瓦斯多组分输运模型以模拟瓦斯涌出扩散等情况，添加风流-粉尘多相流模型以模拟粉尘扩散等情况，还可以添加瓦斯爆炸等灾害并将其与全矿井风网解算进行有机的一体化耦合。
实施例一
参照图1，示出了本申请一三维耦合通风网络解算方法的总体架构图，如图1所示，本申请实施例一提供一种全矿井自适应的一三维耦合通风网络解算方法，包括：
获取矿井通风基础参数；通风基础参数至少包括：通风网络系统图、网络拓扑结构、通风阻力等现场测量通风基础参数。
根据获取的矿井通风基础参数，建立巷道网络的三维几何模型，并构建基于矢量的面向对象数据模型来管理巷道网络三维几何模型，其中，巷道网络三维几何模型包括了构成巷道的点、线、面、体四大类几何要素，任意一种几何元素之间通过空间拓扑关系相互关联；
实时获取监测监控数据，对预设巷道进行三维精细化模拟，将非预设巷道简化为一维解算的巷道；监测监控数据至少包括：风速、瓦斯浓度及粉尘浓度；参照图2，示出了本申请某矿山全矿井巷道网络示意图，如图2所示，预设巷道可以根据实际需求进行设定，如掘进巷、工作面等容易发生风流扰动、瓦斯涌出或矿井灾害的巷道；非预设巷道可以是运输大巷等风流稳定的区域。
构建一维通风网络解算模型和三维时空过程数值模拟模型；
基于边界数据一致性实时交换准则，分别将一维通风网络解算模型和三维时空过程数值模拟模型进行有机耦合，形成一三维耦合通风网络解算模型，一三维耦合通风网络解算模型用于实现预设巷道或灾害事故的三维时空过程模拟，并进行全矿井通风网络解算。对于灾害事故的三维时空过程模拟可以在一三维耦合通风网络解算模型中按需添加风流-瓦斯多组分输运模型以模拟瓦斯涌出扩散等情况，添加风流-粉尘多相流模型以模拟粉尘扩散等情况，还可以添加瓦斯爆炸等灾害并将其与全矿井风网解算进行有机的一体化耦合，即可完成对多种灾害事故的三维时空过程模拟并进行解算。
本申请提供的全矿井自适应的一三维耦合通风网络解算方法，通过一三维耦合模型将通风平常状态与战时状态有机结合，不仅能够对日常通风状态进行实时快速解算，还能够根据灾变情况下的需求对灾害发生区域进行自适应的三维时空过程精细化模拟，使其不与全矿井通风割裂，完成全矿井灾变时期的一三维一体化模拟解算。
其次，一三维耦合通风网络解算模型打破了传统通风网络解算模型只能进行一维解算的不足，并弥补了三维模型对具有复杂边界条件的几何模型计算效率低下的瓶颈问题，该方法能够充分发挥一维计算速度快和三维时空过程模型计算精准的优势，以一三维耦合边界数据实时交换的方式自适应完成全矿井通风网络解算。
最后，一三维耦合通风网络解算模型具有良好的可扩展性，不仅能够满足通风日常状态与灾变战时状态的自适应有机结合，还能够对进行三维时空过程模拟的巷道进行多灾种模拟，如可以添加风流-瓦斯多组分输运模型以模拟瓦斯涌出扩散等情况，添加风流-粉尘多相流模型以模拟粉尘扩散等情况，还可以添加瓦斯爆炸等灾害并将其与全矿井风网解算进行有机的一体化耦合。
在另一种实施方式中，如图1所示，一三维耦合通风网络解算方法还包括：
构建面向三维时空过程数值模拟模型的深度神经网络求解器，深度神经网络求解器包括卷积长短期记忆网络组建的编码网络和以残差神经网络组建的解码网络；
深度神经网络求解器通过输入时空维度的风流流场信息，预测跨越多个迭代步骤后的流场时空分布结果。
通过构建面向通风时空过程的深度神经网络求解器，首次将深度学习方法引入到通风时空过程的求解中，以深度神经网络求解器替换模型中原有的多个数值计算迭代过程，能够达到减少迭代次数的目的。该求解算法能够进一步提高三维时空过程模拟的求解效率，为智能通风实时快速精准解算提供了新的思路和理论基础。
在本实施方式中，基于边界数据一致性实时交换准则，分别将一维通风网络解算模型和三维时空过程数值模拟模型进行有机耦合，包括：
在全矿井通风网络解算的数值迭代过程中，进行一维解算的巷道与进行三维时空过程模拟的巷道之间要进行实时的数据交换与传递；
在一维与三维的边界处，根据通风网络有向图的拓扑结构与风流方向信息，获得巷道节点的入度和出度分支，入度分支的出口速度条件作为出度分支的入口速度条件，在每一步迭代过程中，完成风速和风压的实时更新；
其中，当风速传递方向是一维到三维，则一维风速值直接作为三维巷道的入口风速条件；当风速传递方向是三维到一维，则计算三维巷道出口处的平均风速值作为一维解算巷道的入口风速条件。
具体地，全矿井通风网络解算的步骤包括：
S1：给定巷道网格划分数、总迭代步数和迭代时间步长，获得初始化的风速矩阵和压力矩阵；其中，矩阵行列数分别代表时间步数和巷道沿轴线网格划分数。
S2：参照图5，示出了本申请多条巷道关联示意图，如图5所示，对于具有多条关联巷道的结点，根据风压守恒定律，计算得出结点处的风压和风速；例如：如图5所示，对于具有4条关联巷道的结点而言，需要列结点守恒方程，参照图3，示出了本申请基于一维特征线算法的计算流体动力学模型的网格划分示意图，如图3所示，对于具有多条关联巷道的结点，由特征线法得到P点在结点处的风压、风速物理量的值。
S3：遍历每条巷道，对预设巷道进行三维迭代；对非预设巷道进行一维迭代；基于上一时刻相邻格点的值更新当前时刻巷道内部当前格点的风压和风速。
参照图6，示出了本申请一三维耦合边界一致性数据实时交换示意图，如图6所示，对于具有多条关联巷道的结点，对于一条长度为L的巷道，假设风流稳态区域的长度为L1，对该部分巷道沿x轴的方向对巷道断面进行切分，假设得到m段长度为δx的巷道段，时间步长为n，那么就可以将风速数据保存在m×n阶矩阵中；对于内部存在障碍物或者存在瓦斯突然大量涌出等扰动情况发生的巷道，假设其长度为L2，对该部分进行三维模拟，也即将巷道沿着x，y，z三个方向划分成长度分别为Δx，Δy，Δz的立方体网格，那么每一个时间步就对应一个巷道截面的风速网格矩阵。不同巷道之间的关联结点处遵循风压守恒定律，例如，对图4所示具有4条关联巷道的结点而言，需要列结点守恒方程来保证一三维界面处风速数据的一致性实时传递，由特征线法得到任意P点在结点处的风压PP、风速νP物理量，风压和风速的计算方式如式(1)所示，四条分支在结点处满足数据传递守恒方程式(3)～(4)，也即在每一步数值迭代过程中，由结点处的风压守恒，基于相邻巷道的出口风压或速度计算当前巷道的入口风压或速度，由此可推得相邻巷道入口任何一个未知量的表达式，如KB1如式(5)所示，代入式(1)即可得到任意P点处的风压及风速值
S4：遍历每个结点，对每个结点遍历其关联巷道分支，依据式(1)分别计算出每个结点入度分支和出度分支的风压PP和风速νP，对预设巷道，以相邻巷道末端的风速和风压更新巷道入口的风速及风压，对非预设巷道，分别更新巷道两端始末格点处的风速和风压；
S5：重复步骤S3～S4，直到满足迭代终止条件，将计算结果通过数据模型组织并存储。
Figure BDA0003204612920000101
式(1)中PP与νP分别为P点处的风压和风速，KA和KB为图3中P点两侧A，B点处的中间变量，分别表示为：
Figure BDA0003204612920000102
式(2)由偏微分基本控制方程推导而来，其中P为风流压力，单位Pa；v为风流速度，单位m/s；a为流体音速，单位m/s；ρ为空气密度，单位kg/m3；A为巷道断面面积，单位m2；g为重力加速度，单位m/s2；α为流体微元与水平方向的夹角；λ为达西摩阻系数。
由于所有巷道在结点交界处具有相同的压力，假定图5的四条关联巷道结点为P点，根据式(1)，P点两侧A，B点中间变量在结点处分别满足：
KA1+KB1＝KA2+KB2＝KA3+KB3＝KA4+KB4 (3)
Figure BDA0003204612920000103
由式(3)(4)共同推得任意单一未知数，以KB1为例，得到：
Figure BDA0003204612920000104
由此，在关联巷道结点处，便可由结点入度巷道分支的出口速度或压力等已知量，计算得到任一出度关联巷道的入口速度或压力值。
在其中一种实施例中，数据模型为通风一体化时空数据模型，通风一体化时空数据模型是在构建巷道网络三维几何模型与巷道空间拓扑关系的基础上，建立其与一三维耦合通风时空过程模拟场数据与空间属性数据之间的动态映射关系；
其中，一三维耦合通风时空过程模拟场数据包括巷道三维时空模拟的物理量连续场数据和巷道一维通风时空过程模拟数据；巷道三维时空模拟的物理量连续场数据采用序列快照模型管理，时空过程数值模拟的连续场数据变化规律与序列快照模型高度契合，因此采用序列快照模型管理局部巷道三维时空模拟的物理量连续场数据；巷道一维通风时空过程模拟数据以巷道中心线数据存储，可以简化为矢量数据；基于基态修正模型对矢量及栅格结构时空数据的综合管理能力，采用基态修正模型对全局矿井通风网络时空数据进行管理，以此来避免数据冗余。
通风一体化时空数据模型中的事件序列具有时间序列特性，由于非稳态通风及相关灾害的时空状态是空间特性较强的分布式机理过程，解算得到的连续场数据具有较强的时间空间分布特性，适合以栅格时态序列数据进行存储。因此，通风一体化时空数据模型采用基态图表示原始事件状态，对于局部巷道模型的时空过程模拟，由序列快照模型来表征，也即通风一体化时空数据模型由全局基态修正模型与局部序列快照模型耦合而成，后者包含于前者，全局矢量结构，局部栅格结构，适合诸如“在某一时间段某一地理区域中发生了什么事件”这类问题的查询检索。参照图7，示出了本申请通风网络一体化时空数据模型的示意图，如图7所示，Ti表示时间序列，Mi表示全矿巷道通风网络的事件序列，M0为基态，Ci表示局部巷道时空解算结果的序列快照，全矿巷道通风网络系统采用基态修正模型，其中基态的选择并非固定，可以根据实际需求选择任意状态作为基态，为了与实际习惯相一致，并保证基态对数据操作的高效性，通常选择初始时刻的通风状态作为基态，也即T0时刻所对应的基态图M0，然后根据通风网络系统后期监测或时空过程模拟状态的时空信息对基态进行修正，分别得到全矿基态修正模型M1,M2,…,Mn以及包含于前者的局部序列快照模型C1,C2,…,Cn。
一般的，首先进行通风网络一三维耦合时空过程模拟，根据需求在工作面或掘进巷等重点用风区域采用真三维模拟(如巷道内存在随机扰动或瓦斯涌出、瓦斯突然大量涌出等事故引起风流状态改变)。通风一体化时空数据模型的具体组织与存储方式为：
(1)参照图9，示出了本申请通风网络一体化时空数据模型中的局部巷道的序列快照模型示意图，如图9所示，局部巷道风流的瞬态变化由局部巷道截面风流分布的三维序列快照模型表示，可以按需选择需要的断面，如断面、水平沿轴截面或垂直沿轴截面。
(2)对全矿时空数据模型的修正只需更新与基态相比存在差异的空间信息状态作为修正态，一般来说主要是局部巷道的序列快照，以及相邻巷道风流速度压力等参数随时间变化的状态，参照图8，示出了本申请通风网络一体化时空数据模型中的全矿巷道基态修正模型示意图，如图8所示，巷道f的颜色从t1时刻到t2时刻发生了变化，表示只需要对f巷道的风流信息进行修正。如此便可得到完整的全矿基态修正与局部序列快照模型。
通风一体化时空数据模型可以极大的降低数据冗余，其中通风网络基态保存了全矿井通风网络解算的空间信息，而其余修正态模型只保留了变化部分的通风网络空间信息，提高了记录非稳态风流空间分布变化的时间分辨率。通过风流时空变化修正态与基态的叠加分析，可以快速还原出具体某一时刻的全矿井通风网络风流分布的空间信息。
在本实施例中，一维通风网络解算模型为基于一维特征线算法的计算流体动力学模型；三维时空过程数值模拟模型为三维格子玻尔兹曼模型。
在其中一种实施例中，如图3所示，基于一维特征线算法的计算流体动力学模型的解算方法包括：
沿着巷道轴线方向对所述巷道进行分段；
对巷道内的瞬态风流建立偏微分基本控制方程，偏微分基本控制方程包括气体状态方程、气体连续性方程、气体运动方程，如式子(6)(7)(8)所示；
P＝zρRT (6)
-Mxδx＝(ρAδx)t (7)
Figure BDA0003204612920000121
其中P为绝对压力，单位Pa；z为气体的压缩系数；ρ为空气密度，单位kg/m3；R为气体常数，T为巷道内气体绝对温度，单位K；A为巷道断面面积，Mx为质量流量(单位kg/s)为沿着巷道距离x和时间t的函数；ρAδx为微元体的质量，g为重力加速度，单位m/s2；D为巷道直径；δx为微元体的长度；λ为容量，单位N/m3。
将偏微分控制方程沿着特征线方向转换为全微分方程，此变换过程不需要任何简化，能够保证方程中的任意一项的不变性。
利用差商代替微商，将全微分方程表示成为有限差分的形式。
初始化迭代时间间隔，预设通风网络解算的初始条件和物理边界条件；采用差分方法计算巷道任一时刻任一断面处的宏观物理参数。
该方法具有理论严密性、数值稳定性等优良特征，对瞬态灾变通风网络解算以及复杂边界条件都具有较高的计算效率和求解精度。其不依赖于通风网络图结构，不需要对网络图模型求解最小生成树及余树，只需要对每条巷道单独求解，再在巷道结点处联立控制方程进行求解，能够保证结点处的风量、风压数据的一致性，这些特征为全矿井一三维耦合计算提供了良好的可行性。
在其中另一种实施例中，参照图4，示出了本申请三维格子玻尔兹曼模型的网格划分示意图，如图4所示，三维格子玻尔兹曼模型的解算方法包括：
构建三维巷道网络的几何模型，对巷道进行空间三维网格离散化。
构建基于三维格子玻尔兹曼模型的三维时空过程数值模拟模型，采用D3Q19格子波尔兹曼模型计算风流速度场，D3Q19格子波尔兹曼模型表示具有19个点阵速度的三维格子模型。
假定格点上的粒子运动过程服从格子波尔兹曼方程规律，如式(9)所示；建立格点上粒子碰撞迁移过程所服从的格子玻尔兹曼方程。
fi(x+ai,y+bi,z+ci,δt,t+δt)-fi(x,y,z,t)＝Ωi(f(x,y,z,t)) (9)
如式(11)和式(12)所示，在方程中代入离散速度方向和模型权重系数，如式(13)所示，基于离散分布函数的零阶矩及一阶矩计算出宏观物理参数；宏观物理参数至少包括浓度、温度、速度。
式(9)描述了三维笛卡尔坐标系下的粒子分布函数fi的演变过程。假设Γ为一个自封闭的系统，也即如果x∈Γ则x+ciδi∈Γ，因此粒子运行总是在网格线上沿速度方向进行。其中x∈Γ是格子上的格点位置，{ai,bi,ci:i＝0,1,2,...,b}是格子上参与动态演化过程的粒子的离散速度，在本例中每一个粒子具有19个离散速度方向，δt为计算中的离散化时间步长，t为当前时刻。如式(10)所示，Ωi(f(x,y,z,t))表示离散碰撞算子，采用Bhatnagar-Gross-Krook(BGK)碰撞算子来刻画其碰撞过程，其中τ为松弛因子(与流体黏度有关)，fi eq是风流速度的平衡态分布函数。
Figure BDA0003204612920000142
Figure BDA0003204612920000143
Figure BDA0003204612920000144
Figure BDA0003204612920000145
该方法作为一类新兴的计算流体动力学模型，相较于传统的计算流体动力学模型方法，其在数值计算过程中不依赖于N-S方程，而是以粒子在空间的迁移与碰撞过程完成时间上的推进，其演化过程清晰使得程序设计易于实现，对具有复杂边界条件的模型具有良好的灵活性与可扩展性；这些特性都为全矿井一三维耦合解算提供了理论与技术实现的可行性。
应当理解地，本申请说明书尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
以上对本申请所提供的一种全矿井自适应的一三维耦合通风网络解算方法，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (7)

1.一种全矿井自适应的一三维耦合通风网络解算方法，其特征在于，
获取矿井通风基础参数；
根据获取的所述矿井通风基础参数，建立巷道网络的三维几何模型，并构建基于矢量的面向对象数据模型来管理所述巷道网络三维几何模型，其中，所述巷道网络三维几何模型包括了构成巷道的点、线、面、体四大类几何要素，任意一种几何元素之间通过空间拓扑关系相互关联；
实时获取监测监控数据，对预设巷道进行三维精细化模拟，将非预设巷道简化为一维解算的巷道；
构建一维通风网络解算模型和三维时空过程数值模拟模型；
构建面向所述三维时空过程数值模拟模型的深度神经网络求解器，所述深度神经网络求解器包括卷积长短期记忆网络组建的编码网络和以残差神经网络组建的解码网络；所述深度神经网络求解器通过输入时空维度的风流流场信息，预测跨越多个迭代步骤后的流场时空分布结果；
基于边界数据一致性实时交换准则，分别将所述一维通风网络解算模型和所述三维时空过程数值模拟模型进行有机耦合，形成一三维耦合通风网络解算模型，所述一三维耦合通风网络解算模型用于实现所述预设巷道或灾害事故的三维时空过程模拟，并进行全矿井通风网络解算。
2.根据权利要求1所述的方法，其特征在于，基于边界数据一致性实时交换准则，分别将所述一维通风网络解算模型和所述三维时空过程数值模拟模型进行有机耦合，包括：
在所述全矿井通风网络解算的数值迭代过程中，进行一维解算的巷道与进行三维时空过程模拟的巷道之间要进行实时的数据交换与传递；
在一维与三维的边界处，根据通风网络有向图的拓扑结构与风流方向信息，获得巷道节点的入度和出度分支，所述入度分支的出口速度条件作为所述出度分支的入口速度条件，在每一步迭代过程中，完成风速和风压的实时更新；
其中，当所述风速传递方向是一维到三维，则一维风速值直接作为三维巷道的入口风速条件；当所述风速传递方向是三维到一维，则计算三维巷道出口处的平均风速值作为一维解算巷道的入口风速条件。
3.根据权利要求1所述的方法，其特征在于，所述全矿井通风网络解算的步骤包括：
S1：给定巷道网格划分数、总迭代步数以及迭代时间步长，获得初始化的风速矩阵和压力矩阵；
S2：对于具有多条关联巷道的结点，根据风压守恒定律，计算得出所述结点处的风压和风速；
S3：遍历每条巷道，对所述预设巷道进行三维迭代；对所述非预设巷道进行一维迭代；基于上一时刻相邻格点的值更新当前时刻巷道内部当前格点的风压和风速；
S4：遍历每个结点，对所述每个结点遍历其关联巷道分支，计算出所述每个结点入度分支和出度分支的风压和风速，对所述预设巷道，以相邻巷道末端的风速和风压更新巷道入口的风速及风压，对所述非预设巷道，分别更新所述巷道两端始末格点处的风速和风压；
S5：重复步骤S3～S4，直到满足迭代终止条件，将计算结果通过数据模型组织并存储。
4.根据权利要求3所述的方法，其特征在于，所述数据模型为通风一体化时空数据模型，所述通风一体化时空数据模型是在构建所述巷道网络三维几何模型与巷道空间拓扑关系的基础上，建立其与一三维耦合通风时空过程模拟场数据与空间属性数据之间的动态映射关系；
其中，所述一三维耦合通风时空过程模拟场数据包括巷道三维时空模拟的物理量连续场数据和巷道一维通风时空过程模拟数据；所述巷道三维时空模拟的物理量连续场数据采用序列快照模型管理，所述巷道一维通风时空过程模拟数据以巷道中心线数据存储；同时采用基态修正模型对全局矿井通风网络时空数据进行管理。
5.根据权利要求1所述的方法，其特征在于，所述一维通风网络解算模型为基于一维特征线算法的计算流体动力学模型；所述三维时空过程数值模拟模型为三维格子玻尔兹曼模型。
6.根据权利要求5所述的方法，其特征在于，所述基于一维特征线算法的计算流体动力学模型的解算方法包括：
沿着巷道轴线方向对所述巷道进行分段；
对所述巷道内的瞬态风流建立偏微分基本控制方程，将所述偏微分基本控制方程沿着特征线方向转换为全微分方程，利用差商代替微商，将所述全微分方程表示成为有限差分的形式；
初始化迭代时间间隔，预设通风网络解算的初始条件和物理边界条件；采用差分方法计算所述巷道任一时刻任一断面处的宏观物理参数。
7.根据权利要求5所述的方法，其特征在于，所述三维格子玻尔兹曼模型的解算方法包括：
构建三维巷道网络的几何模型，对所述巷道进行空间三维网格离散化；
建立格点上粒子碰撞迁移过程所服从的格子玻尔兹曼方程；
在所述方程中代入离散速度方向和模型权重系数，基于离散分布函数的零阶矩及一阶矩计算出宏观物理参数。
CN202110916634.1A 2021-08-10 2021-08-10 一种全矿井自适应的一三维耦合通风网络解算方法 Active CN113609630B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110916634.1A CN113609630B (zh) 2021-08-10 2021-08-10 一种全矿井自适应的一三维耦合通风网络解算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110916634.1A CN113609630B (zh) 2021-08-10 2021-08-10 一种全矿井自适应的一三维耦合通风网络解算方法

Publications (2)

Publication Number Publication Date
CN113609630A CN113609630A (zh) 2021-11-05
CN113609630B true CN113609630B (zh) 2022-04-29

Family

ID=78308093

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110916634.1A Active CN113609630B (zh) 2021-08-10 2021-08-10 一种全矿井自适应的一三维耦合通风网络解算方法

Country Status (1)

Country Link
CN (1) CN113609630B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116663210B (zh) * 2023-05-15 2024-02-02 北京龙软科技股份有限公司 三维巷道空间关系到通风网络解算模型的转换方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503396A (zh) * 2016-11-14 2017-03-15 中国电建集团昆明勘测设计研究院有限公司 基于有限差分法与有限体积法耦合的多维水力系统瞬变模拟方法
CN108256266A (zh) * 2018-02-10 2018-07-06 北京师范大学 一种一维水动力模型和二维水动力模型耦合方法及系统
CN109492942A (zh) * 2018-12-14 2019-03-19 河海大学 一种基于三维时空耦合模型的干旱事件评价方法
CN111274722A (zh) * 2020-01-09 2020-06-12 西安科技大学 一种集成求解矿井风网与采空区流场耦合模型的有限流管法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2599471A1 (en) * 2007-08-31 2009-02-28 Alexandre Cervinka Underground communication network system for personal tracking and hvac control
AU2017201934A1 (en) * 2017-03-22 2018-11-15 China University Of Mining & Technology,Beijing Innovative Data Processing Method to Calibrate Mine Ventilation Network Models
CN112308322B (zh) * 2020-11-03 2023-11-24 华翔翔能科技股份有限公司 一种多风场时空风速预测方法、装置及电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503396A (zh) * 2016-11-14 2017-03-15 中国电建集团昆明勘测设计研究院有限公司 基于有限差分法与有限体积法耦合的多维水力系统瞬变模拟方法
CN108256266A (zh) * 2018-02-10 2018-07-06 北京师范大学 一种一维水动力模型和二维水动力模型耦合方法及系统
CN109492942A (zh) * 2018-12-14 2019-03-19 河海大学 一种基于三维时空耦合模型的干旱事件评价方法
CN111274722A (zh) * 2020-01-09 2020-06-12 西安科技大学 一种集成求解矿井风网与采空区流场耦合模型的有限流管法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于区网耦合模拟的矿井通风系统抗灾能力分析;马洪亮;《中国博士学位论文全文数据库-工程科技Ⅰ辑》;20081015(第10期);第1-10、47-48、71-90页 *
矿井正常和灾变时期通风网络解算的数学模型;王树刚;《辽宁工程技术大学学报》;20030831;第436-438页 *

Also Published As

Publication number Publication date
CN113609630A (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
CA2319789C (en) Improved process for predicting behavior of a subterranean formation
CN106981198B (zh) 用于旅行时间预测的深度学习网络模型及其建立方法
EA004190B1 (ru) Способ и программа моделирования физической системы с использованием объектно-ориентированного программирования
CN109979006A (zh) 室内路网模型构建方法及装置
CN107133427A (zh) 一种基于2dgis平台的洪水分析模型的构建方法
Deng et al. Risk evaluation model of highway tunnel portal construction based on BP fuzzy neural network
CN110689615A (zh) 一种参数化三维地质建模方法、系统及信息数据处理终端
CN113609630B (zh) 一种全矿井自适应的一三维耦合通风网络解算方法
CN114201798A (zh) 基于bim+gis技术的长大隧道数字孪生系统及方法
CN113776534B (zh) 一种基于立体剖分网格的无人机三维时变空域导航方法
CN106570287A (zh) 一种基于三维离散裂隙网络预测隧道突涌水量的方法
CN102194252A (zh) 一种基于地质层面结构的三角形格架网格生成方法
Wu et al. Multi-level voxel representations for digital twin models of tunnel geological environment
CN113570275A (zh) 基于bim和数字高程模型的水资源实时监测系统
Musil et al. SphereMap: Dynamic multi-layer graph structure for rapid safety-aware UAV planning
CN114115340A (zh) 一种基于强化学习的空域协同控制方法
Liu et al. A GIS based unsteady network model and system applications for intelligent mine ventilation
Despotakis et al. Dynamic GIS models for regional sustainable development
Murayama et al. Spatial analysis: Evolution, methods, and applications
Wang et al. A real-time online structure-safety analysis approach consistent with dynamic construction schedule of underground caverns
CN114610870A (zh) 一种矿山通风系统数据可视化和存储的方法及系统
CN116029331A (zh) 煤矿工作面安全状态的大数据群智感知协同预测方法
Guadagnoli et al. Ricostruzione 3D della città di Amatrice. Una operazione di ‘instant modeling'.
CN105740588A (zh) 用于矿井下多巷道任意角度耦合的水害漫延方法
Alsahly et al. Digital Design in Mechanized Tunneling

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant