梁運濤,辛全昊,王樹剛,胡沛裕,蔣 爽,宋雙林,
(1.煤科集團沈陽研究院有限公司 煤礦安全技術國家重點實驗室,遼寧 撫順 113122; 2.大連理工大學 建設工程學部,遼寧 大連 116024; 3.大連民族大學 土木工程學院,遼寧 大連 116600)
煤自熱的本質是煤炭與氧氣吸附并發生的氧化反應,取決于環境氧化條件[1-2]、煤炭化學活性[3-4]及煤炭顆粒尺寸[5-6]。在開采、儲存及運輸過程中,煤炭以顆粒堆積的形式暴露于特定氧化環境中。煤顆粒堆積結構直接影響了高溫火源發生發展規律,是形成非控制性災害的關鍵影響因素之一[7]。煤顆粒堆積結構的動態演化過程與煤的氧化反應及能量傳遞過程相互影響。一方面,自然發火過程中,煤顆粒堆積體內熱應力引起其內部孔隙通道變形、增多,堆積體結構形態隨氧化反應的進行發生動態變化。另一方面,堆積結構形態決定了堆積體內氣體濃度與溫度的分布及運移規律,從而影響了堆積體內高溫區域的形成與蔓延。煤堆結構動態演化規律定量分析對準確預測堆積體內高溫熱源及火災防控具有重要意義。
目前,國內外學者針對氧化過程中微觀尺度煤炭物理結構變化規律進行了大量研究[8-13],利用掃描電鏡(SEM)[14]、液氮吸附[15]、壓汞[16]等方法對煤樣中微米及納米量級孔隙進行測試研究,指出了微觀結構是影響其氧化反應動力學的因素之一[16-18]。例如煤的微觀孔隙結構與表面積決定了吸氧量,從而影響低溫氧化能力[19]。相關研究進一步解釋了煤自然發火機理,但其研究尺度較小,結論難以直接用于宏觀尺度煤堆結構動態演化規律分析。使用三維重構方法,構建物理真實的堆積結構是定量分析煤顆粒堆積體的關鍵技術。
基于顯微CT斷層掃描的物理重構技術,具有無損定量等優點[20],在多孔介質重構與結構精細表征方面獲得越來越廣泛的應用。粉砂孔隙結構方面,可利用顯微CT重構并定量分析其力學特性[21]。煤顆粒內微觀裂隙結構方面,可基于CT重構結果,建立孔隙網絡模型,并對其結構進行表征分析[22]。但三維重構技術在煤自然發火領域應用較少,且自然發火過程中,煤顆粒堆積體物理結構的演變規律鮮有文獻報道。
筆者以煤顆粒堆積體為研究對象,利用顯微CT斷層掃描技術與三維重構方法,實現了堆積體孔隙率、顆粒體積與表面積的結構參數定量分析,獲得了自然發火過程煤顆粒堆積體結構形態演化規律,為準確預測煤堆結構高溫火源及煤礦火災防控提供理論支撐。
實驗所用煤樣取自山西馬道頭礦8404工作面,對其進行破碎篩分后,按照各粒徑質量分數混合均勻并放入高30 mm、內徑30 mm的坩鍋內,制成5個煤顆粒堆積體常溫試樣。為避免小粒徑與大粒徑顆粒對三維重構造成影響,選取粒徑范圍為2~6 mm顆粒,常溫試樣中粒徑質量分數見表1。不同試樣升溫氧化方式見表2,其中S0未被加熱,為室溫試樣。將試樣S1~S4同時放入馬弗爐腔體中,以6 ℃/min的升溫速率升至100℃時保持此溫度40 min,隨后取出試樣S1。以相同方法繼續加熱其余試樣,制備受熱終溫為200~400 ℃的氧化試樣S2~S4。
表1 試樣內顆粒粒徑組成
Table 1 Particle size distribution of the sample packing

粒徑組成/mm2~3 3~44~55~6質量分數/%1727.230.825
本研究利用大連理工大學海洋能源利用與節能教育部重點實驗室中X-射線微焦顯微CT(InspesXio SMX-225CT)對試樣S0~S4進行顯微斷層掃描實驗。將試樣固定于CT倉內的旋轉操作平臺,勻速旋轉360°對試樣進行掃描,最終獲得470張512×512像素的二維顯微斷層序列,CT斷層圖像分辨率為630 μm。
表2 試樣升溫氧化方式
Table 2 Heating method for the coal oxidation

試樣編號受熱終溫/℃保持時間/minS026—S110040S220040S330040S440040
多孔介質的重構方法大致可分為3類:數值模擬方法、數值重構方法及物理實驗方法[23-25]。數值模擬方法基于離散元方法 (DEM),通過計算每個顆粒的力學平衡方程,模擬顆粒堆積沉降過程[23]。但氧化過程顆粒大小及分布未知,因此無法使用數值模擬方法對本研究試樣進行重構。數值重構方法以二維圖像的結構統計信息為基礎利用數學算法在一定區域內隨機生成孔隙結構,從而重構三維圖像。數值重構方法過程簡單,重構速度快,但誤差較大[26]。物理實驗方法通常使用顯微CT對試樣進行斷層掃描,疊加斷面圖后重構試樣物理結構。基于物理實驗方法的三維重構模型可以直接反映試樣的真實孔隙結構。因此本研究采用物理實驗方法,利用顯微CT斷層掃描技術,重構不同氧化溫度條件下煤顆粒堆積結構,分析自然發火過程堆積結構形態演化規律。
利用顯微CT對煤顆粒堆積體進行掃描得到原始灰度圖像。為避免噪聲干擾煤顆粒堆積體內骨架與孔隙的辨別,采用幾何均值濾波方法,利用式(1)計算每個像素點周圍區域數值作為其像素值,更新數字圖像[25]:

(1)
其中,f(x,y)為降噪后像素;Sxy為數字圖像像素集合;g(s,t)為該點附近像素值;m,n為降噪計算范圍。其次,對CT掃描圖像進行亮度、對比度調整,使固體骨架與孔隙區域區別更加明顯。利用式(1)進行降噪并調整亮度、對比度,獲得斷層掃描圖像如圖1所示。

圖1 煤顆粒堆積體顯微斷面灰度Fig.1 Preprocessed CT image of coal particle packing
然后,對圖像進行二值化處理以減少數據處理量,提取煤顆粒堆積體固體骨架信息。本研究采用大津算法 (Otsu Method),根據式(2)計算圖像閾值[25]得
σ2=w0w1(u0-u1)2
(2)
其中,σ2為大津最佳閾值;w0,w1分別為前景點數與背景點數所占比例;u0,u1分別為前景與背景平均灰度。其中,w0,w1,u0和u1通過統計灰度圖像中像素個數及各點像素值獲得。二值化過程將數字圖像中像素值大于閾值的點賦值為“1”;像素小于閾值的點賦值為“0”。其中,“1”代表孔隙,“0”代表固體骨架。利用式(2)進行二值化處理后得到如圖2所示的二值圖像,其中白色代表孔隙,黑色代表固體骨架。
最后,將斷層二值圖像序列轉化為二維二值矩陣序列,并疊加二維矩陣序列,構造表征煤顆粒堆積體物理結構的三維二值矩陣,經三維可視化處理,得到如圖3所示的煤顆粒堆積體三維重構圖像。

圖2 煤顆粒堆積體顯微斷面二值圖像Fig.2 Binary CT image of coal particle packing

圖3 煤顆粒堆積體結構三維重構圖像Fig.3 Three-dimensional structure of coal particle beds at different temperature
煤顆粒堆積體在自然發火過程中,顆粒發生脫水、脫氣、解聚、縮聚等過程,堆積結構形態發生變化。此演化規律可以通過對煤顆粒堆積體的孔隙率、顆粒體積分布、顆粒數量、顆粒表面積分布及顆粒比表面積等結構參數進行定量分析獲得。
孔隙率是表征煤顆粒堆積體孔隙結構的主要參數之一,筆者根據式(3)計算三維重構模型孔隙率:

(3)
其中,ε為煤顆粒堆積體孔隙率;Vsolid為重構模型中固體骨架體素數量;Vall為重構模型中所有體素數量。不同氧化條件下煤顆粒堆積結構孔隙率變化趨勢如圖4所示。

圖4 煤顆粒堆積床孔隙率變化Fig.4 Porosity variation of coal particle beds
煤顆粒堆積體孔隙率隨氧化溫度升高而升高,且不同溫度段煤顆粒堆積體平均孔隙率增長速率有所差異。當氧化溫度由室溫升至300 ℃時,煤顆粒堆積體孔隙率由0.325緩慢增大至0.361;當氧化溫度由300 ℃升至400 ℃時,煤顆粒堆積體孔隙率增大速率明顯加快。氧化溫度為400 ℃時,堆積體孔隙率為0.427,約為室溫試樣(S0)孔隙率的1.35倍。如圖3中S0~S5三維重構圖像所示,100 ℃時煤顆粒堆積結構與室溫下無明顯區別;200 ℃及300 ℃時煤顆粒表面出現皺縮但整體變化不明顯;當溫度達400 ℃,煤顆粒皺縮現象加劇,顆粒數量明顯增多。該結果與堆積體孔隙率變化規律相符。隨著溫度升高,煤顆粒發生皺縮,固體顆粒體積變小,堆積體孔隙率緩慢增大,當溫度超過300 ℃時,煤顆粒皺縮嚴重,大顆粒分裂形成多個小顆粒,孔隙率增大速率加快。
為進一步研究不同氧化溫度下煤顆粒堆積結構形態的變化特征,對試樣S1~S4內顆粒體積分布及顆粒數量進行統計分析。4組試樣堆積顆粒體積分布如圖5所示。結果表明:煤氧化溫度由100 ℃升至400 ℃的過程中,堆積體內顆粒逐漸皺縮并由大顆粒分裂形成多個小體積顆粒。當氧化溫度為100 ℃時,煤顆粒堆積體內以體積小于50 mm3的顆粒為主,約占總顆粒體積95.9%,其中體積小于10 mm3的顆粒占總體積50.9%,體積為10~50 mm3的顆粒占總體積45.0%;隨溫度升高,200 ℃與300 ℃時煤顆粒堆積體內顆粒體積明顯減小,體積小于10 mm3的顆粒體積分數分別為63.5%與57.8%,體積為10~50 mm3的顆粒體積分數分別為34.2%與38.8%;當氧化溫度達到400 ℃時,煤顆粒堆積體內體積小于10 mm3的顆粒占總體積93.8%,體積為10~50 mm3的顆粒僅占總體積5.1%。

圖5 不同氧化條件下堆積體顆粒體積分布統計Fig.5 Statistics of particle volume under different oxidation status

圖6 堆積體平均顆粒體積與顆粒數量變化Fig.6 Variation of average particle volume and the number of coal particles
不同氧化溫度下,煤顆粒堆積體平均顆粒體積與顆粒數量變化規律如圖6所示。煤顆粒堆積體在100~400 ℃氧化過程中,顆粒平均體積整體呈現下降趨勢,顆粒數量整體呈現上升趨勢。但在200~300 ℃溫度段,煤顆粒堆積體內顆粒平均體積與顆粒數量均出現波動。由圖5,6可知,氧化煤樣從200 ℃變化到300 ℃時,顆粒平均體積分別為13.9 mm3與14.9 mm3,顆粒數分別為345與325;小于10 mm3的顆粒體積分數減少5.7%,10~50 mm3范圍內的顆粒體積分數增長4.6%。究其原因,在氧化過程中,煤顆粒表面物理化學性質發生變化,煤顆粒內不同成分及不同氧化生成物在加熱過程中的熔聚強度不同,低熔點成分熔化產生液相并膠結其他顆粒,使得300 ℃氧化試樣平均顆粒體積增大,顆粒數量減少;同時,由于小顆粒在加熱過程氧化更加劇烈,膠結現象更多發生于小顆粒之間。因此,相比于200 ℃氧化試樣,300 ℃氧化試樣中體積小于10 mm3顆粒數量減少。當氧化溫度進一步升高,顆粒之間膠結現象被破壞,大顆粒進一步裂解成多個小顆粒,煤顆粒皺縮現象加劇,堆積結構呈現出小體積顆粒松散堆積的狀態,顆粒平均體積明顯減少,顆粒數量大量增加。
綜上,300 ℃與400 ℃氧化堆積試樣的顆粒體積分布、平均顆粒體積與顆粒數量均發生劇烈變化;200 ℃與300 ℃氧化堆積試樣結構參數出現波動,但變化不明顯。因此,可以近似認為300 ℃附近存在一個閾值溫度,使煤樣反應過程加劇、堆積結構劇烈變化。
試樣S1~S4中顆粒表面積分布如圖7所示,其分布規律與顆粒體積分布規律類似。隨著氧化溫度升高,煤顆粒堆積體中顆粒平均表面積明顯下降。100 ℃氧化試樣中表面積小于100 mm2的顆粒表面積占總表面積97.1%,200 ℃與300 ℃氧化試樣中表面積小于80 mm2的顆粒表面積約占比94%,400 ℃氧化試樣中小于20 mm2的顆粒表面積占比90.8%。同樣,由于氧化反應導致煤顆粒堆積體中大顆粒裂解與小顆粒膠結現象,試樣從200 ℃升高到300 ℃,60~100 mm2表面積下降0.6%,小于20 mm2顆粒表面積占比下降5.4%,而20~60 mm2顆粒表面積占比增長5.4%。

圖7 不同氧化條件下堆積體顆粒面積分布統計Fig.7 Statistics of particle surface area under different oxidation status
不同氧化溫度下,煤顆粒堆積體平均顆粒表面積與平均顆粒比表面積變化規律如圖8所示。煤顆粒堆積體在100~400℃氧化過程中,顆粒平均表面積整體呈現下降趨勢,顆粒平均比表面積整體呈現上升趨勢。在200~300℃溫度段,堆積體內顆粒平均表面積與平均比表面積均出現波動,此現象亦由氧化過程中小顆粒之間膠結引起。另外,在氧化過程中,煤顆粒堆積體中顆粒比表面積在100~300 ℃溫度段呈現上升的規律,但變化不明顯;300~400 ℃溫度段堆積體顆粒比表面積升高約1.5倍。上述現象說明,隨著氧化溫度升高,堆積結構逐漸松散,煤顆粒與氧氣接觸隨著氧化過程的進行變得更加充分,氧化反應更加劇烈,其結構演化規律在300 ℃附近存在1個閾值,當氧化溫度高于此閾值,煤顆粒堆積體內顆粒皺縮、裂解加劇,堆積結構孔隙通道互通性提高,氧化過程更加劇烈。

圖8 堆積體平均顆粒面積與比表面積變化Fig.8 Variation of average surface area and specific surface area of coal particles
(1)利用微焦顯微CT對不同氧化溫度下煤顆粒堆積體進行掃描,采用幾何濾波算法、Otsu算法及重構算法對掃描獲得的顯微斷層序列進行了三維重建,定量分析了堆積體結構參數變化規律,對準確預測煤顆粒堆積體內高溫火源具有重要意義。
(2)氧化溫度升高使煤顆粒堆積體孔隙率增大,顆粒數量增大,顆粒平均體積與表面積減少,顆粒平均比表面積增大。其中,300~400 ℃氧化溫度范圍內變化最明顯,由于小顆粒相互膠結,200~300 ℃氧化溫度范圍內結構參數變化出現波動。
(3)氧化溫度由100 ℃升至400 ℃時,煤顆粒堆積體內體積小于10 mm3顆粒體積百分比由50.9%升高至93.8%,表面積小于20mm2顆粒面積百分比由35.2%升高至90.8%。
(4)煤顆粒堆積體結構演化過程中,在300 ℃附近存在1個溫度閾值,當氧化溫度高于閾值時,堆積體內顆粒皺縮、裂解加劇,孔隙通道連通性提高,氧化過程更加劇烈。