綜掘工作面不同截割方式下的最佳風場調控規則

龔曉燕，韓 鄭，薛 河，吳群英，劉 輝，馮 雄，宋 濤，陳 菲，謝 沛

(1.西安科技大學 機械工程學院，陜西 西安 710054; 2.陜西陜煤陜北礦業有限責任公司，陜西 榆林 719000)

目前綜掘工作面通風方式主要是由局部通風機和風筒組成的局部通風系統不斷給巷道輸送新鮮風流來進行降塵排瓦斯，由于綜掘工作面是獨頭巷道，其通風回路不完整，風流在掘進工作面容易形成渦流，造成粉塵瓦斯聚集，且隨著掘進距離的不斷突破，導致風筒沿程阻力增加，風能損失隨之增大，掘進通風有效射程末端風流往往不能有效稀釋粉塵和瓦斯。因此需對現有綜掘工作面“粗放式”通風總量控制管理模式[1]作出改變，根據實際需求精細化科學通風。國內外眾多學者對巷道內不同風流狀態對風流場、瓦斯場及粉塵場的影響進行了研究。MOLONNEY K W等[2]通過井下實測和數值模擬結合的方法對掘進工作面的風流運移分布情況進行研究分析。李雨成等[3]確定了各通風方式下出風口至工作面最佳距離和風筒的最佳通風位置。杜俊生[4]得出距掘進工作面7 m時風筒安裝在巷道下部位置時，瓦斯體積分數達到最低。姚玉靜、賈凱等[5-6]得出掘進工作面前端及回風側沿程粉塵質量濃度分布較高。ALAM和CANDRA K J等[7-8]通過對綜掘工作面粉塵分布規律的模擬研究，分析得到了綜掘工作面粉塵顆粒的基本分布規律。隨著信息時代到來，規則獲取作為數據挖掘中的重要技術，能夠從大量數據中提取出有效知識[9]。徐久成等[10]提出了一種用于規則提取的粒度算法，用于同一決策信息系統中的粒度數據庫，進行最簡規則提取。閻紅燦等[11]將粗糙集理論和粒計算相結合對決策規則進行約簡，提出概念粒的分辨算子約簡算法，以及概念粒規則提取算法。筆者在已研制出調控裝置基礎上，采用粒計算理論、流場數值模擬及井下測試方法對綜掘工作面不同截割方式下的出風口距掘進工作面不同距離最佳風場調控規則獲取方法進行研究，并對檸條塔礦綜掘工作面最佳風場調控規則進行獲取及調控效果分析，為綜掘工作面風場優化分布提供新方法。

1 最佳風場調控規則建立方法

1.1 風流調控裝置及空間布局示意

筆者所在課題組研究[12]得出風筒出風口風流狀態變化對風流場分布具有明顯的作用，并研制出綜掘工作面風流調控裝置[13]安裝于風筒出風口掘進工作面，通過調節風筒出風口參數來優化風場分布[14]，進而優化粉塵和瓦斯運移分布，如圖1所示。

圖1 風流調控裝置及空間布局示意Fig.1 Airflow control device and space layout

1.2 不同截割方式下的風場調控需求分析

煤礦實際生產中使用的“粗放式”通風總量控制管理模式導致巷道內風速在掘進過程中往往不符合《煤炭安全規程》[15]規定的0.25～4.00 m/s，綜掘工作面粉塵質量濃度最高可達到1 500 mg/m3，遠遠大于《煤炭安全規程》規定的4 mg/m3，且死角區域容易造成瓦斯聚集，而通過風場調控可有效降低粉塵質量濃度和瓦斯體積分數。綜掘機截割路線主要分為:自上而下弓形截割和自下而上弓形截割[16]，在整個截割過程中，截割頭與掘進工作面相交處形成的產塵源在實時變化，故風場需根據不同截割階段進行動態調控，筆者將整個截割過程劃分為8個階段，建立最佳風場調控規則，如圖2所示。

圖2 不同截割路線的階段劃分Fig.2 Stage division of different cutting methods

1.3 決策信息系統建立

1.3.1屬性集確定

綜掘工作面不同截割方式下各截割階段的決策信息系統可以被定義為S=(U,C∪D,V,f),其中，U為風流調控參數樣本數據的范圍;C為條件屬性集，即為風流調控參數，風流調控參數分別為風筒出風口口徑a1(m)、水平右偏角度a2(°)、垂直上偏角度a3(°);D為決策屬性集，即為粉塵質量濃度，粉塵質量濃度分別為各截割階段下的回風側粉塵質量濃度d1i(mg/m3)和司機處粉塵質量濃度d2i(mg/m3)[17]，以司機處風速v1(m/s)和回風側風速v2(m/s)在0.25～4.00 m/s和瓦斯體積分數c1(%)不超過1%作為約束指標。

1.3.2樣本數據獲取方法

文獻[18]研究得出出風口調控參數合理調控范圍:出風口距掘進工作面距離為6～8 m，出風口口徑為0.7～1.2 m，水平右偏角度為0°～25°，垂直上偏角度為0°～6°。根據出風口參數合理調控范圍，采用正交試驗方法設計實驗方案，對不同實驗方案下各截割階段的風速、瓦斯和粉塵場分布規律進行模擬分析，獲取回風側和司機處風速和粉塵質量濃度以及風筒側下隅角最大瓦斯體積分數的樣本數據，建立初始化決策信息系統。

1.3.3數據預處理及離散化

以巷道內風速與瓦斯體積分數作為約束指標對初始化決策信息系統進行預處理。由于綜掘工作面風流動態調控系統中提取的風速、瓦斯及粉塵質量濃度樣本數據，往往是線性數據，在進行規則提取時，不利于規則提取的效率。因此，必須對系統中的風流調控參數的樣本數據以及粉塵質量濃度分別進行離散化處理。筆者采用K-means算法[19]對預處理后的數據進行離散化，來提高提取效率以及可靠性，在數據離散化后，對相同的離散化數據進行合并處理，建立離散化決策信息系統。

1.4 最佳風場調控規則獲取

基于粒計算思想[20-21]對綜掘工作面風流動態調控決策信息系統進行最佳風場調控規則獲取分析。G1=(φ,m(φ))和G2=(ψ,m(ψ))是2個知識粒;φ為屬性，|m(φ)|為m(φ)中對象的個數;ψ為決策;|m(ψ)|為m(ψ)中對象的個數;粒G1，G2對應的決策規則為φ→ψ。定義規則覆蓋度C′與置信度A′分別為：

C′(φ→ψ)=|m(φ)∩m(ψ)|/|U|

A′(φ→ψ)=|m(φ)∩m(ψ)|/|m(φ)|

算法基本思想為輸入綜掘工作面風流動態調控決策信息系統S=(U,C∪D,V,f)，輸出最簡決策規則，算法具體步驟如下:

Step1:計算風流調控參數C的粒庫GK及粉塵質量濃度集合D的粒庫GD，令所有對象的集合M=?，粒集合GA=?，潛在規則知識粒庫GR=?，二階知識粒庫G′R=?，粒庫的階數λ=1;

Step2:如果GD=?，則執行Step 8;

Step3:對于粒庫GD中的所有粒?GDi=(ψi,m(ψi))∈GD，則執行Step 4～Step 7;

Step5:知識粒庫GR中的所有粒Gr=(φr,m(φr))∈GR;如果A′(φr→ψi)≥A′0,A′0為最小規則置信度，輸出最簡規則Rule:φr→ψr，將該規則包含風流調控參數加入到集合M，令GA=GA∪Gr，GR=GRGr,∪為集合求并集，為集合求差集;否則轉Step 6;

Step6:(生成高階粒庫)判斷M和GR，如果M≠m(ψi)且GR≠?，則在知識粒庫GR中，對所有滿足合取聯結項的個數Num(φi∧φj)=λ+1且|m(φi)∧m(φj)∧m(ψi)|/|U|≥C′0的粒Gi=(φi,m(φi))，Gj=(φj,m(φj))進行如下運算:① 設G=Gi∧Gj,如果二階粒G′?GA，則令G′R=G′R∪G′;② 如果G′R≠?，則令GR=G′R，G′R=?，λ=λ+1,轉Step 5;

Step7:令GD=GDGDi，M=?，GA=?，GR=?,轉Step 2;

Step8:算法結束。

對獲取的不同截割階段調控規則進行判斷，選擇同時以回風側和司機處粉塵質量濃度為目標的最佳調控規則并表達。

2 檸條塔礦風場調控規則的建立

2.1 有限元計算模型建立及模擬分析

2.1.1有限元計算模型建立及驗證

以陜西神木檸條塔礦S1212運輸巷為對象，巷道溫度約為16 ℃，采用自上而下弓形截割方式，通風方式為壓入式通風，風筒安裝于巷道左側煤壁面上部位置，風筒中心距底板距離和巷壁距離分別為3.05 m和0.70 m，風筒出風量為360 m3/min。根據綜掘工作面實際環境，將巷道設置為長40 m，寬6.1 m，高4 m的模型，風筒口徑設置為1 m，對掘進機EBZ160懸臂式綜掘機設置為長9.2 m，寬2.9 m，高1.8 m，掘進機懸臂設置為長4.6 m，直徑1 m，建立綜掘工作面原始場幾何模型，其中坐標原點建立在掘進工作面與巷道底板交界線的近風筒側位置，X軸表示由風筒側指向回風側，Y軸表示由巷道底板指向頂板，Z軸表示由掘進工作面指向末端，進行模擬計算及井下驗證。原始場有限元計算模型，如圖3所示，各參數與邊界條件設定，見表1，2，3，4。

圖3 原始場有限元計算模型Fig.3 Finite element calculation model of original field

表1 材料屬性參數及設定Table 1 Material property parameter setting

由于檸條塔礦煤巷綜掘工作面是低瓦斯礦井，在井下瓦斯測試時，數據變化不明顯，故本文對出風口距掘進工作面8 m時的回風側風速及粉塵質量濃度數值模擬結果和井下實測對比分析，如圖4所示，偏差基本控制在5%以內，驗證計算模型合理可行性。

表2 風速場數值模擬參數及設定Table 2 Simulation parameter setting of wind speed field

表3 瓦斯場數值模擬參數及設定Table 3 Parameter setting of gas field numerical simulation

表4 粉塵場數值模擬參數設定Table 4 Dust field numerical simulation parameter setting

2.1.2出風口參數調控下的數值模擬

文獻[22]研究得出出風口距掘進工作面最近距離5 m和最遠距離10 m時更容易出現粉塵聚集現象，筆者以出風口距掘進工作面最近距離5 m為例對最佳風場調控規則進行研究，根據出風口調控參數合理調控范圍，采用正交試驗方法設計實驗方案，見表5。

在對風速、瓦斯及粉塵場模擬結果精度影響不大的前提下，對風流調控裝置通風幾何模型進行簡化，利用Fluent軟件對各截割階段的實驗方案進行數值模擬分析。列舉方案10(口徑1.1 m，水平右偏20°，垂直上偏2°)、方案18(口徑1.2 m，水平右偏10°，垂直上偏6°)2種方案，對其巷道內風速、瓦斯場及截割階段①(圖2)時的粉塵場分布規律進行對比說明，其有限元計算模型，如圖5，6所示。

表5 出風口距掘進工作面5 m時的模擬實驗方案Table 5 Simulation experiment scheme when the air outlet is 5 m away from the end face

由圖7(a)可知方案10的風流主要射到掘進工作面右側，掘進工作面左側風流較小，掘進機有渦流區存在，風流主要從回風側流出;由圖7(b)可得方案18的整體風速分布合理，掘進機位置存在渦流。

由圖8(a)可得方案10的瓦斯主要集中在掘進工作面風筒側下隅角位置;由圖8(b)可得方案18的掘進工作面靠近回風側和風筒側下隅角有少量瓦斯聚集。

由圖9(a)可得方案10的風筒側容易出現粉塵大范圍聚集，回風側靠近掘進工作面有少量粉塵聚集;由圖9(b)可得方案18的回風側粉塵較為集中，掘進機前端有少量粉塵聚集。

圖5 方案10Fig.5 Scheme 10

圖6 方案18Fig.6 Scheme 18

圖9 截割階段1時Y=1.6 m的XZ截面粉塵質量濃度分布Fig.9 Dust concentration distribution in XZ section at Y=1.6 m during cutting phase 1

2.2 決策信息系統建立

2.2.1初始化決策信息系統

對巷道內風速及粉塵質量濃度研究選取司機呼吸位置處(X=3.05 m，Y=2 m，Z=7.5 m)，并選取回風側人員行走處(X=5.5 m，Y=1.6 m，Z=5～25 m)共30個樣本點的平均值，提取樣本數據。對巷道內瓦斯體積分數研究選取掘進工作面風筒側下隅角(Z=0.5 m)的最大值提取樣本數據。因氣體濃度一般由氣體體積分數表示，故由公式:氣體質量分數=氣體體積分數×氣體密度，將提取到的瓦斯質量分數轉化成瓦斯體積分數表示瓦斯體積分數。建立出風口距掘進工作面5 m時風流調控參數與風速、瓦斯及粉塵質量濃度相互關聯關系的初始化決策信息系統，見表6，7。

表6 風速瓦斯體積分數初始化決策信息系統Table 6 Wind speed and gas concentration initial decision information system

2.2.2離散化決策信息系統

以巷道內風速在0.25～4.00 m/s與瓦斯體積分數低于1%對初始化決策信息系統進行預處理。對預處理后的決策信息系統的條件屬性進行離散化處理，其中口徑為1.1,1.2 m，分別賦值為0，1;水平偏轉角度為5°，10°，15°，20°，分別賦值為0，1，2，3;垂直偏轉角度為2°，4°，6°，分別賦值為0，1，2。利用K-means算法對決策信息系統中的回風側和司機處粉塵質量濃度進行離散化處理，設k=3，計算得到3個質心分別為279，374和700 mg/m3，其邊界條件范圍分別為237～309,347～411和455～521 mg/m3，將不同邊界區域分別賦值為0，1，2。出風口距掘進工作面5 m時風流調控參數離散化賦值、各截割階段回風側及司機處粉塵質量濃度離散化決策信息系統，見表8,9。

表7 回風側及司機處粉塵質量濃度初始化決策信息系統Table 7 Initial decision information system of dust concen- tration on return air side and driver

表8 風流調控參數離散化賦值Table 8 Discrete assignment of air flow control parameters

表9 回風側及司機處粉塵質量濃度離散化決策信息系統Table 9 Discrete decision information system for dust concentration on return air and driver

2.3 最佳風場調控規則獲取

依據表8，9對出風口距掘進工作面5 m時各截割階段最佳風場調控規則進行獲取。以截割階段①為例，分別以回風側和司機處粉塵質量濃度為目標，得出截割階段①時回風側及司機處粉塵質量濃度離散化決策信息系統，見表10，根據粒計算編寫風流調控規則獲取的算法步驟，對以不同目標獲取的規則進行合并規約分析，得出截割階段①時的最佳風場調控規則，并以相同方法得出其他截割階段最佳風場調控規則。與出風口距掘進工作面5 m時最佳風場調控規則獲取步驟相同，得出出風口距掘進工作面10 m時最佳風場調控規則。

表10 截割階段①時粉塵質量濃度離散化決策信息系統Table 10 Dust concentration during the cutting phase ① discrete Decision Information System

2.3.1以回風側粉塵質量濃度為目標的規則提取

回風側風流動態調控決策信息系統論域為U={1,2,…,20}，C={a1,a2,a3},D={d1}。設覆蓋度為C′0=1/10，置信度為A′0=0.8。根據粒計算，依據表10，編寫出風口距掘進工作面5 m截割階段①時，以回風側粉塵質量濃度為目標，風場調控規則獲取算法具體步驟:

Step1:計算風流調控參數C的粒庫GK以及回風側粉塵質量濃度D的粒庫GD:

GK={(a10,{1,2,3,4,5,6,7,8,9,10}),(a11,{11,12,13,14,15,16,17,18,19}),(a20,{1,11,12}),(a21,{2,3,4,13,14})(a22,{5,6,7,15,16,17}),(a23,{8,9,10,18,19,20}),(a30,{2,5,8,10,15,18}),(a31,{3,6,9,11,13,16,19}),(a32,{1,4,7,12,14,17,20})};

GD={(d0,{2,8,9,10,11,12}),(d1,{1,5,6,7,15,18,19,20}),(d2,{3,4,13,14,16,17})};

令M=?,GA=?,GR=?,G′R=?,λ=1;

Step2:如果GD=?，轉Step 8;

Step3:對回風側粉塵質量濃度的粒庫GD中的每個粒循環獲取對應的規則，因為是以粉塵質量濃度最優為目標進行提取，選取粒(d0,{2,8,9,10,11,12})進行描述，執行Step 4～7;

Step4:得到知識粒庫GR={(a10,{1,2,3,4,5,6,7,8,9,10}),(a11,{11,12,13,14,15,16,17,18,19}),(a20,{1,11,12}),(a23,{8,9,10,18,19,20}),(a30,{2,5,8,10,15,18}),(a31,{3,6,9,11,13,16,19});

Step5:計算置信度，得GR中的每個粒都有A′(φr→ψi)≥A′0，則直接執行Step 6;

Step6:因為M≠m(ψi)且GR≠?，則生成二階粒庫，由于Num(a10∧a23)=λ+1=2且|m(a10)∧m(a23)∧m(d0)|/|U|≥1/10，進行二階粒的生成G′=(a10a23,{8,9,10})，因為G′?GA，將二階粒庫合并G′R=G′R∪G′。得所有滿足二階粒庫G′R={(a10a23,{8,9,10}),(a10a20,{11,12})}。因為G′R≠?，則令GR=G′R，G′R=?，λ=2，轉Step 5，對GR中每個粒都有A′(φr→ψi)>A′0，則輸出最簡規則為

(a10∧a23{8,9,10})→d0;[C′=3/20,A′=1]

(a11∧a20{11,12})→d0;[C′=1/10,A′=1]

2.3.2以司機處粉塵質量濃度為目標的規則提取

司機處風流動態調控決策信息系統論域為U={1,2,…,20}，C={a1,a2,a3},D={d2}。C′0=1/10，A′0=0.8。根據粒計算，依據表10，編寫出風口距掘進工作面5 m截割階段① 時，以司機處粉塵質量濃度為目標，風場調控規則獲取算法具體步驟:

Step1:計算風流調控參數C的粒庫GK以及司機處粉塵質量濃度D的粒庫GD:

GK={(a10,{1,2,3,4,5,6,7,8,9,10}),(a11,{11,12,13,14,15,16,17,18,19}),(a20,{1,11,12}),(a21,{2,3,4,13,14}),(a22,{5,6,7,15,16,17}),(a23,{8,9,10,18,19,20}),(a30,{2,5,8,10,15,18}),(a31,{3,6,9,11,13,16,19}),(a32,{1,4,7,12,14,17,20})};

GD={(d0,{2,4,5,7,8,11,12,13,17}),(d1,{1,3,6,14,15,16,19,20}),(d2,{9,10,18})};

令M=?，GA=?，GR=?,G′R=?，λ=1;

Step2:如果GD=?，轉Step 8;

Step3:對司機處粉塵質量濃度的粒庫GD中的每個粒循環獲取對應的規則，因為是以粉塵質量濃度最優為目標進行提取，選取粒(d0,{2,4,5,7,8,11,12,13,17})進行描述，執行Step 4～7;

Step4:得到知識粒庫GR={(a10,{1,2,3,4,5,6,7,8,9,10}),(a11,{11,12,13,14,15,16,17,18,19}),(a20,{1,11,12}),(a21,{2,3,4,13,14,}),(a22,{5,6,7,15,16,17}),(a30,{2,5,8,10,15,18}),(a31,{3,6,9,11,13,16,19}),(a32,{1,4,7,12,14,17,20})};

Step5:計算置信度，得GR中得每個粒都有A′(φr→ψi)≥A′0，則直接執行Step 6;

Step6:因為M≠m(ψi)且GR≠?，則生成二階粒庫，由于Num(a22∧a32)=λ+1=2且|m(a22)∧m(a32)∧m(d0)|/|U|≥1/10，進行二階粒的生成G′=(a22a32,{7,17})，因為G′?GA，將二階粒庫合并G′R=G′R∪G′。得到所有滿足二階粒庫G′R={(a11a20,{11,12}),(a10a30,{5,8})}。因G′R≠?，則令GR=G′R，G′R=?，λ=2，轉Step 5，對GR中每個粒都有A′(φr→ψi)>A′0，則輸出最簡規則為:

(a11∧a20{11,12})→d0;[C′=1/10,A′=1]

(a10∧a20{5,8})→d0;[C′=1/10,A′=1]

2.3.3規則獲取的參數化程序編寫

利用Matlab軟件對算法具體步驟進行編程計算，部分代碼如下:

function[GD,GK,GR,GR2]=guizetiqu(B2)

%Input:B2 離散化約簡決策信息表

%{Output:GD決策屬性集D對應的基本粒庫;GK條件屬性集C對應的基本粒庫;GR 潛在的規則前件粒庫;GR2二階粒庫

%}

B=xlsread('B2');N=length(B);

s=size(B);d=s(2);

%{計算C對應的基本粒庫GK，決策屬性集D對應的基本粒庫GD

%}

for i=2:d-1;j=1;k=1;r=1;m=1;

…

GR3{1,n}=GR32{1,i};

save GR3.

2.3.4距掘進工作面5 m時的最佳風場調控規則

同理可得出風口距掘進工作面5 m，分別以回風側和司機處為目標，其他截割階段的最簡規則。綜合考慮以回風側和司機處為目標，對最簡規則進行合并處理，得出各截割階段最佳風場調控規則。出風口距掘進工作面5 m各截割階段最佳調控方案，見表11。出風口距掘進工作面5 m時各截割階段最佳風場調控規則，見表12。

2.3.5距掘進工作面10 m時的最佳風場調控規則

與出風口距掘進工作面5 m時最佳風場調控規則獲取方法相同得到出風口距掘進工作面10 m時各截割階段最佳風場調控規則，見表13。

表11 各截割階段的最佳調控方案Table 11 Optimal control scheme at each cutting stage

表12 出風口距掘進工作面5 m時各截割階段調控規則Table 12 Regulations for each cutting stage when the air outlet is 5 m from the tip

表13 出風口距掘進工作面10 m時各截割階段調控規則Table 13 Regulations for each cutting stage when the air outlet is 10 m from the tip

3 井下測試及調控效果分析

利用風流調控裝置對檸條塔礦S1212膠運巷道出風口距掘進工作面最近距離5 m和最遠距離10 m時，截割階段②和⑧兩個極端位置對應的調控規則進行井下實測。根據實際情況得出，檸條塔礦以瓦斯涌出量來評價屬于低瓦斯礦井，S1212工作面瓦斯涌出量比較小，在掘進機正常工作情況下瓦斯絕對涌出量為1.73 m3/min，巷道內瓦斯變化范圍較小。以回風側(X=5.2 m，Y=1.6 m，Z=7.5～40.0 m)和司機處(X=3.05，Y=2 m，Z=7.5 m)粉塵質量濃度為觀測對象進行調控效果分析，風流調控測試方案及裝置安裝測試，如圖10所示。

圖10 風流調控測試方案及裝置安裝測試Fig.10 Air flow control test plan and device installation test

3.1 出風口距掘進工作面5 m

對截割階段②(圖2)對應的調控規則:口徑1.1 m，水平右偏15°，垂直上偏6°和截割階段⑧對應的調控規則:口徑1.2 m，水平右偏20°，垂直上偏2°，分別進行井下實測及調控效果分析。結果表明:截割階段⑧時，在風速處于0.25～4.00 m/s及死角區瓦斯體積分數低于1%的前提下，回風側粉塵質量濃度較調控前最高降低43%，司機處粉塵質量濃度較調控前最高降低38%，出風口距掘進工作面5 m時兩個極端位置對應的調控規則井下實測對比，見表14。

3.2 出風口距掘進工作面10 m

對截割階段②對應的調控規則:口徑0.8 m，水平右偏5°，垂直上偏2°和截割階段⑧對應的調控規則:口徑0.8 m，水平右偏5°，垂直上偏4°，分別進行井下實測及調控效果分析。結果表明:在風速處于0.25～4.00 m/s及死角區瓦斯體積分數低于1%的前提下，截割階段②(圖2)時，回風側粉塵質量濃度較調控前最高降低15%，司機處粉塵質量濃度較調控前最高降低37%，出風口距掘進工作面10 m時2個極端位置對應的調控規則井下實測對比，見表15。

表14 極端位置處的調控效果井下實測Table 14 Underground measurement of control effect at extreme position

表15 極端位置處的調控效果井下實測Table 15 Underground measurement of control effect at extreme position

4 結 論

(1)以出風口口徑、水平右偏角度、垂直上偏角度作為條件屬性，以回風側和司機處粉塵質量濃度作為決策屬性，以巷道內風速在0.25～4.00 m/s和瓦斯體積分數低于1%作為約束條件。通過正交試驗方法和數值模擬實驗獲取大量樣本數據，建立了風速、瓦斯及粉塵質量濃度關聯關系的決策信息系統，并對其進行k-means算法離散化合并規約處理;基于粒計算和Matlab軟件編寫了風場調控規則獲取的智能算法和參數化程序。

(2)對檸條塔礦S1212膠運巷道自上而下截割方式下的出風口距掘進工作面不同距離的最佳風場調控規則進行獲取及井下測試驗證。結果表明:在出風口距掘進工作面5 m處，截割階段⑧的最佳風場調控規則為口徑1.2 m，水平右偏角度20°，垂直上偏角度2°，此階段調控后，在風速在0.25～4.00 m/s及死角區瓦斯體積分數低于1%的前提下，回風側粉塵質量濃度較調控前最高降低43%，司機處粉塵質量濃度較調控前最高降低38%;在出風口距掘進工作面10 m處，截割階段② 的最佳風場調控規則為口徑0.8 m，水平右偏角度5°，垂直上偏角度2°，此階段調控后，在風速在0.25～4.00 m/s及死角區瓦斯體積分數低于1%的前提下，回風側粉塵質量濃度較調控前最高降低15%，司機處粉塵質量濃度較調控前最高降低37%。