تعيين سرعت مناسب استخراج زغال تراش با توجه به خواص مقاومتي و گازخيزي زغالسنگ در معدن مكانيزه پروده طبس

Determination of the Appropriate Speed for Drum Shearers Considering Coal Strength and Gas Content in Tabas Mechanized Mine

براي بالا بردن ميزان توليد و ايجاد توليد پيوسته در كارگاه‌هاي استخراج معدنكاري زغال‌سنگ، در كنار ساير تجهيزات مورد استفاده، به كار بردن ماشين‌هاي زغال‌كن شيرر لودر بسيار مفيد است. از اين‌رو پيش‌بيني و تعيين سرعت مناسب اين دستگاه‌ها كمك زيادي به زمان اجراي پروژه‌ها و اقتصاد طرح‌ها مي‌كند. براي تعيين سرعت مناسب استخراج شيرر لودر، تعداد 1260 نوع برش زغال‌سنگ به وسيله شيرر، در كارگاه استخراج E3 معدن زغال‌سنگ مكانيزه طبس بررسي شد. ابتدا پس از برداشت و ثبت سرعت شيرر در هر برش، اطلاعات مربوط به گازخيزي در سه نقطه از طول كارگاه، شامل گاز متان منتشر شده بر حسب درصد بر روي سنسور 88 و سنسور ورودي تونل (TG) و سنسور تعبيه شده بر روي دستگاه ناو زنجيري (AFC)، و سپس مطالعات آماري، پيش‌بيني سرعت شيرر با سه مدل رگرسيون چند متغيره خطي و غيرخطي (نمايي و لگاريتمي) انجام پذيرفت. نتايج نشان مي‌دهد، مدل رگرسيون چند متغيره خطي ضريب تعيين R2=0.90 پيش‌بيني دقيق‌تري نسبت به دو روش ديگر دارد. با استفاده از مدل رگرسيون چند متغيره خطي مي‌توان مقدار سرعت شيرر را با دقت خوبي پيش‌بيني كرد. براي تعيين سرعت مناسب دستگاه شيرر لودر از الگوريتم ژنتيك در نرم‌افزار متلب استفاده شد. نتايج نشان مي‌دهد نمودارهاي متقاطع بر اساس ضريب تعيين (R2)، با توجه به معادلات (لگاريتمي، نمايي و خطي)، نوع خطي، ضريب تعيين بالاتري نسبت به ساير معادلات دارد، بنابراين بهترين مدل براي تعيين سرعت مناسب انتخاب شد. با استفاده از معادله خطي در الگوريتم ژنتيك، سرعت مناسب استخراج دستگاه شيرر لودر برابر با 4/79متر بر دقيقه برآورد شد

Abstract: To increase and Join production in coal mining panels, predicting and determining the appropriate speed of these devices can greatly help the project implementation time and economics of designs. For this purpose, 1260 types of coal, cut by the coal mining machine were carried out in the E3 extraction panel of the Tabas mechanized mine. First, after recording the shearer speed of each cut, the information about gas flow was collected at three points along the total length of the panel. These three points include emitted methane gases as a percentage on sensor 88, the tailgate input sensor (TG), and the sensor embedded on the Armored face conveyor (AFC). Shearer speed was predicted with three models of linear and nonlinear multivariate regression (exponential and logarithmic). The results show that the multivariate linear regression model with a coefficient of determination R2=0.90 has a more accurate prediction than the other two methods using the linear multivariate regression model, the amount of shearer speed can be predicted with good accuracy. For this purpose, the genetic algorithm in MATLAB software has been used to optimize the speed of the shearer device. Determining the appropriate speed results show that cross diagrams based on coefficient of determination (R2), according to Equations (logarithmic, exponential and linear), linear type has a higher coefficient of determination than other equations. Therefore, the best model is selected to determine the appropriate speed. Using the linear equation in the genetic algorithm, the extraction speed of the shearer machine was estimated to be 4.79 m/min.