煤自热的本质是煤炭与氧气吸附并发生的氧化反应，取决于环境氧化条件[1-2]、煤炭化学活性[3-4]及煤炭颗粒尺寸[5-6]。在开采、储存及运输过程中，煤炭以颗粒堆积的形式暴露于特定氧化环境中。煤颗粒堆积结构直接影响了高温火源发生发展规律，是形成非控制性灾害的关键影响因素之一[7]。煤颗粒堆积结构的动态演化过程与煤的氧化反应及能量传递过程相互影响。一方面，自然发火过程中，煤颗粒堆积体内热应力引起其内部孔隙通道变形、增多，堆积体结构形态随氧化反应的进行发生动态变化。另一方面，堆积结构形态决定了堆积体内气体浓度与温度的分布及运移规律，从而影响了堆积体内高温区域的形成与蔓延。煤堆结构动态演化规律定量分析对准确预测堆积体内高温热源及火灾防控具有重要意义。
目前，国内外学者针对氧化过程中微观尺度煤炭物理结构变化规律进行了大量研究[8-13]，利用扫描电镜(SEM)[14]、液氮吸附[15]、压汞[16]等方法对煤样中微米及纳米量级孔隙进行测试研究，指出了微观结构是影响其氧化反应动力学的因素之一[16-18]。例如煤的微观孔隙结构与表面积决定了吸氧量，从而影响低温氧化能力[19]。相关研究进一步解释了煤自然发火机理，但其研究尺度较小，结论难以直接用于宏观尺度煤堆结构动态演化规律分析。使用三维重构方法，构建物理真实的堆积结构是定量分析煤颗粒堆积体的关键技术。
基于显微CT断层扫描的物理重构技术，具有无损定量等优点[20]，在多孔介质重构与结构精细表征方面获得越来越广泛的应用。粉砂孔隙结构方面，可利用显微CT重构并定量分析其力学特性[21]。煤颗粒内微观裂隙结构方面，可基于CT重构结果，建立孔隙网络模型，并对其结构进行表征分析[22]。但三维重构技术在煤自然发火领域应用较少，且自然发火过程中，煤颗粒堆积体物理结构的演变规律鲜有文献报道。
笔者以煤颗粒堆积体为研究对象，利用显微CT断层扫描技术与三维重构方法，实现了堆积体孔隙率、颗粒体积与表面积的结构参数定量分析，获得了自然发火过程煤颗粒堆积体结构形态演化规律，为准确预测煤堆结构高温火源及煤矿火灾防控提供理论支撑。
1 实验方法
1.1 试样制备
实验所用煤样取自山西马道头矿8404工作面，对其进行破碎筛分后，按照各粒径质量分数混合均匀并放入高30 mm、内径30 mm的坩锅内，制成5个煤颗粒堆积体常温试样。为避免小粒径与大粒径颗粒对三维重构造成影响，选取粒径范围为2～6 mm颗粒，常温试样中粒径质量分数见表1。不同试样升温氧化方式见表2，其中S0未被加热，为室温试样。将试样S1～S4同时放入马弗炉腔体中，以6 ℃/min的升温速率升至100℃时保持此温度40 min，随后取出试样S1。以相同方法继续加热其余试样，制备受热终温为200～400 ℃的氧化试样S2～S4。
表1 试样内颗粒粒径组成
Table 1 Particle size distribution of the sample packing
粒径组成/mm2～3 3～44～55～6质量分数/%1727.230.825
1.2 显微CT断层扫描
本研究利用大连理工大学海洋能源利用与节能教育部重点实验室中X-射线微焦显微CT(InspesXio SMX-225CT)对试样S0～S4进行显微断层扫描实验。将试样固定于CT仓内的旋转操作平台，匀速旋转360°对试样进行扫描，最终获得470张512×512像素的二维显微断层序列，CT断层图像分辨率为630 μm。
表2 试样升温氧化方式
Table 2 Heating method for the coal oxidation
试样编号受热终温/℃保持时间/minS026—S110040S220040S330040S440040
2 煤颗粒堆积体三维重构
2.1 重构方法
多孔介质的重构方法大致可分为3类:数值模拟方法、数值重构方法及物理实验方法[23-25]。数值模拟方法基于离散元方法 (DEM)，通过计算每个颗粒的力学平衡方程，模拟颗粒堆积沉降过程[23]。但氧化过程颗粒大小及分布未知，因此无法使用数值模拟方法对本研究试样进行重构。数值重构方法以二维图像的结构统计信息为基础利用数学算法在一定区域内随机生成孔隙结构，从而重构三维图像。数值重构方法过程简单，重构速度快，但误差较大[26]。物理实验方法通常使用显微CT对试样进行断层扫描，叠加断面图后重构试样物理结构。基于物理实验方法的三维重构模型可以直接反映试样的真实孔隙结构。因此本研究采用物理实验方法，利用显微CT断层扫描技术，重构不同氧化温度条件下煤颗粒堆积结构，分析自然发火过程堆积结构形态演化规律。
2.2 图像处理及重构
利用显微CT对煤颗粒堆积体进行扫描得到原始灰度图像。为避免噪声干扰煤颗粒堆积体内骨架与孔隙的辨别，采用几何均值滤波方法，利用式(1)计算每个像素点周围区域数值作为其像素值，更新数字图像[25]:
(1)
其中，f(x,y)为降噪后像素;Sxy为数字图像像素集合；g(s,t)为该点附近像素值;m，n为降噪计算范围。其次，对CT扫描图像进行亮度、对比度调整，使固体骨架与孔隙区域区别更加明显。利用式(1)进行降噪并调整亮度、对比度，获得断层扫描图像如图1所示。
图1 煤颗粒堆积体显微断面灰度
Fig.1 Preprocessed CT image of coal particle packing
然后，对图像进行二值化处理以减少数据处理量，提取煤颗粒堆积体固体骨架信息。本研究采用大津算法 (Otsu Method)，根据式(2)计算图像阈值[25]得
σ2=w0w1(u0-u1)2
(2)
其中，σ2为大津最佳阈值;w0，w1分别为前景点数与背景点数所占比例;u0，u1分别为前景与背景平均灰度。其中，w0，w1，u0和u1通过统计灰度图像中像素个数及各点像素值获得。二值化过程将数字图像中像素值大于阈值的点赋值为“1”;像素小于阈值的点赋值为“0”。其中，“1”代表孔隙，“0”代表固体骨架。利用式(2)进行二值化处理后得到如图2所示的二值图像，其中白色代表孔隙，黑色代表固体骨架。
最后，将断层二值图像序列转化为二维二值矩阵序列，并叠加二维矩阵序列，构造表征煤颗粒堆积体物理结构的三维二值矩阵，经三维可视化处理，得到如图3所示的煤颗粒堆积体三维重构图像。
图2 煤颗粒堆积体显微断面二值图像
Fig.2 Binary CT image of coal particle packing
图3 煤颗粒堆积体结构三维重构图像
Fig.3 Three-dimensional structure of coal particle beds at different temperature
3 实验结果
煤颗粒堆积体在自然发火过程中，颗粒发生脱水、脱气、解聚、缩聚等过程，堆积结构形态发生变化。此演化规律可以通过对煤颗粒堆积体的孔隙率、颗粒体积分布、颗粒数量、颗粒表面积分布及颗粒比表面积等结构参数进行定量分析获得。
3.1 孔隙率
孔隙率是表征煤颗粒堆积体孔隙结构的主要参数之一，笔者根据式(3)计算三维重构模型孔隙率:
(3)
其中，ε为煤颗粒堆积体孔隙率;Vsolid为重构模型中固体骨架体素数量;Vall为重构模型中所有体素数量。不同氧化条件下煤颗粒堆积结构孔隙率变化趋势如图4所示。
图4 煤颗粒堆积床孔隙率变化
Fig.4 Porosity variation of coal particle beds
煤颗粒堆积体孔隙率随氧化温度升高而升高，且不同温度段煤颗粒堆积体平均孔隙率增长速率有所差异。当氧化温度由室温升至300 ℃时，煤颗粒堆积体孔隙率由0.325缓慢增大至0.361;当氧化温度由300 ℃升至400 ℃时，煤颗粒堆积体孔隙率增大速率明显加快。氧化温度为400 ℃时，堆积体孔隙率为0.427，约为室温试样(S0)孔隙率的1.35倍。如图3中S0～S5三维重构图像所示，100 ℃时煤颗粒堆积结构与室温下无明显区别;200 ℃及300 ℃时煤颗粒表面出现皱缩但整体变化不明显;当温度达400 ℃，煤颗粒皱缩现象加剧，颗粒数量明显增多。该结果与堆积体孔隙率变化规律相符。随着温度升高，煤颗粒发生皱缩，固体颗粒体积变小，堆积体孔隙率缓慢增大，当温度超过300 ℃时，煤颗粒皱缩严重，大颗粒分裂形成多个小颗粒，孔隙率增大速率加快。
3.2 颗粒体积与数量
为进一步研究不同氧化温度下煤颗粒堆积结构形态的变化特征，对试样S1～S4内颗粒体积分布及颗粒数量进行统计分析。4组试样堆积颗粒体积分布如图5所示。结果表明:煤氧化温度由100 ℃升至400 ℃的过程中，堆积体内颗粒逐渐皱缩并由大颗粒分裂形成多个小体积颗粒。当氧化温度为100 ℃时，煤颗粒堆积体内以体积小于50 mm3的颗粒为主，约占总颗粒体积95.9%，其中体积小于10 mm3的颗粒占总体积50.9%，体积为10～50 mm3的颗粒占总体积45.0%;随温度升高，200 ℃与300 ℃时煤颗粒堆积体内颗粒体积明显减小，体积小于10 mm3的颗粒体积分数分别为63.5%与57.8%，体积为10～50 mm3的颗粒体积分数分别为34.2%与38.8%;当氧化温度达到400 ℃时，煤颗粒堆积体内体积小于10 mm3的颗粒占总体积93.8%，体积为10～50 mm3的颗粒仅占总体积5.1%。
图5 不同氧化条件下堆积体颗粒体积分布统计
Fig.5 Statistics of particle volume under different oxidation status
图6 堆积体平均颗粒体积与颗粒数量变化
Fig.6 Variation of average particle volume and the number of coal particles
不同氧化温度下，煤颗粒堆积体平均颗粒体积与颗粒数量变化规律如图6所示。煤颗粒堆积体在100～400 ℃氧化过程中，颗粒平均体积整体呈现下降趋势，颗粒数量整体呈现上升趋势。但在200～300 ℃温度段，煤颗粒堆积体内颗粒平均体积与颗粒数量均出现波动。由图5，6可知，氧化煤样从200 ℃变化到300 ℃时，颗粒平均体积分别为13.9 mm3与14.9 mm3，颗粒数分别为345与325;小于10 mm3的颗粒体积分数减少5.7%，10～50 mm3范围内的颗粒体积分数增长4.6%。究其原因，在氧化过程中，煤颗粒表面物理化学性质发生变化，煤颗粒内不同成分及不同氧化生成物在加热过程中的熔聚强度不同，低熔点成分熔化产生液相并胶结其他颗粒，使得300 ℃氧化试样平均颗粒体积增大，颗粒数量减少;同时，由于小颗粒在加热过程氧化更加剧烈，胶结现象更多发生于小颗粒之间。因此，相比于200 ℃氧化试样，300 ℃氧化试样中体积小于10 mm3颗粒数量减少。当氧化温度进一步升高，颗粒之间胶结现象被破坏，大颗粒进一步裂解成多个小颗粒，煤颗粒皱缩现象加剧，堆积结构呈现出小体积颗粒松散堆积的状态，颗粒平均体积明显减少，颗粒数量大量增加。
综上，300 ℃与400 ℃氧化堆积试样的颗粒体积分布、平均颗粒体积与颗粒数量均发生剧烈变化;200 ℃与300 ℃氧化堆积试样结构参数出现波动，但变化不明显。因此，可以近似认为300 ℃附近存在一个阈值温度，使煤样反应过程加剧、堆积结构剧烈变化。
3.3 颗粒表面积与比表面积
试样S1～S4中颗粒表面积分布如图7所示，其分布规律与颗粒体积分布规律类似。随着氧化温度升高，煤颗粒堆积体中颗粒平均表面积明显下降。100 ℃氧化试样中表面积小于100 mm2的颗粒表面积占总表面积97.1%，200 ℃与300 ℃氧化试样中表面积小于80 mm2的颗粒表面积约占比94%，400 ℃氧化试样中小于20 mm2的颗粒表面积占比90.8%。同样，由于氧化反应导致煤颗粒堆积体中大颗粒裂解与小颗粒胶结现象，试样从200 ℃升高到300 ℃，60～100 mm2表面积下降0.6%，小于20 mm2颗粒表面积占比下降5.4%，而20～60 mm2颗粒表面积占比增长5.4%。
图7 不同氧化条件下堆积体颗粒面积分布统计
Fig.7 Statistics of particle surface area under different oxidation status
不同氧化温度下，煤颗粒堆积体平均颗粒表面积与平均颗粒比表面积变化规律如图8所示。煤颗粒堆积体在100～400℃氧化过程中，颗粒平均表面积整体呈现下降趋势，颗粒平均比表面积整体呈现上升趋势。在200～300℃温度段，堆积体内颗粒平均表面积与平均比表面积均出现波动，此现象亦由氧化过程中小颗粒之间胶结引起。另外，在氧化过程中，煤颗粒堆积体中颗粒比表面积在100～300 ℃温度段呈现上升的规律，但变化不明显;300～400 ℃温度段堆积体颗粒比表面积升高约1.5倍。上述现象说明，随着氧化温度升高，堆积结构逐渐松散，煤颗粒与氧气接触随着氧化过程的进行变得更加充分，氧化反应更加剧烈，其结构演化规律在300 ℃附近存在1个阈值，当氧化温度高于此阈值，煤颗粒堆积体内颗粒皱缩、裂解加剧，堆积结构孔隙通道互通性提高，氧化过程更加剧烈。
图8 堆积体平均颗粒面积与比表面积变化
Fig.8 Variation of average surface area and specific surface area of coal particles
4 结 论
(1)利用微焦显微CT对不同氧化温度下煤颗粒堆积体进行扫描，采用几何滤波算法、Otsu算法及重构算法对扫描获得的显微断层序列进行了三维重建，定量分析了堆积体结构参数变化规律，对准确预测煤颗粒堆积体内高温火源具有重要意义。
(2)氧化温度升高使煤颗粒堆积体孔隙率增大，颗粒数量增大，颗粒平均体积与表面积减少，颗粒平均比表面积增大。其中，300～400 ℃氧化温度范围内变化最明显，由于小颗粒相互胶结，200～300 ℃氧化温度范围内结构参数变化出现波动。
(3)氧化温度由100 ℃升至400 ℃时，煤颗粒堆积体内体积小于10 mm3颗粒体积百分比由50.9%升高至93.8%，表面积小于20mm2颗粒面积百分比由35.2%升高至90.8%。
(4)煤颗粒堆积体结构演化过程中，在300 ℃附近存在1个温度阈值，当氧化温度高于阈值时，堆积体内颗粒皱缩、裂解加剧，孔隙通道连通性提高，氧化过程更加剧烈。
[1] YUAN L,SMITH A C.The effect of ventilation on spontaneous heating of coal[J].Journal of Loss Prevention in the Process Industries,2012,25(1):131-137.
[2] TARABA B,MICHALEC Z,MICHALCOV
V,et al.CFD simulations of the effect of wind on the spontaneous heating of coal stockpiles[J].Fuel,2014,118:107-112.
[3] LI J,LI Z,YANG Y,et al.Laboratory study on the inhibitory effect of free radical scavenger on coal spontaneous combustion[J].Fuel Processing Technology,2018,171:350-360.
[4] SUJANTI W,ZHANG D K.Laboratory study of spontaneous combustion of coal:The influence of inorganic matter and reactor size[J].Fuel,1999,78(5):549-556.
[5] KÜÇÜK A,KADIO-LU Y,GÜLABO-LU M
.A study of spontaneous combustion characteristics of a turkish lignite:Particle size,moisture of coal,humidity of air[J].Combustion and Flame,2003,133(3):255-261.
[6] FEHMI A,ARISOY A.Effect of particle size on the spontaneous heating of a coal stockpile[J].Fuel and Energy Abstracts,1995,36(1):8.
[7] 梁运涛,王树刚,林琦,等.煤炭自然发火的介尺度现象分析及建模[J].中国矿业大学学报,2017,46(5):979-987.
LIANG Yuntao,WANG Shugang,LIN Qi,et al.Analysis and modeling of mesoscale phenomenon on coal spontaneous conbustion[J].Journal of China University of Mining & Technology,2017,46(5):979-987.
[8] 赵静,冯增朝,杨栋,等.基于三维CT图像的油页岩热解及内部结构变化特征分析[J].岩石力学与工程学报,2014,33(1):112-117.
ZHAO Jing,FENG Zengchao,YANG Dong,et al.Study of pyrolysis and internal structural variation of oil shale based on 3D CT images[J].Chinese Journal of Rock Mechanics and Engineering,2014,33(1):112-117.
[9] 康志勤,王玮,赵阳升,等.基于显微CT技术的不同温度下油页岩孔隙结构三维逾渗规律研究[J].岩石力学与工程学报,2014,33(9):1837-1842.
KANG Zhiqin,WANG Wei,ZHAO Yangsheng,et al.Three-dimensional percolation mechanism in oil shale under different temperatures based on Micro-CT[J].Chinese Journal of Rock Mechanics and Engineering,2014,33(9):1837-1842.
[10] 冯子军,赵阳升.煤的热解破裂过程——孔裂隙演化的显微CT细观特征[J].煤炭学报,2015,40(1):103-108.
FENG Zijun,ZHAO Yangsheng.Pyrolytic cracking in coal:Meso-characteristics of pore and fissure evolution observed by micro-CT[J].Journal of China Coal Society,2015,40(1):103-108.
[11] 王登科,张平,浦海,等.温度冲击下煤体裂隙结构演化的显微CT实验研究[J].岩石力学与工程学报,2018,37(10):2243-2252.
WANG Dengke,ZHANG Ping,PU Hai,et al.Experimental research on cracking process of coal under temperature variation with industrial micro-CT[J].Chinese Journal of Rock Mechanics and Engineering,2018,37(10):2243-2252.
[12] ONIFADE M,GENC B.Comparative analysis of coal and coal-shale intrinsic factors affecting spontaneous combustion[J].International Journal of Coal Science & Technology,2018,5(3):282-294.
[13] ONIFADE M,GENC B.Spontaneous combustion liability of coal and coal-shale:A review of prediction methods.International Journal of Coal Science & Technology,2019,6(2):151-168.
[14] LIANG Y,TIAN F,LUO H,et al.Characteristics of coal re-oxidation based on microstructural and spectral observation[J].International Journal of Mining Science and Technology,2015,25(5):749-754.
[15] 蔺亚兵,贾雪梅,马东民.基于液氮吸附法对煤的孔隙特征研究与应用[J].煤炭科学技术,2016,44(3):135-140.
LIN Yabing,JIA Xuemei,MA Dongmin.Study and application of coal pore features based on liquid nitrogen adsorption method[J].Coal Science and Technology,2016,44(3):135-140.
[16] 赵爱红,廖毅,唐修义.煤的孔隙结构分形定量研究[J].煤炭学报,1998,23(4):105-108.
ZHAO Aihong,LIAO Yi,TANG Xiuyi.Quantitative analysis of pore structure by fractal analysis[J].Journal of China Coal Society,1998,23(4):105-108.
[17] ZHANG Y,WANG J,XUE S,et al.Kinetic study on changes in methyl and methylene groups during low-temperature oxidation of coal via in-situ FTIR[J].International Journal of Coal Geology,2016,154-155:155-164.
[18] WANG D,XIN H,QI X,et al.Reaction pathway of coal oxidation at low temperatures:A model of cyclic chain reactions and kinetic characteristics[J].Combustion and Flame,2016,163:447-460.
[19] 陆伟,胡千庭.煤低温氧化结构变化规律与煤自燃过程之间的关系[J].煤炭学报,2007,32(9):939-944.
LU Wei,HU Qianting.Relation between the change rules of coal structures when being oxidized and spontaneous combustion[J].Journal of China Coal Society,2007,32(9):939-944.
[20] 李伟,要惠芳,刘鸿福,等.基于显微CT的不同煤体结构煤三维孔隙精细表征[J].煤炭学报,2014,39(6):1127-1132.
LI Wei,YAO Huifang,LIU Hongfu,et al.Advanced characterization of three-dimensional pores in coals with different coal-body structure by Micro-CT[J].Journal of China Coal Society,2014,39(6):1127-1132.
[21] 张巍,梁小龙,唐心煜,等.显微CT扫描南京粉砂空间孔隙结构的精细化表征[J].岩土工程学报,2016,39(4):683-689.
ZHANG Wei,LIANG Xiaolong,TANG Xinyu,et al.Fine characterization of spatial pore structure of Nanjing silty sand using micro-CT[J].Chinese Journal of Geotechnical Engineering,2016,39(4):683-689.
[22] 王刚，沈俊男，褚翔宇，等.基于CT三维重建的高阶煤孔裂隙结构综合表征和分析[J].煤炭学报，2017，42(8):2074-2080.
WANG Gang,SHEN Junnan,CHU Xiangyu,et al.Characterization and analysis of pores and fissures of high-rank coal based on CT three-dimensional reconstruction[J].Journal of China Coal Society,2017,42(8):2074-2080.
[23] DONG Y,SOSNA B,KORUP O,et al.Investigation of radial heat transfer in a fixed-bed reactor:CFD simulations and profile measurements[J].Chemical Engineering Journal,2017,317:204-214.
[24] 胡沛裕,王树刚,宋双林,等.基于完全并行细化算法的孔隙网络中轴提取方法[J].化工学报,2018,69(S1):26-33.
HU Peiyu,WANG Shugang,SONG Shuanglin,et al.Medial axis extraction method of pore structure based on fully parallel thinning algorithm[J].CIESC Journal,2018,69(S1):26-33.
[25] LIANG Y,HU P,WANG S,et al.Medial axis extraction algorithm specializing in porous media[J].Powder Technology,2019,343:512-520.
[26] AZRIEL R.Multiresolution image processing and analysis[M].Berlin:Springer Science & Business Media,2013.
