基于響應面法的煤塵抑塵劑配方的優化研究

閻杰，楊永竹，段龍，張恒，謝軍，舒新前

(1.河北建筑工程學院 土木工程學院，河北 張家口 075000；2.中國礦業大學(北京) 化工學院，北京 100083； 3.河北省土木工程診斷、改造與抗災重點實驗室，河北 張家口 075000)

煤炭在開采及運輸過程中會產生大量煤塵，不僅嚴重影響礦工身體健康，在礦井中大量煤塵亦可引發爆炸威脅煤礦安全[1-3]。因此，在產煤行業，礦井煤塵被列為五大自然災害之一[4-6]。國內外學者致力于防塵工作的實驗研究，雖然降塵取得了一定效果，但是還沒有從根本上改進煤塵超標的現象[7-9]。實踐證明，要想提高除塵效率，還需要從煤塵表面性質出發，尤其是改變液體對煤塵的潤濕性降低液體的表面張力，從而提高煤塵降塵效率[10]。

本文用響應面優化法對抑塵劑配方進行優化設計[11-12]。選用哈密褐煤(HM)進行實驗論證，通過對回歸過程和響應曲面找出預測的響應值，從而制備效果最好的抑塵劑。

1 實驗部分

1.1 材料與儀器

哈密褐煤(HM)，煤的工業分析和元素分析(參照GB/T 212—2001《煤的工業分析方法》和GB/T 476—2001《煤的元素分析方法》測定)結果見表1；陰離子型聚丙烯酰胺(APAM)、烷基糖苷(APG)均為工業級；十二烷基苯磺酸鈉(SDBS)、十六烷基三甲基溴化銨(CTAB)均為分析純。

表1 哈密煤煤塵的工業分析和元素分析Table 1 Proximate and ultimate analysis of coal samples

YS-08型高速破碎機；GZX-9240MBE型電熱鼓風干燥箱；TF-G6800型工業分析儀；Vario MACRO CHNS型元素分析儀；FA2204B型電子天平；SCI-100型表面張力儀；7200型可見光分光光度計；JGW-360A型接觸角測定儀。

1.2 煤塵潤濕機理

煤塵潤濕過程主要由三部分組成，即粘濕過程、鋪展過程、浸濕過程，見圖1。沾濕是煤塵表面的氣膜被液體取代的過程，鋪展是液滴在煤塵表面自動鋪展擠掉氣膜的過程，潤濕是煤塵顆粒完全進入液體中的過程。表面活性劑是由截然不同的兩部分親水基團和疏水基團構成的，當溶于水時，親水基深入水中，疏水基則伸向氣相。伸向空氣的疏水基與煤塵之間通過吸附作用又將煤塵帶入水中，使得煤塵表面變為高能表面，進而增強煤塵與水的親和性，并且潤濕劑能在液滴表面形成細長的分子量，使得液滴之間發生凝聚現象，加速煤塵的沉降[13]。

圖1 煤塵的潤濕過程Fig.1 Wetting process of coal dust

1.3 實驗方法

褐煤(HM)經過破碎、篩分，選取粒度<200目的煤塵干燥后備用。潤濕劑是表面活性劑與水配成一定濃度的溶液。

煤塵的潤濕效果以沉降時間來表征。將0.2 g實驗煤塵均勻撒落到100 mL表面活性劑溶液表面，記錄煤塵層從接觸液面到完全沒入水中所需時間，即為沉降時間。沉降時間越短，說明潤濕性越好。

煤塵的團聚效果通常以滲透率的高低來表征。稱取0.2 g實驗煤塵，放入燒杯中，將配制好的黏結劑溶液移入燒杯中，將混合液在磁力攪拌器上以勻速攪拌10 min，然后靜置，10 min后用可見光分光光度計在波長550 nm下測其透過率。

2 結果與討論

2.1 表面活性劑的選擇

用于煤塵抑塵劑的表面活性劑必須是無毒無味并不可燃的，尤其需易溶于水、價格低廉且環保。基于課題組對表面活性劑的研究成果及國內外學者的研究基礎，本文選擇陰離子表面活性劑十二烷基苯磺酸鈉(SDBS)、陽離子表面活性劑十六烷基三甲基溴化銨(CTAB)和非離子表面活性劑烷基多糖苷(APG)進行實驗。將表面活性劑分別配制成不同濃度的溶液，用接觸角測定儀測定表面活性劑與煤塵的接觸角，結果見圖2。

圖2 表面活性劑溶液在HM煤塵表面的接觸角Fig.2 Contact angle of surfactant solutions on the surface of HM coal sample

由圖2可知，對于HM煤，表面活性劑的潤濕效果從大到小順序依次為APG>SDBS>CTAB。選取APG、SDBS作為表面活性劑復配單體。文獻指出，陰離子聚丙烯酰胺(APAM)對于煤塵的團聚效果較好，因此選取APAM與APG、SDBS進行復配實驗。

豬繁殖與呼吸綜合征（PRRS）的特征是豬群發生以繁殖障礙和呼吸系統癥狀的一種急性、高度傳染的病毒性傳染病。高致病性豬藍耳病是由豬繁殖與呼吸綜合征（俗稱藍耳病）病毒變異株引起的一種急性高致死性疫病。仔豬發病率可達100%、死亡率可達50%以上，母豬流產率可達30%以上，育肥豬也可發病死亡是其特征。PRRSV為動脈炎病毒屬的成員，是一種有囊膜的單股正鏈RNA病毒，病毒粒子呈球型，直徑為55～60 nm，病毒有2個血清型，即美洲型和歐洲型，我國分離到的毒株為美洲型。

2.2 響應面實驗結果

以APG(A)、SDBS(B)和APAM(C)作響應變量，通過響應面軟件design expert 8.0.6進行響應實驗，以沉降時間和透過率作為響應值，因素與水平見表2，結果見表3。

表2 響應面實驗的因素與水平Table 2 The factors and levels of responsesurface experiment

表3 響應面實驗結果Table 3 The results of the response surface experiment

2.3 潤濕性響應面結果分析

2.3.1 模型建立及方差分析 通過響應面軟件design expert 8.0.6.1對表中數據進行回歸分析，獲得了復配體系(A+B+C)對沉降時間的回歸方程：R1=36.14-2.03A-1.95B-0.3C+0.76AB-3.05AC+5.17BC-9.34A2-3.16B2-1.67C2。

對回歸方程進行方差分析，結果見表4。

表4 二次模型方差分析表Table 4 Analysis of variance(ANOVA) for thesecond model

注：***顯著性0.001，**顯著性0.01，*顯著性0.05。

由表4可知，模型的相關系數R2=0.921 5，說明響應值(沉降時間)92.15%的變化來源于變量APG、SDBS、APAM，該模型可以較好地反映因素與響應值之間的關系。方程的F值為9.13，概率0.004 1<0.01，說明該模型是顯著的，失擬項的F值為1.23，概率為0.407 5>0.05，說明失擬項不顯著，表明所得模型擬合結果較好，實驗誤差小，可以用該模型對不同試劑單體濃度配比條件下的潤濕性進行預測。方程所得信噪比8.867 1>4，再次說明該模型可以用來分析和預測復配溶液潤濕性較高時的最優配比。

由表4顯著性可知，參數BC、A2是模型中的顯著模型參數，說明APG在復配體中對煤塵潤濕性起主導作用；APAM作為黏結劑，依靠氫鍵作用團聚煤塵的同時，也起到了潤濕煤塵的作用；SDBS/APAM的交互作用進一步提高了煤塵的潤濕性。

2.3.2 響應面圖形分析 各因素A、B、C與響應值所構成的三維空間曲面圖見圖3。

圖3 不同試劑單體的響應面三維圖Fig.3 Response surface 3D plots of different reagent monomers

圖3a是APAM濃度為0.04%時，APG和SDBS 濃度對煤塵沉降時間的影響。從圖中可以看出，APG和SDBS之間無明顯交互作用，意味著，當APG的濃度增加時，SDBS濃度先增大后減小。結合方差分析可知，二者間的交互作用對煤塵的潤濕性不顯著。

圖3b是SDBS濃度為0.40%時，APG與APAM濃度對煤塵沉降時間的影響。從圖中可以看出，二者之間有明顯交互作用，APG濃度的變化影響沉降時間先增大后減小，且在APG為0.2%時，APAM對沉降時間的影響比較明顯，隨著濃度增加，沉降時間逐漸減小，潤濕效果提高。

圖3c是APG濃度為0.20%時，SDBS與APAM濃度對煤塵沉降時間的影響。從圖中可以看出，二者之間具有顯著交互作用。隨著SDBS濃度增加，沉降時間減小，降幅在6～10 s之間；APAM對沉降時間的影響比較明顯，隨著濃度的增加，沉降時間逐漸減小。主要原因在于粘結劑濃度增大，煤塵表面分子間的靜電斥力增加，不利于煤塵潤濕。

2.4 團聚性響應面結果分析

2.4.1 模型建立及方差分析 通過響應面軟件design expert 8.0.6對表中數據進行回歸分析，獲到了復配體系(A+B+C)對透過率的回歸方程：R2=86.58-0.59A+2.93B+4.26C+0.12AB-1.25AC-0.12BC-1.09A2+0.688B2-0.24C2。

對回歸方程作進一步分析，方差分析見表5。

表5 二次模型方差分析表Table 5 Analysis of variance(ANOVA)for the second model

注：***顯著性0.001，**顯著性0.01，*顯著性0.05。

由表5可知，模型的相關系數R2=0.913 1，說明響應值91.31%的變化來源于所選變量APG、SDBS、APAM，該方程可以較好地反映因素與響應值之間的關系。方程的F值為8.14，概率0.005 7<0.01，說明該模型是顯著的，失擬項的F值為1.34，概率為0.145 3>0.05，說明失擬項不顯著，表明所得方程擬合結果較好，實驗誤差小，可以用該方程對不同試劑單體濃度配比條件下的透過率進行預測。方程所得信噪比10.572>4，再次說明該方程可以用來分析和預測復配溶液的團聚性較高時的最優配比。

由表5顯著性可知，參數B、C是模型中的顯著模型參數，即SDBS、APAM對團聚影響很大，提高了煤塵的團聚性，而試劑間的交互作用對煤塵團聚影響較小。因此，在反應過程中對煤塵團聚起主導作用的依然是黏結劑，而表面活性劑在一定程度上提高了黏結劑在煤塵表面的吸附作用。

2.4.2 響應面圖形分析 響應面三維圖見圖4。

圖4 不同試劑單體的響應面三維圖Fig.4 Response surface 3D plots of different reagent monomers

圖4a是APAM濃度為0.04%時，APG和SDBS 濃度對煤塵透過率的影響。從圖中可以看出，二者之間具有明顯的交互作用，APG濃度的變化對透過率的相對影響較小，隨著濃度的增加，透過率呈先升高后減小的趨勢，且變化幅度較小；SDBS對透過率的影響較大，濃度增加，透過率明顯提高，濃度達到0.5%時，透過率達到最大值，團聚效率效果顯著。

圖4b是SDBS濃度為0.40%時，APG與APAM濃度對煤塵透過率的影響。從圖中可以看出，二者之間沒有明顯的交互作用，意味著，當APG濃度增加時，APAM濃度可以適當的減小，反之亦然。

圖4c是APG濃度為0.20%時，SDBS與APAM濃度對煤塵透過率的影響。從圖中可以看出，二者之間無明顯交互作用，但SDBS和APAM濃度增加，透過率都有明顯的提高，且二者濃度達到最大值時，透過率達到91%左右，團聚效果最好。

2.4.3 最優化條件 通過軟件分析可知，煤塵團聚性最好時各成分的最佳濃度為：烷基糖苷(APG)0.15%，十二烷基苯磺酸鈉(SDBS)0.50%，陰離子聚丙烯酰胺(APAM)0.04%。在此濃度配比下，模型預測的復配體的透過率為91.4%。

2.5 降塵劑最優化條件及實驗驗證

通過軟件分析可知，同時達到潤濕和團聚效果最優的試劑濃度為烷基糖苷(APG)0.25%，十二烷基苯磺酸鈉(SDBS)0.50%，陰離子聚丙烯酰胺(APAM)0.05%。在此濃度配比下，模型預測的沉降時間為20.48 s，透過率為91.48%。采用預測濃度進行了3組平行實驗，結果見表6。

表6 最優化條件實驗驗證Table 6 Optimal condition experimental verification

由表6可知，3次實驗結果及平均值與模型預測值接近，進一步說明了所得模型的可靠性和準確性。因此，對于HM煤塵，當試劑單體濃度分別為APG 0.25%，SDBS 0.50%及APAM 0.05%時，可同時達到潤濕和團聚的最佳狀態。

3 結論

(1)選用響應面分析法考察APG、SDBS、APAM濃度對煤塵潤濕性的影響，建立了試劑與沉降時間的回歸模型，模型的相關系數R2=0.921 5，方程的F值為9.13，概率0.004 1<0.01，說明模型擬合結果較好；響應面圖形分析可知，APG和SDBS之間存在重要的交互作用，對潤濕性影響顯著，SDBS和APAM對煤塵潤濕性起主導作用；模型得到的潤濕性最優條件為：0.20%APG，0.40%SDBS及0.04%APAM。

(2)響應面分析法分析APG、SDBS、APAM濃度對煤塵團聚性的影響，建立了試劑與透過率的回歸模型，模型的相關系數R2=0.913 1，方程的F值為8.17，概率0.005 7<0.01，說明模型擬合結果較好；響應面圖形分析可知，APG和APAM之間存在重要的交互作用，對團聚性影響較小，SDBS和APAM對煤塵團聚性起主導作用；模型得到的團聚性最優條件為：0.20%APG，0.40%SDBS及0.04%APAM。

(3)綜合分析可知，煤塵潤濕和團聚效果最優的試劑復配濃度為：0.25%APG，0.50%SDBS及0.05%APAM，沉降時間預測值為20.48 s，3次實測平均值為21.25 s，誤差為3.26%；透過率預測值為91.48%，3次實測平均值為92.49%，誤差為1.10%。采用最優預測濃度進行實驗，結果表明，三次實驗結果與模型預測值接近，進一步說明所得模型的準確性。