Tác giả

Trần Đình Bão 1,2* , Đỗ Văn Triều 3 , Nguyễn Đình An 1,2 , Hoàng Văn Vân 4 , Bùi Xuân Diện 5 , Hoàng Đình Nam 1

Đơn vị công tác

1 Trường Đại học Mỏ - Địa chất; trandinhbao@humg.edu.vn; nguyendinhan@humg.edu.vn; 2021040137@student.humg.edu.vn

2 Nhóm nghiên cứu mạnh Những tiến bộ trong Khai thác mỏ bền vững và có trách nhiệm (ISRM), Trường Đại học Mỏ - Địa chất, Hà Nội, Việt Nam

3 Viện Khoa học Công nghệ Mỏ - Vinacomin; dovantrieu15091996@gmail.com

4 Chi nhánh Công nghiệp Hóa chất mỏ Hà Tuyên - MICCO; hoangvanhaidang@gmail.com

5 Công ty Công nghiệp Hóa chất mỏ Bắc Trung Bộ - MICCO; dienbxbtb@gmail.com

*Tác giả liên hệ: trandinhbao@humg.edu.vn; Tel.: +84–988196996

Tóm tắt

Đá bay là mối nguy hiểm lớn nhất trong hoạt động nổ mìn khai thác mỏ lộ thiên. Đá bay chiếm khoảng một nửa tổng số vụ tai nạn liên quan đến nổ mìn trên các mỏ lộ thiên, đây là một vấn đề nghiêm trọng và gây ra những phản ứng tiêu cực của cộng đồng dân cư sống quanh khu vực nổ mìn. Tuy nhiên, các nghiên cứu về phương pháp dự báo hiện tượng đá bay trong khai thác mỏ lộ thiên ở Việt Nam vẫn còn thiếu và hạn chế. Trong phạm vi nghiên cứu này, phương pháp phân tích mô phỏng thử nghiệm đá bay do nổ mìn gây ra bằng phương pháp động lực hạt mịn (SPH) trên phần mềm LS-Dyna cho mô hình 2D được xây dựng và áp dụng thực tế cho tuyến mặt cắt B2 của mỏ đá vôi Mông Sơn, tỉnh Yên Bái. Kết quả của mô hình cho thấy khả năng của phương pháp thủy động lực học hạt mịn trong việc phân tích quỹ đạo bay, khoảng cách của đá bay trong quá trình nổ mìn. Bằng cách sử dụng mô hình với các thông số nổ thực tế tại mỏ nhóm nghiên cứu đã đo được vận tốc và tốc độ bay của các mảnh đá tại các thời điểm thiết lập, cụ thể sau 1,5 giây đá bay xa nhất so với tâm bãi nổ đạt 85 m, tương ứng với vận tốc trung bình 40 m/s. Nghiên cứu giúp các kỹ sư khai thác mỏ ước lượng được khoảng cách đá bay cho từng vụ nổ cụ thể tại mỏ, qua đó đưa ra những biện pháp phù hợp để giảm thiệu hiện tượng đá bay, nâng cao hiệu quả nổ mìn. Tuy nhiên, cần tiến hành thêm những nghiên cứu chi tiết và chuyên sâu hơn về việc áp dụng phương pháp SPH trên phần mềm LS-Dyna cho mô hình 3D, đồng thời cần xem xét nhiều trường hợp nổ mìn thực tế theo hộ chiếu thi công và thí nghiệm bổ sung các tính chất cơ lý đá theo thuộc tính đất đá tại mỏ phù hợp với vật liệu trong phần mềm hỗ trợ.

Từ khóa

Đá bay; Động lực hạt mịn; Mô phỏng; Nổ mìn; LS-Dyna.

Trích dẫn bài báo

Bão, T.Đ.; Triều, Đ.V.; An, N.Đ.; Vân, H.V.; Diện, B.X.; Nam, H.Đ. Mô phỏng hiện tượng đá bay trong quá trình nổ mìn khai thác mỏ bằng phương pháp động lực hạt mịn (SPH) trên phần mềm LS–Dyna, lấy ví dụ từ mỏ đá vôi Mông Sơn (Yên Bái). Tạp chí Khí tượng Thủy văn 2023, 750, 66-78. 

Tài liệu tham khảo

1. Kahriman, A.; Ozer, U.; Aksoy, M.; Karadogan, A.; Tuncer, G. Environmental impacts of bench blasting at Hisarcik Boron open pit mine in Turkey. Environ. Geology. 2006, 50(7), 1015–1023.

2. Uysal, O.; Cavus, M. Effect of a pre–split plane on the frequencies of blast induced ground vibrations. Acta Montanistica Slovaca 2013, 18(2), 101–109.

3. Karadogan, A.; Kahriman, A.; Ozer, U. A new damage criteria norm for blast induced ground vibrations in Turkey. Arabian J. Geosci. 2014, 7(4), 1617–1627.

4. Gorgulu, K.; Arpaz, E.; Uysal, O.; Duruturk, Y.S.; Yuksek, A.G.; Kocaslan, A.; Dilmac, M.K. Investigation of the effects of blasting design parameters and rock properties on blast–induced ground vibrations. Arabian J. Geosci. 2015, 8(6), 4269– 4278.

5. Kulekci, G.; Alemdag, S. The investigation of blasting effect on natural heritages in quarries: Registered rock room sample. Proceedings of the 8th International Aggregates Symposium 13–14 October, Kutahya, Turkey, 2016, pp. 498–504.

6. Singh, T.N.; Singh, V. An intelligent approach to prediction and control ground vibration in mines. Geotech. Geol. Eng. 2005, 23(3), 249–262.

7. Rezaei, M.; Monjezi, M.; Varjani, A.Y. Development of a fuzzy model to predict flyrock in surface mining. Saf. Sci. 2011, 49, 298–305.

8. Hajihassani, M.; Armaghani, D.J.; Sohaei, H.; Mohamad, E.T.; Marto, A. Prediction of airblast–overpressure induced by blasting using a hybrid artificial neural network and particle swarm optimization. Appl. Acoust. 2014, 80, 57–67.

9. Sadeghi, F.; Monjezi, M.; Armaghani, D.J. Evaluation and optimization of prediction of toe that arises from mine blasting operation using various soft computing techniques. Nat. Resour. Res. 2020, 29(2), 887–903.

10. Bhandari S. Engineering rock blasting operations. A.A. Balkema, Rotterdam, 1997.

11. Fletcher, L.R.; D'Andrea, D.V. Control of flyrock in blasting. Proceeding of 12th Conf. on Explosives and Blasting Technique. Atlanta, Georgia, 1986, pp. 167–177.

12. Raina, A.K.; Murthy, V.M.S.R.; Soni, A.K. Flyrock in surface mine blasting: understanding the basics to develop a predictive regime. Curr. Sci. 2015, 108, 660–665.

13. Workman, J.L.; Calder, P.N. Flyrock prediction and control in surface mine blasting. Proceeding of the 20th conference on explosives and blasting technique. Austin, Texas, 1994, pp. 59–74.

14. Kopp, J.W. Observation of flyrock at several mines and quarries. Proceeding of the 20th conference on explosives and blasting technique. Austin, Texas, 1994, pp. 75–81.

15. Lundborg, N.; Persson, P.A.; Ladegaard–Pedersen, A.; Holmberg, R. Keeping the lid on flyrock in opencast blasting. Eng. Min. J. 1975, 95–100.

16. Roth, J. A model for the determination of flyrock range as a function of shot conditions, final report contract no. J03872A2. Manage. Sci. Assoc. 1979.

17. Hillier, D.E.; Holywell, P.D.; Jeffries, R.M.; Scott, I.M.B. Limiting the instance of flyrock from quarry operations, research report. WS Atkins Consultants Ltd., Warrington, 1999.

18. Schneider, L. Back to the basics, flyrock (part 2: prevention). Appl. Acoust. 1997, 71, 1169–1176. Doi:10.1016/j.apacoust.2010.07.008.

19. Adhikari, G.R. Studies on flyrock at limestone quarries. Rock Mech. Rock Eng. 1999, 32, 291–301. Doi:10.1007/s006030050049.

20. Mishra, A.K.; Mallick, D.K. Analysis of blasting related accidents with emphasis on flyrock and its mitigation in surface mines. Proceedings of the 10th International Symposium on Rock Fragmentation by Blasting. New Delhi, India. 2012, pp. 555–563.

21. Bajpayee, T.S.; Rehak, T.R.; Mowrey, G.L.; Ingram, D.K. Blasting injuries in surface mining with emphasis on flyrock and blast area security. J. Saf. Res. 2004, 35, 47–57. Doi:10.1016/j.jsr.2003.07.00.

22. Kulekci, G.; Yilmaz, A.O. Roadway tunnel construction with drilling–blasting method; Gümüşhane environment road example. Int. J. Math. Eng. Nat. Sci. 2018, 4, 34–39.

23. Kulekci, G.; Yilmaz, A. Investigation of the effect of activities in a coper mine on historical works, an example of Gümüşhane Süleymaniye. J. Underground Resour. 2019, 16(8), 1–14.

24. Monjezi, M.; Amini Khoshalan, H.; Yazdian Varjani, A. Prediction of flyrock and backbreak in open pit blasting operation: a neuro–genetic approach. Arabian J. Geosci. 2010a, 5(3), 441–448.

25. Monjezi, M.; Bahrami, A.; Yazdian Varjani, A. Simultaneous prediction of fragmentation and flyrock in blasting operation using artificial neural networks. Int. J. Rock Mech. Min. Sci. 2010b, 47(3), 476–480.

26. Monjezi, M.; Mehrdanesh, A.; Malek, A.; Khandelwal, M. Evaluation of effect of blast design parameters on flyrock using artificial neural networks. Neural Comput. Appl. 2012, 23(2), 349–356.

27. Rezaei, M.; Monjezi, M.; Varjani, A.Y. Development of a fuzzy model to predict flyrock in surface mining. Saf. Sci. 2011, 49, 298–305.

28. Ghasemi, E.; Sari, M.; Ataei, M. Development of an empirical model for predicting the effects of controllable blasting parameters on flyrock distance in surface mines. Int. J. Rock Mech. Min. Sci. 2012a, 52, 163–170.

29. Ghasemi, E.; Amini, H.; Ataei, M.; Khalokakaei, R. Application of artificial intelligence techniques for predicting the flyrock distance caused by blasting operation. Arabian J. Geosci. 2012b, 7(1), 193–202.

30. Amini, H.; Gholami, R.; Monjezi, M.; Torabi, S.R.; Zadhesh, J. Evaluation of flyrock phenomenon due to blasting operation by support vector machine. Neural Comput. Appl. 2011, 21(8), 2077–2085.

31. Raina, A.K.; Chakraborty, A.K.; Choudhury, P.B.; Sinha, A. Flyrock danger zone demarcation in opencast mines: a risk based approach. Bull. Eng. Geol. Environ. 2011, 70(1), 163–172.

32. Alemdag, S.; Zeybek, H.I.; Kulekci, G. Stability evaluation of the Gümüşhane–Akçakale Cave by numerical analysis method. J. Mountain Sci. 2019, 16(9), 50–58.

33. Momeni, E.; Nazir, R.; Armaghani, D.J.; Maizir, H.  Prediction of pile bearing capacity using a hybrid genetic algorithm–based ANN. Measurement 2014, 57, 122–131.

34. Mohamad, E.T.; Armaghani, D.J.; Hajihassani, M.; Faizi, K.; Marto, A. A simulation approach to predict blasting–induced flyrock and size of thrown rocks. Electron. J. Geotech. Eng. 2013a, 18, 365–374.

35. Monjezi, M.; Dehghani, H. Evaluation of effect of blasting pattern parameters on back break using neural networks. Int. J. Rock Mech. Min. Sci. 2008, 45(8), 1446–1453.

36. Esmaeili, M.; Osanloo, M.; Rashidinejad, F.; Bazzazi, A.A.; Taji, M. Multiple regression, ANN and ANFIS models for prediction of backbreak in the open pit blasting. Eng. Comput. 2014, 30(4), 549–558.

37. Garret, J.H. Where and why artificial neural networks are applicable in civil engineering. J. Comput. Civil Eng. 1994, 8, 129–130.

38. R. A. Gingold, J. J. Monaghan. Smoothed particle hydrodynamics: theory and application to non-spherical stars. Monthly Notices of the Royal Astronomical Society. 1977, Volume 181, Issue 3, December, Pages 375–389, https://doi.org/10.1093/mnras/181.3.375

39. Thung, T.T.  Study of the SPH method for Simulation in LS–Dyna, 2017.

40. Jayasinghe, L.B. Numerical investigation into the blasting-induced damage characteristics of rocks considering the role of in-situ stressed and discontinuity persistence. Nanyang Centre for Underground Space, School of Civil and Environmental Engineering, Nanyang Technological University, Singapore 639798. 2020.

41. Ảnh chụp vệ tinh mỏ đá vôi Mông Sơn.

42. Xu, J.; Wang, J.  Interaction Methods for the SPH Parts (Multiphase Flows, Solid Bodies) in LS–Dyna. Livermore Software Technology Corporation, 2013.

43. Thắng, Đ.T.; Nam, B.X.; Hiếu, T.Q.  Nổ mìn trong ngành mỏ và công trình. Nhà xuất bản Khoa học tự nhiên và công nghệ, Hà Nội, 2015.

44. Gao, J.; Xie, S.; Zhang, X.; Wang, H.; Gao, W.; Zhou, H.  Study on the 2D optimization simulation of complex five–hole cutting blasting under different lateral pressure coefficients. Hindawi Complexity 2020, 4639518, pp. 12.

45. Riedel, W.; Thoma, K.; Hiermaier, S.  Numerical analysis using a new macroscopic concrete model for hydrocodes. Proceedings of 9th international symposium on interaction of the effects of munitions with structures, Strausberg, Germany. 1999, pp. 315–322.