The 7th National Conference on Computational Mechanics of Granular Materials in conjunction with The 4th International Symposium on Computational Particle Technology (CMGM-2024 & CPT-2024)

为深入理解不同因素影响下的矿岩颗粒堵塞特性与形成机理，针对不同堵塞状态下的局域矿岩颗粒堆积体系，利用复杂网络分析方法确定最优的关键颗粒识别指标，实现矿岩颗粒重要度排序，并分析了不同因素影响下关键颗粒的几何、空间分布以及聚集性与连通性等特征。研究结果表明：(1) 堵塞体系内矿岩颗粒接触网络属于随机网络模型，矿岩颗粒堵塞体系的平均Degree分布符合泊松分布。Degree可被视作合适的关键颗粒识别指标。(2) 关键颗粒的平均粒径随降序排列后期数目的增加均呈幂函数形式减小。当出现堵塞失稳时，被删除关键颗粒的平均粒径在体系内颗粒平均粒径的2.6倍以上。另外，关键颗粒在空间分布上会逐渐在放矿口上方一定范围内聚集形成一个较为清晰的近似拱形shape。(3)整体而言，随着放矿口尺寸与矿岩颗粒粒径的比值的减小, 或者放矿口尺寸与矿岩颗粒粒径的比值的增大，关键颗粒之间的集聚性与连通性逐渐增加，故矿岩颗粒堵塞局域内接触网络的稳定性提高，即堵塞程度增加。当上述各因素取值达到某一定值后，其对堵塞程度的影响会趋于稳定。
 

Block caving; Hang-up system; Caved ore and rock; Vital particles identification; Complex network; PFC modelling