基于探地雷达的煤岩界面探测数据解释方法.pdf

第45卷 第1期 2019年1月 工矿自动化 Industry and Mine Automation Vol. 45 No. 1 Jan. 2019 ;实验研究言实验研究言 文章编号文章编号671-251X201901-0035-05 DOI10. 13272/j. issn. 1671-251x. 17361 基于探地雷达的煤岩界面探测数据解释方法 苗曙光苗曙光123， 刘晓文， 刘晓文13， 李淮江， 李淮江123， 王昕， 王昕13 1.中国矿业大学信息与控制工程学院， 江 苏 徐 州中国矿业大学信息与控制工程学院， 江 苏 徐 州221116 3.中国矿业大学物联网（ 感知矿山） 研究中心， 江苏徐州中国矿业大学物联网（ 感知矿山） 研究中心， 江苏徐州 221116 摘要 针对现有煤岩界面识别方法缺乏对煤岩层特性的研究、 无法对数据进行较好解释的问题， 结合基摘要 针对现有煤岩界面识别方法缺乏对煤岩层特性的研究、 无法对数据进行较好解释的问题， 结合基 于探地雷达的煤岩界面探测模型， 提出了一种煤岩界面探测数据解释方法， 即采用一种改进的最大类间方差于探地雷达的煤岩界面探测模型， 提出了一种煤岩界面探测数据解释方法， 即采用一种改进的最大类间方差 法， 在二维灰度直方图下对探地雷达探测的煤岩图像进行阈值化分割， 从而实现煤岩界面识别。通过仿真实法， 在二维灰度直方图下对探地雷达探测的煤岩图像进行阈值化分割， 从而实现煤岩界面识别。通过仿真实 验研究了探地雷达天线频率对可探测煤层厚度的影响， 结果表明随着天线频率增大， 理论可探测最大煤层厚验研究了探地雷达天线频率对可探测煤层厚度的影响， 结果表明随着天线频率增大， 理论可探测最大煤层厚 度减小； 采 用度减小； 采 用LTD-2100型探地雷达， 设 置型探地雷达， 设 置400 MHz天线频率进行现场测试， 结果表明基于探地雷达的煤天线频率进行现场测试， 结果表明基于探地雷达的煤 岩界面探测数据解释方法可提高煤岩界面识别准确性。岩界面探测数据解释方法可提高煤岩界面识别准确性。 关键词 煤炭开采；无人工作面（ 煤岩界面识别（ 煤岩界面探测（ 探地雷达（ 数据解释（图像分割（ 最大关键词 煤炭开采；无人工作面（ 煤岩界面识别（ 煤岩界面探测（ 探地雷达（ 数据解释（图像分割（ 最大 方方 中图分类号中图分类号TD67 文献标志码文献标志码A 网络出版地址网络出版地址Http //kns. cnki. net/kcms/detail/32. 1627. TP. 20181225. 1527. 001. html Data interpretation of coal-rock interface detection based on ground penetrating radar MIAO Shuguang1’2’3，LIU Xiaowen1’3，LI Huaijiang12-3 , WANG Xin1’3 1. School of Ination and Control Engineering, China University of Mining and Technology’ Xuzhou 221116, China; 2. School of Physics and Electronic Ination’ Huaibei Normal University’ Huaibei 235000 ’ China; 3. Internet of Things Perception Mine Research Center’ China University of Mining and Technology’ Xuzhou 221116, China Abstract For problems that existing coal-rock interface identification s lacked research on characteristics of coal-rock seam and were unable to interpret data well’ a data interpretation of coal-rock interface detection was proposed combining with coal-rock interface detection model based on ground penetrating radar GPR . The uses an improved OTSU to take out threshold segmentation of coal-rock image from GPR under 2D gray histogram’ so as to realize coal-rock interface detection. Influence of GPR antenna frequency on detectable coal seam thickness was researched by simulation experiment. The results show that the maximum detectable coal seam thickness in theory would decrease with increase of antenna frequency. Field test was taken out by use of LTD-2100 type GPR with 400 MHz antenna frequency. The test results show that the data interpretation of coal-rock interface 收 稿 日 期 2018-08-30;修 回 日 期 2018-12-10;责 任 编 辑 李 明 。 基 金 项 目 国 家 重 点 研 发 计 划 资 助 项 目 （2017YFC0804400;国 家 重 点 基 础 研 究 发 展 计 划 （973计 划 ） 资 助 项 目 （2014CB046305;安 徽 省 第 七 批 “115”产 业 创 新 团 队 项 目 （ 皖 人 才 〔2014〕4号淮 北 市 第 三 批“555”产 业 创 新 团 队 项 目 （ 淮 人 才 字 〔2013〕2号 作 者 筒 介 苗 曙 光“ 9 8 3 -男 ， 安 徽 宿 州 人 ， 博 士 研 究 生 ， 研 究 方 向 为 矿 山 物 联 网 和 煤 岩 识 别 ，E-mail msgmcu 126. com。通 信 作 者 刘 晓 文 1964， 女 ， 江 苏 张 家 港 人 ， 教 授 ， 博 士 ， 研 究 方 向 为 矿 山 物 联 网 ，E-mailliuxiaowencumt163. com。 引 用 格 式 苗 曙 光 ， 刘 晓 文 ， 李 淮 江 ， 等.基 于 探 地 雷 达 的 煤 岩 界 面 探 测 数 据 解 释 方 法 工 矿 自 动 化 ，2019,45135-39. MIAO ShuguangLIU Xiaowen, LI Huaijianget al. Data interpretation of coal-rock interface detection based on ground penetrating radar[J]. Industry and Mine Automation,2019,451 35-39. 36 工 矿 自 动 化2 0 1 9 年 第 4 5 卷 detection based on GPR can improve accuracy of coal-rock interface identification. Keywords coalmining unmanned working face; coa--rock interface identification; coa--rock interface detection; ground penetrating radar; data interpretation; image segmentation; OTSU 〇 引言〇 引言 煤矿井下智能化和无人化是煤炭行业未来发展 的目标， 其中煤岩界面 现采煤机滚筒自动 ， 是实现无人 技术之一[1]。 国外对煤岩界面识别的研究始于20世 纪 60年代初 期 ， 美国等主要产煤国 煤层底部为底板（ 包括直接底、 基 本底） 。根据综采工作面煤层赋存状况， 建立基于 G P R 的煤岩界面探测模型， 如 图 1b所 示 。GPR 天 线 与 煤 层 的 距 离 为 煤 层 厚 度 为 。G P R 天 线发射的电磁波T〇 在空气与煤层分界面发生反射 和折射， 反射波 R〇 被 G PR 天线接收， 折 射 波 T1 穿 过煤层， 在煤层与岩层分界面发生反射 射 ， 反射 波 R1 被 G PR 天线接收。R1 与 R〇 到达时间差即电 波在煤层中 走时， 波 度 ， 可 得煤层厚度 b 基于GPR的煤岩界面探测模型 图1煤岩结构和煤岩界面探测模型 Fig. 1 Coal-rock structure and coal-rock interface detection model 假设电磁波在煤岩界面发生的反射为镜面反 射 ， 由煤岩介质 参数（ （ 、 介电常数差异 起 。定义煤岩界面反射系数为 厂 co al，r 槡 r1 槡 r2 槡1 槡2 1 式 中 1 2 分别为煤层、 岩层的相对介电常数。 由式（ 1 可看出， 煤岩 常数差异越大， 则厂。 1 越 大 ， 电磁波反射信号越强烈。〇尺天线 波 射 号 收 PtG2“2 〇 / r】642W〇a2 eDp2 1 b 1 5a r，c o a l 5C o a l ro c k 2 式 中 为 天 线 发 射 功 率 ;A 为 天 线 増 益 U- s t jP v。 -0-0 -0-0 从式（ 9可看出， D 仅与P。 ， M „有关， 通过改 变阈值s，， 可 使 D 取得最大值。 O TSU 只考虑目标和背景的类间方差， 没有考 虑每一类包含的分类信息。为使图像分割更准确， 还应考虑类内像素距离最小[ 12]， 由此引出最小类内 方 s t Din n e r - { [ i 60, 2 j u i-0 8-0 0j 2 ]Pj } L1 L1 {[ i Ui 2 jj --Uj 2 ]Pj } i-s 1 j-t1 10 越小， 表明背景和目标的类内像素内聚性 越好， 图像分割效果越好。通过改变阈值（， t可使 取得最小值。 本文在O TSU基础上， 结合最大类间方差和最 小类内方差， 提 出 了 一 种 改 进 的 OTSU， 其阈值选 择 标 对于电性参数 差异较大的焦煤-页岩， 400 MHz天线理论可探测 38 工 矿 自 动 化2 0 1 9 年 第 4 5 卷 表 1煤岩电性参数 Table 1 Electrical parameters of coal-rock 介质 S m-1 常数 1 MHz 测 频100 MHz 测 频 焦煤2. 70X10-52. 102. 10 石灰岩1. 40X10-35. 703. 70 气煤 2. 02X10-52.402. 60 砂岩4. 00X10-54.014. 60 褐煤8. 77X10-54. 103. 10 页岩1. 01X10-37. 003. 10 ■501-------1--------1--------1--------1--------1 0 2 4 6 8 10 煤层厚度/m a 天线频率为400 MHz b 天线频率为900 MHz 图2不同接收功率下G PR可探测煤层厚度 Fig. 2 Detectable coal seam thickness of GPR under different receiving power 煤层厚度接近6. 5 m， 900 M Hz天线理论可探测煤 层厚度 3. 1 m。② 随 着 G P R 天线频 大 ， 论可探测最大煤层厚度减小，400 M Hz天线 | 多煤矿，900 M Hz天线仅适用于薄煤层和部分 中厚煤层。 4现场测试现场测试 采 用 LTD-2100型 GPR， 在滕州郭庄矿业有限 责任公司郭庄煤矿第七采区 层处进行现场测 ， 测 试 场 景 如 图 3 所 示 。该 区 域 煤 层 厚 度 为 1. 3〜1. 8 m， 属于中厚煤层， 为气煤-砂岩组合。 采 用 400 MHz G PR 天线贴煤层 道方向移 动 ， 探测 图 4 所示。可看出G P R 图 够描 煤岩界面走向， 探测 大煤层厚度 1 . 8 m* GPR天线移动方向 图3现场测试场景 Fig. 3 Field test scene 最小煤层厚度 1. 3 m， 与实际数据基本吻合。 煤岩界面图像不够清晰， 可读 ， 不 煤岩 界面识别， 需要对图像进行数 释 ， 从 现煤岩 界面精 。 图 4 现场 测 Fig. 4 Field test result 采用传统O TSU 和 改 进 O TSU对现场测试的 G P R 图像进行解释， 结果如图5 所示。可看出改进 O TSU 去除了 G P R 图像中煤岩界面的部分伪边 界 ， 目标 ， 煤岩界面更 ， 具有可 读 、 易于工 释等优点。 b 改进 OTSU 图5 G PR图像数据解释结果 Fig. 5 Date interpretation result of GPR image 2 种算法的最佳分割阈值 （ 某类 正确分割 数与 总数 分比） 见 表 2。 2 0 1 9 年 第 1 期苗 曙 光 等 基 于 探 地 雷 达 的 煤 岩 界 面 探 测 数 据 解 释 方 法 39 可看出改进O T S U的识别准确率高于传统O T S U。 表2 2种算法的最佳分割阈值与识别准确率 Table 2 The best segmentation threshold and recognition accuracy rate of two algorithms 指标 传统OTSU改进OTSU 最佳分割阈值115,0103 105 识别准确率/95. 296. 3 5结语结语 基 于 G P R 的煤岩界面探测数据解释方法采用 改 进 O TSU对 G PR 探测的煤岩界面图像进行阈值 化分割， 既能直接得出煤层厚度， 又能去除图像中部 分伪边界， 从而较准确地识别煤岩界面。该方法具 有受工作面环境影响小、 稳定可靠等特点， 可为采煤 机滚筒自动调高提供依据。 参 考 文 献 （References 1 吴婕萍， 李国辉.煤岩界面自动识别技术发展现状及 其趋势[J ].工矿自动化，2015，411244-49. WU Jieping,LI Guohui. Development status and tendency of automatic identification technologies of coal-rock interface[J]. Industry and Mine Automation,2015,4112 44-49. [ 2 ]王水生.基于振动特性分析的采煤机煤岩识别控制系 统[J ].工矿自动化，2015，415 83-87. WANG Shuisheng. Coal-rock recognition and control system of shearer based on vibration characteristics analysis[J]. Industry and Mine Automation，2015,41 5 83-87. [3 ]孙 继 平 ， 杨坤.一种煤 岩图 像 特 征 提 取 与 识 别 方 法 [J ].工矿自动化，2017，435-5. SUN Jiping, YANG Kun. A coal-rock image feature extraction and recognition [J]. Industry and Mine Automation,2017,435 1-5. [ 4 ]任芳.基于多传感器数据融合技术的煤岩界面识别的 理论与方法研究[D ].太原太原理工大学，2003. [5 ]王保平， 王增才， 张万枝.基于EM D与神经网络的煤 岩界面识别方法[J ].振动.测试与诊断，2012,3 2 “ 586-590. WANG Baoping , WANG Zengcai , ZHANG Wanzhi. Coal-rock interface recognition based on EMD and neural network [ J ]. Journal of Vibration， Measurement k Diagnosis , 2012,324 586-590. [6 ] XIE Jianlin， XU Jialin. Ground penetrating radar- based experimental simulation and signal interpretation on roadway roof separation detection [J]. Arabian Journal of Geosciences，2014，8 “ 1-8. [ 7 ]王连成.矿井地质雷达的方法及应用[J ].煤 炭 学 报 ， 2000，251-11. WANG Liancheng. and application of mine geological radar [J]. Journal of China Coal Society， 2000，251-11. [8 ] STRANGE A RALSTON J C CHANDRAN V 8 Application of ground penetrating radar technology for near-surface interface determination in coal mining [C]//International Conference on Acoustics，Speech， and Signal Processing , Piscataway , 2005 701-704. [9 ]李 亮， 王 昕 ， 胡 克 想， 等.探地雷达探测煤岩界面的方 法与试验[J ].工矿自动化，2015，419-11. LI Liang，WANG Xin， HU Kexiang， et al. Coal-rock interface detection using ground penetrating radar and its experiment[J]. Industry and Mine Automation，2015，419 -11. [ 0 ] 王 昕， 丁恩杰， 胡 克 想 ， 等.煤岩散射特性对探地雷达 探测煤岩界面的影响[J ].中国矿业大学学报，2016, 45134-41. WANG Xin , DING Enjie , HU Kexiang , et al. Effects of coal-rock scattering characteristics on the GPR detection of coal-rock interface [J]. Journal of China University of Mining k Technology，2016， 45 1 34-418 [ 1 ] 景晓军， 蔡安妮， 孙景鳌.一种基于二维最大类间方差 的图像分割算法[ ].通信学报，2001，2241-76. JING Xiaojun， CAI Anni， SUN Jingao. Image segmentation based on 2D maximum between-cluster variance [ J ]. Journal of China Institute of Communications，2001，224 71-76. [ 1 2 ]黄韶杰.基于灰度阈值法的煤岩界面识别研究[J].工 矿自动化，2013，3952-54. HUANG Shaojie. Research of coal-rock interface identification based on gray threshold [ J]. Industry and Mine Automation , 2013,395 52-54. [ 3 ]徐宏武.煤层电性参数测试及其与煤岩特性关系的研 究[J ].煤炭科学技术，2005，33342-46. XU Hongwu. Measurement and test of seam electric parameter and study on relationship between seam electric parameter and coal petrology characteristics [J]. Coal Science and Technology，2005， 33 3 42-46.