基于电磁辐射的煤岩破裂前兆特征识别的研究.pdf

中图分类号TD687 论文编号2017311089 U D C 密 级 公 开 硕硕 士士 学学 位位 论论 文文 基于电磁辐射的煤岩破裂前兆特征识别的研究基于电磁辐射的煤岩破裂前兆特征识别的研究 作者姓名作者姓名李洋李洋 学科名称学科名称控制科学与工程控制科学与工程 研究方向研究方向检测技术及智能装置检测技术及智能装置 学习单位学习单位华北理工大学华北理工大学 学学制制 2.5 年年 提交日期提交日期2017 年年 12 月月 4 日日 申请学位类别申请学位类别工学硕士工学硕士 导师导师 姓名姓名刘晓悦刘晓悦 教授教授 单位单位华北理工大学电气工程学院华北理工大学电气工程学院 论文评阅人论文评阅人匿名匿名 单位单位 匿名匿名 单位单位 论文答辩日期论文答辩日期2018 年年 3 月月 3 日日 答辩委员会主席答辩委员会主席杨春稳杨春稳 正高工正高工 关关 键键 词词电磁辐射；煤岩破裂；去噪算法；预测模型；支持向量机电磁辐射；煤岩破裂；去噪算法；预测模型；支持向量机 唐山唐山 华北理工大学华北理工大学 2018 年年 3 月月 万方数据 万方数据 Study on Precursory Feature Identification of Coal and Rock Rupture Based on Electromagnetic Radiation Dissertation ted to North China University of Science and Technology in partial fulfillment of the requirement for the degree of Master of Science in EngineeringME by Li Yang Control Science and Engineering Supervisor Professor Liu Xiaoyue March, 2018 万方数据 万方数据 独 创 性 说 明 本人郑重声明所呈交的论文是我个人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的 地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含 为获得华北理工大学以外其他教育机构的学位或证书所使用过的材 料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了 明确的说明并表示了谢意。 论文作者签名 日期 年 月 日 关于论文使用授权的说明 本人完全了解华北理工大学有关保留、使用学位论文的规定， 即已获学位的研究生必须按学校规定提交学位论文，学校有权保 留、送交论文的复印件，允许论文被查阅和借阅；学校可以将学位论 文的全部或部分内容采用影印、缩印或编入有关数据库进行公开、检 索和交流。 作者和导师同意论文公开及网上交流的时间 □ 自授予学位之日起 □ 自 年 月 日起 作者签名 导师签名 签字日期 年 月 日 签字日期 年 月 日 万方数据 万方数据 摘 要 - I - 摘 要 煤矿冲击地压属于矿山动力现象，是矿山压力的一种特殊显现形式，是指在高 地应力作用条件下，煤井巷道或回采工作面的煤岩体由于变形形成弹性能的瞬时释 放而产生破坏的矿井动力现象。煤矿顶板塌陷事故的突出，是煤矿重大灾害之一， 是产生冒顶并发生工伤与死亡事故、大量巷道破坏及财产损失的重要因素之一，其 显现往往是突然发生、瞬时结束。尤其是随着煤矿开采深度的增加，煤岩的受力情 况更加复杂，应力集中程度加大，集中区域内赋存的弹性势能增大，使这类灾害事 故又呈上升趋势并日益严重，有很大的危害性。 冲击地压的发生机理以及预测预报和防治技术一直是国内外地质界和采矿界研 究的重点课题之一。随着煤炭开采强度的增加和开采规模的扩大，矿井冲击地压等 问题将更加严重，煤层顶板稳定性预测是防治顶板事故的关键技术措施。 因此，探寻精确、实时、简便、有效的监测预防手段，对煤岩动力灾害发生、 发展的机理进行研究是非常必要的。 本文主要对岩石破裂所产生的电磁辐射现象进行观测和信号分析，探究电磁辐 射的产生机理。在煤岩电磁辐射信号降噪处理上应用了自适应非线性滤波的方法， 在一定程度上使电磁辐射的信噪比得到了提升。进一步对煤岩破裂的前兆信息进行 了解析。建立一个基于支持向量机对前兆信息进行识别的模型，并用实例对模型进 行验证。第一章详细阐述电磁辐射研究的当前现状，对本文要研究的目的和内容进 行详细表述。第二章基于电磁辐射现象的产生机理，采用基于总体经验模式分解和 改进的小波阈值算法相结合的算法，模拟具有噪声的信号对该算法的降噪效果进行 检验。第三章针对煤岩体变形破裂的机制，对电磁辐射信号产生机制和信号特征进 行归纳。第四章基于两种电磁辐射信号分析的方法，研究了电磁辐射特征参数及信 号特征，并进行分析。第五章根据统计理论分析，运用 MATLAB 进行仿真，验证 了采用支持向量机（SVM）方法的前兆信息识别模型的优势，其中模型参数的选 取是根据粒子群优化法来确定的。 图 14 幅；表 4 个；参 51 篇。 关键词关键词电磁辐射；煤岩破裂；去噪算法；预测模型；支持向量机 分类号分类号TD687 万方数据 摘 要 - II - Abstract Many countries in the world suffer from severe coal and rock disaster, China is one of them, in recent years due to the increasing depth and intensity of mining and increased ground stress, Roof collapse, deation of the surrounding rock and other coal and other phenomena occur intensified. So that our image in the worlds status greatly damaged. Therefore, it is very important to study the mechanism of occurrence and development of coal and rock disaster, so as to find a simple and effective for monitoring and forecasting coal and rock dynamic disaster. In this paper, the combination of experimental research and theoretical analysis is used to study the mechanism and mechanism of electromagnetic radiation signal destruction. By applying the adaptive nonlinear filtering to the noise reduction problem of coal and rock electromagnetic radiation. Then the model of precursor ination recognition based on support vector machine is developed. Apply the example to verify the model. The first chapter elaborates the present situation of electromagnetic radiation, and elaborates the purpose and content of this paper. In the second chapter. In the third chapter, the macroscopic and microscopic description of the mechanism of deation and rupture of coal and rock mass is carried out, and the mechanism and signal characteristics of electromagnetic radiation signal are summarized. In the fourth chapter, the characteristic parameters and signal characteristics of electromagnetic radiation are studied based on two kinds of electromagnetic radiation signal analysis s, and the corresponding parameter identification and feature analysis are carried out. In chapter 5, the advantages of precursory ination recognition model based on support vector machine SVM are analyzed and analyzed according to the statistical theory. Aiming at the problem of electromagnetic radiation acquisition, this paper presents a to identify the precursory characteristics of coal and rock based on electromagnetic radiation. The model of coal rock rupture prediction is established and simulated by MATLAB software to verify its feasibility. Figure 12; Table 4; Reference 51 Keywords electromagnetic radiation; coal rock rupture; denoising algorithm; prediction model; support vector machine Chinese books catalog TD687 万方数据 目 次 - III - 目 次 引 言 ................................................................................................................... 1 第 1 章 绪论 ............................................................................................................. 2 1.1 研究背景与选题意义 .................................................................................. 2 1.2 研究现状 ...................................................................................................... 3 1.3 目前研究方法存在的不足 ............................................................................ 5 1.4 研究目的和内容 ........................................................................................... 5 第 2 章 去噪算法研究 .............................................................................................. 6 2.1 经验模式分解理论 ....................................................................................... 6 2.1.1 经验模式分解（EMD） ..................................................................... 6 2.1.2 集合经验模式分解（EEMD） .......................................................... 6 2.1.3 互补集合经验模式分解（CEEMD） ................................................ 8 2.1.4 自适应噪声集合经验模式分解（EEMDAN） ................................. 9 2.1.5 互补自适应噪声的集合经验模式分解（EEMDCAN） ................. 11 2.2 小波阈值算法 ............................................................................................ 12 2.2.1 软硬阈值函数 .................................................................................. 12 2.2.2 其他阈值函数 .................................................................................. 13 2.3 改进去噪算法 ............................................................................................ 13 2.4 电磁辐射信号去噪处理 ............................................................................. 15 2.5 本章小结 .................................................................................................... 18 第 3 章 煤岩电磁辐射信号理论分析 ..................................................................... 19 3.1 煤岩体变形破裂的机制.............................................................................. 19 3.1.1 煤岩体发生形变破裂的宏观机理 ..................................................... 19 3.1.2 煤岩体变形破裂的微观机制 ........................................................... 19 3.2 煤岩体电荷的产生 ..................................................................................... 20 3.3 电磁辐射产生机理 .................................................................................... 20 3.4 电磁辐射信号的传播 ................................................................................. 21 万方数据 目 次 - IV - 3.5 本章小结 ..................................................................................................... 21 第 4 章 电磁辐射信号处理方法及分析依据 ......................................................... 22 4.1 电磁辐射特征参数 .................................................................................... 22 4.2 电磁辐射信号特征 ..................................................................................... 23 4.3 信号去噪分析 ............................................................................................. 27 4.4 电磁辐射信号降噪处理.............................................................................. 28 4.5 本章小结 ..................................................................................................... 30 第 5 章 煤岩体破裂判识 ........................................................................................ 31 5.1 理论分析依据 ............................................................................................. 31 5.1.1 统计学习理论 ................................................................................... 31 5.1.2 结构最小风险原理 ............................................................................ 32 5.1.3 VC 维理论 ......................................................................................... 33 5.2 支持向量机原理及算法 ............................................................................. 33 5.3 基于支持向量机模型的建立 ..................................................................... 35 5.3.1 电磁辐射信号特征识别 .................................................................... 35 5.3.2 核函数的选择 ................................................................................... 36 5.4 模型参数的确定 ......................................................................................... 37 5.4.1 交叉验证法 ....................................................................................... 37 5.4.2 粒子群优化 ....................................................................................... 38 5.5 模型验证 ..................................................................................................... 40 5.6 本章小结 ..................................................................................................... 41 结 论 ................................................................................................................. 42 参考文献 ................................................................................................................. 43 致 谢 ..................................................................................................................... 46 导师简介 ................................................................................................................. 47 作者简介 ................................................................................................................. 48 学位论文数据集 ...................................................................................................... 49 万方数据 引 言 - 1 - 引 言 煤岩体承受外力时逐渐发生变形而导致破裂由此出现了煤岩动力灾害。煤岩动 力灾害具有突发性破坏或失稳的特征。煤岩动力灾害的破坏性极强。冲击地压动力 灾害情形在很多工程领域时有出现，例如产生地震、滑坡和岩石混凝土失稳等，同 样具有很强的破坏性后果，范围极广，并且涉及到了许多的其他领域。煤矿煤岩动 力灾害现象对生产的危害是巨大的，不仅会破坏通风系统，还严重的威胁到人民的 生产生活的安全。所以对其进行更深层次的探究具有远大的意义。 煤岩动力灾害一直以来都是我国煤炭产业时有发生的意外事件。电磁辐射的方 式是近年来兴起的一种地球物理勘探方法。煤岩体在变形破坏过程中均产生电磁辐 射现象。煤岩在冲击破坏前电磁辐射强度一般在某个值以下，而在冲击破坏时，电 磁辐射强度突然增加，而电磁辐射的脉冲数则随载荷的增加及变形破裂过程的发展 而增大，据此可以对冲击矿压危险性进行预测。 电磁辐射技术在多领域得到了充分的应用，具有十分良好的应用价值和前景， 比如预测煤岩动力灾害现象、测量煤岩体应力状态、评估煤岩混凝土结构稳定性及 材料无损检测等预测效果都十分显著。所以，探索煤岩电磁辐射理论及应用方法对 于更深层次揭示煤岩变形破裂、物理力学特性和煤岩动力灾患演化机制，及对煤岩 体的力学状态及监测预警有着很重大的学术意义。 万方数据 第 1 章 绪论 - 2 - 第 1 章 绪论 1.1 研究背景与选题意义 由于在我国能源消费结构中煤炭所占比例非常重，而且也是发电所需能源的最 主要来源，所有的这些因素决定了我国成为世界上最大的煤炭开采国。虽然煤炭占 了如此大的比重，但是伴随着开采强度与深度日益加大，煤岩动力灾害也随之而来 成为越来越让人担忧的问题。尽管近些年来国民经济增长速度很快，随之煤炭的开 采规模也在逐年增大，目前井下的开采方式[1]绝大多数采用人工干预程度较大的矿 山机械开采方式，这在很大程度上受的是地质条件和生产工艺等因素的影响。这些 动力灾害事故会严重威胁人员和设备安全，影响正常的工作和生产，对我国煤炭安 全生产也是十分不利的[2]。 煤岩体破坏是随着煤岩动力灾祸的产生而出现的，煤岩体本身含有大量能量， 这些能量的聚集和释放也导致了煤岩动力灾害的发生，煤岩体的破坏和煤岩动力灾 害的发生会伴随着大量的电磁辐射信号产生，相应的电磁辐射信号同时呈现了煤岩 体的受力情况及破坏经过，同样包含着煤岩体受到破坏的预兆讯息[3]。总而言之， 煤岩体在受到外界高作用力下突发煤岩动力事故是一种具有动力效应的表现，它的 孕育过程与煤岩体应力状态及能量有着密不可分的联系，但其发生的过程往往是突 然性的，这对于灾害的预警方面造成了很大的难题[4]。 很多研究证明电磁辐射法是众多优秀的短临预报方法之一[3]。煤岩体有受载变 形、破裂的特点，是一种天然的、非均质材料。在煤岩体破坏的历程有很高的非线 性和不可逆的特点。在分裂的时候会发出电磁辐射信号，电磁辐射信号本身的信号 频段有比较高和覆盖范围较广的优点。许多学者对井下的监测电磁辐射与煤矿动力 灾害预测做了很多的深入探究，成绩也是非常显著的[5-7]。虽然井下煤岩体在受到 破坏的历程中出现了电磁辐射信号，但是由于井下移动变电站、掘进机、水泵、电 机车、变频器、采煤机、胶带运输机等大型电气设备制造的电磁辐射会对有效信号 造成干扰而导致产生的信号强度非常微弱，尤其是在设备开启和关停瞬间所产生的 电磁干扰影响是最大的[8]。而在检测过程中这些电磁信号产生干扰，很可能会被当 成有效信号，从而造成电磁辐射信息的误判，更会对准确的电磁信号的获取造成严 重的干扰。煤岩体的破裂的前兆可以看做是动力灾害的一个信号，因此对煤岩体破 裂前兆特征的识别对动力灾害预警有着很重要的意义。 万方数据 第 1 章 绪论 - 3 - 1.2 研究现状 Stepanov 最早发现了电磁辐射的现象，电磁辐射在岩石方面的探究起始于地震 工作人员注意到地震前夕电磁出现异常[9]。现在的电磁辐射法属于快速实用的煤岩 动力灾患预警手段。目前电磁辐射预测中把脉冲的次数和强度作为两项指标，脉冲 的次数反映了岩体发生形变和受到破坏的频率；电磁辐射强度反映的是岩体受力和 形变破坏强度。根据煤岩裂开时候的电磁辐射数据进行测试就是通常所说的临界值 和趋势法。通过观测普通预测方案的预估成果，然后作统计和分析，明确灾害发生 时的辐射临界数值。若现场的电磁辐射数值大于临界数值，表明存在煤矿灾祸隐患 [10-12]。 型号为 MTT-92 的煤与瓦斯突出危险探测仪是由我国的煤炭科学研究总院开发 研制的，探测仪采用的记录方式为点频方式，用来记录每秒的煤岩电磁辐射脉冲 数，并存入数据存储器，再以每 90s 为一测程算出平均值，以其测程平均值和每秒 记录值来作为预警的主要指标。MTT-92 型突探仪能预测煤与瓦斯突出危险和有掘 进工作面前方应力集中区的方向及检验防突措施的效果[13]。 中国矿业大学做了大量实验，研究了负载的岩体电磁辐射的特征。研究结果表 明，实验检测出的电磁辐射是由负载的煤体发出的，煤矿形变破坏的历程造成了电 磁辐射，与此同时检测出的电磁辐射是一种拥有较宽频谱，而且伴随着煤岩形变破 坏程度的增大频谱也随之上升的脉冲信号[14]。KBD5 矿业用本安型号煤体与瓦斯突 起电磁辐射仪[15]和 KBD7 煤岩灾害非接触式电磁辐射的监测仪器[16]是基于电磁辐 射方式来预测煤与瓦斯突出和冲击地压的探究手段研发的，由中国矿业大学开发并 投入使用，上述仪器采取的接收信号频带的范围是1500kHz。其中 KBD5 接收 信号使用的是定向天线来接收电磁辐射信号，但是所接受的信号只能是有效范围内 的。先将从矿井收集到的数据先保存到电脑中，运用专业程序接受从其它地点或其 它时间发送的检测用的数据，接着依据曲线解析得到的结论对可能发生灾祸的区域 或者时段做出动态具有危险性的预估。KBD5 的优点是便于携带并且可以实现移动 式监测，但是相应的其缺点就是不能实现连续的实时监测。若想对井下的电磁辐射 信号实现连续的不间断的实时监测可以直接挂接 KBD7 和 KJ 系列煤矿安全监测 统。 何学秋、刘明举对煤岩变形破坏过程中在真空条件、普通大气条件和含瓦斯条 件下产生的不同程度的电磁辐射运用煤岩式样的单轴压缩的方法进行了探究并得出 电磁辐射强度总是随负荷的增加而增加，即在两者之间存的正相关性很强的结论， 万方数据 第 1 章 绪论 - 4 - 可以判断出在实际生产中可以运用电磁辐射的强度来判断煤岩受载的情况[17]。 许多学者带领自己的团队做了很多实验，找出了各种各样的矿岩在不一样的负 载条件下的电磁辐射反应、规则和原理以及不同类型矿岩的起作用要素，并且对煤 岩电磁辐射信号的时间域、频率域特性和非线性进行了深入的探究；还探讨了电磁 辐射与岩体是否会受负载形变破坏速率的影响和二者之间的影响和联系，同时创建 了以电磁辐射和受力耦合相结合的模型，实验检测了大量的实测井下电磁辐射数 据，并对其进行了详细的分析和总结的基础上，提出了电磁辐射的趋势预测法和临 界数值预测法，在实际中获得了良好的成效[18-22]。 邹喜正通过探究矿井电磁辐射的强度和电磁辐射脉冲次数变动的规则，发现时 间曲线产生剧烈的变动是因为冲击地压将要发生，并且冲击地压的预警可以用电磁 辐射分形维数是否异常来表示[23-24]。 蒋金泉、李洪根据混沌和模式识别理论运用欧氏距离测度的相似性测量准则， 对冲击地压预警进行了的探究分析，并且还建立了一种神经网络识别器和 Fisher 准 则识别器[25]用来进行冲击地压的预估。 刘晓斐把时间序列数据挖掘方法应用于开采冲击危险性的局部预测，建立了以 冲击地压电磁辐射预兆为信息群体的识别系统[26-27]。 姚精明采用电磁辐射法通过单轴压缩煤岩产生的电磁辐射，对煤岩动力失稳现 象进行预测[28]，并且在现场对其实用性进行了检测。 煤岩体发生形变破裂的过程中产生的电磁辐射信号不仅比较微弱而且容易受到 矿井内其它设备产生的电磁辐射信号干扰。因此对煤岩破裂电磁辐射信号进行有效 的采集成为了准确预测灾害的重要因素。撒占友、王恩元[29] 在分析煤岩破坏电磁 辐射信号噪声特点基础上，采用一种对煤岩形变破坏短时间内分形模糊滤波及分形 维明确方法，提出了煤岩破坏电磁辐射信号的短时分形模糊滤波模型及分形维确定 方法。聂百胜、何学秋探究了电磁辐射信号噪声的滤波，探讨了非线性软门限的方 式应用小波变换进行了多尺度分析[30]，并通过二者的结合运用对采集到的信号的 噪声做滤除处理[31]。张兰勇、刘胜等人对经验模态分解EMD法进行了详细而又深 入的研究，通过将多频复杂信号分解运用到各个固有模态函数中，把多频信号一一 分解转化为单频率信号，接着对自适应滤波算法做去噪处理通过改善的最小均方误 差LMS算法。杨桢，李艳等[33]人通过改善的小波变换对信号进行去噪的预处理， 把包含有噪声的信号采用粒子群优化算法作优化处理。陈世海则利用 EEMD 将检 测信号分解到 IMF 分量，通过所提出的总体经验模式分解-自适应组合形态滤波 EEMD-ACMF降噪方法[34]，对 IMF 分量利用 ACMF 滤波器进滤波处理。 万方数据 第 1 章 绪论 - 5 - 1.3 目前研究方法存在的不足 电磁辐射技术目前作为非接触式煤岩动力灾害预测主要手段有着明显的优势， 并且起到了一定的防灾、减灾作用。同时还存有如下缺陷和不完善的地方 1）采集不到能够完全反映煤岩破裂演变经过的电磁辐射信息，信号在完备性 和及时性上不能全部符合灾害前兆信息识别的条件。 2）由于无法准确的识别周围的电磁干扰信号，这对信息识别的准确性造成了 很大的影响。 3）由于煤岩电磁辐射信号不是很强，所以需要找到适当的途径提高信噪比， 保障获得数据的有效性。 1.4 研究目的和内容 课题主要对电磁辐射信号进行降噪处理的研究，通过建立模型对煤岩体破裂的 前兆特征进行识别，以此来保证能够及时准确的对煤岩动力灾害提前做出预测，达 到防患于未然的目的。一般情况下采集到的煤矿电磁辐射信号很微弱并且容易受到 干扰，这导致了函数相对的关系更加复杂，为了使识别系统具有充分的特征集，就 需要该系统获取信号全部的特征信息。本课题主要的研究内容如下 1）找到一种基于非线性的方法用来对采集到的有效电磁辐射信号做降噪处 理。由于信号源释放的电磁辐射信号非常微弱，为了提高其峰值信噪比 （PSNR），在处理信号时采用改善的小波阈值方法和总体经验模式分解相结合的 方式。 2）为了获取信号的全部有效特征，使用从时域、频域获得的信号数据特征构 成高维特征向量，再通过 Relief 算法进行选取，这样就可以获得权重较高的特征 参量。 3）应用粒子群算法对建立好的基于支持向量机SVM煤岩破裂前兆识别信息 的模型进行参数优化，通过实际数据作为模型检验的途径，验证该模型的是否准 确。 万方数据 第 2 章 去噪算法研究 - 6 - 第 2 章 去噪算法研究 2.1 经验模式分解理论 2.1.1 经验模式分解（EMD） 选择特定模式的函