动力扰动下煤体破裂电磁和微震响应特征及关联性

动力扰动下煤体破裂电磁和微震响应特征及关联性
王金贵;张苏;胡维喜;张佳庆
【摘要】利用煤岩动力灾害监测系统(ZDKT-1型)对平煤十矿10次爆破作业进行实时监测,分析煤岩体在动力扰动下破坏失稳的电磁及微震信号特征,并探究两类信号的耦合关系.研究结果发现:煤矿井下电磁和微震背景噪声为具有多个主频的宽频扰动,且不严格符合50 Hz的倍频;爆破作业电磁信号存在明显脉冲特性,单边幅值在14 mV左右;而微震信号波形为更具对称性的简谐振动,单边幅值也明显大于电磁信号;爆破掘进现场的电磁和微震信号在时间上具有很好的同步性;电磁和微震信号能量符合较好的线性关系,拟合相关性系数达0.966.%The dynamic disasters danger of 10 times blasting process were monitored by using coal or rock dynamic disaster monitoring system ( ZDKT-1) . We analyzed the characteristics of electromagnet-ic and microseismic signals during cracking process of coal or rock with dynamic disturbance. And explored the relationship between the two types of signal. The results show that microseismic and elec-tromagnetic background noise in coal mine having a plurality of frequency broadband disturbance, and are not strictly in accordance with 50 Hz frequency or its doubling. The electromagnetic signals have obvious pulse characteristic, amplitude of about 14 mV. The microseismic signals are obvious harmonic vibration with symmetry, amplitude of about 100 mV. Electromagnetic and microseismic signals in the dissertation showed good synchronicity in time. The energies of electromagnetic and microseismic signals in the dissertation conform to the linear relationship. The fitting parameters were greater than 0.966.
【期刊名称】《福州大学学报（自然科学版）》
【年(卷),期】2017(045)006
【总页数】7页(P891-897)
【关键词】爆破掘进;动力扰动;电磁;微震;煤体破裂
【作者】王金贵;张苏;胡维喜;张佳庆
【作者单位】福州大学环境与资源学院,福建福州 350116;中国矿业大学(北京)资
源与安全工程学院,北京 100083;福州大学环境与资源学院,福建福州 350116;福州大学紫金矿业学院,福建福州350116;国网安徽省电力公司电力科学研究院,安徽
合肥 230601
【正文语种】中文
【中图分类】X936
0 引言
历经长时间、高强度的开采，我国大部分矿井进入了深部开采时期. 随之而来的是地应力和煤层瓦斯压力明显增大，地质条件也日益复杂，煤岩动力灾害日益严重[1-4]. 动力灾害实质是煤岩体原有应力平衡状态被打破所致，已有研究[3-11]表明，该过程中往往伴随着电磁及微震的异常波动，且信号特征与煤岩变形破裂过程密切相关.
任学坤等[5]通过对预制裂纹岩板进行单轴压缩实验，发现预制裂纹岩板电位和电
磁辐射随载荷的变化而变化. Kong等[6]研究高温处理后的砂岩变形破裂过程中的电磁信号特征，发现电磁信号与应力值正相关，且经过不同温度处理的试件伴随的
电磁信号存在差异. 姚精明等[7]通过煤岩单轴压缩实验，研究发现该过程中电磁信号的多重分形谱宽度ΔDq与试样所受的应力水平密切相关. Song等[8]研究了煤
岩受载破裂过程中电磁信号频谱的变化特征，发现随着所受应力的增加，电磁信号主频从0～60 kHz下降至0～20 kHz. 李成武等[9]通过利用霍普金森冲击压杆对
煤体施加冲击载荷，测试分析了煤体冲击破裂过程中的电磁特征. 对于煤岩破裂微震信号特征的研究，朱权洁等[10]利用煤与瓦斯突出模拟实验系统及微震监测系统，研究发现突出过程中的微震信号时频特征具有阶段性和差异性. 雷文杰等[11]研究
了顶板、煤壁破裂过程伴随的微震信号响应特征，提出利用微震事件及其主频带能量趋势进行采动应力转移、调整的预测. 郭超等[12]利用一种随信号自适应改变参
数的信号滤波器，进行矿山实测震动信号的预处理，以消除低频基线漂移及工频干扰的影响. 陆菜平等[13]分析了冲击地压、煤层泄压爆破和顶板泄压爆破3种过程
中伴随的微震信号频谱特征，发现它们的频域都低于200 Hz，但主频差异较大.
综上所述，煤体破裂电磁及微震信号已被广泛应用于矿井动力灾害的预测，并取得较好效果，但现有研究较少考虑采掘作用的动力扰动对煤体损伤的影响.
通过统计矿井历年的冲击矿压案例，梁冰等[14]发现93.3%的冲击事件是被动力扰动诱发的. 蔡成功等[15]统计了我国有明确作业方式记录的8 669次突出事例，发
现由放炮、打钻等作业方式扰动诱发的突出有8 362次，占比高达96. 5%. 掘进
爆破、放炮落煤及钻探作业等是煤炭采掘过程中常见的动力扰动形式，这些扰动打破原有的应力平衡状态，引起载荷迁移和应力集中现象；应力波在煤岩体中传播
造成裂隙的产生与发展，使其损伤变形，内摩擦力减小，承载能力降低，最终造成煤岩体失稳而触发煤岩动力灾害. 特别在大采深时期，巨大的地应力使煤岩体积聚了很大的能量，其自身已是临界稳定状态，显著增加了动力扰动触发煤岩动力灾害的可能性. 因此，掌握煤岩体在采掘扰动作用下破坏失稳时的电磁及微震信号特征，对于灾害预警中区分动力扰动下的正常和异常信号具有重要意义.
去噪是分析信号特征前的关键环节，雷文杰等[11]、李学龙等[16]、杨桢等[17]利
用小波变换对微震信号去噪，分析其频谱特征. 小波变换虽具有较强时频分析能力，但应用中小波基函数和分解层数的选择对去噪成效影响很大，导致去噪结果不稳定且有效性低[18]. Huang等[19]提出的经验模态分解算法可很好地应对随机非平稳信号，该算法不需选择基函数及分解层次，而是经迭代自适应，把原信号分解成多尺度的内蕴模态函数分量，该方法已被成功用于处理振动信号、电磁信号和诊断机械故障等[20-22].
本研究利用ZDKT-1型煤岩动力灾害监测系统对平煤十矿己15-21180机巷掘进
工作面进行动力灾害危险性实时监测，分析现场煤岩体在强烈的采掘动力扰动下的电磁及微震信号特征，探究该破裂过程中电磁和微震信号的耦合关系.
1 测试现场及设备概况
1.1 测试现场简介
爆破测试地点为平煤集团十矿己15-21180机巷掘进工作面，该矿主采煤层(丁组、戊组和己组)均发生过不同强度的突出，煤岩动力灾害严重威胁着该矿的生产作业. 测试工作面开采的己15煤层厚度在1.6～2.3 m之间，煤层倾角8°～20°，最大
煤层瓦斯压力为2.4 MPa，煤层瓦斯含量13～20 m3/t.
1.2 监测设备及布置简介
采用中国矿业大学(北京)生产的ZDKT-1型煤岩动力灾害监测系统(见图1)对前述
掘进工作面进行动力灾害危险性实时监测，该系统通过配套的电磁接收天线及微震传感器采集相应数据. 为了避免监测系统对施工的影响，同时也为降低作业对设备的干扰，在保证振动、电磁传感器有效监测范围的基础上，将两类传感器安置在距掘进面迎头20 m处，详见图2.
电磁接收天线的磁棒直径为100 mm，1 000匝线圈绕在该磁棒上，内阻为21.8 Ω，电感为11.39 mH，电容为13.61 μF. 接收天线的有效接收频段为0～2.2 kHz，
在该频段的信号能量级在10-7V2以上. 微震传感器采用COLIBRYS公司生产的SF1500MEMS电容性加速度计，频响范围为0～1.5 kHz，对弱信号可提高到5 kHz. 动态范围为120 dB，可受冲击限制在1.5 kg以内.
图1 ZDKT-1型煤岩动力灾害实验模拟系统Fig.1 ZDKT-1 type of coal and rock dynamic disasters experiment simulation system
图2 平煤十矿掘进工作面测点布置图Fig.2 Layout of measuring points on excavating working face of Pingmei ten mine
2 信号去噪方法
2.1 现场信号噪声特征
为了便于选择信号去噪方法，需先分析现场电磁及微震信号背景噪声的特征.
2.1.1 现场电磁噪声
电磁信号监测中的干扰源分成两类：采集系统的内部噪声和外部噪声，前者主要是元器件的散粒噪声以及热噪声，后者主要是50 Hz工频干扰及其谐波干扰. 图3为截取的一段现场电磁背景噪声及其频谱图. 从图3中可以看出，现场电磁背景噪声的幅值在1.5 mV以下，持续波动且无明显变化. 从频谱图可以看出电磁背景噪声在620、780和1 420 Hz有明显的变化，其中主频在780 Hz，这与实验室背景噪声基本为50 Hz的倍频规律不同. 这是由于电力行业的频率标准是50 Hz，频率在48～52 Hz都属于正常范围，实验室使用的为城市用电，较为规范；而煤矿掘进机使用的为1.14 kV三相电，煤矿井下高压用电频率不能保证为50 Hz.
图3 现场电磁背景噪声及其频谱Fig.3 Electromagnetic signal background noise in the mine
2.1.2 现场微震噪声
采集的微震信号中混杂了一些幅值稳定的噪声，这些噪声可能来自地层的规律性振动及采集系统自带噪声. 图4为截取的5 s现场微震噪声及其快速傅里叶变换频谱
图，由图4可以看出，现场微震信号背景噪声在0.5 mV左右持续波动，且无明显变化. 从频谱图可以看出微震背景噪声在120、500、650、780和1 420 Hz有明显的变化，其中主频在1 420 Hz.
图4 现场微震噪声及其频谱Fig.4 Micro-seismic signal background noise in the mine
2.2 信号去噪方法
通过前述现场噪声特征的分析，发现现场电磁及微震背景噪声均为具有多个主频的宽频扰动，结合当前常用去噪方法的优缺点，选择希尔伯特-黄变换(Hilbert-Huang transform，HHT)对信号进行处理，其核心是借助整体经验模式分解法(ensemble empirical mode decomposition，EEMD)分解重构信号，主要有两
个作用：去除叠加波和使波形更加对称[23].
EEMD的基本原理[24-25]是：先找出原信号X(t)的所有极值点，分别连接各极大、极小值点得到上包络线Xmax(t)和下包络线Xmin(t)，计算上、下包络线的平均值线m1(t)，用X(t)减m1(t)得到h1(t). 再将h1(t)按前述步骤处理，即得到h11(t)= h1(t)-m11(t)，m 11(t)为h1(t)的上、下包络线均值, 如下式所示，重复k次，若
h1k(t)和 h1(k-1)(t)满足SD小于0.25，则终止运算.
2.3 信号能量表达
电磁和微震信号能量值是衡量煤岩损伤程度的重要指标，该值可通过巴什瓦(Parseval)定理(式(2))求取，即利用前述EEMD的分解结果，求除噪声模量以外的各模量能量值之和[25].
其中：i表示模量数； m是采样点数； Ei，j(tj)为模量i在节点j处的频带能量值; x j，k为重构信号fi，j(tj)的采样点幅值.
2.4 信号去噪效果
利用前述去噪方法对监测信号进行去噪处理，限于篇幅，只列举一组去噪前后的信号图进行对比分析，如图5所示. 从图5可以看出，通过前述方法，原信号中背景噪声得到明显减弱，且有效地保留了信号特征，原信号幅值未出现明显下降.
图5 电磁原始信号及其降噪后信号Fig.5 Electromagnetic signals before and after denoising
3 电磁和微震信号关联性测试结果
利用前述监测系统，监测2012年9月22日至2012年9月26日期间该掘进工
作面10次爆破作业的电磁和微震信号，观察发现在爆破作业后炮孔附近的煤体均发生了失稳破坏，且在这些爆破掘进作业中均存在明显的电磁和微震信号.
3.1 电磁及微震信号
利用前述EEMD去噪方法，对现场的电磁及微震信号进行降噪处理. 图6为去噪后的电磁信号与微震信号对应图(左侧为电磁，右侧为微震). 分析各次作业过程中的
电磁和微震信号出现时间点，发现两类信号具有时间上的同步性，即煤体破裂损伤过程中产生的微震和电磁异常几乎是同步的.
分析信号特征发现，现场爆破过程中的电磁信号存在明显脉冲特性，单边幅值在
14 mV左右；而微震信号与电磁信号相比，波形存在差异，微震信号波形为更具对称性的简谐振动，单边幅值也明显大于电磁信号，达到100 mV左右. 总体而言，两类信号的幅值要明显大于室内煤体破裂实验，这主要是由于煤岩破裂的速率及体量不在一个量级导致的.
图6 去噪后电磁及微震信号对应图Fig.6 Electromagnetic signals and micro-seismic signals after denoising
3.2 电磁与微震信号关联性
前述分析发现，同次作业过程的电磁和微震信号具有时间上的同步性. 为了分析两类信号的单边幅值、能量等参数的相关性，对去噪后信号的幅值及能量进行统计，并分别进行相关性分析(见图7).
从图7可以看出，现场两类信号幅值的线性拟合相关性系数(0.756)要小于能量线
性拟合关系(0.966)，分析认为现场出现这种现象的原因是由于两类信号在波形及
频率上的差异，微震信号比电磁信号更易出现尖峰型的波形，但这并不影响两类信号在能量上符号较好的线性拟合关系.
图7 煤巷爆破掘进电磁和微震振幅及能量关系Fig.7 Amplitude and power relations of electromagnetic and micro-seismic of blasting excavation site
4 结语
以动力扰动下煤体破裂电磁、微震信号特征及关联性为研究对象，基于煤岩动力灾害监测系统，开展了爆破扰动煤体电磁和微震信号的现场试验. 主要得到以下结论：1) 受供电频率波动的影响，煤矿井下电磁和微震背景噪声为具有多个主频的宽频
扰动，且不严格符合50 Hz的倍频； 2) 现场爆破过程中的电磁信号存在明显脉冲特性，单边幅值在14 mV左右；而微震信号波形为更具对称性的简谐振动，单边幅值达到100 mV左右； 3) 煤体破裂电磁和微震两类信号具有时间上的同步性；
4) 电磁和微震信号能量符合较好的线性关系，拟合相关性系数达0.966，因两类
信号在波形及频率上的差异，微震信号比电磁信号更易出现尖峰型的波形，导致两类信号幅值的线性拟合相关性系数较低(0.756). 研究成果对矿井煤岩动力灾害的电磁、微震预测工作具有重要意义.
参考文献：
[1] 姜福兴，史先锋，王存文，等. 高应力区分层开采冲击地压事故发生机理研究[J]. 岩土工程学报，2015，37(6)：1 123-1 131.
[2] 杨伟利，姜福兴，杨鹏，等. 特厚煤层冲击地压重复发生的机理研究[J]. 岩土工程学报，2015，37(11)：2 045-2 050.
[3] 张宏伟，朱峰，韩军，等. 冲击地压的地质动力条件与监测预测方法[J]. 煤炭学报，2016，41(3)：545-551.
[4] 何学秋，窦林名，牟宗龙，等．煤岩冲击动力灾害连续监测预警理论与技术[J]. 煤炭学报，2014，39(8)：1 485-1 491.
[5] 任学坤，王恩元，李忠辉．预制裂纹岩板破坏电位与电磁辐射特征的实验研究[J]．中国矿业大学学报，2016，45(3)：440-446．
[6] KONG B, WANG E Y, LI Z H, et al. Electromagnetic radiation characteristics and mechanical properties of deformed and fractured sandstone after high temperature treatment[J]. Engineering Geology，2016(209)：82-92．
[7] 姚精明，董文山，闫永业，等．受载煤岩体电磁辐射动态多重分形特征[J]．煤炭学报，2016，41(6)：1 429-1 433．
[8] SONG D Z, WANG E Y, SONG X Y, et al. Changes in frequency of electromagnetic radiation from loaded coal rock[J]. Rock Mech Rock Eng，2016(49)：291-302.
[9] 李成武，杨威，徐晓萌，等. 煤体冲击破坏超低频/极低频电磁异常特征分析[J]. 煤炭学报，2014，39(10)：2 014-2 021．
[10] 朱权洁，李青松，李绍泉，等. 煤与瓦斯突出试验的微震动态响应与特征分析[J]. 岩石力学与工程学报，2015，34(增刊2)：3 813-3 821.
[11] 雷文杰，王兆丰，韩真理. 采动效应微震特征及其变化规律[J]. 岩石力学与工程学报，2015，34(4)：795-803.
[12] 郭超，陈蓥. 矿山震动信号预处理及其对时频的影响[J]. 煤炭学报，2016，
41(7)：1 859-1 865．
[13] LU C P, DOU L M, LIU B, et al. Microseismic low-frequency precursor effect of bursting failure of coal and rock[J]. Journal of Applied Geophysics, 2012,79(79): 55-63.
[14] 梁冰，汪北方，李刚，等. 动力扰动诱发巷帮煤体冲击矿压机制研究[J]. 安全与环境学报，2014，14(2)：13-18．
[15] 蔡成功，王佑安. 煤与瓦斯突出一般规律定性定量分析研究[J]. 中国安全科学学报，2004，14(6)：109-112．
[16] 李学龙，李忠辉，王恩元，等. 矿山微震信号干扰特征及去噪方法研究[J]. 中国矿业大学学报，2015，44(5)：788-822．
[17] 杨桢，李艳，李鑫，等．改进小波变换的煤岩电磁辐射信号去噪方法[J]. 辽
宁工程技术大学学报(自然科学版)，2015，34(3)：410-413．
[18] ZHANG L, BAO P, WU X. Multiscale LMMSE-based image de-noising with optimal wavelet selection[J]. IEEE Transaction on Circuits System Video Technology，2005，15(4)：469- 481.
[19] HUANG N E, SHEN Z, LONG S R, et al. The empirical mode de-composition and the Hilbert spectrum for nonlinear and non-stationary
time series analysis[J]. Proceedings of the Royal Society of London，1998，454(1971)：903- 995.
[20] 王金贵，张苏. 基于频域约束独立成分分析的经验模态分解去噪方法[J]. 煤炭
学报, 2017, 42(3): 621-629.
[21] WU FJ, QU L S. An improved method for restraining the end effect in empirical mode decomposition and its applications to the fault diagnosis
of large rotating machinery[J]. Journal of Sound and Vibration. 2008，
314(3/4/5) ：586-602．
[22] 李成武，董利辉，王启飞，等．煤岩微弱电磁信号的噪声源识别及去噪方法[J]. 煤炭学报，2016，41(8)：1 933-1 940．
[23] WU Z H，HUANG N E. Ensemble empirical mode decomposition: a noise-assisted data analysis method[J]. World Scientific，2009，1(1)：1-41.
[24] 李夕兵，凌同华，张义平. 爆破震动信号分析理论与技术[M]. 北京：科学出版社，2009：82-84.
[25] 张苏，王金贵，艾立昊．水泥材料静爆过程中的微震信号特征[J]. 振动、测
试与诊断，2016，36(6)：1 078-1 084．。