不同工序下煤岩破裂电磁异常信号特征分析＊

杨 威 曹 旭 张小刚 王启飞

（中国矿业大学 （北京）资源与安全工程学院，北京市海淀区，100083）

不同工序下煤岩破裂电磁异常信号特征分析＊

杨 威 曹 旭 张小刚 王启飞

（中国矿业大学 （北京）资源与安全工程学院，北京市海淀区，100083）

为防止煤岩动力灾害监测系统误判突出危险性，采用自主研发的ZDKT-1煤岩动力灾害实验模拟系统，采集3种常见误判影响因素 （打钻、割煤和放炮）下的电磁异常信号，利用希尔伯特-黄变换对信号进行频谱分析，得出电磁异常信号的频谱特征。测试结果表明，打钻、割煤和放炮3种作业过程中电磁信号呈现不同的变化特征；希尔伯特-黄变换及希尔伯特 （Hilbert）谱分析在电磁信号去噪方面取得较好的滤波效果。

煤岩突出危险性 电磁异常 煤岩动力灾害 希尔伯特-黄变换

煤与瓦斯突出、冲击地压等煤岩动力灾害严重制约了煤矿安全生产。研究表明，煤岩动力灾害的发生是由于压力超过煤岩体的强度极限，聚积在巷道周围煤岩体中的能量突然释放，较大范围的煤岩体或含瓦斯煤岩体突然失稳导致的。准确识别前方煤体所处应力状态，进而对煤岩动力灾害危险状态进行判断，对煤岩动力灾害预测预报具有重要的意义。

电磁辐射是煤岩体受载变形破裂过程中向外辐射电磁能量的过程或物理现象，其强度和脉冲数与煤岩体所受应力状况密切相关，其在煤矿采掘中得到较为广泛的应用。由于井下作业环境的复杂性，且电磁辐射是宽频的，利用电磁辐射监测煤岩动力灾害危险性会受到诸多因素的影响，例如作业方式、地质构造和防突措施等均会对电磁辐射监测有较大影响。作业方式是最重要的影响因素，因此研究不同作业方式下的电磁信号特征，区分正常作业方式下的电磁异常和煤岩动力灾害发生前的电磁异常，可防止煤岩动力灾害预警系统误判，进而提高煤岩动力灾害危险性判断的准确性。

本文采用自主研发的煤岩动力灾害监测预警系统，采集3种煤体强破坏工序下电磁异常信号，研究煤岩破裂电磁异常信号与作业方式的对应关系。

1 测试系统

煤岩动力灾害测试系统监测原理是通过在工作面设置电磁传感器、微震传感器、声发射传感器、瓦斯浓度传感器来监测采掘过程中所发生的电磁、微震、声发射、瓦斯浓度多个参量，甄别异常信号，然后传输信号至各个监测分站，监测分站利用目前环境监测系统的光纤网络，将信号传输到地面交换机，然后进入地面监测主机，利用计算机主机的数据分析系统，进行分析预测，判断灾害的危险性。如图1所示。

图1 数据传输原理图

自主研发的ZDKT-1煤岩动力灾害实验模拟系统集成了电磁、微震、声发射、瓦斯等多种监测指标。电磁信号接收天线为正交分布的两个磁棒天线，能够接收环境中两个方向的电磁信号。数据存储系统使用美国国家仪器公司 （NI）的cRIO-9074嵌入式机器控制与监控系统采集数据，系统采样频率为3 k Hz，具有高容量、低功耗、400 MHz工业级即时处理等优点，能够完整准确采集煤样冲击破坏过程中电磁、微震、声发射等信号数据。

2 电磁信号分析方法

2.1 希尔伯特－黄变换 （HHT）分析方法

电磁信号分析方法选择Huang等学者提出的希尔伯特-黄变换 （HHT）方法，该方法的核心为经验模态分解 （EMD）方法。对于任一原始信号f （t），EMD将源信号分解为多个固有模态分量（IMF）的组合，即：

式中：f （t）——分析信号；

cj（t）——IMFj分量值；

n——IMF个数；

r（n）——残差分量。

每一个IMF必须满足文献 ［10］中规定的两个条件。根据滤波需要，采用式 （1）去掉其中某几个分量便可实现EMD低通、高通和带通滤波。

该方法以信号变化的内部时间尺度作为能量，把信号从高频至低频分解成多个固有模态函数分量（IMF）。其中每一个IMF分量都具有很好的希尔伯特变换的特点，由于分解过程是按照信号局部的时间尺度来计算的，因此能分析不同性质的信号，如非平稳信号与平稳信号，非线性信号与线性信号。IMF分量经过希尔伯特变换，可得到该分量的瞬时频率和瞬时幅值，使信号能反应出瞬时波动的特征，最后可以表示成时间-频率-幅度的三维分布图，叫做希尔伯特谱。

2.2 DataDemon软件

DataDemon软件是由美国的DynaDx公司开发的一个信号分析处理工具，其可实现针对非稳态非线性讯号处理的希尔伯特-黄变换 （H HT）、各种模态拆解方法的经验模态分解 （EMD）、讯号复杂度评估的多尺度熵 （MSE）、高解析的强化式小波转换等功能。

3 现场测试结果及分析

3.1 测试地点

ZDKT-1煤岩动力灾害实验模拟系统在平煤十矿得到了应用。十矿是一个高瓦斯严重突出的深部开采矿井，丁组、戊组、己组煤层均发生过煤与瓦斯突出，这与其所处的构造位置有着密切关系。平顶山十矿丁组和戊组煤层发生的40次煤与瓦斯突出，有39次属于压出，这反映了构造应力的强烈作用。选取丁5.6-21180机巷掘进工作面和丁5.6-21170回采工作面为现场测试地点，见图2。系统安装有3个探头，即探头A、探头B和探头C。探头A布置在丁5.6-21180掘进工作面机巷，传感器放置在风筒的另一侧，距离掘进头30 m，随着巷道掘进移动，传感器与巷道平行，距巷道底板1.2 m，距巷道侧壁120 mm。探头B和探头C布置在丁5.6-21170回采工作面，其中探头B布置在风巷，距离回风巷道口100 m，位置固定不变，传感器与巷道平行，距巷道底板1.2 m，距巷道侧壁120 mm；探头C布置在机巷，距离开切眼30 m，传感器与巷道平行，距巷道底板1.2 m，距巷道侧壁120 mm，传感器随着工作面移动。

图2 现场测点布置图

3.2 不同工序下的电磁信号特征

煤矿采掘过程中，放炮、打钻和割煤等工序对煤岩动力灾害监测准确性影响较大。研究此3种工序下煤岩破裂电磁异常信号特征，对防止煤岩动力灾害预警系统误判具有重要的意义。为此，本文分别采集放炮、打钻和割煤过程中的电磁异常信号，采用希尔伯特-黄变换和希尔伯特谱分析方法对采集信号加以分析。

3.2.1 放炮过程中电磁信号特征

2012年4月17日，丁5.6-21180机巷18∶40时刻进行放炮作业，图3为放炮落煤过程中电磁异常信号，从图3（a）可以看出，18∶40∶30时刻出现明显的电磁异常信号，由于井下环境的复杂性，采集信号包含大量的电磁噪声，实际应用中需要对采集信号进行去噪。?

图3 放炮过程电磁异常信号

将图3（a）中信号分为两个时间段，分别为包含电磁异常信号部分 （18∶40∶29～18∶40∶31）和不包含电磁异常信号部分 （即纯噪声时间段，18∶40∶31～18∶40∶33）。对两个时间段的信号进行经验模态分解，然后经过希尔伯特变换即可得到电磁异常信号的希尔伯特边际谱，如图4（a）所示。边际谱纵轴为无量纲量，其幅值大小代表此频率信号出现的可能性的大小。

图4 放炮过程电磁信号频谱特征

从图4（b）可以看出，纯噪声电磁信号频段有两个，分别为0～40 Hz和400～500 Hz，说明背景干扰信号主要集中在这两个频段。从电磁异常信号希尔伯特边际谱 （图4（a））可以看出，0～20 Hz频段信号幅值变化明显，其幅值最大能达到0.5，远高于纯噪声信号幅值 （最大幅值为0.04）。由此可知，放炮过程电磁异常信号主频主要集中在0～20 Hz频段。采用EMD低通滤波对信号去噪，去噪后的信号如图3（b）所示。可以看出，去噪后的电磁信号呈现先近似直线上升到最大值，随后迅速减小，末尾小幅振荡衰减的特点，幅值最大为0.6 m V，信号基本在零刻度线以上，持续时间小于2 s。

前人研究表明，有冲击地压或煤与瓦斯突出等煤岩动力灾害危险时，电磁辐射强度会呈现突然增大或先由大变小，一段时间后又突然增大的现象，且电磁辐射主频带呈现先增高后降低，随后又增高的趋势。放炮过程电磁辐射明显增强，易被误认为有煤岩动力灾害危险。但其主频带为0～20 Hz，主频带频率较为固定，且较低，与煤岩动力灾害危险发生过程电磁辐射频谱特征存在显著差别。因此，利用电磁辐射预警时，放炮过程呈现的电磁辐射现象应视为干扰，不能作为判断煤岩动力危险性的依据。

3.2.2 打钻过程中电磁信号特征

2012年4月17日，丁5.6-21180机巷零点班实施排放瓦斯措施，图5为打排放措施钻孔实施过程中采集到的电磁异常信号。从图5（a）去噪前原始信号可以看出，电磁信号呈现多脉冲形式。

图5 打钻过程电磁异常信号

将打钻过程中电磁信号经EMD和希尔伯特变换后得出打钻过程电磁异常信号的希尔伯特边际谱，如图6所示。打钻过程中噪音信号频谱特征和放炮过程噪音相同，在此不再赘述。

从图6希尔伯特边际谱图可以得出，40～80 Hz的信号幅值高于其他频段，信号主频为50 Hz。经实际分析，可认为此电磁异常信号应为钻机本身产生的50 Hz的工频干扰。多脉冲特征的产生与钻机转动频率有关。采用EMD带通滤波将信号去噪，将40～80 Hz的模态信号提取出来，如图5（b）所示。信号在±0.6 m V之间波动，单脉冲持续时间小于1 s。

图6 打钻过程电磁异常信号边际谱

打钻过程中电磁辐射水平变化明显，也易被误认为有煤岩动力灾害危险，但其主频带保持在40～80 Hz低频带，主频主要为50 Hz，主要是钻机本身产生的电磁干扰。因此，利用电磁辐射预警时，打钻过程呈现的电磁辐射现象也应视为干扰，不能作为判断煤岩动力危险性的依据。

3.2.3 割煤过程中电磁信号特征

2012年4月17日，丁5.6-21170回采工作面进行回采，回采割煤过程中采集到电磁异常信号见图7，从图7（a）去噪前原始信号可以看出，割煤作业对煤体产生迅速的大面积破坏，随着煤体的采落，会产生较大幅度的电磁辐射信号，信号幅值的基线会上浮，电磁信号呈现波动大、持续时间长、基线突然上浮或下移等特征。

图7 割煤过程电磁异常信号

将割煤过程中电磁信号经EMD和希尔伯特变换后得出电磁信号的希尔伯特边际谱，如图8所示。割煤过程中噪音信号频谱特征和放炮过程噪音相同，在此不再赘述。

从图8希尔伯特边际谱可看出，10 Hz以下电磁信号出现的概率明显高于其他频段，由此可认为割煤作用下电磁异常主频为10 Hz以下。经EMD低通滤波对电磁信号去噪，去噪后信号如图7（b）所示。去噪后电磁信号最大值在0.8 m V左右，落煤过程电磁信号基线突然上浮，信号基本在零刻度线以上，信号呈现无规则的脉冲形状。

图8 割煤过程电磁异常信号边际谱

割煤过程中电磁辐射水平剧烈变化，也易被误认为有煤岩动力灾害危险，但其主频带同样较为固定，并且较低，与煤岩动力灾害危险发生过程电磁辐射频谱特征存在显著差别。因此，利用电磁辐射预警时，割煤过程呈现的电磁辐射现象也应视为干扰，不能作为判断煤岩动力危险性的依据。

4 结论

（1）通过分析打钻、割煤和放炮3种作业过程中电磁信号希尔伯特频谱特征，认为不同作业下电磁异常信号呈现不同的变化特征。放炮过程电磁信号呈现先近似直线上升到最大值，随后迅速减小，末尾小幅振荡衰减的特点，主频为0～40 Hz；打钻过程中钻机本身产生的50 Hz的工频干扰，信号呈现多脉冲特征；落煤电磁信号主频为0～10 Hz，呈现基线突然上浮或下降，无规则的脉冲形状。

（2）希尔伯特-黄变换 （HHT）及希尔伯特谱分析在电磁信号去噪过程中取得较好的滤波效果，EMD滤波方法可用于电磁异常信号的降噪处理。

（3）打钻、放炮和割煤3种工序下电磁异常信号特征和煤岩动力灾害危险发生过程电磁辐射特征存在显著差别，实际利用电磁辐射进行煤岩动力灾害预警时应排除此3种工序下电磁异常现象，进而达到防止煤岩动力灾害预警系统出现误判动作的目的。

［1］王恩元，何学秋，窦林名等 .煤矿采掘过程中煤岩体电磁辐射特征及应用 ［J］.地球物理学报，2005（1）

［2］Lichtenberger M.Regional stress field as determined from electromagnetic radiation in a tunnel［J］.J Struct Geol，2005 （12）

［3］Nardi A，Caputo M.Monitoring the mechanical stress of rocks through the electromagnetic emission produced by fracturing［J］.Int J Rock Mech Min Sci，2009 （5）

［4］吕建为，牟宗龙 .济三煤矿深部采区冲击矿压综合治理技术 ［J］.中国煤炭，2011 （1）

［5］He Xueqiu，Nie Baisheng，Chen Wenxue，et al.Research progress on electromagnetic radiation in gascontaining coal and rock fracture and its applications［J］.Safety Science，2012 （4）

［6］刘芳彬，聂百胜，何俊等 .成庄矿电磁辐射预测煤与瓦斯突出技术研究 ［J］.中国煤炭，2007（12）

［7］李钢，李成武，聂百胜等 .采动过程中煤岩电磁辐射影响因素研究 ［J］.煤炭科学技术，2007（3）

［8］李成武，许延超 .煤与瓦斯突出主要影响因素主成分分析 ［J］.煤矿安全，2007（7）

［9］Z.Wu，N.E.Huang.Ensemble empirical mode decomposition：a noise-assisted data analysis method［J］.Advances in Adaptive Data Analysis，2009 （1）

［10］N.E.Huang，Z.Shen，S.R.Long，et al.，The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis［J］.Proceedings of the Royal Society of London A，1998 （454）

［11］王婷 .EMD算法研究及其在信号去噪中的应用［D］.哈尔滨：哈尔滨工程大学，2010

［12］王恩元，何学秋，刘贞堂等 .受载煤体电磁辐射的频谱特征 ［J］.中国矿业大学学报，2003（5）

Analysis on characteristics of abnormal electromagnetic signals for coal rock crack in different mining procedures

Yang Wei，Cao Xu，Zhang Xiaogang，Wang Qifei
（Faculty of Resources and Safety Engineering，China University of Mining and Technology，Beijing，Haidian，Beijing 100083，China）

In order to prevent the coal rock dynamic disaster monitoring system misjudging the outburst risk，the ZDKT-1 experiment simulation system through independent research and development for coal rock dynamic disaster is employed to acquire the abnormal electromagnetic signals under three common effecting factors-drilling，cutting coal and blasting.Hilbert-Huang Transform is used to analyze the frequency spectrum and the spectrum characteristics of abnormal electromagnetic signal are obtained.Test results show that electromagnetic signals present different characteristics in three different processes；Hilbert-Huang Transform and Hilbert spectral analysis have good filtering effects in denoising of electromagnetic signal.

coal rock outburst risk，electromagnetic anomaly，coal rock dynamic disaster，Hilbert-Huang Transform

TD324

A

国家自然科学基金项目 （51274206）

杨威 （1986-），男，现为中国矿业大学（北京）在读博士研究生，从事煤矿瓦斯灾害防治方面研究。

（责任编辑 张毅玲）