图1 煤岩样和空气的太赫兹时域谱
实验研究
王昕1,2,3,4, 胡克想1,2,3,4, 俞啸1,2,3,4, 丁恩杰1,2,3,4
(1.中国矿业大学 物联网(感知矿山)研究中心， 江苏 徐州 221008;2.中国矿业大学 信息与电气工程学院， 江苏 徐州 221008;3.矿山互联网应用技术国家地方联合工程实验室， 江苏 徐州 221008;4.江苏省感知矿山物联网工程实验室， 江苏 徐州 221008)
摘要：为了研究基于太赫兹时域光谱的煤岩界面识别可行性，首先应用太赫兹时域光谱技术，以气煤和砂岩粉末压片作为实验样本进行了相关实验，得到了太赫兹脉冲穿过不同样本时所产生的时间延迟和衰减幅度。然后采用Hilbert-Huang变换对煤岩样的太赫兹光谱进行了时频域分析，并与由传统快速傅里叶变换方法获得的样品频谱进行了对比，结果表明，在时频域内太赫兹光谱信号具有更高的分辨率，可以更好、更直观地分析太赫兹脉冲在任意时刻的频率、能量成分，研究任意频率在不同时刻对吸收谱线的作用。最后介绍了基于太赫兹时域光谱技术的煤岩界面识别过程，通过实验验证了采用Hilbert谱和边际谱提取出的光谱特征值可以很好地区分煤岩介质。
关键词：煤炭开采； 煤岩界面； 煤岩识别； 太赫兹时域光谱； Hilbert-Huang变换
受地质条件的影响，煤层厚度存在一定的变化规律，需要不断调整采煤机滚筒高度，避免切割顶底板[1]。目前已有大量文献描述如何制定采煤机自动调高策略，但仍然没有完善的解决方案，采煤机依然是由工人凭借自身感觉和经验来操作。
业界普遍认为，采煤机自动调高的相关问题主要集中在煤层与顶底板之间的煤岩界面识别这一瓶颈上。介质检测法是一种常用的煤岩界面识别方法，其是指当传感器检测到采煤机当前切割的介质是顶底板(岩石)时，立即调整滚筒高度。介质检测法包括图像分析法、截割数据法、热分析法[2-3]等。上述研究仅从监测采煤机滚筒振动、截齿温度等现象出发，通过煤岩硬度和外观差异进行判别，当煤岩介质的硬度或外观差异不大时识别准确度不高。
太赫兹时域光谱技术具有较高的脉冲峰值功率、ps级脉冲宽度和较小的物体散射，能够有效抑制从背景辐射出的干扰，信噪比、灵敏度远高于红外光谱[4]。许多有机物大分子的振动和转动能级变化对应的频率位于太赫兹波段，所以近年来太赫兹时域光谱技术作为快速无损检测方法，已逐步用于溶剂、食品、药品等物质成分及结构的分析研究中[5-7]。
煤岩是一种极复杂的多元混合物，其组成成分难以鉴定，在煤岩领域涉及太赫兹时域光谱技术的文献很少。杨成全等[8]讨论了岩样在太赫兹时域光谱和傅里叶红外光谱下的差异；宝日玛等[9]研究了几种岩石的太赫兹光谱；许长虹等[10]通过太赫兹光谱实验，研究了煤炭中氢含量与挥发分对实验结果的影响；王昕等[11]描述了煤岩介质在太赫兹频段下的介电特性。目前虽然无法通过微观方式详细阐述煤岩介质与太赫兹波的相互作用，但考虑到煤的主要组成成分为碳、氢和氧元素，岩石的主要组成成分为二氧化硅等，且太赫兹波和煤岩物质构成分子之间的相互作用不同，因此太赫兹时域光谱技术有可能为煤岩介质鉴别提供一种新的研究途径。
从目标样本透射或反射的太赫兹信号必定含有样品的丰富物理特征信息，如何提取这些特征信息为物质鉴别提供依据是本文的研究重点。本文以太
赫兹时域光谱技术作为煤岩介质检测方法，以气煤和砂岩为实验样本进行太赫兹脉冲探测，获得依赖频率的光学常数，如太赫兹时域谱、频谱。考虑到二者在太赫兹频段内均无明显吸收峰，传统分析方法可能很难实现物质鉴别，因此采用Hilbert-Huang变换方法，对样本的太赫兹光谱进行时频域分析，寻找样本的特征值。
1.1 实验装置
实验装置采用太赫兹时域光谱系统，其主要由飞秒激光器、太赫兹脉冲发射/接收装置和延迟线3个部分组成。出射激光中心波长为800 nm，重复频率为80 MHz。激光经分束器分为2束，一束为泵浦光，经延迟线聚焦在光导天线上，用于激发太赫兹脉冲；一束为探测光，其通过偏振状态的变化来控制输出电流，输出电流与太赫兹脉冲强度成正比，并通过锁相放大器放大后输入计算机。整个实验装置放置在干燥的实验箱内，温度为室温，数据采集方式采用透射模式，太赫兹脉冲以随时间变化的形式被系统采集[11]。
1.2 样品制备和光谱获取方式
实验所用样品源自兖矿集团兴隆庄煤矿，其中煤样为Ⅱ变质阶段气煤，岩样为中砂岩夹杂粉、粉细砂岩，以石英、燧石等稳定组分为主。样品经风干、破碎并研磨后，利用200目筛网进行分选，然后放置在120 ℃烘箱中烘烤2 h。制备压片时，压强控制在20 MPa，并维持15 min。最终分别制备了岩样和煤样压片各3份，所制备压片样品呈圆盘形薄片，其厚度小于3 mm，直径为3 cm，内部均匀，上下表面互相平行。将压制好的样品放置于实验装置的样品架上，每种样品测量3次，取平均值作为最终信号，以尽可能减小实验误差。同时，以空样品架为参考，得到参考光谱。实验结果如图1所示。
从图1可看出： ① 由于不同样品的折射率不同，所以太赫兹脉冲透过不同样品时的波速和光程不同，导致脉冲相对于参考光谱的时间延迟不同；② 由于太赫兹脉冲的能量在不同的样品中会出现不同的损耗，所以出现幅度衰减。
图1 煤岩样和空气的太赫兹时域谱
图2为经过快速傅里叶变换得到的煤岩样及空气的太赫兹频谱。与时域谱相比，样品的太赫兹频谱相对于参考光谱产生了显著差异，原因可能是煤样中的复杂分子团(如甲基)及岩样中的原子晶体——二氧化硅吸收电磁波能量产生振动，且各种有机分子振动与太赫兹波电场不一致，从而产生了幅度衰减。总体看来，岩样的太赫兹频谱幅度略高于煤样。
图2 煤岩样及空气的太赫兹频谱
由于频谱中0.4～1.4 THz部分的数据差异相对明显，选取该频段对煤样与岩样的太赫兹频谱进行处理，得到煤样与岩样的系统透射函数，如图3所示。可看出：① 煤样与岩样对太赫兹光波的衰减程度不同，煤样对太赫兹波的衰减更大；② 煤样与岩样在0.56，0.75 THz处有极小值，说明太赫兹波在该频率点会产生较大衰减；③ 若以该图纵轴零点为截止点，则岩样的截止频率远高于煤样的截止频率，说明1.1 THz以上的太赫兹波将会被煤样完全吸收，1.4 THz以上的太赫兹波将被岩样完全吸收。
图3 煤岩样的太赫兹透射函数
3.1 Hilbert-Huang变换
基于傅里叶变换的分析方法是传统太赫兹时域光谱分析方法，对于具有吸收峰的简单物质有良好的鉴别效果，但在鉴别不具有吸收峰的复杂物质时存在一定的困难。
实际上，太赫兹时域光谱信号是一种非平稳信号，其时间延迟、信号强度及频谱宽度等反映了被测样本的吸收和色散特性。因此，当常规的频域分析方法效果不明显时，可采用时频域分析方法寻找某个时间区域的频率特性或某个频率特性发生的时间区域。在现有的时频域分析方法中，Hilbert-Huang变换应用较广泛[12]。
Hilbert-Huang变换首先对信号进行经验模态分解(Empirical Mode Decomposition, EMD)，得到本征模态函数(Intrinsic Mode Function，IMF)，即
(5)
式中：x(t)为IMF；t为时间；ci(t)为第i个IMF分量；n为IMF分量个数；r(t)为残留项。
每个IMF分量都反映了原始信号不同时间尺度的模态特征。当残留项为一个单调函数或常量时，整个分解过程结束。
接下来对ci(t)进行Hilbert变换：
(6)
构造ci(t)的解析信号:
(7)
式中
为幅值；φi(t)为相位。
通过计算可得瞬时频率：
(8)
忽略残留项，即可得到Hilbert谱：
(9)
H(ω,t)对时间积分，可得到Hilbert边际谱：
(10)
式中T为时间长度.
3.2 数据处理与特征提取
分别对煤岩样的太赫兹时域谱信号进行EMD，得到IMF分量IMF1—IMF6和残留项。本文选取了部分煤岩样太赫兹时域谱及参考光谱的IMF分量(IMF1—IMF3)，如图4所示。不同的IMF分量包含了不同的时间尺度，样品信号的光谱特征(如幅值和延迟)在不同的时间分辨率下也不相同。
(a) 岩样(IMF1—IMF3)
(b) 煤样(IMF1—IMF3)
(c) 空气(IMF1—IMF3)
图4 煤岩样与空气的太赫兹时域谱信号部分IMF分量
对每一个IMF分量进行Hilbert变换，并根据式(7)构造解析信号后求得瞬时频率，如图5所示。瞬时频率与傅里叶变换中的频率含义不同。前者可得到频率随时间变化的曲线，其频率是每一时刻对应的真实频率，而傅里叶变换无法做到该点[13]。通过观察瞬时频率可发现，煤岩样的太赫兹时域谱IMF分量所包含的频率信息随着分量阶数的增加而逐渐移向低频。
结合所有的IMF分量，通过式(9)得到煤岩样太赫兹脉冲信号幅值的时间-频率分布，即Hilbert谱，如图6所示。时间-频率平面上的强度值反映了太赫兹脉冲的能量。Hilbert谱包含了详细的时间、频率、幅值信息，可以分析太赫兹脉冲在任意时刻的频率、能量成分，研究任意频率在不同时刻对吸收谱线的作用。从图6可看出，煤样的光谱能量主要集中在25～35 ps,0.1～0.2 THz；岩样的光谱能量主要集中在25～35 ps,0.1～0.2 THz；参考光谱的能量主要集中在15～30 ps,0.1～0.3 THz。对比图1、图2、图6可看出，经Hilbert-Huang变换得到的样品光谱与参考光谱的时间和频率特征与时域光谱及其傅里叶变换结果一致，其特征点(如截止/最高频率点)增加了不同样品光谱的辨识度。
(a) 岩样
(b) 煤样
(c) 空气
图5 煤岩样与空气的太赫兹时域谱信号部分IMF分量的瞬时频率
(a) 煤样
(b) 岩样
(c) 空气
图6 煤岩样与空气的太赫兹脉冲Hilbert谱
对Hilbert谱进行时域积分，得到Hilbert边际谱，如图7所示。边际谱可准确反映太赫兹光谱信号随频率变化的分布情况。但与傅里叶变换不同的是，边际谱中某一点的频率并不一定时时存在，也不一定只出现1次，而可能是以不同或相同的幅值出现多次。该点对应的幅值是该频率在时间域中的能量之和。一般来说，边际谱的分辨率远高于傅里叶变换结果，且包含了丰富的特征信息[13]。图7中，以幅值峰值点作为信号特征峰，则空气的太赫兹光谱特征峰频率为0.23，0.28 THz，煤样的太赫兹光谱特征峰频率为0.2 THz，岩样的太赫兹光谱特征峰频率为0.15 THz。对比图2、图7可看出，在傅里叶频谱中，样本太赫兹光谱的大部分能量集中在0.1～0.5 THz，这与边际谱中的数据一致，但是后者可以得到更精确和更具有辨识度的频率特征。需要注意的是，经EMD分解后的IMF分量所包含的能量和原始信号能量是不相等的，因此边际谱的幅值只能说明某个频率信号存在，以及其能量相对于其他频率信号的大小，与傅里叶变换结果的幅值不具有比较性。图7中，若定义样品光谱在有效频率区间0.1～1.4 THz, 纵轴平方与横轴所围的面积为太赫兹光谱特征能量函数，则可计算出煤岩样的太赫兹光谱特征能量函数分别为24.9×106和86.9×106。
图7 煤岩样与空气的太赫兹脉冲的边际谱
煤岩样太赫兹光谱信号在时频域的特征参数见表1。经比较可发现，样品的太赫兹光谱特征参数存在一定差异，可选取1个或多个特征参数作为样品指纹特征，并根据样本数量选取适当的分类算法进行分类,如目前常用的支持向量机、 神经网络等。鉴于分类算法不是本文的讨论重点，在此不再赘述，仅用最简洁的方法验证结果，过程如下：
(1) 对未知样本的太赫兹光谱信号进行EMD分解，得到样本太赫兹光谱的IMF分量，结合所有IMF分量求出未知样本信号太赫兹光谱的Hilbert谱，并从中读取特征频率。
(2) 对各IMF分量进行Hilbert变换，求得未知样本太赫兹光谱信号的边际谱，读取特征峰，并求得信号的特征能量。
(3) 分别计算未知样本太赫兹光谱信号特征值与已知样本太赫兹光谱信号特征值的归一化距离。以特征能量为例说明计算过程。设Ex为未知样本太赫兹光谱信号的特征能量，Ei(i=1为岩样，i=2为煤样)为已知样本的太赫兹光谱信号特征能量，则二者的归一化距离为
(11)
表1 煤岩样太赫兹光谱特征参数
(4) 比较d1,d2，则较小值对应的样本类型即为未知样本的介质类型。
由于太赫兹波携带了2种介质本身的物理特征差异，将实验过程中获得的多组数据分别按照上述方法进行分类，均能得到正确结果。
通过实验得到了煤岩样品的太赫兹时域光谱，对光谱进行了快速傅里叶变换，经分析发现2种样品在时域和频域谱上虽然存在一定的物理差异，但二者在太赫兹频段内均无明显吸收峰，表明传统的分析方法可能很难实现煤岩识别。因此采用Hilbert-Huang变换对煤岩样的太赫兹光谱进行了时频分析，使太赫兹光谱具有了更高的时频分辨率，能够更好、更直观地分析太赫兹脉冲在任意时刻的频率、能量成分，研究任意频率在不同时刻对吸收谱线的作用。通过Hilbert谱、边际谱提取了煤岩样太赫兹光谱信号的特征差异值，并利用实验数据进行分类，结果表明利用煤岩样太赫兹光谱的特征指纹可以很好地区分煤岩介质。
参考文献：
[1] SUN J P,BO S.Coal-rock interface detection on the basis of image texture features[J].International Journal of Mining Science and Technology, 2013, 23(5):681-687.
[2] MOWREY G L.A new approach to coal interface detection: the in-seam seismic technique[J].IEEE Transactions on Industry Applications, 1988, 24(4):660-665.
[3] 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, 41(9):8-11.
[4] QIN Z H, CHEN H, YAN Y J, et al. FTIR quantitative analysis upon solubility of carbon disulfide/N-methyl-2-pyrrolidinone mixed solvent to coal petrographic constituents[J]. Fuel Processing Technology, 2015, 133:14-19.
[5] HADDAD J E, BOUSQUET B, CANIONI L, et al. Review in terahertz spectral analysis[J]. Trac Trends in Analytical Chemistry, 2013, 44:98-105.
[6] 赵容娇, 何金龙, 李璟,等.L-和DL-福多司坦的太赫兹光谱分析[J].物理化学学报, 2011, 27(12):2743-2748.
[7] 周永军, 刘劲松, 王可嘉,等.基于太赫兹谱分析中药材鉴别[J].光谱学与光谱分析, 2014(7):1840-1843.
[8] 杨成全, 孟田华, 卢玉和.云冈石窟石质、降尘样品的太赫兹光谱分析[J].山西大同大学学报(自然科学版), 2011, 27(2):17-19.
[9] 宝日玛, 赵昆, 赵卉.岩石的太赫兹光谱特性研究[J].现代科学仪器, 2013(4): 228-230.
[10] 许长虹, 滕学明, 赵卉,等.煤炭中氢含量与挥发分的太赫兹时域光谱研究[J].现代科学仪器, 2013(4):228-230.
[11] 王昕, 苗曙光, 丁恩杰.煤岩介质在太赫兹频段的介电特性研究[J].中国矿业大学学报, 2016(4):739-746.
[12] 谢静, 谭佐军, 陈阳,等.Hilbert-Huang变换分析THz脉冲信号的时频特性[J].强激光与粒子束, 2014, 26(7):131-135.
[13] 钟佑明, 秦树人, 汤宝平.Hilbert-Huang变换中的理论研究[J].振动与冲击, 2002, 21(4):13-17.
WANG Xin1,2,3,4, HU Kexiang1,2,3,4, YU Xiao1,2,3,4, DING Enjie1,2,3,4
(1.Internet of Things (Perception Mine) Research Center, China University of Mining and Technology, Xuzhou 221008, China; 2.School of Information and Electrical Engineering, China University of Mining and Technology, Xuzhou 221008, China; 3.State and Local Joint Engineering Laboratory of Mine Internet Application Technology, Xuzhou 221008, China； 4.Jiangsu Engineering Laboratory of Perception Mine Internet of Things, Xuzhou 221008, China)
Abstract：In order to study feasibility of coal-rock interface recognition based on terahertz time-domain spectroscopy, some experiments were taken out by using terahertz time-domain spectroscopy, which used gas coal and sandstone powder tablet as samples. Time delay and attenuation amplitude that caused by terahertz pulse transmission between different samples were obtained. Hilbert-Huang transform was used to make time-frequency analysis of the samples' terahertz spectrum, and the analysis results were compared with the ones by traditional fast Fourier transform method. The comparison results show that resolution of terahertz spectrum is higher in time-frequency domain, and frequency and energy components of terahertz pulse can be analyzed better and more intuitively at any time as well as absorption effect of any frequency at different time. Coal-rock interface recognition process based on terahertz time-domain spectroscopy was introduced. The experimental results show that coal-rock medium can be well distinguished by characteristic value extracted by Hilbert spectrum and marginal spectrum.
Key words：coal mining; coal-rock interface; coal-rock recognition; terahertz time-domain spectroscopy; Hilbert-Huang transform
文章编号：1671-251X(2017)01-0029-06
DOI：10.13272/j.issn.1671-251x.2017.01.008
收稿日期：2016-09-08；
修回日期：2016-11-23；责任编辑：李明。
基金项目：国家重点基础研究发展计划(973计划)资助项目(2014CB046300)。
作者简介：王昕(1982-)，男，江苏徐州人，博士研究生，研究方向为煤岩识别，E-mail:54520081@qq.com。
中图分类号：TD67
文献标志码：A
网络出版：时间：2016-12-30 09:42
网络出版地址：http://www.cnki.net/kcms/detail/32.1627.TP.20161230.0942.008.html
王昕, 胡克想,俞啸，等.基于太赫兹时域光谱技术的煤岩界面识别[J].工矿自动化，2017,43(1)：29-34.