图1 突出远程智能监测预警系统组成
Fig.1 Constitution of remote intelligent monitoring and early warning system for outburst
邱黎明1,2,3， 李忠辉1,3,4,， 王恩元1,3,4， 刘贞堂1,3,4， 张酉年1,3， 夏善奎1,3
(1.中国矿业大学 煤矿瓦斯与火灾防治教育部重点实验室， 江苏 徐州 221116；2.湖南科技大学 煤矿安全开采技术湖南省重点实验室， 湖南 湘潭 411201；3.中国矿业大学 安全工程学院， 江苏 徐州 221116；4.中国矿业大学 煤矿瓦斯治理国家工程研究中心， 江苏 徐州 221116)
摘要：针对目前煤与瓦斯突出预警在自动化程度、准确性等方面的需求，开发了煤与瓦斯突出远程智能监测预警系统，介绍了系统构成及信号监测、干扰识别、信号传输、预警准则等关键技术。该系统以声发射、电磁辐射和瓦斯浓度为预警指标，可实现对突出演化过程声-电-瓦斯信号的远程监测和综合预警，并能够根据机电设备开停信息自动识别与滤除干扰信号，提高了煤与瓦斯突出预警的准确性。应用结果表明，该系统具有较高的预警准确性，可提前8～24 h捕捉到煤与瓦斯突出危险信息。
关键词：煤炭开采； 煤与瓦斯突出； 突出监测预警； 多指标综合预警； 声发射； 电磁辐射； 瓦斯浓度； 干扰识别
中国是世界上煤与瓦斯突出(以下简称突出)最严重的国家之一，突出矿井多、分布广，突出事故多，重特大突出事故时有发生。随着能源需求的不断扩大，开采强度和深度不断增加，全国煤矿开采以每年20 m左右的速度向深部延深，开采条件越来越复杂，地应力、瓦斯压力不断升高，导致突出危险性增大，突出机制越来越复杂，影响也越来越严重[1-4]。
对采掘过程中煤层突出危险进行监测、预测是防治突出灾害的重要措施[5]。目前突出预测方法主要有以钻孔瓦斯涌出初速度法、钻屑量法等为代表的传统钻测方法[6-7]和以声发射法、电磁辐射法为代表的地球物理方法[8-10]。声发射法、电磁辐射法对灾害的演化过程具有较好的响应，且监测过程简单，不需要钻孔取样，克服了传统钻测方法指标不连续、局部预测的缺点，是未来突出预测的发展方向。近年来，中国矿业大学针对原有声电监测技术自动化程度低、不能自动识别干扰及预警对人工依赖大等问题进行了深入研究与攻关，提出了智能声-电-瓦斯综合监测预警技术，初步建立了突出远程智能监测预警系统，实现了对采掘过程中突出危险的连续监测，同时可智能识别井下机电设备的干扰，显著提高了监测数据的稳定性[11-12]。该系统可在远程条件下对多指标进行自动分析，综合判断采掘过程中的突出危险性并做出预警提示。本文首先阐述了突出远程智能监测预警系统设计与关键技术，然后结合实际案例对该系统进行了应用效果研究。
近年的研究结果表明，突出是煤体力学性质、地应力与瓦斯综合作用的结果，突出的演化过程伴随多物理场(应力场、裂隙场、瓦斯渗流场)的耦合变化，各指标对突出过程的响应特征不同，单一指标法会存在疏漏，发展声-电-瓦斯综合监测预警方法是提高突出预警准确率的有效办法。声电监测预警过程中，不可避免地受到井下施工环境与设备的影响，导致煤岩破裂声电信号识别困难。如何识别井下施工程序及机电设备的开停，并有针对性地进行干扰信号的识别与滤除，对提高声电监测预警准确性具有重要意义。以往通常采用先人工测试并记录数据，再进行数据分析的突出声电监测预警方法，存在抽检式预测弊端，监测结果不具有连续性，不能反映突出危险的演化过程。
突出远程智能监测预警系统由信号接收系统、信号传输系统、信号处理与显示系统、前兆识别与预警系统等组成，如图1所示。信号接收系统主要由GDD12监测仪、声发射传感器、电磁辐射天线、瓦斯传感器、开停传感器组成。传感装置根据监测需要布置安装在煤矿井下监测点，将接收到的声发射、电磁辐射、瓦斯和机电设备开停信号传输到GDD12监测仪内部存储器，经单片机放大、滤波后传输到监控分站。信号传输系统包括井上下信号传输网络和矿井-实验室数据传输网络，其中井上下信号传输网络一般采用1 000 Mbit/s工业环网，交换机为工业环网上的节点。监控分站将监测数据通过交换机发送至工业环网，之后数据经地面交换机传输到地面监控主机。矿井-实验室数据传输网络通过Internet将地面监控主机数据远程传输到实验室服务器进行存储、分析及显示。信号处理与显示系统安装于地面监控主机，主要为声电监测预警软件，可将监测数据存入数据库，并具有数据实时显示、历史数据调用与读取、多测点信号对比分析、分析报告生成等功能。前兆识别与预警系统安装于监控主机和实验室服务器，可根据预定算法，结合开关量数据对声发射和电磁辐射信号进行干扰识别与滤除，并结合预警准则对采掘过程中的突出危险性进行分析和预测。
图1 突出远程智能监测预警系统组成
Fig.1 Constitution of remote intelligent monitoring and early warning system for outburst
在采掘过程中，突出远程智能监测预警系统布置方式如图2所示。声发射传感器、电磁辐射天线及瓦斯传感器均放置于监测点后方5～10 m范围内，声发射传感器和瓦斯传感器固定在锚杆上，电磁辐射天线悬挂在顶板上，方向朝向被监测区域。开停传感器安装于动力电缆上。GDD12监测仪位于各传感器后方5～10 m处，其通过电缆与监控分站连接，声发射、电磁辐射、瓦斯、机电设备开停信号经监控分站、井下交换机进入工业环网，并经地面中心交换机传输至地面监控主机。中国矿业大学煤岩瓦斯动力灾害防治研究所实验室服务器远程获取监控主机数据，并对监测数据进行干扰信号自动识别与滤除，实现突出远程智能监测预警。
图2 突出远程智能监测预警系统布置方式
Fig.2 Distribution mode of remote intelligent monitoring and early warning system for outburst
突出远程智能监测预警系统主要对采掘过程中煤岩体声发射、电磁辐射和瓦斯信号进行监测。GDD12监测仪供电电压为12 V(波动范围为11～21 V)，工作电流不大于110 mA，输出信号频率为200～1 000 Hz。声电信号监测方法如图3所示。声发射传感器布置在距离掘进工作面5～10 m处巷道顶板中线锚杆上，用夹具固定；电磁辐射天线悬挂在距离掘进工作面5～10 m、距离巷帮1.5 m处顶板上，天线头部对准掘进工作面中央。电磁辐射天线探测范围为天线头部60°锥角。电磁辐射天线、声发射传感器及GDD12监测仪随工作面推进同步前移。
图3 声电信号监测方法
Fig.3 Signal monitoring method for sound acoustic emission and electromagnetic radiation
为智能识别机电设备运行所造成的干扰，系统在井下机电设备对应的电缆上安装有开停传感器。开停传感器可自动记录机电设备开停时间，并将开关量数据经监控分站由工业环网传输到地面监控主机和实验室服务器。当机电设备运行时，系统采用神经网络方法，按照原来的信号变化趋势生成新的声电信号，取代该段时间传感器接收到的声电信号值，从而实现对井下机电设备干扰的自动识别。
在信号传输系统中，井上下信号通过工业环网进行传输，传输导线一般为MHYV2×2×7/0.28四芯电缆；实验室远程监控采用物联网思想，实现对监控主机数据的读取与运算，更有利于对声-电-瓦斯信号变化趋势的把握和规律的总结。
目前突出预警指标主要有声发射、电磁辐射和瓦斯，其中声发射预警变量为强度Ea和动态变化系数Ka，电磁辐射为强度Ee和动态变化系数Ke，瓦斯为浓度C。预先测定无危险时各变量的平均值，分别为Ea0，Ka0，Ee0，Ke0，瓦斯报警浓度为C0。各指标采用临界值法和动态趋势法相结合的预警准则，见表1。
采用声发射、电磁辐射、瓦斯3个指标进行综合预警时，任意指标无危险时赋值为0，弱危险时赋值为1，强危险时赋值为2。结合瓦斯数据取值累加方法对突出危险性进行预警：累加值为0,1,2为无危险标志，累加值为3,4为弱危险前兆，累加值为5,6为强危险前兆。
表1 声-电-瓦斯指标预警准则
Table 1 Early warning rules of indexes of sound acoustic emission, electromagnetic radiation and gas
焦作某矿为突出矿井，煤层顶板厚度大且透气性差，生成的瓦斯极易封存，造成煤层瓦斯含量高、瓦斯压力大，加上大量地质构造影响，矿井采掘过程中时有突出现象发生。为提高突出危险预警的准确性，在该矿某掘进工作面布置了突出远程智能监测预警系统，采用声-电-瓦斯综合监测预警方法预测突出危险性。该矿掘进过程中，经滤波后的声发射、电磁辐射、瓦斯监测结果如图4所示。可看出声发射信号变化较剧烈，信号强度呈增大趋势；电磁辐射信号整体变化平稳，在8月30日12:00左右表现出突增趋势；瓦斯体积分数除8月27日凌晨有1处突增之外，整体表现出缓慢上升趋势。
图4 声发射、电磁辐射、瓦斯监测结果
Fig.4 Monitoring results of sound acoustic emission, electromagnetic radiation and gas
根据预警准则，统计声发射、电磁辐射信号强度与变化趋势，并结合瓦斯浓度得到煤巷掘进期间突出危险性评分结果，如图5所示。8月28日9：00,系统预测煤层具有弱突出危险性,8月29日17：00,在打钻过程中出现了卡钻现象；8月30日11：00,系统预测煤层具有弱突出危险性,8月31日11：00,在打钻过程中出现了瓦斯喷孔现象。可见系统预警结果与现场施工时小型动力现象对应良好，具有较高的准确性，可提前8～24 h捕捉到突出危险信息。
图5 突出危险性评分结果
Fig.5 Outburst risk evaluation result
(1) 声发射、电磁辐射和瓦斯信号会对突出演化过程做出响应，可通过监测声-电-瓦斯信号的变化对突出灾害进行监测、预测。各指标的响应特征不同，单一指标法存在疏漏，声-电-瓦斯综合监测预警方法有利于提高预警准确性。
(2) 开发的突出远程智能监测预警系统由信号接收系统、信号传输系统、信号处理与显示系统及前兆识别与预警系统组成，主要通过信号监测、干扰识别、信号传输及预警准则4种关键技术实现。该系统实现了对干扰信号的自动识别与滤除，建立了多指标综合预警准则，可对突出演化过程进行远程实时监测及自动分析预警。
(3) 现场应用结果表明，突出远程智能监测预警系统具有较高的准确性，可提前8～24 h捕捉到突出危险信息。
参考文献(References)：
[1] 周世宁,何学秋.煤和瓦斯突出机理的流变假说[J].中国矿业大学学报,1990,19(2):4-11.
ZHOU Shining, HE Xueqiu. Rheological hypothesis of coal and methane outburst mechanism[J]. Journal of China University of Mining and Technology, 1990,19(2):4-11.
[2] 俞启香.矿井瓦斯防治[M].徐州:中国矿业大学出版社,1992.
[3] 钱鸣高,缪协兴,许家林,等.岩层控制的关键层理论[M].徐州:中国矿业大学出版社,2003.
[4] WANG L, CHENG Y P, WANG L, et al. Safety line method for the prediction of deep coal-seam gas pressure and its application in coal mines[J]. Safety Science, 2012,50(3):523-529.
[5] LI Z, WANG E, OU J, et al. Hazard evaluation of coal and gas outbursts in a coal-mine roadway based on logistic regression model[J]. International Journal of Rock Mechanics and Mining Sciences,2015,80:185-195.
[6] 孙鑫,徐杨,林柏泉,等.煤与瓦斯突出影响因素评价分析的模糊层次分析方法[J].中国安全科学学报,2009,19(10):145-149.
SUN Xin, XU Yang, LIN Baiquan, et al. Evaluation and analysis of influential factors of coal and gas outburst based on fuzzy analytic hierarchy process[J].China Safety Science Journal,2009,19(10):145-149.
[7] 王栓林,樊少武,马超.突出危险性预测中的瓦斯浓度实时指标研究[J].煤炭科学技术,2010,38(5):54-57.
WANG Shuanlin, FAN Shaowu, MA Chao. Study on real time index of gas content in prediction of outburst danger[J]. Coal Science and Technology, 2010,38(5):54-57.
[8] FRID V. Rockburst hazard forecast by electromagnetic radiation excited by rock fracture[J]. Rock Mechanics and Rock Engineering,1997,30(4):229-236.
[9] 邹银辉,赵旭生,刘胜.声发射连续预测煤与瓦斯突出技术研究[J].煤炭科学技术,2005,33(6):61-65.
ZOU Yinhui, ZHAO Xusheng, LIU Sheng. Research on sound transmitted continued prediction technology for coal and gas outburst[J]. Coal Science and Technology,2005,33(6):61-65.
[10] 王恩元,何学秋,李忠辉,等.煤岩电磁辐射技术及其应用[M].北京:科学出版社,2009.
[11] 何学秋,王恩元,聂百胜,等.煤岩流变电磁动力学[M].北京:科学出版社,2003.
[12] 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,2005,48(1):216-221.
WANG Enyuan, HE Xueqiu, DOU Linming, et al. Electromagnetic radiation characteristics of coal and rocks during excavation in coal mine and their application[J]. Chinese Journal of Geophysics, 2005, 48(1):216-221.
QIU Liming1,2,3， LI Zhonghui1,3,4,， WANG Enyuan1,3,4， LIU Zhentang1,3,4，ZHANG Younian1,3， XIA Shankui1,3
(1.Key Laboratory of Gas and Fire Control for Coal Mines, Ministry of Education, China University of Mining and Technology, Xuzhou 221116, China； 2.Hunan Key Laboratory of Safe Mining Techniques of Coal Mines, Hunan University of Science and Technology, Xiangtan 411201, China；3.School of Safety Engineering, China University of Mining and Technology, Xuzhou 221116, China；4.National Engineering Research Center for Gas Control, China University of Mining and Technology, Xuzhou 221116, China)
Abstract:For the demand of automation and accuracy of coal and gas outburst early warning, a remote intelligent monitoring and warning system for coal and gas outburst was developed. The system constitution was introduced as well as key technologies including signal monitoring, interference recognition, signal transmission and early warning rules. The system takes sound acoustic emission, electromagnetic radiation and gas concentration as early warning indexes, and realizes remote monitoring and comprehensive early warning of sound acoustic emission, electromagnetic radiation and gas signals during outburst evolution process. Meanwhile, the system can automatically recognize and filter interference signals according to opening or stopping information of electromechanical equipments, so as to improve early warning accuracy of coal and gas outburst. The application result shows the system has high early warning accuracy, which can capture coal and gas outburst risk information in advance of 8-24 hours.
Key words:coal mining; coal and gas outburst; outburst monitoring and early warning; comprehensive early warning of multi indexes; sound acoustic emission; electromagnetic radiation; gas concentration; interference recognition
文章编号：1671-251X(2018)01-0017-05
DOI:10.13272/j.issn.1671-251x.17276
中图分类号：TD712
文献标志码：A 网络出版时间：2017-12-07 17:25
网络出版地址：http://kns.cnki.net/kcms/detail/32.1627.TP.20171206.1517.008.html
收稿日期：2017-09-11；
修回日期：2017-10-20；
责任编辑：李明。
基金项目：国家重点研发计划资助项目(2016YFC0801404)；煤矿安全开采技术湖南省重点实验室(湖南科技大学)开放基金资助项目(E21732)。
作者简介：邱黎明(1991-),男,河南周口人,博士研究生,研究方向为煤与瓦斯突出监测与防治,E-mail:limingloving@cumt.edu.cn。通信作者:李忠辉(1978-)，男，河北高邑人，教授，博士，研究方向为煤岩动力灾害监测预报技术，E-mail：leezhonghui@163.com。
引用格式：邱黎明，李忠辉，王恩元，等.煤与瓦斯突出远程智能监测预警系统研究[J].工矿自动化，2018,44(1)：17-21.
QIU Liming，LI Zhonghui，WANG Enyuan,et al.Research on remote intelligent monitoring and early warning system for coal and gas outburst[J].Industry and Mine Automation，2018,44(1)：17-21.