煤礦智能化開(kāi)采煤巖識(shí)別技術(shù)綜述

張 強(qiáng)，張潤(rùn)鑫，劉峻銘，王 聰，張赫哲，田 瑩

（山東科技大學(xué)機(jī)械電子工程學(xué)院，山東 青島 266590）

0 引 言

能源是關(guān)系國(guó)家經(jīng)濟(jì)社會(huì)全局發(fā)展的重要問(wèn)題，保證能源長(zhǎng)期穩(wěn)定供給對(duì)于維護(hù)國(guó)家穩(wěn)定發(fā)展具有重要戰(zhàn)略意義；相比石油、天然氣等化石能源產(chǎn)量，我國(guó)煤炭資源年產(chǎn)量占據(jù)世界煤炭總產(chǎn)量50%以上，根據(jù)相關(guān)研究，預(yù)計(jì)2030—2050 年，煤炭占我國(guó)一次能源消費(fèi)比重仍將保持在50%以上［1］。 此外，應(yīng)對(duì)煤炭?jī)r(jià)格上漲出現(xiàn)的“限電”現(xiàn)象，國(guó)家發(fā)改委明確指出：堅(jiān)持“限電不拉閘”，在確保安全的前提下全力增產(chǎn)增供煤炭，讓電力價(jià)格合理反映電力供需和成本變化［2］。

保障煤炭供應(yīng)以提高工作面的開(kāi)采效率和后期煤巖矸的分選效率為主；綜采工作面中，煤巖突變導(dǎo)致開(kāi)采難度增加，截齒磨損加劇導(dǎo)致采掘機(jī)械的故障率提高，同時(shí)也提高了巖石占比，增加了后續(xù)分選的工作量，降低了煤炭生產(chǎn)效率；在綜放工作面中，巖石強(qiáng)度高、密度大，巖石長(zhǎng)期的垮落沖擊極易對(duì)支架造成損傷，既增加了后續(xù)的分選難度又造成了巷道安全隱患，此外開(kāi)采深度的不斷增加為煤炭高效生產(chǎn)帶來(lái)了挑戰(zhàn)，因此國(guó)家提倡無(wú)人化／智能化開(kāi)采達(dá)到高產(chǎn)、高效、安全目標(biāo)，進(jìn)而保障煤炭的供給。實(shí)現(xiàn)智能化開(kāi)采，首先要解決煤巖識(shí)別的難題［3］，這也是國(guó)家能源科技“十二五”規(guī)劃中提出的重點(diǎn)待解決問(wèn)題［4］，無(wú)論在綜采工作面還是綜放工作面，煤巖識(shí)別技術(shù)都是制約煤炭智能開(kāi)采的關(guān)鍵難題；在后期的分選中，巖石占比增加，致使分選工藝流程繁瑣、耗時(shí)長(zhǎng)，甚至污染環(huán)境，對(duì)工作人員身體造成危害，即制約了分選效率同時(shí)也不符合我國(guó)綠色礦山的發(fā)展理念，因此安全、高效的煤巖識(shí)別技術(shù)對(duì)于提高煤炭產(chǎn)出率與質(zhì)量至關(guān)重要。

因此，破解煤巖識(shí)別技術(shù)難題是礦山智能化發(fā)展的必經(jīng)之路，也是目前亟須解決的問(wèn)題。 自20 世紀(jì)60 年代起，英、美、澳、德、俄、中等產(chǎn)煤大國(guó)便開(kāi)始了煤巖識(shí)別技術(shù)的研究，至此已經(jīng)提出了近20 多種方法，但在工程實(shí)際中的應(yīng)用甚少；造成這種現(xiàn)象主要是由于：①煤礦地質(zhì)條件、煤巖種類呈復(fù)雜多樣化，煤巖識(shí)別技術(shù)通用性差；②開(kāi)采過(guò)程受力復(fù)雜，傳感器易受損，可靠性差；③識(shí)別效果受井下環(huán)境影響因素影響，識(shí)別誤差大。 故針對(duì)復(fù)雜多變的地質(zhì)條件進(jìn)行高效的煤巖識(shí)別方法研究是當(dāng)前煤炭行業(yè)的重要科學(xué)導(dǎo)向。

筆者將對(duì)國(guó)內(nèi)外煤巖識(shí)別方法的研究現(xiàn)狀進(jìn)行分析，對(duì)現(xiàn)有技術(shù)進(jìn)行分類，闡述各方法的技術(shù)原理；綜述各種識(shí)別方法的研究現(xiàn)狀，并分析其識(shí)別精度與局限性，結(jié)合煤巖識(shí)別工程應(yīng)用現(xiàn)狀分析現(xiàn)有技術(shù)的缺陷型，提出煤巖識(shí)別智能化的未來(lái)發(fā)展趨勢(shì)，為未來(lái)煤巖識(shí)別的研究導(dǎo)向和工作重心提供理論參考。

1 煤巖高效識(shí)別技術(shù)分類與原理

根據(jù)煤巖識(shí)別技術(shù)的使用工況：開(kāi)采、掘進(jìn)、分選，不同工況對(duì)技術(shù)的要求不同，據(jù)此可分為非接觸式識(shí)別和接觸式識(shí)別，非接觸式識(shí)別可適用任何工況，如工作面開(kāi)采前的煤層厚度探測(cè)、煤巖分界面趨勢(shì)走向分析，后期的煤巖矸分選；接觸式識(shí)別主要以截割過(guò)程中的信號(hào)差異性為依據(jù)，依據(jù)信號(hào)特征對(duì)開(kāi)采過(guò)程實(shí)時(shí)反饋、調(diào)節(jié)和控制，減少機(jī)械故障。 無(wú)論哪種識(shí)別方式，其關(guān)鍵在于尋找煤巖之間同一特征的屬性差別，筆者將2 類識(shí)別技術(shù)細(xì)化，根據(jù)方法不同分為過(guò)程信號(hào)監(jiān)測(cè)識(shí)別、紅外成像識(shí)別、圖像特征識(shí)別、反射光譜識(shí)別、超聲波探測(cè)識(shí)別、電磁波探測(cè)識(shí)別。

1.1 過(guò)程信號(hào)監(jiān)測(cè)識(shí)別

過(guò)程信號(hào)監(jiān)測(cè)即提取開(kāi)采過(guò)程中的特征信號(hào)，由于煤巖在機(jī)械、力學(xué)的物理特性的性質(zhì)不同，采煤機(jī)在截割時(shí)所展現(xiàn)的響應(yīng)特性也是不同的，根據(jù)這種原理對(duì)截割狀態(tài)的特征參數(shù)進(jìn)行監(jiān)測(cè)，實(shí)現(xiàn)煤巖截割狀態(tài)的判別；常用的特征參數(shù)包括有：振動(dòng)信號(hào)、聲發(fā)射信號(hào)、電路信號(hào)、截割轉(zhuǎn)矩等。

1）振動(dòng)信號(hào)。 振動(dòng)信號(hào)主要指開(kāi)采過(guò)程中采掘機(jī)械的振動(dòng)響應(yīng)，見(jiàn)表1 煤巖硬度系數(shù)。 由于煤巖本身的硬度不同且差異較大，采掘機(jī)械截割煤巖過(guò)程中受到的截割阻力不一，振動(dòng)響應(yīng)也存在較大差異，通過(guò)時(shí)域、頻域振動(dòng)響應(yīng)變化可實(shí)現(xiàn)煤巖識(shí)別，截割煤巖的振動(dòng)信號(hào)如圖1 和圖2 所示［5］，從時(shí)域振幅、頻譜特性，二者均存在較大差異。

圖1 截割煤的振動(dòng)時(shí)域、頻域Fig.1 Time-domain and frequency-domain of vibration signals of cutting coal

圖2 截割巖的振動(dòng)時(shí)域、頻域Fig.2 Time-domain and frequency-domain of vibration signals of cutting rock

表1 煤和巖石硬度比較Table 1 Comparison of hardness between coal and rock

2）聲發(fā)射信號(hào)。 聲發(fā)射信號(hào)是煤巖與截齒碰撞沖擊下發(fā)出的一種應(yīng)力波［5］，聲發(fā)射信號(hào)的振幅與煤巖硬度有關(guān)，硬度越大，截割破碎產(chǎn)生的能量越大，信號(hào)的幅值也越大；根據(jù)煤巖硬度不同，截割時(shí)的能量差異性較大，同振動(dòng)監(jiān)測(cè)，根據(jù)聲發(fā)射信號(hào)的差異可實(shí)現(xiàn)煤巖識(shí)別；截割煤巖的聲發(fā)射信號(hào)如圖3和圖4 所示［5］，截割巖石的信號(hào)幅值遠(yuǎn)超截割煤的信號(hào)幅值，且截割巖石信號(hào)主頻段出現(xiàn)明顯的峰值。

圖3 截割煤的聲發(fā)射信號(hào)時(shí)域、頻域Fig.3 Time-domain and frequency-domain of vibration signals of cutting rock

圖4 截割巖的聲發(fā)射信號(hào)時(shí)域、頻域Fig.4 Time-domain and Frequency-domain diagrams of emission signals of cutting rock

3）電流信號(hào)。 煤巖硬度的差異性，導(dǎo)致截割過(guò)程中所消耗的功率存在差別，尤其截割巖石消耗的功率遠(yuǎn)高于截割煤的功率，造成二者截割電流不同，同時(shí)井下多采用三相電供應(yīng)，此時(shí)的電流的差異性便更加凸顯，以此進(jìn)行煤巖識(shí)別是截止目前最為簡(jiǎn)單的方法，如圖5 和圖6 所示為截割煤巖的截割電機(jī)A 向電流，截割電流的峰值分別為1 032 mA 和1 553 mA，通過(guò)電流變化可有效實(shí)現(xiàn)煤巖的識(shí)別。

圖5 截割煤的截割電機(jī)A 相電流信號(hào)Fig.5 Cutting coal cutting motor A phase current signal

圖6 截割巖石的截割電機(jī)A 相電流信號(hào)Fig.6 Cutting rock cutting motor A phase current signal

4）截割力學(xué)信號(hào)。 由于煤巖硬度不同，滾筒所受實(shí)際轉(zhuǎn)矩也不同，轉(zhuǎn)矩通過(guò)滾筒傳遞給減速器各個(gè)軸，首先標(biāo)定采掘機(jī)械參數(shù)完成路線記憶，并根據(jù)采煤機(jī)割煤和割巖惰輪軸平均受力，設(shè)定割煤受力和割巖受力期望值，根據(jù)歷史數(shù)據(jù)和實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)進(jìn)行煤巖界面走勢(shì)的分析。 圖7 和圖8 為截割煤和巖石時(shí)惰輪軸傳感器應(yīng)變變化趨勢(shì)［6］，隨著截割介質(zhì)的硬度增大，惰輪軸受力明顯增加且存在較大差異，割巖時(shí)受力比割煤時(shí)平均受力大19.45%，通過(guò)截割受力的階躍變化，可實(shí)現(xiàn)截割過(guò)程的煤巖識(shí)別。

圖7 截割煤的惰輪軸應(yīng)變Fig.7 Strain of idler shaft cutting coal

圖8 截割巖石的惰輪軸應(yīng)變Fig.8 Strain of idler shaft cutting rock

5）多傳感信息融合識(shí)別。 上述信號(hào)識(shí)別方法均是針對(duì)單一信號(hào)特征，由于井下的復(fù)雜環(huán)境，單一信號(hào)的識(shí)別誤差較大，存在局限性，因此提出多傳感信息融合方法。 多傳感信息融合技術(shù)指利用計(jì)算機(jī)對(duì)多源信號(hào)進(jìn)行處理，融合信號(hào)的有利特征，進(jìn)行全局估計(jì)。 截止到目前，最為常用的融合算法以神經(jīng)網(wǎng)絡(luò)為主。 圖9 所示為常見(jiàn)的多源信息融合模型［7］，其中x為輸入特征信號(hào)，y為識(shí)別結(jié)果，此外為最大限度地表示信號(hào)的差異性，一些專家還引入了權(quán)重的思想，改變信號(hào)在全局融合中的可信度，提高了模型的識(shí)別精度。

圖9 多源信息融合的識(shí)別模型Fig.9 Recognition model of multi-source information fusion

1.2 紅外熱成像識(shí)別

紅外熱成像識(shí)別根據(jù)使用工況可分為2 種：主動(dòng)紅外激勵(lì)識(shí)別和截割閃溫識(shí)別。

1）主動(dòng)紅外激勵(lì)識(shí)別。 主動(dòng)紅外熱成像［8］是在被動(dòng)紅外熱成像基礎(chǔ)上，由外部能量輻射源對(duì)被檢試件表面或內(nèi)部進(jìn)行激勵(lì)，致使材料快速升溫，由于材料屬性和結(jié)構(gòu)的缺陷或差異，熱量的擴(kuò)散會(huì)產(chǎn)生相應(yīng)的變行加熱，且差距會(huì)越來(lái)越大，通過(guò)待檢物體向外發(fā)出的紅外輻射強(qiáng)度，在不直接接觸物體的前提下可通過(guò)紅外熱像儀計(jì)算出表面的溫度，煤巖主動(dòng)紅外激勵(lì)成像如圖10 所示，隨著溫度場(chǎng)的增加，煤和巖石出現(xiàn)了明顯的溫度場(chǎng)差異，且上側(cè)煤的色域深度一直高于下側(cè)巖石，因此建立溫度場(chǎng)梯度分布模型可進(jìn)行溫線劃分、煤巖分部劃分，能有效提升煤巖識(shí)別精度。

圖10 煤、巖試件主動(dòng)紅外激勵(lì)圖像Fig.10 Active infrared excitation images of coal and rock specimens

2）截割閃溫識(shí)別。 滾筒在截割煤巖過(guò)程中，截齒與煤巖介質(zhì)產(chǎn)生劇烈的碰撞和摩擦，在此過(guò)程中產(chǎn)生摩擦熱，由于煤巖介質(zhì)與截齒表面凹凸不平，存在大量高度不等的微凸體，且不同位置煤巖介質(zhì)的分布密度各不相同，隨機(jī)性很大，尤其是截齒與煤巖介質(zhì)局部尖銳的微凸體摩擦碰撞時(shí)，會(huì)在極小的接觸面積內(nèi)產(chǎn)生高度的應(yīng)力集中，并釋放大量熱量，在二者的接觸面上產(chǎn)生持續(xù)時(shí)間極短的瞬時(shí)高溫區(qū)域，即截割閃溫［9］。 因?yàn)閹r的硬度要明顯大于煤的硬度，截齒在截割巖過(guò)程中就會(huì)承受更大的截割阻力，其摩擦溫度也越高。 截割煤巖時(shí)的紅外熱成像如圖11 和圖12所示，其中截割煤時(shí)的最大瞬時(shí)閃溫分別為19.02、19.26 ℃，截割巖石的最大瞬時(shí)閃溫分別為29.13、29.27 ℃，瞬時(shí)閃溫值溫升變化明顯，根據(jù)截割表面瞬時(shí)閃溫變化即可實(shí)現(xiàn)煤巖的識(shí)別。

圖11 截割煤的紅外熱像Fig.11 Infrared thermal image of cutting coal

圖12 截割巖石的紅外熱像Fig.12 Infrared thermal image of cutting rock

1.3 圖像特征識(shí)別

圖像識(shí)別，顧名思義，就是對(duì)圖像做出各種處理、分析，最終識(shí)別到所要研究的目標(biāo)，圖像識(shí)別技術(shù)主要以圖像的主要特征為基礎(chǔ)。 每個(gè)圖像都有它的特征，一般而言圖像的主要特征集中在圖像輪廓曲線最大或輪廓方向突然改變的地方，如字母A 有個(gè)尖， “P”有個(gè)圈、而“Y”的中心有個(gè)銳角等。 根據(jù)煤、巖的產(chǎn)生和復(fù)雜地質(zhì)條件的影響，煤巖在亮度、色彩、紋理、形狀均存在較大差異，而圖像紋理特征描述了物體共同具有的內(nèi)在屬性，對(duì)顏色的亮度具有獨(dú)立性，反映了同質(zhì)現(xiàn)象，可以很好地兼顧圖像宏觀性質(zhì)和細(xì)微結(jié)構(gòu)，常用的分析方法有灰度共生矩陣（CLCM）、Laws 紋理能量法。 煤和巖紋理特征信息如圖13 和14 所示［10］，煤局部紋理特征不一，表面不整齊，溝壑明顯，而巖石局部紋理特征基本一致，平整光滑，沒(méi)有明顯的溝壑，可以進(jìn)行初步的煤巖辨識(shí)，見(jiàn)表2，煤巖的ASM 方差和ENT 方差差異明顯，煤塊樣本ASM 方差是巖石樣本的5 倍左右，巖石樣本ENT 方差是煤塊樣本的4 倍左右。 巖石樣本ENT 方差明顯高于煤塊樣本，可以做煤巖識(shí)別參考數(shù)值。

表2 煤、巖石參數(shù)方差Table 2 Variances of coal and rock parameters

圖13 煤塊局部紋理特征Fig.13 Local texture characteristics of coal

圖14 巖石局部紋理特征Fig.14 Local texture characteristics of rock

1.4 反射光譜識(shí)別

反射光譜技術(shù)是一種針對(duì)原位物質(zhì)的、高信噪比、實(shí)時(shí)、低廉的光譜分析技術(shù)，當(dāng)輻射光線到達(dá)物體表面后，物體基于其化學(xué)成分和表面狀態(tài)發(fā)生吸收、透射和反射3 種基本作用，其中反射光譜在獲取物體成分信息中起到了主要作用，物體組成成分不同，致使反射光譜曲線在相同波段的波形特征不同，地物反射光譜探測(cè)和高光譜遙感所使用的光譜波段范圍主要為可見(jiàn)光和近紅外光，波長(zhǎng)范圍為380 ～2 526 nm，光譜分辨率小于ζ／100，其中ζ為光譜波長(zhǎng)。 根據(jù)電磁波與復(fù)雜地物的相互作用理論，巖石和礦物在350 ～2 500 nm 內(nèi)反射光譜的特性主要取決于巖石和礦物的化學(xué)組分和物理結(jié)構(gòu)，因此，反射光譜就如同“指紋”，煤巖反射光譜的差異性反應(yīng)了煤巖物質(zhì)成分的差異性。 文獻(xiàn)［11］研究中煤巖原始光譜特征波段曲線如圖15 所示，煤、巖反射率均隨著波長(zhǎng)的增加而增加，但在某一波段內(nèi)二者存在明顯的差異，例如，在1 350 ～1 450 nm 和2 100 ～2 250 nm波段，石灰?guī)r曲線在存在一個(gè)明顯的吸收峰，在2 300 ～2 400 nm 波段內(nèi)，石灰?guī)r發(fā)射率成下降趨勢(shì)而焦煤正好相反，因此通過(guò)分析煤巖對(duì)光譜的反射率可實(shí)現(xiàn)煤巖的精確識(shí)別。

圖15 煤巖原始光譜曲線特征波段對(duì)比Fig.15 Comparison of characteristic bands of original spectral curves of coal and rock

1.5 超聲波探測(cè)識(shí)別

超聲波是一種波長(zhǎng)極短的機(jī)械波，在空氣中波長(zhǎng)一般短于2 cm，且必須依靠介質(zhì)傳播，超聲波在煤質(zhì)內(nèi)傳播時(shí)，存在反射、折射、衍射、散射等傳播規(guī)律，遇到密度不同的介質(zhì)，穿透率、折射等均會(huì)發(fā)生相應(yīng)的變化。 在多相介質(zhì)界面處，超聲波傳播產(chǎn)生反射波，當(dāng)超聲波垂直進(jìn)入介質(zhì)層面，此時(shí)聲波的反射系數(shù)R和透射系數(shù)T［12］分別為

其中，ρ為傳播介質(zhì)的密度；v為聲波在介質(zhì)中的傳播聲速。 由于煤巖的物理參數(shù)、空隙率以及表面紋理等對(duì)超聲波傳播產(chǎn)生的阻抗差異，產(chǎn)生的聲透射、聲反射和回波信號(hào)強(qiáng)度均存在差異，根據(jù)文獻(xiàn)［13］研究，煤的密度區(qū)間為1 ～2 g／cm3，其聲速區(qū)間為500～2 500 m／s；巖石的密度區(qū)間為2.5～3.0 g／cm3，其聲速區(qū)間為2 000～4 500 m／s，由于煤巖的密度和聲速不同，因此，煤巖的聲阻和發(fā)射性能也有明顯的差距。

1.6 電磁波探測(cè)識(shí)別

煤巖屬于有耗介質(zhì)，電磁波在煤巖介質(zhì)傳播會(huì)產(chǎn)生損耗，不同地質(zhì)條件的煤巖介質(zhì)損耗因子也存在差異；當(dāng)一定寬頻帶的電磁波傳播至煤層表面后，會(huì)發(fā)生反射和折射現(xiàn)象，一部分波在煤層表面作用下反射回原有介質(zhì)，而另一部分波則通過(guò)折射作用進(jìn)入煤層內(nèi)部，當(dāng)進(jìn)入煤層的部分波傳播至煤與另一種介質(zhì)交互界面中便會(huì)再次發(fā)生反射和折射，因此根據(jù)電磁波的回波時(shí)差、頻率等參數(shù)可以進(jìn)行煤層厚度的估算，進(jìn)而實(shí)現(xiàn)煤巖識(shí)別。

根據(jù)電磁波的頻段不同，采用的手段設(shè)備不同，可分為γ 射線識(shí)別、探地雷達(dá)識(shí)別、太赫茲信號(hào)識(shí)別以及電子共振法識(shí)別，煤巖介質(zhì)對(duì)電磁波傳播的影響主要有3 個(gè)常量：介電常數(shù)、電導(dǎo)率、磁導(dǎo)率。

以探地雷達(dá)為例［14］，理想狀態(tài)下煤巖界面分布如圖16 所示（其中L0為雷達(dá)發(fā)射系統(tǒng)與煤層距離，L1為煤層厚度，L2為巖層厚度，ε 為介質(zhì)的相對(duì)介電常數(shù)，σ為介質(zhì)的電導(dǎo)率，Ti為電磁波經(jīng)界面?zhèn)鞑サ较乱唤橘|(zhì)的能量）。

圖16 煤巖界面模型Fig.16 Coal-rock interface model

首先計(jì)算得到入射點(diǎn)的能量P0為

2 煤巖高效識(shí)別技術(shù)理論與試驗(yàn)研究現(xiàn)狀

2.1 過(guò)程信號(hào)監(jiān)測(cè)識(shí)別

1）振動(dòng)信號(hào)。 美國(guó)礦業(yè)局最早進(jìn)行了3 種振動(dòng)信號(hào)的監(jiān)測(cè)：機(jī)械振動(dòng)、槽波地震和聲振動(dòng)；最初的監(jiān)測(cè)將傳感器安裝在頂?shù)装灞砻妫ㄟ^(guò)檢測(cè)截割過(guò)程的振動(dòng)波進(jìn)行煤巖識(shí)別，但隨著開(kāi)采條件的變化，采掘機(jī)械的發(fā)展，傳感器的安裝也不斷改進(jìn)，據(jù)此國(guó)內(nèi)外學(xué)者進(jìn)行了大量的理論研究。

針對(duì)綜采工作面的煤巖識(shí)別問(wèn)題，王水生［15］提取了采煤機(jī)截割煤試件、巖石試件、煤巖水平混合試件、煤巖過(guò)渡試件時(shí)的滾筒三向振動(dòng)信號(hào)，得到采煤機(jī)滾筒在截割煤巖過(guò)程中的振動(dòng)特性規(guī)律，構(gòu)建了關(guān)于煤巖特征信號(hào)的模糊隸屬度函數(shù)，實(shí)現(xiàn)了截割煤巖的實(shí)時(shí)控制，并通過(guò)PLC 實(shí)現(xiàn)了煤巖識(shí)別的滾筒自調(diào)高控制；Yanbing Liu 等［16］提出了基于小波包分解和模糊神經(jīng)網(wǎng)絡(luò)的識(shí)別算法，提取采煤機(jī)截割煤巖振動(dòng)信號(hào)敏感頻帶的特征值，利用小波包能量法實(shí)現(xiàn)了信號(hào)特征從模式空間到特征空間的轉(zhuǎn)換，構(gòu)建了模糊神經(jīng)網(wǎng)絡(luò)識(shí)別模型，得到了截割信號(hào)識(shí)別條件下的煤巖分界界面，并針對(duì)該方法進(jìn)行了工業(yè)試驗(yàn)驗(yàn)證；劉俊利等［17］構(gòu)建了采煤機(jī)搖臂振動(dòng)模型，并據(jù)此進(jìn)行了截割振動(dòng)測(cè)試試驗(yàn)，得到截割介質(zhì)為貧煤和石灰?guī)r的振動(dòng)信號(hào)，通過(guò)對(duì)比時(shí)、頻域的振幅實(shí)現(xiàn)了煤巖界面的輔助識(shí)別，張啟志等［18］提出了一種基于倒譜距離的截割振動(dòng)信號(hào)識(shí)別方法，定義倒譜距離dcep如式（8）所示：

式中，c1（n）和c0（n）為不同信號(hào)的倒譜系數(shù)；q為倒譜系數(shù)的對(duì)應(yīng)階數(shù)。

通過(guò)改變傳感器的監(jiān)測(cè)位置，分析了不同截割介質(zhì)的振動(dòng)信號(hào)靈敏度，研究結(jié)果表明割煤時(shí)的信號(hào)倒譜距離大于割巖時(shí)，且割巖使得倒譜距離呈明顯的周期性，且在工業(yè)性試驗(yàn)中煤巖識(shí)別準(zhǔn)確率達(dá)75%。 張啟志等［19］提取了采煤機(jī)左右搖臂Ⅲ軸齒輪端蓋處的三向振動(dòng)信號(hào)， 構(gòu)建了以STM32F405RGT 為微處理器的煤巖識(shí)別系統(tǒng)，實(shí)現(xiàn)了多通道、高精度、高速率采集和實(shí)時(shí)處理數(shù)據(jù)，并獲得礦用產(chǎn)品安全標(biāo)志證及防爆合格證，通過(guò)井下試驗(yàn)以X 向信號(hào)為依據(jù)得到了驗(yàn)證。

同樣在綜放開(kāi)采中垮落煤巖識(shí)別是實(shí)現(xiàn)放煤自動(dòng)化的關(guān)鍵技術(shù)之一；李一鳴等［20］基于垮落煤巖沖擊液壓支架后尾梁的振動(dòng)信號(hào)，提出了一種基于小波包熵和流形學(xué)習(xí)的特征提取方法，采用局部線性嵌入（LLE）的降維方法實(shí)現(xiàn)了對(duì)特征信號(hào)的簡(jiǎn)化，挖掘了特征向量的低維流形結(jié)構(gòu)，如圖17 所示實(shí)現(xiàn)了特征向量高維數(shù)據(jù)集的低維嵌入（圖中k為L(zhǎng)LE算法中通過(guò)歐氏距離尋找到的原始特征點(diǎn)的近鄰，簡(jiǎn)稱鄰域因子），通過(guò)BP 神經(jīng)網(wǎng)絡(luò)識(shí)別準(zhǔn)確率達(dá)92.5%。

圖17 特征向量高維數(shù)據(jù)集的低維嵌入Fig.17 Low-dimensional embedding of feature vector high-dimensional data set

李冉等［21］采用有限元的方法構(gòu)建了放頂煤開(kāi)采中煤巖與液壓支架掩護(hù)梁的沖擊模型，研究了不同形狀、不同速度煤巖顆粒對(duì)掩護(hù)梁沖擊力學(xué)特性，通過(guò)研究其振動(dòng)響應(yīng)變化規(guī)律為放頂煤開(kāi)采中的煤巖識(shí)別提供了一種思路；薛光輝等［22］研發(fā)了一種測(cè)振記錄儀，提取了多測(cè)點(diǎn)綜放工作面中頂煤、矸石、巖石垮落過(guò)程中支架后尾梁和后端刮板輸送機(jī)的振動(dòng)信號(hào)，分析了時(shí)域內(nèi)信號(hào)特征對(duì)垮落介質(zhì)的敏感度，提出了以時(shí)域信號(hào)中峭度、方差、偏差等指標(biāo)進(jìn)行煤巖識(shí)別的評(píng)判依據(jù)，對(duì)比了支架后尾梁振動(dòng)信號(hào)和刮板輸送機(jī)振動(dòng)信號(hào)相應(yīng)指標(biāo)的差異程度，為放頂煤開(kāi)采中的煤巖識(shí)別提供了依據(jù)。

2）聲發(fā)射信號(hào)。 聲發(fā)射信號(hào)監(jiān)測(cè)技術(shù)最早由筆者團(tuán)隊(duì)提出［23］，筆者澆筑了煤巖質(zhì)量比例為1 ∶0、2 ∶1、1 ∶1、1 ∶2、0 ∶1 的煤巖試件，通過(guò)截割試驗(yàn)得到了聲發(fā)射信號(hào)頻譜幅值變化曲線如圖18 所示，利用小波分析提取了聲發(fā)射信號(hào)特征值，并構(gòu)建了不同特征的最小隸屬度函數(shù)，實(shí)現(xiàn)了煤巖截割比的在線監(jiān)測(cè)識(shí)別，得到煤巖界面分布與實(shí)際煤巖界面分布如圖19 所示。 此外依據(jù)不同煤巖比例試件的聲發(fā)射信號(hào)，筆者還提出了D-S 證據(jù)理論的多證據(jù)體識(shí)別模型，將多個(gè)信任度函數(shù)合成新的信任度模型，研究結(jié)果表明隨著證據(jù)體的增加識(shí)別精度逐漸提高。

圖18 不同煤巖質(zhì)量比的聲發(fā)射信號(hào)頻譜幅值變化Fig.18 Variation of acoustic emission signal spectrum amplitude with different coal／rock mass ratios

圖19 煤巖界面分布對(duì)比Fig.19 Comparison of coal and rock interface distribution

張翠平等［24］依據(jù)截割煤巖產(chǎn)生的噪音不同，將聲音傳感器安裝在液壓支架上與立柱相連的頂梁處，通過(guò)可編程放大器與AD 模／數(shù)轉(zhuǎn)換進(jìn)行數(shù)據(jù)處理，并在井下工作面安裝14 個(gè)聲音傳感器進(jìn)行了工業(yè)性驗(yàn)證，該項(xiàng)技術(shù)方法存在通用性，適用于任何媒層的開(kāi)采，但該方法控制系統(tǒng)復(fù)雜，需要多傳感器聯(lián)合采集數(shù)據(jù)，同樣需要多處理器進(jìn)行數(shù)據(jù)的實(shí)時(shí)處理，因此存在一定的局限性；楊文萃等［25］采用聲學(xué)探測(cè)法，基于聲波在水、煤、煤巖界面的反射、折射規(guī)律，考慮不同介質(zhì)下的衰減特性，推導(dǎo)出了聲波在水、煤、煤巖等3 種介質(zhì)下傳播、回波公式，構(gòu)建了路徑傳輸?shù)拿簬r識(shí)別聲學(xué)模型，研究了聲吸收系數(shù)、介質(zhì)阻抗、聲波頻率、介質(zhì)物理參數(shù)等對(duì)聲波傳播影響的非線性關(guān)系，通過(guò)SIMULINK 仿真驗(yàn)證不同頻率聲波的煤層厚度探測(cè)，最大識(shí)別誤差為0.03 m。

針對(duì)綜放開(kāi)采中的煤巖識(shí)別問(wèn)題，薛光輝等［26］根據(jù)煤、矸石、巖石的物理參數(shù)和力學(xué)參數(shù)不同，提取了放頂煤開(kāi)采中煤巖垮落時(shí)與尾梁沖擊的聲壓信號(hào)，對(duì)比了信號(hào)幅值、頻率及能量的變化差異，通過(guò)小波包分解發(fā)現(xiàn)A2 ～A16 頻段內(nèi)煤層垮落能量最大，巖石次之，矸石最小，因此通過(guò)分析聲壓信號(hào)的小波包頻帶能量可實(shí)現(xiàn)煤巖特征的識(shí)別。

3）電流信號(hào)。 文獻(xiàn)［27］中首次提到了電流監(jiān)測(cè)的煤巖識(shí)別方法，而目前國(guó)內(nèi)對(duì)于采用電流進(jìn)行煤巖識(shí)別的研究較少。 曹慶春等［28］對(duì)截割電機(jī)輸入電流進(jìn)行漸變分析，進(jìn)行了軟煤、硬煤、巖，每3 m 一次隨機(jī)交替的截割試驗(yàn)，構(gòu)建了電流信號(hào)的漸變特征矩陣，通過(guò)Hilbert 變換—主成分分析—多分類向量機(jī)算法，實(shí)現(xiàn)了煤巖識(shí)別準(zhǔn)確率在95%以上；逯振國(guó)等［29］提出了提取滾筒截割電機(jī)工作電流和伸縮液壓缸壓力信號(hào)的煤巖識(shí)別方法，對(duì)比了截割煤巖石的電流波動(dòng)和液壓缸壓力的變化曲線，通過(guò)DSP 控制器和工控機(jī)實(shí)現(xiàn)了對(duì)煤巖識(shí)別下的滾筒自適應(yīng)調(diào)高控制；王育龍［30］研究了滾筒的截割特性，構(gòu)建了基于分形理論和EMD 分解的滾筒截割力矩模型，為去除截割部對(duì)截割電流中截割煤巖特性分量的影響，建立了“截割力矩-截割電流”模型，分析了不同截割介質(zhì)下截割電流變化規(guī)律，針對(duì)電流信號(hào)非平穩(wěn)、非線性的特征，采用小波包分解得到信號(hào)的敏感頻段，從理論上達(dá)到了電流法煤巖識(shí)別的目的。

4）截割力學(xué)信號(hào)。 1941 年，前蘇聯(lián)學(xué)者Am?shinskii 提出了根據(jù)截割力進(jìn)行煤巖識(shí)別的方法，英國(guó)在20 世紀(jì)80 年代開(kāi)發(fā)了截割力煤巖識(shí)別系統(tǒng)，并在卡特格勒煤礦進(jìn)行試驗(yàn)，隨機(jī)美國(guó)礦業(yè)局、德國(guó)Marco 公司也開(kāi)展了相關(guān)研究，相比國(guó)外，我國(guó)關(guān)于截割力的研究起步較晚，20 世紀(jì)末太原理工大學(xué)和中國(guó)礦業(yè)大學(xué)取得了一系列研究成果。

到目前為止傳統(tǒng)的力學(xué)監(jiān)測(cè)識(shí)別手段已無(wú)法滿足復(fù)雜多變的開(kāi)采環(huán)境，諸多學(xué)者據(jù)此引入了數(shù)據(jù)融合、神經(jīng)網(wǎng)絡(luò)等識(shí)別技術(shù)；趙栓峰［31］針對(duì)力學(xué)信號(hào)受煤巖破裂、間隙及工作環(huán)境的影響，提出了多小波基函數(shù)匹配煤巖響應(yīng)特征信號(hào)的方法，通過(guò)相似物理模擬試驗(yàn)，提取了滾筒轉(zhuǎn)矩、扭振信號(hào)并構(gòu)建了煤巖特征信號(hào)識(shí)別庫(kù)，采用支持向量機(jī)的方法進(jìn)行了驗(yàn)證；程誠(chéng)等［32］以滾筒截割轉(zhuǎn)矩信號(hào)為依據(jù)，構(gòu)建了煤巖識(shí)別框架如圖20 所示，采用小波包變化對(duì)轉(zhuǎn)矩信號(hào)的時(shí)域、頻域特征值矩陣進(jìn)行奇異值分解，構(gòu)建奇異特征向量，采用基于L-M 算法的BP 神經(jīng)網(wǎng)絡(luò)模型進(jìn)行煤巖自動(dòng)識(shí)別，證明了該方法的可行性；田立勇等［33］提取了不同截割介質(zhì)時(shí)采煤機(jī)搖臂惰輪軸受力，見(jiàn)表3，其中割巖受力比割煤平均受力大19.45%，并采用灰色預(yù)測(cè)理論建立了搖臂智能控制系統(tǒng)，實(shí)時(shí)修正截割路線，提高了采煤機(jī)的追蹤適應(yīng)能力。

表3 不同截割介質(zhì)惰輪軸受力Table 3 Coal and rock recognition framework combined with wavelet transform and neural network

圖20 小波變化與神經(jīng)網(wǎng)絡(luò)相結(jié)合的煤巖識(shí)別框架Fig.20 Coal and rock recognition framework combined with wavelet transform and neural network

付華等［34］提出了真實(shí)-虛擬多層傳感器技術(shù)，如圖21 所示（圖中第1 層中SRi表示真實(shí)傳感器，第2 層至第m層中SRi為虛擬傳感器，aim為系統(tǒng)優(yōu)化后的最優(yōu)權(quán)值，為最優(yōu)加權(quán)融合后的輸出結(jié)果）。 主要由采集實(shí)時(shí)數(shù)據(jù)的真實(shí)傳感器和層數(shù)可變的虛擬傳感器構(gòu)成，提出了考慮最優(yōu)加權(quán)系數(shù)的多層融合估計(jì)算法，得到虛擬傳感器的最小均方估計(jì)差和最優(yōu)均方誤差。 具體構(gòu)建了第1 層為轉(zhuǎn)矩、扭振、扭轉(zhuǎn)、壓力、電流傳感器與第2 層為虛擬傳感器的煤巖識(shí)別多傳感器融合系統(tǒng)，選取了10 組不同樣本進(jìn)行試驗(yàn)，相比較數(shù)據(jù)的直接融合，真實(shí)-虛擬多層融合計(jì)算結(jié)果識(shí)別精度提升20%，且未增加測(cè)量系統(tǒng)物理結(jié)構(gòu)的復(fù)雜程度。

圖21 多層傳感器信息融合復(fù)合結(jié)構(gòu)Fig.21 Multilayer sensor information fusion composite structure

5）多傳感信息融合識(shí)別。 筆者團(tuán)隊(duì)最早將多源信息融合用在煤巖中，采用支持向量機(jī)、D-S 證據(jù)理論、模糊神經(jīng)網(wǎng)絡(luò)、BP 神經(jīng)網(wǎng)絡(luò)等［5，7，35］多種融合算法，提取了振動(dòng)、聲發(fā)射、電流、溫度等信號(hào)進(jìn)行決策融合識(shí)別，結(jié)果表明多信息融合識(shí)別精度明顯高于單一信號(hào)識(shí)別精度，能夠有效識(shí)別截割過(guò)程煤巖界面。 此外，劉俊利［36］提出了自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)推理系統(tǒng)，將滾筒調(diào)高油缸壓力、截割電流、轉(zhuǎn)矩等信號(hào)進(jìn)行融合，通過(guò)模糊規(guī)則與自適應(yīng)學(xué)習(xí)能力，有效地提高了識(shí)別精度。 此外文獻(xiàn)［37-39］中不少學(xué)者進(jìn)行了大量研究，筆者不在進(jìn)行列舉，但融合算法過(guò)于單一，信號(hào)體征提取算法也較為簡(jiǎn)單，雖然取得了較好的研究成果，提高了煤巖識(shí)別精度，但是沒(méi)有取得較大突破，信號(hào)識(shí)別實(shí)時(shí)性差、不能滿足截割過(guò)程滾筒實(shí)時(shí)調(diào)高的需求；多信息融合算法尚處于理論研究是實(shí)驗(yàn)室試驗(yàn)階段，沒(méi)有工業(yè)現(xiàn)場(chǎng)的相關(guān)研究，在井下的適用性沒(méi)有得到驗(yàn)證。

2.2 紅外熱成像識(shí)別

1）主動(dòng)紅外激勵(lì)識(shí)別。 主動(dòng)紅外激勵(lì)識(shí)別是筆者團(tuán)隊(duì)提出的另一種識(shí)別方法［8］，想對(duì)比傳統(tǒng)被動(dòng)激勵(lì)下紅外成像受熱源、光源因素的影響，主動(dòng)紅外激勵(lì)能夠適應(yīng)更多的工況，放大了不同材料溫度、比熱容等性質(zhì)差異性。

筆者搭建了煤巖紅外識(shí)別試驗(yàn)臺(tái)如圖22 所示，首先分析了純煤試件、純巖試件、煤巖混合試件被動(dòng)激勵(lì)下的溫度場(chǎng)特性，其中純煤和純巖試件溫度分布一致，無(wú)溫度差，煤巖混合試件存在溫度差值，但不超過(guò)2 ℃；而后采用光照強(qiáng)度平均值為9k Lux，對(duì)3 組試件進(jìn)行單脈沖激勵(lì)20 min，其中純煤試件溫升最快，單一試件的溫度差值不超過(guò)5 ℃，混合試件溫差超10 ℃，且存在明顯的煤巖分界線。

圖22 紅外熱成像煤巖識(shí)別試驗(yàn)臺(tái)Fig.22 Coal and rock identification test bed for infrared thermal imaging

進(jìn)一步分析煤巖混合試件溫度場(chǎng)特性發(fā)現(xiàn)，10 min 內(nèi)試件溫升變化最明顯，10 ～30 min 內(nèi)溫度呈緩慢上升趨勢(shì)，30 min 后溫度趨于穩(wěn)定，激勵(lì)時(shí)間越長(zhǎng)煤巖的溫度差越大，提取對(duì)角線的煤、巖溫度，通過(guò)溫度梯度場(chǎng)模型進(jìn)行等溫線、煤巖分界劃分，準(zhǔn)確得到煤巖分布位置和煤巖混個(gè)過(guò)渡區(qū)準(zhǔn)確范圍，如圖23 所示，研究結(jié)果與煤巖分布真實(shí)情況基本一致。

圖23 煤巖界面分布模擬還原圖與真實(shí)分布Fig.23 Simulated reduction and real distribution diagram of coal-rock interface distribution

此外，筆者還分析了影響煤巖界面紅外圖像識(shí)別精度的因素［40］，采用正交試驗(yàn)法進(jìn)行了不同光照強(qiáng)度、光照時(shí)間、光照距離、圖像拍攝角度、光源位置的試驗(yàn)，采用FCM 分割算法進(jìn)行圖像處理，得到了分割結(jié)果的識(shí)別精度，提取了單因素變化下圖像的特征值，基于極差分析和方差分析了各影響因素對(duì)煤巖紅外識(shí)別的的顯著性差異，確定了最優(yōu)參數(shù)組合，采用全局優(yōu)化遺傳算法對(duì)最優(yōu)參數(shù)組合進(jìn)行隨機(jī)實(shí)驗(yàn)驗(yàn)證，確保了試驗(yàn)結(jié)果的可信度。

2）截割閃溫識(shí)別。 紅外線技術(shù)是美國(guó)礦業(yè)局匹茨堡研究中心提出了煤巖界面探測(cè)方法，80 年代初開(kāi)發(fā)出了溫差為0.1 ℃的紅外攝像機(jī)，依據(jù)頂板巖石與煤層存在的顯著強(qiáng)度反差實(shí)現(xiàn)煤巖識(shí)別，通過(guò)試驗(yàn)證明截割巖石時(shí)的溫度遠(yuǎn)高于正常溫度，并且該相機(jī)還可透過(guò)粉塵觀察溫度變化。

而國(guó)內(nèi)在紅外圖像在截割中的研究應(yīng)用大多集中于煤體破碎、溫度場(chǎng)監(jiān)測(cè)，筆者團(tuán)隊(duì)考慮到截齒截割煤、巖過(guò)程中表面溫度的變化會(huì)導(dǎo)致紅外輻射強(qiáng)度的變化以及煤巖硬度不同而產(chǎn)生的摩擦熱不同，進(jìn)行了截割閃溫的煤巖識(shí)別方法［41］。

首先澆筑了普氏系數(shù)為1.1、1.4、1.8、2.2、2.5、2.8、3.2 的煤試件和2.4、3.2、4.5、5.5、6.8、8.2、10.5的巖試件，通過(guò)試驗(yàn)得到截割不同硬度煤、巖的截齒紅外熱像，截齒在截割煤、巖過(guò)程中，溫度場(chǎng)就均發(fā)生變化且均產(chǎn)生突兀的點(diǎn)狀閃溫區(qū)，得到截割煤巖試件的截齒溫度-頻率曲線和截齒閃溫峰值差如圖24 和表4 所示。

圖24 截割煤、巖試件的截齒溫度-頻率曲線Fig.24 Temperature-frequency curve of cutting coal and rock specimens

表4 不同硬度煤、巖截齒閃溫峰值Table 4 Peak flash temperature of coal and rock cutters with different hardness

由表可知，當(dāng)煤巖硬度相同時(shí)二者的峰值差僅為0.2 ℃，當(dāng)二者硬度差為7.3 時(shí)，最大閃溫峰值差達(dá)到21 ℃；而且牽引速度和滾筒轉(zhuǎn)速對(duì)截齒溫度場(chǎng)均有較大的影響，，牽引速度和滾筒轉(zhuǎn)速越大，截齒截割煤、巖時(shí)溫度場(chǎng)的最高溫度越高，且二者的峰值差越大。

為進(jìn)一步研究煤巖對(duì)截齒閃溫的影響，分析溫度場(chǎng)與閃溫的變化規(guī)律，筆者還進(jìn)行了煤巖比例分別為｛1 ∶0（全煤），8 ∶1，4 ∶1，2 ∶1，1 ∶1，1 ∶2，1 ∶4，1 ∶8，0 ∶1（全巖）｝9 種試件截割試驗(yàn)［5］，隨巖石占比的增加，截齒的閃溫變化由21.24 ℃增加到38.16 ℃，基于不同煤巖比試件截齒瞬時(shí)閃溫具有模糊性的特征［42］，構(gòu)建了截齒閃溫識(shí)別煤巖的模糊隸屬度函數(shù)，通過(guò)對(duì)特征值模糊化、模糊推理、模糊程序處理得到識(shí)別結(jié)果，并進(jìn)行試驗(yàn)驗(yàn)證，如圖25 所示最大識(shí)別誤差為4 mm。

圖25 煤巖識(shí)別界面誤差Fig.25 Interface error of coal and rock identification

2.3 圖像特征識(shí)別

圖像特征識(shí)別技術(shù)最早起源20 世紀(jì)80 年代，英國(guó)Rees Hough 推出了礦用相機(jī)，而后美國(guó)推出了THMS（遙控高邊坡開(kāi)采系統(tǒng)）［43］，此時(shí)的煤巖識(shí)別依賴于人工監(jiān)控，隨著高清成像技術(shù)發(fā)展、煤礦智能化建設(shè)，圖像分析技術(shù)已邁入自動(dòng)化階段。

孫繼平等［44］根據(jù)煤巖之間紋理特征的穩(wěn)定性和不均衡性，采用GLCM 圖像紋理二階統(tǒng)計(jì)方法提取了煤巖紋理特征，基于類間差異矩陣和類內(nèi)離散矩陣的最優(yōu)類可分性標(biāo)準(zhǔn)，降低了樣本空間的維度和算法的復(fù)雜程度，在優(yōu)化后的低維特征空間中，采用fisher 判別法建立了煤巖分類器，平均識(shí)別率高達(dá)94.12%，此外作者還提出了一種基于二進(jìn)制十字對(duì)角紋理矩陣的圖像特征提取方法，利用二進(jìn)制十字紋理矩陣的的角二階矩能量、逆差矩、差熵等10種關(guān)聯(lián)信息構(gòu)造了煤巖圖像特征向量，平均識(shí)別率為94.38%，尤其在單圖像特征提取時(shí)間大幅縮減；張斌等［45］提出了基于回歸方程的深度學(xué)習(xí)目標(biāo)檢測(cè)（YOLOv2）與線性成像模型相結(jié)合的算法，選取了8 000張不同地質(zhì)條件的煤巖特征圖像，通過(guò)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并在龍泉煤礦4202 工作面進(jìn)行了試驗(yàn)，圖26 所示為判定結(jié)果：紅色框線內(nèi)為煤層，框外為巖層，圖下方輸出值為該算法判定監(jiān)測(cè)區(qū)域?yàn)槊簩拥母怕剩瑫r(shí)礦井測(cè)量坐標(biāo)系中煤層邊框角的計(jì)算坐標(biāo)與實(shí)際測(cè)量坐標(biāo)相對(duì)誤差在3.0%～4.5%，不影響采煤效率。 作者還選取了5 000 張煤巖圖片，并采用Faster R-CNN 和SSD 兩種算法與YOLOv2進(jìn)行對(duì)比， YOLOv2 算法識(shí)別率為78%，識(shí)別速度63 fps，二者均高于其他2 種算法。

圖26 煤巖識(shí)別結(jié)果Fig.26 Coal and rock identification results

伍云霞等［46］針對(duì)小波難以煤巖圖像邊緣曲線特征的問(wèn)題，研發(fā)了一種基于曲波變換和壓縮感知的煤巖識(shí)新方法，對(duì)煤巖圖像邊緣特征進(jìn)行表述，如圖27 所示，煤巖圖像經(jīng)曲波分解，得到各尺度層曲波系數(shù)，保留圖像變換后的Coarse 層低頻系數(shù)，利用隨機(jī)高斯矩陣對(duì)高頻系數(shù)進(jìn)行測(cè)量（M為測(cè)量距陣行數(shù)；N為測(cè)試集樣本總數(shù)），實(shí)現(xiàn)高維系數(shù)降維， Coarse 層低頻系數(shù)與降維后的高頻系數(shù)通過(guò)級(jí)聯(lián)構(gòu)成煤巖圖像特征向量，采用支持向量機(jī)方法（SVM 分類）進(jìn)行分類識(shí)別，圖27 中，y＝ψx，y為通過(guò)運(yùn)算后得到的向量，可稱為目標(biāo)向量，ψ為測(cè)量矩陣，x為經(jīng)過(guò)曲波變換后得到的高頻系數(shù)。 構(gòu)成特征識(shí)別向量經(jīng)過(guò)SVM 識(shí)別得到識(shí)別結(jié)果。 曲線代表煤巖界面分界線，經(jīng)測(cè)試該方法，煤巖識(shí)別準(zhǔn)確率為93.75%，由此可知曲波變換能夠有效提取圖像的邊緣特征，壓縮感知的降維方法比線性降維更能表示煤巖圖像的特征。

圖27 基于曲波變換的煤巖識(shí)別方法Fig.27 Coal and rock identification method based on curvilinear transform

華同興等［47］提取了采煤機(jī)攝像頭采集的工作面圖像，采用機(jī)器深度學(xué)習(xí)Faster R-CNN 的方法，對(duì)圖像特征進(jìn)行提取，經(jīng)過(guò)區(qū)域建議網(wǎng)絡(luò)（Region Proposal Network），通過(guò)3 000 張圖片進(jìn)行識(shí)別，準(zhǔn)確率達(dá)88%；王星等［48］針對(duì)采掘過(guò)程中煤巖圖像獲取困難、數(shù)據(jù)量短缺的問(wèn)題，基于在單張圖像上訓(xùn)練的生成式對(duì)抗網(wǎng)絡(luò)提出的Var-ConSinGAN 模型基礎(chǔ)上，構(gòu)建了一種金字塔結(jié)構(gòu)，采取多階段訓(xùn)練方法，即每個(gè)階段訓(xùn)練不同尺度的圖像，便可生成任意數(shù)量圖像，試驗(yàn)中的500 張圖片，單張圖像便可生成400 張仿真圖像，極大地提高了數(shù)據(jù)量，通過(guò)對(duì)原圖像的特征遷移處理、圖像尺寸變換函數(shù)、更改迭代訓(xùn)練方式、保證了所生成仿真圖像的質(zhì)量與多樣性，彌補(bǔ)了圖像數(shù)據(jù)不足和多樣性不足的缺陷，為煤巖的高效識(shí)別提供了大數(shù)據(jù)支撐；王超等［49］提出了一種LBP-GLCM（局部二值模式-灰度共生矩陣）的煤巖圖像紋理特征提取方法，采用LBP 算法確定煤、巖紋理特征的差異性，通過(guò)GLCM 構(gòu)建了煤巖圖像在水平、豎直、45°和135°夾角的灰度共生矩陣，提取了圖像紋理特征對(duì)應(yīng)的能量、熵值、對(duì)比度、逆差分矩4 種參數(shù)，研究結(jié)果表明該算法對(duì)于煤、巖在局部紋理性特征的差異十分明顯，但未找到適用于煤巖分類的圖像特征。 吳德忠等［50］提出了一種邊界跟蹤與神經(jīng)網(wǎng)絡(luò)相結(jié)合的煤巖識(shí)別方法，以鄂爾多斯李家壕煤礦礦區(qū)巷道掘進(jìn)面原始圖像為依據(jù)，通過(guò)邊界跟蹤算法進(jìn)行煤巖邊界提取，采用形態(tài)學(xué)處理的方式，在不改變煤巖分界線和位置的情況下消除了邊界的孔洞，對(duì)采集圖像經(jīng)2%的線性拉伸后進(jìn)行特征處理并進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練與識(shí)別，整體分類精度達(dá)99.919 9%，并將該算法應(yīng)用到陜西神木榆家梁采煤工作面進(jìn)行驗(yàn)證并取得了良好的效果；黃蕾［51］針對(duì)圖像紋理特征識(shí)別準(zhǔn)確率低、魯棒性差的問(wèn)題，提出變差函數(shù)與局部方差圖融合的圖像紋理提取算法，首先逐像素提取圖像局部方差，后利用變差函數(shù)計(jì)算不同方向的變差函數(shù)向量，通過(guò)各向組合得到紋理特征，并與LBP 特征融合得到圖像整體紋理特征矩陣，該方法增強(qiáng)了圖像紋理特征的表述能力，實(shí)現(xiàn)了煤巖圖像紋理識(shí)別的高魯棒旋轉(zhuǎn)不變性，通過(guò)試驗(yàn)驗(yàn)證煤巖分類準(zhǔn)確率達(dá)到86.02%；張婷［52］憑借圖像處理與特征提取方法，提出基于變換域和高斯混合模型聚類的識(shí)別方法，通過(guò)離散余弦變換（DCT）和離散小波變換（DWT）得到煤巖圖像和紋理特征，將2 種方法的矩陣進(jìn)行組合，根據(jù)聚類相似性度量思想，利用高斯概率密度函數(shù)將特征樣本進(jìn)行分類識(shí)別，該方法有效獲取了煤巖圖像的主要特征，提高了識(shí)別準(zhǔn)確率。 李望發(fā)［53］提出了多核學(xué)習(xí)的煤巖特征融合算法，將LBP 特征、Gabor 特征、GLCM 特征通過(guò)SVM 分類器進(jìn)行多核學(xué)習(xí)，并構(gòu)建了對(duì)應(yīng)特征的權(quán)重系數(shù)矩陣，研究結(jié)果表明方法有效地對(duì)煤巖的圖像特征進(jìn)行融合，能夠提高識(shí)別準(zhǔn)確率；司壘等［54］提出了改進(jìn)U-net 網(wǎng)絡(luò)模型的煤巖識(shí)別方法，通過(guò)添加Res2net 提高了讀取特征值的能力，加入條件隨機(jī)場(chǎng)對(duì)分割圖像進(jìn)行后處理，提高了圖像U-net 模型在煤巖交接區(qū)的精確性，如圖所示搭建了采煤機(jī)煤巖截割試驗(yàn)臺(tái)，在三門(mén)峽市龍王莊煤礦1115 工作面提取了煤巖原始圖像，經(jīng)數(shù)據(jù)處理生成了包含8 000 個(gè)樣本的煤巖圖像語(yǔ)義分割數(shù)據(jù)集，采用自適應(yīng)學(xué)習(xí)算法對(duì)模型進(jìn)行訓(xùn)練，給出了模型訓(xùn)練過(guò)程中準(zhǔn)確率和損失函數(shù)的變化規(guī)律；伍云霞等［55］考慮到井下光照、角度、地質(zhì)等造成煤巖圖像特征接近的問(wèn)題，提出了將煤巖特征轉(zhuǎn)換到新的特征空間中，使得同類特征的距離變小，異類特征距離增加的方法，即距離度量學(xué)習(xí)煤巖識(shí)別算法，推導(dǎo)出了距離度量矩陣，提取了煤巖圖像紋理特征，采用KNN 分類器進(jìn)行分類識(shí)別，研究結(jié)果顯示同等條件下該方法識(shí)別度遠(yuǎn)高于其他方法。 黃韶杰［56］首先采用了直方圖均衡優(yōu)化、噪聲處理等方法對(duì)圖形進(jìn)行了清晰化處理，降低了煤巖界面分析難度，以工作面開(kāi)采為例，提出了適用于雙向采煤的數(shù)字圖像處理的煤巖識(shí)別方案，通過(guò)改進(jìn)的濾波器增加了煤巖圖像的差異性，采用半監(jiān)督式的聚類分析方法，提出了一種高效特征點(diǎn)結(jié)合煤巖分界數(shù)據(jù)的圖像匹配方式，將煤巖圖像處理特征點(diǎn)與最優(yōu)的關(guān)鍵點(diǎn)相結(jié)合，提高了煤巖分界線的識(shí)別準(zhǔn)確率。

圖28 采煤機(jī)煤巖截割試驗(yàn)平臺(tái)Fig.28 Shearer coal rock cutting test platform

段雍［57］首先對(duì)單一地質(zhì)條件下的煤矸圖像特征進(jìn)行處理通過(guò)非線性低通濾波處理得到煤矸特征參數(shù)，對(duì)比發(fā)現(xiàn)煤矸在灰度中方差、偏度和紋理中對(duì)比度、熵存在較大區(qū)分度，通過(guò)K-鄰近法、最小二乘支持向量機(jī)提取上述4 種煤矸圖像特征組成煤矸特征向量矩陣，通過(guò)分類識(shí)別得到煤的識(shí)別率為95.0%，矸石識(shí)別率為92.5%，基于LABVIEW 開(kāi)發(fā)了圖像采集、圖像處理、煤矸識(shí)別系統(tǒng)，并采用該系統(tǒng)進(jìn)行了不同光照強(qiáng)度和不同表面濕潤(rùn)度的煤矸分類識(shí)別實(shí)驗(yàn)，煤矸的識(shí)別準(zhǔn)確度分別為88.3%和90.0%，具有較高的識(shí)別精度。 佘杰［58］提出了新的紋理特征提取方法，對(duì)原圖像和Daubechies 小波分解下的圖像灰度矩陣進(jìn)行提取，利用不同分解尺度的3 個(gè)方向頻率系數(shù)共同組成紋理特征向量矩陣，采用距離判別法構(gòu)造了煤巖均值紋理導(dǎo)向度和方差紋理導(dǎo)向度，對(duì)煤的識(shí)別率在77%～92%，對(duì)巖石識(shí)別率在75%～91%，基于準(zhǔn)確率范圍變化大的問(wèn)題，提出了新的最小均方誤差函數(shù)：

其中，rs＝ds（i）-os（i） ，ds（i） 為第i個(gè)樣本的第s個(gè)理想輸出，os（i） 為第i個(gè)樣本的第s個(gè)實(shí)際輸出，利用Daubechies 小波變換對(duì)煤巖圖像抽取特征值結(jié)合BP 神經(jīng)網(wǎng)絡(luò)構(gòu)建新的小波神經(jīng)網(wǎng)絡(luò)，對(duì)砂巖、無(wú)煙煤、煙煤的識(shí)別率達(dá)到90%以上，而對(duì)煤巖進(jìn)行兩分類的識(shí)別率達(dá)到100%；章華等［59］采用GLCM 對(duì)煤巖圖像紋理特征進(jìn)行提取，利用RBF 神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)493 次迭代后訓(xùn)練誤差為0.000 06，通過(guò)驗(yàn)證后發(fā)現(xiàn)該方法識(shí)別準(zhǔn)確、效率高；伍云霞［60］為挖掘新的圖像特征識(shí)別方法，提出了字典學(xué)習(xí)算法的煤巖識(shí)別技術(shù)，通過(guò)優(yōu)化函數(shù)得到對(duì)圖像特征信號(hào)稀疏表示的字典，并對(duì)字典進(jìn)行初始化和更新，通過(guò)研究發(fā)現(xiàn)使用同一樣本特征下使用字典學(xué)習(xí)的樣本識(shí)別率比不使用字典學(xué)習(xí)的識(shí)別率高30%以上，此外針對(duì)字典學(xué)習(xí)，分析了不同初始化參數(shù)設(shè)置、字典列數(shù)、稀疏度、稀疏矩陣以及K 值對(duì)煤巖識(shí)別率的影響規(guī)律；此外，針對(duì)采集數(shù)據(jù)少的問(wèn)題，提出了局部約束的自學(xué)習(xí)（LCSL）的方法［61］，首先通過(guò)字典優(yōu)化模型獲取高層結(jié)構(gòu)特征，采用LCSL 方法提取圖像特征，研究發(fā)現(xiàn)該方法有較好的魯棒性和鑒別性，且煤巖識(shí)別效率提高了1%～3%；李彥明［62］以煤礦井下鉆孔機(jī)器人的智能化發(fā)展為背景，提出了基于鉆孔返渣中巖屑和煤渣顏色的差異性的煤巖識(shí)別方法，針對(duì)鉆孔過(guò)程中的粉塵量大的問(wèn)題，提出了提取透明度分量、圖像去噪和圖像增強(qiáng)的圖像處理方法，采用最大類間方差法確定了圖像的固定閾值，通過(guò)計(jì)算煤渣和巖屑在圖像中的像素占比進(jìn)行了煤巖標(biāo)識(shí)，并基于此對(duì)井下現(xiàn)場(chǎng)大量樣本進(jìn)行分析，通過(guò)改變閾值驗(yàn)證了該方法的普適性和準(zhǔn)確性；賈倪［63］基于煤巖圖像在像素灰度分布、紋理特征的不同，利用多小波變換從多個(gè)分辨率分析了煤巖特征差異性，得到不同尺度下的煤巖圖像特征，通過(guò)選取150 幅圖像進(jìn)行訓(xùn)練識(shí)別，煤巖的分辨率為85%和86%，且該算法受環(huán)境光照影響極低，適用于井下黑暗環(huán)境；張煒等［64］從圖像邊緣和灰度閾值的視覺(jué)差異性入手，構(gòu)建了煤巖均值紋理導(dǎo)向度和方差導(dǎo)向度的樣本庫(kù)，基于聚類識(shí)別和多尺度分解特征提取算法，發(fā)明了一種混合模型融合識(shí)別方法，提高了煤巖識(shí)別的準(zhǔn)確率；孫傳猛等［65］針對(duì)煤巖界面連續(xù)和貫穿的特點(diǎn)，通過(guò)深度可分離改進(jìn)YOLOv3 算法提高了煤巖識(shí)別率，提出了以預(yù)測(cè)框的投影長(zhǎng)度占圖像投影比值的煤巖識(shí)別評(píng)價(jià)指標(biāo)，并采用三次樣條插值算法將煤巖界面識(shí)別點(diǎn)融合，得到煤巖界面預(yù)測(cè)曲線如圖29 所示，研究發(fā)現(xiàn)采用改進(jìn)YOLOv3 算法既減少了訓(xùn)練參數(shù)規(guī)模，又減少了測(cè)試時(shí)間，在x向和y向的識(shí)別率分別提高了5.85%和16.99%，煤巖分界線預(yù)測(cè)誤差在4.1%以內(nèi)；高峰等［66］提出了塔式池化架構(gòu)與卷積神經(jīng)網(wǎng)絡(luò)的煤巖圖像分割模型（CRPN），降低了全局無(wú)關(guān)特征的影響機(jī)制，弱化了圖像內(nèi)部特征的關(guān)聯(lián)損失，采集了含裂縫或陰影、光照低、遮擋等具有特性特征的煤巖圖像，同時(shí)并對(duì)圖像進(jìn)行人工噪聲添加、改變圖像特征形態(tài)等處理得到6 400 個(gè)有效樣本，提出了交叉熵?fù)p失和修正自適應(yīng)估計(jì)提高了樣本訓(xùn)練效率和精度，采用像素準(zhǔn)確度（PA）和交并比（IOU）作為評(píng)價(jià)指標(biāo)，進(jìn)行穩(wěn)定拍攝和抖動(dòng)拍攝圖像識(shí)別試驗(yàn)，結(jié)果顯示CRPN 模型下PA 與IOU 的識(shí)別平均值為96.05%和91.54%，證明了該技術(shù)具備可行性和魯棒性。

圖29 煤巖界面預(yù)測(cè)框Fig.29 Shearer coal rock cutting test platform

張國(guó)軍等［67］提出了一種采用數(shù)字圖像傳感器在綜放工作面煤巖識(shí)別技術(shù)，設(shè)計(jì)了數(shù)字圖像監(jiān)測(cè)系統(tǒng)的硬件結(jié)構(gòu)，并將CCD 圖像采集、中值濾波、灰度直方圖計(jì)算處理等算法集成，試驗(yàn)證明該方法能夠有效地檢測(cè)出煤巖的分布集中區(qū)，有良好的使用價(jià)值。

2.4 反射光譜識(shí)別

反射光譜是一種針對(duì)原位物質(zhì)且具有高信噪比、實(shí)時(shí)性強(qiáng)的分析技術(shù)，最早在20 世紀(jì)初被用于探測(cè)物質(zhì)微觀結(jié)構(gòu)，而后由美國(guó)貝爾實(shí)驗(yàn)室率先研發(fā)了光電耦合原件（CCD），為光譜儀的研發(fā)提供了基礎(chǔ)，現(xiàn)如今光譜儀已趨于成熟，在植被識(shí)別反演、水環(huán)境監(jiān)測(cè)、煤炭礦物分析等行業(yè)均有應(yīng)用，反射光譜在礦物的檢測(cè)中，國(guó)外一些學(xué)者，如Goetz［68］、Tar?anik［69］、Song［70］等進(jìn)行了系列研究，

國(guó)內(nèi)進(jìn)行此類研究甚少，以中國(guó)礦業(yè)大學(xué)（北京）葛世榮院士團(tuán)隊(duì)為主，此外安徽理工大學(xué)與西安科技大學(xué)也進(jìn)行了類似的研究。

中國(guó)礦業(yè)大學(xué)楊恩等［71］采集了4 個(gè)煤礦11 種典型煤系巖石，分析了礦物元素對(duì)發(fā)射光譜特征的影響，得到了巖石反射光譜曲線隨波長(zhǎng)的變化規(guī)律，而且同一煤礦的巖石與煤發(fā)射光譜存在較大差異，且隨著碳物質(zhì)量的增加反射光譜的變化也不一，研究結(jié)果為煤巖識(shí)別和光譜傳感器的研制提供了理論基礎(chǔ)。 該團(tuán)隊(duì)針對(duì)反射光譜識(shí)別誤差的問(wèn)題，提出了基于聚類距離改進(jìn)型模糊C均值聚類（FCM）算法的典型煤巖反射光譜無(wú)監(jiān)督感知方法［72-76］，通過(guò)測(cè)定不同煤巖多反射角下的反射光譜曲線，分析了不同樣本的吸收谷變化差異，提取了4 種差異性較大的波段，經(jīng)采用改進(jìn)的FCM 算法識(shí)別準(zhǔn)確率均大于90%，且最小耗時(shí)小于0.1 s；考慮到粉塵作用下煤巖識(shí)別精度問(wèn)題，通過(guò)試驗(yàn)研究發(fā)現(xiàn)粉塵的加入導(dǎo)致1 000～1 200 nm 波段和2 400 ～2 500 nm 波段內(nèi)的信號(hào)的信噪比明顯降低，隨著粉塵濃度的增加，粉塵中的無(wú)煙煤的不透明物質(zhì)使得試驗(yàn)樣本中的特征吸收谷減弱，通過(guò)識(shí)別洋酒發(fā)現(xiàn)，光譜角度匹配法（SAM）在粉塵環(huán)境中對(duì)典型煤巖樣本的定性分析效果比皮爾遜相關(guān)系數(shù)法好。 光譜角度匹配法（SAM）煤巖識(shí)別精度為100%，識(shí)別時(shí)間為8 ms，皮爾遜相關(guān)系數(shù)煤巖識(shí)別精度為87.5%，識(shí)別時(shí)間為852 ms。

西安科技大學(xué)張旭輝等［77］提取了8 種不同樣本煤巖高光譜特征，采用競(jìng)爭(zhēng)性自適應(yīng)加權(quán)算法通過(guò)降維得到光譜特征向量，同時(shí)采取紋理特征作為輔助，構(gòu)建了識(shí)別特征向量的偏最小二乘回歸模型，經(jīng)PCA 算法融合后的模型識(shí)別準(zhǔn)確率為94%。

安徽理工大學(xué)徐良驥團(tuán)隊(duì)［78-79］基于煤巖礦物質(zhì)中Al 元素的成分和存在形式不同，其中，煤中Al以Al2O3的形式存在，巖石中Al 大多為Al（OH）3存在，尤其Al2O3與Al（OH）3的紅外光譜吸收波段不同，基于此選取了23 組煤（含焦煤、氣煤、肥煤等）、25 組巖（含泥巖、砂巖、頁(yè)巖等）進(jìn)行350 ～2 500 nm之間的反射光譜試驗(yàn)，經(jīng)隨機(jī)森林與SVM 算法識(shí)別發(fā)現(xiàn)，不同特征提取算法的對(duì)應(yīng)識(shí)別精度不同，其中一階微分算法識(shí)別精度為83%，二階微分算法與SCA-SID 模型法的識(shí)別率在90%以上，

2.5 超聲波探測(cè)識(shí)別

超聲波探測(cè)最高于20 世紀(jì)90 年代美國(guó)提出，在國(guó)超聲波最早應(yīng)用于煤儲(chǔ)層中甲烷抽放，不少學(xué)者關(guān)于煤層氣領(lǐng)域中超聲波的應(yīng)用進(jìn)行了系列研究，對(duì)于研究超聲波在煤巖識(shí)別中的應(yīng)用，經(jīng)檢索，除中南大學(xué)李力教授外無(wú)其他類似研究。

2015 年李力等［80］首次提出了利用煤、巖聲學(xué)阻抗的差異性，采用超聲波探測(cè)煤層厚度進(jìn)而達(dá)到煤巖識(shí)別，基于Kelvin-Voigt 粘彈性模型，考慮煤層的各向異性，推導(dǎo)出煤介質(zhì)的二維一階速度—應(yīng)力波動(dòng)方程，采用有限差分法模擬了超聲波在煤層的傳播特性，并通過(guò)試驗(yàn)驗(yàn)證了該模型的準(zhǔn)確性，得到煤層厚的識(shí)別結(jié)果見(jiàn)表5，為超聲波進(jìn)行煤巖識(shí)別提供了理論基礎(chǔ)。

表5 超聲波探測(cè)煤層厚結(jié)果對(duì)比Table 5 Comparison of results of ultrasonic detection of coal seam thickness

基于超聲波的衰減問(wèn)題，提出超聲相控陣的煤巖識(shí)別新方法［81］，增加了超聲波的聲壓，提高了信號(hào)信噪比，依據(jù)非均質(zhì)理論構(gòu)建了超聲相控陣的煤巖識(shí)別模型，開(kāi)展了不同中心頻率超聲相控陣的煤巖識(shí)別試驗(yàn)，圖30 所示分別為中心頻率為150 kHz 下Ⅰ類煤（原生結(jié)構(gòu)煤）、100 kHz 下Ⅱ類煤（碎裂煤）、50 kHz 下Ⅳ類煤（糜棱煤）的超聲相控陣成像圖，圖中白亮部分為煤層、黑色部分為巖石和矸石，由圖30 可知不同類的煤對(duì)應(yīng)可識(shí)別的中心頻率存在較大差異，可識(shí)別距離與識(shí)別精度差距較大。 為提高超聲成像的清晰度，提出了超聲波合成孔徑聚焦成像技術(shù)［82］，并開(kāi)展了煤層探測(cè)試驗(yàn)，提高了超聲成像的分辨率。

圖30 各類煤超聲相控成像Fig.30 Ultrasonic phase control imaging of all kinds of coal

在證明超聲波在煤巖識(shí)別領(lǐng)域中的可行性后，該團(tuán)隊(duì)將研究重心轉(zhuǎn)移到了超聲回波信號(hào)的提取中，針對(duì)回波信號(hào)中的信號(hào)模態(tài)重疊、信號(hào)泄漏、虛假分量等問(wèn)題，以非對(duì)稱高斯調(diào)制模型為基礎(chǔ)，提出了經(jīng)驗(yàn)變分模態(tài)（VMD）［83］、改進(jìn)的經(jīng)驗(yàn)變分模態(tài)分解（EVMD）［84］、改進(jìn)S 變換（MST）［85］、經(jīng)驗(yàn)小波變換（EWT）［86］的信號(hào)處理方法，并引入了權(quán)重系數(shù)最優(yōu)化迭代方法，有效地減少了煤層探測(cè)厚度的識(shí)別誤差。

2.6 電磁波探測(cè)識(shí)別

2.6.1 γ 射線探測(cè)法

主動(dòng)γ 射線探測(cè)最早于1961 年由英國(guó)提出，但相關(guān)監(jiān)測(cè)設(shè)備直至1973 年才完成，早期的代表性研發(fā)機(jī)構(gòu)［43］：英國(guó)RHC 公司的RHC802 型探測(cè)儀和每個(gè)AME 公司的AME1008 型探測(cè)儀；我國(guó)從自20世紀(jì)80 年代初期開(kāi)展關(guān)于γ 射的煤巖識(shí)別研究，目前已形成了較為系統(tǒng)的理論研究體系。

20 世紀(jì)90 年代初，紀(jì)鋼［87］進(jìn)行了天然γ 射線穿過(guò)煤層的試驗(yàn)，得到了穿透過(guò)程的γ 射線衰減變化規(guī)律，為頂板煤層厚度傳感器研究提供了理論依據(jù)；秦劍秋等［88］提出了γ 射線穿透頂煤后按加權(quán)指數(shù)函數(shù)衰減的觀點(diǎn)，并在門(mén)頭溝煤礦二、五槽煤層進(jìn)行試驗(yàn)，試驗(yàn)最大誤差為50 mm；王增才等［89］探討了液壓支架頂梁對(duì)天然γ 射線衰減量的影響，研究了采用天然γ 射線的綜放煤巖混合度檢測(cè)技術(shù)，提出了基于天然γ 射線的綜放煤巖界面識(shí)別方法。2013 年以來(lái)，張寧波等［90］研究了綜放煤巖天然Y射線輻射規(guī)律及其在煤巖界面檢測(cè)中的應(yīng)用，創(chuàng)新性地提出了煤巖天然射線輻射模型和測(cè)厚模型，分析了影響測(cè)厚精度的若干因素。 此外，他們還給出了一種基于雙能γ 射線的綜放煤巖混流含巖量測(cè)定的技術(shù)方案。

截止目前美國(guó)NASA、英國(guó)British Coal 以及中國(guó)礦業(yè)大學(xué)有較為成熟的產(chǎn)品，但是據(jù)統(tǒng)計(jì)國(guó)內(nèi)僅有20%礦井可適用；因此γ 射線探測(cè)法雖然研究起步較早，但對(duì)使用條件要求過(guò)于苛刻，因此并不具備通用性。

2.6.2 雷達(dá)探測(cè)法

雷達(dá)探測(cè)法最早于1974 年由美國(guó)Ellerbruch等提出并進(jìn)行了試驗(yàn)［43］，證明了雷達(dá)探測(cè)的可能性，而后開(kāi)發(fā)了FMCW 雷達(dá)，并在美國(guó)Bruceton 煤礦、Loveridge 煤礦、Hillsboro 煤礦等現(xiàn)場(chǎng)做了一系列試驗(yàn)，而后Daniels J［91］、Chufo R L 等［92］、Ralston J C等［93］、Strange A D 等［94］開(kāi)展了探測(cè)裝置研發(fā)、回波信號(hào)處理方法等，研究取得了一系列的研究成果，而國(guó)內(nèi)關(guān)于雷達(dá)探測(cè)煤巖識(shí)別的研究甚少，經(jīng)檢索，只有中國(guó)礦業(yè)大學(xué)進(jìn)行了相關(guān)研究。

劉帥等［95］根據(jù)煤巖介電常數(shù)的差異性，構(gòu)建了如圖31 所示的測(cè)試裝置，分析了雷達(dá)對(duì)煤巖測(cè)穿透力，進(jìn)行了雷達(dá)靜態(tài)測(cè)試和動(dòng)態(tài)測(cè)試，試驗(yàn)結(jié)果表明靜態(tài)試驗(yàn)下的煤層厚度測(cè)試誤差約為0.4 cm，動(dòng)態(tài)試驗(yàn)誤差為0.7 cm，將雷達(dá)靜態(tài)和動(dòng)態(tài)測(cè)試結(jié)果相結(jié)合，測(cè)試分辨率為4 mm，通過(guò)現(xiàn)場(chǎng)多次試驗(yàn)得到了適合煤巖識(shí)別測(cè)試的雷達(dá)頻率，測(cè)試結(jié)果誤差僅為10 mm。

圖31 雷達(dá)測(cè)量煤層厚度原理Fig.31 Schematic of radar measurement of coal seam thickness

2.6.3 太赫茲信號(hào)

太赫茲時(shí)域光譜檢測(cè)最早起源于20 世紀(jì)80 年代，用于對(duì)測(cè)試樣品成分檢測(cè)，目前太赫茲關(guān)光譜技術(shù)應(yīng)用已經(jīng)較為成熟，尤其在食品安全、藥物監(jiān)管、油品檢測(cè)中研究較多，在礦物質(zhì)檢測(cè)中，文獻(xiàn)［96-98］對(duì)不同巖石的太赫茲光譜特征以及演化規(guī)律、煤炭中的碳?xì)溲醭煞值男盘?hào)特征進(jìn)行了大量研究，但對(duì)于用太赫茲信號(hào)進(jìn)行煤巖特征的對(duì)比和分類，暫無(wú)相關(guān)研究，中國(guó)礦業(yè)大學(xué)王昕［14］進(jìn)行了嘗試性試驗(yàn)，以石英巖和氣煤為為研究對(duì)象，基于煤巖在太赫茲頻段的吸收與折射差異性，提取了煤巖介質(zhì)的時(shí)域光譜，分析了煤巖介電特性隨頻率的變化規(guī)律，提出了THz-PCA-SVM 的煤巖識(shí)別方法，提取煤巖吸收譜與折射譜特征并進(jìn)行降維，研究結(jié)果表明經(jīng)過(guò)PCA 處理后的特征模型識(shí)別率高達(dá)100%。

2.6.4 電子共振法

電磁共振檢測(cè)方法主要分為電子順磁共振（EPR）和電子自旋共振（ESR），由于每層中包含為配對(duì)的電子，當(dāng)電子繞某一軸自轉(zhuǎn)便會(huì)產(chǎn)生磁矩，在線圈周?chē)纬纱艌?chǎng)，在特定條件下電子磁矩會(huì)發(fā)生重新轉(zhuǎn)向，即低能電子向高能電子躍遷，通過(guò)分析煤層種未配對(duì)電子引發(fā)的階躍信號(hào)強(qiáng)度或電磁波吸收量便可實(shí)現(xiàn)對(duì)煤層厚度的檢測(cè)，自20 世紀(jì)70 年代初，美國(guó)西南研究院開(kāi)展了使用EPR、ESR 的方法進(jìn)行煤層探測(cè)，而后的幾十年鮮有人研究，經(jīng)檢索，中國(guó)礦業(yè)大學(xué)苗曙光［99］采用GPR 與ESR 相結(jié)合進(jìn)行了相關(guān)研究，首先借助時(shí)域有限差分法對(duì)得到了典型煤巖特征參數(shù)證明了煤巖識(shí)別可行性，而后對(duì)無(wú)煙煤、煙煤、褐煤以及不含放射性巖石進(jìn)行了試驗(yàn)，提取了g 因子、線寬、自由基濃度等參數(shù)，得到了煤巖特征參數(shù)的變化規(guī)律，通過(guò)SVM 分類器進(jìn)行了煤巖分類識(shí)別具有良好的普適性，但該方法不能直接性的檢測(cè)煤巖界面，雖然德國(guó)布魯克公司已經(jīng)研發(fā)出了可實(shí)時(shí)監(jiān)測(cè)的ESR 微型傳感器，但距離現(xiàn)場(chǎng)應(yīng)用仍有一定距離。

3 煤巖識(shí)別技術(shù)工程應(yīng)用現(xiàn)狀

由上述分析可知，對(duì)于煤巖識(shí)別的研究，國(guó)內(nèi)諸多學(xué)者進(jìn)行了類似研究，也提出了許多方法，但是由于煤礦地質(zhì)條件與復(fù)雜工況的限制，一些新興技術(shù)方法無(wú)法應(yīng)用到煤礦。

山西省陽(yáng)曲縣作為重要的煤炭后備產(chǎn)地，在全國(guó)第2 次的煤預(yù)測(cè)中，電磁波勘探技術(shù)起到了重要作用，通過(guò)初步探測(cè)圈定了煤系地層范圍，而后進(jìn)行鉆孔驗(yàn)證，確定了可采高度為6.27 m 的煤層，相比傳統(tǒng)探測(cè)，電磁輻射技術(shù)可實(shí)現(xiàn)非接觸預(yù)測(cè)，大幅減少了工作量，可實(shí)現(xiàn)對(duì)煤炭分布體系的準(zhǔn)確預(yù)測(cè)。北京天瑪智控科技股份有限公司根據(jù)放頂煤開(kāi)采中煤巖撞擊信號(hào)的時(shí)域、頻域特征差異性，研發(fā)了一種便攜式手持顯示終端的煤巖識(shí)別監(jiān)測(cè)儀［100］，通過(guò)設(shè)定了“煤巖閾值分界線”，進(jìn)行判斷煤巖掉落情況，并已在礦區(qū)進(jìn)行使用，減少了放煤工人的作業(yè)強(qiáng)度。 但該儀器僅限于對(duì)煤巖的分類，尤其是在薄煤層開(kāi)采中應(yīng)用較多，但對(duì)于厚煤層中夾矸、斷層的情況并不能有效判斷。 山西水峪煤業(yè)在61119 工作面開(kāi)展了放頂煤智能化的建設(shè)，項(xiàng)目建設(shè)了通過(guò)時(shí)間控制的自動(dòng)化防放煤，同時(shí)增加了音頻識(shí)別技術(shù)的煤巖識(shí)別技術(shù)，并在靠近機(jī)尾的近20 架支架進(jìn)行試驗(yàn)，首先控制20 架支架進(jìn)行粗放約約頂煤總量的70%～80%，而后通過(guò)才用頂煤控制器中的煤巖識(shí)別技術(shù)進(jìn)行單支架的放煤，直至20 架支架全部完成，該項(xiàng)目成績(jī)顯著，取得了良好的效果，探索出了放頂煤開(kāi)采的新工藝方法。 但該方法目前也受到工作面地質(zhì)條件、工況環(huán)境的影響。 山東省唐口煤礦對(duì)工作面進(jìn)行智能化建設(shè)，在工作面增加了遠(yuǎn)程視頻監(jiān)控系統(tǒng)，且具備紅外補(bǔ)光、水霧粉塵穿透功能，能夠?qū)崟r(shí)監(jiān)控開(kāi)采畫(huà)面，實(shí)現(xiàn)了基于記憶截割與遠(yuǎn)程監(jiān)控的煤巖識(shí)別監(jiān)控方法。 平頂山天安煤業(yè)采用KDZ1114-6B30 探測(cè)儀進(jìn)行了不同條件下彈性波波速探測(cè)試驗(yàn)，分析了煤巖波形與速度變化規(guī)律，并在丁5-6-26071 工作面運(yùn)輸巷和開(kāi)切眼、戊二輸送帶下山等6 個(gè)工作面完成了物探工程總量5 775 m，探測(cè)出地質(zhì)異常體77 個(gè)，實(shí)際揭露斷層數(shù)20 條、煤層賦存狀態(tài)變化31 次，準(zhǔn)確率為77.8%。 華北科技學(xué)院選用頻率為100 MHz 探地雷達(dá)技術(shù)對(duì)單侯煤礦5104 工作面進(jìn)行了工業(yè)性測(cè)試，通過(guò)雷達(dá)成像圖發(fā)現(xiàn)工作面下方0.8～1.2 m 范圍內(nèi)存在一個(gè)明顯反射差的分界線，且分界線走向趨于穩(wěn)定，因此在回采時(shí)厚度不應(yīng)超過(guò)0.8 m。 中國(guó)煤炭科工集團(tuán)有限公司采用探地雷達(dá)通過(guò)正演模擬，在山西新景礦進(jìn)行了工業(yè)開(kāi)采探測(cè)，進(jìn)行了煤層厚度、煤巖界面分布、斷層探測(cè)的測(cè)試，試驗(yàn)結(jié)果表明均質(zhì)介質(zhì)下電磁波成規(guī)律性衰減且無(wú)明顯反射特征，而煤巖分界面處存在明顯的反射特征，且雷達(dá)成像越來(lái)越模糊，電磁波衰減較快，經(jīng)過(guò)近30 次探測(cè)，共解釋異常構(gòu)造19處，包含2 處煤巖界面分布，經(jīng)后期開(kāi)采驗(yàn)證，整體準(zhǔn)確率達(dá)89%，同時(shí)煤巖界面分布預(yù)測(cè)無(wú)偏差。 中煤華晉在王家?guī)X煤礦12309 工作面進(jìn)行了綜放工作面頂煤厚度測(cè)試，每間隔10 架支架安裝1 臺(tái)探地雷達(dá)，通過(guò)工業(yè)環(huán)網(wǎng)傳輸控制臺(tái)并通過(guò)信號(hào)處理得到反射波形與灰度圖像，探測(cè)結(jié)果煤層厚度為3.383 m，誤差為7%，整體的探測(cè)過(guò)程中的最大誤差為10%。 電磁波探測(cè)中對(duì)傳播介質(zhì)的介電常數(shù)要求極高，煤層中的雜質(zhì)、矸石等均會(huì)導(dǎo)致探測(cè)誤差。 神東煤炭公司首創(chuàng)了一種“基于精確三維地質(zhì)模型和掃描構(gòu)建工作面絕對(duì)坐標(biāo)數(shù)字模型的自主智能割煤技術(shù)”，在榆家梁煤礦43101 工作面開(kāi)始調(diào)試，采用定向鉆孔勘探頂?shù)装迕簩咏缑娣植?，?shí)測(cè)精度達(dá)到0.3 m，通過(guò)每天1 次測(cè)量將數(shù)據(jù)集中進(jìn)行三維動(dòng)態(tài)化建模并實(shí)施更新，在工作面10 m 范圍內(nèi)的測(cè)量精度達(dá)0.2 m。 北京銳克科技研發(fā)的MSS-2000 煤焦巖相分析系統(tǒng)，真正實(shí)現(xiàn)混煤分析，目前該產(chǎn)品在包頭鋼鐵公司、山西臨汾萬(wàn)鑫達(dá)焦化公司、冀中能源均有應(yīng)用，使用后提高了單混鑒別及混入種類分析效率，降低工人勞動(dòng)強(qiáng)度。 2017 年山西焦煤建立了首個(gè)智能化綜采工作面，在采煤機(jī)中構(gòu)建了自適應(yīng)的記憶割煤控制系統(tǒng)，同時(shí)在搖臂處安裝了振動(dòng)傳感器、對(duì)振動(dòng)信號(hào)進(jìn)行時(shí)域、頻域分析實(shí)現(xiàn)煤巖識(shí)別，并結(jié)合截割負(fù)載變化進(jìn)行自調(diào)高控制。

4 煤巖高效識(shí)別技術(shù)局限性與發(fā)展趨勢(shì)

縱觀上述提到的多種煤巖識(shí)別方法，在一定程度上均能實(shí)現(xiàn)煤巖的識(shí)別分類，但由于不同的技術(shù)側(cè)重點(diǎn)不同，對(duì)使用環(huán)境、煤巖類別存在一定要求，導(dǎo)致上述技術(shù)手段存在一定的局限性，因此筆者從綜采工作面、綜放工作面、煤巖矸分選的使用工況，以及不同工作面的煤巖本身特征差異性出發(fā)，分析各種識(shí)別技術(shù)的局限性，并對(duì)我國(guó)未來(lái)煤巖識(shí)別的發(fā)展趨勢(shì)進(jìn)行分析

4.1 各種識(shí)別技術(shù)的局限性分析

1）過(guò)程信號(hào)監(jiān)測(cè)。 在多種識(shí)別技術(shù)中，過(guò)程信號(hào)檢測(cè)的研究理論最為成熟、應(yīng)用范圍最為廣泛，但過(guò)程信號(hào)監(jiān)測(cè)方法過(guò)于依賴煤巖硬度的差異性，即煤巖硬度差異性愈大，則越能準(zhǔn)確地進(jìn)行煤巖識(shí)別，因此在某些特殊的工況環(huán)境中，過(guò)程信號(hào)監(jiān)測(cè)技術(shù)會(huì)受到一定程度的限制，例如在堅(jiān)硬煤層的開(kāi)采中，煤層普氏系數(shù)f＝5，巖層普氏系數(shù)f應(yīng)超過(guò)7 甚至更高，截割過(guò)程中的信號(hào)差距才越發(fā)明顯，否則截割煤巖過(guò)程引起的信號(hào)的微小變化在井下復(fù)雜的環(huán)境中不足以作為煤巖分識(shí)別的依據(jù)；此外在煤巖界面分布非理想型，急傾斜、底板起伏工作面以及煤層夾矸或硫化鐵結(jié)核等工況中，截割過(guò)程中振動(dòng)、電流等信號(hào)均會(huì)產(chǎn)生變化，尤其對(duì)于煤巖分布不均而產(chǎn)生的混合開(kāi)采現(xiàn)象，根據(jù)文獻(xiàn)［5］研究可以確定信號(hào)的變化介于純煤與純巖之間，且根據(jù)煤巖混合比例信號(hào)差異有大有小，因此單純的信號(hào)不能判定截割介質(zhì)為煤或巖，此時(shí)盲目地根據(jù)信號(hào)微小的變化進(jìn)行滾筒調(diào)高可能會(huì)得到相反的結(jié)果；截割過(guò)程中既需要靈敏度較好的傳感器用以保障監(jiān)測(cè)信號(hào)精度，又要滿足信號(hào)傳輸實(shí)時(shí)性要求，由于采煤機(jī)一直處于行走狀態(tài)，有線傳輸不符合實(shí)際情況，無(wú)線傳輸又難以保證大數(shù)據(jù)信號(hào)傳輸實(shí)時(shí)性，5G 技術(shù)的研發(fā)一定程度解決了這一問(wèn)題，降低了信號(hào)的延時(shí)。 因此，過(guò)程監(jiān)測(cè)信號(hào)雖然具有一定程度的通用性，但由于復(fù)雜的開(kāi)采環(huán)境加上煤層介質(zhì)的非均勻性，導(dǎo)致實(shí)際開(kāi)采中信號(hào)產(chǎn)生隨機(jī)性，因而在堅(jiān)硬煤層或特殊煤巖分布的工作面，截割過(guò)程信號(hào)監(jiān)測(cè)具有一定的局限性。

2）紅外成像識(shí)別。 紅外識(shí)別作為一種新型的煤巖識(shí)別技術(shù)，識(shí)別過(guò)程簡(jiǎn)單，但工作量偏大、耗費(fèi)時(shí)間長(zhǎng)，有待進(jìn)一步完善，相對(duì)主動(dòng)激勵(lì)紅外識(shí)別，截割閃溫識(shí)別無(wú)需耗費(fèi)大量時(shí)間。 若從工程開(kāi)采角度，存在滾筒大、截齒多、排布復(fù)雜的情況，導(dǎo)致截割過(guò)程中截齒與煤層接觸部分很難被熱像儀監(jiān)測(cè)，因此只能采集截割后的截齒溫度進(jìn)行對(duì)比，無(wú)疑會(huì)降低結(jié)果的可信度；而主動(dòng)紅外激勵(lì)識(shí)別需要耗費(fèi)時(shí)間對(duì)介質(zhì)進(jìn)行熱激勵(lì)，不符合工程開(kāi)采的實(shí)際需求，影響開(kāi)采效率，此外在高瓦斯環(huán)境中，長(zhǎng)時(shí)間的熱激勵(lì)對(duì)工作面產(chǎn)生安全隱患；而非主動(dòng)激勵(lì)下的煤層和巖層紅外識(shí)別溫差較小，區(qū)域內(nèi)無(wú)明顯的溫度場(chǎng)變化，且自由面邊界位置的溫度略高于中心位置。因此紅外識(shí)別在工作面的應(yīng)用有較大的局限性；而在后期的分選中，由于煤巖自身物質(zhì)成分的熱輻射特征不同，導(dǎo)致紅外成像效果中煤巖存在較大溫差，此時(shí)的識(shí)別結(jié)果基本正確，但同樣存在耗時(shí)長(zhǎng)的問(wèn)題，雖然識(shí)別精度高，但不能滿足快速分揀的要求；煤受潮后，一部分熱能用于蒸發(fā)表面水層，煤吸收的能量減少導(dǎo)致煤巖溫度差值減小，煤巖識(shí)別的準(zhǔn)確度便會(huì)降低。 因此紅外識(shí)別的精度高于其他方法，但是在工程使用中受時(shí)間限制存在較大局限性。

3）圖像特征識(shí)別。 圖像中包含有豐富的煤、巖表面特征信息，綜合上節(jié)介紹可知圖像識(shí)別具有較高的準(zhǔn)確率，但圖像識(shí)別存在一致命缺陷，即識(shí)別前必須有完整清晰的煤巖圖像，基于此才能更順利的進(jìn)行后續(xù)的圖像處理與識(shí)別工作，因此圖像識(shí)別技術(shù)大多應(yīng)用在煤巖矸的分選階段，而對(duì)于工作面開(kāi)采圖像識(shí)別應(yīng)用較少；圖像識(shí)別需要清晰的煤巖圖像，目前部分煤礦的井下監(jiān)控已配備超清攝像儀，完全滿足圖像識(shí)別的清晰度要求，但由于實(shí)際采煤面的復(fù)雜環(huán)境，水霧、暗光、閃光燈反光等綜合不利條件，依然會(huì)影響煤巖識(shí)別精度，尤其會(huì)將一些沉積巖層錯(cuò)誤地識(shí)別為煤層［66］，雖然目前已經(jīng)有相關(guān)的去塵霧算法、模型，但是未見(jiàn)到該算法、模型在圖像特征識(shí)別中的應(yīng)用，尤其在煤巖識(shí)別領(lǐng)域未見(jiàn)相關(guān)研究，因此該算法是否會(huì)對(duì)原有的圖像特征產(chǎn)生影響，淡化圖像中煤巖圖像特征的差異，尚未得到證明。目前工作面視頻監(jiān)控的相機(jī)大多固定在液壓之間頂板下方位置，設(shè)備的振動(dòng)會(huì)對(duì)圖像的拍攝產(chǎn)生一定影響，但是目前已有相關(guān)的機(jī)械穩(wěn)像裝置及穩(wěn)像算法，如三軸穩(wěn)像裝置、全景穩(wěn)像技術(shù)等已具備較好的成熟度。 截止目前，已有相當(dāng)數(shù)量的研究利用煤巖圖像紋理、灰度等特征進(jìn)行識(shí)別，一些學(xué)者還提取了圖像更深層次的特征，獲取了表達(dá)更準(zhǔn)確的特征值矩陣，提高了圖像特征識(shí)別精度，從筆者對(duì)于文獻(xiàn)的檢索結(jié)果看，依靠圖像識(shí)別的煤巖分類技術(shù)依然處于發(fā)展階段，尤其在一些復(fù)雜極端的環(huán)境中，相關(guān)的算法還需進(jìn)一步提高。

4）反射光譜識(shí)別。 基于反射光譜的煤巖識(shí)別技術(shù)正處于起步階段，各項(xiàng)理論體系需進(jìn)一步完善，從煤巖種類角度出發(fā)，我國(guó)標(biāo)準(zhǔn)明確將煤分為3 大類：無(wú)煙煤、煙煤以及褐煤，3 大類細(xì)數(shù)還可分為24小類，而每一類煤的物質(zhì)成分含量不盡相同，對(duì)光譜的吸收率和反射率也不同，因此單對(duì)一個(gè)工作面而言反射光譜技術(shù)有一定的適用性，但該方法不具備通過(guò)性，每個(gè)工作面開(kāi)采前都需對(duì)吸收波段進(jìn)行校正，難以形成具備普適性的技術(shù)產(chǎn)品。 從環(huán)境角度，礦井中粉塵、水霧對(duì)光譜均有一定的吸收性，因此反射光譜曲線中的吸收峰差異并不能完全用于煤巖的分類判定。 從煤巖特征出發(fā)，煤巖的節(jié)理性導(dǎo)致其表面對(duì)光譜的吸收反射具有一定影響，實(shí)際開(kāi)采中，光源位置、距離變化均會(huì)引起反射譜中吸收峰位置和峰值的變化。 該方法目前正處于研究階段，目前暫沒(méi)有成熟的技術(shù)產(chǎn)品，也沒(méi)有成果較為顯著的工業(yè)性試驗(yàn)案例。

5）超聲波探測(cè)識(shí)別。 超聲波識(shí)別多用于工作面開(kāi)采前的探測(cè)，根據(jù)煤巖聲阻抗差異確定煤層厚度，但是超聲波探測(cè)既需要發(fā)射源也需要接收源，因此回波過(guò)程中難免出現(xiàn)信號(hào)疊加。 在薄煤層探測(cè)中，煤巖界面分界線相對(duì)緊湊，不同分界面的回波信號(hào)在時(shí)域內(nèi)信號(hào)疊加特征越發(fā)明顯，信號(hào)間的時(shí)差不足以用來(lái)判定煤層厚度。 從煤巖特征角度，不同類的煤巖超聲波散射場(chǎng)不一，波形在介質(zhì)中的衰減系數(shù)也隨之變化，煤層中夾矸、硫化鐵結(jié)核在都會(huì)產(chǎn)生對(duì)應(yīng)界面的回波信號(hào)，對(duì)煤巖界面間的回波信號(hào)形成干擾。 傳播介質(zhì)聲阻抗較大，超聲波的衰減較為嚴(yán)重，當(dāng)波形傳播不足以傳播至煤巖分界面時(shí)，該系統(tǒng)變無(wú)法探測(cè)到煤巖界面，無(wú)法判斷煤層厚度，若在截割過(guò)程中按規(guī)定進(jìn)行間斷性探測(cè)，則會(huì)耗費(fèi)大量的人力物力，同時(shí)也會(huì)降低開(kāi)采效率。

6）電磁波探測(cè)識(shí)別。 電磁波探測(cè)是截止到目前最為實(shí)用的煤層厚度探測(cè)技術(shù)，根據(jù)其頻率波段以及物理屬性的差距可分為γ 射線、X 射線、探地雷達(dá)等。 γ 射線探測(cè)識(shí)別可分為主動(dòng)γ 射線和被動(dòng)γ射線，主動(dòng)γ 射線需要煤巖具有一定的放射性，對(duì)地質(zhì)條件的要求較高，在我國(guó)只有20%煤礦可進(jìn)行γ 射線的煤巖識(shí)別。 被動(dòng)γ 射線則通過(guò)放置信號(hào)源接受反射線即可，但是γ 射線具有放射性，存在危險(xiǎn)隱患，長(zhǎng)時(shí)間使用γ 射線會(huì)導(dǎo)致設(shè)備產(chǎn)生放射性，危害礦工的生命健康；X 射線同樣如此。 對(duì)于雷達(dá)探測(cè)，煤巖的整體電磁參數(shù)受介質(zhì)均勻性、雜質(zhì)影響，電磁波在煤層中的傳播發(fā)生改變，此外煤層中金屬干擾、斷層等地質(zhì)變化在雷達(dá)探測(cè)成像中呈現(xiàn)的特征千變?nèi)f化，同時(shí)受煤質(zhì)種類影響難以進(jìn)行推廣。

為表示各種方法的局限度，根據(jù)具體工況分為工作面開(kāi)采和后期分選2 類，建立了對(duì)應(yīng)的局限度評(píng)價(jià)表［101］，見(jiàn)表6 和表7，存在明顯局限，記為1，反之記為0。

表6 工作面開(kāi)采煤巖識(shí)別技術(shù)局限度Table 6 Working face coal rock identification technology limit

表7 煤巖分選中識(shí)別技術(shù)局限度Table 7 Identification of technical limits in coal and rock separation

針對(duì)具體工況，為更清晰地表示煤巖識(shí)別的具體優(yōu)勢(shì)，文章從工作面開(kāi)采、后期分選2 種工況進(jìn)行闡述：

1）工作面開(kāi)采。 由于煤巖介質(zhì)的物理屬性差異，電磁波探測(cè)、超聲波探測(cè)以及反射光譜探測(cè)均具備適用性，三者屬于非接觸式識(shí)別方法，現(xiàn)有研究證明該方法靜態(tài)識(shí)別誤差較小，動(dòng)態(tài)識(shí)別誤差較大，因此可將其用于工作面開(kāi)采前的煤層厚探測(cè)，工作面推進(jìn)方向的煤巖分界線探測(cè)，得到煤巖界面分布；考慮到煤層中矸石、裂縫影響導(dǎo)致探測(cè)結(jié)果出現(xiàn)偽界面，因此研究波的傳播規(guī)律，以及夾矸、裂縫對(duì)波的影響有助于提高煤巖界面探測(cè)準(zhǔn)確度及適用性。

對(duì)于煤巖硬度、物理屬性差異較大的工作面，無(wú)論是綜采中截割振動(dòng)、電流信號(hào)，還是綜放中煤巖垮落產(chǎn)生的振動(dòng)、聲波信號(hào)，都會(huì)有較大波動(dòng)，通過(guò)對(duì)比信號(hào)在時(shí)域、頻域范圍內(nèi)的變化，采用特定的學(xué)習(xí)算法可以得到較為準(zhǔn)確的識(shí)別結(jié)果，在實(shí)際開(kāi)采可作為輔助信號(hào)實(shí)時(shí)監(jiān)測(cè)反饋。

表6 中紅外成像局限度最高，因?yàn)橹鲃?dòng)紅外成像識(shí)別需要足夠熱激勵(lì)，耗時(shí)長(zhǎng)，且由于工作面的覆蓋范圍較大，同時(shí)受瓦斯的影響，熱激勵(lì)在工作面內(nèi)難以實(shí)現(xiàn)，而被動(dòng)紅外成像識(shí)別的精確度較低；因此紅外成像識(shí)別不適合工作面中煤巖識(shí)別。

圖像識(shí)別局限度基本來(lái)自于工況環(huán)境的影響，因此圖像識(shí)別所需解決的關(guān)鍵在于保證原有煤巖特征差異不變的情況下盡可能得到清晰的煤巖圖像，當(dāng)開(kāi)采環(huán)境較為理想，清晰的煤巖圖像可以得到精準(zhǔn)的煤巖界面分布；當(dāng)環(huán)境較為惡劣，此時(shí)便需要去噪、特征提取的算法進(jìn)行處理，通過(guò)引入其他領(lǐng)域中的去塵霧模型算法、光照補(bǔ)償以及穩(wěn)像裝置等，解決其在煤巖識(shí)別領(lǐng)域中的適用性問(wèn)題，圖像識(shí)別局限度便由5 降為2，具有很好的發(fā)展前景。 因此研究現(xiàn)有算法在圖像特征識(shí)別中的適用性是目前亟須解決的問(wèn)題。

2）后期分選。 除了上述方法外，傳統(tǒng)的分選方法主要以干式分選和濕式分選為主，濕式分選會(huì)產(chǎn)生大量的煤泥水，回收介質(zhì)雜質(zhì)多，既提高了運(yùn)營(yíng)成本，又不符合煤炭工業(yè)可持續(xù)發(fā)展、綠色礦山的發(fā)展理念。 而干式分選中常用的人工選煤、風(fēng)力選煤以及選擇性破碎選煤，分選效率低、精度差、普適性低，同時(shí)也不符合我國(guó)智能化煤礦建設(shè)的需求。

反射光譜、超聲波、電磁波監(jiān)測(cè)方法已有相關(guān)的模塊化設(shè)備，截至目前已有了相關(guān)的選煤設(shè)備。 從使用場(chǎng)景以及安全性角度考慮，3 種方法在井上的適用性差，更適用于井下的識(shí)別工作。

相比之下紅外識(shí)別與圖像識(shí)別具有明顯的優(yōu)勢(shì)，井上分選環(huán)境較理想，具有很高的識(shí)別精度，但在紅外識(shí)別中，被動(dòng)熱激勵(lì)識(shí)別誤差大，主動(dòng)熱激勵(lì)耗能多導(dǎo)致成本增加，不適合產(chǎn)業(yè)化發(fā)展，因此紅外識(shí)別的產(chǎn)業(yè)化需要結(jié)合具體的成本、分選效率、識(shí)別精度綜合分析。

而圖像識(shí)別不會(huì)產(chǎn)生過(guò)多的能耗，并且影像處理、人工智能及機(jī)器人等不斷完善，目前已有部分科研成果轉(zhuǎn)化為對(duì)應(yīng)的生產(chǎn)力，但并未得到產(chǎn)業(yè)化的發(fā)展。 因此圖像識(shí)別是分選較為理想的方法，應(yīng)作為將來(lái)的研究中心。

4.2 煤巖識(shí)別未來(lái)研究發(fā)展趨勢(shì)

我國(guó)幅員遼闊、自然條件復(fù)雜，煤礦地質(zhì)條件更是千變?nèi)f化，煤巖種類也多種多樣，因此很難找到一種通用、普適性的煤巖識(shí)別技術(shù)應(yīng)用到全國(guó)各種煤礦，需根據(jù)實(shí)際工況、煤巖的特征差異性選取合適的方法，如截割脆性煤或軟煤時(shí)，煤巖硬度差距便顯現(xiàn)出來(lái)，此時(shí)通過(guò)初探得到大致的煤巖界面趨向走勢(shì)，通過(guò)自適應(yīng)截割控制，輔助振動(dòng)、電流、聲發(fā)射、截割轉(zhuǎn)矩等一種或多種信號(hào)，便可實(shí)現(xiàn)截割過(guò)程的煤巖識(shí)別。 同時(shí)還可將多種方法擇優(yōu)融合提高技術(shù)方法對(duì)工況環(huán)境的適用性。 考慮到煤巖特征種類繁多，開(kāi)采環(huán)境復(fù)雜多變的問(wèn)題，因此，對(duì)煤巖識(shí)別未來(lái)研究重心提出以下建議：

1）煤巖特征信息的深層挖掘。 現(xiàn)有的識(shí)別技術(shù)中，無(wú)論是截割信號(hào)反饋，還是圖像特征、紅外成像等方法，都只是依靠煤巖最表層的特征信息，亦或者通過(guò)改進(jìn)算法提高識(shí)別精度，而不能從根本上挖掘出煤巖特征更深層信息，避開(kāi)相近的物理屬性特征，尋找差異性大的特征。 引入新的信號(hào)處理方法，或采用多種處理方法并行處理信號(hào)，得到不同處理方法的特征值組合矩陣，可最大程度地?cái)U(kuò)大煤巖特征的差異性；同時(shí)5G 在煤礦中的應(yīng)用解決了大數(shù)據(jù)傳輸慢、延時(shí)長(zhǎng)的問(wèn)題。 例如圖像識(shí)別中，將單相機(jī)改為雙相機(jī)（即單目視覺(jué)改進(jìn)雙目視覺(jué)），或通過(guò)特定的相機(jī)或傳感器，利用雙目視覺(jué)的色差與煤巖本身色差得到圖像的深度，輔以被動(dòng)紅外識(shí)別，即可得到較為準(zhǔn)確的煤巖分界，指導(dǎo)開(kāi)采中滾筒調(diào)高。

2）復(fù)雜多變環(huán)境的影響機(jī)理研究。 在理想環(huán)境的工作面開(kāi)采中，對(duì)于任意的煤巖地質(zhì)條件，總會(huì)有一種方法可實(shí)現(xiàn)該環(huán)境中煤巖識(shí)別，且識(shí)別準(zhǔn)確率滿足開(kāi)采要求，還可采用多信息融合算法提高識(shí)別精度；但復(fù)雜性、多變性在煤礦環(huán)境中是不可避免的，在未來(lái)的研究中應(yīng)著重考慮溫度、噪聲、光照、粉塵、水霧、機(jī)器振動(dòng)等因素對(duì)各種識(shí)別技術(shù)的影響機(jī)制，如溫度變化對(duì)聲波的傳播速度、散射有影響，粉塵、水霧濃度對(duì)圖像的拍攝精度、煤巖紅外成像溫差有影響，上述諸多因素在井下空間屬于非均勻性分布，對(duì)煤巖識(shí)別精度的影響是非線性的，因此，研究環(huán)境變化對(duì)識(shí)別精度的影響機(jī)理，不僅適用于井下開(kāi)采，提高工作面的煤巖識(shí)別精度，同樣有利于后期分選工作，在未來(lái)研究中，基于現(xiàn)有技術(shù)考慮環(huán)境影響能有效提高煤巖識(shí)別精度，加快礦山智能化建設(shè)。

3）物理屬性相近的煤巖識(shí)別新方法。 目前煤巖識(shí)別的方法都是基于屬性的差異性，差異特征越大，識(shí)別過(guò)程越簡(jiǎn)單、精度越高。 但當(dāng)煤巖屬性相近時(shí)，傳統(tǒng)方法很難獲得較高的識(shí)別精度，不少學(xué)者開(kāi)展了多信息融合的識(shí)別，在大數(shù)據(jù)的支撐才保證了識(shí)別精度的可靠性，雖然5G 的研發(fā)解決了數(shù)據(jù)傳輸問(wèn)題，但算法的復(fù)雜性提高了對(duì)計(jì)算機(jī)的性能要求，傳統(tǒng)計(jì)算機(jī)無(wú)法滿足開(kāi)采過(guò)程實(shí)時(shí)性的要求，超聲波與電磁波探測(cè)通過(guò)界面間的反射回波信號(hào)一定程度地解決了這一問(wèn)題，煤層夾矸、界面反射率小等問(wèn)題隨之而來(lái)，因此尋找合適頻率的波用來(lái)擴(kuò)大波在煤巖中傳播、反射的差異成為研究重點(diǎn)。

4）綜合地質(zhì)條件的煤巖識(shí)別方法適用性研究。目前的煤巖識(shí)別研究主體分為2 大類：①通用性的煤巖識(shí)別方法與可行性研究；②具有需求的特定工況下煤巖識(shí)別研究。 二者相互獨(dú)立，導(dǎo)致各種技術(shù)推廣少、適用性差，因此未來(lái)的研究可從我國(guó)的地質(zhì)條件出發(fā)，以煤巖種類和分布為參考對(duì)地質(zhì)條件進(jìn)行分類，分析各種識(shí)別方法的適用性，形成相應(yīng)的規(guī)律性文件，對(duì)未來(lái)煤礦資源的探測(cè)和開(kāi)采提供理論參照。

5 結(jié) 論

1）根據(jù)使用工況、技術(shù)原理不同將煤巖識(shí)別技術(shù)歸類為過(guò)程信號(hào)監(jiān)測(cè)、紅外熱成像、圖像特征、反射光譜、超聲波探測(cè)、電磁波探測(cè)6 種，并列舉了典型特征下的煤巖差異，證明了不同煤巖識(shí)別技術(shù)的可行性。

2）綜合闡述了各類識(shí)別技術(shù)的研究現(xiàn)狀，介紹了煤礦現(xiàn)有煤巖識(shí)別技術(shù)工程應(yīng)用現(xiàn)狀；分析了各類技術(shù)的局限性，從理論技術(shù)、工況環(huán)境、煤巖特征角度建立了各類技術(shù)的局限性評(píng)價(jià)體系，其中超聲波探測(cè)與電磁波探測(cè)的局限度最低，紅外識(shí)別受工況環(huán)境的影響局限性較強(qiáng)，對(duì)于煤巖特征較大的工況，過(guò)程信號(hào)監(jiān)測(cè)可根據(jù)煤巖特征差異作為輔助信號(hào)指導(dǎo)工程實(shí)際開(kāi)采，具有較好的實(shí)際價(jià)值。

3）綜合考慮各類識(shí)別技術(shù)的局限性，對(duì)未來(lái)煤巖識(shí)別的研究重心提出4 點(diǎn)建議：煤巖特征信息的深層挖掘，復(fù)雜多變環(huán)境的影響機(jī)理研究，物理屬性相近的煤巖識(shí)別新方法，綜合地質(zhì)條件的煤巖識(shí)別方法適用性研究。