金属矿山巷道围岩安全监测诊断预警体系

曹 野

(中国黄金集团建设有限公司)

金属矿山巷道围岩安全监测诊断预警体系

曹 野

(中国黄金集团建设有限公司)

针对矿山巷道监测系统诊断预警系统功能弱，系统不完善的难题，通过将基于小波能量理论所建立的爆破震动去噪方法、围岩类别判定指标、爆破震动效应评价指标集成，形成可实现长期实时监测的金属矿山巷道围岩稳定性监测、诊断、预警体系。金属矿山巷道围岩安全监测诊断预警体系包括监测点布点优化、监测信号去噪、信号频域能量分析、巷道围岩类别确定、巷道围岩安全判别、巷道围岩安全预警等模块内容。该体系的最大特点是根据实时监测到的信号进行诊断分析，并依据所积累的数据库文件进行比对，最终得出诊断结论并给出相应的工程措施，该体系的建立为提高金属矿山安全监测技术水平奠定了基础。

金属矿山 巷道围岩 安全 小波理论 监测诊断预警体系

近年来，国内外重要的大型工程结构，如大型桥梁、大坝、重要建筑结构等，大多设置了安全监测系统[1-2]。然而，目前的监测系统大多数仅对目标物理量进行采集与存储，缺乏有效的损伤诊断与安全评估能力[3]，尤其针对矿山巷道安全的安全监测诊断预警系统就更加缺乏，岩体介质特性的离散型决定了矿山巷道本身的地质条件以及所处的环境条件较为复杂，国家相关部门对此提出了具体的要求，例如要求建设矿山井下安全避险六大系统和“数字矿山”。因此，本研究将在监测、诊断技术研究的基础上，建立以爆破震动安全诊断为核心的巷道围岩安全监测诊断预警体系，并对各个子系统之间的逻辑关系以及程序框架进行设计，为完善“数字矿山建设”奠定基础。

1 金属矿山巷道围岩安全监测诊断预警体系

1.1 体系总构成及主要功能

金属矿山巷道围岩安全监测诊断预警体系由目标监测、信号处理与诊断、损伤预警、信号样本数据库、用户使用等5个子系统组成，体系网络拓扑图如图1所示。

该体系通过在矿山的重点监测部位布置各类传感器，将目标的应力、变形、速度、加速度、环境参数等信号采集至信号解调仪，进行解调、放大；然后通过沿巷道布置的分布式光纤通信传输系统，送入基于小波分析的信号处理与诊断子系统，在该系统中将各测点的监测信号进行数学分析；进而将分析结果与信号样本子系统中预先设计的安全判据以及样本库数据进行比对，再根据比对结果自动给出预警信号和相应的工程处理措施；最后送至用户使用子系统供工程人员使用，同时所采集的数据、分析的结果均会被记录在样本库中作为下一次分析的参考依据。考虑到技术发展的需求，体系应具有较好的可扩展性，以保证体系的发展，丰富“数字矿山”的功能，体系主体采用光纤环状网络，保障体系运行的精度及效率。

图1 金属矿山顶巷道围岩安全监测诊断预警体系网络

1.2 巷道围岩目标监测子系统

巷道围岩目标监测子系统主要包括传感器、信号采集和信号传输等子系统。目标监测子系统主要对金属矿山主要区域，例如：巷道、泵房、休息区域、会议办公、井下炸药库、变电所、卷扬、罐笼出入口等的几何状态、静动力响应、环境条件等进行监测，主要监测内容包括：巷道围岩的静、动力响应、重点环境状态、一般环境状态等，具体监测内容见表1所示。

表1 目标监测子系统

(1)传感器子系统。设计需综合考虑监测目标的重要性、数据采样频率、传感器覆盖范围、易损性以及经济性等方面因素。传感器子系统针对不同监测目标设计为多目标分级监测方案，如表2所示。

表2 多目标分级监测方案

针对不同的监测目标采用等级不同的监测周期。监测等级A主要针对巷道围岩的静、动力响应目标，包括巷道围岩在静载和动载作用下的应力、应变及震动响应等内容，采取最高级别的实时在线不间断监测，同时根据不同传感器性能设定不同的采样频率，直接传输监测信号；监测等级B主要针对重点环境状态，主要包括直接影响安全的目标(有毒气体浓度)和影响其他监测信号处理精度的目标(噪声强度)，采取常规监测，每小时监测1次；监测等级C主要针对一般环境状态，包括巷道内温度、湿度、风速等，采取每天2～3次的定期监测。

传感器子系统由多种针对不同目标监测的传感器组成：加速度光纤光栅锚杆、温度光纤光栅锚杆、应变光纤光栅锚杆、温度传感器、湿度传感器、风速仪、应力计、一氧化碳传感器、粉尘检测仪、声级仪等等。其中裸光纤光栅被封装至锚杆内组成各类光纤光栅锚杆，安装在岩体内部对各目标进行监测。

(2)信号采集子系统[4]。主要功能是实现对监测目标信号的转换、量化、存储、以及初步分析处理，然后将转换后信号传输至信号诊断与处理子系统。主要包括信号解调仪、读数仪、信号采集软件等。

本系统主要采用的是光纤光栅传感技术来监测震动信号，采用的配套仪器为光纤光栅解调动态信号采集仪SM130。

光纤光栅解调动态信号采集仪SM130具有四通道(可扩展)，可同时监测多个传感器，适合于应变、温度、加速度等多种测量；最大采样频率500 Hz，分辨率小于1×10-12m，可重复性2×10-12m；且内置以太网接口便于直接连接电脑进行数据通信。光纤光栅锚杆直接监测得到的为波长信号，波长信号进入光栅解调仪中，通过信号采集软件Enlight进行解调，通过波长与温度、应变、加速度等物理量之间的定量关系转换为相应的信号输入。

除此之外，针对不同的监测信号，采用不同的信号解调方式，构成不同的信号解调和读数仪，同时光纤光栅锚杆的监测目标及分析结果，均可进行远程控制(采样频率、初始值调零等)，通过解调仪进行简单的、初步的信号处理。

(3)信号传输子系统。是指金属矿山巷道围岩安全监测诊断预警体系中五大子系统之间的信号通信、传输、联接系统。信号传输子系统通过光纤环网构成的矿山以太网和信号采集软件组成。信号采集的网络采用常用的TCP/IP准则，以便于与其他TCP/IP设备(计算机、服务器等)进行协调和通信。信号传输子系统可实现传感器状态识别、信号奇异性识别、系统功能异常报警以及自诊断等功能。同时，信号传输子系统需考虑通信网络的扩展性能，且扩展升级过程中不能中断系统运行；信号传输子系统设备选择需考虑使用环境因素，因为金属矿山井下生产环境恶劣，通常面临高温度、高湿度以及粉尘浓度大等环境条件，系统设备需具有较高的环境适应性。

2 体系的设计与实现

金属矿山巷道围岩安全监测诊断预警体系的最核心功能是根据监测得到的信号分析出巷道围岩的安全状态，识别出可能出现的损伤位置和损伤程度，并在此基础上给出相应的工程措施。

2.1 体系总体设计

巷道围岩安全状态的监测诊断预警过程涉及到系统识别、震动理论、震动测试技术、信号采集与分析等多学科技术，其中基于震动测试的巷道围岩损伤识别方法是针对巷道围岩在爆破震动荷载作用下稳定性判别的一种实用性较高的方法，通过对监测信号的分析处理，得到包含巷道围岩响应信息的判别指标，然后结合安全判据与信号样本数据进行比对，实现对巷道围岩安全状态的诊断，最终给出预警信息。如图2所示。

图2 金属矿山顶巷道围岩监测诊断预警体系总体设计

(1)信号解调。巷道围岩的爆破震动响应信号经过光纤光栅锚杆，以波长信号的形式进入光纤光栅动态解调仪，然后在Enlight信号采集软件中进行解调转换为爆破震动加速度响应信号。

(2)信号预处理。经过解调的加速度响应信号中存在较多的噪声成分，包括环境噪声、机械噪声等，噪声的存在对后续的信号处理效果有较大影响，因此在信号分析之前结合现场噪声级别进行去噪处理，去噪后的加速度响应信号经过积分变换及基线校准转换为速度信号。

(3)信号诊断分析。利用小波分解方法将去噪后的速度信号进行分解，并结合基本参数得到爆破震动信号的主频范围；然后基于小波能量理论得到爆破震动信号的频域能量分布，进而计算巷道安全判别指标和巷道围岩类别判定指标；最后通过安全判据进行诊断。

(4)信号预警。将通过诊断分析得到的结果与信号样本数据中的记录以及通过神经网络预测得到的结果进行比对，如果无明显差异，则输出诊断结果，并给出相应的工程措施，并将本次分析结果备份。如与样本数据中的记录和神经网络预测结果有明显差异，说明两者存在错误诊断信息，则循环至信号分解环节，调整参数再次进行信号分析诊断。

以上4个步骤中，第1步信号解调在目标监测子系统的Enlight信号采集软件中完成，第2、3、4步在拥有小波分解和神经网络分析模块，且具有开放编程功能的Matlab软件中完成，其中第2、3步为整个金属矿山巷道围岩安全监测诊断预警体系的核心部分。

2.2 体系程序框架设计

如前所述，金属矿山巷道围岩安全监测诊断预警体系的诊断和预警两架构分别设置于信号处理与分析子系统和损伤预警子系统内，为了协调各子系统的数据通信，均采用Matlab[5]语言进行程序化设计。

(1)基于小波变换的信号预处理程序框架设计。基于小波变换的信号去噪方法基本步骤包括[6]：选择小波基函数和小波分解层次、选择阈值量化估计准则、重构信号，其主要程序框架如图3所示。

图3 基于小波变换的信号去噪程序框架

基于小波变换的信号去噪程序中核心部分为阈值估计规则的选择，主要根据声级仪监测到的环境噪声级别以及样本数据中同一区域以往的噪声水平确定。另外，针对爆破震动信号建议使用db4～db7进行小波包分解。

(2)基于小波能量理论的信号分析与处理程序框架设计。基于小波能量理论的信号分析与处理程序[6-7]主要通过对预处理后的巷道围岩响应信号进行小波分解，得到信号频域内能量分布规律，进而通过计算小波能量谱确定巷道围岩类别，同时根据时间能量密度函数计算巷道围岩安全判别指标TEDI值，最终与安全判据进行比对确定巷道围岩的安全状态，主要程序框架设计如图4所示。

图4 基于小波能量理论的信号分析与处理程序框架

基于小波能量理论的信号分析与处理程序的核心是计算小波能量谱ERVD值以及计算TEDI值，通过ERVD值可以确定巷道围岩类别，结合TEDI值可评估巷道围岩的安全状态。

(3)基于BP神经网络的预测程序框架设计。基于BP神经网络的预测程序主要功能是根据样本数据储存的数据训练神经网络，并根据信号分析与处理子系统中信号的基本信息(震速峰值、震动主频、震动持时、巷道围岩类别等)进行预测，得到巷道围岩安全判别指标TEDI值，进而与信号分析与处理子系统计算所得TEDI进行比对，为巷道围岩安全状态判别提供辅助。如图5所示。

图5 基于BP神经网络的预测程序框架

基于BP神经网络的预测程序在框架上比基于小波能量理论的信号分析与处理程序简单，因为其主要根据训练样本进行网络训练，一旦网络训练完成，仅需要输入简单的预测样本向量(信号的主要信息)即可进行预测，计算时间短。但是其预测精度不可控，主要依赖于训练样本的规律性。因此,在信号样本数据量较小时，其预测精度较低，随着样本数据中信号数据增多，其预测精度逐渐增高。

2.3 信号样本数据库设计

金属矿山巷道围岩安全监测诊断预警体系的实时性要求较高，分析数据量十分庞大，因此需要设计高效、丰富的信号样本数据库，以保证监测诊断预警信号数据的高效存储与处理，并便于数据的提取、分析和再存储，同时应对监测信号的采样规则进行优化。目前国内外通行的震动监测信号样本数据库规范为MIMOSA[8-9](Machinery Information Management Open System Alliance)，其具有较强的信号样本数据输入、输出的能力。因此，基于MIMOSA中的VIBCORE标准，进行金属矿山巷道围岩监测诊断预警体系的信号样本数据库子系统进行设计，基本数据如表3所示。

考虑到用户操作系统(Windows)的便利及实用性，选定Microsoft SQL Server 2000作为信号样本数据库格式。整个样本数据库的信号数据输出方式包括：表格输出、图形输出、曲线输出等，便于不同工程人员的使用。

表3 信号样本数据库的基本数据

数据库中Orig_Signal、De-noising_Signal、Processing_Data、BPNN_Data、Criterion_Data、Alarm_Data、History_Data为核心储存数据，其包含了信号从监测到分析处理再到发出预警指令的所有过程数据。在实际工程中某一特定掘进面每天的爆破次数一般为3次，并不需要在24 h内采取同样的数据采集方案，对数据采集方案进行优化可减小数据存储量，提高数据分析效率。爆破作业一般在每一班掘进作业临近结束时进行，爆破作业前后为巷道围岩稳定性监测的重点时段。因此，放炮前0.5 h至放炮后1 h采取最密集监测，即采样频率500 Hz，单个监测信号时长1 s，监测间隔为0 s(1 h监测3 600个信号)；而其余时段采样频率降低为300 Hz，监测间隔增大为5 s。这样，单个监测点1 d时间内从监测到预警全过程的数据量大约为224 MB;而如果采用相同数据采集方案，数据量为588 MB，优化监测方案后数据量减小61.9%。优化后巷道围岩稳定性监测诊断预警功能每年所产生的数据量约250 TB，而整个体系产生的数据量约0.8 PB，因此数据库存储服务器应选择存储容量在5 PB左右的存储系统，例如HP StorageWorks ESLE系列磁带库，其最大存储容量为5.67 PB，最大数据传输率为38 TB/h。

3 预警方案设计

当监测目标信号通过信号分析与处理子系统的计算分析后得到巷道围岩类别的判别值ERVD和巷道围岩安全判别指标TEDI，两者结合可判别巷道围岩的安全状态，诊断结果进入损伤预警子系统，损伤预警子系统自动发出预警指令，分为3阶段预警方案，预警方案程序框架如图6所示。

图6 预警方案程序框架

第1阶段预警包括在目标监测区域的灯光预警、声音预警，其主要目的是向在场工程人员发出安全预警提示。当TEDI值处于安全范围时，井下巷道中分布的预警灯显示为绿色，表示巷道围岩安全；当TEDI值增大达到局部破坏范围时，预警灯显示为黄色，表示巷道围岩局部发生失稳破坏，同时有短促有间断的声音预警，提示工程人员注意；当TEDI值达到破坏范围时，预警灯显示为红色，表示巷道围岩发生整体破坏，同时伴有尖锐无间断的声音预警，提示工程人员及时撤离。

第2阶段预警为井下相应中段监控室预警，主要目的是提示中段管理人员发出相应的应急指令、指挥在场人员撤离、了解现场具体情况等。

第3阶段预警为向井上综合监控中心发出预警信息，以便矿区管理人员及时了解情况，制定相关工程措施[10-11](见表4)，进行宏观指挥。

4 结 论

(1)金属矿山巷道围岩安全监测诊断预警体系由目标监测、信号处理与诊断、损伤预警、信号样本数据、用户使用等5个子系统组成，各子系统相互独立又相互连接，可实现从信号监测，到信号分析与处理，最终得到预警信息的全过程。

(2)基于MIMOSA中的VIBCORE标准对信号样本数据库进行了设计，包含了从巷道围岩基本信息、传感器信息、监测所得原始信号、分析处理的过程信号、环境状态信息以及预警信息等全过程所有数据信号；同时对数据库海量数据的采集、存储方案进行了优化，有效地降低了存储设备的成本,并提高了数据库运行的速度，为保障金属矿山巷道围岩安全监测诊断预警体系的高效、准确运行奠定基础。

(3)结合巷道围岩自稳能力及安全判据设计制定3阶段预警方案，根据信号分析与处理结果分别对井下工程人员、中段监控室管理人员以及井上监控中心管理人员发出预警信息，便于相关人员根据预警信息采取相应的工程措施。

表4 巷道围岩不同安全状态对应工程支护措施

[1] 李爱群，缪长青，李兆霞．润扬长江大桥结构健康监测系统研究[J].东南大学学报:自然科学版,2003，33(5):544-548． Li Aiqun，Liao Changqing，Li Zhaoxia.Health monitoring system for the Runyang Yangtze River Bridge[J].Journal of Southeast University：Natural Science,2003，33(5):544-548．

[2] 缪长青，李爱群，韩晓琳．润扬大桥结构健康监测策略[J]．东南大学学报：自然科学版，2005，35(5)：780-785． Liao Changqing，Li Aiqun，Han Xiaolin.Monitor strategy for the structural health monitoring system of Runyang Bridge[J].Journal of Southeast University:Natural Science,2005，35(5)：780-785．

[3] 刘 涛，李爱群，丁幼亮．基于小波包能量谱的大跨斜拉桥拉索损伤预警方法[J]．东南大学学报:自然科学版，2007，37(2)：270-274． Liu Tao，Li Aiqun，Ding Youliang.Alarming method for cable damage of long-span cable-stayed bridges based on wavelet packet energy spectrum[J].Journal of Southeast University:Natural Science，2007，37(2)：270-274.

[4] 曹 野，宋 波，王培福，爆破效应下基于小波分析的围岩顶板损伤诊断试验研究[C]∥第2届全国工程安全与防护学术会议论文集.南京:中国岩石力学与工程学会，2010:617-623. Cao Ye，Song Bo，Wang Peifu.Study on stability diagnosis of rock roof based on wavelet transformation analysis under blasting effect[C]∥The proceeding of 2nd session of the national engineering academic conference on security and protection.Nanjing：Chinese Society of Rock Mechanics and Engineering，2010:617-623.

[5] 葛哲学，孙志强．神经网络理论与MATLAB R2007实现[M]．北京：电子工业出版社，2007． Ge Zhexue，Sun Zhiqiang.Neural Network Theory and MATLAB R2007 Implementation[M].Beijing:Electronic Industry Press，2007.

[6] Song Bo，Cao Ye.Wavelet energy Analysis on Blasting Vibration Signal of Surrounding Rock Roof Considering Confining Pressure Strength and Fracture Strength[J].Rock Mechanics:Achievements and Ambitions，2011(S):825-830.

[7] 曹 野，宋 波，潘建仕，等.基于数值模拟的顶板围岩损伤过程动力响应信号的能量分析[J].岩石力学与工程学报，2009，28(S1):3137-3145. Cao Ye，Song Bo，Pan Jianshi，et al.Energy analysis of dynamic response signals during damage process of roof surrounding rock based on numerical simulation[J].Chinese Journal of Rock Mechanics and Engineering，2009，28(S1):3137-3145.

[8] Mitchell J S.MIMOSA-one year later[J].Sound and Vibration，1996，30(9):14-20.

[9] Mitchell J S.History of condition monitoring and condition based maintenance[J].Sound and Vibration，1999，33(11):21-28.

[10] 中华人民共和国建设部．GB 50218—94 工程岩体分级标准[S]．北京：中国标准出版社，1994． Ministry of Construction of the People′s Republic of China.GB50218-94 Standard for Engineering Classification of Rock Masses[S].Beijing:Chinese Standard Press,1994.

[11] 中华人民共和国国家质量监督检验检疫局，中华人民共和国建设部．GB 50086—2001 锚杆喷射混凝土支护技术规范[S]．北京：中国标准出版社，2001． The General Administration of Quality Supervision，Inspection and Quarantine of the People's Republic of China ,Ministry of Construction of the People's Republic of China.GB50086-2001 Specification for Bolt-shotcrete Support[S].Beijing:Chinese Standard Press,2001.

[12] 曹 野，陈宏伟.基于时能密度的围岩爆破安全判据实验[J].解放军理工大学学报：自然科学版，2014,15(3):264-269. Cao Ye，Chen Hongwei.Experiment of surrounding rock blasting vibration safety criterion based on time-energy density[J].Journal of PLA University of Science and Technology:Natural Science，2014,15(3):264-269.

(责任编辑 徐志宏)

Safety Monitoring，Diagnosis and Early Warning System of Surrounding Rocks of Metal Mine

Cao Ye

(ChinaNationalGoldEngineeringCorporation，Beijing100083，China)

Aiming at the problem of the mine laneway monitoring system diagnosis and early warning function is weak,inperfect system,the de-noising method of blasting vibration，the determination of surrounding rock categories，and the evaluation index of blasting vibration effect based on the wavelet energy theory are integrated to form a long-term real-time monitoring，diagnosis and early warning system to supervise the safety of surrounding rocks for metal mine.The system consists of such modules as optimization of monitoring points，de-noising of monitoring signal，analysis of signal frequency-domain energy，determination of surrounding rocks categories，safety discrimination of surrounding rocks，and safety pre-warning of surrounding rocks.The largest function of this system is that it can make the diagnostic analysis on the real-time signals and contract with the accumulated database files to draw the final diagnosis conclusion and then the related engineering measures are given.The system provides a foundation for improving the technical level of safety supervision for metal mines.

Metal mine，Surrounding rock，Safety，Wavelet theory，Monitoring，diagnosis and early warning system

2014-05-22

曹 野(1988—)，男，工程师，博士。

TU457

A

1001-1250(2014)-09-126-06