基于CT三维重建的高阶煤孔裂隙结构综合表征和分析

王 刚，沈俊男，褚翔宇，曹春杰，江成浩，周晓华

(1.山东科技大学 矿山灾害预防控制-省部共建国家重点实验室培育基地，山东 青岛 266590; 2.山东科技大学 矿业与安全工程学院，山东 青岛 266590; 3.卡尔蔡司(上海)管理有限公司，上海 200120)

基于CT三维重建的高阶煤孔裂隙结构综合表征和分析

王 刚1,2，沈俊男2，褚翔宇2，曹春杰3，江成浩2，周晓华2

(1.山东科技大学 矿山灾害预防控制-省部共建国家重点实验室培育基地，山东 青岛 266590; 2.山东科技大学 矿业与安全工程学院，山东 青岛 266590; 3.卡尔蔡司(上海)管理有限公司，上海 200120)

为有效研究煤的孔裂隙结构特征，实现对煤的孔裂隙结构的定性定量表征和分析。以内蒙古巴彦高勒煤矿311102运输巷的煤样为研究对象，基于ZEISS Xradia 510 Versa X射线显微镜扫描得到的CT数据，结合三维可视化软件AVIZO中内置数学算法，提出了煤的孔裂隙结构定量表征的方法，并建立了煤的三维孔裂隙结构模型和具有拓扑结构的孔隙网络简化模型。通过本文提出的方法，对巴彦高勒煤矿煤样的孔裂隙微观参数——孔径大小、孔体积、孔隙率、配位数、喉道长度等进行了统计分析。研究表明：在微米的尺度下，内蒙古巴彦高勒煤矿的煤样以大孔为主，并伴有网状的割理裂隙，有效孔隙率为10.34%，通过孔隙网络模型统计出的孔隙数为12 834，喉道数为432及其他的微观结构参数。

高阶煤;CT;三维重建;孔裂隙;表征

煤是一种可燃性且具有明显分层特征的复杂多孔介质，煤的孔裂隙结构是煤的物理结构的主要部分，且决定着煤层的物理化学特性[1]。煤层气大部分吸附于煤的基质颗粒表面，部分游离于煤的孔裂隙中。研究煤的微观孔裂隙结构对煤层气的开发及其在煤层中的渗透特性和储存能力都具有重要意义。

由于煤的多样性和不均匀性以及各种研究方法的局限性，准确阐明煤的孔裂隙结构非常困难[2]。目前，对于煤孔裂隙结构的研究的常规方法主要分为两类：一类是采用常规液氮法和压汞法，对煤的孔裂隙结构进行研究[3-5];另一类是将煤样制备成煤砖、薄片等，然后用扫描电镜或光学显微镜对孔裂隙进行观察和定量统计分析[6-8]。国内外学者运用上述方法对煤的孔裂隙结构做了大量的研究。如曹涛涛等[9]运用氮气吸附、压汞等实验，研究了煤、油页岩和页岩的孔隙结构特征，并分析了煤、油页岩和页岩的储集机理。但该方法局限于对连通孔裂隙进行实验，并且会对样本内部孔裂隙结构产生一定的破坏，影响实验结果的准确性。

CT扫描实验可无损的检测煤内部孔裂隙结构。早期国外学者SIMONS等[10]运用CT技术与彩色图像分析技术对煤进行了定量表征。GEET等[11]运用双能量CT技术研究了岩石内部组分成分的分布。YAO[12-13]等将微焦点CT技术应用于煤的研究，实现了对煤的孔隙率、孔裂隙结构、矿物含量分布等的二维和三维定量化表征，论证了CT技术在煤的孔裂隙数字化分析方面的可行性和可信性。于艳梅等[14]应用CT技术研究了不同温度下瘦煤孔隙结构特征。HERIAWAN[15]等从二维的角度应用CT提出了一种识别微裂隙的新方法。宋晓夏等[16]利用CT技术从三维的角度研究了构造煤渗流孔的分布特征。Lee等[17]运用CT扫描技术在纳米级的尺度上揭示了煤的有机地质聚合物中孔隙结构，并且建立了三维模型成功获得了孔隙大小的分布以及它的孔隙率大小。前人利用CT技术对煤进行三维重建研究，取得了很大的成功，为煤内部微观结构的深入研究奠定了基础，但在CT三维重建的基础上结合多种算法对煤的孔喉、裂隙等分布进行精细定量的研究相对较少。

笔者以内蒙古巴彦高勒煤矿311102运输巷的煤样为例，运用CT技术并借助三维可视化软件AVIZO将CT图片进行处理和重建，建立了煤三维孔裂隙模型以及等价孔隙网络模型，利用多种算法对煤的孔裂隙结构进行分析和表征。

1 煤孔裂隙结构的三维重建

1.1 煤样的制备

实验所采用的煤样是采集自内蒙古巴彦高勒煤矿311102运输巷的煤样，其取自易自燃煤层，最短发火周期41 d，具有特低灰、高挥发分、中硫分、高发热量等特点，手动将采集煤样钻取并打磨成高度16 mm，直径9.0 mm的圆柱细观煤样，并将煤样进行干燥处理，其工业分析结果见表1。

表1实验煤样工业分析结果
Table1Experimentalresultsofcoalproximateanalysis

%

1.2 CT扫描实验

CT扫描作为一种无损检测物体内部的技术，对煤样而言能够比较直接和准确的探测其内部结构，其基本的成像原理是根据煤样中不同的成分对于X射线的吸收系数不同，进而出现不同的灰度值以达到区分孔隙和骨架的作用[18]。

本次显微CT扫描实验所使用的实验仪器是ZEISS X-ray Microscopy公司生产的Xradia 510 Versa高分辨率3D X射线显微镜，具体的仪器参数见表2，相比于传统的CT系统分辨率依赖于小焦点和高几何放大倍率，该CT实验仪器则是使用两级放大技术，可以得到更高精度的图像。

表2扫描煤样试样时Xradia510Versa所使用的参数
Table2ParametersusedbytheXradia510Versawhenscanningcoalsamples

扫描位置体素分辨率/μm视场/mm电压/kV(功率/W)扫描时间/h煤样ϕ90mm圆柱95ϕ95×9560(5)43

实验时，将制备好的煤样固定在CT机工作转台的中央，不断调整煤样的高度使其固定在扫描区域的中心位置。扫描时转台旋转0.9°，扫描1次，最终CT扫描可获得1 004张1 004×1 024 pixel的二维CT切片，CT图像的分辨率为9.5 μm。

1.3 图像处理

由于在制备样品的方法上存在缺陷，煤样边缘孔裂隙会在切割或研磨过程中被破坏，从而影响对煤样真实孔裂隙的观察和分析，同时大量的图片在重建模型时会产生计算负担[19]。因此，从CT扫描实验得到的数据中选择500张连续的CT切片，将其从中心位置裁剪成500×500 pixel大小的图片。

图像裁剪完成后，由于CT图像本身存在噪声[20]，所以需要对图像进行降噪处理。CT图像的噪声主要来自于CT机械系统本身及其所处环境，使得生成的CT图像与实际图像具有偏差，通过降噪操作可以提高CT图像的精确性。针对所研究的CT图像，通常采用高斯平滑滤波[21]、均值滤波[22]、中值滤波[23]3种算法对图像进行降噪处理。通过对3种算法的综合比较，中值滤波相比于其他两种方法可以做到既去除噪声又能保护图像的边缘，让周围像素灰度值相差较大的像素改取与周围像素值相近的值，从而消除孤立的噪声点，获得较满意的复原效果，为实现煤样孔裂隙的分割奠定了基础，因而最终选择中值滤波算法进行降噪操作。图1为降噪前后的CT图片，通过对比能清楚的看出噪声点明显减少。

图1 CT图片降噪Fig.1 Noise reduction of CT image

1.4 图像分割

图像处理为后续CT图像的分割奠定了基础，而CT图像的正确分割将直接影响CT三维重建结果的准确性。

笔者选用分水岭算法对孔裂隙结构进行三维重建，分水岭算法对微弱边缘具有良好的响应，是得到封闭连续边缘的保证，但使用分水岭算法时图像中的噪声、物体表面细微的灰度变化都会产生过度分割的现象。虽然已经对CT图像进行了处理，但为了进一步消除分水岭算法中出现的过度分割的情况，对处理后的CT图像进行阈值分割。在实验室利用压汞仪对高度16 mm，直径9.0 mm的圆柱煤样进行孔隙率的测定，测定结果显示该煤样的孔隙率为21.85%。

在已知实测孔隙率的情况下，通过高分辨率的CT灰度图像以及三维可视化软件AVIZO实现了人机交互的阈值选取。为保证实测煤样与三维重建煤样的一致性，使实测与模拟的孔隙率在对比分析时更有说服力，因此选用原始的未裁剪的CT图片，将其进行图像处理之后，用于孔隙率的计算。调整阈值大小对图像进行分割的过程中，通过视图窗口可以实时观察到孔裂隙的分割结果，不同的阈值对应不同的孔裂隙的分割结果。

通过反复的对阈值大小进行调整，最终确定使用范围为183～192的阈值进行分割。利用AVIZO可直接计算不同阈值下的煤孔裂隙对应的孔隙率，分别将不同阈值下得到孔隙率与实测孔隙率进行对比分析，结果显示阈值取在183～192时，不同的阈值对应的孔隙率呈现递增的趋势，并且当阈值取190时对应的孔隙率与实测孔隙率最接近，因此选择190为最佳分割阈值对图像进行分割。图2为分割前的灰度图片和最佳阈值的分割后的二值化图片，图2(b)中圆形区域内的白色代表孔裂隙结构，圆形区域内黑色代表煤及高密度矿物。

图2 阈值分割Fig.2 Threshold segmentation

1.5 CT三维重建

通过二维的CT图像只能了解某个截面的孔裂隙的情况，很难对煤样内部整体的孔裂隙结构进行表征和分析，因此需要利用CT图像对煤样的孔裂隙结构进行三维重建。

阈值分割完成后，采用基于拓扑理论的快速分水岭算法来获得连通孔隙的分水岭线，其基本原理是把图像看作地学上的拓扑地貌，不同的像素点的灰度值用不同的海拔高度表示，局部极小值及其影响范围称为集水盆地，集水盆地的边界就形成了分水岭。通过分水岭算法每个孔隙都能独立区分开来，再经循环颜色光照模型的渲染，相当于每个孔隙都贴上了独有的标签，可以很方便地提取对应的孔裂隙结构以进行定量分析[24]，建立的三维孔裂隙结构如图3(a)所示，不同的颜色代表不同的孔径大小，通过该模型可以清楚的看出不同孔径大小孔裂隙的分布情况。

将得到的孔裂隙二值图像直接进行体渲染，建立孔隙空间的几何模型，该模型上半部分为提取煤样的孔裂隙三维模型，下半部分为煤和孔裂隙结合的模型。该方法所建立的孔隙结构数字模型如图3(b)所示，绿色代表煤及高密度矿物结构，紫色代表孔裂隙结构，通过该模型可以更加清楚的看出孔裂隙在煤层中的分布情况。

图3 三维煤体孔裂隙结构Fig.3 Pores and fissures structure of three-dimensional coal

2 煤孔裂隙结构的定性分析与表征

2.1 煤基质孔隙的宏观定性表征

煤层中的煤层气储集层，它是一种双孔隙岩石，由基质孔隙和裂隙组成，基质孔隙主要影响煤层气的赋存，煤基质孔隙结构的表征对解决煤层气勘探开发和煤与瓦斯突出等实际问题具有重要的意义。

通过对二维的切片进行灰度值探测，可以得到切片上某一条线上的灰度值的变化曲线，如图4所示。在CT扫描的图像中，不同密度的对象表现为不同的灰度值，在煤样的CT图像中，其灰度共包含256个级别，0为全黑的，代表孔隙;255为全白，代表高密度的矿物质，煤的灰度值则介于两者之间，表现为灰色。

图4 探测线上的灰度值大小Fig.4 Gray values on the probe line

由图4可以看出，探测线在经过灰色区域时，灰度值曲线有略微波动但基本保持不变;当探测线经过白色的高密度矿物质I处时，在灰度值曲线上会呈现出波峰的特征，灰度值达到最大值;当探测线穿过孔隙II处时，灰度值会有明显的降低，呈现出波谷的特征，并且当探测线到达II点时孔隙非常明显，同时波谷的灰度值也达到了最低。

从三维的层面上观察，孔隙总体分布比较分散，在局部区域存在连片状的孔隙，个别区域有少量的孤立孔隙均匀的分布，该煤样中兼有多种形式和不同尺度的孤立孔隙结构，裂隙连片状分布比较集中。

2.2 煤裂隙结构的定性表征

裂隙对煤层气的运移和产出起决定作用，宏观裂隙是瓦斯运移的通道，它的分布状态直接反映了煤样的透气性，决定着瓦斯的渗透特性。

由图5的煤样内部裂隙三维重建模型中可以直观的得到，该煤样的裂隙呈现出大体相互垂直的状态，发育较好，并且从其裂隙的分布状态上可以看出该煤样的裂隙属于割理，即内生裂隙，是煤中天然存在的裂隙。

图5 裂隙表征Fig.5 Fissures characterization

如图5所示，近似相互垂直的裂隙分别为面割理和端割理又称为主内生裂隙面和次内生裂隙面，面割理一般延伸较远、连续性较强，延深方向为最大主应力场方向，端割理一般在面割理之间断续的分布延深方向则沿着最小主应力场方向，三维重建的煤样中的两组割理大体相互垂直并且形成了规则的网状结构，这些网状结构把煤样分割成立方体块，煤样中所有的割理面垂直或近似垂直层理面。通过以上直观的对裂隙的分析，可以大体了解煤样中裂隙的类型以及分布，为煤层中瓦斯渗流等方面的研究奠定了基础。

通过对重建出的煤样三维孔裂隙模型进行观察，直观的了解孔裂隙的分布状况，并对煤样的三维孔裂隙结构做了定性分析，但要对孔裂隙结构进行更深一步的研究需要对其结构的微观参数进行定量的计算和分析。

3 煤孔裂隙结构微观参数定量分析

3.1 煤大孔径分布分析

由于成煤原因、环境及成煤过程不同，从而形成了形态和大小各异的孔隙结构，通过煤的孔径分布及分类了解煤的孔隙结构，对研究煤层气在煤层中的吸附、解吸、扩散和渗流规律具有指导作用。笔者通过CT重建出的三维孔裂隙结构，对不同大小的孔裂隙结构进行标记，进行孔径的定量分析，研究中假定每个孔隙位置为一个与其体积相等的球体，通过式(1)计算得到等效孔径大小。

其中，Deq为等效孔径，μm;Vpore为单个孔隙体积，μm3。通过AVIZO统计得到的孔径数据，得出该煤样的孔径分布特征，孔径大小在0～1 500 μm的数量占总孔径数量的56.6%，在1 600～3 000 μm内的孔径数量占总孔径数量的38.1%，大于3 000 μm的孔径数量占总孔径数量的5.3%。

3.2 煤裂隙的定量分析

利用CT扫描实验结合三维重建软件对煤样的裂隙结构单独提取出来，进行精细的定量分析，并根据裂隙的宽度(W)以及裂隙的长度(L)将其划分为4种类型。A型：W>5 μm且L>10 mm;B型：W>5 μm且1 mm≤L≤10 mm;C型：W<5 μm且300 μm

从重建的三维孔裂隙结构中提取出单独的裂隙结构，如图6(a)中的提取裂隙结构，并通过AVIZO对其进行定量的分析，按照上述的分类方法该裂隙属于B型裂隙。

图6 煤样三维孔裂隙模型Fig.6 Three-dimensional pores and fissures model of coal

后续利用上述的分类及定量分析的方法对该整个煤样的裂隙进行系统的分析，分析结果得到该煤样中A型裂隙较少;B型裂隙占21%，对煤层气的扩散和运移有一定的影响作用;C型裂隙占30%，在煤中起到了沟通孔隙的作用，对煤层气的渗流产生重要影响;D型裂隙占主要部分，起到了沟通基质孔隙和割理的作用。从整体上看，该煤样的连通性较好，有利于煤层气的开发和利用。

3.3 煤样的孔隙率

煤的孔隙率是衡量煤孔裂隙结构发育程度的关键因素，也是决定煤的吸附、渗透和强度性能的重要指标[26]。煤中的瓦斯要经过各级孔隙和裂隙进行产出和运移，因此孔裂隙的发育程度以及孔隙和裂隙各自占的比例都会影响煤层气在煤层中的渗透作用。通过AVIZO对三维重建后的孔裂隙模型进行孔隙率的定量分析，得到孔裂隙的体积以及煤样的总体积，进而由孔隙率的计算公式得到煤样的总孔隙率为22.14%。经过形态学差异对孔隙裂隙结构进行区分，分别提取孔隙、裂隙结构如图6(b)，(c)所示，对提取的孔隙裂隙结构分别进行定量的分析，得到裂隙结构对孔隙率的贡献度为81.62%，孔隙结构对孔隙率的贡献度为18.38%。

上述所计算的是总孔隙率，而有效孔隙才是流体真正的流动空间，有效孔隙指的是煤中具有连通性的孔隙，其对煤层气的渗透起决定作用。有效孔隙率对于评价煤储层孔渗的优劣起到重要的作用。通过AVIZO能够实现对煤样的连通孔隙的检测，提取出的连通孔隙如图7所示，统计出连通孔隙的总体积，其与煤样总体积的比值为有效孔隙率，最终得到的有效孔隙率为10.34%。

图7 有效连通孔隙三维示意Fig.7 Diagram of three-dimensional effective connected porosity

3.4 等价孔隙网络模型

CT三维重建的煤样孔裂隙结构模型能够真实直观的反映出煤样内部孔裂隙的形态特征和空间分布，但用该模型进行后续的模拟，如在单相流或多相流的流动模拟中就会出现计算量十分庞大的问题，影响最终结果的获取。笔者以CT重建的三维煤孔裂隙结构为基础，在AVIZO运用中轴线算法建立了一种简化的具有拓扑结构的孔隙网络模型，模型有效包含了孔隙的几何特征，并具有与三维煤的孔裂隙等价的拓扑结构，模型如图8(a)所示，该模型不仅能解决模拟过程中出现的计算量过大的问题，而且通过该模型可以统计出喉道长度以及配位数等参数，对研究煤体的连通性具有重要意义。将孔隙网络模型中的孔隙和喉道分别提取出来得到如图8(b),(c)所示，由图8(b),(c)可以更加清晰的看出孔隙和喉道的分布。

图8 孔隙网络模型Fig.8 Pore network model

通过孔隙网络模型，借助于Hudong等[27]开发的最大球算法，对煤样孔裂隙结构特征参数进行定量的统计，孔隙数目为12 834，喉道数目为432，具体微观参数的统计结果见表3，该参数为研究煤层气的渗流将起到一定的参考作用。

表3孔隙网络模型定量参数统计
Table3Quantitativeparametersstatisticaltableofporenetworkmodel

参数孔隙半径/μm孔隙体积/μm3喉道半径/μm喉道长度/μm配位数最大值87198278×1096938435121747最小值1121164×103132310650平均值1722185×10665421097630067

4 结 论

(1)从定性的角度对煤样进行分析，内蒙古巴彦高勒煤矿的煤样具有孔隙裂隙双重介质结构，孔隙总体分布比较分散，在局部区域连片状的孔隙，个别区域有少量的孤立孔隙均匀的分布，裂隙以割理裂隙为主，裂隙发育较好，面割理和端割理近似相互垂直，成网状结构分布。

(2)从定量的角度对煤样进行分析，内蒙古巴彦高勒煤矿的煤样以大孔为主，孔径大小在0～1 500 μm范围内的居多，裂隙分为4种类型，以D型裂隙为主，整体连通性较好，总孔隙率和有效孔隙率分别为22.14%和10.34%，建立了孔隙网络模型从而更清楚的观察到孔隙、喉道的分布情况，统计了喉道长度等孔裂隙的特征参数。

(3)从CT三维重建的角度出发，利用CT技术得到的高精度CT图像结合先进的三维可视化及分析软件AVIZO建立了三维煤孔裂隙结构。随着计算机技术的发展以及CT技术的广泛使用，CT三维重建将对煤内部微观孔裂隙结构的研究产生深远的影响。

[1] 刘正.低渗透煤层微观孔隙结构研究及应用[D].西安:西安科技大学,2013:11-12. LIU Zheng.Research and application of the microscopic pore structure characteristics of low permeability coal seam[D].Xi’an:Xi’an University of Science and Technology,2013:11-12.

[2] 孟巧荣,赵阳升,胡耀青,等.焦煤孔隙结构形态的实验研究[J].煤炭学报,2011,36(3):487-490. MENG Qiaorong,ZHAO Yangsheng,HU Yaoqing,et al.Experimental study on pore structure and pore shape of coking coal[J].Journal of China Coal Society,2011,36(3):487-490.

[3] YAO Y,LIU D,TANG D,et al.Fractal characterization of seepage-pores of coals from China:an investigation on permeability of coals[J].Computers & Geosciences,2009,35(6):1159-1166.

[4] LI H Y,OGAWA Y,SHIMADA S.Mechanism of methane flow through sheared coals and its role on methane recovery[J].Fuel,2003,82:1271-1279.

[5] 降文萍,宋孝忠,钟玲文.基于低温液氮实验的不同煤体结构煤的孔隙特征及其对瓦斯突出影响[J].煤炭学报,2011,36(4):609-614. JIANG Wenping,SONG Xiaozhong,ZHONG Lingwen.Research on the pore properties of different coal body structure coals and the effects on gas outburst based on the low-temperature nitrogen adsorption method[J].Journal of China Coal Society,2011,36(4):609-614.

[6] 张慧.煤孔隙的成因类型及其研究[J].煤炭学报,2001,26(1):40-44. ZHANG Hui.Genetical type of pores in coal reservoir and its research significance[J].Journal of China Coal Society,2001,26(1):40-44.

[7] 邹俊鹏,陈卫忠,杨典森,等.基于SEM的珲春低阶煤微观结构特征研究[J].岩石力学与工程学报,2016,35(9):1805-1814. ZOU Junpeng,CHEN Weizhong,YANG Diansen,et al.The research of microstructure characteristics of Hunchun low-rank coal based on SEM[J].Chinese Journal of Rock Mechanics and Engineering,2016,35(9):1805-1814.

[8] 姚艳斌,刘大锰,黄文辉,等.两淮煤田煤储层孔-裂隙系统与煤层气产出性能研究[J].煤炭学报,2006,31(2):163-168. YAO Yanbin,LIU Dameng,HUANG Wenhui,et al.Research on the pore fractures system properties of coalbed methane reservoirs and recovery in Huainan and Huaibei coal-fields[J].Journal of China Coal Society,2006,31(2):163-168.

[9] 曹涛涛,宋之光,罗厚勇,等.煤、油页岩和页岩微观孔隙差异及其储集机理[J].天然气地球科学,2015,26(11):2208-2218. CAO Taotao,SONG Zhiguang,LUO Houyong,et al.Microscopic pore difference and reservoir mechanism of coal,oil shale and shale[J].Natural Gas Geoscience,2015,26(11):2208-2218.

[10] SIMONS F J,VERHELST F,SWENNEN R.Quantitative characterization of coal by means of microfocal X-ray computed microtomography(CMT) and color image analysis(CIA)[J].International Journal of Coal Geology,1997,34:69-88.

[11] VAN GEET M,SWENNEN R,WEVERS M.Quantitative analysis of reservoir rocks by microfocus X-ray computerised tomography[J].Sedimentary Geology,2000,132(1):25-36.

[12] YAO Y,LIU D,CHE Y,et al.Non-destructive characterization of coal samples from China using microfocus X-ray computed tomography[J].International Journal of Coal Geology,2009,80(2):113-123.

[13] YAO Y,LIU D,CAI Y,et al.Advanced characterization of pores and fractures in coals bynuclear magnetic resonance and X-ray computed tomography[J].Science China Earth Sciences,2010,53(6):854-862.

[14] 于艳梅,胡耀青,梁卫国,等.应用CT技术研究瘦煤在不同温度下孔隙变化特征[J].地球物理学报,2012,55(2):637-644. YU Yanmei,HU Yaoqing,LIANG Weiguo,et al.Study on pore characteristics of lean coal at different temperature by CT technology[J].Chinese J.Geophys.,2012,55(2):637-644.

[15] HERIAWAN M N,KOIKE K.Coal quality related to microfractures identified by CT image analysis[J].International Journal of Coal Geology,2015,140:97-110.

[16] 宋晓夏,唐跃刚,李伟,等.基于显微 CT 的构造煤渗流孔精细表征[J].煤炭学报,2013,38(3):435-440. SONG Xiaoxia,TANG Yuegang,LI Wei,et al.Advanced characterization of seepage pores in deformed coals based on micro-CT[J].Journal of China Coal Society,2013,38(3):435-440.

[17] LEE S,JOU H T,VAN Riessen A,et al.Three-dimensional quantification of pore structure in coal ash-based geopolymer using conventional electron tomography[J].Construction and Building Materials,2014,52:221-226.

[18] 刘向君,朱洪林,梁利喜.基于微CT技术的砂岩数字岩石物理实验[J].地球物理学报,2014,57(4):1133-1140. LIU Xiangjun,ZHU Honglin,LIANG Lixi.Digital rock physics of sandstone based on micro-CT technology[J].Chinese J.Geophys.,57(4):1133-1140.

[19] WANG G,CHU X,YANG X.Numerical simulation of gas flow in artificial fracture coal by three-dimensional reconstruction based on computed tomography[J].Journal of Natural Gas Science and Engineering,2016,34:823-831.

[20] 王刚,杨鑫祥,张孝强,等.基于DTM阈值分割法的孔裂隙煤岩体瓦斯渗流数值模拟[J].岩石力学与工程学报,2016,35(1):119-129. WANG Gang,YANG Xinxiang,ZHANG Xiaoqiang,et al.Numerical simulation of gas seepage in pore sand fissures of coal rock mass based on the DTM threshold segmentation method[J].Chinese Journal of Rock Mechanics and Engineering,2016,35(1):119-129.

[21] 李惠芬,蒋向前,李柱.高斯滤波稳健性能的研究与改进[J].仪器仪表学报,2004,25(5):633-637. LI Huifen,JIANG Xiangqian,LI Zhu.Study and improvement of robustness of gaussian filter[J].Acta Automatica Sinica,2004,25(5):633-637.

[22] 潘梅森,肖政宏.用于图像处理的自适应均值滤波算法[J].微计算机信息,2006(11X):309-311. PAN Meisen,XIAO Zhenghong.An adaptive mean filter algorithm for image processing[J].Microcomputer Information,2006(11X):309-311.

[23] 赵高长,张磊,武风波.改进的中值滤波算法在图像去噪中的应用[J].应用光学,2011,32(4):678-682. ZHAO Gaochang,ZHANG Lei,WU Fengbo.Application of improved median filtering algorithm to image de-noising[J].Journal of Applied Optics,2011,32(4):678-682.

[24] 朱洪林.低渗砂岩储层孔隙结构表征及应用研究[D].成都：西南石油大学,2014. ZHU Honglin.Pore structure characterization of flow permeability sandstone reservoir and application[D].Chengdu:Southwest Petroleum University,2014:25-32.

[25] 陈贞龙,王运海,王宁,等.延川南地区煤储层孔裂隙特征研究[J].油气藏评价与开发,2013,3(3):67-71. CHEN Zhenlong,WANG Yunhai,WANG Ning,et al.Research on the pore-fracture properties of coal reservoirs in South Yanchuan region[J].Reservoir Evaluation and Development,2013,3(3):67-71.

[26] 陶云奇,许江,彭守建,等.含瓦斯煤孔隙率和有效应力影响因素试验研究[J].岩土力学,2010,31(11):3417-3422. TAO Yunqi,XU Jiang,PENG Shoujian,et al.Experimental study of of influencing factor of porosity and effective stress of gas-filled coal[J].Rock and Soil Mechanics,2010,31(11):3417-3422.

[27] DONG H.Micro-CT imaging and pore network extraction[D].London:Imperial College,2007.

Characterizationandanalysisofporesandfissuresofhigh-rankcoalbasedonCTthree-dimensionalreconstruction

WANG Gang1,2，SHEN Junnan2，CHU Xiangyu2，CAO Chunjie3，JIANG Chenghao2，ZHOU Xiaohua2

(1.StateKeyLaboratoryofMiningDisasterPreventionandControlCo-foundedbyShandongProvinceandtheMinistryofScienceandTechnology，ShandongUniversityofScienceandTechnology，Qingdao266590，China; 2.CollegeofMiningandSafetyEngineering，ShandongUniversityofScienceandTechnology，Qingdao266590，China; 3.CarlZeiss(Shanghai)Co.，Ltd.，Shanghai200120，China)

To effectively study the characteristics of coal pore and fissures,the pore and fissures of coal were characterized by qualitative and quantitative characterization and analysis.The coal sample of 311102 working face in Bayangaole Colliery of Inner Mongolia was studied.Based on the IEISS Xradia 510 X-ray microscope Get the CT data.The mathematical algorithm was embedded in the three-dimensional visualization software AVIZO.The study proposed the methods of quantitative characterization of pore and fissure and set up a three-dimensional model of pore and fissure of coal and a pore network model with topology structure.The coal sample microscopic parameter of pore and fissures includes pore size,pore volume,porosity,coordination number and length of throat.The results show that under the micron scale the coal samples of Bayangaole Colliery are mainly in macroporous and have a cleat network.Its effective porosity is 10.34%.The number of pores is 12 834,and the number of throats is 432.These are calculated by the pore network model.

high-rank coal;CT;three-dimensional reconstruction;pore and fissure;characterization

10.13225/j.cnki.jccs.2016.1764

TU45

:A

:0253-9993(2017)08-2074-07

国家重点研发计划资助项目(2017YFC0805201);国家自然科学基金资助项目(51674158);山东科技大学杰出青年科技人才支持计划资助项目(2015JQJH105)

王 刚(1984—)，男，山东临沂人，副教授，博士。E-mail：gang.wang@sdust.edu.cn

王刚，沈俊男，褚翔宇，等.基于CT三维重建的高阶煤孔裂隙结构综合表征和分析[J].煤炭学报,2017,42(8):2074-2080.

WANG Gang，SHEN Junnan，CHU Xiangyu,et al.Characterization and analysis of pores and fissures of high-rank coal based on CT three-dimensional reconstruction[J].Journal of China Coal Society,2017,42(8):2074-2080.doi:10.13225/j.cnki.jccs.2016.1764