特厚煤层综放煤-矸-岩放落流动的时序规律及识别方法

刘长友，张宁波，郭凤岐，安 森，陈宝宝

(1. 中国矿业大学 矿业工程学院，江苏 徐州 221116; 2. 中国矿业大学 深部煤炭资源开采教育部重点实验室，江苏 徐州 221116; 3. 安徽理工大学 深部煤矿采动响应与灾害防控国家重点实验室，安徽 淮南 232001)

我国在《十三五规划纲要》等政策中均提出要求加快推进煤炭无人开采等关键技术。近年来，矿井安全和煤炭开采成本的竞争机制等因素均促使煤炭行业加快融合先进的生产理念与技术，促进生产方式革新，而煤炭的高效智能化开采正是这一形势下的必然选择。

综采放顶煤技术是我国特厚煤层安全高效开采的主要技术之一,目前，综放开采技术已在我国大多数特厚煤层工作面应用，并取得了理论与关键技术的突破与发展。但综放开采的放顶煤工序仍然依靠人工按照“见矸关窗”的原则来进行控制，具有很大的人为性，放煤过程中过放和欠放的情况导致资源浪费和影响煤质的情况很难避免。而且综放工作面放顶煤支架数量多，放煤工序工作环境差，人工控制放煤口的劳动强度大、工作效率低。

近年来，煤矿智能化得到了快速发展，以智能化综采为技术核心，提升了煤矿的智能化水平，为煤炭工业高质量发展提供了技术支撑。智能化综采技术的发展，推动了综放智能化技术研究的不断深入。由于煤矸识别是实现自动化放煤和综放智能化开采的技术关键，加之在解决这一技术瓶颈上的难度，国内有关专家、学者和科研机构为此开展了大量的研究工作，取得了可喜的进展。中国矿业大学(北京)提出了采用顶煤跟踪仪对顶煤的运移进行跟踪并结合煤矸图像识别实现自动化放煤，山东工商学院等提出了利用煤和矸石图像数字特征来实现自动放顶煤，山东科技大学等提出了利用声音和尾梁震动信号煤矸识别法来控制放煤口的动作，河南理工大学提出了微波加热-红外探测的主动式煤矸识别方法，华北科技学院等提出了利用震动信号煤矸识别法来控制放煤口的动作，北京天地玛珂电液控制系统有限公司申请了煤岩界面识别处理器及识别方法的专利，对相关设备进行了研发，并在白洞煤矿等放顶煤工作面进行了试验。山东大学开展了基于视觉技术、声波信号小波包变换以及自然γ射线等多种方法的煤矸识别研究，中国矿业大学开展了基于声波的放顶煤过程自动控制系统的研究。综上可见，关于综放开采煤矸的自动识别问题有关专家采用了多种方法和技术手段开展了深入研究，有些成果已进入现场试验和应用阶段。但煤层厚度的不稳定性和放煤空间存在的粉尘、降尘水雾、明暗度、空间噪声等复杂环境给煤矸识别的准确性和可靠度带来了很大难度，这也是有关专家学者持续开展此项研究的原因。10多年来，笔者陆续开展了采用近红外射线、双能γ射线以及自然γ射线进行煤矸识别的研究，在分析比较其可靠度和可行性的基础上，提出了基于低水平辐射自然γ射线煤矸识别的方法，开展了有关理论与试验研究，并在李楼煤矿进行了现场测试分析。

笔者现有的研究工作主要是针对不含夹矸的简单结构煤层综放开采顶煤放落过程中的煤矸识别研究，但我国特厚煤层普遍具有含多层夹矸的复杂结构特征，夹矸的存在使得工作面在顶煤放落过程中，放煤口流出混合体将呈现顶煤-夹矸(煤-矸)、顶煤-顶板岩石(煤-岩)和顶煤-夹矸-顶板岩石(煤-矸-岩)3种混合状态，若不对复杂结构煤层综放流场中混入顶煤中的矸石来源进行有效区分，则会出现当夹矸由放煤口随顶煤放出时，因夹矸被误判为顶板岩石而关闭放煤口的情况，进而造成顶煤资源损失。因此，复杂结构厚煤层综放开采煤矸自动识别的关键不仅要能够识别流入放煤口的煤矸混合流中的混矸率，还需要识别判断从放煤口放出的矸石是属于夹矸层还是顶板岩层，即解决含多层夹矸复杂结构特厚煤层综放开采流场中煤-矸-岩的自动识别问题，以确保探测识别的准确度，为综放开采基于自然γ射线的煤矸自动识别提供理论依据。

1 特厚煤层夹矸的赋存特点及自然辐射特性

我国特厚煤层赋存普遍具有含多层夹矸的复杂结构特征，但夹矸的层数、层位、间距、厚度等参数是随机且复杂的。而且夹矸的岩性多为泥岩类，其自然γ射线辐射特性与直接顶岩层相同，因此，为研究顶煤放落过程中煤-矸-岩的时序规律和辐射特征，需要了解夹矸的赋存特征，测试分析特厚煤层中顶煤、夹矸、顶板岩石所含放射性核素类型、含量、辐射强度等参数，确定其辐射特性和差异化特征，为复杂结构特厚煤层煤矸自动识别奠定基础。

1.1 典型矿区特厚煤层夹矸的赋存分布特征

统计了大同矿区塔山矿、大同矿区同忻矿、西山矿区斜沟矿、伊泰矿区酸刺沟矿、兖州矿区东滩矿、平朔矿区3号井，5个典型综放开采矿区6个特厚煤层中夹矸的赋存情况，结果如图1、表1所示。图1中数据均为夹矸/煤层的厚度(m)。

图1 特厚煤层夹矸赋存情况Fig.1 Occurrence of gangue in extra thick coal seam

表1 特厚煤层夹矸及直接顶的赋存岩性

特厚煤层中夹矸赋存的层位、厚度、层数、间距见表2。

表2 夹矸在特厚煤层中的赋存层数分布

由表2可知，特厚煤层中夹矸赋存层数多则可达到20层。大同矿区特厚煤层结构复杂，一般含8～10层夹矸。

统计结果表明，特厚煤层中夹矸岩性主要是以含炭质、高岭质和砂质的泥岩为主，个别为粉砂岩。直接顶岩性和夹矸的岩性基本相同。图2为夹矸的厚度、层位及间距分布。

图2 特厚煤层中夹矸的分布Fig.2 Distribution of gangue in extra thick coal seam

由图2(a)夹矸厚度的分布可知，夹矸赋存厚度在0.2～0.4 m的有19组，占总数的73%；夹矸赋存厚度在0.4～0.6 m的有3组，占总数的11.5%；赋存厚度在0.6 m以上的仅有2组，厚度小于0.2 m的也仅有2组。综上，特厚煤层中夹矸赋存厚度主要集中在0.2～0.6 m。

由图2(b)夹矸赋存层位分布可知，夹矸赋存层位置在6～8,8～10 m的各有6组；在4～6 m的有4组，10～12 m的有5组，而大于12 m的仅有5组。可见，夹矸赋存层位主要分布在4～12 m。

由图2(c)夹矸赋存间距的分布可知，夹矸赋存间距在0.5～1.0 m的有9组，1.5～2.0 m的有6组；夹矸赋存间距在2～4 m的有6组，在0.5～4.0 m的23组，占总数的95.8%。可见，特厚煤层中夹矸赋存间距主要在0.5～4.0 m。

1.2 夹矸及直接顶放射性辐射特征

为了分析煤层中夹矸和直接顶岩层的放射性辐射特征，选取大同矿区塔山煤矿3～5号煤层三盘区8303工作面条件进行取样分析。在8303工作面运输巷距工作面1 000 m处进行钻孔取心，钻孔深度30 m，角度40°，钻孔孔口离地高度1.5 m，取样钻孔及煤岩样如图3所示。

图3 取样钻孔布置及煤岩样Fig.3 Sampling borehole layout and samples of coal and rock

对所取高岭质泥岩、砂质泥岩、炭质泥岩、煌斑岩样中的铀、钍、钾核素含量和放射性强度进行检测，结果见表3。

天然沉积的砂质泥岩、炭质泥岩、高岭质泥岩、煌斑岩中均存在铀、钍、钾等元素，但具有放射性的仅为镭-226(铀系)、钍-232和钾-40。对照表3中4种岩样的照射指数和放射性元素的含量可知，炭质泥岩的放射性强度最大、其次为砂质泥岩与高岭质泥岩，煌斑岩的放射性强度相对最小。由前期对煤的放射性强度检测结果表明，煤的放射性强度远低于岩石，且同类岩石，放射性核素含量相近。因此，当夹矸与直接顶岩性相同时，其放射性强度相近。

表3 直接顶及夹矸放射性检测结果

2 特厚煤层煤-矸-岩放落流动的时序规律

采用煤矸散体放落试验系统对特厚煤层煤-矸-岩放落流动的时序规律进行模拟。物理相似模型依据典型矿区特厚煤层夹矸的赋存分布特征进行设计。模型从下到上共设计5层夹矸，分别为G1(黄)、G2(绿)、G3(红)、G4(青)、G5(粉)。模型几何相似比为1∶10，总高度19 m，模拟19 m煤岩层，其中采高3.6 m，顶煤(含夹矸)共11.2 m，直接顶岩层4.2 m。夹矸赋存间距选择0.5,1.0,2.0,3.0 m。夹矸赋存厚度选择0.2,0.4,0.6,1.0 m。根据塔山煤矿8303工作面作业规程，工作面液压支架型号为ZF15000/27.5/42，宽度为1.75 m，确定模型液压支架宽度为17.5 cm。相似模型试验方案如图4所示。

图4 相似模型试验方案Fig.4 Similar model scheme diagram

2.1 正常放煤期间煤-矸-岩放落流动的时序规律

正常放煤期间主要是指在初次放顶后，顶煤处于正规循环放煤期间。顶煤的放出过程可分为2个阶段:① 移架过程中支架后上方顶煤的下落过程；② 顶煤的放出流动过程。

移架过程中，由于放煤支架的前移，改变了煤矸与支架放煤口的相对位置。移架后，支架上方及斜后上方的煤矸向下前方运动，填补了支架原先占有的空间。与此同时，移架前各层夹矸流动迹线位于支架放煤口上方，且按赋存层位的高低依次排列。移架后，各层夹矸流动迹线则落在了放煤口后方，且曲率减小，但各层夹矸流动迹线依然按其赋存层位排列。可见移架不改变各层夹矸间的相对位序，如图5(a)，(b)所示。

图5 正常放煤阶段的顶煤放出过程Fig.5 Top coal discharge process in normal coal discharge stage

由图5(b)可知，正常放煤阶段在移架后放煤前，各层夹矸呈向下的弧形分布于放煤口后上方，且按赋存层位的高低依次排列，夹矸赋存层位越低，其流动迹线距离支架放煤口越近。由于煤矸在运移过程中的运移断面不断收缩，各层夹矸流动迹线距离放煤口越近，夹矸流动迹线间的距离越小。由图5(c)放煤过程可知，各夹矸层流动迹线从放煤口后方进入并随着放煤的进行不断向支架尾梁方向前移，此过程中夹矸持续放出，且夹矸流动迹线间的相对位置顺序不发生改变。当直接顶岩石进入放煤口后，放煤口关闭，各层夹矸流动迹线停止前移。由图5(d)放煤结束后可知，各层夹矸流动迹线停留在支架放煤口上方。

各层夹矸进入放煤口的时间及放落持续时间如图6所示。

图6 各层夹矸进入放煤口的时间Fig.6 Gangue in each layer entering the top-coal caving hole during normal coal caving

由图6可知，G1(黄)和G2(绿)在放煤口打开后同时进入放煤口、G3(红)在放煤口打开4 s后进入放煤口、G4(青)在放煤口打开13 s后进入放煤口、G5(粉)在放煤口打开26 s后进入放煤口，最后直接顶岩石于放煤口打开38 s后进入放煤口。由此可知，正常放煤期间，G1与G2在放煤口打开后同时进入放煤口，而其余各层夹矸则按时间先后顺序进入放煤口，这主要是下位的G1,G2夹矸距离支架近，收敛程度大，其流动迹线距离放煤口最近，因此放煤口打开后，其随顶煤瞬时混入，使得煤-矸、矸-矸之间都无时间上的先后顺序，即呈无时序特征，而其后的几层夹矸与直接顶由于赋存层位高、间距大，其进入放煤口具有时间上的先后顺序，即有时序特征。因此，当顶煤中的夹矸赋存层位较低、间距较小时，进入放煤口的煤-矸-岩在时序上会呈现出煤矸混合-煤-矸-煤-矸-岩的先后顺序，即放煤过程中煤-矸-岩会出现混放和渐次放出同时存在的时序特征。

2.2 夹矸赋存参数对煤-矸-岩放落流动时序的影响

夹矸放落的流动迹线是夹矸运移过程的形态体现。顶煤放落过程中，夹矸进入放煤口的时间与煤矸放落的流畅度有关，而夹矸进入放煤口的时序则与其在顶煤中的分布有关，主要受夹矸赋存层位、间距、厚度及放煤步距的影响。

..夹矸赋存层位对其放落时序的影响

夹矸进入放煤口是否具有时序特征取决于夹矸的赋存层位与夹矸间距。由图5，6的试验结果可知，夹矸赋存层位越高，其流动迹线的分布距离放煤口越远。当顶煤中部分夹矸赋存层位较低时，其流动迹线的分布距离放煤口较近，放煤口打开后其随顶煤瞬时混入，煤-矸、矸-矸之间无时序特征；当夹矸赋存层位达到一定高度时，由于其流动迹线距离放煤口较远，其在放煤口打开一段时间后才进入，与先进入放煤口的夹矸存在一定的时间差，使得夹矸的放出具有时序特征。因此，存在一个夹矸层位，当夹矸位于该层位之下时，进入放煤口的煤-矸、矸-矸之间无时序特征，将该层位之下的范围为无时序区；当夹矸位于该层位之上时，进入放煤口的煤-矸、矸-矸之间有时序特征，称该层位之上的范围为有时序区。

正常放煤阶段，夹矸从放煤口后方进入，其进入放煤口的时间随着赋存层位的不同而不同。以夹矸在顶煤中的赋存层位为，进入放煤口时间为，得出夹矸在顶煤中赋存层位与其进入放煤口时间的关系如图7所示。

图7 正常放煤期间夹矸层位h与放出时间t的关系Fig.7 Relationship between h and t during normal caving

由图7可知，正常放煤阶段夹矸在顶煤中的赋存层位与其进入放煤口的时间呈二次函数增长。即夹矸赋存层位越高，其进入放煤口的时间间隔越大。运用回归分析，得出夹矸在顶煤中的赋存层位与其进入放煤口时间的回归公式为

=0.171 9+1.740 2-2.648 4

(1)

以夹矸进入放煤口的时间为1 s时所对应的赋存层位作为有时序区和无时序区的分界，由回归公式可知，该分界层位为1.8 m，即在正常放煤阶段，有时序区和无时序区的分界层位为支架顶梁上方1.8 m处。

夹矸赋存层位对其放落时序的影响表现为当夹矸处在无时序区时，其进入放煤口呈现混放特征；当夹矸处在有时序区时，其进入放煤口呈现渐次放出特征。

..夹矸赋存间距对其放落时序的影响

放顶煤过程中，若夹矸放出有时序特征，则顶煤中各层夹矸从下到上依次进入放煤口，夹矸之间间距不同，其进入放煤口的时间间隔不同。由于2夹矸进入放煤口的间隔时间不仅与其赋存间距有关，还与其赋存层位有关，相同间距的2层夹矸位于不同层位时，进入放煤口的时间间隔是不同的，此处引入2层夹矸间间距与上层夹矸层位之比Δ和2层夹矸进入放煤口的时间差Δ的关系来说明夹矸赋存间距对其放落时序的影响。如比较G2与G1之间间距与其进入放煤口时间差的关系则用Δ=(-)/与Δ=-来表达，依次类推。

正常放煤阶段，以G1为基准，统计其与G2,G3,G4,G5和直接顶之间的Δ及进入放煤口的时间差Δ的关系如图8所示。

图8 正常放煤期间Δt与Δh的关系Fig.8 Relationship between Δt and Δh during normal caving

由图8可知，正常放煤阶段2层夹矸进入放煤口的时间差Δ与Δ呈指数增长关系。即随着Δ的增加，2层夹矸进入放煤口的时间差Δ逐渐增加，具体表现为夹矸间的间距越大，其进入放煤口的时间差越大。因此，当夹矸间的赋存间距较小时，其进入放煤口的时间差较小，所体现的时序特征不明显；而当夹矸间的赋存间距大时，其进入放煤口的时间差也大，进入放煤口的夹矸能体现出明显的时序特征。

..夹矸赋存厚度对其放落时序的影响

夹矸赋存厚度不同，其破断特征也不同。放顶煤工艺开采中，当顶煤中夹矸层的赋存厚度<0.3 m时，其多呈片状和板状垮落，对顶煤的冒放性影响不大，此时夹矸的厚度对其放落时序无影响，夹矸间仍按照从下到上的顺序依次进入放煤口。但当顶煤中夹矸层的赋存厚度>0.4 m时，其多呈大块状垮落，且垮落后容易造成放煤口的堵塞，致使其上顶煤、夹矸、直接顶放出受阻，另外，顶煤中的厚层夹矸会以悬臂的形式支托上部顶煤，以至于上部顶煤、直接顶无法及时垮落从而遗留在采空区，此时该层夹矸下方的煤-矸、矸-矸会具有时序特征。

..放煤步距对夹矸放落时序的影响

放煤步距越大，支架前移距离越大，顶煤放落的范围越大，支架与各层夹矸流动迹线的相对位差就越大，不同放煤步距移架后的夹矸流动迹线分布如图9所示。

如图9(a)所示，“1刀1放”时，正常放煤阶段，放煤前G1,G2,G3已经位于放煤口上方，G4,G5则位于放煤口后方。如图9(b)所示，“2刀1放”时，正常放煤阶段，放煤前各层夹矸均位于放煤口后方。如图9(c)，“3刀1放”时，正常放煤阶段，各层夹矸距离放煤口较远，放煤口打开后各层夹矸流动迹线依次进入放煤口，类似于偏转椭球体的初放阶段放煤，各层夹矸的放出具有时序特征。

图9 不同放煤步距移架后的夹矸流动迹线分布Fig.9 Distribution of the flow trace of the mixed gangue after moving the frame

不同放煤步距条件下夹矸在顶煤中赋存层位与其进入放煤口时间的关系如图10所示。

图10 不同放煤步距时h与t的关系Fig.10 Relationship between h and t in different release distance

由图10(a)可知，“1刀1放”时，正常放煤阶段，夹矸在顶煤中的赋存层位与其进入放煤口的时间呈二次函数关系。夹矸赋存层位越高，其进入放煤口的时间间隔越大。运用回归分析，得出与的回归公式:

=0.211 2-0.359 6-0.149 7

(2)

“1刀1放”时，G1,G2,G3在放煤口打开后同时混入放煤口，无时序特征，后续G4,G5进入放煤口时则有时序特征。以夹矸进入放煤口的时间为1 s时所对应的赋存层位作为有时序区和无时序区的分界，由回归公式，该分界层位为3.4 m，即在“1刀1放”正常放煤阶段，有时序区和无时序区的夹矸赋存分界层位为3.4 m。

由图10(b)可知，“2刀1放”时，正常放煤阶段，夹矸在顶煤中的赋存层位与其进入放煤口的时间呈二次函数关系。夹矸赋存层位越高，其进入放煤口的时间间隔越大。运用回归分析，得出与的回归公式为

=0.171 9+1.740 2-2.648 4

(3)

“2刀1放”时，G1,G2在放煤口打开后同时混入放煤口，无时序特征，后续G3,G4,G5进入放煤口时则有时序特征。以夹矸进入放煤口的时间为1 s时所对应的赋存层位作为有时序区和无时序区的分界，由回归公式，该分界层位为1.8 m，即在正常放煤阶段，有时序区和无时序区的夹矸赋存分界层位为1.8 m。

由图10(c)可知，“3刀1放”时，正常放煤阶段，夹矸在顶煤中的赋存层位与其进入放煤口的时间呈三次函数关系。夹矸赋存层位越高，其进入放煤口的时间间隔越大。运用回归分析，得出夹矸在顶煤中的赋存层位与其进入放煤口时间的回归公式为

=0.058 4+0.086 6+1.786 7+0.535

(4)

“3刀1放”时，各层夹矸从下到上依次放出，具有时序特征。以夹矸进入放煤口的时间为1 s时所对应的赋存层位作为有时序区和无时序区的分界，由回归公式，该分界层位为0.3 m，即在正常放煤阶段，有时序区和无时序区的夹矸赋存分界层位为0.3 m。

由此可知，放煤步距越小，有时序区和无时序区的分界层位越高，即无时序区的范围越大，有时序区的范围越小。当夹矸赋存层位及层数一定时，随着放煤步距的减小，处于无时序区的夹矸层数增多，处于有时序区的夹矸层数减小，此时多夹矸时序问题可按少夹矸时序问题考虑。如“1刀1放”时，由于G1,G2,G3在放煤口打开后瞬时混入，无时序特征，则可按1层夹矸考虑，此时5层夹矸的时序问题变为了G1,G2,G3三者与G4,G5的时序问题。

2.3 正常放煤期间煤-矸-岩放落流动的混矸规律

顶煤放落过程中，夹矸的混入量即含矸率对于自然γ射线的辐射强度有着直接的影响。因此，在煤-矸-岩放落流动时序规律研究的基础上，开展多层夹矸赋存条件下，夹矸放落的混矸规律研究，对于后续煤-矸-岩放落流动中的自然射线辐射特征及识别具有重要的意义。

为了研究夹矸的混入规律，试验采用见矸(直接顶岩石)关窗的放煤方式。放煤口打开后，匀速拉动模拟刮板输送机，使放煤口放出的煤矸混合物落入刮板输送机中。待放煤结束后，将落入刮板输送机上的顶煤、夹矸混合体等量分段，分段质量2 kg，随后对各分段夹矸、顶煤分拣称重。

统计各分段顶煤、夹矸、直接顶岩石和总含矸放出质量及比例见表4。

根据表4数据绘制各层夹矸放出比例变化趋势图如图11所示。

由图11可知，各层夹矸在随顶煤放出过程中，其所占比例均在一固定范围内波动，顶煤中G1的最大比例为9%，最小比例为3%，平均比例为6%，其中最大比例相对平均值浮动3%，最小比例相对平均值浮动3%。G2的最大比例为8%，最小比例为2%，平均比例为5%，其中最大比例相对平均值浮动3%，最小比例相对平均值浮动3%。G3的最大比例为12%，最小比例为6%，平均比例为8%，其中最大比例相对平均值浮动6%，最小比例相对平均值浮动2%。G4的最大比例为13%，最小比例为4%，平均比例为8%，其中最大比例相对平均值浮动5%，最小比例相对平均值浮动4%。G5的最大比例为11%，最小比例为7%，平均比例为9%，其中最大比例相对平均值浮动2%，最小比例相对平均值浮动2%。

总含矸率受夹矸混入时序特征的影响其波动范围呈台阶状上升。当G3进入放煤口时，顶煤中总含矸率升高至19%，此后在18%～19%内波动；当G4进入放煤口时，顶煤中总含矸率升高，此后在23%～27%内稳定波动；当G5进入放煤口时，顶煤中总含矸率继续升高，此后在33%～39%内稳定波动。

表4 各分段顶煤、夹矸、直接顶岩石和总含矸放出质量及比例

图11 各层夹矸放出比例变化趋势Fig.11 Variation trend of gangue release proportion in each layer

由此可知，多层夹矸赋存条件下，顶煤放落过程中，夹矸无时序放出时，总含矸率的变化规律为在一固定的范围内波动，夹矸有时序放出时，后进入放煤口的夹矸会使总含矸率上升一个幅度并继续在一固定的范围内波动，随着多层夹矸的顺序进入，总含矸率的波动范围呈连续台阶式上升，即总含矸率呈现上升—稳定—连续台阶式上升的变化规律。

此外，放出体中夹矸率的波动幅度与放出夹矸的连续性有关。当夹矸赋存厚度小，赋存层位高时，夹矸在放落流动过程中其流动迹线还未进入放煤口即已呈不连续状态，待夹矸进入放煤口时，其放出量呈现断断续续的状态，导致放出顶煤中夹矸率呈波动状态。夹矸流动迹线越不连续，放出顶煤中夹矸率波动幅度越大。反之，当夹矸赋存厚度大、破碎程度好、赋存层位低时，夹矸在进入放煤口时，其流动迹线呈连续状态，此时放煤口放出的夹矸量较均匀，放出顶煤中夹矸率的波动幅度也较小。

3 基于煤-矸-岩放落流动时序特征的自然射线辐射变化规律

为了分析顶煤放落条件下煤-矸-岩的自然射线辐射强度的变化规律，进而分析确定顶煤放落中夹矸和岩石的识别特征参量，根据含多层夹矸顶煤放落流动时序规律及混矸规律的研究结果，设计煤矸识别试验方案如下。

将煤矸混合体按长0.6 m、宽1.0 m、厚0.3 m的长方体依次铺设于模拟刮板输送机中，煤矸混合体总含矸率依次按20%,17%,27%,14%,23%铺设，模拟无时序影响时总含矸率的变化特征；后续煤矸混合体总含矸率按33%,36%,30%,36%,35%铺设，模拟受夹矸放落时序影响时总含矸率的变化特征；此后总含矸率按40%,45%,50%,53%,56%,59%,62%,65%,68%,71%依次铺设，模拟直接顶进入放煤口后总含矸率的变化特征，如图12所示。

图12 煤-矸-岩放落辐射特征试验铺设示意Fig.12 Laying diagram of coal gangue rock caving model in extra thick coal seam

模型铺设完毕后，开启电机以0.3 m/s的速度匀速拉动刮板输送机，使刮板输送机上的煤矸混合体匀速通过探测器，统计不同含矸率下煤矸混合体经过探测器时的自然射线辐射强度，并采用移动平均法进行滤波处理，自然射线辐射强度变化趋势如图13所示。

由图13可知，将自然射线辐射强度的变化趋势按试验设计总含矸率的变化特征分为无时序影响区、时序影响区和直接顶混入区(图中红色虚线分区)，并以自然射线辐射强度的滤波值为参照对象(以下分析中，辐射强度均指滤波值)。

图13 自然射线辐射强度变化与所对应的含矸率变化对比Fig.13 Comparison diagram of natural ray radiation intensity change and corresponding gangue content change

在无时序影响区内，各层夹矸在放煤口打开后混合进入，无时间上的先后顺序，其辐射强度随着放出顶煤总含矸率的波动在一固定的范围内平稳地上升下降，呈现相对稳定的变化，辐射强度的变化范围在54～60 cps。

在时序影响区内，受夹矸混入时序特征的影响，当后续夹矸进入放煤口时，总含矸率上升一个幅度后继续在一固定范围内稳定波动。与此同时，辐射强度呈现相对稳定的变化，但辐射强度值较无时序影响区明显增大，呈现台阶式上升。其上升的原因是由于总含矸率增加的同时煤矸混合体中的矸石量也在增加，因此自然γ射线的辐射强度也随之增加。时序影响区内，辐射强度的变化范围在61～71 cps。

在直接顶混入区内，总含矸率呈线性增加趋势。与此同时，自然γ射线的辐射强度也逐渐增大。当煤矸混合体总含矸率>56%时(图13中计数值300～400)，辐射强度的上升趋势不再明显。直接顶混入区内，辐射强度的变化范围在71～89 cps。

综上，复杂结构特厚煤层煤-矸-岩放落过程中自然射线的辐射特征为：无时序影响区内，辐射强度呈相对稳定的变化；时序影响区内，辐射强度明显增大，并呈现台阶式上升；直接顶混入区内，辐射强度呈现逐渐增大的变化趋势。

4 煤-矸-岩识别方法及现场试验

4.1 复杂结构特厚煤层综放煤-矸-岩识别方法

根据复杂结构特厚煤层煤-矸-岩放落过程中自然射线的辐射强度在无时序影响区内随着放出顶煤总含矸率的波动在一固定的范围内稳定变化的特征，可知存在一个辐射强度的变化范围(试验中为54～60 cps)，当辐射强度在该范围内时，说明放出顶煤中为顶煤和低位夹矸混合体；根据自然射线的辐射强度在时序影响区呈明显增大，并呈现台阶式上升的特征，可知存在一个辐射强度的变化范围(试验中为61～71 cps)，当辐射强度在该范围内时，说明具有时序特征的夹矸进入了放煤口；根据直接顶混入区内自然射线的辐射强度呈现逐渐增大的特征，可知存在一个辐射强度的变化范围(试验中为71～89 cps)，当辐射强度在该范围内时，说明直接顶岩石进入了放煤口。

取直接顶混入前后自然射线的辐射强度(图13中计数值181～220)进行分析，见表5。

表5 直接顶混入前后的自然射线辐射强度

由表5可知，在直接顶混入前后，随着计数值的增加，自然射线辐射强度整体呈逐渐增大的趋势，部分点存在波动。又由图13可知直接顶在计数值为200时混入。分析表5数据可知，当计数值为200时，所对应的辐射强度为71 cps。当计数值为181～200时，辐射强度整体呈逐渐增大的趋势，且在计数值为199时达到最大辐射强度71 cps；当计数值为200～220时，辐射强度整体呈逐渐增大的趋势，部分点存在波动，但所有辐射强度均≥71 cps。同时，分析图13中计数值为0～400时对应的辐射强度得知，在计数值为0～199时，所有辐射强度均<71 cps；在计数值为209～400时，所有辐射强度均≥71 cps。由此说明，直接顶混入时所对应的辐射强度(计数值200对应的71 cps)，仅可能出现在该值周边±10个计数值内。又由表5得知，在该辐射强度出现后的10个计数值内(计数值199～208)，有9个辐射强度等于该值，有1个大于该值；在该辐射强度出现后的10～20个计数值内(计数值209～218)，其所对应的辐射强度全部大于该值，同时由图14可知计数值在218～400所对应的辐射强度也全部大于该值。

图14 不同关窗方式下的综放工作面煤-矸-岩识别方法Fig.14 Identification method of coal gangue rock in fully mechanized top coal caving face under different window closing modes

由此可知，直接顶混入时辐射强度的变化规律为：直接顶进入时所对应的辐射强度仅可能出现在该值周边±10个计数值内，且该值出现后的10个计数值内即有辐射强度值大于该值，10个计数值之后的所有计数值对应的辐射强度值全部大于该值。若以直接顶进入时所对应的辐射强度为参照，则直接顶进入前所有探测到的辐射强度值均小于等于该值，直接顶进入后所有探测到的辐射强度值均大于等于该值。

基于以上分析，以自然γ射线辐射强度值作为识别参数，提出复杂结构特厚煤层综放煤-矸-岩的识别方法如下：

(1)关窗方式为见矸(直接顶)关窗。在顶煤放落过程中，以直接顶混入时所对应的辐射强度作为关窗预警值，当探测器探测到的辐射强度值等于关窗预警值时即预警，并对此后的辐射强度值持续监测，当后续出现的辐射强度值大于该值时，即判定为直接顶岩石混入，此时关闭放煤口。根据直接顶混入时辐射强度值的变化规律，当探测器计数周期为0.1 s，在直接顶混入1 s内即可实现关窗。

(2)关窗方式为达到一定含矸率关窗。在顶煤放落过程中，以关窗含矸率所对应的辐射强度值作为关窗预警值，当探测器探测到的辐射强度值等于关窗预警值时即预警，并对此后的辐射强度值持续监测，当后续出现的辐射强度值大于该值时，即判定为含矸率达到要求，此时关闭放煤口。根据直接顶混入时辐射强度值的变化规律，当探测器计数周期为0.1 s，在达到该含矸率1 s内即可实现关窗。

基于以上识别方法，提出识别参数的确定方法如下：

(1)关窗方式为见矸(直接顶)关窗。由于直接顶进入即关窗无法确定放出顶煤中的总含矸率，因此采用现场实测的方式确定直接顶进入时所对应的自然射线辐射强度。其方式为将探测器置于放煤口附近预定探测位置(如支架尾梁下方)，开启探测器对放落煤矸进行探测，直至直接顶混入。随后对探测得到的辐射强度计数值进行分析，由直接顶混入时辐射强度的变化特征及辐射强度的变化规律可以确定直接顶混入时所对应的辐射强度，并以此作为识别直接顶混入时所对应的辐射强度。

(2)关窗方式为达到一定含矸率关窗。由于要求的关窗含矸率已给出，利用式(5)对该含矸率所对应的辐射强度进行计算，求得该含矸率所对应的自然射线辐射强度，并以此作为该识别方法中关窗含矸率所对应的辐射强度。

(5)

式中，为辐射强度；为矸石放射性浓度；为煤的密度；为矸石密度；为矸石的质量分数；为煤对自然射线的质量衰减系数；为矸石对自然射线的质量衰减系数。

基于复杂结构特厚煤层综放煤-矸-岩识别方法下的放煤工艺控制流程如图15所示(识别参数已给定的情况下)。

4.2 现场试验

基于所形成的复杂结构特厚煤层综放煤-矸-岩识别方法，2021年7月在晋能控股塔山煤矿8303综放工作面进行了现场应用测试，所采用的的探测器为KZT12矿用本安型煤矸识别探测器(防爆合格证号：CCCMT20.0525)，该探测器为笔者基于自然γ射线煤矸识别技术所研发，能够实时(采样周期0.1 s)识别放煤口的矸石混入情况，并将混矸率以数字的形式呈现于显示终端。将煤矸识别探测器安装于放煤口上方，对放煤过程中放煤口的辐射进行实时监测，具体如图16所示。

图15 基于煤矸自动识别的复杂结构特厚煤层放煤工艺控制流程Fig.15 Coal gangue identification technology in complex structure extra thick coal seam and control flow of coal drawing process

由图16及现场观测可知，本次放煤试验时间约为260 s：放煤开始至36 s内，辐射曲线保持稳定，此时放出物为纯煤；36 s后，辐射曲线有一个明显的升高并保持相对稳定至90 s，此时为无时序混矸阶段；90～170 s内，辐射强度逐渐上升，并且在99,111和124 s处出现阶段峰值，此时放煤为有时序混矸阶段，但未出现直接顶矸石；170 s后，辐射曲线随着放煤时间的延长再次出现明显的升高且出现明显的震荡，此时直接顶矸石混入，且通过观察，有大块顶板岩石出现，决定不再放煤，于226 s时执行关窗操作。

图16 8303综放工作面放顶煤煤-矸-岩识别试验数据Fig.16 Test data of coal-gangue-rock detection in 8303 top coal caving workface

本次放顶煤现场应用测试的结果，验证了采用自然γ射线技术进行复杂结构特厚煤层综放开采煤矸岩识别的可靠性，该技术能够精确探测放煤口煤矸流中矸石含量的变化并实时响应，进而为放煤口的动作做出指导。

5 结 论

(1)复杂结构特厚煤层常见的几种夹矸和顶板岩石中，炭质泥岩的放射性强度最大、其次为砂质泥岩与高岭质泥岩，且两者的放射性强度相等、煌斑岩的放射性强度相对最小，当夹矸与直接顶岩性相同时，其放射性强度相近。煤的放射性强度最低。

(2)正常放煤期间当顶煤中部分夹矸赋存层位较低、间距较小时，放煤过程中煤-矸-岩会出现混放和渐次放出同时存在的时序特征。

(3)夹矸的混矸规律为在一固定的范围内波动，而直接顶的混矸规律为线性上升。放出顶煤总含矸率的变化规律为：当夹矸无时序放出时，总含矸率在一固定的范围内波动。当夹矸有时序放出时，总含矸率呈现上升—稳定—连续台阶式上升的变化规律；直接顶矸石的混入，造成总含矸率呈线性增加趋势。

(4)当探测器前方煤矸整体厚度达到0.6 m时，辐射强度已接近饱和，不再随后续矸石的增加而发生明显变化。在探测器前方0.6 m内，当夹矸层数或厚度增加时，探测器探测到的辐射强度随之增加。多层夹矸赋存条件下，夹矸间的间距越大，探测到的总辐射越低，厚层夹矸对总辐射的贡献随着其流动迹线的前移逐渐增大。

(5)复杂结构特厚煤层煤-矸-岩放落过程中自然射线的辐射特征为：无时序影响区内，辐射强度呈相对稳定的变化；时序影响区内，辐射强度明显增大，并呈现台阶式上升；直接顶混入区内，辐射强度呈现逐渐增大的变化趋势。

(6)基于复杂结构特厚煤层煤-矸-岩放落过程中自然射线的辐射特征及直接顶混入时辐射强度的变化规律，以自然γ射线辐射强度作为识别参数，提出了复杂结构特厚煤层综放煤-矸-岩的识别方法，并进行了现场测试，取得了预期的识别效果。

[1] 中华人民共和国国务院. 国家中长期科学和技术发展规划纲要(2006—2020年)[Z].2006-02-07.

[2] 国家能源局. 国家能源局关于促进煤炭工业科学发展的指导意见(国能煤炭〔2015〕37号)[Z].2015-02-04.

[3] 国务院. 中华人民共和国国民经济和社会发展第十三个五年规划纲要[Z].2016-03-17.

[4] 谢和平,刘虹. 煤炭革命不是“革煤炭的命”[N]. 中国科学报,2015-3-2(1).

[5] 袁亮. 煤炭精准开采科学构想[J]. 煤炭学报,2017,42(1):1-6.

YUAN Liang. Scientific conception of precision coal mining[J]. Journal of China Coal Society,2017,42(1):1-6.

[6] 佚名. 明年煤炭消费比重将降至63.3%[N]. 中国煤炭报,2014-12-29(1).

[7] 刘长友. 综放开采理论与技术的发展及思考[J].同煤科技,2017(2):1-6，12，7.

LIU Changyou. Development and thinking of full-mechanized mining theory and technology[J]. Datong Coal Science & Technology,2017(2):1-6，12，7.

[8] 王家臣. 厚煤层开采理论与技术[M]. 北京:冶金工业出版社,2009.

[9] 王家臣. 我国放顶煤开采的工程实践与理论进展[J]. 煤炭学报,2018,43(1):43-51.

WANG Jiachen. Engineering practice and theoretical progress of top-coal caving mining technology in China[J]. Journal of China Coal Society,2018,43(1):43-51.

[10] 黄炳香,刘长友,程庆迎. 低位综放开采顶煤放出率与含矸率的关系[J]. 煤炭学报,2007,32(8):789-793.

HUANG Bingxiang,LIU Changyou,CHENG Qingying. Relation between top-coal drawing ratio and refuse content for fully mechanized top coal carving[J]. Journal of China Coal Society,2007,32(8):789-793.

[11] 王国法,刘峰,庞义辉,等.煤矿智能化——煤炭工业高质量发展的核心技术支撑[J].煤炭学报,2019,44(2):349-357.

WANG Guofa,LIU Feng,PANG Yihui,et al. Coal mine intellectualization:The core technology of high quality development [J]. Journal of China Coal Society,2019,44(2):349-357.

[12] 王国法,刘峰,孟祥军,等. 煤矿智能化(初级阶段)研究与实践[J]. 煤炭科学技术,2019,47(8):1-36.

WANG Guofa,LIU Feng,MENG Xiangjun,et al. Research and practice on intelligent coal mine construction(primary stage)[J]. Coal Science and Technology,2019,47(8):1-36.

[13] 王家臣,杨胜利,黄国君,等. 综放开采顶煤运移跟踪仪研制与顶煤回收率测定[J]. 煤炭科学技术,2013,41(1):36-39.

WANG Jiachen,YANG Shengli,HUANG Guojun,et al. Research on top coal tracker of fully mechanized top coal caving mining and mea urement of top coal recovery rate[J]. Coal Science and Technology,2013,41(1):36-39.

[14] 潘卫东,李新源,员明涛,等. 基于顶煤运移跟踪仪的自动化放煤技术原理及应用[J]. 煤炭学报,2020,45(S1):23-30.

PAN Weidong,LI Xinyuan,YUAN Mingtao,et al. Technology principle and field application of automatic coal drawing based on the top coal tracker[J]. Journal of China Coal Society,2020,45(S1):23-30.

[15] 张守祥,张艳丽,王永强,等. 综采工作面煤矸频谱特征[J]. 煤炭学报,2007,32(9):971-974.

ZHANG Shouxiang,ZHANG Yanli,WANG Yongqiang,et al. Caved coal and rock spectrum on longwall face[J]. Journal of China Coal Society,2007,32(9):971-974.

[16] 刘富强,钱建生. 基于图像处理与识别技术的煤矸石自动分选[J]. 煤炭学报,2002,25(5):34-37.

LIU Fuqiang,QIAN Jiansheng. Automatic separation of waste rock in coal mine based on image procession and recognition [J]. Journal of China Coal Society,2002,25(5):34-37.

[17] 朱世刚. 综放工作面煤岩性状识别方法研究[D].北京:中国矿业大学(北京),2014.

ZHU Shigang. Research on automatic recognition of the coal-rock interface in top coal caving[D]. Beijing:China University of Mining & Technology-Beijing,2014.

[18] 宋庆军. 综放工作面放煤自动化技术的研究与应用[D]. 徐州：中国矿业大学,2015.

SONG Qingjun. Study and application on the caving automation in fully mechanized top coal caving face[D]. Xuzhou:China University of Mining & Technology,2015.

[19] SONG Qingjun,XIAO Xingming,JIANG Haiyan. The automatic recognition of large ball valve sealing bolt based on digital image[J]. International Journal of Signal Processing,Image Processing and Pattern Recognition,2015,46(6):506-511.

[20] 张艳丽,张守祥. 基于Hilbert-Huang变换的煤矸声波信号分析[J]. 煤炭学报,2010,35(1):165-168.

ZHANG Yanli,ZHANG Shouxiang. Analysis of coal and gangue acoustic signals based on Hilbert-Huang transformation[J]. Journal of China Coal Society,2010,35(1):165-168.

[21] 马瑞,王增才,王保平. 基于声波信号小波包变换的煤矸界面识别研究[J].煤矿机械,2010(5):44-46.

MA Rui,WANG Zengcai,WANG Baoping. Coal-rock interface recognition based on wavelet packet transform of acoustic signal[J]. Coal Mine Machinery,2010(5):44-46.

[22] 杨杨. 基于动态滑移接触特性的煤矸识别与试验研究[D]. 青岛：山东科技大学,2020.

YANG Yang. Coal gangue recognition and experimental study based on dynamic impact-slip contact characteristics[D]. Qingdao:Shandong University of Science and Technology,2020.

[23] 曾庆良,辛正远,杨扬,等. 基于ABQUS的煤矸颗粒冲击放顶煤液压支架铰接点应力分析[J]. 山东科技大学学报(自然科学版),2019,38(3):35-42.

ZENG Qingliang,XIN Zhengyuan,YANG Yang,et al. Stress analysis of hinge point in hydraulic support of coal gangue granular impact in caving based on ABAQUS [J]. Journal of Shandong University of Science and Technology(Natural Science),2019,38(3):35-42.

[24] 刘闯. 综放工作面多放煤口协同放煤方法及煤岩识别机理研究[D]. 焦作:河南理工大学,2018.

LIU Chuang. Research on the method of synergetic multi-windows top coal caving and the mechanism of coal-gangue identification in longwall top coal caving working face[D]. Jiaozuo:Henan Polytechnic University,2018.

[25] 刘伟,华臻. 基于Hilbert谱信息熵的煤矸放落振动信号特征分析[J]. 中国安全科学学报,2011,21(4):32-35.

LIU Wei,HUA Zhen. Vibrational feature analysis for coal gangue caving based on information entropy of Hilbert spectrum [J]. China Safety Science Journal,2011,21(4):32-35.

[26] LIU Wei,YAN Yuhua,WANG Rulin. Application of Hibert-hu-ang transform and SVM to coal gangue interface detection[J]. Journal of Computers,2011,6(6):42-48.

[27] LI Xu,GU Tao. New technique of distinguishing rock from coal based on statistical analysis of wavelet transform [A]. Proceedings of Society of Photo-Optical Instrumentation Engineers [C]. Orlando:The International Society for Optical Engineering,2009.

[28] 李旭,顾涛. 基于差分-小波变换模系数极大法的煤矸振动信号研究[J]. 煤矿开采,2011,16(5):11-14.

LI Xu,GU Tao. Research on vibration signal of coal and refuse based on maximum difference-wavelet transformation model coefficient[J]. Coal Mining Technology,2011,16(5):11-14.

[29] 任芳,刘正彦,杨兆建,等. 扭振测量在煤岩界面识别中的应用研究[J]. 太原理工大学学报,2010,41(1):94-96.

REN Fang,LIU Zhengyan,YANG ZhaoJian. Application study on the torsional vibration test in coal-rock interface recognition[J]. Journal of Taiyuan University of Technology,2010,41(1):94-96.

[30] REN Fang,LIU Zhengyan,YANG Zhaojian. Weighted algorithm of

multi-sensor data conflict in coal-rock interface recognition[A]. Proceedings of 2011 International Conference on Information Technology for Manufacturing Systems(ITMS 2011)[C]. Shanghai:Trans. Tech. Publications,2011:1908-1913.

[31] 李旭,顾涛. 基于正负相位和奇异点偶识别规则的煤矸识别技术对比研究[J]. 华北科技学院学报,2012,9(1):20-24.

LI Xu,GU Tao. Conclusions compared using Singularity-point couple JR and positive-negative phase JR for distinguishing rock from coal[J]. Journal of North China Institute of Science and Technology,2012,9(1):20-24.

[32] 马英. 基于尾梁振动信号采集的煤矸识别智能放煤方法研究[J]. 煤矿开采,2016,21(4):40-44.

MA Ying. Intelligent coal caving with gangue identification based on tail beam vibration signal collection[J]. Coal Mining Technology,2016,21(4):40-44.

[33] 丁亮. 白洞煤矿综放工作面煤矸识别研究[J]. 同煤科技,2014,140(2):1-7.

DING Liang. Research on coal gangue identification in fully mechanized caving face of Baidong coal mine[J]. Datong Coal Science & Technology,2014,140(2):1-7.

[34] 王增才. 综采放顶煤开采过程煤矸识别研究[J]. 煤矿机械,2002(8):13-15.

WANG Zengcai. Study on distributing coal and rock in the process of fully-mechanized coal winning sublevel caving coal technology[J]. Coal Mine Machinery,2002(8):13-15.

[35] 张万枝,王增才. 基于视觉技术的煤岩特征分析与识别[J]. 煤炭技术,2014(10):273-274.

ZHANG Wanzhi,WANG Zengcai. Characteristic analysis and recognition of coal and rock based on visual technology[J]. Coal Technology,2014(10):273-274.

[36] 王增才,张秀娟,张怀新,等. 自然γ射线方法检测放顶煤开采中的煤矸混合度研究[J]. 传感器技术,2003,12(4):442-445.

WANG Zengcai,ZHANG Xiujuan,ZHANG Huaixin,et al. The research on detection of rock content in coal rock mixture in top coal caving by natural Gamma ray[J]. Chinese Journal of Sensors and Actuators,2003,12(4):442-445.

[37] 宋庆军,肖兴明,张天顺,等. 基于声波的放顶煤过程自动控制系统[J]. 计算机工程与设计,2015,36(11):3123-3127.

SONG Qingjun,XIAO Xingming,ZHANG Tianshun,et al. Automatic control systems in top-coal caving based on acoustic wave[J]. Computer Engineering and Design,2015,36(11):3123-3127.

[38] 张宁波. 综放开采煤矸自然射线辐射规律及识别研究[D]. 徐州:中国矿业大学,2015.

ZHANG Ningbo. Detection and radiation law of natural gamma ray from coal and roof-rock in the fully mechanized top coal cavingmining[D]. Xuzhou:China University of Mining and Technology,2015.

[39] 张宁波,刘长友,陈现辉,等. 综放煤矸低水平自然射线的涨落规律及测量识别分析[J]. 煤炭学报,2015,40(5):988-993.

ZHANG Ningbo,LIU Changyou,CHEN Xianhui,et al. Measurement analysis on the fluctuation characteristics of low level natural radiation from gangue[J]. Journal of China Coal Society,2015,40(5):988-993.

[40] ZHANG Ningbo,LIU Changyou. Radiation characteristics of natural gamma ray from coal and gangue for recognition in top coal caving[J]. Scientific Reports,2018,8:190.

[41] 赵明鑫. 综放煤矸放落的环境特征及自动识别的影响因素研究[D].徐州：中国矿业大学,2020.

ZHAO Mingxin. Study on drawing environmental characteristics and influence factors of coal-gangue automatic identification in fully mechanized top coal caving mining[D]. Xuzhou:China University of Mining and Technology,2020.

[42] 张宁波,鲁岩,刘长友,等. 综放开采煤矸自动识别基础研究[J]. 采矿与安全工程学报,2014,31(4):532-536.

ZHANG Ningbo,LU Yan,LIU Changyou,et al. Basic study on automatic detection of coal and gangue in the fully mechanized top coal caving mining[J]. Journal of Mining and Safety Engineering,2014,31(4):532-536.

[43] 宋选民,靳钟铭,魏晋平. 顶煤冒放性和夹矸赋存特征的相互关系研究[J]. 煤炭科学技术,1995(11):22-24.

SONG Xuanmin,JIN Zhongming,WEI Jinping. Study on the relationship between caving property of top coal and occurrence of gangue[J]. Coal Science and Technology,1995(11):22-24.