A algorithm for low light image enhancement in coal mine underground based on illumination constraints
-
摘要:
针对煤矿井下采集图像可见度低、曝光不足和细节模糊的问题，提出了一种基于光照约束的煤矿井下低光照图像增强算法，该算法结构包括光照约束模块（ICM）、光照分解模块（IDM）和光照增强模块（IEM）。ICM通过捕捉图像的整体光分布，生成灰度注意力权图，减少光照信息的干扰；IDM将图像分解为光照分量和反射分量；IEM通过U-Net网络结构对光照分量进行增强，最后将增强后的光照分量与灰度注意力权图和反射分量结合，得到增强图像。ICM和IDM引入了高效通道注意力模块（ECA），分别用以调控光照分布和增强算法对光照分量和反射分量的特征捕捉能力。选取4组不同场景，使用TBEFN、RUAS、MBLLEN、KinD和Retinex-Net算法进行对比分析试验。结果表明：本文算法在视觉信息保真度（VIF）、结构相似性（SSIM）、峰值信噪比（PSNR）3项指标的均值分别达到0.58、0.61、16.58，均超过了其他对比算法，分别较原模型提升了约23.40%、16.07%、20.45%，图像增强效果最优。
Abstract:To address the issues of low visibility, insufficient exposure, and blurred details in images collected in coal mine environments, this research introduces a low light image enhancement algorithm, which is grounded in illumination constraints. The algorithm structure consists of three main modules: the illumination constraint module (ICM), the illumination decomposition module (IDM), and the illumination enhancement module (IEM). The ICM captures the overall light distribution of the image, creates a grayscale attention map to minimize illumination interference, and the IDM decomposes the image into illumination and reflection components. The IEM uses a U-Net network structure to enhance the illumination component. The enhanced illumination component is then combined with the grayscale attention map and reflection component to produce the enhanced image. Both ICM and IDM incorporate an efficient channel attention module (ECA), which regulates light distribution and enhances the feature capture capability for illumination and reflection components. Experiments were conducted in four different scenarios, comparing this algorithm against TBEFN, RUAS, MBLLEN, KinD, and Retinex-Net algorithms. Results indicate that this algorithm surpasses others in visual information fidelity (VIF), structural similarity index metric (SSIM), and peak signal to noise ratio (PSNR), achieving averages of 0.58, 0.61, and 16.58 respectively. Compared to the original model, it showed improvements of approximately 23.40%, 16.07%, and 20.45% in these metrics, demonstrating optimal image enhancement effectiveness.
-
煤矿井下的动力灾害已成为国内外亟须解决的世界性难题。坚硬顶板是指上覆于煤层或煤层直接顶上方、厚度较大、节理发育差、岩石强度大的岩层[1-3]。与普通顶板相比，坚硬顶板工作面的来压步距大，累积的弹性能量瞬间释放，导致强矿压现象发生，严重影响煤矿安全开采。
在坚硬顶板引起的动力灾害防控技术方面，目前的方法主要是增加支护阻力和人为削弱硬厚顶板，包括爆破和水力压裂等技术[4-6]。然而，对于现有工作面，工作阻力的增加范围有限，并且增加支护阻力将会增加成本并降低生产效率[7-9]。因此，人为削弱技术近年来在坚硬顶板控制中得到了广泛应用。爆破技术是通过在厚硬岩层中形成破裂区域，在采动应力的影响下，裂缝进一步扩展，岩石强度降低，从而达到控制坚硬顶板的目的。水力压裂技术具有高安全性、强大的移动性和可操作性，因此在煤炭采矿领域被广泛应用[10-11]。众多学者已经通过理论分析、实验室测试、数值模拟等多种手段对水力压裂裂缝的启动机制、断裂模式、传播规律以及受水力压裂影响的裂缝特征进行研究。水力压裂裂缝的传播方向受现场应力环境直接影响，最终传播裂缝平面与最大主应力方向平行，与最小主应力方向垂直。裂缝的存在降低了坚硬顶板的完整性[12-13]。在采动应力的作用下，裂缝周围的弱面进一步发展和扩展，削弱了岩石的强度。
1957年，第一例水力压裂技术成功实施[14]，在水力压裂中，通过持续注入高压流体，迫使钻孔周围硬岩中的原有裂缝扩张。黄炳香等[15]研究了坚硬顶板水力压裂影响因素，并建立了坚硬顶板水压致裂控制的理论；邓广哲等[16-17]采用地应力场控制下水压致裂的方法，研究了水压裂缝扩展行为的控制参数，建立了起始渗透压力和最大破坏压力与煤样裂缝扩展变化过程的对应关系；杨俊哲等[18-21]采用理论分析、装备研发、技术开发、工程实践等方法，系统研究了厚煤层综放开采、坚硬顶板发育、上覆遗留煤柱、浅埋特厚硬煤层过沟谷开采的覆岩运动特征、动静叠加载荷作用下动力灾害发生原理，提出了坚硬顶板多点拖动式分段水力压裂防治方法。以上研究表明，水力压裂可以有效削弱煤岩体并改变其结构。在开采前进行顶板水力压裂可以增强采空区内的顶板垮落，避免大面积悬顶出现在采空区，减少首次加压带来的顶板初期垮落强度。然而，水力压裂在地下煤矿的研究和应用起步较晚，煤岩体结构复杂、天然裂缝发育、煤岩体非均质性、开采扰动等因素使得煤岩体的水力压裂变得复杂。因此，地下煤矿的水力压裂不能简单地复制石油和天然气藏的理论和经验[22-24]。在大跨度硬顶板和高度全机械化顶煤采矿条件下，动态岩爆及相关控制技术的影响方面的研究还很少。因此，还需要研究在坚硬顶板条件下厚煤层综放开采过程中，采掘扰动引起的冲击地压灾害发生特征及其更有效的防治技术。
为此，以神东矿区典型矿井为背景，运用综合理论分析、数值模拟方法和现场工业性试验等研究手段，探究了坚硬顶板超前压裂对采场矿压显现强度的弱化效应；基于研究结果提出了坚硬顶板的定向长钻孔分段水力压裂超前弱化治理技术，并开展了工程应用试验，实现了采场强矿压灾害的科学防控。
1. 致密坚硬岩层压裂缝工艺
针对坚硬顶板厚度大、强度高、致密性强，回采过程中来压强度大，难以垮落等特点，设计采取超长顶层钻孔裸眼分段压裂方式进行弱化治理。其主要在一定密封体积空间条件下通过大流量、高压力压裂液注入，导致压力的逐渐升高，形成1套以高压压裂裂缝为主、辅以次级延展和天然裂缝沟通裂缝和压裂节理的弱化裂缝空间体系，并在超长钻孔内，逐个压裂段进行压裂，最终形成三维连续的压裂缝网，实现坚硬顶板的充分卸压、弱化和应力转移。压裂泵组的排量、输出压力、分段压裂工具串密封能力及耐压强度直接决定了压裂缝网形成规模，即压裂弱化整体效果，形成了适合神东矿区的双封单卡后退式分段压裂工艺。
神东矿区煤矿井下孔内装备组合：ϕ85 mm钻头+ϕ85 mm球座+ϕ73 mm油管（2根）+ϕ85 mm封隔器+（1~3 m）ϕ73 mm油管（调卡距）+ϕ85 mm定压截流器+（1~3 m）ϕ73 mm油管（调卡距）+ϕ85 mm封隔器+ϕ85 mm安全丢手+ϕ73 mm油管（到孔口）+ϕ73 mm定位器+反洗孔口。孔内工具组合示意图如图1所示。
2. 坚硬顶板强矿压分段水力压裂超前弱化机理
2.1 坚硬岩层压裂缝网扩展机理
利用双封隔器单卡方式压裂具有以下几个特点：短距离（5~6 m）压裂段，高排量（50~60 m3/h）、大液量（单孔数百方）、压裂液为低黏清水；利用治理目标层2个水平主应力差值与裂缝延伸净压力的关系，实施高压注入，通过缝网压裂垂直于主裂缝方向形成“人工多裂缝”，“破坏”了致密坚硬顶板岩层的完整性，让主裂缝与多级次生裂缝交织形成裂缝网络系统，将需要进行弱化的目标层位得到有效碎裂，实现对坚硬岩层在长、宽、高三维方向的全面改造，达到工作面回采过程中卸压弱化和应力转移的目的。
根据应力迭加原理，结合钻孔的方位，目标层位的岩石性质，应力分布状况以及现场的情况等因素，建立了体积压裂裂缝起裂的基本力学模型[25-27]。考虑到压裂液的渗滤以及孔隙度和孔隙压力的影响，根据应力场的分布情况建立应力场的分布模型：
$$ \left\{ {\begin{array}{l} {{\sigma _r} = - {p_{\mathrm{w}}} + \delta \phi ( {{p_{\mathrm{w}}} - {p_{\mathrm{p}}}} )} \\ \begin{gathered} {\sigma _\theta } = {p_{\mathrm{w}}} + \left( {{\sigma _{xx}} + {\sigma _{yy}}} \right) - 2\left( {{\sigma _{xx}} - {\sigma _{yy}}} \right)\cos \;2\theta- \\\qquad 4{\tau _{xy}}\sin\; 2\theta - \delta \left[ {\frac{{\alpha (1 - 2v)}}{{1 - v}} - \varphi } \right]( {{p_{\mathrm{w}}} - {p_{\mathrm{p}}}} ) \\ \end{gathered} \\ \begin{gathered} {\sigma _{\textit{z}}} = c{p_{\mathrm{w}}} + {\sigma _{{\textit{z}}{\textit{z}}}} - v\left[ {2\left( {{\sigma _{xx}} + {\sigma _{yy}}} \right)\cos \;2\theta + 4{\tau _{xy}}\sin \;2\theta } \right] - \\\qquad \delta \left[ {\frac{{\alpha (1 - 2v)}}{{1 - v}} - \varphi } \right]( {{p_{\mathrm{w}}} - {p_{\mathrm{p}}}} ) \\ \end{gathered} \\ {{\tau _{r\theta }} = 0} \\ {{\tau _{\theta {\textit{z}}}} = 2{\sigma _{y{\textit{z}}}}\cos \;\theta - 2{\sigma _{x{\textit{z}}}}\sin \;\theta } \\ {{\tau _{r{\textit{z}}}} = 0} \end{array}} \right. $$ (1) 式中：σθ、σz、τθz分别为z-θ面上应力的分量，MPa；σxx、σyy、σzz、τxy分别为坐标系（x,y,z）中应力的分量，MPa；σyz、σxz分别为坐标系（x,y,z）中剪应力分量，MPa；τγθ、τγz、τθz为柱坐标下的应力分量；ν为岩石泊松比；θ为方位角；φ为倾角；α为Biot多孔弹性系数；pw为裂缝的起裂压力，MPa；pp为地层中的初始孔隙压力，MPa。
依据张应力破坏准则对裂缝起裂进行分析，初始断裂面应在z-θ面上，并根据弹性力学理论，孔壁上的最大拉伸应力应为：
$$ {\sigma _{\max }}(\theta ) = \frac{1}{2}\left[ {\left( {{\sigma _\theta } + {\sigma _{\textit{z}}}} \right) + \sqrt {{{\left( {{\sigma _\theta } - {\sigma _{\textit{z}}}} \right)}^2} + 4\tau _{\theta {\textit{z}}}^2} } \right] $$ (2) 式中：σmax(θ)为3个在孔壁处的最高主应力的张应力。
对式（2）求导：
$$ \frac{{{\mathrm{d}}{\sigma _{\max }}(\theta )}}{{{\mathrm{d}}\theta }} = 0 $$ (3) 根据式（3）即可得到最大拉伸应力σmax(θ)。经过计算得出的角θ0即为初始裂缝的起裂角。
根据张应力的破坏准则分析可知，当σmax(θ)达到岩石的抗张强度σt时，岩石开始破裂，即：
$$ {\mathrm{d}}{\sigma _{\max }}(\theta ) \geqslant {\sigma _{\mathrm{t}}} $$ (4) 最后，通过迭代方法求出pw。
2.2 岩层压裂破裂和损伤能量释放
假设外置高压泵组水输出产生的总能量为U0，岩体单元耗散能U1，岩体单元储存的弹性能U2，依据热力学第一定律分析可知：
$$ {U_0} = {U_1} + {U_2} $$ (5) 在压裂形成岩层损伤和裂缝扩展及塑性变形过程，耗散坚硬顶板围岩应力和岩层本身积聚的能量，从而弱化和转移采动过程中顶板断裂释放能。基于压裂椭圆裂缝形态假设，结合线弹性理论，对压裂裂缝产生过程中释放能量进行计算，假设压裂裂缝内部受力均匀，其表达式为：
$$ p\Delta V = \left( {{\mu _{{{t}} + \Delta {{t}}}} - {\mu _{{t}}} + 2\gamma \Delta A} \right) $$ (6) 式中：γ为岩石的比表面能；ΔA为间隔时间内裂缝面积变化；p为裂缝内静压力；μt、μt+Δt分别为t和(t+Δt)时刻对应的裂缝张开能，对应椭圆裂缝模型条件下。
$$ \mu = \frac{{4\pi \left( {1 - {\eta ^2}} \right)a{b^2}{p^2}}}{{2C(k)E}} $$ (7) 式中：μ为裂缝张开能；E、η分别为岩石的弹性模量、泊松比；a、b为椭圆裂缝的长短半轴；C(k)为第二类全椭圆积分。
通过公式分析可知，压裂过程中，在同一治理目标岩层中，目标层释放能量与形成裂缝的规模成正相关，裂缝形成和延展规模越大，整体释放能量越大，治理效果越明显。
3. 坚硬顶板分段压裂裂缝形成规律分析
3.1 数值模型建立
为了研究与实际坚硬顶板分段压裂弱化工程施工实际工况更吻合的压裂裂缝形成规律，以实际工程背景和理论研究结果为基础，结合MFracSuite软件的三维压裂模拟功能进行数值模拟分析，揭示坚硬顶板岩层水力压裂裂纹扩展规律。
根据煤矿井下超长定向钻孔裸眼分段压裂施工情况，钻孔直径96 mm，钻孔水平段层位为煤层基本顶低位关键层的细粒砂岩，并且位于其中上部。超长定向钻孔孔深最大609 m，平均钻孔长500 m，水平段300~320 m，压裂段间距为32.5 m。单孔压裂6~12段。模拟覆岩结构分布和相关参数以工程示范典型矿井布尔台煤矿2盘区4-2煤层E75号钻孔为基础。
采集模拟区域地层岩石力学数据，依托矿区地应力分布特征，建立数值模型。对模型相关参数赋值，其中地层最小水平主应力，在4.46~5.83 MPa之间，应力梯度为1.22~1.33 MPa/hm。具体力学参数见表1（1 mD=10−3 um2）。
表 1 地层物性参数表Table 1. Table of formation physical property parameters岩性类型 底部
深度/m杨氏模
量/MPa泊松比 地应力/
kPa地层压
力/kPa渗透率/
mD孔隙度 细粒砂岩 343 6.75 0.24 4 545 3 982 0.10 0.13 粉砂岩 349 13.10 0.34 4 460 4 049 0.05 0.06 细粒砂岩 375 6.45 0.24 5 141 4 356 0.10 0.13 粉砂岩 382 13.10 0.34 4 280 4 433 0.05 0.06 煤 389 2.00 0.28 5 282 5 000 0.50 0.05 粉砂岩 397 13.10 0.34 4 160 5 000 0.05 0.06 3.2 数值模拟方案设计
单孔整体压裂技术对于坚硬岩层的弱化改造效果有限，而超长定向钻孔分段拖动压裂技术能够同时在治理坚硬顶板目标层位中形成多条裂缝，从而连通岩层中的微裂缝和天然裂缝形成复杂裂缝网络，提高坚硬顶板目标层位弱化改造效果，实现单孔的压裂卸压、应力转移及坚硬顶板的完整性改造效果的大幅提高。在分段“体积压裂”过程中，裂缝形态整体复杂多变，裂缝形成规模和形态受到压裂段间距、泵注排量等参数的影响，为了更加清楚认识在不同施工条件下水平井分段压裂裂缝扩展规律，基于MFracSuite软件的压裂裂缝的三维压裂模拟效果，研究了不同压裂段长度、泵注排量条件下水力压裂裂缝形成规律。
在坚硬顶板岩层分段压裂改造过程中，通常采用较大的排量以增加水力裂缝的波及范围和应力卸压及转移效果，但受限于煤矿井下压裂施工空间和供水、供电限制，煤矿井下坚硬顶板压裂成套装备的工作能力受到限制，因此本研究针对该问题，开发了多点拖动式分段体积压裂方式，单段在有限的压裂段空间内，采用相对该密封空间的瞬时大排量泵注压裂液实现大规模三维裂缝。
为了分析不同泵注排量条件下，压裂裂缝形成效果和特征，采用等压裂段间距条件下，在24、40、60 m3/h不同排量条件下进行模拟分析。为了揭示定排量的不同压裂段间距造缝特征，在定向长钻孔分段压裂过程中，每个张开的裂缝对围岩、邻近裂缝产生附加的应力场被称之为“应力影”，它影响着裂缝宽度和裂缝扩展路径，制约了压裂裂缝的铺展和网状裂缝的形成规模，降低了压裂弱化治理效果。优选合适的压裂段间距可以有效避免或减弱该现象，规避后压裂的裂缝贯穿到已压裂的水力裂缝。本次主要采取同一排量下，压裂段间距为27、30、35 m条件进行模拟分析。
3.3 坚硬顶板压裂裂缝扩展规律分析
3.3.1 不同泵注排量裂缝延展特征
等压裂段间距条件下，不同泵注排量裂缝延展模拟结果如图2所示。
![]()
图 2 等压裂段间距条件下，不同泵注排量裂缝延展模拟结果Figure 2. Simulation results of crack propagation with different pump displacements under equal pressure interval conditions当采取小排量（24 m3/h）、大时长（90 min）、低液量（36 m3）进行压裂施工时，压裂裂缝半径为30.91 m，垂向上，裂缝高度延伸27.32 m，平均压裂裂缝宽度1.28 mm。压裂裂缝宽度随着与孔壁距离增大而逐渐减小，裂缝在裸眼孔壁起裂位置最大为1.90 mm。
当采取中排量（40 m3/h）、中时长（60 min）、中液量（40 m3）进行压裂施工时，压裂裂缝半径为34.05 m，垂向上，裂缝高度延伸27.45 m，平均压裂裂缝宽度1.34 mm。裂缝在裸眼孔壁起裂位置最大为2.00 mm，在提高排量条件下，压裂裂缝半径增大较为明显，但裂缝高度和宽度变化较小。
当采取大排量（60 m3/h）、短时长（48 min）、高液量（48 m3）进行压裂施工时，压裂裂缝延展半径为40.17 m，垂向上裂缝高度延伸27.66 m，平均压裂裂缝宽度1.42 mm。裂缝在裸眼孔壁起裂位置最大为2.20 mm，在大排量、短时间、高液量的注入条件下，压裂裂缝半径增大明显，裂缝高度和宽度变化也有不同程度的增加。
3.3.2 定排量的不同压裂段间距造缝特征
为了充分展示压裂段长对压裂裂缝扩展规律特征的影响，采用软件中的MShale缝网水力压裂计算模块，在定排量条件下，不同压裂段长度作用下开展压裂施工模拟。泵注定排量条件下，不同压裂段长度裂缝延展模拟结果如图3所示。
![]()
图 3 泵注定排量条件下，不同压裂段长度裂缝延展模拟结果Figure 3. Simulation results of crack propagation with different fracturing section lengths under predetermined pump displacement condition当采取定排量（50 m3/h）、定时长（60 min）、定液量（50 m3）、压裂段间距27 m进行压裂施工时，压裂裂缝半径为39.97 m，垂向上，裂缝高度延伸27.40 m，沿钻孔方向裂缝发育半径为15.2 m，平均压裂裂缝宽度1.43 mm。压裂裂缝延伸形态为明显的椭球体，压裂裂缝呈现随着孔壁向外不等宽度渐变小延伸的缝网结构。
当采取定排量（50 m3/h）、定时长（60 min）、定液量（50 m3）、压裂段间距30 m进行压裂施工时，压裂裂缝半径为37.61 m，垂向上，裂缝高度延伸27.38 m，平均压裂裂缝宽度1.32 mm。通过模拟结果可知在增大压裂段间距条件下，压裂裂缝半径有明显降低，裂缝垂向扩展高度有降低但整体不明显。压裂裂缝缝网规模增大，压裂缝有所增大，当整体缝宽度有所降低，沿钻孔方向裂缝发育半径有明显降低，为14.2 m。
当采取定排量（50 m3/h）、定时长（60 min）、定液量（50 m3）、压裂段间距35 m进行压裂施工时，压裂裂缝半径为34.75 m，垂向上，裂缝高度延伸27.35 m，平均压裂裂缝宽度1.29 mm。通过模拟结果可知，在该施工技术条件下，增大压裂段间距至35 m条件下，压裂裂缝半径有明显降低，降幅达2.85 m；裂缝垂向扩展高度有微弱降低。
3.3.3 压裂裂缝缝网特征
压裂裂缝缝网规模增大，压裂缝个数有所增大，当整体缝宽度有所降低，沿钻孔方向裂缝发育半径有明显降低为12.8 m。从不同水力段间距和不同压裂排量条件下的裸眼分段压裂水平钻孔段压裂裂缝缝网扩展形态图中可以看出：
1）分段压裂在致密坚硬顶板岩层进行压裂后，压裂裂缝整体呈现椭球体的立体三维裂缝，在压裂裂缝宽度随着与孔壁距离逐渐减小，裂缝在裸眼孔壁起裂位置最大为2.2 mm，长半轴延伸方向为分段压裂单段压裂裂缝宽度，短半轴分别为裂缝宽度和高度。
2）等压裂间距条件下，在24、40、60 m3/h不同排量条件进行模拟分析。当采取大排量、短时长、高液量的压裂施工方式时，压裂裂缝延展半径增大明显，达近9.26 m；垂向上，裂缝高度变化不明显，压裂裂缝宽度有微弱降低。
3）裂缝缝网的规模和密度随着水力压裂段间距的增大而影响显著，压裂段间距由27 m增大至35 m，压裂裂缝影响半径越小，最大降幅达2.85 m，沿钻孔方向裂缝发育半径由15.2 m降低为12.8 m。裂缝延伸形态为椭球体，随着压裂段间距增加，裂缝延伸半径逐渐降低，最大降幅2.86 m，优选了27 m压裂段间距为最优施工参数。
4. 工程应用
4.1 工程概况及钻场布置
神东矿区布尔台煤矿为典型上覆坚硬岩层引发的强矿压显现矿井。4-2煤层上覆岩层发育1层巨厚砂岩，并且采区内部分4-2煤层埋深已超过400 m，因此，4-2煤回采过程中强矿压显现问题明显。42202工作面回采4-2煤层，煤厚5.4~7.2 m，平均6.2 m，为稳定煤层。42202综放工作面煤层上覆松散层厚1.0~55 m，4-2煤层与2-2煤层间距55~80 m。
分析研究区地应力测试结果可知，研究区整体最大水平主应力在9.07~9.79 MPa之间，受上覆岩层深度影响明显，平均值为9.43 MPa，方位角在NE55º~NE77º之间。最小水平主应力在4.46~5.83 MPa之间，平均值为5.23 MPa，其方位角比较发散，整体应力差为4.2 MPa左右。根据生产实际揭露和物探、地震等探测结果，区内生产矿井发育有不同程度的地质构造，最大断层落差可达30 m以上，治理的顶板岩层发育有不同程度的自身节理和构造作用下的微裂缝系，方向覆盖范围广泛[28]。岩石整体抗张或拉强度整体在1.82~5.2 MPa之间，平均3.2 MPa。
为保证压裂裂缝延展的均匀及弱化效果，压裂钻孔布置于基本顶细粒砂岩中部，即煤层顶板25 m位置处。本次42202工作面累计施工完成9个压裂定向长钻孔，累计输送压裂工具串4 174.11 m，分段压裂74段。钻孔平面分布如图4所示。
4.2 压裂弱化影响程度
监测结果表明，压裂阶段最高压力33.1 MPa，最低压力8.6 MPa，最大破裂压降12.8 MPa，出现3 MPa以上明显压降593次。对目标岩层实施了有效压裂，降低了顶板整体强度。利用压裂远程操作数据自动监测系统，对压裂施工过程中压力和流量等参数的实时记录和监测。钻孔分段压裂过程部分时段压力监测曲线如图5所示。
![]()
图 5 分段压裂过程压力曲线变化图Figure 5. Pressure curve variation during segmented fracturing process利用压裂泵组远程自动监测和记录数据采集结果。以钻场1号钻孔为例，对分段压裂过程中压力等参数变化特征进行分析。封孔器坐封，定压释放器打开后，随着高压压裂液持续注入，注水压力逐渐增大，当达到33.1 MPa时岩层起裂，压力骤降至20.3 MPa。岩层起裂后，压力呈现周期性锯齿变化，展现出微裂缝形成和扩展的过程。随着微裂缝不断形成和延展，当高压压裂液充满裂缝空间后，压力逐渐增加至26.5 MPa，压力骤降至23.5 MPa，发生第二次明显破裂压降。随后在高压持续注水作用下，岩层呈现周期性锯齿微裂缝形成，然后明显破裂压降的规律性变化，最大破裂压降12.8 MPa，形成了有效裂缝。开启高压注水泵向钻孔内注入压裂液，使封隔器膨胀坐封，随着压力的缓慢上升，当封隔器完全膨胀坐封后，压力快速上升达到33.1 MPa，然后降至20.3 MPa，压降12.8 MPa，反应孔内压裂段围岩发生明显破裂。继续注水压裂，压力不断在1.5~2 MPa左右浮动，同时中间伴随多次明显压降，共监测到12处明显压降点。压裂后的岩层压力明显降低，其中深孔和浅孔的最大降幅分别达到了22.22%和32.05%。说明该压裂段形成了有效的顶板破裂裂缝，经过持续注入压裂，裂缝充分延伸，达到了工程施工效果。
4.3 压裂弱化影响范围
4.3.1 钻场垂向剖面压裂弱化影响范围
定向长钻孔施工结果显示，30联巷压裂钻场钻孔剖面位于煤层顶板30 m附近，因此本次数据提取和分析，主要针对煤层顶板上30 m层位附近区域进行对比总结。
顶板30 m层位附近每次探测的异常平面分布对比如图6所示。其中：图6（a）为压裂前探测结果，图6（b）为钻孔1-3压裂完成后的探测结果，图6（c）为钻孔SF3和SF2压裂完成后的探测结果，图6（d）为钻孔SF3、SF2和SF1压裂完成后的探测结果；各图中横坐标为距离切眼的位置，纵坐标为距离回风巷的位置。
![]()
图 6 30联巷钻场垂向剖面压裂弱化影响范围Figure 6. Scope of weakening effect of fracturing in vertical profile of the 30th lane drilling field通过对比分析，发现当1-3钻孔压裂完成后，探测结果中没有明显的反应。分析认为：1-3钻孔压裂后造成的裂缝、裂隙发育区域相对整个探测区域较小，该方法在目前现有精度条件下无法明显分辨。在距切眼200~300 m、距回风巷210~260 m附近存在1处低阻异常区。从图中可以看到，在该异常区附近存在一处小断层（根据地面三维地震成果，位置可能会有偏移），断距0~6 m。根据前期地面瞬变电磁探测成果，该区段为富水低阻异常区。因此，推断1号异常区为附近小断层引起的裂隙富水所致。当1-3和1-2钻孔压裂完成后，探测结果中有明显的反应：横向180~300 m、纵向60~200 m附近出现明显的低阻异常区，且与原有的异常区连为一体；另外，原有的异常区范围增大，向切眼方向有一定延伸，推断为原有的断层裂隙发育造成；该异常区主要集中在钻孔的末端，在钻孔的中部没有明显的反映，推断其原因主要为钻孔中段的裂缝、裂隙发育区域相对较小，未形成连片的低阻区域。当3个钻孔压裂均完成后，探测结果发现在3个钻孔控制的区域出现整片异常区，范围较上一次探测的异常区范围大，低阻区持续延伸，走向150~450 m、倾向50~280 m。
4.3.2 钻场倾向剖面压裂弱化影响范围
为了揭示压裂过程中低阻异常区剖面变化特征，采取在距离切眼250 m附近处，沿工作面倾向进行剖面展示，各次探测的异常剖面分布对比如图7所示。其中：图7（a）为压裂前探测结果，图7（b）为钻孔1-3压裂完成后的探测结果，图7（c）为钻孔1-3和钻孔1-2压裂完成后的探测结果，图7（d）为3个钻孔压裂完成后的探测结果；各图中横坐标为距离回风巷的位置，纵坐标为距离底板的高度。通过对比分析，发现压裂前在横向210~300 m、纵向15~35 m附近存在1处低阻异常区。
![]()
图 7 30联巷钻场倾向剖面压裂弱化影响范围Figure 7. Scope of weakening effect of fracturing on dip profile of the 30th lane drilling field当1-3钻孔压裂完成后，该异常区没有明显的变化，因此探测结果对1-3钻孔压裂没有明显的反映；推断其原因主要为1-3钻孔压裂后造成的裂缝、裂隙发育区域相对整个探测区域较小，该方法无法明显分辨。当1-3和1-2钻孔压裂完成后，探测结果中有明显的反映：横向25~200 m、纵向15~40 m附近出现明显的低阻异常区，且与原有的异常区连为一体。当3个钻孔压裂均完成后，探测结果发现该异常区范围变大，异常区主要分布在横向50~320 m、纵向10~49 m区域附近。
沿钻孔径向探测方向，由于压裂造成钻孔近区岩层（0~10 m）呈现散碎状态，而远区岩层（10~35 m）裂隙形成较为明显，压裂裂缝方向多处于36°~54°范围内，与地层最大主应力方向（NE55~77°）近平行。
4.4 压裂弱化矿压特征
压裂钻场矿压评价数据分析表明，上部区域对应的第40#支架阻力，在矿压数据跟踪监测期间，共发生周期来压8次，来压期间支架阻力整体在53.3~58.5 MPa，来压步距在16.0~30.4 m之间，平均达24.6 m。中部区域对应的第80#支架阻力，在矿压数据跟踪监测期间，共发生周期来压11次，来压期间支架阻力整体在48.1~57.8 MPa，来压步距在11.1~32.8 m之间，平均达20.5 m。下部区域对应的第120#支架阻力，在矿压数据跟踪监测期间，共发生周期来压11次，来压期间支架阻力整体在45.1~61.1 MPa，来压步距在10.4~25.0 m之间，平均达17.9 m。
1）初次来压和周期来压的步距大，其中初次来压步距达75.8 m，周期来压步距在20~26 m之间，平均来压步距23.4 m；强度高，动载系数大，初次来压时达到1.5以上，周期来压期间支架动载系数为1.35~1.46，平均1.43。基本顶坚硬岩层的整体稳定性好，一旦破断失稳会造成强烈动载特征。
2）基本顶坚硬岩层来压期间矿压显现强烈。在来压期间，工作面中部及两煤巷经常出现顶板端面破碎、煤壁片帮、顶板下沉量大等现象；基本顶坚硬顶板来压强度大，来压期间，多达到50.1 MPa以上，最高达到61.1 MPa，持续时间长，安全阀开启频繁，支架活柱快速下缩，部分工作面来压时支架压力较大，煤壁片帮深度最大可达1 000 mm以上。
3）基本顶周期来压总体呈现出强弱交替的规律性来压特征。工作面每间隔1~3次一般强度的周期来压，就会出现1~2次强烈的周期来压显现，表现为工作面迅速增阻的支架数量增多，煤壁片帮，有时会出现连续的来压现象。
4）工作面强矿压显现期间，采场围岩动载特征明显，基本顶周期来压动载系数大，支架阻力迅速增加，会使安全阀频繁开启。
根据压裂钻场矿压评价数据分析，得到的回采过程中矿压变化平面特征如图8所示。
![]()
图 8 回采过程中矿压变化平面特征Figure 8. Plane characteristics of mining pressure changes during the mining process由图8可知：工作面回采至60 m，初次来压，最高压力48.8 MPa，平均压力30.1 MPa；未进入压裂段前，周期来压最高59.1 MPa，平均34.4 MPa；进入压裂段后，周期来压最高40.1 MPa，平均31.1 MPa；在进入压裂段后，周期来压的最高值和平均值都有所降低，分别降低了约15.3%（9 MPa）和约9.6%（3.3 MPa），周期来压的步距也有所缩短，进入压裂段后；步距范围为19~24 m，平均21.5 m，相比未进入压裂段前的20~26 m，平均23.4 m，步距整体有所减小，平均缩短了约8.1%；在进入压裂段后，周期来压的最高值、平均值和步距都有所下降，表明分段水力压裂技术在一定程度上减小了来压的范围，并且降低了压力的峰值和平均水平。分段水力压裂技术的应用和实施有助于减轻矿压对工作面的影响，提高了工作面的安全性和稳定性。
5. 结 语
1）压裂施工显著增加了整体低阻区域，压裂弱化的影响范围增大。压裂裂缝空间分布中条带状异常11个，压裂裂缝主要呈现与地层最大主应力方向近平行的条带状分布。
2）采取大排量、短时长、高液量的压裂施工方式时，压裂裂缝延展半径增大明显达近9.26 m，垂向上裂缝高度变化不明显，压裂裂缝宽度有微弱降低。压裂段间距增大，压裂裂缝影响半径由27 m增大至35 m，沿钻孔方向裂缝发育半径由15.2降低为12.8 m。
3）在布尔台煤矿开展了针对坚硬顶板引起的强矿压动力灾害超前弱化治理，实现了单孔压裂钻孔单孔最长达600 m以上，单孔最多压裂12段，最高压力33.1 MPa，最大破裂压降12.8 MPa，有效降低了来压强度，验证了压裂效果的有效性。
-
表 1 消融试验结果
Table 1 Results of ablation test
算法 VIF SSIM PSNR/dB Retinex-Net 0.47 0.56 15.16 Retinex-Net+ICM 0.43 0.48 17.23 Retinex-Net+ICM+ECA 0.52 0.57 17.49 Retinex-Net+ICM+ECA+U-Net 0.58 0.65 18.26 
下载: 导出CSV
-
[1] 张立亚. 基于图像识别的煤矿井下安全管控技术[J]. 煤矿安全,2021,52(2):165−168. ZHANG Liya. Safety control technology of coal mine based on image recognition[J]. Safety in Coal Mines, 2021, 52(2): 165−168.
[2] 姚超修,蒋泽,胡亚磊. 基于改进Enlighten GAN的煤矿井下图像增强算法[J]. 煤炭技术,2023,42(9):219−222. YAO Chaoxiu, JIANG Ze, HU Yalei. Improved image enhancement algorithm for underground coal mine based on Enlighten GAN[J]. Coal Technology, 2023, 42(9): 219−222.
[3] 张立亚,郝博南,孟庆勇,等. 基于HSV空间改进融合Retinex算法的井下图像增强方法[J]. 煤炭学报,2020,45(S1):532−540. ZHANG Liya, HAO Bonan, MENG Qingyong, et al. Method of image enhancement in coal mine based on improved Retex fusion algorithm in HSV space[J]. Journal of the China Coal Society, 2020, 45(S1): 532−540.
[4] 涂毅晗,汪普庆. 基于多尺度局部直方图均衡化的矿井图像增强方法[J]. 工矿自动化,2023,49(8):94−99. TU Yihan, WANG Puqing. Mine image enhancement method based on multi-scale local histogram equalization[J]. Journal of Mine Automation, 2023, 49(8): 94−99.
[5] 张旭辉,麻兵,杨文娟,等. 煤矿井下非均匀照度图像去噪研究[J]. 工矿自动化,2024,50(2):1−8. ZHANG Xuhui, MA Bing, YANG Wenjuan, et al. Research on denoising of uneven lighting images in coal mine underground[J]. Journal of Mine Automation, 2024, 50(2): 1−8.
[6] 薛国华. 基于综采工作面视频监控的图像增强方法[J]. 煤矿安全,2021,52(10):136−141. XUE Guohua. Image enhancement methods based on video monitoring of fully mechanized mining face[J]. Safety in Coal Mines, 2021, 52(10): 136−141.
[7] 吴正平,程洁莹,雷帮军,等. 基于特征注意力的快速非均匀雾图像去雾算法[J]. 国外电子测量技术,2023,42(9):9−18. WU Zhengping, CHENG Jieying, LEI Bangjun, et al. Fast nonhomogeneous image dehazing algorithm based on feature attention[J]. Foreign Electronic Measurement Technology, 2023, 42(9): 9−18.
[8] 洪炎,庞荣,魏青,等. 光照不均图像的非线性自适应增强算法[J]. 激光与光电子学进展,2023,60(16):88−97. HONG Yan, PANG Rong, WEI Qing, et al. Nonlinear adaptive enhancement algorithm for uneven illumination images[J]. Laser & Optoelectronics Progress, 2023, 60(16): 88−97.
[9] 孟修建,乔欢欢,王雅,等. 改进AOD-Net的道路交通图像去雾算法[J]. 计算机系统应用,2024,33(1):206−212. MENG Xiujian, QIAO Huanhuan, WANG Ya, et al. Improved AOD-Net algorithm for dehazing road traffic images[J]. Computer Systems & Applications, 2024, 33(1): 206−212.
[10] 周筱雨,张栩豪,陈年,等. 图像增强算法综合对比评估[J]. 自动化应用,2023,64(20):154−159. ZHOU Xiaoyu, ZHANG Xuhao, CHEN Nian, et al. Comprehensive contrast evaluation of the image enhancement algorithms[J]. Automation Application, 2023, 64(20): 154−159.
[11] WU H C, FAN W L, TSAI C S, et al. An image authentication and recovery system based on discrete wavelet transform and convolutional neural networks[J]. Multimedia Tools and Applications, 2021(1): 1−25.
[12] YANG W, WANG W, HUANG H, et al. Sparse gradient regularized deep Retinex network for robust low-light image enhancement[J]. IEEE Transactions on Image Processing, 2021, 30: 2072−2086. doi: 10.1109/TIP.2021.3050850
[13] 周凯汀,郑力新. 非均匀光照图像双分量增强Retinex算法[J]. 电气电子教学学报,2023,45(5):227−230. doi: 10.3969/j.issn.1008-0686.2023.05.055 ZHOU Kaiting, ZHENG Lixin. Two components enhanced Retinex algorithm for uneven lighting images[J]. Journal of Electrical Education, 2023, 45(5): 227−230. doi: 10.3969/j.issn.1008-0686.2023.05.055
[14] 王满利,张航,李佳悦,等. 基于深度神经网络的煤矿井下低光照图像增强算法[J]. 煤炭科学技术,2023,51(9):231−241. doi: 10.12438/cst.2022-1626 WANG Manli, ZHANG Hang, LI Jiayue, et al. Deep neural network-based image enhancement algorithm for low-illumination images underground coal mines[J]. Coal Science and Technology, 2023, 51(9): 231−241. doi: 10.12438/cst.2022-1626
[15] 刘佳敏,何宁,尹晓杰. 基于Retinex-UNet算法的低照度图像增强[J]. 计算机工程与应用,2020,56(22):211−216. doi: 10.3778/j.issn.1002-8331.1910-0239 LIU Jiamin, HE Ning, YIN Xiaojie. Low illumination image enhancement based on Retinex-UNet algorithm[J]. Computer Engineering and Applications, 2020, 56(22): 211−216. doi: 10.3778/j.issn.1002-8331.1910-0239
[16] 王瑞绅,宋公飞,王明. 引入ECA注意力机制的U-Net语义分割[J]. 电光与控制,2023,30(1):92−96. doi: 10.3969/j.issn.1671-637X.2023.01.016 WANG Ruishen, SONG Gongfei, WANG Ming. U-Net semantic segmentation with ECA attention mechanism[J]. Electronics Optics & Control, 2023, 30(1): 92−96. doi: 10.3969/j.issn.1671-637X.2023.01.016
[17] 孙浩翔,翟江涛,万东东,等. 基于尺度特征提取的Retinex-net增强网络[J]. 国外电子测量技术,2023,42(9):74−83. SUN Haoxiang, ZHAI Jiangtao, WAN Dongdong, et al. Retinex-net based on multi-scale feature extraction enhanced network[J]. Foreign Electronic Measurement Technology, 2023, 42(9): 74−83.
[18] 李正龙,王宏伟,曹文艳,等. 基于含噪Retinex模型的煤矿低光照图像增强方法[J]. 工矿自动化,2023,49(4):70−77. LI Zhenglong, WANG Hongwei, CAO Wenyan, et al. A method for enhancing low light images in coal mines based on Retinex model containing noise[J]. Journal of Mine Automation, 2023, 49(4): 70−77.
[19] 陈林,毛经宇,刘坤,等. Zero-DCE网络的自适应损失函数改进[J]. 光电子·激光,2024,35(2):135−142. CHEN Lin, MAO Jingyu, LIU Kun, et al. Improvement on the adaptive loss function for the Zero-DCE network[J]. Journal of Optoelectronics·Laser, 2024, 35(2): 135−142.
[20] 陈清江,顾媛. 基于多尺度深度可分离卷积的低照度图像增强算法[J]. 计算机工程与科学,2023,45(10):1830−1837. doi: 10.3969/j.issn.1007-130X.2023.10.013 CHEN Qingjiang, GU Yuan. A low-light image enhancement algorithm based on multi-scale depthwise separable convolution[J]. Computer Engineering & Science, 2023, 45(10): 1830−1837. doi: 10.3969/j.issn.1007-130X.2023.10.013
[21] 艾达,白岩松,于可欣,等. 全景图像质量评价方法最新进展[J]. 计算机工程与应用,2022,58(24):1−11. doi: 10.3778/j.issn.1002-8331.2206-0157 AI Da, BAI Yansong, YU Kexin, et al. Recent advances on panoramic image quality assessment methods[J]. Computer Engineering and Applications, 2022, 58(24): 1−11. doi: 10.3778/j.issn.1002-8331.2206-0157
计量
- 文章访问数: 18
- HTML全文浏览量: 0
- PDF下载量: 4
