煤矿立井突水淹井后水下病害全参数的协同识别评估方法

本发明涉及煤矿立井井筒安全，具体涉及一种煤矿立井突水淹井后水下病害全参数的协同识别及评估方法，适用于煤矿立井突水事故后的应急探测、风险评估与修复方案制定。

背景技术：

1、煤矿立井井筒作为连接矿井生产水平与地面工业场地的“咽喉要道”，在整个矿井生产系统中占据着核心地位，其结构稳定性直接决定矿山生产安全。

2、长期以来，立井井筒受采矿活动及水文地质共同影响（煤层开采扰动、深井地压、地层疏干降压、地质构造、地下水侵蚀及矿尘腐蚀等），易产生裂缝、井壁腐蚀、混凝土剥落等病害，一旦发生结构破裂引发突水淹井事故，将直接中断生产作业，造成巨额经济损失，甚至威胁人员生命安全，尤为关键的是，淹井后井筒内完全被水填充，水下环境随时间呈现显著阶段性特征：初期水流剧烈紊乱、水压波动幅度大、能见度极低，病害以“快速扩散、风险加剧”为主要特征；稳定期水流趋于平缓、水压稳定、能见度改善，病害状态虽趋于稳定。

3、因此淹井后需及时精准获取突水点位置、破损形态、破损程度及病害类型等核心参数，才能为应急修复方案制定提供可靠支撑，避免次生灾害（如井筒进一步坍塌、突水范围扩大）。

4、但是目前煤矿立井突水淹井后病害识别技术中，现有方法多聚焦干井静态监测、未适配全水下高水压动态工况，单一设备探测存在信息碎片化、抗干扰弱、缺乏阶段适配性，且仅能定性识别无法量化、“探测-评估-处置”链路断裂等问题，以及导致的病害识别不全面、突水点定位精准度低、破损参数量化不足、修复方案依赖人工经验且针对性差等后果，难以满足煤矿立井突水淹井后病害识别与治理需求，依旧存在以下问题：

5、1）现有立井井筒病害识别技术多聚焦淹井前干井静态监测，未适配全水下、高水压、动态水流的极端工况；

6、2）现有水下病害识别多采用单一设备，存在信息碎片化、抗干扰弱、缺乏突水淹井阶段适配性且误差大的问题；

7、3）同类水下病害识别技术（如水工涵洞声呐扫描）仅适配水平结构、定性识别裂缝，难以匹配立井竖直结构、高水压环境、低能见度、突水水流紊乱及裂缝、孔洞等多种病害的量化需求，无法满足煤矿立井淹井后病害识别的核心需求；

8、4）“探测-评估-处置”链路断裂，无差异化探测体系，识别与处置脱节，治理效率低、针对性差。

9、为此，本技术针对煤矿立井突水淹井后全水下、高水压、动态水流的特殊环境，特提出一种煤矿立井突水淹井后水下病害全参数的协同识别评估方法，能够同步实现分阶段精细化探测、全参数协同识别、分级评估与靶向处置，以解决上述技术问题。

技术实现思路

1、本发明的主要目的在于提供一种煤矿立井突水淹井后水下病害全参数的协同识别评估方法，通过“分阶段协同探测部署→多源数据抗干扰预处理→全参数协同识别解析→分级评估与靶向修复”四层技术体系，基于声学、光学、水压、导航多源数据融合，实现对突水点坐标、破损形态、病害类型、破损程度的全维度高精度量化分析，为淹井后应急治理修复方案制定与井筒安全管控提供关键依据，以解决背景技术中所提出的技术问题，提升煤矿立井突水淹井后水下病害识别的全面性、精准度与工程实用性。

2、本发明采用以下技术方案解决上述技术问题：

3、一种煤矿立井突水淹井后水下病害全参数的协同识别评估方法，包括：

4、步骤s1.协同探测系统阶段性部署：基于立井直径、深度及淹井工况，下放由声学成像声呐、水下光学摄像头、压力传感器、惯性导航模块组成的协同探测系统，设定设备参数（声呐频率80～120khz、摄像头分辨率≥1920×1080、压力传感器量程0～20mpa），确定部署深度与间距，并通过水压数据得到突水强度；

5、步骤s2.多源数据采集与预处理：通过协同探测系统同步采集声学信号、光学图像、水压数据及导航数据，并通过时间戳对齐实现数据同步，采用水流噪声过滤算法、图像去模糊处理及异常值剔除方法完成数据预处理；

6、步骤s3.全参数协同识别与解析：基于预处理后数据，通过聚类算法锁定突水点坐标，结合协同探测系统采集的光学图像与声呐点云数据进行破损形态三维重建，以提取形态参数，识别病害类型，之后融合突水强度与形态参数建立破损程度量化评估模型对水下病害进行等级评估；

7、步骤s4.结果输出、评估及应急处置：生成包含突水点坐标、破损形态图、破损等级（轻度/中度/重度）的病害参数报告，最终针对评估等级，结合病害类型，制定并执行对应的应急治理修复方案。

8、优选的，所述步骤s1中协同探测系统采用“声学成像声呐”、“水下光学摄像头”、“压力传感器”、“惯性导航模块”的设备组合，所述协同探测系统覆盖大范围扫描（筛查）、精准成像（定位）、压力（强度）感知与定位导航功能（坐标校准）；

9、所述协同探测系统针对所述煤矿立井井筒所处突水淹井的不同阶段部署不同设备，在所述煤矿立井井筒突水淹井的淹井工况中，将水流紊乱、能见度极低的工况设为淹井初期，将水流平缓、能见度改善的工况设为淹井稳定期；

10、在淹井初期，协同探测系统采用“声呐大范围扫描”结合“压力传感器组网”的探查方式，以保障大范围筛查与风险管控，具体优先部署频率在80～100khz的声学成像声呐进行全井筒大范围扫描，捕捉突水点水流紊乱特征，之后按3～10m间距部署压力传感器并组网，用于搭配声学成像声呐监测水压分布，覆盖疑似破裂区域，以实时监测水压分布异常，利用水流紊乱特征与水压异常初步锁定疑似突水区域；

11、其中声学成像声呐作为声学传感器与压力传感器按柱坐标网格采样，深度方向每6m采集一组数据，通过同一触发信号启动采集（同步误差≤1ms），每一时间段生成一组带时间戳的数据（声学信号结合对应时刻的水压值），确保“同一时刻的声学特征与水压分布”可匹配融合；

12、在淹井稳定期，协同探测系统采用“声呐大范围扫描”、“压力传感器组网”、“光学高清成像”、“惯性定位导航”的组合方式，聚焦精准识别与修复支撑，配套差异化灾害应对处置措施，提升声学成像声呐频率至100～120khz，针对淹井初期锁定的疑似区域进行精准定位，并在疑似区域补充下放水下光学摄像头（分辨率1920×1080）进行近距离高清成像，以强化破损边缘特征，并同步启动惯性导航模块（定位误差≤0.1m）获取精准坐标，结合压力传感器辅助判断突水强度；

13、上述协同探测系统的设备协同机制为所述声学成像声呐负责大范围筛查（负责粗定位），所述水下光学摄像头聚焦重点区域成像（负责细成像），所述压力传感器辅助判断突水强度（负责强度判断），所述惯性导航模块提供位置基准（负责坐标校准），形成“筛查-聚焦-验证”的协同闭合探测流程。

14、优选的，所述惯性导航模块主要由包含三轴陀螺仪与三轴加速度计的惯性测量单元（imu）、导航解算芯片及磁力计等辅助校正传感器组成，无需依赖外部信号即可自主工作；在所述步骤s1中，惯性导航模块作为立井淹井探测的“精准定位与数据同步核心”，适配井下无gps、高水压、强干扰的极端环境，通过实时测量设备姿态与位置，输出精度≤0.1m的柱坐标，为声学声呐、水下光学摄像头的探测数据打上精准“位置”与“时间戳”，实现多源数据的空间同步匹配，确保突水点与破损区域的坐标精准锁定，为后续分级修复方案的靶向施工提供核心位置依据。

15、优选的，在所述步骤s1的淹井初期，声学成像声呐和压力传感器按布置方式设置如下：

16、所述声学成像声呐按照120°指定角度开启扫描，0.5m/s从地表匀速下放，边降边旋转（120°×3扫全断面），从井口至井底全井筒覆盖；

17、所述压力传感器按6m指定间距沿井筒周向均匀部署（每圈4个），4根缆绳各带多组水压传感器（6m/个，周向4个/圈），沿深度覆盖全井筒，重点覆盖疑似破裂的岩层段，以局部加密疑似区域；

18、先下放所述声学成像声呐进行全井筒粗扫描，初步锁定3～5个疑似突水区域，再在疑似区域加密部署压力传感器，采集声学信号和水压数据，并通过有线传输（防水电缆）至地面控制终端，时间戳对齐误差≤1ms，形成“粗扫-精测”的部署逻辑。

19、优选的，在所述步骤s1的淹井稳定期，声学成像声呐、压力传感器、水下光学摄像头和惯性导航模块按布置方式设置如下：

20、所述声学成像声呐将频率提升至100～120khz，扫描角度收窄至指定值90°，以聚焦初期锁定的疑似区域；

21、所述压力传感器间距缩小至3m指定值（或增加压力传感器组数，如再下放一组独立缆绳，控制后下放的所述压力传感器在前一组的两个相邻所述压力传感器中间），部署于病害区域周边，以监测突水强度变化；

22、所述水下光学摄像头搭载led补光灯（亮度可调），防水等级ip68，近距离（距离病害区域0.5～1m）采集高清图像；

23、所述惯性导航模块定位误差≤0.1m，与水下光学摄像头、声学成像声呐同步联动，以实时校准病害区域坐标；

24、采集声学信号、光学图像、导航数据和水压数据后通过“有线”与“无线”混合传输（近距离无线传输图像，远距离有线传输其他数据）。

25、优选的，所述惯性导航模块直接集成在水下光学摄像头的外壳上（与摄像头固连，同步运动），以确保位置与摄像头完全一致，便于实时捕捉摄像头的姿态与位置变化。

26、优选的，所述惯性导航模块与光学摄像头一一对应，无需单独布置。

27、优选的，所述惯性导航模块随光学摄像头一同沿独立缆绳下放，与摄像头同步抵达目标深度；模块通过有线方式与摄像头联动，将定位数据柱坐标与摄像头图像数据绑定，同步传输至地面，确保每帧图像都带精准位置戳，定位误差≤0.1m。

28、优选的，所述步骤s2中协同探测系统同步采集多源数据，并通过时间戳对齐技术实现声学信号、光学图像、水压数据、导航数据的同步采集，时间同步误差≤1ms，采样频率≥10hz；

29、由于所述煤矿立井井筒突水淹井后井内水下低能见度与水流干扰严重，因此所述声学成像声呐、所述水下光学摄像头和所述压力传感器采集的信号首先需要进行数据抗干扰预处理，具体数据预处理如下：

30、（1）声学信号水流噪声过滤：所述声学成像声呐采集的声学信号采用自适应中值滤波算法剔除声学信号中的水流干扰噪声，以保留突水点水流紊乱特征信号，采用如下自适应中值滤波算法：

31、

32、式中，为第个声学信号数据的滤波后输出值；为第个声学信号原始采集值，为滑动窗口半宽，窗口大小为，为窗口内数据的中位数，为窗口信号波动幅度，，为波动幅度阈值，为特征信号判定系数，用于区分突水峰值与噪声波动；

33、（2）光学图像修复散射模糊：所述水下光学摄像头采集的光学图像基于暗通道先验算法修复水下光学图像的散射模糊，强化破损边缘特征；

34、（3）水压数据剔除异常值：所述压力传感器采集的水压数据采用3σ准则剔除压力传感器的异常数据，确保水压数据可靠性。

35、优选的，所述步骤s2中数据在抗干扰预处理后采用自适应权重分配，以实现不同阶段探测数据的互补融合，消除水下低能见度与水流干扰导致的识别盲区，自适应权重分配公式为：

36、

37、

38、式中，为第阶段下第类数据的融合权重，权重和为1，为突水阶段标识，代表突水初期（紊乱期，0～24h），代表突水稳定期（平缓期，72h后），为数据类型序号，初期：表示声学数据，表示水压数据，稳定期：新增表示光学数据，表示导航数据，为第阶段的数据源类型总数，初期时，（仅声学与水压），稳定期时，（声学、水压、光学、导航），为第阶段下第类数据的先验置信度，为第阶段下第类数据由数据方差计算的噪声系数，为第阶段下第类数据的方差，为第阶段所有数据中的最大方差。

39、优选的，所述步骤s3中突水点定位采用融合水压与声学特征的聚类算法，且采用泊松重建算法重建破损形态，基于裂缝宽度、破损面积及突水强度构建分级评价体系，以执行破损程度评估，具体步骤包括：

40、步骤s31.突水点定位：若煤矿立井为井筒圆柱形结构，则针对所述煤矿立井的井筒圆柱形结构（径向对称），采用柱坐标系统描述突水点位置，基于压力场分布与声学信号特征，通过构建改进k-means聚类的目标函数锁定突水点坐标，以实现突水点精准定位；

41、步骤s32.破损形态重建：在突水点坐标处，融合光学图像的纹理特征（破损处的表面细节）与声呐点云数据的空间特征（破损区域每个点的位置），采用泊松重建算法生成破损区域三维模型，以提取井筒破损形态参数，包括破损面积、裂缝长度、裂缝宽度、孔洞直径、孔洞深度；

42、步骤s33.病害类型识别：基于形态参数对所述煤矿立井的井筒破损形态进行分类如下：

43、裂缝型：，无明显孔洞；

44、孔洞型：且，无延伸裂缝；

45、复合型：同时满足裂缝型特征与孔洞型特征，为高风险病害类型；

46、步骤s34.破损程度量化：构建融合井筒突水破损形态参数与突水强度的分级评价体系，以建立“形态-强度”双维度评估体系，解决传统定性评估的模糊性问题，直接支撑修复优先级决策，并考虑到裂缝宽度对结构稳定性的影响更关键，是井筒结构安全的“突变型临界指标”，破损面积、突水强度是风险扩散的渐变型干预指标，建立考虑不同指标风险敏感性的井筒突水淹井破损程度量化评估模型计算破损程度综合指数，以确定破损等级（轻度/中度/重度）。

47、优选的，所述步骤s31中改进k-means聚类的目标函数锁定突水点坐标的具体聚类公式为：

48、

49、式中，为第阶段下第个聚类簇的中心，即突水点坐标，最终输出为柱坐标（径向距离）、（周向角度）、（深度），为寻找使目标函数最小的自变量符号，即最优突水点坐标，为突水阶段标识，为第阶段聚类簇数量，初期粗定位疑似区个数3～5，稳定期精准定位单点，为第阶段下第个聚类簇，包含若干采样点的候选区域，由压力/声学异常值划分，为聚类簇内由柱坐标描述的采样点，为分阶段权重，为采样点的水压值；为聚类簇内的平均水压；为第阶段全井筒最大水压阈值，可按照地下水压计算，为采样点的声学信号强度；为第阶段突水异常声学信号均值，为第阶段声学信号最大强度阈值，用于归一化，避免量纲干扰。

50、优选的，所述步骤s34中破损程度综合指数计算方法如下：

51、

52、式中，为破损程度综合指数，且，为裂缝最大宽度，为重度破损裂缝宽度临界值，为破损面积，为中度破损临界值，为突水强度，为中度突水临界值，、、为权重系数，基于工程重要性设定；

53、根据建立的破损程度综合指数，结合预设阈值判定破损等级，以解决传统定性评估的模糊性问题，为修复优先级排序提供依据，具体破损等级判定逻辑如下：

54、轻度破损：；

55、中度破损：；

56、重度破损：。

57、优选的，所述步骤s4中对应不同破损等级，制定并执行有以下对应修复方案：

58、轻度破损：采用超细水泥注浆封堵破损点及壁后间隙，注浆压力为周边水压的1.2～1.5倍，抽水后检查密实度并按需补注，无需额外结构加固；

59、中度破损：采用超细水泥注浆并结合局部冻结以隔绝地下水，抽水后清理破损区并铺设10mm厚q355钢板固定，加固范围覆盖破损区域周边1.5m，再壁后补注水泥填充间隙；

60、重度破损：采用大范围冻结并壁后注入高强度丙烯酸盐浆液以应急封堵破损点及壁后间隙，抽水后架设钢支架，浇筑c40喷射混凝土，最后壁后分段递增注浆完成永久加固。

61、优选的，修复方案执行后存在以下堵水达标判断与抽水启动条件：

62、通过水下声学探测、壁后压力传感器及井筒渗流量监测确认堵水效果，当连续24小时内，破损区壁后注浆密实度达95%以上、井筒渗流量≤0.1m³/h、水压波动幅度≤5%，且冻结治理（中度/重度）的冻结壁厚度及强度达标（温度稳定在-10℃以下、无明显变形）时，判定堵水成功，可启动抽水系统；

63、抽水过程中同步监测水位下降速率（控制在0.5m/h以内）及井壁压力变化，若出现渗水量回升、水压异常波动，立即暂停抽水并补充壁后注浆，直至再次满足达标条件后再继续。

64、由上述技术方案可知，本发明提供了一种煤矿立井突水淹井后水下病害全参数的协同识别评估方法，与现有技术相比，本发明具有以下优势：

65、1.本发明针对淹井初期、稳定期不同动态工况，分别匹配声呐与压力传感器粗筛查、进一步加装光学摄像头与惯性导航精定位的分级探测策略，并动态调整声学声呐频率与压力传感器布设间距，能够兼顾大范围风险管控与精准识别需求，有效缩减无效探测作业，大幅降低探测成本与作业损耗。

66、2.本发明通过对声学信号进行滤波处理、光学图像进行修复优化、水压数据采用3σ异常剔除处理，并结合分阶段自适应权重融合算法实现多源数据抗干扰融合，能够有效消除水下低能见度、水流扰动带来的探测干扰，解决各类探测数据碎片化、信息缺失的问题，大幅提升水下探测数据的完整性与准确性。

67、3.本发明通过改进k-means聚类算法精准锁定突水点柱坐标，结合泊松重建技术提取巷道破损形态关键参数，依托突水强度构建综合指数分级识别模型，能够突破传统人工定性识别的局限性，实现矿井突水、巷道破损病害的全参数量化识别，实现病害位置、形态、突水强度的精准量化评估，保障各项检测数据真实可靠、精准有效。

68、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。