基于试验与机器学习方法的固结体—煤体组合声发射参数特征及分阶段破裂扩展识别

倾听地下的危险信号

现代煤矿依赖地下支柱和人造回填来支撑数百米的岩层。如果这些支护突然失效，可能导致灾难性的顶板坍塌。该研究展示了工程师如何“聆听”固结回填—煤柱组合结构内部的微小破裂声，并利用人工智能识别失败前的预警阶段，从而推动在实际矿井中实现更智能、更早期的安全警报。

人造岩体与煤体如何协同工作

在一些中国矿井中，一种称为连采连回的技术用废石、胶凝材料和砂制成固结体，替代部分煤体。该固结块与剩余的煤柱共同承担上覆地层的支撑，形成作者所称的固结体—煤体组合。由于这类结构处于应力集中区且受持续开采扰动，理解其何时以及如何开始开裂，对于长期稳定性和工人安全至关重要。

把微小裂纹变成有用的信号

当岩体受压时，微裂纹产生与扩展会发出高频弹性波。粘贴在试样侧面的灵敏声发射传感器可以在可见损伤出现之前捕捉到这些信号。研究人员制备了煤与固结回填的组合试样，并在缓慢压缩的过程中记录了数百万次声发射事件。他们考察了这些信号的发生频率、能量分布以及波形随时间的变化。通过将这些参数与试样的应力—应变数据并行跟踪，研究者能够将声学模式的变化与内部损伤的不同阶段联系起来。

可识别阶段的裂纹生长

试验表明，组合结构不会瞬时整体破坏，而是经历一系列阶段。最初，孔隙与小裂隙被压闭，仅伴随少量弱的声发射信号。随着荷载增加，材料进入弹性阶段，微裂纹开始成核，声发射活动显著上升，出现第一个信号计数峰值。随后，随着更大裂缝的产生、在回填体与煤体之间相互连通并相互作用，信号模式变得更强且更复杂，导致与不稳定断裂和最终破坏相关的第二个、更强的峰值。基于能量—频率分布和波形特征的度量在这些阶段中呈现出特征性响应，意味着压密、稳定裂纹扩展与不稳定突破的“声音指纹”各自可以被区分。

教会机器读懂预警信号

为将这些模式转化为实用工具，团队将四个关键声学参数输入若干机器学习模型，以识别试样在任一时刻处于哪一损伤阶段。他们测试了随机森林、支持向量机以及两种先进的梯度提升方法。所有模型都能高精度地分类各阶段，但轻量级梯度提升机表现最佳，正确识别了超过85%的时间窗口。作者随后使用流行的可解释性方法查看哪些参数最重要，并基于这些重要性分数构建了一个综合预警指标。该指标将声学行为的不同方面融合为一条曲线，随着结构从安全向危险状态演进而上升。

这对矿井安全的意义

通俗地说，研究表明回填—煤体支撑系统在破坏前会“发声”，且计算机可以学会理解这种语言。通过监测少数精心选择的声学特征并将它们融合为单一预警指标，工程师理论上可以在结构从无害裂纹转向快速蔓延的、预示坍塌的裂缝时进行检测。尽管所提指标仍基于受控实验室试验，需针对地下更嘈杂、更复杂的环境进行调整，但它为未来矿井监测系统提供了清晰框架，旨在将微弱的地下“耳语”转化为可靠的早期预警。

引用: Tan, Y., Cheng, H., He, M. et al. Characterization of acoustic emission parameters and identification of staged fracture propagation in solidified body-coal combination based on experimental and machine learning approaches. Sci Rep 16, 8314 (2026). https://doi.org/10.1038/s41598-026-37101-0

关键词: 声发射, 煤矿稳定性, 岩石破裂, 机器学习监测, 预警系统