基于多尺度多重分形法的煤岩破坏电位信号特征研究.pdf

基于多尺度多重分形法的煤岩破坏电位信号特征研究王恒1，3，李忠辉1，2，3，张昕1，3，雷跃宇1，3（1.中国矿业大学煤矿瓦斯与火灾防治教育部重点实验室，江苏徐州221116；2.中国矿业大学煤矿瓦斯治理国家工程研究中心，江苏徐州221116；3.中国矿业大学安全工程学院，江苏徐州221116）摘要：煤岩变形破坏诱发的表面电位信号包含损伤演化的关键信息，在煤岩动力灾害监测领域得到广泛研究，但大多是在单一时间维度对电位时序信号的波动特征进行研究，对时序信号的非线性、多尺度特征变化规律缺乏深入研究。针对该问题，搭建了煤岩破坏电位监测系统，同步测试了原煤和辉长岩 2 种试样的电位时序信号，并通过多尺度多重分形（MMA）法，深入研究了多尺度下的电位信号非线性特征，得到了电位时序信号的奇异性指数、奇异维数、局部赫斯特指数等参数，并采用 L2 范数对赫斯特曲面予以量化。实验结果表明：原煤和辉长岩的总体电位信号都呈现出多尺度多重分形特征，且裂纹萌生前后的电位多重分形图谱呈现一定差异性；相较于辉长岩，煤样在加载前后阶段不同位置处电位信号的奇异性指数差异 正负趋势呈现不同特征，表明了煤样具有更强的非线性演化特征；多尺度下局部赫斯特指数的 L2 范数更好地体现出试样不同通道电位信号间的长程相关性，并能够量化试样电位时序信号的非线性演化特征，进而实现煤岩失稳破坏预测。关键词：煤岩动力灾害监测；煤岩电位信号；多尺度多重分形；非线性特征；赫斯特曲面；局部赫斯特指数中图分类号：TD315文献标志码：AStudyonthefeaturesofcoalrockfailurepotentialsignalbasedonmultiscalemultifractalanalysismethodWANGHeng1,3,LIZhonghui1,2,3,ZHANGXin1,3,LEIYueyu1,3(1.KeyLaboratoryofGasandFireControlforCoalMinesofMinistryofEducation,ChinaUniversityofMiningandTechnology,Xuzhou221116,China；2.NationalEngineeringResearchCenterforCoalGasControl,ChinaUniversityofMiningandTechnology,Xuzhou221116,China；3.SchoolofSafetyEngineering,ChinaUniversityofMiningandTechnology,Xuzhou221116,China)Abstract:Thesurfacepotentialsignalsinducedbythedeformationandfailureofcoalandrockcontainkeyinformationondamageevolution.Ithasbeenwidelystudiedinthefieldofcoalandrockdynamicdisastermonitoring.However,mostofthesestudiesfocusonthefluctuationfeaturesofpotentialtimeseriessignalsinasingletimedimension.Thereisalackofin-depthresearchonthenonlinearandmultiscalefeaturechangesofthetimeseriessignals.Tosolvethisproblem,amonitoringsystemforthepotentialofcoalandrockfailureisbuilt,and the potential time series signals of raw coal and gabbro samples are synchronously tested.Through themultiscalemultifractalanalysis(MMA)method,thenonlinearfeaturesofpotentialsignalsatmultiplescalesarestudiedindepth.Thesingularityindex,singularitydimension,localHurstindexandotherparametersofthepotentialtimeseriessignalsareobtained.TheHurstsurfaceisquantifiedbytheL2norm.Theexperimentalresults收稿日期：2022-12-01；修回日期：2023-06-20；责任编辑：胡娴。基金项目：“十四五”国家重点研发计划项目（2022YFC3004705）；国家自然科学基金项目（52074280）；国家自然科学基金重点项目（51934007）。作者简介：王恒（1999），男，河南鹿邑人，硕士研究生，研究方向为煤岩动力灾害过程监测及预警，E-mail:。通信作者：李忠辉（1978），男，河北高邑人，教授，博士，博士研究生导师，研究方向为煤岩动力灾害过程监测及预警、煤与瓦斯突出防治与瓦斯抽采、安全监测预警大数据分析及智能预警等，E-mail：。引用格式：王恒，李忠辉，张昕，等.基于多尺度多重分形法的煤岩破坏电位信号特征研究J.工矿自动化，2023，49（7）：99-106.WANGHeng,LIZhonghui,ZHANGXin,etal.StudyonthefeaturesofcoalrockfailurepotentialsignalbasedonmultiscalemultifractalanalysismethodJ.JournalofMineAutomation，2023，49（7）：99-106.第49卷第7期工矿自动化Vol.49No.72023年7月JournalofMineAutomationJul.2023文章编号：1671251X（2023）07009908DOI：10.13272/j.issn.1671-251x.2022120003showthattheoverallpotentialsignalsofrawcoalandgabbroshowmultiscalemultifractalfeatures,andthepotentialmultifractalmapsbeforeandaftercrackinitiationshowsomedifferences.Comparedwithgabbro,thepositiveandnegativetrendsofthesingularityindexdifferenceofthepotentialsignalsofthecoalsamplesatdifferentpositionsinthepre-loadingandpost-loadingphasesshowdifferentfeatures.Itindicatesastrongernon-linearevolutionofthecoalsamples.TheL2normofthelocalHurstindexatmultiplescalesbetterreflectsthelong-rangecorrelationbetweendifferentchannelpotentialsignalsofthesample.Itcanquantifythenonlinearevolutionfeaturesofthesampletimeseriessignals,therebyachievingthepredictionofcoalrockinstabilityandfailure.Key words:dynamicdisastermonitoringofcoalrock;potentialsignalofcoalrock;multiscalemultifractalanalysis;nonlinearfeature;Hurstsurface;localHurstindex 0引言随着煤炭资源逐步进入深部开采阶段，煤与瓦斯突出等动力灾害日趋严峻及复杂，给煤矿安全高效开采带来严重的威胁与挑战1-3。通过地球物理学方法对煤岩动力灾害进行监测预警是一种行之有效的方法4-5，被越来越多地应用于煤与瓦斯突出的监测与防治工作中6-7。前人的理论研究和现场实践表明，采动过程中监测到的各种地球物理信息是揭示煤岩损伤演化特征规律的关键8-11。电位信号作为地球物理信息的一种，最初起源于地震12，随后众多学者研究表明在不同煤岩材料破坏过程中都产生了电位信号13-15，且与煤岩损伤演化具有高度相关性，在煤岩失稳破坏前呈现明显前兆信息16。因此，电位法逐步被应用于煤岩动力灾害监测预警领域，取得了突出的成果17-18。煤岩电位信号本身包含了损伤演化的关键信息，其时序特征规律得到广泛研究。李忠辉19对表面电位信号的 R/S 规律进行了分析，证明表面电位时间序列赫斯特指数大于 0.5，表面电位呈逐渐升高的趋势。刘杰等20应用多重分形理论分析表面电位时间序列，得出其存在多重分形特征，在较大尺度内满足标度不变性；不同尺寸的试样，表面电位信号多重分形谱呈右钩状。钮月21研究了含瓦斯煤损伤破坏电位响应规律，发现电位信号时间序列具有多重分形特征与临界慢化特征，多重分形参量及方差可作为监测含瓦斯煤失稳破坏的时序前兆信息。现有研究多基于盒维数法计算分析电位时序信号的多重分形特征22-23，只在单一时间维度对电位时序信号的波动特征进行研究，对其非线性、多尺度特征变化规律缺乏深入研究。多重分形趋势波动分析（MultifractalDetrendedFluctuation Analysis，MFDFA）法 24-25及 其 改 进 方法多尺度多重分形（MultiscaleMultifractalAnalysis，MMA）法26已被应用到生命科学与医学领域，取得了较好效果27-28。本文应用 MMA 法对原煤和辉长岩的多个通道电位信号时间序列进行研究。由于观察到同一通道时序电位信号在裂纹闭合阶段、微裂隙发展阶段的信号波动与非稳定破裂及之后阶段具有显著不同，而不同通道的各阶段信号波动却具有一定相似性，所以将时间序列以裂隙萌生阶段为界分为前后 2 期，研究分析前后时期与总体时间序列在不同尺度上的长程相关性及不同通道间时序电位信号的相关性，探索不同通道时间序列的多尺度非线性演化规律，从而全面地把握其时序特征；同时，根据已知材料非线性演化规律预估未知信号的演化特征，从而实现预测煤岩失稳破坏的目的。1多尺度多重分形法定义一个长度为 N 的时间序列 xi，计算累计和：yi=Ni=1xi1NNi=1xi（1）以一个整数 s 作为划分尺度对时间序列进行划分，分段数为Ns=Ns（2）对分段后每一段内的累计和 yj（j 为每一段内的数据序号）进行拟合，并用实际值 yj减去对应的拟合值 yj（k）（k 为拟合多项式最高阶数），即去趋势处理，得ysj,n=yj,ny(k)j,n（3）式中 n 为各段序号。计算 s 尺度下第 n 段去趋势处理后数据的总体均方差：F(s,n)=1ssj=1(ysj,n)2（4）通过总体均方差计算每段数据 q 阶的平均波动：Fq(s)=1NsNsn=1F(s,n)q21q（5）100工矿自动化第49卷当 s 和 q 确定时，式（5）可表示为Fq(s)sH(q)（6）式中 H（q）为广义赫斯特指数。q对式（6）取对数，可作出多条不同 值对应的拟合线，拟合线斜率即为该阶数下的赫斯特指数H（q）。将 H（q）转换为质量指数，再求导转换为奇异性指数 和奇异维数 Dq，得到与盒维数法结果相同的多重分形谱，此即 MFDFA 法。qqqMMA 法在 MFDFA 法的基础上，将拟合分析细化到各个尺度 s，能够考察到各个尺度对时间序列赫斯特指数的影响，改善了 MFDFA 法只能分析单个尺度的缺陷，得到的结果 h（，s）即为局部赫斯特指数。由于局部赫斯特指数是与 s 和 相关的量，所以可作出曲面来表征其与 s 和 的对应关系，此即赫斯特曲面。2单轴加载实验2.1试样实验选择原煤和辉长岩 2 种试样，均为 50mm50mm100mm 的普通长方体标准试样，采用细砂纸打磨，使其平整度误差低于 0.02mm，其物理力学特性见表 1。将 2 种试样用于单轴压缩实验，同步测试其损伤破坏过程中的电位信号响应。表1原煤与辉长岩物理力学特性Table1Physicalandmechanicalpropertiesofrowcoalandgabbro试样密度/（gcm3）弹性模量/GPa峰值强度/MPa原煤1.192.0014.55辉长岩2.9214.8475.222.2实验系统单轴压缩实验系统如图 1 所示。加载系统采用Y4306 型 3000kN 压力实验机，该系统由压力机主机、加载控制箱、计算机和 PowerTestV3.3 控制程序组成，可开展单轴加载实验。表面电位信号采集系统由 COBWEBDAU 型便携式多通道电位信号监测仪、伺服控制器及前端放大器等组成，最多可支持16 个通道的电位信号实时采集和记录，各个通道的最高采样频率可达 100kHz。前端放大器共包含50 倍、100 倍、200 倍及 500 倍 4 个数据放大档位，可根据实验要求进行设定。为更好地记录电位信号细节信息，每个通道前端放大器放大倍数统一设为150，采样频率均设为 195Hz。2.3实验步骤选用大小为 15mm15mm 的电极片，用石墨胶将电极粘贴在煤样上，静置一段时间，使其达到表面电位平衡。加载前，先对表面电位测试系统进行调试，确保实验前表面电位平稳。试样与压头用绝缘纸隔离，防止因压头带电对电位信号采集产生干扰。为保证不同试样的初始应力相同，单轴加载前为试样施加 1kN 预应力。上述步骤全程在电磁辐射屏蔽室内进行，待完成准备工作后，开始进行单轴加载，直至试样破坏。不同试样电位信号均选用 1 号和 2 号通道作为采集通道。3实验结果分析3.1电位时序信号响应对试样进行压缩破坏实验，得到煤岩破裂表面电位时序信号，如图 2 所示。可发现不同试样前后期的信号波动特性显著不同。（a）原煤（b）辉长岩5010015020025002.55.07.510.012.515.017.520.0应力/MPa时间/s时间/s应力前后期分界线0.1500.050.100.150.20通道 1通道 2电位/mV应力/MPa电位/mV应力通道 1通道 202004006008001 0001 2001010305070900.2500.250.500.751.001.25前后期分界线图2原煤和辉长岩电位时序信号Fig.2Timeseriesofpotentialsignalofrawcoalandgabbro原煤作为一种多孔介质材料，相比于辉长岩，在裂纹闭合阶段的信号波动更为剧烈，表现出强烈的便携式多通道电位信号监测仪下压头油泵伺服控制器采集主机上压头绝缘垫片前端放大器特氟龙屏蔽线铜制电极图1单轴压缩实验系统Fig.1Uniaxialcompressionexperimentalsystem2023年第7期王恒等：基于多尺度多重分形法的煤岩破坏电位信号特征研究101非线性特征。当试样进入裂纹扩展阶段后，二者的电位信号波动变得更为明显，并且伴随着小破裂的发生，出现了局部应力下降。辉长岩的电位信号总体趋势逐渐增大，而原煤电位信号由于非线性特征更强，时序信号类似于随机游走，很难发现二者之间有哪些本质区别及各自特征，这制约了对不同材料电位时序信号的深入理解，需要应用多重分形理论进行解释。而由于原煤和辉长岩时序信号长度不同，为确保方法的普适性，针对不同试样进行计算时，各参数的选取随时序信号长度等比例扩大或缩小。3.2MFDFA 法计算结果使用 MFDFA 法对各个时期的时间序列进行计算，得到原煤和辉长岩的多重分形谱，如图 3 和图 4所示。0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4 2.6 2.80.20.400.20.40.60.81.01.2Dq前期后期总体前期后期总体1.631.460.96（a）通道 10.81.01.21.41.61.82.02.22.42.60.20.400.20.40.60.81.01.2Dq1.231.511.14（b）通道 2图3原煤各通道多重分形谱Fig.3Multifractalspectrumofrawcoalchannels图 3 和图 4 中所有通道的总体时间序列都表现出右钩状的多重分形谱曲线样式，这是典型的煤岩电位信号时间序列特征20，其奇异性指数 的起始值都在 1.0 左右，奇异维数 Dq的峰值都在 1.0 左右。但相比于原煤，辉长岩的 值跨度较小，并且各通道前期时间序列的多重分形谱曲线普遍比较陡峭，后期则变得平缓。原煤不同通道的多重分形谱表现各不相同，通道 1 各时期多重分形谱曲线变化趋势与辉长岩表现相似，但通道 2 却与之相反，前期的曲线更为平缓，后期却反而陡峭。辉长岩不同通道各时期的多重分形谱曲线具有相似的变化趋势，而原煤不同通道结果各不相同，表明多重分形谱虽然能够在一定程度上表征原煤和辉长岩的非线性演化特征差异，但是难以定量描述其差异并指出差异是如何引起的，需要 MMA 法来予以解释。3.3MMA 法计算结果使用 MMA 法对各个时间序列进行计算，得到赫斯特曲面，如图 5图 8 所示。可看出各时期电位信号的赫斯特曲面都有一部分相似于总体赫斯特曲面，但不同试样及不同通道的具体表现有所不同。q在赫斯特曲面上，原煤不同通道的后期时序信号显现出强烈的一致性，其相比于前期信号更相近于总体，并且曲面变化趋势都是总体平缓，但在 q 接近 0 附近和全尺度上缓慢增加，直至取得峰值，呈“山脊”状。而不同通道的前期时序信号赫斯特曲面则呈现出有规律的差异：通道 1 前期与总体的不同在于，当 q 取较大正值和大尺度时，其赫斯特曲面取得峰值；而通道 2 则是在 q 取较小负值和大尺度时，赫斯特曲面取得峰值。阶数 和尺度 s 能够体现出大小信号在各种时间尺度下的分布规律，因此能够具体说明是哪部分的大小信号最终导致了赫斯特曲面的不同，结果相比于多重分形谱更为明晰。0.81.01.21.41.61.82.02.22.42.60.60.80.40.200.20.40.60.81.01.2Dq前期后期总体前期后期总体0.941.390.970.81.01.21.41.61.82.00.20.40.60.81.01.2Dq0.960.920.68（a）通道 1（b）通道 2图4辉长岩各通道多重分形谱Fig.4Multifractalspectrumofgabbrochannels102工矿自动化第49卷qq辉长岩 2 个通道均是前期与总体的赫斯特曲面更加相似，但曲面起伏趋势有所不同。通道 1 赫斯特曲面表现为总体平缓，在全体 阶和大尺度时缓慢增大并取得多个峰值；通道 2 总体也较为平缓，但在 q 取较小负值和大尺度时陡然增大并取得峰值。而 2 个通道后期赫斯特曲面却表现出相似性，都在较小 阶和中等尺度时增大并达到峰值。4讨论从图（2）可看出，辉长岩 2 个通道的电位信号均具有总体增大趋势，而原煤不同通道的电位信号变化趋势各不相同，表明原煤具有更强的非均质性和损伤局部化特征，使得其不同通道的时序信号具有更强的非线性演化特征。这种非线性特征在多重分形谱上体现为不同时期的奇异性指数差异 大小及正负性不同。而原煤和辉长岩不同时期的多重分形曲线变化趋势也的确表现出明显差异，表明其时序信号的非线性演化特征在裂纹萌生前后获得了发展。能够表征大小信号出现的频率20，由于试样都具有一定的局部损伤演化特征，对于同一试样，不同通道所采集的电位信号前后期与总体时间序列的2.5h(q,s)2.01.51.00.5000h(q,s)2315q311350s6001 0001 4001 8002.5h(q,s)2.01.51.00.52.5h(q,s)2.01.51.00.5（a）前期（b）后期（c）总体h(q,s)2315q311350s6001 0001 4001 800h(q,s)2315q311350s6001 0001 4001 800图5原煤通道 1 前后期及总体赫斯特曲面Fig.5Hurstsurfaceofearly,lateandoverallstageofrawcoalschannel12.5h(q,s)2.01.51.00.50002.5h(q,s)2.01.51.00.52.5h(q,s)2.01.51.00.5（a）前期（b）后期（c）总体h(q,s)2315q311350s6001 0001 4001 800h(q,s)2315q311350s6001 0001 4001 800h(q,s)2315q311350s6001 0001 4001 800图6原煤通道 2 前后期及总体赫斯特曲面Fig.6Hurstsurfaceofearly,lateandoverallstageofrawcoalschannel22.5h(q,s)2.01.51.00.50002.5h(q,s)2.01.51.00.52.5h(q,s)2.01.51.00.5（a）前期（b）后期（c）总体s6001 6002 6003 600h(q,s)2315q3113501 6002 6001 6002 600s6003 600h(q,s)2315q311350s6003 600h(q,s)2315q311350图7辉长岩通道 1 前后期及总体赫斯特曲面Fig.7Hurstsurfaceofearly,lateandoverallstageofgabbroschannel12.5h(q,s)2.01.51.00.52.5h(q,s)2.01.51.00.52.5h(q,s)2.01.51.00.5（a）前期（b）后期（c）总体s6003 600h(q,s)2315q311350s6003 600h(q,s)2315q311350000s6003 600h(q,s)2315q3113501 6002 6001 6002 6001 6002 600图8辉长岩通道 2 前后期及总体赫斯特曲面Fig.8Hurstsurfaceofearly,lateandoverallstageofgabbroschannel22023年第7期王恒等：基于多尺度多重分形法的煤岩破坏电位信号特征研究103 变化趋势理应具有差异，但对于具有更强均质性的材料及更强线性演化特征的时序信号来说，不同通道的 大小及正负性变化应更加一致，这一点在辉长岩上得到了体现。相较于原煤，辉长岩不同通道前后期与总体时序信号的 变化趋势一致，其大小较为接近，均是前期为正，后期为负，表明辉长岩具有更强的均质性，使得不同通道采集到的电位时序信号具有更相似的非线性演化特征。而原煤不同通道各时期则呈现不同的变化趋势，通道 1 的 前期为正，后期为负；通道 2 则是前后期均为负，不仅如此，其 也普遍比辉长岩大，表明原煤具有更强的局部损伤演化特征，使得不同通道采集到的电位信号具有更强的非线性演化特征。然而对于原煤电位信号，尽管能够以 变化趋势来表征其比辉长岩具有更强的非线性特征，但这种解释过于模糊，既不能说明其非线性特征的强烈程度，也不能提取出不同试样非线性演化特征的特性，但这些问题通过赫斯特曲面得到了解决。原煤不同通道信号各时期的赫斯特曲面均为“山脊”状，并均是后期赫斯特曲面更接近于总体赫斯特曲面。曲面上的局部赫斯特指数具有表征时间序列长程相关性的性质19，而原煤不同通道的时序信号经 MMA 法得到的局部赫斯特指数变化大致相似，表明该方法能够归纳出原煤在受载破坏时不同通道时序信号非线性演化特征的一致特性，这能够将不同通道的时序电位信号联系起来，从而更好地对煤岩电位信号非线性响应特征进行精细化识别和分析。辉长岩不同通道各时期的时序信号在多重分形谱中就已显现出一致的趋势，其在赫斯特曲面上仍然保留着这一特点，再次印证了辉长岩时序信号比原煤更为线性的演化特征。为了量化不同通道各时期赫斯特曲面的变化趋势，定义曲面 L2 范数：d=vtmr=1hr(q,s)2（7）式中 m 为曲面上局部赫斯特指数的数量；hr（q，s）为第 r 个局部赫斯特指数。不同通道各时期 L2 范数见表 2，d1为前期 L2 范数，d2为后期 L2 范数，d0为总体 L2 范数。可看出原煤和辉长岩不同通道各时期 L2 范数比值各自具有独特的变化趋势。原煤各通道均是前期较大，为108.02%，110.49%，后期较小，为 102.14%，93.91%；辉长岩则是前期较小，为 92.69%，96.44%，后期较大，为 108.82%，110.04%。这表明由于岩性不同导致压裂破坏时的电位信号非线性演化特征不同，从而引起的试样 L2 范数比值不同与试样种类具有对应关系。因此，可通过 L2 范数比值关系对时序信号进行分类，识别是何种材料产生的电位信号。而对于已知材料，则可通过这种比值关系，监测时序信号L2 范数比值的变化，从而对失稳破坏进行预警。表2不同通道各时期 L2 范数Table2L2normsofdifferentperiodsindifferentchannels通道d1d2d0L2范数比值/%d1/d0d2/d0原煤通道116.1615.2814.96108.02102.14原煤通道216.3213.8714.77110.4993.91辉长岩通道115.3518.0216.5692.69108.82辉长岩通道215.4617.8016.0396.44110.04对于矿井安全生产，可先通过实验测得矿井煤岩壁材料压裂破坏时序电位信号前后期与总体的局部赫斯特指数的 L2 范数比值，然后布置电极监测煤岩壁电位信号。采集不少于 16000 个电位信号26，并根据采样频率计算数据采集需要的时间 t1。取0t1内的电位数据作为基准数据，使用 MMA 法计算其 L2 范数 d1。随着时间推移继续采集电位数据至 t2（t2=2t1）时刻，计算 0t2内电位信号的 L2 范数d2和 d0，并将 d1、d2与 d0比较，若 d1/d0和 d2/d0的增减趋势相似于实验材料时序信号前期的 d1/d2，则可判断煤岩壁正在缓慢失稳。持续监测其电位信号，将实时时刻定为 t2，t2的中值时刻定为 t1，持续计算d1/d0和 d2/d0，当比值接近于实验材料时发出预警，即可监测预警煤岩动力灾害的发生。若是初次计算的d2/d1趋势与实验材料的表现相反，则说明实际现场数据量不足，将初始的 t2置为 t1，重复选择 t2进行监测即可。这为凭借时序信号非线性演化特征监测预警煤岩动力灾害提供了新的视角和方法，具有积极意义。5结论1）原煤和辉长岩各通道时序信号都具有多重分形特征，裂隙萌生期前后的时序信号也各自具有多重分形特征，不同试样各时期信号的多重分形特征与总体信号具有典型差异。辉长岩不同通道信号的奇异性指数差异 具有更相似的变化趋势，而原煤的 变化趋势不同，表明辉长岩时序信号具有更强的线性演化特征。2）赫斯特曲面能够展现出试样在多尺度下不同通道电位时序信号的非线性演化特征，这种非线性104工矿自动化第49卷演化特征能够以局部赫斯特指数的 L2 范数比值来量化，而比值大小与煤岩种类具有对应性。因此，通过局部赫斯特指数的 L2 范数能够对煤岩电位信号进行分类；而对于已知材料的时序信号，可凭借部分信号预估其破坏时 L2 范数大小，从而实现对煤岩失稳破坏的预警。参考文献（References）：谢和平，王金华，王国法，等.煤炭革命新理念与煤炭科技发展构想J.煤炭学报，2018，43（5）：1187-1197.XIEHeping，WANGJinhua，WANGGuofa，etal.Newideasofcoalrevolutionandlayoutofcoalscienceandtechnology developmentJ.Journal of China CoalSociety，2018，43（5）：1187-1197.1WANGChaojie，YANGShengqiang，LIXiaowei，etal.The correlation between dynamic phenomena ofboreholes for outburst prediction and outburst risksduring coal roadways drivingJ.Fuel，2018，231：307-316.2齐庆新，潘一山，舒龙勇，等.煤矿深部开采煤岩动力灾害多尺度分源防控理论与技术架构J.煤炭学报，2018，43（7）：1801-1810.QIQingxin，PANYishan，SHULongyong，etal.Theoryandtechnicalframeworkofpreventionandcontrolwithdifferent sources in multi-scales for coal and rockdynamic disasters in deep mining of coal minesJ.JournalofChinaCoalSociety，2018，43（7）：1801-1810.3谭云亮，郭伟耀，辛恒奇，等.煤矿深部开采冲击地压监测解危关键技术研究J.煤炭学报，2019，44（1）：160-172.TANYunliang，GUOWeiyao，XINHengqi，etal.Keytechnologyofrockburstmonitoringandcontrolindeepcoal miningJ.Journal of China Coal Society，2019，44（1）：160-172.4李楠，王恩元，GEMaochen.微震监测技术及其在煤矿的应用现状与展望J.煤炭学报，2017，42（增刊1）：83-96.LI Nan，WANG Enyuan，GE Maochen.Microseismicmonitoringtechniqueanditsapplicationsatcoalmines：presentstatusandfutureprospectsJ.JournalofChinaCoalSociety，2017，42（S1）：83-96.5王恩元，李忠辉，钮月，等.深部煤层采动破坏电位响应特征与分布规律J.煤田地质与勘探，2021，49（1）：241-248.WANG Enyuan，LI Zhonghui，NIU Yue，et al.CharacteristicsanddistributionlawsofelectricpotentialresponsetominingfailureofdeepcoalseamJ.CoalGeology&Exploration，2021，49（1）：241-248.6殷山.煤岩受载破坏过程磁场效应规律实验研究D.北京：北京科技大学，2022.YINShan.Experimentalstudyonthelawofmagneticfieldeffectintheprocessofcoalandrockfailureunder7loadD.Beijing：UniversityofScienceandTechnologyBeijing，2022.陈丁.矿井全空间巷道孔中瞬变电磁波场特征数值模拟研究D.北京：中国矿业大学（北京），2016.CHEN Ding.Study on wave field characteristics ofdrillhole transient electromagnetic in mine roadwaywhole space using numerical simulationD.Beijing：China University of Mining&Technology-Beijing，2016.8王昕.基于电磁波技术的煤岩识别方法研究D.徐州：中国矿业大学，2017.WANG Xin.Study of coal rock identification methodbasedonelectromagneticwavetechnologyD.Xuzhou：ChinaUniversityofMiningandTechnology，2017.9杨志良，赵毅鑫，杨东辉，等.单轴压缩条件下砂岩的声热效应特征研究J.矿业科学学报，2019，4（3）：230-239.YANGZhiliang，ZHAOYixin，YANGDonghui，etal.Study on the characteristics of the acoustic and thethermaleffectsofsandstoneunderuniaxialcompressionconditionJ.JournalofMiningScienceandTechnology，2019，4（3）：230-239.10孙海.承载煤岩损伤演化的红外辐射响应机制及量化表征D.徐州：中国矿业大学，2019.SUN Hai.Infrared radiation response mechanism andquantitativecharacterizationduringdamageevolutionofloadingcoalandrockD.Xuzhou：ChinaUniversityofMiningandTechnology，2019.11MIZUTANI H，ISHIDO T，YOKOKURA T，et al.ElectrokineticphenomenaassociatedwithearthquakesJ.Geophysical Research Letters，1976，3（7）：365-368.12赵扬锋，刘力强，潘一山，等.岩石变形破裂微震、电荷感应、自电位和声发射实验研究J.岩石力学与工程学报，2017，36（1）：107-123.ZHAO Yangfeng，LIU Liqiang，PAN Yishan，et al.Experiment study on microseismic，charge induction，self-potential and acoustic emission during fractureprocessofrocksJ.ChineseJournalofRockMechanicsandEngineering，2017，36（1）：107-123.13ARCHERJ，DOBBSM，AYDINA，etal.Measurementand correlation of acoustic emissions and pressurestimulated voltages in rock using an electric potentialsensorJ.InternationalJournalofRockMechanicsandMiningSciences，2016，8（9）：26-33.14郭伟红.温变条件下岩石自然电位及激电特征研究D.徐州：中国矿业大学，2021.GUO Weihong.Study on spontaneous potential andinduced polarization characteristics of rock undertemperature changeD.Xuzhou：China University ofMiningandTechnology，2021.15殷山，李忠辉，钮月，等.煤岩受载损伤演化电位特征162023年第7期王恒等：基于多尺度多重分形法的煤岩破坏电位信号特征研究105实验研究J.煤炭学报，2017，42