0.   引　　言

煤岩体中裂隙的赋存状态、空间结构形态、起裂形式及断裂韧性等属性是影响煤岩体的物理与力学性质的重要因素。对于裂隙多角度形态特征与力学属性的研究一直是工程应用的重要内容。

煤岩体裂隙形态的定量化描述可以表征裂隙演化特征及煤岩受扰动的损伤情况，而可视化技术在工程方面的应用^[1]为煤岩体裂隙形态结构的研究开启了一个新方向。许多学者以裂隙形态可视化及属性计算为出发点开展了相关研究。王登科等^[2]利用VG Studio软件计算了重构煤岩体裂隙的体积、表面积及裂隙率等特征参数，研究了受载条件下煤岩裂隙演化规律及形态变化特征。刘玉龙等^[3]基于X射线层析扫描技术及三维重构技术，实现了煤岩孔裂隙分布的三维可视化精细化表征。刘国方等^[4]利用Soble算子和编程将扫描数据进行处理并重构出三维裂隙结构，建立了精确的含原生裂隙的煤岩三维细观数值模型。张平等^[5]基于工业CT扫描并重构含裂隙煤岩体，结合VG Stutio MAX软件实现了裂隙宽度、表面积和体积等的定量计算。CAI等^[6]采用CT扫描技术研究了三轴压缩条件下裂隙几何特征、连通率、密度及应力变化对裂隙煤岩渗透率的影响规律。

对于存在初始缺陷的煤岩体，内部裂隙参数是影响其力学性能的重要参考依据。因此，学者们从裂隙倾角、长度及分布位置等角度开展了相应研究。赵延林等^[7]在三轴压缩条件下，研究了灰岩倾角的不同对岩石破坏过程及峰值的影响规律。秦楠等^[8]制作了单裂隙类岩石试件来研究低蠕变作用对试件强度及裂隙扩展规律的影响。王莉等^[9]研究了初始裂隙倾角及长度参数对岩石抗拉特性的影响。针对不同张开型裂隙，NIU^[10]利用RFPA数值模拟软件模拟发现煤岩体强度随着张开型裂隙长度增大而下降。由此得出，裂隙的力学性质、形态结构及分布特征参数对岩石力学研究具有重要意义，随着研究的不断深入，裂隙的属性数据及相关研究成果对工程研究具有很好的指导作用。

现有研究成果表明，可利用数据库将裂隙结构形态和力学属性进行整合、管理与存储，不断深化裂隙研究。在力学与岩土工程等领域，国内外专家学者已建立了多种数据库。康红普等^[11]通过整合多源煤矿地应力数据，建立了中国煤矿井下地应力数据库，分析了我国煤矿地应力分布特征。王宏伟等^[12]构筑了弹性力学经典解答数据库，实现了弹性力学问题的可视化描述。李震等^[13]建立了露天矿道路网数据库，实现了道路网数据的可视性并提高了露天矿管理效率。LANG等^[14]建立了岩土工程勘察数据库系统，实现了勘察工程数据的可视化。上述研究工作表明，数据库的出现使得工程及试验数据得到有效利用，可在实现数据分析及可视化的同时极大地提高工作效率。但是，煤岩体裂隙属性的智能计算分类、裂隙结构形态的可视化、裂隙信息实时传输，以及构筑裂隙数据库的相关算法研究，当前还处于未成熟阶段。

因此，笔者从数据库概念和建立数据库基本方法出发，以实地取样的煤岩体裂隙重构模型为研究对象，构建了裂隙结构形态和力学属性的可视化数据库，为研究裂隙形态多样性识别提供一个新的方向和思路，不仅可以减少研究人员实地取样的繁重工作，提高科研成员的工作效率，对于需要重点考察煤岩裂隙结构形态的研究还能提供可实时获取结果的服务，满足资源共享的需求。

1.   数据库基本构架

1.1   数据库构筑的基本思路

数据库是以数据结构来进行数据读取、信息存储等操作的媒介，它是将现实数据先抽象为信息模型，再经过信息模型转换为数据模型的过程^[15]。

建立数据库中各个实体之间的联系是建立数据库基本框架的必要条件。在煤岩体裂隙结构形态和力学属性的可视化数据库中，煤岩样品和裂隙是数据库中的两大实体。一个煤岩样品实体通常会存在多个裂隙实体，其关系是一对多的映射关系。所有煤岩样品实体的属性包括煤岩样品力学性质、赋存条件、地理位置、地质构造类型及加载条件等；裂隙实体的属性包含裂隙编号、张开位移、裂隙产状、应力强度因子、连续性、密度、体积、长宽和断裂类型等。两大实体之间的关系如图1所示。

图  1  煤岩样品与裂隙实体关系映射图

Figure  1.  Mapping diagram of relationship between coal and rock mass and cracks entities

下载: 全尺寸图片 幻灯片

构筑裂隙数据库可提高研究含裂隙煤岩体损伤与断裂演化机制的效率。图2为数据库构筑流程，主体部分的搭建大致可以分为以下3个步骤：

图  2  裂隙结构形态和力学属性可视化数据库的构筑流程

Figure  2.  Logical graph of visual database construction of cracks structure morphology

下载: 全尺寸图片 幻灯片

第1步，多源数据的智能获取。通过不同类型数据传递接口自动获取煤岩赋存勘测数据、模型参数与各类开采监测传感器等多源时空数据，统一存放入数据库用于可视化分析。其中，重构模型及裂隙的工程可用于实验及数值模拟研究；勘测信息中钻孔方位角、倾角和深度、煤岩开采水平及地质构造的产状等用于建立岩层面坐标系以确定岩层面与裂隙相对位置，判断局部地区裂隙赋存状况。

第2步，属性的智能分类与存储。数据库以建立裂隙属性存储码为出发点，整合裂隙、岩层及监测数据，完成裂隙智能计算与存储。通过融合多元线性回归、插值拟合与统计分析等多种算法，设计目标子程序担任裂隙形态分类属性计算任务；结合裂隙赋存条件与损伤断裂力学基本理论，计算各类断裂力学指标，确定煤岩体裂隙力学性能，完成裂隙力学属性与结构形态属性的高效自动分类与入库。计算完毕将裂隙各类信息汇总存储于具有动态更新的条形码与二维码中，以方便用户即时查阅。

第3步，形态可视化分析。基于查询索引的功能，数据库可用于属性图表分析及数据导出、自定义模型、裂隙面的点线面操作、力学属性的计算与结构形态数据的可视化。结合工程地质研究数据，基于大数据分析和协同管理等技术^[16-18]，数据库建立专家知识库和裂隙动态演绎平台，通过实时监测裂隙演化数据，可实现煤样动态演化信息的协同和高效管理。通过自动判断、匹配裂隙发育类型，分析不同地质构造裂隙发育规律，以评估煤岩安全系数并提供最优支护开采方案。

通过以上流程，结合数据库计算裂隙特征参数，按照裂隙受力特征确定裂隙断裂类型、应力模型函数、应力强度因子及J积分等，计算断裂能、裂隙扩展方向与规律，可实现能量场、应力−应变场及裂隙形态演化过程的可视化分析。最终形成一个集模型构建与更新、智能计算与传输、工程应用于一体的综合动态可视化分析数据库。在实现各类时空信息可视化展示的同时，还可以根据工程研究进展不断对数据库进行扩充与完善，逐步提高数据库决策的准确性。

对于试验或数值模拟，数据库可提供多种多样的裂隙类型，解决了试验制备裂隙形态及裂隙组合的单一化问题，节省了取样、试样加工的时间。在数据库不断充实的情况下，可根据裂隙形态结构与发育特征推测出地质构造类型。

1.2   裂隙结构形态数据的获取

裂隙结构形态数据的获取是数据库可视化及属性智能识别计算的基础。

1.2.1   CT扫描

目前，CT扫描是广泛用于检测煤岩体内部结构及其组分的无损检测技术。付裕等^[19]采用CT扫描重构煤样内部矿物结构模型，分析了煤样细观非均质性对其力学性能的影响。毛灵涛^[20]等将工业CT扫描与DVC法相结合，分析了受载过程中红砂岩内部三维变形特征。宋红华等^[21]基于CT扫描技术重构含原生裂隙的非均质煤岩模型，研究了不同方向加载时煤样非均质性对其破坏特征的影响。

CT扫描的本质是X射线断层扫描，利用煤岩体中不同成分对射线的吸收程度不同来工作。探测线经过扫描断层形成带有大量灰度信号的二维图像，采用阈值分割及形态学处理等算法将灰度图像不同组分进行划分。结合三维重构技术可提取出含有裂隙、煤基质及杂质的三维可视化模型。

1.2.2   核磁共振

核磁共振技术广泛应用于实验室各种岩样的孔裂隙分析。ZHAO等^[22]采用核磁共振低温计量法测量了煤样孔径并对结果进行校准，实现了不同等级煤样孔隙结构形态的准确表征。李治豪等^[23]采用核磁共振仪扫描了煤岩裂隙图像并重构出三维裂隙渗流模型用于数值模拟分析。周宏伟等^[24]利用核磁共振成像技术实现了煤样注水过程中孔隙结构的可视化。

其工作原理是原子核在外加磁场与某特定射频磁场的作用下改变原有运动方式，产生共振吸收造成磁场发生变化^[25-26]，接收器与扫描仪感知到此种变化并接收后，经过特定的空间编码形成带有灰度信号的核磁共振二维图。结合核磁共振弛豫机制与试验获得的图谱，可分析出煤岩体裂隙分布及结构属性特征参数。与CT扫描三维重建原理类似，采用核磁共振图像三维重建相关算法，可实现煤样内部的三维可视化重建。

1.2.3   聚焦离子束扫描电子显微镜（FIB-SEM）

基于扫描获得的岩样连续切片图，不仅可以进行矿物学成分分析，还可以通过重构三维数字岩样分析微纳米级尺度裂隙。杨永飞^[27]等用三维聚焦离子束扫描图像作为训练样本完成了页岩数字岩芯的构建。JIANG等^[28]采用聚焦离子束扫描电子显微镜和三维重构技术定性定量研究了页岩内部细观孔隙形态结构及其多相模型。LIU等^[29]基于聚焦离子束扫描电子显微镜技术扫描图提取了煤样特征参数，构建了孔裂隙三维数字模型。

此技术的工作原理是聚焦离子束与待测样品相互作用激发出新的电子，探测器接收激发出来的二次电子进行二维成像。扫描精度更高，可识别微纳米尺度裂隙。

研究表明，数据库采用以上多种手段均可实现裂隙结构形态数据的获取及其三维可视化重现。同时，数据库可以基于三维裂隙展布形态与力学属性，结合有限元方法研究加载过程中含裂隙煤岩体的动态力学演化特征，并基于数据监测处理与理论计算，实现煤岩裂隙演化过程中应力、应变与能量场等数据的可视化。

2.   数据库特色功能

2.1   裂隙结构形态的智能识别

裂隙结构形态的智能识别是计算裂隙属性、判断裂隙类型及计算断裂指标的前提。

图3给出了数据库智能识别流程图，主要分为重构过程中裂隙结构形态的智能识别与裂隙分类属性计算时的智能识别2部分。基于边缘检测及形态学思想，采用编程算法将二维图像与背景区分。针对图像较暗难以区分裂隙和煤岩样品基质的情况，可通过提高图片的亮度以提升裂隙与基质对比度，获得具有明显裂隙形态的二维图像，结合三维重构软件实现裂隙的智能识别与三维重构。此方法操作简单，编程识别图片速度快，可较为准确地提取出裂隙的结构形态。

图  3  数据库智能识别流程

Figure  3.  Logic graph of intelligent database identification

下载: 全尺寸图片 幻灯片

基于扫描与重构裂隙模型，可完成裂隙分类属性的智能识别。首先，通过数值分析软件提取三维数字模型的单元及坐标，将裂隙模型及二维断层图导入数据库。采用图像处理手段及分段自适应拟合曲线算法计算二维断层图像裂隙长宽、裂隙条数、分形维数及张开度等属性并确定裂隙所属类别。

其次，根据裂隙单元的位置关系判断其属于单裂隙还是多裂隙。基于最小二乘法将裂隙单元坐标进行拟合，计算出对应的线性回归面并算出裂隙面的法向量以确定局部坐标系下裂隙的倾角。多裂隙以分裂隙法向量及坐标关系确定多裂隙类型。根据线性拟合面对应的坐标与实际坐标的残差值确定裂隙平整度，通过三维裂隙所占单元等计算体积、长度、宽度及高度等属性参数。

最后，基于数据库中岩层及钻孔取样数据建立以岩层面为基准的整体坐标系。经空间直角坐标系间的转换，求出统一坐标系下裂隙面与岩层面法向量分别为n₁和n₂，根据二者间的夹角$ \alpha $确定两者的位置关系。同时，数据库也可根据煤岩加载情况与裂隙形态结构分析裂隙的受力特征，以确定裂隙类型并采用相应的断裂力学理论公式计算其应力强度因子。计算完毕，输出裂隙属性及分类结果。

裂隙智能识别分类算法流程如图4所示，其是以算法程序的方式实现二维和三维裂隙结构形态的智能识别，同时完成其属性的智能计算与分类。其中，m为循环读取过程中二维图像的号数；S、L、W分别为二维图像中实际裂隙的总面积、总周长和平均宽度；N、N₀、N₁分别为二维裂隙像素总数，二维图像像素总数，二维裂隙骨架像素总数； S₀为二维图像实际总面积；（x_u，y_u）、（x_e'，y_e'，z_e'）分别为二维图像中裂隙骨架化后的第u个像素坐标和三维裂隙第e个单元的中心坐标，（u和e取1，2，3，······）；F_j为根据裂隙坐标拟合的第j个曲线拟合方程式；p₁，p₂， p₃分别为拟合曲线方程的二次项系数，一次项系数和常数项；B₁、B₂分别三维裂隙总单元数，三维煤样总单元数；d、h、V₁分别为三维煤样实际底面直径，高度，总体积；V为三维裂隙实际总体积；z''与q₁、q₂、q₃为三维裂隙面的拟合方程式及其各项系数；Q_min为所有裂隙三维坐标与拟合平面差的平方和的最小值。$ \left| {{\delta _e}} \right| $_max为三维裂隙单元中心坐标与拟合平面距离的最大值的绝对值；n为以煤样底面为XY面，高为Z轴时裂隙法向量。

图  4  裂隙智能分类算法流程

Figure  4.  Logical graph of the intelligent classification algorithm of cracks

下载: 全尺寸图片 幻灯片

2.2   分类属性的多角度判别

裂隙分类属性的多角度判别是数据库的第二项特色功能，基于此可判断裂隙在不同演化阶段的变化特征并预测裂隙扩展方向。

针对现有煤岩样品中提取的裂隙，结合已有裂隙分类标准，结合裂隙的扩展与受力情况，从裂隙几何属性、力学属性、稳定性及能量角度出发，将裂隙分为以下6类。图5为裂隙部分属性及分类标准。

图  5  裂隙属性及分类标准

Figure  5.  Diagram of properties and classification criteria for cracks

下载: 全尺寸图片 幻灯片

1）根据裂隙面与岩层面的关系可分为水平裂隙、垂直裂隙、斜交裂隙三大类^[30]。当裂隙面法向量所在直线与岩层面形成角度$ \alpha $=90°时为水平裂隙；当$ \alpha $=0°时为垂直裂隙；0°<$ \alpha $<90°时为斜交裂隙，在煤岩中分布最为广泛。

2）根据裂隙间的相对位置，可将裂隙分为单裂隙和多裂隙2种。两条裂隙距离最近的两点间的垂直距离D>d (d为煤样的直径)时划分为单裂隙。2条及以上裂隙间的距离0≤D≤d时分为多裂隙，多裂隙可分为交叉式、平行式和复合式。

3）根据裂隙面的平整度可分为平面型裂隙、曲面型裂隙和复合型裂隙。对每条单裂隙进行计算，裂隙各点坐标与其线性拟合面残差值的绝对值的最大值$ \left| {{\delta _e}} \right| $_max≤2 mm时为平面型裂隙；$ \left| {{\delta _e}} \right| $_max>2 mm分为曲面型裂隙。根据裂隙面与岩层面的夹角，平面型与曲面型裂隙又可分为斜交和水平裂隙两种。

4）结合形态学图像识别算法，计算二维扫描断层面裂隙长度和宽度的大小，按照长度及宽度所在范围分类，将其划分为A型、B型、C型和D型四种裂隙类型^[31]。

5）根据裂隙受力情况分为张开型裂隙（I型）、滑移型裂隙（II型）、撕开型裂隙（III型）及复合型裂隙^[32]。根据煤岩体的加载方式分析确定裂隙所受的应力特征，进而判断裂隙类型。结合煤岩体几何结构、裂隙形态尺寸形状与位置可计算其应力强度因子及应变能密度因子，得出临界应变能释放率的断裂判据，研究煤岩体的失稳破坏特征。

通过受力分析计算裂隙前缘各点的应力，采用裂隙尖端应力场的渐近解表达式，可推导出二三维裂隙尖端的应力强度因子为^[32]：

式中：K_I，K_II，K_III分别为I型，II型，III型裂隙尖端应力强度因子，常用单位为MPa·m^1/2；$ {\sigma _{\text{z}}} $、$ {\tau _{zx}} $、$ {\tau _{zy}} $分别为垂直于裂隙面的正应力，沿裂隙端部圆弧的法向和切向剪应力，MPa；x，y，z为直角坐标； $ （r,\theta ) $为裂隙尖端附近点的极坐标。

对于平面应力与平面应变状态，裂隙尖端应力强度因子的一般表达式为：

式中：K_i为i型裂隙应力强度因子，其中i=I，II，III；Y为应力强度因子修正系数，与裂隙形状尺寸有关；a为裂隙尺寸，mm；$ \sigma $为名义应力，根据K_i确定其为正应力或剪应力，MPa。

主要研究单轴压缩条件下的煤岩体裂隙力学属性。假设式（4）中的Y取1，对于可以简化为平面应力与平面应变状态的裂隙，其应力强度因子K可表示为：

式中：$ {\sigma _1} $为轴压，MPa；$ {\tau _{\rm{e}}} $为作用在裂隙面的有效剪应力，MPa；$ \beta $为裂隙与轴压加载方向的夹角，（°）。

在三轴压缩条件下，平面状态的裂隙应力强度因子的计算，应先求出作用在裂隙面上的正应力$ {\sigma _{\rm{n}}} $与有效剪应力$ {\tau _{\rm{e}}} $为

式中：$ {\sigma _3} $为围压，MPa；f为裂隙面的摩擦因数；c_w为煤岩黏聚力，MPa。将式（7）和式（8）分别代入式（4）可得应力强度因子K_I和K_II。

对于三维裂隙，在单轴或三轴压缩条件下，其应力强度因子要通过式（1）—式（3）进行求解。

6）根据裂隙扩展的稳定性将其分为稳定扩展型裂隙和失稳扩展型裂隙，以预测裂隙扩展稳定程度。以基本断裂理论为依据，结合不同时段扫描裂隙的形态特征参数及受载条件计算断裂指标。当应力强度因子K_i≥K_iC或能量释放率G_i≥G _iC，（i=Ⅰ，Ⅱ，Ⅲ）时，为失稳型裂隙，反之则为稳定扩展型裂隙。其中，K_iC代表i型裂隙尖端断裂韧度；G_i和G_iC分别为i型裂隙尖端能量释放率和临界能量释放率，MN/m。

2.3   裂隙几何展布形态的可视化

裂隙几何结构展布形态的可视化是煤岩体裂隙结构形态和力学属性可视化数据库的第三项特色功能。

文中通过CT扫描和三维重构技术来实现裂隙几何结构展布形态的可视化功能。利用 CT扫描煤岩样品形成二维断层图像，基于编程算法对二维图像进行预处理，获得裂隙与背景具有明显对比度的图像。在三维重构软件中，根据裂隙和煤岩基质灰度范围的不同进行阈值选择，并以不同的颜色分别标记。对于难以区分的部分可以采用擦除颜色的方式来确认裂隙的边缘形态。经三维计算得出裂隙及煤岩样品其他成分的三维结构数值可视化模型。当钻孔垂直于岩层面且煤岩样品横截面与钻孔横截面平行时，煤样的XY面可看成岩层面，结合属性分类判别标准可确定裂隙类别。部分重构裂隙的几何展布形态可视化模型如图6所示。

图  6  裂隙几何结构形态可视化

Figure  6.  Visualization of cracks geometric structure and distribution

下载: 全尺寸图片 幻灯片

三维可视化模型是裂隙形态特征参数计算与分类的依据。将重构的可视化模型导入数据库进行计算存储，用户在数据库中可基于裂隙特征参数查询筛选符合要求的裂隙属性及三维可视化模型。另外，用户可以通过交互功能查看空间裂隙的点坐标、位置分布及几何参数等并进行模型导出，利用相应的建模软件进行裂隙的切割、不同裂隙结构形态的重组、力学参数的赋值等。

2.4   裂隙属性的智能传输

裂隙属性信息的智能传输可对考察的裂隙区域提供实时获取结果的服务。用户扫描裂隙上传至数据库，调用数据库特色功能，完成裂隙属性的智能计算与自动判别，经条形码及二维码存储信息后上传云端并发送至用户移动端，完成裂隙信息的智能传输功能。数据库裂隙存储码生成流程如图7所示。

图  7  裂隙条形码和二维码生成流程

Figure  7.  Logical graph for the generation of crack barcodes and QR codes

下载: 全尺寸图片 幻灯片

为初步区分大量裂隙，数据库计算裂隙特征参数后自动生成含有裂隙扫描时间、赋存条件及类型属性信息的特有的条形码序列号，形成具备存储及溯源裂隙研究信息的条形码，并为属性快速存储至二维码提供一个准确的属性索引标志。裂隙条形码序列号的编码规则如下：第1位代表煤或岩石，分别以“M”与“Y”表示，后2位代表扫描裂隙的煤矿代码，将不同地区的煤矿按照名称顺序编码，第5—6位是煤样所在地质构造类型，将不同地质构造类型编号。第8—15位是扫描时间，第17—19位是同一时间扫描的裂隙顺序码，最后一位是裂隙类型码，其中0代表多裂隙，1代表单裂隙。

基于裂隙的条形码序列号，经编码可生成黑白相间的条形码。条形码是对裂隙基本信息的存储，通过将裂隙信息与用户身份绑定，可在数据库追溯裂隙对应的研究进展。对应的条形码序列号相当于裂隙的ID，与下文中裂隙名称一一对应，通过裂隙ID可以查询裂隙的基本属性。将裂隙ID与数据库进行连接，经扫描解码即可查询出条形码所对应的裂隙信息。

二维码是对裂隙所有属性的综合描述，包含裂隙基本属性特征参数及动静态可视化研究。数据库连接二维码生成平台，以条形码序列号为标志进行裂隙各属性数据索引，存储在二维码平台创建的模板中。待信息编码整合后，将含有裂隙属性及研究信息的动态码上传至云端并发送至用户移动端供用户查询使用。其中，条形码与二维码可以根据数据库信息进行批量修改及实时更新。由此实现裂隙属性的智能传输。

3.   数据库应用实例

3.1   数据库构筑基础

数据库构筑过程主要包括裂隙重构及命名和功能实现2个方面。

3.1.1   数据库裂隙重构及命名

将取得的煤岩试样经标准加工后采用CT扫描裂隙断层，经Image J软件处理输出二维图像。采用Matlab编程智能识别处理二维灰度图，结合Mimics三维重构软件计算提取出煤岩试样内部结构的三维数字模型。

裂隙的命名采用“煤矿名称−煤岩性质及编号−裂隙编号”格式。前两个字母以取样煤矿首字母大写代表，第一个连字符后用于表示样品的性质，煤用“M”表示，岩石用“Y”表示，后面以两位数字格式表示样品的编号，第二个连字符后表示煤岩中提取出来的分裂隙，从上到下依次编号，以三位数字格式表示。如DA-M13-001代表大安山煤矿中编号为13的煤中提取的第一个裂隙。计算的部分裂隙属性及其分类见表1。

表  1  不同裂隙的参数及分类

Table  1.  Parameters and classification of different cracks

裂隙编号	体积/mm3	角度/（°）	按平整度分	单/多裂隙	埋深/m 构造倾角/（°）	构造类型	裂隙二维码
DA-M13-001	196.70	0	平面型	单裂隙	400 10~90	倒转背斜
DT-M20-001	81.62	60	曲面型	单裂隙	800 70~90	向斜
DT-M37-001	118.29	68	平面型	单裂隙	800 70~90	向斜
CJ-M01-001	162.4	30	曲面型	单裂隙	680 8~15	背斜
CJ-M01-002	40.05	28	平面型	单裂隙	680 8~15	背斜
CJ-M01-003	47.65	50	平面型	单裂隙	680 8~15	背斜
DA-M01-004	506.63	—	平面型	多裂隙	400 50~90	倒转向斜
CJ-M02-001	1704.93	—	曲面型	多裂隙	680 8~15	背斜
CJ-M03-001	687.79	—	曲面型	多裂隙	680 8~15	背斜

下载: 导出CSV 

| 显示表格

3.1.2   数据库功能实现基础

煤岩体裂隙结构形态和力学属性的可视化数据库应具有编辑、录入和筛选等数据访问与智能计算功能，而实现这些功能的基础是接口的转化。

接口的类型众多，数据库通过系统操作接口来实现数据的编辑、录入和查询等^[33-34]。以数据库查询模块^[35]为例，接口的作用是将服务器与用户端进行连接供用户使用操作数据库。裂隙可视化数据库是基于Matlab与Visual C++进行的数据库构筑，基于Matlab GUI界面编程进行数据库各个模块的设计与优化。利用C++设计数据库采集接口实现与外部软件的连接进行数据与模型的更新导入；以Matlab编程实现数据库中裂隙面的智能识别计算；数据导入、筛选与可视化分析等功能通过编辑设计控件按钮实现；结合C#编译接口实现不同库表及模块的交互、属性的自动分类和数据存储等功能；连接条形码与二维码生成平台实现含有动态信息的裂隙专属二维码与条形码的自动生成等，以便用户随时随地进行相关信息查询。

3.2   数据库案例分析

为了进一步探讨数据库的操作与应用，以现有的北京昊华能源股份有限公司大安山煤矿取得的煤岩样品为例，阐述数据索引入库与管理模块的特点，进行裂隙可视化数据库的初探。

3.2.1   地理位置及数据来源

北京昊华能源股份有限公司大安山煤矿位于北京城正西距50 km。大安山煤矿的矿井范围内赋存大量逆冲断层和倒转褶皱等复杂地质构造，如图8所示^[36]。井田构造主要是以西南−东北向复式褶曲构造形态为主，背斜多呈紧闭状，向斜较为宽缓，伴有一定量的倾向、走向、断层，次级构造十分发育。其中煤岩内部裂隙结构形态具有代表性，如裂隙扩展方向及角度具有多样性、裂隙体积变化多样、简单与复杂形态结构的裂隙有时可共存且可能为层状与交叉等多种位置形式、主裂隙与次生裂隙分布明显、具有平面曲面型裂隙等，总体来说裂隙形态丰富多样且有一定的规律可循。因此，对裂隙进行重构提取，进行数据库各模块的构筑。

图  8  大安山井田构造示意

Figure  8.  Geological structure outline map of Da'anshan Coal Mine

下载: 全尺寸图片 幻灯片

3.2.2   裂隙检索及数据管理

数据库具有资源共享性的特点。如图9所示，在数据库前端界面，用户通过账号密码授权登录进入数据分析与管理模块。图10为初步设计的数据库各模块窗口。

图  9  数据库登录界面

Figure  9.  Index interface of the database login

下载: 全尺寸图片 幻灯片

图  10  数据库内部模块示意

Figure  10.  Schematic diagram of database internal module

下载: 全尺寸图片 幻灯片

数据分析模块主要是对数据库裂隙的查询分析。具有筛选裂隙属性类型与数据可视化分析的作用，可查看裂隙的研究进展，为后续研究提供基础。数据库提供多个裂隙分类词条供用户选择，如选择表面平整度为曲面、裂隙面与岩层面所成夹角在60°到80°之间的单裂隙进行可视化分析。符合条件的裂隙会以列表形式体现，选择相应的裂隙可查看其类型、研究次数及可视化模型等详细属性，对于满足要求的裂隙可批量导出分析。

数据管理模块主要是对数据的导入、属性计算与数据更新，是保证数据库质量好坏的核心。对于大量裂隙，可批量导入计算与存储。数据库根据导入的图像、勘测数据和裂隙模型计算裂隙的体积、张开度、角度及断裂类型等属性并进行自动分类，同时结合煤岩体的荷载及边界条件进行受力分析，计算应力强度因子并分别存放于相应的库表中。对数据库中原有数据的更新，可通过裂隙编号的索引对裂隙的属性进行修改、编辑、录入与保存等。

4.   结　　论

1）从裂隙结构形态的获取及智能识别、裂隙智能分类与存储、形态结构的可视化分析与实现三个方面构筑了裂隙可视化数据库的基本框架，实现了裂隙结构形态智能识别、分类属性多角度判别、几何结构展布形态可视化、基于条形码与二维码的裂隙属性智能传输等特色功能。

2）数据库可基于裂隙几何结构形态的坐标，采用图像拟合等算法实现裂隙多角度分类属性的智能计算与分类；数据库与条形码及二维码生成平台相连接，可实时获取裂隙计算结果。调用数据库特色功能，将计算的裂隙力学属性及形态结构等信息编码整合后存储至实时更新的条形码与二维码中并发送至用户端，实现了裂隙属性的智能传输。

3）以北京昊华能源股份有限公司大安山煤矿为地质背景，进行了煤岩样品的可视化重构与统一命名，结合模型计算方法对裂隙的角度、体积和形态类型等属性参数进行了计算与分类。基于数据库构筑流程设计了数据库登录模块、数据筛选与分析模块和数据管理模块，实现了数据库内部模块的基本功能。