透明工作面智能化開采大數(shù)據(jù)分析決策方法及系統(tǒng)研究

張科學(xué)，徐蘭欣，李 旭，毛明倉，符大利，張玉良，亢 磊，王曉玲

（1.華北科技學(xué)院智能化無人開采研究所，北京 101601；2.華北科技學(xué)院河北省礦山智能化開采技術(shù)重點實驗室，北京 101601；3.中國礦業(yè)大學(xué)（北京） 深部巖土力學(xué)與地下工程國家重點實驗室，北京 100083；4.西安科技大學(xué)管理學(xué)院，陜西 西安 710054；5.西安合智宇信息科技有限公司，陜西西安 710000；6.陜西陜煤黃陵礦業(yè)有限公司，陜西 黃陵 727307；7.中華人民共和國應(yīng)急管理部煤礦智能化開采技術(shù)創(chuàng)新中心，陜西 黃陵 727307）

0 引 言

能源是人類社會存在發(fā)展的基石，是經(jīng)濟發(fā)展和文明進步的基本條件。 煤炭是我國主體能源和重要工業(yè)原料，是我國經(jīng)濟健康發(fā)展的重要支撐。 在我國一次能源資源中，煤炭占90%。 我國“貧油、富煤、少氣”資源稟賦特點，決定了煤炭在我國能源結(jié)構(gòu)中占主體地位［1］。 2016 年6 月，國家發(fā)展改革委和國家能源局能源技術(shù)革命創(chuàng)新行動計劃（2016—2030 年）重點任務(wù)“重點煤礦區(qū)基本實現(xiàn)工作面無人化”。 2020 年2 月，國家八部委聯(lián)合印發(fā)《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》，意見要求到2021 年基本實現(xiàn)綜采工作面少人或無人操作［2］。近年來，國內(nèi)外知名學(xué)者和科研單位都在開展透明工作面智能開采大數(shù)據(jù)分析決策系統(tǒng)研究，包括大數(shù)據(jù)集群技術(shù)［3］、大數(shù)據(jù)融合技術(shù)［4］、規(guī)劃截割模型數(shù)字化技術(shù)［5］、分析決策技術(shù)、機器學(xué)習(xí)技術(shù)［6］等，但這些技術(shù)均處于理論研究階段，尚無成功應(yīng)用的案例，因此，必須另辟蹊徑采用新的技術(shù)路徑來解決煤礦井下綜采工作面動態(tài)復(fù)雜環(huán)境下及煤層變化不規(guī)律等條件下的智能精準(zhǔn)開采問題。

我國對三維地質(zhì)建模相關(guān)研究稍晚于國外，與國外的類似軟件相比在功能穩(wěn)定性、使用廣泛性、軟件易用性上存在一定差距，有待進一步探索和發(fā)展。盡管智能開采技術(shù)尚處于初級階段，但隨著國家政策的不斷支持，智能化開采技術(shù)不斷引領(lǐng)煤炭科技發(fā)展潮流，國內(nèi)煤機制造企業(yè)紛紛進入智能開采技術(shù)和裝備研究領(lǐng)域，取得了豐碩的研究成果。 目前我國學(xué)者在透明工作面智能開采大數(shù)據(jù)分析決策系統(tǒng)的相關(guān)研究如下：車德福等［7］利用GTP 廣義三棱柱體元模型表達(dá)地質(zhì)層間實體，建立應(yīng)用于采礦領(lǐng)域的三維地質(zhì)建模體系，在此基礎(chǔ)上開發(fā)的Geo Mo3D 在動態(tài)建模、模型局部更新上取得較好效果。劉真等［8］通過Leading GIS 建立數(shù)字地質(zhì)模型，實現(xiàn)海量地質(zhì)數(shù)據(jù)的有效綜合管理與利用。 曾新平［9］開發(fā)的三維石油勘探數(shù)據(jù)可視化軟件SLGRAPH 具有動態(tài)可擴充性和復(fù)雜地質(zhì)體建模解決方案。 陸斌等［10］對采煤機震源的地震波場、震源特征等進行了分析，并開展了初步的干涉成像處理。 程建遠(yuǎn)等［11］對槽波在煤層中的傳播進行了數(shù)值模擬研究。 姬廣忠等［12］發(fā)現(xiàn)受巷道影響，巷道壁上產(chǎn)生很強的巷道振型槽波，煤層中則出現(xiàn)了以Love 型為主的槽波，槽波能量不僅分布在基階模式，高階部分的能量也很強。 覃思等［13］開展了以掘進機做震源的隨掘地震反射試驗，并成功地提取出了來自巷道的反射波。程久龍［14］研究了隨掘地震數(shù)據(jù)的去噪方法。 以往槽波地震勘探以炸藥為震源，在高瓦斯、煤與瓦斯突出礦井施工受到限制，且每次施工都必須停止采掘，對正常生產(chǎn)活動有影響。 王國法［15］解析了綜采工作面自動化、智能化和無人化的主要技術(shù)難題、制約因素及目前發(fā)展存在的主要問題，探討了其發(fā)展方向和技術(shù)途徑，并提出4 種煤礦智能化開采模式。葛世榮［16］提出智能化采煤裝備的“三個感知、三個自適”技術(shù)架構(gòu)，展望了其相關(guān)的關(guān)鍵技術(shù)研究。馬宏偉［17］在煤礦綜采設(shè)備故障智能診斷、煤礦巷道虛擬現(xiàn)實以及慣性導(dǎo)航技術(shù)等方面研究較深。 劉鵬等［18］提出一種以煤層震波層析成像探測信息為數(shù)據(jù)源，利用地學(xué)信息建模預(yù)先構(gòu)建精細(xì)化的煤層頂?shù)装鍞?shù)字高程模型，利用位姿測量系統(tǒng)，實時監(jiān)測采煤機的位置和姿態(tài)，計算滾筒當(dāng)前截割邊界點，并與頂?shù)装錎EM 進行疊置分析，最終定量給出滾筒高度調(diào)整量值，從而實現(xiàn)采煤機滾筒高度的自動調(diào)整。筆者等［19］提出基于實時推進度監(jiān)測的綜采智能化工作面調(diào)斜控制技術(shù)，以及智能化無人開采適用性評價方法［20-21］和可視遠(yuǎn)程干預(yù)型智能化無人開采技術(shù)和自適應(yīng)型智能化無人開采技術(shù)［22］。 馬洪禮等［23］運用采煤機滾筒接觸到不同煤層時截割電機負(fù)載及滾筒調(diào)高油缸前后腔壓力變化的新型煤巖識別技術(shù)，記憶截割技術(shù)以及井下數(shù)據(jù)傳輸技術(shù)等。

因此，通過分析當(dāng)前的地質(zhì)建模技術(shù)和大數(shù)據(jù)裝備水平現(xiàn)狀，亟需突破新的技術(shù)，才能解決當(dāng)前智能控制水平低、自主分析決策能力差等問題，不斷提升智能化開采技術(shù)水平，實現(xiàn)智能化無人開采大數(shù)據(jù)自主決策分析。 筆者通過應(yīng)用大數(shù)據(jù)融合技術(shù)、模型數(shù)字化技術(shù)、分析決策技術(shù)和機器學(xué)習(xí)技術(shù)，建立了一套可“預(yù)測、預(yù)判、預(yù)控”的智能開采大數(shù)據(jù)分析決策平臺。 搭建了硬件環(huán)境和集群環(huán)境，規(guī)范了虛擬化集群的存儲量指標(biāo)，設(shè)計了大數(shù)據(jù)智能分析決策平臺首頁界面、地質(zhì)數(shù)據(jù)界面、采煤機規(guī)劃界面、電液控規(guī)劃界面和采煤工藝界面等。

1 透明工作面模型建立

透明工作面模型是以真實的工作面為原型，以巷道精細(xì)測量、鉆孔探測、槽波地震勘探等地質(zhì)勘探技術(shù)［24］、計算機建模技術(shù)［25］和三維仿真［26］等技術(shù)為支撐，采集工作面異常構(gòu)造、煤厚分布變化、煤層起伏、煤層頂?shù)装濉@孔穿煤層頂?shù)装逦恢玫鹊刭|(zhì)數(shù)據(jù)，對工作面開采過程進行監(jiān)測、實現(xiàn)工作面開采過程的智能分析與決策。

為實現(xiàn)工作面地質(zhì)透明化，必須構(gòu)建具有一定精度的工作面煤層靜態(tài)地質(zhì)模型，其主要包括2 個方面：煤層空間展布形態(tài)及煤層厚度分布和異常地質(zhì)構(gòu)造。 前者可以為采煤機截割煤層提供地質(zhì)導(dǎo)航，后者可以指導(dǎo)采礦計劃和安全回采。

1.1 建模步驟流程

三維地質(zhì)建模包括構(gòu)造建模和屬性建模2 個部分，對于目前發(fā)展階段（用于智能工作面）構(gòu)造模型即能達(dá)到需求。 構(gòu)造建模分為數(shù)據(jù)收集、數(shù)據(jù)分析、模型構(gòu)建3 個步驟，數(shù)據(jù)收集包括需要收集現(xiàn)有工作面有用的地質(zhì)信息［27］。

1.1.1 地質(zhì)資料分析

數(shù)據(jù)分析是建模工作的核心內(nèi)容，需要根據(jù)收集的資料，進行地質(zhì)條件分析，包括煤層起伏形態(tài)、斷層發(fā)育情況、陷落柱存在情況、沖刷帶展布和煤層分叉等多種煤層構(gòu)造信息。

1.1.2 地質(zhì)建模流程

三維地質(zhì)建模（構(gòu)造建模）是地質(zhì)分析結(jié)果和地質(zhì)研究的通過計算機軟件綜合展示。 具有全面、直觀、立體的效果。

三維地質(zhì)建模（工作面）通常包括以下7 個步驟［28］：①輸入數(shù)據(jù)；②確定邊界；③建立斷層網(wǎng)格；④建立地層面；⑤建立線框模型；⑥劃分網(wǎng)格；⑦模型的優(yōu)化與展示。

1.2 模型動態(tài)更新

透明工作面模型精度是建模的重要影響因素，模型動態(tài)更新更是透明工作面智能開采的關(guān)鍵。 根據(jù)透明工作面模型數(shù)據(jù)梯級不同，建立的模型精度也會有一定的差別，因此，對于一號煤礦810 工作面采用梯級模型構(gòu)建，即用不同的數(shù)據(jù)量建立不同梯級的模型。 目前，透明工作面模型梯級一共分為3級：第1 級是用進回風(fēng)巷的數(shù)據(jù)、地面鉆孔數(shù)據(jù)、開切眼寫實數(shù)據(jù)進行模型的建立；第2 級是用進回風(fēng)巷的數(shù)據(jù)、地面鉆孔數(shù)據(jù)、開切眼寫實數(shù)據(jù)、鉆孔測量數(shù)據(jù)、槽波地震勘探數(shù)據(jù)進行模型的建立；第3 級是用進回風(fēng)巷的數(shù)據(jù)、地面鉆孔數(shù)據(jù)、開切眼寫實數(shù)據(jù)、鉆孔測量數(shù)據(jù)、更新寫實數(shù)據(jù)、槽波地震勘探數(shù)據(jù)進行模型的建立。 透明工作面的三級梯度模型，如圖1 所示。

圖1 透明工作面的三級梯度智能開采模型Fig.1 Three-level gradient intelligent mining model of transparent working face

2 智能開采大數(shù)據(jù)分析決策系統(tǒng)總體設(shè)計

大數(shù)據(jù)智能分析決策平臺是智能開采的智慧“大腦”，是實現(xiàn)智能精準(zhǔn)開采的關(guān)鍵。 通過研發(fā)IMS-P（Intelligent Master System-Platform）智慧礦山綜采智能化管控平臺，來實現(xiàn)對綜采工作面不同設(shè)備的多種通信協(xié)議數(shù)據(jù)的統(tǒng)一、轉(zhuǎn)換、關(guān)聯(lián)、分類和存儲，融合應(yīng)用開采工藝和綜采自動化控制技術(shù)、慣性導(dǎo)航技術(shù)和雷達(dá)測距技術(shù)來不斷對透明地質(zhì)模型和規(guī)劃截割模型修正更新，分析得出綜采設(shè)備精準(zhǔn)控制決策信息。 由于當(dāng)前智能開采系統(tǒng)的地質(zhì)適應(yīng)性及穩(wěn)定性不足，提出了一種“CT”切片技術(shù)即根據(jù)截割計劃將待開采工作面的煤層數(shù)字化模型進行剖切，然后根據(jù)煤層數(shù)字化模型的剖切面及智能化開采要求優(yōu)化采煤機截割路徑及參數(shù)，控制采煤機按照規(guī)劃截割路徑開采。 大數(shù)據(jù)智能分析決策平臺系統(tǒng)架構(gòu)如圖2 所示。

圖2 大數(shù)據(jù)智能分析決策平臺設(shè)計架構(gòu)Fig.2 Big data intelligent analysis and decision-making platform design architecture

3 智能開采大數(shù)據(jù)分析決策系統(tǒng)平臺建設(shè)

3.1 硬件環(huán)境搭建

3.1.1 硬件環(huán)境搭建

采用5 臺SR650 運算服務(wù)器和1 臺DE2000H存儲服務(wù)器組成硬件設(shè)備集群，每臺SR650 配置64 GB 內(nèi)存3 條，18 核CUP 2 顆；存儲服務(wù)器DE2000H 配置1.8 T 硬盤24 塊，集群合計CUP：180核，硬盤容量：43.2 T，內(nèi)存：990 G。 對服務(wù)器硬件設(shè)備集群進行網(wǎng)絡(luò)環(huán)境搭建和WindowsServer2016 虛擬化平臺部署，使用Vcenter 對虛擬化平臺進行統(tǒng)一管理。

3.1.2 網(wǎng)絡(luò)環(huán)境搭建

采用3 臺Hadoop 集群虛擬機，3 臺Spark 算法引擎虛擬機，3 臺Web 應(yīng)用虛擬機，1 臺Nginx 反向代理虛擬機，7 臺MySQL 數(shù)據(jù)庫虛擬機組成。 物理主機和虛擬主機分別部署于通過VLAN 連接的192.168.18.70／80 和192.168.19.1／254 兩個網(wǎng)段內(nèi)。

3.2 集群環(huán)境搭建

3.2.1 集群分層搭建

大數(shù)據(jù)智能分析決策平臺由展現(xiàn)層、通訊層、服務(wù)層和數(shù)據(jù)層組成。 其中展現(xiàn)層主要由可視化Web UL 大數(shù)據(jù)頁面和RESTful 接口組成；通訊層由TCP／IP、Socket 和HTTP 協(xié)議組成；服務(wù)層主要由實時計算、業(yè)務(wù)集群和離線計算組成；數(shù)據(jù)層由Hive數(shù)據(jù)倉庫、MySQL 集群、HDSF 和Redis 組成。 大數(shù)據(jù)平臺設(shè)計架構(gòu)如圖3 所示。

圖3 大數(shù)據(jù)平臺分層架構(gòu)Fig.3 Layered architecture diagram of big data platform

3.2.2 大數(shù)據(jù)集群體系

所有大數(shù)據(jù)集群均部署于虛擬機環(huán)境下，采用Hadoop 的分布式集群架構(gòu)方式。 使用HDFS（分布式文件系統(tǒng)）進行原始數(shù)據(jù)的儲存，使用Spark 算法集群進行計算處理，使用Apache Hadoop YARN 調(diào)度器進行資源調(diào)度管理，使用Hive 工具創(chuàng)建數(shù)據(jù)倉庫［29］。

集群3 層數(shù)據(jù)結(jié)構(gòu)組成為：ADS（數(shù)據(jù)解析）原始數(shù)據(jù)層，DWD（細(xì)節(jié)數(shù)據(jù)層）結(jié)構(gòu)化參數(shù)數(shù)據(jù)層，DWS（服務(wù)數(shù)據(jù)層）業(yè)務(wù)數(shù)據(jù)層。

使用Spark SQL（結(jié)構(gòu)化數(shù)據(jù)處理模塊） 將HDFS（分布式文件系統(tǒng)）中的原始數(shù)據(jù)進行計算處理。 使用Spark SQL（結(jié)構(gòu)化數(shù)據(jù)處理模塊）對透明地質(zhì)“CT”切片數(shù)據(jù)、工況原始數(shù)據(jù)進行分解、清洗、過濾、數(shù)據(jù)格式轉(zhuǎn)換后，寫入到MySQL 數(shù)據(jù)庫。

根據(jù)響應(yīng)要求對數(shù)據(jù)流進行劃分，實時部分：使用Kafka（分布式發(fā)布訂閱消息系統(tǒng)）集群接收EMQ X（物聯(lián)網(wǎng)技術(shù)）消息隊列數(shù)據(jù)；離線部分：使用Flume（日志管理系統(tǒng)）采集EMQ X（物聯(lián)網(wǎng)技術(shù)）消息隊列數(shù)據(jù)存入HDFS（分布式文件系統(tǒng)）中。 使用Scala 語言編寫的服務(wù)層體系架構(gòu)將系統(tǒng)運行效率大幅提高，采用集群模式進行分表、分庫的方法，解決大量數(shù)據(jù)查詢效率低的問題。 系統(tǒng)的數(shù)據(jù)處理流程，如圖4 所示。

圖4 數(shù)據(jù)處理流程Fig.4 Data processing flowchart

3.3 功能設(shè)計

3.3.1 大數(shù)據(jù)智能分析決策平臺首頁界面

大數(shù)據(jù)智能分析決策平臺首頁主要展示系統(tǒng)運行狀態(tài)和結(jié)果集，主要展示內(nèi)容如圖5 所示。

圖5 大數(shù)據(jù)首頁界面Fig.5 Big data homepage interface

1）采煤工藝決策結(jié)果：決策選用的開采工藝信息，包括回采率、耗時等信息。

2）算法集：系統(tǒng)所使用的算法集組合。

3）決策結(jié)果：規(guī)劃截割模型，“三機”協(xié)同策略、采煤工藝的結(jié)果展示。

4）執(zhí)行率統(tǒng)計分析：規(guī)劃截割模型的執(zhí)行效果統(tǒng)計。

5）數(shù)據(jù)運營：ETL（數(shù)據(jù)倉庫技術(shù)）數(shù)據(jù)運營機制下的系統(tǒng)數(shù)據(jù)吞吐量。

6）數(shù)據(jù)融合：多源異構(gòu)數(shù)據(jù)的融合效率。

7）采煤機截割規(guī)劃：采煤機規(guī)劃截割執(zhí)行率的統(tǒng)計分析。

3.3.2 地質(zhì)數(shù)據(jù)界面

該界面主要展示透明地質(zhì)模型“CT”切片數(shù)據(jù)的獲取和解析、采煤機導(dǎo)航信息、工作面推進進程、地質(zhì)環(huán)境變化的應(yīng)對策略，主要展示內(nèi)容如圖6所示。

圖6 地質(zhì)數(shù)據(jù)界面Fig.6 Geological data interface

1）采煤機導(dǎo)航：展示采煤機在透明地質(zhì)模型“CT”切片中的導(dǎo)航信息。

2）規(guī)劃刀：展示地質(zhì)環(huán)境變化的應(yīng)對策略。

3）地質(zhì)曲線：展示當(dāng)前透明地質(zhì)模型“CT”切片的信息。

4）煤機運行狀態(tài)：采煤機速度、方向、姿態(tài)及位置監(jiān)測信息。

5）透明地質(zhì)模型“CT”切片更新進度：以進度條的方式，對透明地質(zhì)模型“CT”切片更新進度進行展示。

3.3.3 采煤機規(guī)劃界面

該界面主要展示采煤機規(guī)劃模型及執(zhí)行效果，主要展示內(nèi)容如圖7 所示。

圖7 采煤機規(guī)劃界面Fig.7 Shearer planning interface

1）傾角曲線：透明地質(zhì)模型“CT”切片采樣點傾角值、采煤機傾角測量值、慣性導(dǎo)航系統(tǒng)測量值比對結(jié)果。

2）俯仰角曲線：采煤機推進方向的2 組透明地質(zhì)模型“CT”切片間俯仰角、采煤機俯仰角測量值、慣性導(dǎo)航系統(tǒng)測量值比對結(jié)果。

3）測量曲線：透明地質(zhì)模型“CT”切片的高度值、采煤機采高挖底測量值、慣性導(dǎo)航系統(tǒng)底板高度測量曲線比對結(jié)果。

4）推進曲線：慣性導(dǎo)航系統(tǒng)測量的底板高度曲線和推進傾斜度測量展示。

5）采煤機規(guī)劃截割曲線：加成角度調(diào)整、規(guī)劃補償、傳感器定差補償前后，采煤機規(guī)劃截割曲線的結(jié)果比對。

6）截割曲線及地質(zhì)和采高臥底曲線：比對系統(tǒng)擬合的采煤機實際截割曲線與慣性導(dǎo)航系統(tǒng)測量曲線、透明地質(zhì)模型“CT”切片頂?shù)装鍢?biāo)高曲線。

7）干預(yù)分析：統(tǒng)計人為干預(yù)采煤機截割姿態(tài)、速度的頻次。

3.3.4 電液控規(guī)劃界面

該界面主要展示液壓支架規(guī)劃模型，主要展示內(nèi)容如圖8 所示。

圖8 電液控規(guī)劃界面Fig.8 Electro-hydraulic control planning interface

1）支架推進度及姿態(tài)測量值比對：展示透明地質(zhì)模型“CT”切片的角度信息與慣性導(dǎo)航系統(tǒng)對俯仰角曲線，傾角曲線的測量值比對結(jié)果。

2）電液控跟機參數(shù)：預(yù)測的液壓支架中部跟機參數(shù)模型的液壓損耗與開采效能指標(biāo)。

3）規(guī)劃刀：展示規(guī)劃的液壓支架推移曲線。

4）推移行程：檢測液壓支架集推移傳感器測量值。

5）測量、整定、驗證刀推移曲線比對：比對驗證刀、整定刀和測量刀的推移曲線。

6）上竄下滑：展示工作面上竄下滑的測量結(jié)果及修正策略。

3.3.5 采煤工藝界面

該頁面主要展示規(guī)劃截割工藝模型及負(fù)荷平衡調(diào)速參數(shù)設(shè)置及調(diào)整結(jié)果，主要展示內(nèi)容如圖9所示。

圖9 采煤機工藝界面Fig.9 Shearer process interface

1）規(guī)劃截割工藝段決策：展示選定的采煤機規(guī)劃截割工藝段折返點信息。

2）規(guī)劃截割工藝模型及效能預(yù)測：展示選定的規(guī)劃截割工藝模型參數(shù)組，及預(yù)測的時耗和回采率指標(biāo)。

3）規(guī)劃截割的采煤機與液壓支架協(xié)同模型展示：選定的規(guī)劃截割“三機”協(xié)同模型可視化展示。

4）負(fù)荷平衡：監(jiān)測運輸“三機”運行負(fù)荷與開采速度。

5）運輸負(fù)荷與截割速度關(guān)系：運輸“三機”負(fù)荷與截割速度的比對展示。

6）調(diào)速效果監(jiān)測：監(jiān)測負(fù)荷調(diào)整策略的執(zhí)行效果。

7）負(fù)荷平衡調(diào)整參數(shù)組：展示負(fù)荷平衡調(diào)整參數(shù)組。

4 智能開采大數(shù)據(jù)分析決策系統(tǒng)關(guān)鍵技術(shù)

4.1 大數(shù)據(jù)融合技術(shù)

工作面配套設(shè)備涉及的通信協(xié)議主要包括：CAN（采煤機、慣性導(dǎo)航）、TCP／IP（三機集控）、OPC（電液控）等。 針對工作面設(shè)備的傳輸協(xié)議各異問題，定制研發(fā)相關(guān)驅(qū)動和交互方法，實現(xiàn)多源數(shù)據(jù)的采集獲取，使用數(shù)據(jù)融合模塊進行數(shù)據(jù)的過濾、清洗、數(shù)據(jù)格式轉(zhuǎn)換，通過Mqtt（數(shù)據(jù)發(fā)布／訂閱傳輸協(xié)議）以及TCP／IP（傳輸控制協(xié)議／因特網(wǎng)互聯(lián)協(xié)議）將數(shù)據(jù)流以json 字符串的形式發(fā)送，根據(jù)數(shù)據(jù)流標(biāo)識將數(shù)據(jù)分類存儲于HDFS（分布式文件系統(tǒng)）內(nèi)。

4.2 模型數(shù)字化技術(shù)

基于“CT”切片技術(shù)對透明地質(zhì)模型網(wǎng)格化，選擇進風(fēng)巷停采點處煤層底板作為基準(zhǔn)零點，進行相對坐標(biāo)傳遞，在相對坐標(biāo)系中依據(jù)煤層頂?shù)装濉⑼七M度、俯仰角等信息建立各設(shè)備的數(shù)據(jù)化開采模型。

4.2.1 采煤機規(guī)劃截割模型

工作面采煤機規(guī)劃截割模型主要包括采煤機基本狀態(tài)信息和關(guān)聯(lián)設(shè)備關(guān)系。 其中采煤機基本狀態(tài)信息由采煤機運行狀態(tài)、采煤機姿態(tài)傳感器、采煤機編碼器實際位移、采高、挖底值精準(zhǔn)度和采煤機視頻信息組成；關(guān)聯(lián)設(shè)備主要包括支架、運輸機和透明地質(zhì)模型“CT”切片，采煤機規(guī)劃截割模型，如圖10所示。

圖10 采煤機規(guī)劃截割模型Fig.10 Planning and cutting model of shearer

4.2.2 液壓支架規(guī)劃控制模型

液壓支架規(guī)劃控制模型主要包括支架信息和支架與其它關(guān)聯(lián)設(shè)備的關(guān)系，其中支架信息由支架支護狀態(tài)、支架姿態(tài)傳感器、支架行程傳感器和支架視頻信息組成；關(guān)聯(lián)設(shè)備主要是刮板輸送機、采煤機，液壓支架規(guī)劃截割模型，如圖11 所示。

圖11 液壓支架規(guī)劃模型Fig.11 Hydraulic support planning model

4.2.3 刮板輸送機規(guī)劃模型

刮板輸送機規(guī)劃模型主要包括刮板輸送機基本狀態(tài)信息和關(guān)聯(lián)設(shè)備關(guān)系。 其中刮板輸送機基本狀態(tài)信息由平直度測量數(shù)據(jù)、刮板輸送機俯仰角度、刮板輸送機負(fù)載、刮板輸送機電機運行數(shù)據(jù)和運輸機視頻信息組成；關(guān)聯(lián)設(shè)備主要包括液壓支架和采煤機、液壓支架與刮板輸送機的關(guān)系包括液壓支架、刮板輸送機推移位置和刮板輸送機相對支架上竄下滑幅度，刮板輸送機規(guī)劃模型，如圖12 所示。

圖12 刮板輸送機規(guī)劃模型Fig.12 Planning model of scraper conveyor

4.3 分析決策技術(shù)

研究規(guī)劃截割工藝，建立開采效率和安全指標(biāo)體系，根據(jù)開采效率和安全指標(biāo)體系評定結(jié)果，訓(xùn)練規(guī)劃截割工藝的參數(shù)組合，修正規(guī)劃截割模型［30］。

1）工作面設(shè)備增強感知融合技術(shù)。 傳感器作為工作面數(shù)據(jù)的主要采集器件，它的精確度直接影響平臺的決策結(jié)果精度和設(shè)備執(zhí)行的控制精準(zhǔn)度。礦用井下傳感器受到環(huán)境影響，普遍存在測量精度不高問題。 通過歷史數(shù)據(jù)迭代訓(xùn)練，實時對傳感器監(jiān)測數(shù)據(jù)進行過濾、補償、更新。

2）規(guī)劃截割模型修正技術(shù)。 通過對比規(guī)劃截割模型與執(zhí)行結(jié)果的差值，實時反饋到大數(shù)據(jù)智能分析決策中心，利用執(zhí)行效果評價體系和數(shù)據(jù)挖掘技術(shù)，對透明地質(zhì)模型“CT”切片數(shù)據(jù)精度、角度轉(zhuǎn)換修正精度、工況導(dǎo)航位置精度、機械特性定差準(zhǔn)確度、人工干預(yù)的學(xué)習(xí)修正準(zhǔn)確度進行偏差原因分析，適時修正規(guī)劃截割模型，修正后再次下發(fā)驗證，直至偏差消失。

4.4 機器學(xué)習(xí)技術(shù)

機器學(xué)習(xí)技術(shù)是利用計算機語言表述的算法邏輯讓機器自主學(xué)習(xí)、不斷進步的一種技術(shù)。 通過對采煤機的工況監(jiān)測數(shù)據(jù)和預(yù)期規(guī)劃數(shù)據(jù)進行學(xué)習(xí)分析，利用數(shù)學(xué)算法實現(xiàn)數(shù)據(jù)的修正和更新。

4.5 設(shè)備故障自診斷技術(shù)

綜采工作面設(shè)備故障診斷系統(tǒng)是基于電流信號、潤滑油信息、冷卻系統(tǒng)信息等多信息融合的故障智能診斷技術(shù)，形成一套面向不同綜采設(shè)備故障在線診斷系統(tǒng)，實現(xiàn)采煤機及主要設(shè)備的故障診斷，提供維護和運行策略建議。

5 工業(yè)性試驗

5.1 試驗工作面基本情況

810 智能化綜采工作面位于井田八盤區(qū)西翼，北鄰812 進風(fēng)巷（正在掘進）；西接八盤區(qū)輔助運輸大巷；南為808 工作面采空區(qū)；東為井田邊界。 工作面上覆地表為低山林區(qū)，溝壑縱橫。 工作面可采長度為1 950 m，寬度為261 m，煤層厚度為1.3 ～3.0 m，平均厚度為2.72 m，可采儲量為167 萬t。 810 進風(fēng)巷為工作面輔助運輸及進風(fēng)巷，北側(cè)為812 進風(fēng)巷，812 回風(fēng)巷為工作面主運輸及回風(fēng)巷，靠工作面外側(cè)為實體煤柱，內(nèi)側(cè)布置帶式輸送機。

5.2 工作面現(xiàn)場試驗情況

1）2020 年3 月18 日至4 月30 日試驗情況。對810 工作面進行巷道精細(xì)測量、鉆孔測量、槽波地震勘探。

2）2020 年5 月20 日至6 月20 日試驗情況。810 綜采工作面開始使用精準(zhǔn)控制中心實現(xiàn)工作面設(shè)備的“規(guī)劃啟?！迸c集中控制，大數(shù)據(jù)智能分析決策中心結(jié)合透明地質(zhì)模型“CT”切片形成規(guī)劃截割模型，實現(xiàn)了工作面中部采煤機按照大數(shù)據(jù)智能分析決策中心下發(fā)的截割模型進行自主截割。

3）2020 年6 月20 日至7 月20 日試驗情況。2020 年6 月20 日至7 月20 日，810 綜采工作面三角煤區(qū)域可實現(xiàn)自主規(guī)劃截割與機架協(xié)同控制功能，實現(xiàn)了采煤機全工作面規(guī)劃截割采煤工藝的完整執(zhí)行。

4）2020 年7 月20 日至8 月20 日試驗情況。2020 年7 月20 日至8 月20 日，實現(xiàn)采煤機全工作面規(guī)劃截割采煤工藝的高效自主執(zhí)行，雷達(dá)測距的實時精準(zhǔn)測距指導(dǎo)透明地質(zhì)模型數(shù)據(jù)實時更新，慣性導(dǎo)航的穩(wěn)定運行實現(xiàn)了工作面設(shè)備的精確定位，大數(shù)據(jù)智能分析決策中心根據(jù)慣導(dǎo)數(shù)據(jù)及支架推移行程實現(xiàn)工作面刮板運輸機的自動找直。

5.3 工作面運行數(shù)據(jù)分析

通過收集工作面開采7 月17 日調(diào)試的實際截割數(shù)據(jù)、地質(zhì)規(guī)劃數(shù)據(jù)、人工干預(yù)數(shù)據(jù)，得到實際截割曲線、規(guī)劃截割曲線和實際煤層曲線對比圖［31］，如圖13 所示。

從圖13 可以發(fā)現(xiàn)，規(guī)劃數(shù)據(jù)與實際截割數(shù)據(jù)基本相符，能夠?qū)崿F(xiàn)規(guī)劃數(shù)據(jù)對采煤機動作的指導(dǎo)。

圖13 實際截割曲線、規(guī)劃截割曲線和實際煤層曲線對比Fig.13 Comparison of actual cutting curve，planned cutting curve and actual coal seam curve

6 結(jié) 論

1）通過應(yīng)用巷道精細(xì)測量、鉆孔探測、槽波地震勘探等技術(shù)，對地質(zhì)數(shù)據(jù)進行收集和分析，建立了透明工作面三級智能開采模型，構(gòu)建了透明工作面智能開采大數(shù)據(jù)分析決策系統(tǒng)總體設(shè)計架構(gòu)。

2）實現(xiàn)了采煤機、電液控、刮板輸送機在透明工作面模型中實時顯示設(shè)備工況數(shù)據(jù)，基于大數(shù)據(jù)融合技術(shù)、模型數(shù)字化技術(shù)、分析決策技術(shù)和機器學(xué)習(xí)技術(shù)，構(gòu)建了一套安全、高效、智能的大數(shù)據(jù)智能分析決策中心。

3）建立了采煤機、支架等設(shè)備三維模型坐標(biāo)。傳遞并更新透明地質(zhì)三維模型，實現(xiàn)了利用大數(shù)據(jù)分析決策技術(shù)對截割模型進行實時修正，保證了透明工作面的智能精準(zhǔn)開采。