胡興濤，朱 濤，蘇繼敏，劉凱文，代雙成，邢旭東，鄭光輝，劉炳權(quán)，王 波，張國玉

(北京天地華泰礦業(yè)管理股份有限公司，北京 100013)

煤炭是目前全人類生存所需的主要能源物質(zhì)之一，雖然我國煤炭占一次能源消費比例在持續(xù)降低，但在2020年一次能源消費中，我國煤炭能源占比仍處于高位達(dá)56.8%，世界煤炭能源占比為27%左右。預(yù)計“十四五”期間，我國年均煤炭消費量約為41億t，占比保持在40%以上，加之我國“富煤、缺油、少氣”的資源稟賦特征，在未來相當(dāng)長的一段時期內(nèi)，煤炭仍將是我國最穩(wěn)定、最可靠的基礎(chǔ)能源[1]。由于我國煤炭資源賦存、開發(fā)利用條件等方面的限制，約有90%的煤礦采用井工方式開采[2]。據(jù)統(tǒng)計，我國井工煤礦每年新掘用于開拓、準(zhǔn)備、回采等各類巷道的長度約為12 000 km，工程量十分巨大。井工煤礦生產(chǎn)的2個重要環(huán)節(jié)是巷道掘進(jìn)和工作面回采，近年來，隨著綜合機(jī)械化開采水平的不斷提高、智能化開采技術(shù)的日漸成熟[3-5]，綜采工作面回采速度大幅提升，平均每個工作面月消耗巷道超600 m，國家對煤炭生產(chǎn)的方針是“采掘并重，掘進(jìn)先行”。但由于掘進(jìn)工作面受工作空間狹小、環(huán)境條件惡劣多變等條件的影響，并且我國大多數(shù)掘進(jìn)工作面仍然采用傳統(tǒng)的掘進(jìn)工藝，掘進(jìn)、支護(hù)交替間歇作業(yè)，用人多、速度慢、效率低，綜掘工作面的月平均進(jìn)尺僅為180 m左右，導(dǎo)致礦井采掘失調(diào)嚴(yán)重，煤礦的正常有序生產(chǎn)受到威脅，嚴(yán)重制約了煤礦的安全高效開采[6]。

為滿足工作面快速推進(jìn)的要求，解決制約提高巷道掘進(jìn)支護(hù)與速度的問題，國內(nèi)外有關(guān)專家、學(xué)者從技術(shù)和裝備優(yōu)化入手開展了大量深入研究，研發(fā)出綜掘機(jī)、連采機(jī)、鉆錨一體化錨桿、錨桿(索)-鉆車、掘錨一體機(jī)等裝備[7-10]，并從長期規(guī)劃角度出發(fā)，結(jié)合煤礦智能化發(fā)展趨勢，研發(fā)了快速成巷技術(shù)、裝備和工藝[11-14]，并在國內(nèi)外部分礦區(qū)成功應(yīng)用，一定程度上緩解了采掘接替緊張的問題[15-17]。我國于20世紀(jì)70年代末從國外引進(jìn)連續(xù)采煤機(jī)應(yīng)用于煤巷平巷掘進(jìn)。1983年，12CM11型連續(xù)采煤機(jī)在同煤大都溝煤礦創(chuàng)造了最高月產(chǎn)原煤3.5萬t，年產(chǎn)原煤30萬t，年進(jìn)尺近10 000 m的記錄。1990年，瑞典山特維克第1臺ABM20掘錨機(jī)在Tahmoor Colliery 澳大利亞煤礦使用，我國于2001年引進(jìn)該型掘錨機(jī)，2002年，該機(jī)在晉煤集團(tuán)成莊煤礦投入使用。2003年，國家能源神東煤炭集團(tuán)引進(jìn)了JOY公司生產(chǎn)的12CM15-15DDVG型掘錨機(jī)，月平均進(jìn)尺達(dá)800 m左右，應(yīng)用效果良好。通過現(xiàn)場實際使用，掘錨機(jī)在一定程度上實現(xiàn)了巷道掘進(jìn)和支護(hù)的平行作業(yè)，提高了煤礦巷道掘進(jìn)速度[18]，但掘進(jìn)效率和管理水平依舊偏低，仍然是困擾煤礦安全高效生產(chǎn)的主要因素之一。

隨著科學(xué)技術(shù)快速發(fā)展和國家發(fā)改委、國家能源局、應(yīng)急管理部等8部委聯(lián)合出臺《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》，重點突破我國煤礦巷道智能化快速掘進(jìn)的技術(shù)與裝備有了技術(shù)和政策保障。目前煤礦巷道掘進(jìn)設(shè)備的智能化水平遠(yuǎn)低于綜采工作面，缺乏對超前地質(zhì)精準(zhǔn)探測、掘進(jìn)機(jī)位姿、掘進(jìn)工作面環(huán)境、設(shè)備運行狀態(tài)和圍巖參數(shù)等的自主感知能力;多源數(shù)據(jù)、圖像傳輸和存儲技術(shù)研究成果有限，應(yīng)用實例較少;智能化掘進(jìn)工作面大數(shù)據(jù)云計算和控制軟件技術(shù)大都處于頂層設(shè)計階段，實際開發(fā)、使用的煤礦數(shù)量不多。因此，研究煤礦巷道智能化掘進(jìn)的自主感知、基于F5G通訊技術(shù)多源數(shù)據(jù)、圖像的傳輸和存儲、大數(shù)據(jù)云計算和控制軟件等協(xié)同工藝?yán)碚摵完P(guān)鍵技術(shù)，對煤礦巷道智能化高效掘進(jìn)提供有效技術(shù)探索。

1 煤礦快速掘進(jìn)理論及技術(shù)基礎(chǔ)

1.1 快速掘進(jìn)煤炭地質(zhì)保障理論及技術(shù)

為有效減少煤礦掘進(jìn)、生產(chǎn)過程中瓦斯、水害、頂?shù)装宓仁鹿实陌l(fā)生，2000年以來，煤礦地質(zhì)保障工作由煤田地質(zhì)勘探、礦井設(shè)計領(lǐng)域逐步向煤礦開采地質(zhì)保障系統(tǒng)發(fā)展。2014年以來，隨著煤礦智能化開采的推進(jìn)，煤礦地質(zhì)保障正在向礦井地質(zhì)透明化發(fā)展[19]。

1.1.1 煤礦高分辨率三維地震勘探技術(shù)

通過近10余年的研究與發(fā)展，煤礦高分辨率三維地震勘探技術(shù)在識別井工煤礦煤與瓦斯、突水、頂?shù)装鍘r性等方面功能日趨完善[19]，在描述煤礦復(fù)雜地質(zhì)構(gòu)造方面的精準(zhǔn)性也大幅提高[20]。該技術(shù)與礦井地質(zhì)、物探等技術(shù)配合應(yīng)用，更能提高預(yù)測的準(zhǔn)確性。煤礦高分辨率三維地震勘探技術(shù)對預(yù)測煤層氣富集區(qū)、瓦斯突出的構(gòu)造煤、突水通道、≥3 m斷層、頂?shù)装鍑鷰r穩(wěn)定性等方面有較好的效果，如圖1，2所示。

圖1 三維地震勘探對地質(zhì)體的識別Fig.1 Effect of 3D seismic exploration on seismic dataidentification of geological body

圖2 三維地震勘探對地質(zhì)構(gòu)造的預(yù)測Fig.2 Effect of 3D seismic exploration on seismic dataprediction of geological structure

1.1.2 礦井地質(zhì)透明化理論和技術(shù)

隨著信息技術(shù)與煤礦相關(guān)專業(yè)的深度融合，少人化、無人化、機(jī)器人化、智能化等先進(jìn)生產(chǎn)理念在煤炭行業(yè)快速推廣，袁亮等[21-22]提出了煤礦地質(zhì)“透明化”。煤礦“透明”地質(zhì)條件是實現(xiàn)智能快速掘進(jìn)的重要基礎(chǔ)之一。目前，相關(guān)專家、學(xué)者在基于智能鉆探、智能物探、地質(zhì)數(shù)據(jù)數(shù)字化、地質(zhì)信息智能化更新和地質(zhì)信息可視化等多源數(shù)據(jù)的綜合地質(zhì)建模上開展了大量研究，如圖3所示，以滿足煤礦智能快速掘進(jìn)和精準(zhǔn)開采的地質(zhì)條件需求。

圖3 三維地質(zhì)結(jié)構(gòu)模型Fig.3 3D geological structure model

1.2 巷道圍巖應(yīng)力及其控制理論

建立在巷道圍巖應(yīng)力及其控制前提下的掘錨一體化快速掘進(jìn)技術(shù)，其理論基礎(chǔ)來自于近幾十年來國內(nèi)外巷道圍巖控制理論[23]、錨桿支護(hù)理論和成套技術(shù)的發(fā)展。

1.2.1 預(yù)應(yīng)力錨桿體系理論

誕生于20世紀(jì)90年代中后期的預(yù)應(yīng)力錨桿體系理論表明:要充分發(fā)揮煤礦巷道主動支護(hù)作用和巷道“圍巖-支護(hù)”體系的最大支護(hù)力，必須保證錨桿體系具有足夠的縱向和橫向預(yù)緊力。如圖4所示，理論和實踐均證明，當(dāng)錨桿的預(yù)應(yīng)力達(dá)60～70 kN時，基本上能防止巷道頂板的下沉，從而可以加大錨桿間排距，減少錨桿數(shù)量，同時節(jié)約了鋼材，縮短了鉆孔和安裝錨桿的時間。

圖4 巷道“圍巖-支護(hù)”體系Fig.4 “Surrounding rock support” system of roadway

1.2.2 采動巷道變形特征理論

采動巷道的變形和破壞與煤系地層本身具有的特性以及工作面回采有密切關(guān)系，康紅普[24]對采動巷道變形從時間和空間上進(jìn)行了研究，結(jié)果表明:采動巷道變形從時間上表現(xiàn)為分階段性、流變性和沖擊性3個階段。在空間上，采動巷道變形受掘進(jìn)影響比較明顯的范圍一般為掘進(jìn)工作面至2～5倍巷寬的距離;掘進(jìn)影響階段巷道的變形一般比較小，采煤工作面采動影響階段巷道的變形則比較大。

1.2.3 巷道圍巖錨固技術(shù)

2000年以來，我國煤礦巷道使用錨桿的支護(hù)率達(dá)到了75%以上，成為巷道的主體支護(hù)方式，地質(zhì)條件簡單的礦區(qū)如神東、陜北，幾乎全部采用錨桿支護(hù)。錨桿臺車、掘錨一體機(jī)等先進(jìn)設(shè)備的引進(jìn)、應(yīng)用、研發(fā)、再應(yīng)用使錨桿支護(hù)施工的機(jī)械化、自動化、智能化水平得到跨越式發(fā)展。2019年7月，全國首套智能化快速掘錨設(shè)備在煤巷掘進(jìn)速度上月進(jìn)尺突破了1 200 m。在頂板條件比較好、煤層傾角小的礦井，煤巷掘進(jìn)月進(jìn)尺可達(dá)3 000 m左右。

1.2.4 錨桿支護(hù)實時在線監(jiān)測技術(shù)

20世紀(jì)50年代中期，我國煤礦開始在巷道支護(hù)中使用錨桿，但由于缺乏對錨桿支護(hù)的現(xiàn)場監(jiān)測，導(dǎo)致相關(guān)工作人員對錨桿的工作狀態(tài)、支護(hù)效果等了解不深。隨著井下巷道礦山壓力監(jiān)測技術(shù)的進(jìn)步，有關(guān)科研、生產(chǎn)單位如前北京煤科院、尤洛卡等研發(fā)出了具有礦壓數(shù)據(jù)實時在線、自動監(jiān)測、綜合分析等功能的巷道礦壓綜合監(jiān)測系統(tǒng)[25-26]，如圖5所示。該系統(tǒng)可根據(jù)頂板離層量、頂?shù)装搴蛢蓭鸵平?、錨桿受力情況等監(jiān)測數(shù)據(jù)動態(tài)調(diào)整錨桿支護(hù)設(shè)計，為保證煤礦巷道安全提供了有效監(jiān)測手段。

1.3 快速掘進(jìn)理論與技術(shù)

1.3.1 掘錨一體化快速掘進(jìn)理論與技術(shù)

由于我國煤巖巷掘進(jìn)條件差異較大，為進(jìn)一步提升掘進(jìn)速度，需要根據(jù)實際地質(zhì)情況對快速掘進(jìn)工藝及流程不斷優(yōu)化，掘錨平行作業(yè)是巷道快速掘進(jìn)的作業(yè)方法之一，尤其在煤巷掘進(jìn)方面效果較好。掘錨一體化快速掘進(jìn)主要由高效掘進(jìn)系統(tǒng)集成配套、巷道全寬截割、空間多維度同步支護(hù)、錨索自動連續(xù)鉆孔、鉆機(jī)電液控制、柔性連續(xù)運輸、粉塵降除塵等關(guān)鍵設(shè)備組成，掘進(jìn)工作面成套裝備多級協(xié)同控制系統(tǒng)的成功研制實現(xiàn)了上述多類型設(shè)備間的共聯(lián)動、同運轉(zhuǎn)的功能[27]。但現(xiàn)階段掘錨一體機(jī)在現(xiàn)場實際應(yīng)用過程中，支護(hù)與掘進(jìn)作業(yè)時間占比不均衡，支護(hù)和掘進(jìn)平行作業(yè)率僅為30%左右，還需進(jìn)一步從系統(tǒng)工程學(xué)的角度對工藝流程進(jìn)行優(yōu)化。同時，對掘錨一體機(jī)進(jìn)行改造，解決掘錨一體機(jī)應(yīng)用過程中幫部錨桿支護(hù)不完全的技術(shù)難題。通過掘錨工藝流程的優(yōu)化、掘錨一體機(jī)的配套改進(jìn)，形成與掘錨一體機(jī)相配套的科學(xué)工藝流程，實現(xiàn)掘錨兩種機(jī)構(gòu)在時間上同步、空間上分離，達(dá)到巷道開挖最短時間內(nèi)及時支護(hù)控制圍巖變形，進(jìn)一步提高煤巷整體成巷速度。

1.3.2 全斷面掘進(jìn)機(jī)(TBM)及其智能化技術(shù)

TBM在公路、鐵路、地鐵等傳統(tǒng)硬巖隧道施工中應(yīng)用良好[28-29]。2000年以來，TBM開始在國內(nèi)外煤礦的井筒、大巷和瓦斯抽放巷等巷道掘進(jìn)中使用，尤其是近5年來，國內(nèi)先后有11對礦井使用TBM掘進(jìn)巷道，如圖6所示。TBM整機(jī)通過優(yōu)化結(jié)構(gòu)，長度從300 m縮減到60 m左右，更好地適應(yīng)了煤礦巷道掘進(jìn)條件。據(jù)統(tǒng)計，在巖巷掘進(jìn)中，TMB掘進(jìn)速度為鉆爆法的3～10倍，綜掘法的2～8倍，同時減少了現(xiàn)場作業(yè)人員數(shù)量。目前，礦用TBM智能掘進(jìn)技術(shù)正在利用大數(shù)據(jù)、云計算等來解決截割參數(shù)不合理、姿位調(diào)整不及時、支護(hù)決策不合適所造成的部分設(shè)備損壞、漏冒頂、片幫、卡機(jī)等事故的發(fā)生[30]。

圖6 全斷面掘進(jìn)機(jī)Fig.6 Full face roadheader

2 智能化超前自主感知理論與技術(shù)

安全生產(chǎn)是煤礦永恒的主題，也是開展各項工作的首位要務(wù)。楊健健等[31-33]在分析煤礦綜掘工作面實現(xiàn)智能化快掘自主感知和調(diào)控技術(shù)的基礎(chǔ)上，提出了“感知-控制-探、掘、護(hù)、錨”3個層次的智能化掘進(jìn)技術(shù)體系。筆者在該技術(shù)體系上提出煤礦智能快速掘進(jìn)技術(shù)研究應(yīng)按照“以智能化超前感知為基礎(chǔ)，以多源數(shù)據(jù)計算為中心，以安全智能快速掘進(jìn)為目標(biāo)”的原則進(jìn)行設(shè)計和構(gòu)建。

智能化超前感知用于提高掘進(jìn)設(shè)備對掘進(jìn)工作面前方及周圍一定范圍地質(zhì)條件、巷道環(huán)境、圍巖應(yīng)力和煤巖體性質(zhì)等方面的探測與預(yù)警能力，增強(qiáng)設(shè)備本身運行狀態(tài)的感知能力，獲取多源化數(shù)據(jù)、圖像傳輸給智能分析控制終端[31-34]。

2.1 超前地質(zhì)探測精準(zhǔn)感知

雖然煤礦高分辨三維勘探技術(shù)的發(fā)展在識別礦井精細(xì)地質(zhì)構(gòu)造勘探中的優(yōu)勢獨特、“硬核”支撐作用顯著，但也必須要充分認(rèn)識到礦井地質(zhì)條件的復(fù)雜性、地質(zhì)成果的多解性。近10余年來，煤礦綜掘機(jī)前端安裝視頻監(jiān)測技術(shù)、X射線探測技術(shù)、礦井地質(zhì)雷達(dá)探測技術(shù)等均因各種原因以失敗或難于推廣而相繼告終。有關(guān)科研技術(shù)人員研發(fā)出的與慣導(dǎo)技術(shù)一體的高分辨地質(zhì)雷達(dá)，如圖7所示，其探測精度為2 cm，該設(shè)備加裝在綜掘設(shè)備上并與之聯(lián)動，實時動態(tài)獲取掘進(jìn)工作面前方5 m以上范圍的煤巖結(jié)構(gòu)，精準(zhǔn)解析出地質(zhì)構(gòu)造、隱患災(zāi)害，如圖8所示。該技術(shù)再結(jié)合井下千米鉆機(jī)、探水鉆機(jī)等常規(guī)地質(zhì)鉆探技術(shù)，更能提前精確預(yù)測出掘進(jìn)工作面前方斷層、褶曲、采空區(qū)、陷落柱、破碎帶、含水構(gòu)造等，并為綜掘設(shè)備智能安全高效快速掘進(jìn)提供參考。

圖7 高分辨地質(zhì)雷達(dá)探測原理[35]Fig.7 Principle of ground penetrating radar[35]

圖8 圍巖裂隙探測[36]Fig.8 Detection of surrounding rock fractures[36]

2.2 基于TSOA定位原理混合算法的掘進(jìn)設(shè)備位姿感知

利用納秒級甚至皮秒級的極窄脈沖實現(xiàn)信息傳輸?shù)某瑢拵?Ultra-wideband，UWD)測距技術(shù)對掘進(jìn)設(shè)備的位姿進(jìn)行檢測[37]，如圖9所示。

圖9 基于TSOA定位原理混合算法的掘進(jìn)設(shè)備位姿檢測系統(tǒng)Fig.9 Position and attitude detection system of roadheader based on TSOA hybrid algorithm of positioning principle

巷道中布設(shè)自主定位基站群a,b,c,d，掘進(jìn)設(shè)備機(jī)體上布設(shè)定位節(jié)點e,f,g，其中基站a為發(fā)射站，基站b，c，d為接收站，設(shè)定基站a位置坐標(biāo)為(Xa，Ya，Za)，基站b,c,d的位置坐標(biāo)分別為(Xb，Yb，Zb),(Xc，Yc，Zc),(Xd，Yd，Zd)，定位節(jié)點e,f,g的位置坐標(biāo)分別為(Xe，Ye，Ze),(Xf，Yf，Zf),(Xg，Yg，Zg)。根據(jù)測距和定位(Time Summation of Arrival，TSOA)原理，通過自主定位基站群a,b,c,d對3個定位節(jié)點e,f,g進(jìn)行UWB測距，測量出4個UWB自主定位基站相對于掘進(jìn)設(shè)備機(jī)體上3個定位節(jié)點的空間距離ra，rb，rc，和rd觀測方程組:

(1)

劉超等[37-38]通過系統(tǒng)推導(dǎo)混合算法的計算過程，并將間接法計算出的初始值代入Taylor級數(shù)展開法循環(huán)迭代進(jìn)行計算，消除誤差，進(jìn)而解算出處綜掘設(shè)備機(jī)體上3個定位節(jié)點e,f,g的位置坐標(biāo)(Xe，Ye，Ze)、(Xf，Yf，Zf)和(Xg，Yg，Zg)。將e，f，g的位置坐標(biāo)代入位姿解算公式，可解算出掘進(jìn)設(shè)備的航向角、俯仰角和橫滾角等姿態(tài)角參數(shù)?；赥SOA定位原理混合算法的掘進(jìn)設(shè)備位姿檢測感知方法，測量范圍在3～94 m，誤差隨距離的變化規(guī)律為，X軸誤差基本上控制在40 mm以內(nèi)，Y軸誤差最小可達(dá)毫米級，Z軸誤差則較大，其隨測量距離的增大而變大。

2.3 基于同步定位與建圖(SLAM)原理的掘進(jìn)工作面環(huán)境感知

進(jìn)入智能化階段的掘進(jìn)設(shè)備，在井下實際掘進(jìn)中需要實現(xiàn)自動駕駛才能真正達(dá)到智能化水平，環(huán)境感知是掘進(jìn)設(shè)備智能高效運行的基礎(chǔ)，起到掘進(jìn)設(shè)備“嗅覺”、“視覺”、“聽覺”和“觸覺”的作用，這些方面能力的不足將會直接導(dǎo)致掘進(jìn)設(shè)備智能高效掘進(jìn)辨不清掘進(jìn)方向、看不到前行障礙(如片幫、底臌)、認(rèn)不準(zhǔn)開掘位置等問題，最終還是只有依靠掘進(jìn)設(shè)備司機(jī)的現(xiàn)場觀測和操作。

智能掘進(jìn)設(shè)備主要通過機(jī)載傳感器來獲取環(huán)境信息，并對環(huán)境信息進(jìn)行收集、分析和處理。在葛世榮[39]對采煤機(jī)技術(shù)發(fā)展歷程(九)——環(huán)境感知技術(shù)研究和基于同步定位與建圖(SLAM)原理的基礎(chǔ)上，對掘進(jìn)工作面環(huán)境感知進(jìn)行研究。楊健健等[31-33]在結(jié)合井下掘進(jìn)工作面少人化、無人化的發(fā)展趨勢下，針對掘進(jìn)機(jī)作業(yè)時定向難、定位難的問題做了大量的研究，提出將激光雷達(dá)SLAM技術(shù)應(yīng)用到掘進(jìn)機(jī)上，同時將密閉狹長的掘進(jìn)巷道環(huán)境問題轉(zhuǎn)換為概率統(tǒng)計的數(shù)學(xué)模型預(yù)測問題。通過使用泰勒級數(shù)展開法去近似的代替非線性回歸模型，多次迭代、修正回歸系數(shù)，得到最佳回歸系數(shù)，使原模型的殘差平方和達(dá)到最小，即激光得到的點數(shù)據(jù)與掘進(jìn)工作面當(dāng)前地圖的數(shù)據(jù)誤差最小，從而得到掘進(jìn)機(jī)最優(yōu)的位姿參數(shù)。

井下掘進(jìn)工作面環(huán)境復(fù)雜，巷道掘進(jìn)過程中會產(chǎn)生粉塵、有害氣體、噪聲、振動等，粉塵治理是智能快速掘進(jìn)的一個重點和難點。掘進(jìn)機(jī)加裝粉塵檢測裝置，通過對掘進(jìn)空間粉塵的感知，相應(yīng)數(shù)據(jù)通過決策系統(tǒng)處理后，啟動液-固-氣三幕除塵或袋式除塵、濕式除塵等高效粉塵防治裝置，最大程度解決智能快速掘進(jìn)帶來的掘進(jìn)工作面粉塵防治問題，同時提高了機(jī)載各傳感器的精度、攝像頭的清晰度。

2.4 掘進(jìn)設(shè)備運行狀態(tài)感知

掘進(jìn)設(shè)備主要包括機(jī)械、電氣和液壓三大系統(tǒng)，內(nèi)部相互聯(lián)系，錯綜復(fù)雜。掘進(jìn)設(shè)備在實際運行過程中，雖然設(shè)備故障類型具有多樣性、來源具有多元性，但是各個故障間存在一定的并發(fā)性、關(guān)聯(lián)性和不確定性的關(guān)系。若采用傳統(tǒng)的溫度、振動監(jiān)測等診斷方法，無法實現(xiàn)快速、準(zhǔn)確判斷出故障的產(chǎn)生原因。目前，將RBF神經(jīng)網(wǎng)絡(luò)與粗糙集相結(jié)合的方法可用于對掘進(jìn)設(shè)備的故障診斷。該方法首先運用粗糙集理論對采集到的掘進(jìn)設(shè)備故障數(shù)據(jù)進(jìn)行冗余去除，再利用 RBF 神經(jīng)網(wǎng)絡(luò)模型進(jìn)行構(gòu)造，以實現(xiàn)掘進(jìn)設(shè)備的快速、準(zhǔn)確故障診斷，為智能化快速掘進(jìn)的故障診斷提供理論支撐[40-41]。

RBF神經(jīng)網(wǎng)絡(luò)是由輸入層、隱含層和輸出層組成，如圖10所示。從輸入層到隱含層為非線性關(guān)系、隱含層到輸出層為線性關(guān)系的3層網(wǎng)絡(luò)結(jié)構(gòu)，其中,ωhm為隱含層至輸出層的路徑命名。

圖10 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.10 Structure diagram of RBF neural network

計算過程中，隱含層常用的變換函數(shù)為高斯函數(shù)Ri(x)，即

(2)

式中，x為輸入向量;ci為第i個基函數(shù)的中心;σi為第i個基函數(shù)的方差。

輸出:

(3)

式中，ωk-i為輸出層第k個神經(jīng)元與隱含層第i個神經(jīng)元的調(diào)節(jié)權(quán)重。

2.5 掘進(jìn)巷道圍巖多參數(shù)感知

當(dāng)前我國煤礦巷道圍巖受力、變形、頂板離層等監(jiān)測方式大都采用的是基于井下工業(yè)環(huán)網(wǎng)的在線實時綜合監(jiān)測，利用礦井已經(jīng)建立的因特網(wǎng)、局域網(wǎng)、網(wǎng)絡(luò)平臺等可以實現(xiàn)巷道圍巖各參數(shù)監(jiān)測內(nèi)容的感知和信息共享。在掘進(jìn)巷道內(nèi)安設(shè)圍巖移動監(jiān)測子系統(tǒng)，每隔30～50 m布置1個圍巖移動測點，用于監(jiān)測圍巖移動情況。根據(jù)巷道掘進(jìn)過程中可能遇到的斷層、陷落柱、褶曲等構(gòu)造，或者按照設(shè)計，可能會有巷道與巷道之間、巷道與硐室之間的交叉點，這些部位裸露面積大、空間大等，或者按照《煤礦安全規(guī)程》規(guī)定需安設(shè)頂板離層在線監(jiān)測系統(tǒng)，用于監(jiān)測頂板2個深基點的變形量和離層量。按照所掘巷道服務(wù)功能，依據(jù)巷道所處地應(yīng)力、工作面初采、正?；夭?、末采階段等情況，合理設(shè)置煤體應(yīng)力測站，每個測站設(shè)置4～6個測點測量支承壓力和煤柱應(yīng)力，相關(guān)數(shù)據(jù)傳至煤體應(yīng)力監(jiān)測子系統(tǒng)。巷道錨桿及錨索工作阻力監(jiān)測子系統(tǒng)。在掘進(jìn)巷道內(nèi)安設(shè)錨桿(索)工作阻力監(jiān)測點，每隔50～80 m選擇一個巷道斷面，每個斷面設(shè)置至少3個測點用來監(jiān)測錨桿(索)的受力情況。頂板離層在線監(jiān)測、圍巖移動在線監(jiān)測、煤體應(yīng)力在線監(jiān)測和巷道錨桿及錨索工作阻力在線監(jiān)測可以實現(xiàn)掘進(jìn)巷道圍巖頂板離層、變形、受力等多參數(shù)的感知，如圖11所示，相應(yīng)的多源、異構(gòu)感知數(shù)據(jù)采集傳輸至信息分析平臺，經(jīng)智能控制終端分析決策后發(fā)出預(yù)測預(yù)報，科學(xué)客觀的評價掘進(jìn)巷道圍巖的受力、變形和穩(wěn)定性情況，降低巷道圍巖事故發(fā)生率。

圖11 頂板離層在線監(jiān)測系統(tǒng)Fig.11 Online monitoring system of roof separation

3 基于F5G通訊的多源數(shù)據(jù)、圖像傳輸和存儲技術(shù)

掘進(jìn)技術(shù)是煤礦生產(chǎn)的核心技術(shù)之一，核心技術(shù)的進(jìn)步和突破必將在一定程度上帶動煤礦涉及安全、建設(shè)、生產(chǎn)等環(huán)節(jié)關(guān)鍵技術(shù)的發(fā)展。2020-06-18，全國首座5G智慧煤礦正式在陽泉煤業(yè)集團(tuán)新元煤礦落成[42]，國內(nèi)地下最低的5G網(wǎng)——井下534 m“超千兆上行”煤礦5G專用網(wǎng)投入使用。5G技術(shù)助力掘進(jìn)工作面和綜采工作面實現(xiàn)無人操作、機(jī)電硐室無人巡檢運行，證明了5G技術(shù)在煤礦應(yīng)用的可行性。試驗顯示各項參數(shù)距離5G標(biāo)準(zhǔn)有一定差距，屬于5G技術(shù)應(yīng)用的初始階段，真正實現(xiàn)智慧煤礦還需要更深入、細(xì)致的探索和研究。

隨著現(xiàn)代移動通訊技術(shù)的發(fā)展，從1986年第1代通訊技術(shù)1G發(fā)明為標(biāo)志的“大哥大”年代，到現(xiàn)在萬物互聯(lián)的5G時代，移動通訊技術(shù)極大地改變著人們的生產(chǎn)和生活方式。煤炭行業(yè)生產(chǎn)方式也受同時代通訊技術(shù)發(fā)展的影響，從人力向機(jī)械化、自動化、智能化方向發(fā)展，從簡單的語音通話階段到語音視頻階段再逐步到現(xiàn)在的萬物互聯(lián)、智能化開采多源數(shù)據(jù)傳輸、信息融合與決策控制階段，具體關(guān)系對應(yīng)情況見表1。

表1 通訊技術(shù)發(fā)展與我國煤礦開采技術(shù)進(jìn)步的對應(yīng)關(guān)系Table 1 Correspondence table of communication technology development and coal mining in China

3.1 多源數(shù)據(jù)的傳輸和存儲

多源數(shù)據(jù)傳輸采用基于F5G通訊的數(shù)據(jù)傳輸方法[43-44]，該系統(tǒng)主要由自動感知裝置、1號數(shù)據(jù)轉(zhuǎn)換模塊、智能分析控制終端裝置、2號數(shù)據(jù)轉(zhuǎn)換模塊和決策應(yīng)用裝置等5個部分組成。其中自動感知裝置包括掘進(jìn)機(jī)位姿感知裝置、工作面環(huán)境感知裝置、掘進(jìn)設(shè)備運行狀態(tài)感知裝置和掘進(jìn)巷道圍巖多參數(shù)感知裝置等;數(shù)據(jù)轉(zhuǎn)換裝置包括數(shù)據(jù)轉(zhuǎn)換模塊和數(shù)據(jù)交換服務(wù)器;智能分析控制終端裝置即信息融合層，通過云計算平臺來處理多源信息;決策應(yīng)用裝置主要是接收2號數(shù)據(jù)轉(zhuǎn)換裝置傳來的指令后執(zhí)行相應(yīng)的動作。

1號數(shù)據(jù)轉(zhuǎn)換模塊和2號數(shù)據(jù)轉(zhuǎn)換模塊分別與智能分析控制終端裝置連接，其通過F5G通訊傳輸控制協(xié)議進(jìn)行通訊連接，如圖12所示。

圖12 多源數(shù)據(jù)傳輸系統(tǒng)Fig.12 Multi source data transmission system diagram

1號數(shù)據(jù)轉(zhuǎn)換模塊將自動感知裝置收集的數(shù)據(jù)進(jìn)行序列化處理，智能分析控制終端服務(wù)器將數(shù)據(jù)反序列化后存入相應(yīng)的數(shù)據(jù)庫中。基于F5G的多源數(shù)據(jù)傳輸分為實時數(shù)據(jù)傳輸和歷史數(shù)傳輸。實時數(shù)據(jù)傳輸預(yù)設(shè)的時間間隔不受限制，可設(shè)定為任何的合理時間間隔，通常情況下時間間隔設(shè)置為5 s或10 s。實時數(shù)據(jù)按照設(shè)定的時間間隔從已經(jīng)緩存的內(nèi)存中獲取最新數(shù)據(jù)，通過基于F5G的多源數(shù)據(jù)傳輸系統(tǒng)直接傳到智能分析控制終端。歷史數(shù)據(jù)則從已緩存的數(shù)據(jù)庫中查詢指定數(shù)量的數(shù)據(jù)，按照由老及新的時間順序整體打包發(fā)送至智能分析控制終端，同時，相應(yīng)數(shù)據(jù)從緩存中刪除。

當(dāng)F5G網(wǎng)絡(luò)因故臨時中斷時，歷史數(shù)據(jù)將在智能分析控制終端的臨時數(shù)據(jù)庫中繼續(xù)緩存，網(wǎng)絡(luò)恢復(fù)正常后，未傳輸?shù)臄?shù)據(jù)將會“續(xù)傳”。

3.2 多源圖像的傳輸和存儲

基于F5G通訊的多源圖像傳輸系統(tǒng)同樣包括自動感知裝置、3號視頻數(shù)據(jù)轉(zhuǎn)換模塊、4號數(shù)據(jù)視頻轉(zhuǎn)換模塊、智能分析控制終端裝置、5號視頻數(shù)據(jù)轉(zhuǎn)換模塊和決策應(yīng)用裝置等6個部分。自動感知裝置包括超前探測精準(zhǔn)感知、掘進(jìn)工作面環(huán)境感知和巷道圍巖多參數(shù)感知等設(shè)備的內(nèi)置攝像頭。智能分析控制終端裝置包括帶有高清多媒體接口的顯示器(HDMI)。連接方式為:感知設(shè)備的內(nèi)置攝像頭?3號視頻數(shù)據(jù)轉(zhuǎn)換模塊?4號數(shù)據(jù)視頻轉(zhuǎn)換模塊?智能分析控制終端裝置→5號視頻數(shù)據(jù)轉(zhuǎn)換模塊→決策應(yīng)用裝置。

感知裝置內(nèi)置攝像頭的IP地址包括實時IP地址和固定IP地址，3號視頻數(shù)據(jù)轉(zhuǎn)換模塊的服務(wù)器用于存儲數(shù)據(jù)，4號數(shù)據(jù)視頻轉(zhuǎn)換模塊可以從該處獲得感知裝置內(nèi)置攝像頭的相應(yīng)數(shù)據(jù)。

由于4號數(shù)據(jù)視頻轉(zhuǎn)換模塊已經(jīng)從3號視頻數(shù)據(jù)轉(zhuǎn)換模塊中獲取了掘進(jìn)設(shè)備相應(yīng)功能的決策應(yīng)用裝置號和感知裝置內(nèi)置攝像頭的IP地址等信息，并且已經(jīng)與感知裝置內(nèi)置攝像頭建立了完整的數(shù)據(jù)交換，實現(xiàn)了基于F5G通訊的連接，即通過4號數(shù)據(jù)視頻轉(zhuǎn)換模塊可以直接拉取所需的視頻數(shù)據(jù)。智能分析控制終端裝置綜合多源圖像，經(jīng)過綜掘設(shè)備云計算平臺對相應(yīng)圖像數(shù)據(jù)進(jìn)行處理，通過5號視頻數(shù)據(jù)轉(zhuǎn)換模塊將相應(yīng)指令傳達(dá)給決策應(yīng)用裝置執(zhí)行相應(yīng)動作。多源圖像傳輸系統(tǒng)如圖13所示。

圖13 多源圖像傳輸系統(tǒng)Fig.13 Multi source image transmission system diagram

4 智能化掘進(jìn)工作面大數(shù)據(jù)云計算和控制軟件技術(shù)

4.1 智能化掘進(jìn)云計算平臺構(gòu)架和功能

根據(jù)智能化掘進(jìn)云平臺構(gòu)架方案，系統(tǒng)層面搭建具有強(qiáng)大的大數(shù)據(jù)處理能力和高效分析效率的Hadoop[45]，以及專門用來對分布式存儲的大數(shù)據(jù)進(jìn)行處理的工具Spark，即Hadoop & Spark一體化大數(shù)據(jù)云計算分析處理平臺，如圖14所示。Hadoop & Spark將掘進(jìn)設(shè)備運行狀態(tài)感知的數(shù)據(jù)集分派到一個由普通計算機(jī)組成的集群中，并在其多個節(jié)點進(jìn)行存儲、分析和可視化互動。

智能化掘進(jìn)大數(shù)據(jù)云計算分析處理平臺客戶端采用瀏覽器請求、服務(wù)器響應(yīng)工作模式的瀏覽器/服務(wù)器架構(gòu)?？蛻舳丝梢酝ㄟ^訪問該平臺實現(xiàn)實時了解掘進(jìn)工作面前方斷層、采空區(qū)、陷落柱、破碎帶、含水構(gòu)造等地質(zhì)狀況，掘進(jìn)機(jī)位姿狀態(tài)，掘進(jìn)工作面粉塵、有害氣體、噪聲、振動等環(huán)境狀況，以及掘進(jìn)設(shè)備運行狀況等。此外，通過大數(shù)據(jù)云計算分析處理技術(shù)，提高對相關(guān)數(shù)據(jù)的“加工能力”，通過“加工”實現(xiàn)對智能化掘進(jìn)海量數(shù)據(jù)的專業(yè)化處理，進(jìn)一步開發(fā)智能掘進(jìn)計算(懸臂式掘進(jìn)機(jī)、連采機(jī)、掘錨一體機(jī)、TBM等)模型。

4.2 掘進(jìn)智能控制軟件

4.2.1 基于VMware vSphere的智能化掘進(jìn)-SmartX軟件技術(shù)架構(gòu)

基于VMware vSphere的智能化掘進(jìn)-SmartX超融合分布式塊存儲系統(tǒng)架構(gòu)分為數(shù)據(jù)源層、智能化超前感知數(shù)據(jù)采集層、多源數(shù)據(jù)和圖像的傳輸存儲層、大數(shù)據(jù)云平臺數(shù)據(jù)分析層、決策應(yīng)用層，如圖15所示，在智能化掘進(jìn)-SmartX智能控制系統(tǒng)中，數(shù)據(jù)加載模塊承擔(dān)接入來自自主感知裝置經(jīng)過1號數(shù)據(jù)轉(zhuǎn)換模塊或4號數(shù)據(jù)視頻轉(zhuǎn)換模塊傳輸?shù)膶崟r多源數(shù)據(jù)和多源圖像數(shù)據(jù)。數(shù)據(jù)提取模塊承擔(dān)批量抽取智能分析控制終端或3號視頻數(shù)據(jù)轉(zhuǎn)換模塊服務(wù)器中的歷史數(shù)據(jù)。計算模型加載模塊則是根據(jù)數(shù)據(jù)來源渠道的不同，自動調(diào)用智能化掘進(jìn)-SmartX智能控制系統(tǒng)中的分析處理模型，經(jīng)過大數(shù)據(jù)云計算實時計算出相應(yīng)參數(shù)數(shù)據(jù)，并自動進(jìn)行綜合分析、判斷，結(jié)果通過2號數(shù)據(jù)轉(zhuǎn)換模塊或5號視頻數(shù)據(jù)轉(zhuǎn)換模塊反饋給智能化掘進(jìn)裝備的決策應(yīng)用裝置，繼而快速執(zhí)行相應(yīng)的動作。

圖15 智能化掘進(jìn)-SmartX軟件技術(shù)架構(gòu)Fig.15 Intelligent tunneling-SmartX software technology architecture

4.2.2 智能化掘進(jìn)-SmartX軟件功能

智能化掘進(jìn)-SmartX系統(tǒng)包括超前地質(zhì)探測精準(zhǔn)感知、掘進(jìn)設(shè)備位姿感知、掘進(jìn)工作面環(huán)境感知、掘進(jìn)設(shè)備運行狀態(tài)感知、掘進(jìn)巷道圍巖多參數(shù)感知、安全預(yù)警、智能導(dǎo)控、智能臨時/永久支護(hù)等8個主要功能模塊，如圖16所示。智能化掘進(jìn)工作面地質(zhì)狀況的映射包括超前地質(zhì)探測精準(zhǔn)感知、掘進(jìn)巷道圍巖多參數(shù)感知和智能臨時/永久支護(hù)3個模塊。智能化掘進(jìn)設(shè)備狀況的映射包括掘進(jìn)機(jī)位姿感知、掘進(jìn)設(shè)備運行狀態(tài)感知、安全預(yù)警、智能導(dǎo)控4個模塊。智能化掘進(jìn)工作面作業(yè)環(huán)境狀況的映射則包括掘進(jìn)工作面環(huán)境感知1個模塊。

圖16 智能化掘進(jìn)-SmartX軟件功能規(guī)劃Fig.16 Intelligent tunneling-SmartX software function planning

智能化掘進(jìn)-SmartX系統(tǒng)由數(shù)據(jù)加載模塊接入傳感器傳輸來的大量實時數(shù)據(jù)后，數(shù)據(jù)抽取模塊批量抽取歷史數(shù)據(jù)，模型裝載模塊再將計算模型和腳本加載至系統(tǒng)中，系統(tǒng)將實時計算相應(yīng)指標(biāo)，繼而進(jìn)行判斷，將結(jié)果反饋至決策層，從而執(zhí)行相應(yīng)動作。

5 結(jié)語及展望

煤礦巷道智能化掘進(jìn)是綜合機(jī)械化、掘錨一體化、TBM等掘進(jìn)的換代升級，智能化掘進(jìn)設(shè)備的自主感知、基于F5G通訊技術(shù)的多源數(shù)據(jù)、圖像的傳輸和存儲、大數(shù)據(jù)云計算和控制軟件是煤礦巷道智能化掘進(jìn)技術(shù)的核心。通過分析煤礦巷道智能化掘進(jìn)的超前自主感知理論與技術(shù)包括超前地質(zhì)探測精準(zhǔn)感知、位姿感知、環(huán)境感知、運行狀態(tài)感知等，多源數(shù)據(jù)、多源圖像的傳輸和存儲包括感知設(shè)備、數(shù)據(jù)轉(zhuǎn)換裝置、智能分析控制終端、決策應(yīng)用裝置等，智能化掘進(jìn)工作面大數(shù)據(jù)云計算和控制軟件技術(shù)包括基于Hadoop&Spark一體化大數(shù)據(jù)云計算平臺構(gòu)架、基于VMware vSphere的智能化掘進(jìn)-SmartX控制軟件等，雖然部分關(guān)鍵技術(shù)已經(jīng)達(dá)到國際先進(jìn)水平甚至具備國際領(lǐng)先水平，但仍需要從以下3個方面加強(qiáng)科技攻關(guān)，以進(jìn)一步提高煤礦巷道智能化高效掘進(jìn)水平。

(1)研制高質(zhì)量感知設(shè)備(傳感器、攝像頭)與多源數(shù)據(jù)、圖像深度融合技術(shù)。智能化掘進(jìn)需要采集掘進(jìn)工作面的水、火、瓦斯、粉塵、通風(fēng)、煤巖性、地質(zhì)構(gòu)造、設(shè)備運行等各類信息，大量的感知設(shè)備需要布設(shè)，然而受感知設(shè)備精度、穩(wěn)定性、布設(shè)方式和井下5G通訊方式的部分局限性，并且目前智能掘進(jìn)設(shè)備上使用的感知設(shè)備種類、精度、準(zhǔn)確度、可靠性和智能性等也具有一定的局限性，導(dǎo)致多源數(shù)據(jù)、圖像在深度融合方面的精度、準(zhǔn)確度偏低，限制了智能化綜掘設(shè)備在作業(yè)過程中協(xié)同控制、工序優(yōu)化等智能化水平的控制和決策能力發(fā)揮。

(2)研發(fā)基于F5G通訊技術(shù)的掘進(jìn)工藝智能化技術(shù)。目前受通訊帶寬和通信網(wǎng)絡(luò)實時性的制約，使得感知設(shè)備狀態(tài)信息上傳具有不完整性，智能分析控制終端信息處理能力偏弱，下達(dá)的控制協(xié)同信息又具有較大的滯后性，很大程度上限制了掘進(jìn)設(shè)備各工作單元之間的智能協(xié)調(diào)聯(lián)動?；贔5G的通訊技術(shù)能夠在較大程度上確保智能化掘進(jìn)設(shè)備在運行過程中的位姿、速度等參數(shù)判定和動作在設(shè)定的邏輯控制中快速準(zhǔn)確完成，實現(xiàn)智能化掘進(jìn)設(shè)備高效率、低時延、高可靠性的智能聯(lián)動。

(3)提升煤礦巷道智能化掘進(jìn)輔助生產(chǎn)環(huán)節(jié)的智能化水平。全面發(fā)展掘進(jìn)工作面生產(chǎn)智能化調(diào)度，覆蓋截割、運輸、支護(hù)、除塵等多個方面，系統(tǒng)性提升煤礦巷道掘進(jìn)的整體智能化水平。加快推進(jìn)智能化掘進(jìn)輔助作業(yè)平臺的研究與應(yīng)用，針對智能化掘進(jìn)工作面輔助作業(yè)工種，如管路安裝、風(fēng)筒連接、構(gòu)造帶特殊支護(hù)等作業(yè)，積極開展機(jī)器人化多功能作業(yè)平臺裝備研制。開發(fā)智能化掘進(jìn)輔助生產(chǎn)環(huán)節(jié)n階段并聯(lián)多服務(wù)臺有限顧客循環(huán)排隊模型并應(yīng)用于大數(shù)據(jù)云計算環(huán)節(jié)中，以提高掘進(jìn)工作效率、大幅減少掘進(jìn)作業(yè)輔助人員數(shù)量，減輕工人勞動強(qiáng)度，實現(xiàn)掘進(jìn)工作面智能化水平的整體提升。