高有進(jìn)，楊 藝,3，常亞軍，張幸福，李國(guó)威，連東輝，崔科飛，武學(xué)藝，魏宗杰

(1.鄭州煤礦機(jī)械集團(tuán)股份有限公司，河南 鄭州 450000;2.鄭州煤機(jī)液壓電控有限公司，河南 鄭州 450013;3.河南理工大學(xué) 電氣工程與自動(dòng)化學(xué)院，河南 焦作 454000)

0 引 言

煤炭是我國(guó)重要的基礎(chǔ)能源。根據(jù)中國(guó)工程院相關(guān)報(bào)告預(yù)測(cè)：到2030年，煤炭在我國(guó)能源結(jié)構(gòu)中所占比例為50%；直至2050年，仍將以40%的占比高居榜首[1]。煤礦安全高效生產(chǎn)是確保我國(guó)經(jīng)濟(jì)發(fā)展和社會(huì)穩(wěn)定的重要基礎(chǔ)之一。

煤礦智能化開采是我國(guó)能源戰(zhàn)略的重要發(fā)展方向。2020年2月，由國(guó)家發(fā)展改革委、國(guó)家能源局等八部委聯(lián)合印發(fā)的《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》，對(duì)煤礦智能化發(fā)展階段性目標(biāo)和任務(wù)提出具體要求:到2035年，各類煤礦基本實(shí)現(xiàn)智能化，構(gòu)建多產(chǎn)業(yè)鏈、多系統(tǒng)集成的煤礦智能化系統(tǒng)，建成智能感知、智能決策、自動(dòng)執(zhí)行的煤礦智能化體系[2]。河南、山東、山西、內(nèi)蒙古、安徽、貴州等煤炭主產(chǎn)區(qū)先后出臺(tái)了煤礦智能化建設(shè)的實(shí)施方案，確定了各省煤礦智能化建設(shè)的具體任務(wù)和目標(biāo)。

長(zhǎng)期以來，煤礦開采作為高危和艱苦行業(yè)，對(duì)人才的吸引力很小。2005年，第1次全國(guó)經(jīng)濟(jì)普查結(jié)果顯示，全國(guó)煤炭行業(yè)法人8.2萬個(gè)，從業(yè)人員達(dá)到888.8萬人[3]。然而，近年來，隨著我國(guó)金融、IT、電子商務(wù)、新型物流等行業(yè)蓬勃發(fā)展，對(duì)煤炭行業(yè)的從業(yè)人員形成巨大沖擊，導(dǎo)致煤炭行業(yè)的各類人才流失嚴(yán)重。更為嚴(yán)重的是國(guó)內(nèi)主要煤炭院校相關(guān)專業(yè)的本科生、研究生報(bào)考比例持續(xù)走低，而且社會(huì)青年進(jìn)入煤礦生產(chǎn)一線的意愿不高，從而致使煤炭行業(yè)的新生力量匱乏，員工老齡化十分嚴(yán)重。2019年第4次全國(guó)經(jīng)濟(jì)普查時(shí)，煤炭行業(yè)企業(yè)法人已大幅下降到1.3萬個(gè)，從業(yè)人員銳減到347.3萬人[4]。此外，隨著我國(guó)煤炭資源開發(fā)的縱深發(fā)展，煤礦采深不斷增加，地質(zhì)條件更加復(fù)雜，沖擊地壓、水害、瓦斯突出等多種災(zāi)害疊加效應(yīng)不斷顯現(xiàn)，給煤礦安全生產(chǎn)提出了更高的新要求。因此，如何確保煤礦生產(chǎn)安全、穩(wěn)定生產(chǎn)隊(duì)伍、提高煤礦開采效率是煤炭行業(yè)健康可持續(xù)發(fā)展的重要內(nèi)容。

煤礦智能化開采是以井下少人化、無人化為目標(biāo)，通過設(shè)備的智能自主控制實(shí)現(xiàn)自動(dòng)化高效采煤。這可將工作人員從高風(fēng)險(xiǎn)區(qū)域解放出來，從根本上消除生產(chǎn)過程中的人員傷亡現(xiàn)象。同時(shí)，采掘設(shè)備的智能自主控制可大幅弱化生產(chǎn)過程對(duì)人員的需求，有效緩解人員短缺的問題。此外，在智能開采模式下，井下環(huán)境可實(shí)現(xiàn)精確感知；沖擊地壓、有害氣體、巷道圍巖狀態(tài)等監(jiān)控得以完善；大數(shù)據(jù)分析與事件預(yù)測(cè)深度融合，形成井下全局信息，并作為工作面設(shè)備智能控制的決策依據(jù)，從而驅(qū)動(dòng)工作面各個(gè)設(shè)備控制與決策。在智能控制與決策算法中，以優(yōu)化出煤品質(zhì)為目的的性能指標(biāo)，決定了所設(shè)計(jì)的控制算法和決策策略必將提升出煤的品質(zhì)，提高煤礦的經(jīng)濟(jì)效益。

綜合機(jī)械化采煤是我國(guó)煤礦開采的主要方式，綜采工作面的智能化水平直接決定了我國(guó)煤礦智能化程度。厘清綜采工作面智能化開采的技術(shù)現(xiàn)狀、科學(xué)問題及技術(shù)難點(diǎn)，對(duì)于攻克綜采工作面智能開采關(guān)鍵技術(shù)，提升我國(guó)煤礦開采智能化水平意義重大。筆者以綜采工作面采、支、運(yùn)等主要系統(tǒng)的智能化技術(shù)為核心，從理論研究和工程實(shí)踐方面闡述了智能化過程中的科學(xué)問題、技術(shù)關(guān)鍵和未來展望。

1 綜采工作面智能化開采發(fā)展歷程

煤礦綜采工作面的智能化發(fā)展歷程大致可劃分為機(jī)械化、自動(dòng)化和智能化3個(gè)階段，如圖1所示。

圖1 煤礦綜采工作面的智能化發(fā)展歷程

1)煤礦機(jī)械化開采。1868年，世界上第1臺(tái)商用旋轉(zhuǎn)輪式割煤機(jī)在英國(guó)誕生[5]，拉開了煤礦開采機(jī)械化的大幕。到1954年，英國(guó)率先將割煤機(jī)、輸送機(jī)和液壓支架綜合運(yùn)用，形成了綜合機(jī)械化采煤。隨后，前蘇聯(lián)、德國(guó)、波蘭等國(guó)家逐步開始推進(jìn)工作面的機(jī)械化進(jìn)程[5]。

我國(guó)于1970年在大同煤峪口煤礦1870工作面第1次按照綜合機(jī)械化開采模式進(jìn)行工業(yè)性試驗(yàn)[6]。通過引進(jìn)技術(shù)、消化吸收，經(jīng)過半個(gè)世紀(jì)的發(fā)展，我國(guó)煤礦的機(jī)械化水平取得突飛猛進(jìn)的發(fā)展[7]。特別是自主研制的液壓支架、大功率采煤機(jī)、刮板輸送機(jī)等一批重要的煤機(jī)設(shè)備成功應(yīng)用于工業(yè)現(xiàn)場(chǎng)[8-9]，加快了我國(guó)煤礦機(jī)械化開采的進(jìn)程。目前，我國(guó)大型煤炭企業(yè)的采煤機(jī)械化程度已達(dá)到97.9%[10]。

2)綜采工作面的自動(dòng)化。綜采工作面的自動(dòng)化是在機(jī)械化基礎(chǔ)上集成微處理器、傳感器、現(xiàn)場(chǎng)總線、計(jì)算機(jī)控制、可編程控制器等技術(shù)，通過電機(jī)調(diào)速、電液控制，實(shí)現(xiàn)采煤機(jī)、液壓支架、刮板輸送機(jī)等設(shè)備的自動(dòng)化控制。

20世紀(jì)60年代初，英國(guó)對(duì)工作面自動(dòng)化提出要求，即研究一種遠(yuǎn)距離操縱工作面設(shè)備的系統(tǒng)。但由于微處理器等電子元器件尚未成熟而最終失敗[11]。直到1976年，Intel公司推出8位單片機(jī)后，單獨(dú)的微處理芯片在煤礦的運(yùn)輸、環(huán)境和水泵站的監(jiān)控才逐步實(shí)現(xiàn)[11]。

隨著工業(yè)現(xiàn)場(chǎng)總線在1984年推出標(biāo)準(zhǔn)，設(shè)備互聯(lián)、非本地控制等技術(shù)使得煤礦綜采工作面的自動(dòng)化水平得到突破性發(fā)展[3]，其中最具代表性的成果是電液控系統(tǒng)。在電液控制系統(tǒng)中，建立了地面主控計(jì)算機(jī)、井下主控主機(jī)到液壓支架傳感器和控制器的網(wǎng)絡(luò)結(jié)構(gòu)。如MARCO公司的控制系統(tǒng)采用BIDI Bus總線實(shí)現(xiàn)液壓支架間的通信，整個(gè)工作面的互聯(lián)則采用T-Bus總線。而EEP公司的電液控制系統(tǒng)則采用ProfiBus總線連接各個(gè)液壓支架，并將液壓支架與工作面的2臺(tái)服務(wù)器相連[3]。我國(guó)的電液控技術(shù)發(fā)展相對(duì)較晚。1988年起，煤炭工業(yè)部開始立項(xiàng)對(duì)支架電液控制技術(shù)進(jìn)行研究，至1996年，我國(guó)完成了首套工作面電液控系統(tǒng)研發(fā)和井下工業(yè)性試驗(yàn)[12]。2005年，在引進(jìn)國(guó)外技術(shù)的基礎(chǔ)上，我國(guó)研發(fā)的電液控系統(tǒng)逐步在國(guó)內(nèi)多個(gè)大型煤礦推廣[13]。目前，電液控系統(tǒng)已經(jīng)成為綜采工作面的標(biāo)準(zhǔn)配置，也是綜采工作面智能化的硬件基礎(chǔ)之一。

3)綜采工作面的智能化。綜采工作面智能化是在自動(dòng)化基礎(chǔ)之上，以工作面少人化或無人化為目標(biāo)，結(jié)合機(jī)器視覺、三維激光掃描、多傳感器融合等信息感知技術(shù)，采用工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云平臺(tái)等數(shù)據(jù)傳輸方法，通過大數(shù)據(jù)分析與挖掘、深度神經(jīng)網(wǎng)絡(luò)、多智能體決策等，實(shí)現(xiàn)綜采工作面設(shè)備的智能、自主、最優(yōu)控制。

綜采工作面初級(jí)智能控制以遠(yuǎn)程視頻監(jiān)控為主要信息感知手段，以設(shè)備的程序化控制為目標(biāo)，采用經(jīng)驗(yàn)存儲(chǔ)、順序控制、反饋控制等方法，實(shí)現(xiàn)采煤機(jī)記憶截割、工作面調(diào)直、液壓支架自動(dòng)跟機(jī)移架等功能[4]。2008年，澳大利亞提出LASC技術(shù)[14]，包括工作面調(diào)直、采煤機(jī)自動(dòng)控制、通信及操作接口、信息系統(tǒng)、防撞系統(tǒng)、狀態(tài)監(jiān)視等6個(gè)功能模塊[15-16]。2014年，黃陵煤礦率先在國(guó)內(nèi)實(shí)現(xiàn)了綜采設(shè)備遠(yuǎn)程可視化監(jiān)控和記憶割煤[17-19]。2016年前后，LASC技術(shù)被引入我國(guó)，并在兗礦集團(tuán)轉(zhuǎn)龍灣礦、國(guó)家能源集團(tuán)寧夏煤業(yè)有限公司紅柳煤礦、國(guó)家能源集團(tuán)寧夏煤業(yè)集團(tuán)有限公司麥垛山礦和陜西能源涼水井礦業(yè)有限公司等地推廣應(yīng)用[20-22]。

2012年，以深度學(xué)習(xí)為代表的新一代人工智能技術(shù)取得重大突破[23]，并迅速應(yīng)用于計(jì)算機(jī)視覺、大數(shù)據(jù)挖掘、智能控制等領(lǐng)域。2017年3月，我國(guó)首次把人工智能寫入政府工作報(bào)告，大幅促進(jìn)了綜采工作面智能化的發(fā)展。其中，煤巖分界線識(shí)別[24]、井下視頻目標(biāo)跟蹤[25]、巷道激光點(diǎn)云重建[26]、工作面三維地質(zhì)模型[27]、工作面設(shè)備群組智能控制[28-29]、煤礦大數(shù)據(jù)分析[30-31]等關(guān)鍵技術(shù)已取得可喜進(jìn)展。綜采工作面的智能化水平也正從初級(jí)階段逐步往高級(jí)階段邁進(jìn)。隨著人工智能研究的縱深發(fā)展，綜采工作面信息感知、智能決策和最優(yōu)控制等核心問題將取得突破，綜采工作面智能的無人化開采必將實(shí)現(xiàn)。

2 綜采工作面智能化開采技術(shù)現(xiàn)狀及難點(diǎn)

2.1 綜采工作面智能化開采系統(tǒng)架構(gòu)

綜采工作面成套設(shè)備主要包括信息感知系統(tǒng)、液壓支架群、采煤機(jī)、運(yùn)輸系統(tǒng)、供液系統(tǒng)等。各部分通過工業(yè)現(xiàn)場(chǎng)總線、以太環(huán)網(wǎng)等建立數(shù)據(jù)鏈路，可實(shí)現(xiàn)地面遠(yuǎn)程控制、巷道集控倉(cāng)集中控制和設(shè)備本地控制。目前，典型的智能化綜采工作面結(jié)構(gòu)如圖2所示。

圖2 智能化綜采工作面典型系統(tǒng)架構(gòu)

目前，綜采工作面的被控對(duì)象主要是液壓支架群、采煤機(jī)和刮板輸送機(jī)。智能控制系統(tǒng)以巷道集控倉(cāng)和支架電液控系統(tǒng)為核心，形成了信息感知、智能決策、驅(qū)動(dòng)執(zhí)行、反饋評(píng)估的集散控制方式。其中，由攝像頭、壓力傳感器、紅外傳感器、位移傳感器和接近傳感器等構(gòu)成的信息感知子系統(tǒng)，為系統(tǒng)決策提供工作面環(huán)境、設(shè)備運(yùn)行狀況、設(shè)備姿態(tài)等信息。供液系統(tǒng)主要為支架電液控提供驅(qū)動(dòng)力，同時(shí)也為工作面噴淋裝置提供水源。電液控系統(tǒng)是支架的控制核心，其根據(jù)感知的信息，通過控制策略對(duì)動(dòng)作做出決策。而巷道集控倉(cāng)實(shí)現(xiàn)采煤機(jī)、刮板輸送機(jī)、支架群的遠(yuǎn)程協(xié)調(diào)控制。工作面的視頻信息、地質(zhì)信息、設(shè)備信息、操作過程等數(shù)據(jù)通過工業(yè)以太網(wǎng)上傳至地面服務(wù)器，為地面監(jiān)控中心提供實(shí)時(shí)數(shù)據(jù)。同時(shí)，這些數(shù)據(jù)通過互聯(lián)網(wǎng)進(jìn)入云平臺(tái)，為云端用戶提供實(shí)時(shí)的可視化數(shù)據(jù)及分析結(jié)果。

2.2 采煤機(jī)智能化技術(shù)現(xiàn)狀及難點(diǎn)

采煤機(jī)是綜采工作面的核心設(shè)備。目前，采煤機(jī)的智能化主要圍繞滾筒運(yùn)動(dòng)調(diào)節(jié)和牽引控制2個(gè)方面展開研究和工程實(shí)踐。

采煤機(jī)牽引系統(tǒng)采用變頻器控制牽引電機(jī)驅(qū)動(dòng)采煤機(jī)在行走齒輪上往返運(yùn)動(dòng)。由于牽引系統(tǒng)的控制精度要求不高，且變頻調(diào)速技術(shù)已經(jīng)較為成熟，所以牽引控制本身已能滿足智能系統(tǒng)的需求。但是，由于牽引控制關(guān)系到采煤機(jī)位置和姿態(tài)，進(jìn)而影響到煤壁的截割工藝。因此，采煤機(jī)的遷移控制衍生出2個(gè)主要的問題：采煤機(jī)的定位技術(shù)和采煤機(jī)的規(guī)劃開采技術(shù)。

人工操作模式下，在截割煤壁時(shí)采煤機(jī)司機(jī)根據(jù)頂板和底板的起伏，手動(dòng)調(diào)節(jié)采煤機(jī)滾筒升降，避開頂?shù)装宓膸r層。而在智能化開采模式下，采煤機(jī)需要根據(jù)感知信息自主調(diào)節(jié)滾筒高低。然而，目前工作面精確的地質(zhì)信息尚不完善，煤巖分界面識(shí)別技術(shù)尚無法攻克，無法做到實(shí)時(shí)感知頂?shù)装鍫顟B(tài)。因此，采煤機(jī)滾筒還無法達(dá)到真正的智能化調(diào)節(jié)。在此情況下，記憶截割是一種較好的半智能化方法。此外，在滾筒截割過程中，煤層變化和滾筒截深不同導(dǎo)致截割部的負(fù)載變化明顯，是典型的負(fù)載擾動(dòng)。如果滾筒調(diào)節(jié)的控制算法不適配，將導(dǎo)致滾筒的調(diào)節(jié)魯棒性差、精度達(dá)不到要求，這也是采煤機(jī)智能控制領(lǐng)域面臨的重要問題之一。

2.2.1 采煤機(jī)定位技術(shù)現(xiàn)狀及難點(diǎn)

采煤機(jī)精確定位是記憶割煤、液壓支架動(dòng)作、開采工藝決策的基礎(chǔ)。目前，采煤機(jī)定位方法主要有3種：紅外傳感器定位、編碼器定位和慣性導(dǎo)航裝置定位。

1)紅外傳感器定位。紅外傳感器定位是將紅外發(fā)射裝置安裝在采煤機(jī)上，在每臺(tái)支架上安裝紅外接收裝置。當(dāng)采煤機(jī)經(jīng)過液壓支架時(shí)，支架上的紅外接收裝置輸出開關(guān)信息，從而確定采煤機(jī)相對(duì)于支架的位置。由于采煤機(jī)上發(fā)射的紅外線通常是扇形區(qū)域，經(jīng)常導(dǎo)致多臺(tái)支架同時(shí)接收到信號(hào)。因此，需要設(shè)計(jì)相應(yīng)算法對(duì)接收到架次信息進(jìn)行修正。修正算法的可靠性和穩(wěn)定性直接決定了采煤機(jī)的定位準(zhǔn)確性。

工作面回采是動(dòng)態(tài)的過程，這使得空間定位難以找到恰當(dāng)?shù)慕^對(duì)參考位置。而紅外傳感器定位方法能夠?yàn)椴擅簷C(jī)提供相對(duì)于支架的參考位置，這為支架的“降-移-升”和采煤機(jī)的截割規(guī)劃提供了位置基準(zhǔn)。但這一方法的定位精度低，一般為液壓支架的寬度。此外，在工程應(yīng)用中，紅外傳感器偶爾會(huì)遭遇砸損、進(jìn)水、煤塵覆蓋等事故，導(dǎo)致數(shù)據(jù)丟失，從而引起采煤機(jī)定位出現(xiàn)丟架、跳架的情況。

2)編碼器定位。編碼器定位方法是在采煤機(jī)牽引部位安裝編碼器，記錄采煤機(jī)的增量位置。編碼器的定位精度高，故障少，使用方便，目前已被廣泛使用。同時(shí)為防止累積誤差，在工作面回采過程中往往需要定時(shí)校正。

編碼器位置校正有靜態(tài)校正和動(dòng)態(tài)校正2種方式。其中，靜態(tài)校正是在工作面某固定位置安裝接近開關(guān)，當(dāng)采煤機(jī)處于該位置時(shí)，對(duì)編碼器數(shù)據(jù)進(jìn)行校正，從而確定編碼器值與工作面位置的關(guān)系。動(dòng)態(tài)校正是編碼器與紅外傳感器定位相結(jié)合的方法。該方法需要建立編碼器輸出與紅外傳感器位置的映射關(guān)系；在采煤機(jī)運(yùn)行過程中，當(dāng)通過紅外傳感器可以確定采煤機(jī)的相對(duì)位置時(shí)，對(duì)該映射關(guān)系進(jìn)行修正。編碼器動(dòng)態(tài)校正方法融合了編碼器和紅外傳感器的信息，使得采煤機(jī)定位更加準(zhǔn)確。

3)慣性導(dǎo)航定位。將慣性導(dǎo)航技術(shù)應(yīng)用于采煤機(jī)定位并繪制采煤機(jī)的運(yùn)行軌跡是LASAC的核心技術(shù)之一。目前，國(guó)內(nèi)外在采煤機(jī)定位中應(yīng)用的慣性導(dǎo)航裝置均采用捷聯(lián)方式，主要結(jié)構(gòu)如圖3所示。慣性導(dǎo)航的主要部件是陀螺儀和加速度計(jì)，分別測(cè)量載體的角加速度和線加速度；然后通過慣性測(cè)量單元得到角速度、線速度；再采用導(dǎo)航解析算法，求解出運(yùn)動(dòng)物體的橫滾角、航向角、俯仰角等姿態(tài)以及速度和位置等信息。

圖3 慣性導(dǎo)航裝置的主要結(jié)構(gòu)框圖

通常情況下，慣導(dǎo)系統(tǒng)以“東-北-天”為基準(zhǔn)建立導(dǎo)航坐標(biāo)系{O}，以采煤機(jī)幾何中心為原點(diǎn)建立載體坐標(biāo)系，如圖4所示。載體坐標(biāo)系采用“右手定則”，以指向煤壁方向?yàn)楦┭鲚SXb，采煤機(jī)的行進(jìn)方向?yàn)闄M滾軸Yb，指向頂板方向?yàn)楹较蜉SZb。慣性導(dǎo)航裝置獲得的是在載體坐標(biāo)系中的運(yùn)動(dòng)參數(shù)。而實(shí)際應(yīng)用中需要的信息是在導(dǎo)航坐標(biāo)系{O}下的橫滾角、航向角、俯仰角、速度和位置信息。因此，需要通過導(dǎo)航解析算法將載體坐標(biāo)系中的位姿轉(zhuǎn)化到導(dǎo)航坐標(biāo)系。

圖4 采煤機(jī)慣性導(dǎo)航坐標(biāo)系

在慣性導(dǎo)航系統(tǒng)運(yùn)行之初，通常需要通過位置校正算法進(jìn)行位置標(biāo)定，即通過北斗或GPS等導(dǎo)航衛(wèi)星明確采煤機(jī)在導(dǎo)航坐標(biāo)系中的位置。然而，在工作面無法接受北斗或GPS信號(hào)。因此，每次開機(jī)均做一次位置初始化標(biāo)定，且在標(biāo)定時(shí)，無論采煤機(jī)處于何種絕對(duì)位置和姿態(tài)，均會(huì)被初始化為預(yù)設(shè)值。這就使得慣性導(dǎo)航僅能提供采煤機(jī)的相對(duì)位置信息。此外，光纖陀螺儀和加速度計(jì)在運(yùn)行過程中存在誤差，當(dāng)采煤機(jī)長(zhǎng)時(shí)間運(yùn)行后，產(chǎn)生的累積誤差可能導(dǎo)致導(dǎo)航結(jié)果偏差較大。因此，需要通過位置校正算法對(duì)慣性導(dǎo)航裝置在導(dǎo)航坐標(biāo)系中的位置進(jìn)行校正。

將慣性導(dǎo)航應(yīng)用于采煤機(jī)定位，不僅可以提升采煤機(jī)自身的位姿感知能力，還可以為記憶截割、工作面調(diào)直等其他工藝提供重要的信息。在實(shí)際的工程應(yīng)用中，慣性導(dǎo)航的應(yīng)用仍然存在以下2個(gè)問題：

1)慣性導(dǎo)航累積誤差的影響。慣性導(dǎo)航的核心部件光纖陀螺儀和加速度計(jì)是精密儀器。在采煤機(jī)運(yùn)行過程中，振動(dòng)等原因容易造成導(dǎo)航位置漂移，從而構(gòu)成累積誤差。解決這類問題的最主要方法是定期進(jìn)行位置校正(如圖3中的位置校驗(yàn)算法模塊)。然而，位置校正需要從外部引入絕對(duì)位置和姿態(tài)信息。因此，目前的工程應(yīng)用中往往是定期對(duì)慣性導(dǎo)航裝置采用尋北定位等方法實(shí)現(xiàn)簡(jiǎn)單的標(biāo)定。在理論研究方面，學(xué)者提出幾種有益的消除累計(jì)誤差的方法。例如：文獻(xiàn)[32]提出一種安裝誤差和初始對(duì)準(zhǔn)誤差的校驗(yàn)算法，對(duì)定位結(jié)果進(jìn)行補(bǔ)償；文獻(xiàn)[33]提出一種基于零速修正技術(shù)的卡爾曼濾波器對(duì)位置經(jīng)行估計(jì)，提高了慣性導(dǎo)航的精度；文獻(xiàn)[34]采用構(gòu)建了冗余慣性導(dǎo)航系統(tǒng)的定位方法，在一個(gè)采煤機(jī)上配置3套慣性導(dǎo)航裝置，以降低累積誤差的影響。

2)桿臂效應(yīng)的影響。慣性導(dǎo)航裝置輸出的采煤機(jī)姿態(tài)信息是從載體坐標(biāo)系轉(zhuǎn)換到導(dǎo)航坐標(biāo)系的結(jié)果。因此，在理想狀態(tài)下，光纖陀螺儀和加速度計(jì)的三軸交匯點(diǎn)應(yīng)該是采煤機(jī)的幾何中心。且3個(gè)光纖束和加速度測(cè)量單元的軸向方向分別與煤壁指向方向、采煤機(jī)運(yùn)行方向和頂板指向方向完全重合。這在實(shí)際工程中幾乎是不可能實(shí)現(xiàn)的，而中心點(diǎn)的錯(cuò)位將會(huì)形成桿臂效應(yīng)，造成系統(tǒng)誤差。目前，在工程應(yīng)用中較少考慮這類問題的補(bǔ)償方法，僅有少量的理論研究。如文獻(xiàn)[32]提出初始對(duì)準(zhǔn)誤差的校準(zhǔn)方法，文獻(xiàn)[35]則對(duì)桿臂效應(yīng)的提出補(bǔ)償方法等。

2.2.2 采煤機(jī)姿態(tài)檢測(cè)的技術(shù)現(xiàn)狀及難點(diǎn)

在無人開采條件下，采煤機(jī)的橫滾角、航向角、俯仰角等姿態(tài)信息是割煤工序和參數(shù)設(shè)置的重要依據(jù)。例如：俯仰角直接決定了搖臂的高度，航向角則關(guān)系到斜切進(jìn)刀的深度。因此，如何檢測(cè)采煤機(jī)的姿態(tài)信息是采煤機(jī)智能化技術(shù)的重要方向之一。測(cè)量姿態(tài)主要采用傾角傳感器或慣性導(dǎo)航裝置，這2類檢測(cè)裝置在實(shí)際工程中均有成熟的應(yīng)用。特別是慣性導(dǎo)航裝置可同時(shí)提供采煤機(jī)的位置和姿態(tài)信息，應(yīng)用前景更加廣闊。

但是，采煤機(jī)的姿態(tài)信息必須與工作面頂?shù)装宓牡刭|(zhì)狀態(tài)相匹配，才能真正實(shí)現(xiàn)采煤機(jī)滾筒的自適應(yīng)調(diào)節(jié)等智能控制。然而，當(dāng)前煤層的頂板識(shí)別仍然是技術(shù)難題。因此，在工程應(yīng)用中采煤機(jī)的姿態(tài)信息檢測(cè)應(yīng)用相對(duì)較少。為解決這一問題，部分學(xué)者將煤層地質(zhì)信息與慣性導(dǎo)航裝置檢測(cè)的位姿信息相結(jié)合，提出了采煤機(jī)的定位定姿算法。2015年，文獻(xiàn)[36]利用地震波探測(cè)技術(shù)對(duì)工作面建立了精確的地理信息系統(tǒng)，將采煤機(jī)定位在煤層中，并根據(jù)采煤機(jī)的姿態(tài)信息確定滾筒與工作面頂板和底板的位置關(guān)系。該方法在試驗(yàn)中能使?jié)L筒的截割軌跡與地理信息系統(tǒng)的頂板曲線之間的誤差小于0.2 m，經(jīng)過消差處理后該誤差可小于0.05 m[37]。2021年，文獻(xiàn)[38]提出采煤機(jī)自主導(dǎo)航截割原理和方法，特別是引入運(yùn)動(dòng)學(xué)原理建立了采煤機(jī)全位姿參數(shù)矩陣，綜合表述了采煤機(jī)左右滾筒的位置信息，實(shí)現(xiàn)了采煤機(jī)位姿從物理模型到數(shù)學(xué)模型的轉(zhuǎn)換。

2.2.3 滾筒自適應(yīng)調(diào)高技術(shù)現(xiàn)狀及難點(diǎn)

采煤機(jī)滾筒的高度自適應(yīng)調(diào)節(jié)是采煤機(jī)智能割煤的基礎(chǔ)和關(guān)鍵。采煤機(jī)截割部如圖5所示[39-40]。

圖5 采煤機(jī)截割部

采煤機(jī)滾筒一般通過液壓油缸的伸縮控制搖臂轉(zhuǎn)動(dòng)從而使?jié)L筒升降。根據(jù)截割部的幾何特性，滾筒調(diào)節(jié)高度可簡(jiǎn)化為[39]

(1)

式中：H為滾筒高度；ΔL為油缸推出距離；L1和L2分別為大搖臂和小搖臂的長(zhǎng)度；θ1為搖臂水平夾角。

由于機(jī)械幾何關(guān)系固定，因此搖臂高度與油缸行程之間的非線性關(guān)系可以確定。然而，在控制油缸行程過程中，滾筒的動(dòng)載荷受煤層條件、截割深度、牽引速度變化的影響，使得液壓控制系統(tǒng)的負(fù)荷變化明顯，從而導(dǎo)致滾筒動(dòng)態(tài)調(diào)節(jié)的控制精度受負(fù)載擾動(dòng)的影響很大。

根據(jù)采煤機(jī)截割過程的物理模型，滾筒調(diào)高過程的動(dòng)力學(xué)方程可簡(jiǎn)化為[40]

(2)

式中：Θ為滾筒角位置；ω為載荷變化頻率；m1和m2分別為滾筒和搖臂的質(zhì)量；Kh為液壓油缸的彈簧剛度；Ch為液壓油缸的黏性阻尼系數(shù)；R0和R1分別為水平方向和垂直方向的平均載荷；Rp為滾筒偏心載荷的最大值；Ra和Rb分別為周期性載荷在水平和垂直方向的最大值；g為重力加速度；Mc為截割阻力矩。

由式(2)可知，在負(fù)載變化情況下，滾筒的轉(zhuǎn)動(dòng)是十分復(fù)雜的非線性動(dòng)力學(xué)模型。因此，其控制模型也十分復(fù)雜，這也是目前滾筒調(diào)高多為人工操作的主要原因。為實(shí)現(xiàn)滾筒調(diào)高的自動(dòng)控制，將上述模型和液壓油缸動(dòng)態(tài)過程簡(jiǎn)化成簡(jiǎn)單的二階線性系統(tǒng)是一種較為直接的方法[41]。然而，這類方法的負(fù)載變化過程并不能被體現(xiàn)，因此控制效果欠佳。為此，智能控制算法，如模糊控制方法、自適應(yīng)PID控制算法、遺傳算法最優(yōu)控制、魚群算法[42-45]等被研究用來實(shí)現(xiàn)不同負(fù)載情況下滾筒的自適應(yīng)調(diào)高。但是上述方法基本均處于理論研究階段。在工程應(yīng)用中，可實(shí)現(xiàn)的方式多是在油缸控制中采用液壓比例控制閥[41,46]，通過簡(jiǎn)單的比例控制實(shí)現(xiàn)滾筒調(diào)高。由于比例控制屬于簡(jiǎn)單的線性控制方法，無法有效處理滾筒調(diào)高的強(qiáng)非線性過程，因此效果十分有限，同時(shí)液壓比例閥成本過高也制約了其推廣使用。

2.2.4 記憶截割技術(shù)現(xiàn)狀及難點(diǎn)

記憶割煤通常是人工示范1刀或2刀，并記錄采煤機(jī)的位置、搖臂高度等信息。在自動(dòng)截割時(shí)，通過查表或模型映射方法為采煤機(jī)動(dòng)態(tài)提供割煤參數(shù)。目前，采煤機(jī)自動(dòng)割煤技術(shù)已在多個(gè)煤礦推廣，取得了較為顯著的效果。但是，即便在頂?shù)装鍡l件都較好的煤礦，記憶割煤在幾刀后一般也需要進(jìn)行人工校正[47]，其主要原因以下2點(diǎn)：

1)采煤機(jī)位置定位精度不高。采煤機(jī)位置定位是記憶割煤的基礎(chǔ)，在記憶割煤技術(shù)中，通常是存儲(chǔ)示采煤機(jī)在示范刀的位置區(qū)間。如圖6所示，xn(k)、xn(k+1)分別為采煤機(jī)在示范刀和作業(yè)刀的第n個(gè)位置區(qū)間，k為采煤機(jī)截割的刀數(shù)，圖中，假定第k刀為示范刀，第k+1刀為作業(yè)刀。

圖6 采煤機(jī)記憶割煤示意

雖然采用編碼器的定位精度已遠(yuǎn)遠(yuǎn)超過采煤機(jī)區(qū)間定位的需要，但是編碼器定位的參考坐標(biāo)系為載體坐標(biāo)系，即xn(k)記錄的是參考坐標(biāo)系中橫滾軸Yb的值。但由于坐標(biāo)系是固定在采煤機(jī)上，這使得示范刀和作業(yè)刀的空間位置在本質(zhì)上是相互獨(dú)立的。因此，當(dāng)刮板輸送機(jī)的直線度和起伏程度在示范刀和作業(yè)刀不一致時(shí)，同一定位區(qū)間在2次軌跡中極易出現(xiàn)錯(cuò)位，從而導(dǎo)致截割參數(shù)錯(cuò)誤。

2)采煤機(jī)姿態(tài)信息欠缺。目前，采煤機(jī)記憶割煤主要通過位置信息確定滾筒高度，通常忽略采煤機(jī)的姿態(tài)信息。如圖7所示，假設(shè)采煤機(jī)的導(dǎo)航坐標(biāo)系{O}的三軸方向與采煤機(jī)載體坐標(biāo)系相同，即XO為指向煤壁方向，YO為采煤機(jī)運(yùn)行方向，ZO為頂板方向。在理想狀態(tài)下，采煤機(jī)水平置于XOOYO平面。然而，底板起伏不平和刮板輸送機(jī)處于非直線狀態(tài)，即便示范刀和作業(yè)刀相同處于同一水平位置，采煤機(jī)的姿態(tài)(俯仰、橫滾、偏航)通常會(huì)變化。因此，在示范刀和作業(yè)刀中，即使截割高度相同，滾筒與頂煤的空間位置的差異依然較大。

圖7 采煤機(jī)姿態(tài)示意

為解決上述問題，采用慣性導(dǎo)航裝置對(duì)采煤機(jī)進(jìn)行絕對(duì)位置定位[21,48]。在此基礎(chǔ)上，通過工作面直線度調(diào)整，可以減小偏航姿態(tài)帶來的滾筒調(diào)高誤差。但是，目前采用慣性導(dǎo)航的姿態(tài)信息來矯正采煤機(jī)搖臂高度的方法尚需進(jìn)一步研究。

2.3 液壓支架智能化技術(shù)現(xiàn)狀及難點(diǎn)

液壓支架是工作面安全支護(hù)的核心設(shè)備，長(zhǎng)臂綜采工作面通常有上百架液壓支架同時(shí)作業(yè)，完成頂板支護(hù)、煤壁護(hù)幫、刮板輸送機(jī)推移等工序。自電液控技術(shù)成熟以來，液壓支架的升架、降架、移架、護(hù)幫板和伸縮梁的伸縮等動(dòng)作均已能實(shí)現(xiàn)程序控制。目前，在智能化綜采工作面中，液壓支架智能控制的關(guān)鍵技術(shù)主要集中在支架姿態(tài)感知、跟隨采煤機(jī)的自主移架和工作面直線度調(diào)整等3個(gè)方面。

2.3.1 液壓支架姿態(tài)控制技術(shù)現(xiàn)狀及難點(diǎn)

液壓支架的姿態(tài)信息是綜采工作面動(dòng)作控制的基礎(chǔ)，特別是液壓支架群組動(dòng)作時(shí)，如果其姿態(tài)信息不準(zhǔn)確，支架容易出現(xiàn)咬架、傾斜、低頭等情況，嚴(yán)重影響設(shè)備后續(xù)操作，甚至危及工作面安全。因此，首先需要對(duì)液壓支架的姿態(tài)進(jìn)行監(jiān)測(cè)，并在支架動(dòng)作過程中對(duì)姿態(tài)進(jìn)行控制。

以雙柱式液壓支架為例，其姿態(tài)監(jiān)測(cè)的參數(shù)是在“東-北-天”導(dǎo)航坐標(biāo)系{O}中估計(jì)支架高度、底座俯仰角和滾轉(zhuǎn)角、頂梁俯仰角、立柱千斤頂長(zhǎng)度和傾角、護(hù)邦板俯仰角、平衡千斤頂長(zhǎng)度與傾角等關(guān)鍵參數(shù)[49]。由于液壓支架的本質(zhì)上是四連桿機(jī)構(gòu)與液壓立柱等的組合體[50](圖8)。其姿態(tài)信息可以通過4個(gè)傾角傳感器解算出來[49]。因此，目前液壓支架的姿態(tài)信息多是在底座、掩護(hù)梁、后連桿和頂梁安裝傾角傳感器，如圖8所示的A—D處的監(jiān)測(cè)位置。部分液壓支架還在護(hù)幫板上增加1個(gè)傾角傳感器，如圖8所示的E，測(cè)量護(hù)幫板的姿態(tài)。

圖8 液壓支架結(jié)構(gòu)

傾角傳感器的裝配和校準(zhǔn)對(duì)液壓支架的姿態(tài)監(jiān)測(cè)至關(guān)重要。然而，在工程應(yīng)用中，因?yàn)檠b配不當(dāng)、校準(zhǔn)不夠精細(xì)、環(huán)境溫濕度變化等情況，經(jīng)常導(dǎo)致監(jiān)測(cè)精度不高，甚至監(jiān)測(cè)失效。此外，根據(jù)電容式傾角傳感器監(jiān)測(cè)原理，傳感器僅能監(jiān)測(cè)二維平面上的傾角。因此，目前的工程應(yīng)用通常監(jiān)測(cè)導(dǎo)航坐標(biāo)系{O}中XOOZO平面上的支架姿態(tài)，其中XO軸指向煤壁，ZO軸指向頂板，YO軸指向采煤機(jī)運(yùn)行方向。

為解決三維空間姿態(tài)監(jiān)測(cè)的難題，部分研究人員采用三軸陀螺儀，通過液壓支架的空間旋轉(zhuǎn)角度解析其空間姿態(tài)[51-52]。除此以外，也存在少量采用計(jì)算機(jī)視覺方法檢測(cè)液壓支架姿態(tài)的研究[53-54]。在三維空間內(nèi)解析液壓支架姿態(tài)，需要將支架的幾何結(jié)構(gòu)和三維空間旋轉(zhuǎn)角度結(jié)合，在理論上推理旋轉(zhuǎn)角度與支架高度、底座俯仰角和滾轉(zhuǎn)角等關(guān)鍵因素的關(guān)系，從而刻畫支架三維姿態(tài)。目前，這類理論研究尚未成熟。而采用計(jì)算機(jī)視覺方法檢測(cè)支架姿態(tài)存在2個(gè)關(guān)鍵性技術(shù)難題：一是如何克服井下煤塵和水霧的影響；二是如何在運(yùn)動(dòng)環(huán)境中對(duì)雙目視覺實(shí)現(xiàn)標(biāo)定，即液壓支架推移過程中，如何確定世界坐標(biāo)系(可假設(shè)世界坐標(biāo)系與導(dǎo)航坐標(biāo)系相同)與相機(jī)坐標(biāo)系的映射關(guān)系。

雖然目前上述方法在工程應(yīng)用中還未得到推廣，但部分技術(shù)具有很強(qiáng)的實(shí)用性。如文獻(xiàn)[54]提出基于深度視覺的液壓支架姿態(tài)檢測(cè)方法，采用雙目視覺攝像頭測(cè)量支架高度和頂梁姿態(tài)角，可獲得較高精度的姿態(tài)信息。此外，視覺SLAM(Simultaneous Localization and Mapping)技術(shù)[55-56]和激光SLAM[57]均可以獲取液壓支架的三維姿態(tài)信息，是目前人工智能技術(shù)應(yīng)用于綜采工作面的又一重要領(lǐng)域。

液壓支架姿態(tài)的調(diào)整主要是通過支架的推移千斤頂、抬底千斤頂、底調(diào)千斤頂實(shí)現(xiàn)。目前，僅有推移千斤頂?shù)挠透装惭b有位移傳感器，采用開環(huán)控制方式。因此，對(duì)液壓支架姿態(tài)的調(diào)整現(xiàn)在仍處于人工調(diào)整階段。在智能開采模式下，對(duì)支架姿態(tài)進(jìn)行自動(dòng)精確調(diào)整，首先需要對(duì)上述3個(gè)千斤頂?shù)目刂茖?shí)現(xiàn)閉環(huán)模式，建立必要的控制模型，設(shè)計(jì)合理的控制算法。

2.3.2 液壓支架自動(dòng)跟機(jī)控制技術(shù)現(xiàn)狀及難點(diǎn)

液壓支架自動(dòng)跟機(jī)控制技術(shù)是液壓支架群根據(jù)采煤機(jī)的運(yùn)行方向和位置等信息，針對(duì)不同的采煤工藝，在采煤機(jī)運(yùn)行前方執(zhí)行收護(hù)幫板，在采煤機(jī)后方執(zhí)行伸護(hù)幫板、伸伸縮梁、成組推移刮板輸送機(jī)、拉架等動(dòng)作。這一系列動(dòng)作是液壓支架、采煤機(jī)和刮板輸送機(jī)之間的協(xié)同控制，如圖9所示。

圖9 液壓支架群自動(dòng)跟機(jī)示意

目前，液壓支架自動(dòng)跟機(jī)控制技術(shù)在傾角較小、頂板條件較好的綜采工作面的中部應(yīng)用較為成熟。其中，當(dāng)采煤機(jī)位置和運(yùn)行方向確定后，如何根據(jù)割煤工藝確定相應(yīng)位置液壓支架的動(dòng)作是自動(dòng)跟機(jī)控制的核心。常用的方法有2種：一是建立采煤機(jī)與對(duì)應(yīng)液壓支架動(dòng)作的規(guī)則庫(kù)，以查表的方式確定支架動(dòng)作[58-59]；二是建立采煤機(jī)位置與液壓支架位置之間的函數(shù)關(guān)系，在線直接求解液壓支架的動(dòng)作[60-61]。但在實(shí)際工程應(yīng)用中，由于地質(zhì)條件和設(shè)備運(yùn)行狀態(tài)的影響，仍然存在跟機(jī)緩慢、丟架、端頭跟機(jī)困難等問題，其主要原因包括以下2個(gè)方面。

1)液壓支架移架控制精度難題。液壓支架的移架控制是根據(jù)采煤機(jī)的運(yùn)行速度，位于采煤機(jī)后方一定數(shù)量的液壓支架通過推移千斤頂移動(dòng)到刮板輸送機(jī)的控制。液壓支架移架過程的主要受力如圖10所示。

F—液壓支架所受的頂板壓力；G—液壓支架的自身重力；α—工作面沿回采方向的傾斜角； β—推移千斤頂與液壓支架地板間的夾角

根據(jù)液壓支架的受力過程，可得推移千斤頂活塞桿的負(fù)載Fd為[62]

(3)

其中，f1和f2分別為液壓支架受到底板和頂板的摩擦力。由式(3)可知，推移千斤頂?shù)呢?fù)載與工作面傾斜度、頂板壓力、頂?shù)装宓哪Σ烈驍?shù)密切相關(guān)。

在工作面回采過程中，上述參量會(huì)發(fā)生較大變化，從而導(dǎo)致推移千斤頂負(fù)載變化，特別是當(dāng)頂板破碎時(shí)，液壓支架需要帶壓移架。此時(shí)，頂板壓力、頂板和底板對(duì)液壓支架的摩擦力變化較大，液壓支架成組移架時(shí)，推移千斤頂動(dòng)力來自供液系統(tǒng)。如果推移油缸負(fù)載增大，而供液系統(tǒng)動(dòng)力不足，則有可能導(dǎo)致支架移動(dòng)速度過慢或者推移不到位，甚至使得部分支架缺乏動(dòng)力無法移動(dòng)，出現(xiàn)丟架。

為解決上述問題，文獻(xiàn)[62]對(duì)液壓支架推移的力學(xué)過程進(jìn)行精確建模，分析了影響推移精度的主要因素。文獻(xiàn)[63]提出一種液壓支架的移架狀態(tài)識(shí)別方法，并綜合分析環(huán)境因素，通過選擇不同的控制策略，提升支架推移控制的精度。文獻(xiàn)[64]則在統(tǒng)計(jì)液壓支架移架時(shí)間長(zhǎng)度的基礎(chǔ)上，通過置信度估計(jì)建立移架時(shí)間長(zhǎng)度模型，從而確定各液壓支架移架時(shí)間，減少丟架的發(fā)生。

2)自動(dòng)跟機(jī)自適應(yīng)控制難題。液壓支架自動(dòng)跟機(jī)控制需要完成“降-移-升”、護(hù)幫板伸縮、噴霧等成組動(dòng)作。在頂板和底板地質(zhì)條件較好、煤層分布均勻的工作面，上述自動(dòng)跟機(jī)控制可以采用相對(duì)固定的順序邏輯，通過查表或者計(jì)算直接獲取液壓支架的執(zhí)行動(dòng)作。然而受復(fù)雜地質(zhì)條件和設(shè)備運(yùn)行狀態(tài)的影響，部分執(zhí)行順序可能需要重新配置，如帶壓移架需要減少成組移架的數(shù)量、底板起伏則需要調(diào)整采煤機(jī)運(yùn)行到可以移架的液壓支架的距離等。特別是當(dāng)發(fā)生跟機(jī)緩慢、丟架等事件時(shí)，上述固化的順序邏輯控制有可能使得整個(gè)移架過程出現(xiàn)錯(cuò)亂。因此，如何感知工作面的環(huán)境變化和液壓支架的自身工作狀態(tài)，使液壓支架具備自適應(yīng)控制功能，從而實(shí)現(xiàn)智能跟機(jī)控制是目前面臨的一大難題。

2.3.3 工作面自動(dòng)調(diào)直技術(shù)現(xiàn)狀及難點(diǎn)

在工作面回采過程中，液壓支架不斷推動(dòng)刮板輸送機(jī)向著回采方向移動(dòng)。在液壓支架推移刮板輸送機(jī)過程中，由于底板地質(zhì)條件差異和刮板輸送機(jī)與液壓支架之間的鏈接間隙，使得在相同的推移方式下，各支架常產(chǎn)生不同的推移距離，造成了刮板輸送機(jī)的直線度較差。如圖11所示，采煤機(jī)的空間位置在地面的投影(XOOYO平面投影)顯示刮板輸送機(jī)彎曲變形，若長(zhǎng)時(shí)間處于該狀態(tài)，容易引起刮板鏈條斷裂，直接影響生產(chǎn)。此外，工作面的推移會(huì)發(fā)生偏移，可能導(dǎo)致液壓支架支護(hù)不到位，從而影響工作面的安全。因此，在回采過程中需要經(jīng)常對(duì)工作面進(jìn)行調(diào)直。

圖11 工作面直線度變化

工作面智能調(diào)直需要解決工作面的直線度感知和工作面直線度調(diào)整2個(gè)關(guān)鍵技術(shù)。

1)工作面直線度感知。工作面直線度感知的實(shí)質(zhì)是獲取刮板輸送機(jī)在導(dǎo)航坐標(biāo)系{O}中的空間位置。在工程中通常以地面投影，即XOOYO平面投影作為直線度的量測(cè)對(duì)象，如圖11所示。目前，工程中常用的測(cè)試方法有鋼絲量測(cè)、測(cè)距傳感器量測(cè)、慣性導(dǎo)航反演量測(cè)、光纖光柵傳感器量測(cè)和機(jī)器視覺量測(cè)等幾種類型。

鋼絲量測(cè)是人工調(diào)節(jié)工作面直線度的主要方法。該方法是在工作面聯(lián)絡(luò)巷1根鋼絲，支架操作工以該鋼絲為基準(zhǔn)，調(diào)節(jié)液壓支架的直線度。由于鋼絲2頭本身是固定在液壓支架上，其參考坐標(biāo)實(shí)質(zhì)是建立在液壓支架群上的固連坐標(biāo)系，這可能會(huì)造成刮板輸送機(jī)的整體傾斜，如圖12a所示。

圖12 直線度檢測(cè)存在的問題

測(cè)距傳感器量測(cè)是采用超聲波傳感器、激光傳感器等測(cè)距元件，測(cè)量液壓支架與刮板輸送機(jī)之間的距離。這類方法測(cè)量的是以各液壓支架為基點(diǎn)的相對(duì)距離，理論上存在相對(duì)距離相同，但直線度較差的情況，如圖12b所示。

光纖光柵傳感器是在光纖中制作光柵，使其具備光柵效應(yīng)。當(dāng)光纖發(fā)生形變時(shí)，可以通過光柵效應(yīng)檢測(cè)入射光線的波長(zhǎng)變化，從而反演光纖曲率，確定光纖的外部形狀[65-66]。目前，采用光纖光柵傳感器在解決工作面調(diào)直問題時(shí)僅處于理論研究階段。

基于機(jī)器視覺的直線度檢測(cè)是采用工業(yè)高清攝像頭，通過檢測(cè)刮板輸送機(jī)的邊沿等特征信息，從而確定工作面的直線度[67]。這類方法容易受到工作面煤層和水霧的影響。此外，當(dāng)采煤機(jī)覆蓋攝像頭視野時(shí)，由于缺乏刮板輸送機(jī)邊沿信息，使得機(jī)器視覺失效。

慣性導(dǎo)航裝置量測(cè)方法最早可以追溯到澳大利亞的LASC技術(shù)，通過光纖陀螺儀和加速度計(jì)測(cè)量采煤機(jī)在導(dǎo)航坐標(biāo)系下的位置和姿態(tài)，并根據(jù)采煤機(jī)的運(yùn)行軌跡確定工作面的直線度。通常情況下，導(dǎo)航坐標(biāo)系采用“東-北-天”三軸坐標(biāo)，因此工作面的直線度是相對(duì)于地心而言，可認(rèn)為是工作面的絕對(duì)坐標(biāo)系。基于慣性導(dǎo)航裝置的直線度量測(cè)方法是綜采工作面智能化的關(guān)鍵技術(shù)之一[68-69]。

2)工作面直線度調(diào)整。工作面直線度調(diào)整是在測(cè)定刮板輸送機(jī)當(dāng)前狀態(tài)后，通過推移千斤頂使液壓支架達(dá)到指示的期望位置。目前工程應(yīng)用中常用的調(diào)節(jié)方法可認(rèn)為起源于澳大利亞的LASC系統(tǒng)，如圖13、圖14所示[70]。根據(jù)圖13中工作面的實(shí)際位置(輪廓線)及期望位置，給出需要移動(dòng)的最佳距離，然后采用圖14所示的閉環(huán)基礎(chǔ)控制策略，通過對(duì)推移千斤頂?shù)目刂茖?shí)現(xiàn)推移刮板輸送機(jī)和拉架，使工作面達(dá)到期望的直線度。

圖13 工作面直線度調(diào)整示意

圖14 工作面直線度調(diào)整基礎(chǔ)控制策略

在實(shí)際工程應(yīng)用中，慣性導(dǎo)航裝置擬合出的前一刀工作面直線度的相對(duì)位置作為液壓支架推移刮板輸送機(jī)或拉架距離的參考值，這使得工作面直線度調(diào)整取得了較好的效果。但仍然存在兩方面的問題：一是慣性導(dǎo)航裝置擬合出的前一刀工作面直線度相對(duì)位置是刮板輸送機(jī)尚未推移刮板輸送機(jī)前的位置，而當(dāng)前刀執(zhí)行工作面調(diào)直時(shí)，刮板輸送機(jī)已經(jīng)推移刮板輸送機(jī)，使得擬合的參考位置在時(shí)間上落后一刀，從而造成參考位置精度不夠。二是由于液壓支架只能朝著煤壁前行而不能后退，這使得工作面的直線度不能通過震蕩調(diào)節(jié)實(shí)現(xiàn)。更為主要的是工程中使用的液壓閥是單相開關(guān)閥，且不能高頻率開關(guān)，這就使得控制算法失去了可靠的執(zhí)行機(jī)構(gòu)。此外，底板和頂板的復(fù)雜地質(zhì)狀態(tài)導(dǎo)致推移千斤頂?shù)呢?fù)載變化較大，因此，簡(jiǎn)單的開環(huán)控制無法滿足調(diào)整精度的要求，從而影響工作面的直線調(diào)整。

2.3.4 工作面設(shè)備協(xié)同控制技術(shù)現(xiàn)狀與難點(diǎn)

綜采工作面液壓支架跟機(jī)、移架等控制本質(zhì)上是采煤機(jī)、液壓支架群、刮板輸送機(jī)的協(xié)同控制。包括順序邏輯系統(tǒng)控制和設(shè)備運(yùn)動(dòng)狀態(tài)適配協(xié)同2種情況。其中，順序邏輯控制以采煤機(jī)位置變化為依據(jù)，動(dòng)態(tài)確定對(duì)應(yīng)液壓支架執(zhí)行動(dòng)作。設(shè)備狀態(tài)適配協(xié)同主要是指采煤機(jī)牽引速度與液壓支架動(dòng)作適配、采煤機(jī)割煤量與刮板輸送機(jī)運(yùn)力適配等問題。目前，針對(duì)這一難題，多采用定性分析，獨(dú)立解決的思路[71-72]。然而，上述問題相互影響，單一解決某個(gè)問題，無法獲得較好的控制效果。為此，出現(xiàn)了部分從系統(tǒng)層面解決工作面設(shè)備系統(tǒng)控制難題的研究[73]，采用全局最優(yōu)規(guī)劃思路，建立工作面設(shè)備之間的空間位姿關(guān)系等多個(gè)模型，將全局最優(yōu)問題納入燃料最優(yōu)控制問題，并提出了一種多模態(tài)控制策略[74]。則基于數(shù)據(jù)驅(qū)動(dòng)建立了工作面設(shè)備的協(xié)同控制模型，融合案例推理和規(guī)則推理的設(shè)備動(dòng)作自主決策方法[75]。將工作面所有設(shè)備的動(dòng)作看作一個(gè)混雜系統(tǒng)，并借用Petri網(wǎng)絡(luò)建立該混雜系統(tǒng)模型，分別處理設(shè)備的連續(xù)動(dòng)作和離散事件。由于綜采工作面設(shè)備系統(tǒng)控制幾乎關(guān)系到所有設(shè)備，其系統(tǒng)建模和智能決策方法仍需要大量而深入的研究。

傳統(tǒng)的建模方法以系統(tǒng)傳遞函數(shù)或微分方程為基礎(chǔ)，根據(jù)設(shè)備的物理特性和動(dòng)態(tài)過程建立嚴(yán)密的數(shù)學(xué)關(guān)系，并在此基礎(chǔ)上建立控制算法。在此框架下，采煤機(jī)、刮板輸送機(jī)、液壓支架群等設(shè)備均需抽象成為數(shù)學(xué)模型，再設(shè)置如安全約束、負(fù)荷約束等系統(tǒng)約束條件，同時(shí)根據(jù)需要優(yōu)化的性能指標(biāo)，如生產(chǎn)效率、產(chǎn)量、能耗等，建立系統(tǒng)層級(jí)性能指標(biāo)函數(shù)，最后采用最優(yōu)控制、自適應(yīng)控制等理論設(shè)計(jì)控制算法，在設(shè)計(jì)算法時(shí)，通常考慮系統(tǒng)的穩(wěn)定性、響應(yīng)的快速性和控制的精確性。工作面設(shè)備集群控制流程如圖15所示。

D、S—設(shè)備的位姿空間和環(huán)境空間，D?Rm，S?Rn，其中m、n為位姿信息和環(huán)境的維度；di、si—第i個(gè)設(shè)備位姿信息和環(huán)境信息；f()—設(shè)備控制控制模型； J()—優(yōu)化性能指標(biāo)； c()—控制算法

這類方法以嚴(yán)格的數(shù)學(xué)模型為基礎(chǔ)，在工作面系統(tǒng)模型涉及的設(shè)備太多、狀態(tài)變量之間的耦合關(guān)系難以用簡(jiǎn)單的顯性數(shù)學(xué)表達(dá)式表述。因此，通常需要對(duì)系統(tǒng)復(fù)雜度進(jìn)行大幅精簡(jiǎn)才能設(shè)計(jì)合理的控制算法。鑒于上述情況，這類方法尚無法在工程中應(yīng)用。

工作面設(shè)備群的智能控制方法一定程度上可以緩解系統(tǒng)建模和控制算法設(shè)計(jì)困難的問題，特別是模糊控制[54,76]、決策樹[77-78]等方法在解決單一設(shè)備控制方面具有一定優(yōu)勢(shì)。但以整個(gè)工作面設(shè)備為對(duì)象的智能控制仍然面臨系統(tǒng)建模不完備、狀態(tài)關(guān)聯(lián)關(guān)系不清晰、優(yōu)化性能指標(biāo)過多等諸多問題。因此，采用單一的智能控制方法無法完成設(shè)備的集群控制。多智能體框架是解決復(fù)雜環(huán)境下多控制對(duì)象的有效方法[79-80]。將工作面所有設(shè)備轉(zhuǎn)換為智能體模型，智能體之間采用合作機(jī)制共同完成采煤任務(wù)。

2.4 供液系統(tǒng)智能化技術(shù)現(xiàn)狀及難點(diǎn)

供液系統(tǒng)是綜采工作面液壓支架的主要?jiǎng)恿υ矗且簤褐Ъ苣芊窦皶r(shí)準(zhǔn)確執(zhí)行給定動(dòng)作的決定因素之一。綜采工作面供液系統(tǒng)如圖16所示，主要由綜合供水凈化站、乳化液自動(dòng)配液站、乳化液泵站、高壓反沖洗過濾站和回液過濾站組成。工作面供水管中的地下水在供水凈化站中經(jīng)過粗過濾、軟化和精過濾之后，形成pH值為6.5～7.5，硬度小于100 mg/L的純水。純水和礦用乳化油在乳化液自動(dòng)配液站中按照既定比例配成乳化液。當(dāng)液壓支架有供液請(qǐng)求時(shí)，乳化液泵站啟動(dòng)將乳化加壓，通過高壓反沖洗過濾站后供應(yīng)液壓支架千斤頂。當(dāng)液壓支架回液產(chǎn)生后，乳化液經(jīng)過回液過濾站后進(jìn)入乳化液泵站。

圖16 綜采工作面供液系統(tǒng)

目前，綜采工作面供液系統(tǒng)是“機(jī)-電-液”一體的復(fù)雜系統(tǒng)，其智能化關(guān)鍵技術(shù)主要集中在智能協(xié)調(diào)控制[81]和故障智能診斷[82]2個(gè)方面。目前在工程應(yīng)用中，由于對(duì)機(jī)械振動(dòng)、磨損、爆管等機(jī)械故障及油污、油液磨損等油液品質(zhì)檢測(cè)的機(jī)理研究尚未成熟，故障診斷主要集中在壓力、溫度、電流等常規(guī)的檢測(cè)參量。在智能協(xié)調(diào)控制方面，主要的關(guān)鍵技術(shù)是乳化液自適應(yīng)恒壓供液及乳化液自動(dòng)配比。

2.4.1 多泵恒壓控制技術(shù)現(xiàn)狀與難點(diǎn)

在工程應(yīng)用中，供液系統(tǒng)的乳化液泵站一般包含2臺(tái)以上的乳化液加壓泵，為液壓支架提供高壓乳化液。乳化液加壓泵的運(yùn)行方式?jīng)Q定了液壓支架供液的穩(wěn)定性。恒定的供液系統(tǒng)有利于液壓支架高效準(zhǔn)確動(dòng)作，提高工作面推進(jìn)速度，確保工作面圍巖穩(wěn)定性。然而，液壓支架動(dòng)作的種類、順序和數(shù)量對(duì)供液系統(tǒng)壓力的影響很大[81]，如何確保供液系統(tǒng)的壓力穩(wěn)定，是供液系統(tǒng)智能化的關(guān)鍵技術(shù)之一。

供液系統(tǒng)中，普通的運(yùn)行模式是單泵或多泵長(zhǎng)時(shí)間循環(huán)運(yùn)行。當(dāng)液壓支架不執(zhí)行動(dòng)作時(shí)，容易造成壓力過大，沖擊溢流閥，延緩液壓支架移架跟機(jī)。而當(dāng)多臺(tái)液壓支架同時(shí)執(zhí)行多個(gè)動(dòng)作時(shí)，又容易造成乳化液壓力過小，導(dǎo)致液壓支架執(zhí)行動(dòng)作緩慢。

目前，乳化液泵站多采用變頻器控制。系統(tǒng)通過流量和壓力傳感器檢測(cè)供液油路的狀態(tài)信息，反饋給變頻器啟停對(duì)應(yīng)的加壓泵[83]。在工程應(yīng)用中，為確保壓力的穩(wěn)定性，每一臺(tái)加壓泵的輸出端加裝有溢流閥，當(dāng)供液回路中的壓力大于設(shè)定溢流閾值時(shí)，溢流閥打開，供液回路的乳化液通過溢油回路進(jìn)入到泵站油箱中。由于溢流閥設(shè)定了供液回路的壓力上限，因此工程中僅通過簡(jiǎn)單邏輯判斷來控制加壓泵的啟停，而忽略流量控制。在此情況下，多泵恒壓控制就簡(jiǎn)化成了單輸入單輸出的線性控制系統(tǒng)。簡(jiǎn)單的開關(guān)控制就可滿足工作面的供液需求，這也是目前關(guān)于多泵恒壓控制智能化算法研究不多的主要原因。

然而，該控制算法仍然存在供液壓力不穩(wěn)定的情況，容易出現(xiàn)加壓過緩或壓力沖擊的現(xiàn)象。為緩解壓力過緩就需要加大加壓泵數(shù)量，但是供液回路的壓力傳導(dǎo)本身具有時(shí)滯特征，這就導(dǎo)致了從控制算法上難以根植。為此，在供液回路設(shè)計(jì)了一種儲(chǔ)能器[84]，增加了物理上的壓力緩沖機(jī)構(gòu)，可以有效地彌補(bǔ)算法的不足。而在算法層面，簡(jiǎn)單的開關(guān)控制對(duì)單一泵的調(diào)節(jié)十分有效，但無法有效協(xié)調(diào)多個(gè)加壓泵工作。為解決這一問題，提出一種協(xié)同控制機(jī)制[81]，構(gòu)建液壓支架跟機(jī)速度和供液系統(tǒng)壓力變化之間的映射模型，通過供液系統(tǒng)與液壓支架動(dòng)作邏輯的交疊關(guān)系產(chǎn)生變頻器的控制規(guī)則，從而實(shí)現(xiàn)供液系統(tǒng)的恒壓自適應(yīng)控制，并采用模糊控制方法研究了供液系統(tǒng)的流量穩(wěn)定問題[85]。

事實(shí)上，從混雜控制系統(tǒng)角度考慮，多泵恒壓供液系統(tǒng)是一種混雜系統(tǒng)，即控制系統(tǒng)中連續(xù)控制量和離散事件同時(shí)發(fā)生。其中，加壓泵的啟動(dòng)和停止、溢流閥的打開和關(guān)閉均屬于離散事件，而變頻器動(dòng)態(tài)調(diào)節(jié)供液壓力時(shí)則屬于連續(xù)控制量。因此，將乳化液加壓泵納入混雜控制范疇，研究系統(tǒng)模型和控制算法，可以從根本上解決恒壓供液?jiǎn)栴}。

2.4.2 乳化液自動(dòng)配比技術(shù)現(xiàn)狀與難點(diǎn)

按照國(guó)家標(biāo)準(zhǔn)，綜采工作面乳化液配比質(zhì)量分?jǐn)?shù)需要控制在3%～5%。若濃度過低，將會(huì)增加機(jī)械磨損，損壞關(guān)鍵部件，縮短設(shè)備的使用壽命。若濃度過高則會(huì)增加乳化油的使用成本[86]。

乳化液自動(dòng)配液站的凈化水通過水泵和減壓閥進(jìn)入配比器。油箱中的乳化油在虹吸作用下，通過配比濃度調(diào)節(jié)閥進(jìn)入配比器。其中，凈化水回路中的減壓閥和乳化油回路的配比濃度調(diào)節(jié)閥是乳化液配比濃度的關(guān)鍵設(shè)備。目前，這2個(gè)設(shè)備的調(diào)節(jié)均采用人工操作。當(dāng)傳感器檢測(cè)到乳化液濃度超出允許范圍時(shí)，操作工手動(dòng)調(diào)節(jié)減壓閥或配比濃度調(diào)節(jié)閥，從而使乳化液濃度達(dá)到要求[87]。然而，人工配比需要反復(fù)調(diào)節(jié)，調(diào)節(jié)時(shí)間長(zhǎng)，且目前無法滿足無人化的要求。

為實(shí)現(xiàn)無人乳化液濃度精確配比，需要解決乳化液濃度檢測(cè)和調(diào)節(jié)閥的可控問題。目前，乳化液濃度檢測(cè)多采用濃度傳感器通過透光效應(yīng)實(shí)現(xiàn)，但是檢測(cè)精度較低。因此，提升乳化液濃度檢測(cè)精度是關(guān)鍵難題。此外，針對(duì)調(diào)節(jié)閥可控的問題，通常的解決思路是分別采用油泵和水泵自動(dòng)向配比器注入乳化油和凈化水。如文獻(xiàn)[88]設(shè)計(jì)了一種對(duì)沖噴嘴，凈水回路和乳化油路分別采用水泵和油泵控制二者的流量。但這類方法增加了系統(tǒng)的復(fù)雜性，且注入的水和乳化油的壓力均衡性得不到保障，常導(dǎo)致配液濃度不均勻的問題，實(shí)際工程中應(yīng)用較少。因此，研制供液壓力均衡的可控調(diào)節(jié)閥是乳化液自動(dòng)配比的又一關(guān)鍵問題。

2.5 運(yùn)輸系統(tǒng)智能化技術(shù)現(xiàn)狀及難點(diǎn)

綜采工作面的運(yùn)輸系統(tǒng)主要由刮板輸送機(jī)、破碎機(jī)和橋式轉(zhuǎn)載機(jī)組成。刮板輸送機(jī)將采煤機(jī)截割的煤運(yùn)到橋式轉(zhuǎn)載機(jī)中，經(jīng)過破碎機(jī)破碎后進(jìn)入帶式輸送機(jī)送出地面。目前，刮板輸送機(jī)、橋式轉(zhuǎn)載機(jī)多采用高壓大功率變頻控制。運(yùn)輸系統(tǒng)智能化的技術(shù)難點(diǎn)主要集中在刮板輸送機(jī)故障診斷、煤流檢測(cè)、負(fù)載均衡協(xié)調(diào)控制等方面。

2.5.1 刮板輸送機(jī)故障診斷技術(shù)現(xiàn)狀及難點(diǎn)

刮板輸送機(jī)的故障主要表現(xiàn)為電機(jī)故障和鏈條故障2類。大多數(shù)刮板輸送機(jī)由變頻器控制，而在變頻器中一般都具備成熟的檢測(cè)方法來保護(hù)短路、過載、欠壓等電機(jī)故障。因此，刮板輸送機(jī)的故障診斷主要集中在鏈條故障上，鏈條故障主要包括鏈條張力過大、松弛和斷鏈故障等。上述狀態(tài)都可以通過鏈條張力檢測(cè)系統(tǒng)實(shí)現(xiàn)，目前，張力檢測(cè)主要分為應(yīng)變片壓力檢測(cè)、張緊油缸壓力檢測(cè)、舌板運(yùn)動(dòng)狀態(tài)檢測(cè)等方法。

應(yīng)變片檢測(cè)是將電阻式單軸應(yīng)變片緊貼于鏈條內(nèi)側(cè)，通過檢測(cè)應(yīng)變片的形變間接測(cè)量張力，張力數(shù)據(jù)通過無線方式傳出[89-90]。張緊油缸壓力檢測(cè)是在油缸中安裝壓力傳感器和位移傳感器，通過油缸壓力和位移反演鏈條張力[91]。刮板輸送機(jī)運(yùn)動(dòng)狀態(tài)檢測(cè)方法是通過霍爾元件等設(shè)備，檢測(cè)刮板輸送機(jī)上舌板的運(yùn)動(dòng)狀態(tài)，當(dāng)舌板運(yùn)動(dòng)時(shí)，霍爾元件會(huì)檢測(cè)到均勻的脈沖，當(dāng)發(fā)生堵轉(zhuǎn)和斷鏈時(shí)，脈沖消失[92]。

在實(shí)際的工程應(yīng)用中，由于刮板輸送機(jī)的鏈條需要拉著堆煤運(yùn)行，并且容易遭受落煤的撞擊，因此安裝在鏈條上的應(yīng)變片容易損壞。而刮板輸送機(jī)上舌板容易受到堆煤干擾，且不能定量檢測(cè)張力，因此舌板運(yùn)動(dòng)檢測(cè)方法應(yīng)用并不廣泛。目前，應(yīng)用最多的是張緊油缸壓力檢測(cè)方法，但由于油缸壓力是鏈條張力的間接量，因此干擾因數(shù)較多，無法像應(yīng)變片一樣精準(zhǔn)檢測(cè)張力。

2.5.2 刮板輸送機(jī)智能調(diào)速與煤流檢測(cè)技術(shù)及難點(diǎn)

目前，刮板輸送機(jī)啟動(dòng)后通常以額定速度運(yùn)行。然而，當(dāng)采煤機(jī)尚未割煤或割煤量較少時(shí)，刮板輸送機(jī)在額定速度下運(yùn)行將造成較大的電力浪費(fèi)。為降低系統(tǒng)能耗，刮板輸送機(jī)的運(yùn)行速度應(yīng)該與煤流量關(guān)聯(lián)。即負(fù)載煤流量少時(shí)，運(yùn)行速度低；當(dāng)負(fù)載煤流量達(dá)到一定程度后，以額定速度運(yùn)行。目前，大多數(shù)綜采工作面的刮板輸送機(jī)均采用高壓變頻控制，具備動(dòng)態(tài)調(diào)速功能，只要參考速度確定，即可設(shè)定刮板輸送機(jī)的運(yùn)行速度。然而，在實(shí)際工程應(yīng)用中，由于缺乏煤流量檢測(cè)方法導(dǎo)致無法提供參考速度，因此變頻器絕大部分僅使用了軟啟動(dòng)功能，沒有實(shí)現(xiàn)速度的自適應(yīng)調(diào)節(jié)。根據(jù)煤流量的精確檢測(cè)結(jié)果確定刮板輸送機(jī)的動(dòng)態(tài)參考速度是智能變頻調(diào)試的基礎(chǔ)。目前，常用的煤流檢測(cè)有負(fù)載電流檢測(cè)法和斷面掃描法等。

負(fù)載電流檢測(cè)方法是通過對(duì)比刮板輸送機(jī)空載電流與負(fù)載電流之差來確定輸送機(jī)上的煤流量。然而，在實(shí)際工程應(yīng)用中，刮板輸送機(jī)的舌板與槽之間的摩擦力較大，特別是在液壓支架推移刮板輸送機(jī)形成的S彎，不同的彎曲程度其摩擦力變化較大，從而導(dǎo)致電機(jī)的負(fù)載不均勻。因此，直接采用負(fù)載電流法檢測(cè)刮板輸送機(jī)上的煤流量出現(xiàn)的誤差較大。

理論上斷面掃描法是一種較為精確地煤流量檢測(cè)方法，如圖17所示。其中，機(jī)器視覺方案是在刮板輸送機(jī)上方安裝一個(gè)線激光發(fā)生器，并在一定傾斜角度上安裝攝像頭，獲取線激光在煤流表面的投射曲線，通過截面累積反演煤流量[93]。但是這一方法存在刮板輸送機(jī)邊界難以確定、光斑去噪、攝像頭污損等問題。激光掃描方案是在刮板輸送機(jī)正上方安裝一排激光測(cè)距裝置，通過每點(diǎn)的距離差求得煤的高度，從而反演煤流量。但是由于堆煤表面雜亂無章，反射的激光有可能不能進(jìn)入接收裝置，從而導(dǎo)致測(cè)距不準(zhǔn)。目前刮板輸送機(jī)的煤流檢測(cè)還處于理論研究階段，尚未有成熟技術(shù)應(yīng)用工程實(shí)踐。

圖17 刮板輸送機(jī)煤流檢測(cè)斷面掃描法

3 綜采工作面智能化研究前沿及技術(shù)展望

3.1 綜采工作面智能化發(fā)展方向展望

人工智能方興未艾，仍有很多科學(xué)問題有待解決。在將人工智能最新研究成果引入到綜采工作面智能化過程中，同樣存在大量有待解決的技術(shù)難題。正如王國(guó)法院士指出的那樣，目前我國(guó)煤礦智能化開采尚處于初級(jí)階段[94]，與所期望的煤礦智能化開采還有很大的差距。綜采工作面成套設(shè)備系統(tǒng)龐大，更加需要厘清關(guān)鍵科學(xué)問題和技術(shù)難點(diǎn)，逐步實(shí)現(xiàn)綜采工作面的智能化開采。

從控制學(xué)的角度分析，綜采工作面智能化的關(guān)鍵問題是以智能控制為核心，構(gòu)建控制系統(tǒng)模型、完備系統(tǒng)感知信息、設(shè)計(jì)控制算法和決策策略。其中，系統(tǒng)模型的構(gòu)建依賴于感知信息，控制算法與決策策略則基于系統(tǒng)模型。由于開采環(huán)境復(fù)雜和開采工藝過程高度耦合，導(dǎo)致信息感知和系統(tǒng)建模較為困難，這也是阻滯綜采工作面智能化提高的關(guān)鍵科學(xué)問題之一。

隨著人工智能技術(shù)的發(fā)展，機(jī)器視覺、激光掃描、電磁波透射、多傳感器融合等檢測(cè)手段和分析方法將大幅提升系統(tǒng)的信息感知能力；同時(shí)，各類深度神經(jīng)網(wǎng)絡(luò)和數(shù)據(jù)回歸方法將進(jìn)一步增強(qiáng)高維非線性強(qiáng)耦合控制系統(tǒng)的建模能力，為系統(tǒng)的智能控制與最優(yōu)決策提供基礎(chǔ)。此外，在強(qiáng)化學(xué)習(xí)、自適應(yīng)動(dòng)態(tài)規(guī)劃等控制策略和方法的指引下，以多智能體理論為框架，以反饋、學(xué)習(xí)和優(yōu)化為技術(shù)手段，這是實(shí)現(xiàn)綜采工作面全面智能化的重要技術(shù)路徑。在上述技術(shù)突破后，綜采工作面主要設(shè)備的控制可徹底實(shí)現(xiàn)智能化。

1)液壓支架智能化展望。液壓支架具備轉(zhuǎn)換為機(jī)器人的基本條件。當(dāng)完成姿態(tài)、環(huán)境等信息感知后，再結(jié)合相應(yīng)的控制算法，依照工藝和環(huán)境變化自主完成安全支護(hù)、姿態(tài)調(diào)整、精確推移刮板輸送機(jī)等動(dòng)作。在此情況下，液壓支架可視為一個(gè)智能體。進(jìn)而可在多智能體框架下，將單一的液壓支架上升為整個(gè)工作面所有支架的多智能體集群控制，從工作面全局實(shí)現(xiàn)支護(hù)效益、直線度調(diào)整等性能的最優(yōu)控制。此外，以大數(shù)據(jù)分析為支撐，液壓支架的故障診斷及預(yù)測(cè)技術(shù)取得突破，故障信息及維修措施將及時(shí)送達(dá)維護(hù)中心，這將極大減輕故障的排查及維修工作。

2)采煤機(jī)智能化發(fā)展方向。采煤機(jī)的運(yùn)動(dòng)范圍大，滾筒調(diào)節(jié)精度要求較高。若煤巖在線識(shí)別技術(shù)取得突破，或在透明工作面信息指引下，結(jié)合多信息融合技術(shù)繞開煤巖在線識(shí)別這一技術(shù)難題，采煤機(jī)結(jié)合慣性導(dǎo)航、煤機(jī)牽引及滾筒調(diào)高自適應(yīng)控制、故障診斷及預(yù)測(cè)等技術(shù)可實(shí)現(xiàn)全面智能化。此外，采煤機(jī)在整個(gè)工作面運(yùn)行，可作為移動(dòng)平臺(tái)，搭載三維激光掃描儀或雙目視覺系統(tǒng)，結(jié)合慣性導(dǎo)航裝置，對(duì)整個(gè)工作面實(shí)現(xiàn)三維動(dòng)態(tài)建模，從而為各設(shè)備的智能控制提供更加豐富完整的判斷信息。

3)運(yùn)輸系統(tǒng)智能化發(fā)展方向。綜采工作面的運(yùn)輸系統(tǒng)控制相對(duì)簡(jiǎn)單，但包括刮板輸送機(jī)、轉(zhuǎn)載機(jī)和帶式輸送機(jī)等，空間分布更加廣泛。在突破煤流量檢測(cè)等關(guān)鍵技術(shù)后，運(yùn)輸系統(tǒng)可實(shí)現(xiàn)智能的低功耗運(yùn)行，將極大地節(jié)約生產(chǎn)成本。此外，在煤進(jìn)入裝載機(jī)之前，加入視頻目標(biāo)檢測(cè)系統(tǒng)和雜質(zhì)分揀裝置，可實(shí)現(xiàn)錨桿、鐵皮等雜質(zhì)的檢測(cè)和分揀。同時(shí)，視頻目標(biāo)檢測(cè)實(shí)現(xiàn)了輸送帶堆煤、溢水、人員越界等異常事件的檢測(cè)與識(shí)別。結(jié)合工作面其他信息，實(shí)現(xiàn)與其他煤機(jī)設(shè)備的聯(lián)動(dòng)預(yù)警和緊急控制。

3.2 煤礦綜采與人工智能交叉領(lǐng)域研究前沿及技術(shù)展望

3.2.1 計(jì)算機(jī)視覺在智能化開采中的研究前沿及技術(shù)展望

以深度神經(jīng)網(wǎng)絡(luò)為代表的新一代人工智能技術(shù)使得計(jì)算機(jī)視覺的研究與應(yīng)用取得突破性進(jìn)展。將計(jì)算機(jī)視覺先進(jìn)的研究成果應(yīng)用于綜采工作面，將大幅提升環(huán)境信息的感知能力。然而，井下環(huán)境特殊，煤塵、水霧嚴(yán)重，且塵霧的濃度和空間分布存在嚴(yán)重的隨機(jī)性。因此，首先需要對(duì)視頻圖像進(jìn)行清晰化處理[95-96]，這也是目前機(jī)器視覺應(yīng)用到煤礦井下的難點(diǎn)之一。構(gòu)建合適的深度神經(jīng)網(wǎng)絡(luò)，建立隨機(jī)非均勻塵霧圖像的優(yōu)質(zhì)化模型是有效的解決辦法。提出一種雙胞胎深度神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)了隨機(jī)低質(zhì)圖像的優(yōu)質(zhì)化[97]，這為煤礦井下煤塵、噴霧等引起的降質(zhì)圖像的清晰化奠定了基礎(chǔ)。

煤巖識(shí)別、煤矸識(shí)別是機(jī)器視覺在綜采工作面的重要研究方向。但由于井下光照、煤塵、噪聲等因素的影響，使得傳統(tǒng)的方法難以達(dá)到較好的識(shí)別效果，深度卷積神經(jīng)網(wǎng)絡(luò)的興起，為破解這一難題提供了新的思路[24,98-99]。近年來，重點(diǎn)設(shè)備自動(dòng)跟蹤成為計(jì)算機(jī)視覺在綜采工作面中的應(yīng)用熱點(diǎn)，如圖18所示?？梢灶A(yù)見，在視頻目標(biāo)跟蹤實(shí)現(xiàn)之后，實(shí)現(xiàn)目標(biāo)行為理解，能有效提升決策系統(tǒng)的信息感知能力，有利于系統(tǒng)決策與優(yōu)化控制。

圖18 工作面關(guān)鍵視頻目標(biāo)跟蹤

3.2.2 基于激光點(diǎn)云的智能化開采研究前沿及技術(shù)展望

激光對(duì)井下煤塵和水霧具有較強(qiáng)的穿透能力。采用激光對(duì)巷道和工作面進(jìn)行三維掃描，并在獲得的點(diǎn)云數(shù)據(jù)集上實(shí)現(xiàn)巷道和工作面三維地圖構(gòu)建、目標(biāo)檢測(cè)與識(shí)別，對(duì)建立無人化工作面具有重要意義。

點(diǎn)云數(shù)據(jù)包括三維坐標(biāo)、激光反射強(qiáng)度和顏色等信息。由于呈點(diǎn)狀分布且數(shù)量巨大，傳統(tǒng)的數(shù)據(jù)分析方法無法建立從點(diǎn)云數(shù)據(jù)集到物理三維空間的映射模型。得益于深度神經(jīng)網(wǎng)絡(luò)對(duì)非線性、強(qiáng)耦合模型的超強(qiáng)擬合能力，激光掃描和點(diǎn)云信息重建技術(shù)得到了大幅提升，并已經(jīng)延伸到煤礦井工開采過程中[100]。激光點(diǎn)云數(shù)據(jù)三維重建的核心設(shè)備是三維激光掃描儀[101]，如圖19a所示。目前，少量煤礦開展了工作面三維重建的試驗(yàn)[26,102]，如圖19b所示。當(dāng)激光點(diǎn)云工作面三維重建實(shí)現(xiàn)之后，對(duì)于人員與設(shè)備定位、頂板災(zāi)害預(yù)測(cè)、煤壁片幫檢測(cè)及圍巖穩(wěn)定性分析等具有重要意義。

圖19 激光掃描三維地圖構(gòu)建

3.2.3 透明工作面研究前沿及技術(shù)展望

在盤區(qū)開采前，需要對(duì)礦區(qū)煤層賦存條件、地質(zhì)結(jié)構(gòu)、瓦斯分布、水文地質(zhì)等進(jìn)行綜合調(diào)查，在此基礎(chǔ)上對(duì)盤區(qū)開采進(jìn)行規(guī)劃。在智能采礦條件下，礦區(qū)地質(zhì)模型縱深化發(fā)展，精確的地質(zhì)模型作為設(shè)備運(yùn)行的輸入?yún)?shù)，直接指導(dǎo)采煤機(jī)、液壓支架等設(shè)備運(yùn)行。三維地質(zhì)模型及透明工作面技術(shù)在新一代人工智能技術(shù)的促進(jìn)下，有了長(zhǎng)足進(jìn)步[103-104]。其中，三維地質(zhì)模型的精度從十米級(jí)向亞米級(jí)邁進(jìn)，建立更加精準(zhǔn)的工作面三維地質(zhì)模型成為研究重點(diǎn)。

目前，綜合地質(zhì)模型以三維地震勘探及地面網(wǎng)格鉆孔為主，主要方法是在三維地震探測(cè)的基礎(chǔ)上建立基本的地質(zhì)模型。一般首先通過網(wǎng)格化鉆探的地質(zhì)數(shù)據(jù)進(jìn)行校正，形成初步的地質(zhì)模型。然后根據(jù)工作面建設(shè)過程中探明的煤層賦存、水文條件等地質(zhì)信息對(duì)初步模型進(jìn)一步修正和精細(xì)化。再采用電磁波物探等方式對(duì)回采區(qū)域進(jìn)行精確探測(cè)，確認(rèn)回采區(qū)域的瓦斯富集、地質(zhì)斷層等情況，對(duì)地質(zhì)模型再次進(jìn)行增補(bǔ)和校正。最后，在回采過程中根據(jù)探明的地質(zhì)條件對(duì)精確的地質(zhì)模型進(jìn)行最后的修正。其中，電磁波煤層透視是透明工作面的關(guān)鍵技術(shù)之一，煤層電磁波透視及工作原理如圖20所示。

圖20 煤層電磁波透視儀及工作原理

煤層電磁波透視的主要理論基礎(chǔ)是Radon變換及其反變換，即電磁波投射角從0°～180°連續(xù)積分可得到完整的煤層內(nèi)部信息[105]。但在實(shí)際應(yīng)用中，電磁波透射是離散的稀疏探測(cè)點(diǎn)，對(duì)煤層內(nèi)部狀態(tài)反演較為困難[106]。從信息學(xué)角度理解電磁投射原理，可認(rèn)為Radon變換及反變換。其實(shí)質(zhì)是尋找從接收的電磁波信號(hào)到實(shí)際地質(zhì)分布之間的映射關(guān)系。因此，引入深度神經(jīng)網(wǎng)絡(luò)可實(shí)現(xiàn)對(duì)該映射的擬合，其運(yùn)用原理如圖21所示。圖中,A1～A4表示電磁波發(fā)射點(diǎn)；電磁波透過煤壁后，從B1～B4接收信號(hào)。電磁波信號(hào)從A側(cè)到B側(cè)可認(rèn)為是電磁波透過煤壁后提取了煤壁的內(nèi)部特征，是一個(gè)編碼(Encoder)的過程，而B1～B4則是編碼輸出。為了反演煤層內(nèi)部信息，采用深度神經(jīng)網(wǎng)絡(luò)構(gòu)造解碼器(Decoder)，對(duì)特征輸出進(jìn)行轉(zhuǎn)置卷積上采用，從而得到煤壁內(nèi)部信息。隨后，接入一個(gè)深度神經(jīng)網(wǎng)絡(luò)，用于劃分異常區(qū)域與類別，從而精確圈定并判別煤壁內(nèi)部異常區(qū)域及類型。

圖21 基于深度神經(jīng)網(wǎng)絡(luò)的電磁波透視示意

3.2.4 綜采工作面大數(shù)據(jù)挖掘研究前沿與技術(shù)展望

隨著煤礦自動(dòng)化、信息化建設(shè)的推進(jìn)，大量工業(yè)傳感器、攝像頭、控制設(shè)備通過現(xiàn)場(chǎng)總線、工業(yè)以太網(wǎng)等數(shù)據(jù)鏈路將實(shí)時(shí)數(shù)據(jù)傳輸?shù)綌?shù)據(jù)處理中心，形成煤礦生產(chǎn)環(huán)節(jié)的基礎(chǔ)數(shù)據(jù)。在此基礎(chǔ)上，匯集煤礦地質(zhì)數(shù)據(jù)、設(shè)備信息、管理臺(tái)賬等，構(gòu)成煤礦數(shù)據(jù)分析的主體。此外，社會(huì)經(jīng)濟(jì)形勢(shì)、科學(xué)研究成果等遠(yuǎn)程知識(shí)數(shù)據(jù)，構(gòu)成煤礦數(shù)據(jù)分析的外延，在龐大的煤礦數(shù)據(jù)中，如何挖掘數(shù)據(jù)價(jià)值是目前面臨的主要問題。數(shù)據(jù)挖掘的本質(zhì)是從數(shù)據(jù)樣本中尋找特征，建立模型，實(shí)現(xiàn)功能性判斷與預(yù)測(cè)。隨著人工智能技術(shù)發(fā)展，大數(shù)據(jù)分析方法和手段發(fā)生了較大變化。數(shù)據(jù)特征可實(shí)現(xiàn)自動(dòng)提取，高維非線性模型的逼近能力大幅增強(qiáng)，從而使得判別和預(yù)測(cè)能力大幅提升。

目前，煤礦大數(shù)據(jù)分析的重點(diǎn)是關(guān)注數(shù)據(jù)分析的基礎(chǔ)架構(gòu)、數(shù)據(jù)清洗及單一事件預(yù)測(cè)等問題[30]；煤礦人員定位、距離測(cè)量、逃生路徑規(guī)劃等位置服務(wù)問題中的關(guān)鍵技術(shù)也是大數(shù)據(jù)分析與預(yù)測(cè)的范疇[107]。此外，煤礦水害防治[92]、監(jiān)測(cè)系統(tǒng)異常數(shù)據(jù)識(shí)別[93]等領(lǐng)域的建模與信息獲取，均可采用大數(shù)據(jù)分析得到解決。隨著數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)技術(shù)的縱深發(fā)展，綜采工作面開采過程中的設(shè)備運(yùn)行狀態(tài)預(yù)測(cè)、故障診斷、綜合信息分析等問題將可得到較好的解決。

3.2.5 綜采工作面設(shè)備群體智能決策與控制研究前沿與技術(shù)展望綜采工作面設(shè)備眾多，各設(shè)備在開采過程中時(shí)序動(dòng)作相互耦合。在確保作業(yè)安全的前提下，根據(jù)不同的采煤工藝，耦合的次序和程度將發(fā)生改變。在無人開采模式下，固定的控制流程無法適應(yīng)工作面復(fù)雜的環(huán)境變化。因此，需要在系統(tǒng)層級(jí)建立各設(shè)備的智能協(xié)調(diào)機(jī)制，以確保工作面設(shè)備間相互協(xié)同，共同應(yīng)對(duì)環(huán)境變化引起的系統(tǒng)擾動(dòng)。

目前，在工作面設(shè)備的系統(tǒng)控制中，協(xié)調(diào)控制主要體現(xiàn)在采煤機(jī)、液壓支架與輸送機(jī)之間的采-支-運(yùn)協(xié)同，以及液壓支架之間的動(dòng)作協(xié)同。從控制學(xué)角度出發(fā)，建立各設(shè)備之間的關(guān)聯(lián)關(guān)系模型，在多智能體的框架下可實(shí)現(xiàn)采煤機(jī)、刮板輸送機(jī)、液壓支架群的智能決策和控制。

強(qiáng)化學(xué)習(xí)是多智能體框架下，實(shí)現(xiàn)最優(yōu)協(xié)調(diào)控制與智能決策的有效方法[108]。在強(qiáng)化學(xué)習(xí)學(xué)決策過程中，將液壓支架、刮板輸送機(jī)、采煤機(jī)的動(dòng)作決策抽象成馬爾可夫過程，采用Q-learning[28]、Deep Q-network[29]等強(qiáng)化學(xué)習(xí)機(jī)制，可實(shí)現(xiàn)多智能體的最優(yōu)決策，這也是未來綜采工作面設(shè)備智能協(xié)調(diào)控制的重要途徑之一。

4 結(jié) 語(yǔ)

1)以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)，重點(diǎn)是在強(qiáng)非線性建模方法上取得了重大突破，能切實(shí)解決綜采工作面智能化過中的信息感知、數(shù)據(jù)分析與推理、系統(tǒng)決策等方面的部分問題。隨著人工智能研究的深入，在圖網(wǎng)絡(luò)(Graph Network)、元學(xué)習(xí)(Meta Learning)、Transformer架構(gòu)等方面取得進(jìn)一步突破，并將其轉(zhuǎn)換到綜采工作面智能化的科學(xué)問題中，逐個(gè)攻克各個(gè)關(guān)鍵技術(shù)難題，從而全面深度實(shí)現(xiàn)綜采工作面的智能化開采。

2)在綜采工作面智能化過程中，仍然存在大量涉及控制、機(jī)械、地質(zhì)等學(xué)科的基礎(chǔ)性問題需要解決。如液壓支架推移的閉環(huán)控制問題、設(shè)備姿態(tài)檢測(cè)建模問題、工作面空間絕對(duì)坐標(biāo)定標(biāo)問題等。受這類問題的牽制，人工智能技術(shù)在綜采工作面的應(yīng)用和推廣受到較大限制。因此，夯實(shí)基礎(chǔ)，扎實(shí)推進(jìn)解決基礎(chǔ)性問題，是人工智能技術(shù)可以應(yīng)用于綜采工作面的前提。

3)綜采工作面智能化是一個(gè)系統(tǒng)工程，人工智能技術(shù)應(yīng)用于綜采工作面需要充分考慮采場(chǎng)環(huán)境、采煤工藝、控制邏輯等諸多耦合因素引起的適應(yīng)性條件。如機(jī)器視覺應(yīng)用于工作面時(shí)必定面臨的煤塵和水霧干擾問題、智能控制應(yīng)用于液壓支架群控制時(shí)必須考慮支護(hù)安全問題等。因此，通過基礎(chǔ)研究，打通人工智能技術(shù)與綜采工作面之間的梗阻，擴(kuò)大人工智能技術(shù)在綜采工作面的適應(yīng)范圍，是人工智能技術(shù)在綜采工作面工程化的關(guān)鍵。