馬 騁，宋 燾

(陜西陜煤黃陵礦業(yè)有限公司，陜西 延安 727307)

0 引言

智慧煤礦建設(shè)是煤炭行業(yè)高質(zhì)量發(fā)展的必然要求[1-3]。煤炭占我國一次能源供給的 70%左右，在我國能源結(jié)構(gòu)中的主體地位短時間內(nèi)難以被替代[4]，并且將長期影響我國能源結(jié)構(gòu)與供給。伴隨著地質(zhì)勘探技術(shù)的不斷升級，互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等高新技術(shù)不斷被引進煤礦開采，必然伴隨著智能化開采技術(shù)的不斷升級。因此，國內(nèi)各高校、研究單位紛紛開展了智能開采的相關(guān)研究。目前來看，行業(yè)內(nèi)以黃陵礦業(yè)公司“可視化遠程干預(yù)型”為引領(lǐng)的智能化開采技術(shù)主要依靠“液壓支架自動跟機+采煤機記憶截割+可視化遠程干預(yù)控制”來監(jiān)控采煤作業(yè)的全過程。但存在著遠程干預(yù)控制頻繁、記憶截割應(yīng)用率低等問題[5-8]。究其根本原因還是智能化開采關(guān)鍵技術(shù)難題尚未攻克，綜采工作面大數(shù)據(jù)融合應(yīng)用率低。智能化綜采工作面設(shè)備繁多，數(shù)據(jù)龐大，現(xiàn)有監(jiān)控系統(tǒng)無論在硬件還是軟件配置上，均無法滿足大數(shù)據(jù)的采集、融合、分析、處理和決策[9-12]。因此，基于動態(tài)地質(zhì)模型大數(shù)據(jù)融合迭代規(guī)劃控制策略的智能開采技術(shù)研究項目，通過地面鉆探、井下鉆探、巷道測量與寫實和槽波勘探等物探手段來構(gòu)建工作面三維初始模型；再聯(lián)合應(yīng)用慣性導航技術(shù)、雷達定位技術(shù)和大數(shù)據(jù)分析決策技術(shù)也修正模型，實現(xiàn)工作面前方范圍的地質(zhì)透明；最后通過井下精準控制中心來完成對采煤機和液壓支架的精準控制，而大數(shù)據(jù)智能分析決策系統(tǒng)是本項目的智慧“大腦”，是實現(xiàn)智能精準開采的關(guān)鍵。

1 主要技術(shù)路線

通過構(gòu)建大數(shù)據(jù)智能分析決策系統(tǒng)，研發(fā)綜采智能化管控平臺，利用大數(shù)據(jù)融合技術(shù)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。通過地質(zhì)模型網(wǎng)格化，選擇進風巷停采點處煤層底板作為基準零點，進行相對坐標傳遞，在相對坐標系中依據(jù)煤層頂?shù)装?、推進度、俯仰角等信息建立各設(shè)備的數(shù)據(jù)化開采模型。融合應(yīng)用開采工藝和綜采自動化控制技術(shù)、慣性導航技術(shù)和雷達測距技術(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)備精準控制決策信息，最終實現(xiàn)智能精準開采，技術(shù)路線如圖1所示。

圖1 技術(shù)路線Fig.1 Technology roadmap

2 綜采智能化管控平臺建設(shè)

2.1 硬件環(huán)境搭建

2.1.1 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為180核，硬盤容量為43.2 T，內(nèi)存為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Windows Server 2016虛擬化平臺部署，使用Vcenter對虛擬化平臺統(tǒng)一管理。

2.1.2 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連接在192.168.18.70/80和192.168.19.1/254兩個網(wǎng)段內(nèi)。

2.2 軟件界面設(shè)計

2.2.1 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，如圖2所示。主要展示內(nèi)容有采煤工藝決策規(guī)劃截割模型、三機協(xié)同策略、采煤工藝的結(jié)果展示，以及規(guī)劃截割模型的執(zhí)行效果統(tǒng)計、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、多源異構(gòu)數(shù)據(jù)的融合效率、采煤機規(guī)劃截割執(zhí)行率的統(tǒng)計分析等。

圖2 大數(shù)據(jù)平臺首頁界面Fig.2 Home page interface of big data

2.2.2 地質(zhì)數(shù)據(jù)界面

地質(zhì)數(shù)據(jù)：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3所示。

圖3 地質(zhì)數(shù)據(jù)界面Fig.3 Interface of geological data

2.2.3 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4所示。

圖4 采煤機規(guī)劃界面Fig.4 Interface of shearer planning

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

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、慣性導航系統(tǒng)測量值比對結(jié)果。

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

推進曲線：慣性導航系統(tǒng)測量的底板高度曲線和推進傾斜度測量展示。

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。

整定曲線：展示針對可預(yù)測的地質(zhì)環(huán)境變化，采煤機規(guī)劃截割曲線的規(guī)劃整定策略。

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航系統(tǒng)測量曲線、透明地質(zhì)模型“CT”切片頂?shù)装鍢烁咔€。

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。

2.2.4 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5所示。

圖5 電液控規(guī)劃界面Fig.5 Interface of electro-hydraulic control planning

支架推進度及姿態(tài)測量值比對：展示液壓支架推移行程傳感器與慣性導航系統(tǒng)測量值的比對結(jié)果；透明地質(zhì)模型“CT”切片的角度信息與慣性導航系統(tǒng)對俯仰角曲線，傾角曲線的測量值比對結(jié)果。

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。

規(guī)劃刀：展示規(guī)劃刀液壓支架推移曲線。

推移行程：檢測液壓支架及推移傳感器測量值。

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。

上竄下滑：展示上竄下滑測量結(jié)果及修正策略。

2.2.5 采煤工藝界面

該界面主要展示規(guī)劃截割工藝模型、負荷平衡調(diào)速參數(shù)設(shè)置及調(diào)整結(jié)果，主要展示內(nèi)容如圖6所示。

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。

圖6 采煤機工藝界面Fig.6 Interface of shearer process

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)測時耗和回采率指標。

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。

負荷平衡：監(jiān)測運輸三機運行負荷與開采速度。

運輸負荷與截割速度關(guān)系：運輸三機負荷與截割速度的比對展示。

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

負荷平衡調(diào)整參數(shù)組：主要為展示負荷平衡調(diào)整參數(shù)組。

3 關(guān)鍵技術(shù)探究

3.1 大數(shù)據(jù)融合技術(shù)

3.1.1 主要通信協(xié)議的接入方法

綜采設(shè)備采用的通信協(xié)議各不相同，需要平臺進行統(tǒng)一規(guī)范。本工作面配套設(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)流標識將數(shù)據(jù)分類存儲于HDFS(分布式文件系統(tǒng))內(nèi)。

3.1.2 數(shù)據(jù)轉(zhuǎn)換方法

系統(tǒng)從各種設(shè)備及傳感器獲取到的數(shù)據(jù)，需要轉(zhuǎn)換成統(tǒng)一的標準格式，轉(zhuǎn)換方式主要包括直接映射、字段運算、參照轉(zhuǎn)換、字符串處理、差值補全等。直接映射是直接處理數(shù)據(jù)源字段和目標字段長度、精度均一致的原始數(shù)據(jù)。字段運算是對于數(shù)值型字段數(shù)據(jù)，需要對源數(shù)據(jù)進行數(shù)學運算后轉(zhuǎn)為目標字段。參照轉(zhuǎn)換時使用數(shù)據(jù)源的字段作為Key，去關(guān)聯(lián)數(shù)組，并對特定值搜索進行。字符串處理是對數(shù)據(jù)源的字符串字段進行檢索，從而獲取以字符串形式出現(xiàn)特定信息數(shù)值型值。差值補全是對連續(xù)數(shù)據(jù)中每個數(shù)據(jù)位是否為空進行判斷，并對空值數(shù)據(jù)位進行最近歷史有效值的回填。本項目通過邊采集邊轉(zhuǎn)換的方式進行數(shù)據(jù)處理，確保了數(shù)據(jù)傳輸?shù)膶崟r性。在此過程中對采集到的每條數(shù)據(jù)進行數(shù)據(jù)類型轉(zhuǎn)換、異常數(shù)據(jù)過濾、數(shù)據(jù)精度及單位變換、開關(guān)變量處理、數(shù)據(jù)范圍及報警判斷處理，最后將數(shù)據(jù)轉(zhuǎn)換成統(tǒng)一格式后進行數(shù)據(jù)傳輸。

3.2 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。選擇進風巷停采點處煤層底板作為基準零點，進行相對坐標傳遞，在相對坐標系中依據(jù)煤層頂?shù)装?、推進度、俯仰角等信息建立各設(shè)備的數(shù)據(jù)化開采模型?；鶞庶c絕對坐標定位如圖7所示。

圖7 地質(zhì)模型基準點絕對坐標定位Fig.7 Absolute coordinate positioning of datum point of geological model

3.3 分析決策技術(shù)

規(guī)劃截割工藝并建立開采效率和安全指標體系，根據(jù)開采效率和安全指標體系評定結(jié)果，規(guī)劃截割工藝的參數(shù)組合，修正規(guī)劃截割模型[13-15]。

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)迭代訓練，實時對傳感器監(jiān)測數(shù)據(jù)進行過濾、補償、更新。

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、工況導航位置精度、機械特性定差準確度、人工干預(yù)的學習修正準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。

3.4 機器學習及故障自診斷技術(shù)

機器學習技術(shù)：機器學習技術(shù)是利用計算機語言表述的算法邏輯讓機器自主學習、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)進行學習分析，利用數(shù)學算法實現(xiàn)數(shù)據(jù)的修正和更新。

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。基于大數(shù)據(jù)技術(shù)和邊緣計算的微服務(wù)架構(gòu)研發(fā)的綜采工作面設(shè)備故障自診斷系統(tǒng)，通過研究模型、數(shù)據(jù)的設(shè)備健康預(yù)測方法，構(gòu)建基于大數(shù)據(jù)算法的故障診斷、預(yù)測模型；根據(jù)工作面設(shè)備健康評估與維護決策指標分類，形成維修操作層、管理層和決策層的信息分層推送體系；基于設(shè)備預(yù)防、維護策略知識，評估運行效果，優(yōu)化維護策略。

4 結(jié)論

(1)伴隨著大數(shù)據(jù)分析、模型數(shù)字化、機器學習、故障自診斷等技術(shù)的不斷發(fā)展，綜采工作面可以通過構(gòu)建大數(shù)據(jù)智能分析決策系統(tǒng)，利用大數(shù)據(jù)融合技術(shù)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。

(2)通過地質(zhì)模型網(wǎng)格化，選擇進風巷停采點處煤層底板作為基準零點，進行相對坐標傳遞，在相對坐標系中依據(jù)煤層頂?shù)装?、推進度、俯仰角等信息，建立各設(shè)備的數(shù)據(jù)化開采模型。

(3)融合應(yīng)用開采工藝和綜采自動化控制技術(shù)、慣性導航技術(shù)和雷達測距技術(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)備精準控制決策信息，最終將當前基于記憶截割的“智能開采1.0”階段升級為基于透明地質(zhì)規(guī)劃截割的“智能開采3.0”階段，實現(xiàn)由傳統(tǒng)的記憶割煤向三維空間感知和自動截割的技術(shù)跨越，具有很強的適應(yīng)性和實用性。