張 凱

(山西高河能源有限公司, 山西 長治 047100)

近年來國家大力推行煤礦智能化建設,構建了煤礦智能化發(fā)展架構?，F有煤礦智能化采煤工作面大多采用自動化+人工調控的開采模式,液壓支架自動跟機結束后,人工通過現場觀測跟機效果并進行手動調控,這種人機協(xié)同的工作方式存在無序性、低效性的問題[1]. 針對工作面自動跟機技術,文獻[2]對采煤機、液壓支架和刮板輸送機聯合運行時的協(xié)同控制流程進行了研究,建立了綜采工作面中部液壓支架的跟機自動控制的數學模型;文獻[3]提出了綜采跟機工藝數字孿生系統(tǒng)技術路線,系統(tǒng)結合預演無誤的跟機工藝統(tǒng)籌下發(fā)工藝調度指令,克服了因井下空間不足導致控制器算力有限的局限性;文獻[4]對已有的自動跟機控制體系結構進行優(yōu)化,建立了液壓支架跟機數學模型,并對其進行分析,得到了液壓支架跟機移架實際時長的計算模型;文獻[5]根據綜采工作面普遍采用的割煤工藝的特性,介紹了一種包括中部、機頭、機尾跟機自動化3個環(huán)節(jié)的液壓支架自動跟機技術;文獻[6]研究了基于雙層優(yōu)化思想的液壓支架跟機行為動作類型排序與速度調節(jié)方法,建立了基于自適應采煤機速度與液壓系統(tǒng)壓力的多目標導向下的液壓支架跟隨行為智能決策模型,實現了對供液與支架運動協(xié)調的整體優(yōu)化控制,文獻[7]建立了工作面中部液壓支架集群自動化后人工調控決策模型來判別液壓支架自動化后動作不達標液壓支架架號。上述研究主要從液壓支架自動跟機的角度出發(fā),通過建立數學模型實現自動跟機從而滿足現場生產需求,但當前綜采工作面自動化系統(tǒng)是以過程化控制為核心,自動化后人工調控工況變化頻繁,且數學模型的應用缺乏對生產過程中液壓支架自動化后人工調控工況的知識發(fā)現,不利于現場工人快速判斷需要進行人工調控的液壓支架架號。

因此,在文獻的基礎上進行了現場應用系統(tǒng)開發(fā),并觀測現場應用實施效果,通過人工智能技術檢測來代替人工判斷液壓支架自動化后的狀態(tài),構建液壓支架自動化后人工調控決策系統(tǒng)對整個液壓支架自動跟機過程中每一架液壓支架進行判斷,從而快速調整位姿不合適的液壓支架,對實際生產過程中的人工干預工況進行知識發(fā)現,實現對人工干預生產時的工況信息有效表達,提升整個綜采工作面的生產效率。

1 液壓支架自動化后人工調控決策系統(tǒng)設計

1.1 決策方法

液壓支架自動化后人工調控決策系統(tǒng)旨在判別自動化后動作不達標液壓支架架號,對自動化后人工調控工況進行知識發(fā)現與邏輯推理,將自動化后液壓支架利用工況分類模型進行工況分類,找出人工調控液壓支架架號后,根據輸出的控制策略進行快速準確地調控。液壓支架自動化后人工調控決策系統(tǒng)由液壓支架自動化后工況分類模型構成,該模型負責實時判斷液壓支架自動跟機完成后是否需要人工調控,最終形成自動跟機完成后需人工調控液壓支架架號的建議,幫助工人快速定位和高效完成調控操作,同時是否執(zhí)行完成反饋回決策系統(tǒng),用于修正模型。液壓支架自動化后人工調控策略推薦技術思路見圖1.

圖1 液壓支架自動化后人工調控策略推薦技術思路

1.2 系統(tǒng)架構設計

依據決策系統(tǒng)的模型推演與程序運行需求,結合高河煤礦現有管控平臺,現場井下工作面與數據傳輸方式需求,采用“云-邊-端”架構技術,研發(fā)液壓支架自動化后人工調控決策,分為設備層、邊緣層與應用分析層,系統(tǒng)架構圖見圖2.

圖2 液壓支架自動化后人工調控策略推薦系統(tǒng)總體架構

設備層將井下綜采工作面液壓支架所匯集的傳感器與采煤機位置慣導信息通過萬兆工業(yè)環(huán)網與OPC服務器傳入邊緣層,由井下綜采工作面集控中心InfluxDB數據庫實現數據的高效存儲、備份與保護,之后調用數據庫中海量現場數據進行液壓支架群自動化后人工調控決策模型推理,結果通過Python算法進行邏輯計算,將控制策略推送至人機交互界面和端部控制器中。而應用分析層通過可視化界面宏觀數據可視化分析、評價與測試,利用控制節(jié)點將訓練模型更替或下沉至設備層,從而實現全局性的系統(tǒng)決策與大數據分析。

2 液壓支架自動化后人工調控決策系統(tǒng)開發(fā)

2.1 模型構建

在采礦工藝、煤礦智能化理論知識及人工操作經驗等采礦行業(yè)專家知識的基礎上,利用大數據挖掘技術分析綜采工作面歷史數據(包括設備傳感器數據、執(zhí)行器數據及數據對應的時間戳)中蘊含的知識、規(guī)律、規(guī)則等,結合液壓支架電液控系統(tǒng)的自動化功能及其實際生產過程,提出液壓支架群自動化后工況辨識-控制決策問題,以問題為導向,提出分類建模,即建立分類模型判斷液壓支架自動化后是否需要人工調控操作。

液壓支架自動化后人工調控決策建模流程[7]見圖3,對原始采煤機位置、液壓支架推移油缸行程和液壓支架動作數據進行數據預處理、特征工程后,確定該模型輸入液壓支架架號、自動跟機前后推移油缸行程變化量、自動跟機拉架距離、采煤機位置與被判斷支架號差值絕對值和所屬類別5組數據,利用ID3決策樹算法對劃分好的訓練集構建分類模型,利用現場生產數據進行分類效果的評價。模型輸出為正常工況的液壓支架架號與需人工調控工況的液壓支架架號。

圖3 液壓支架自動化后人工調控決策模型建模流程[7]

在高河煤礦井下生產實際運行中,調用現場InfluxDB數據庫40 d中采集的4952個樣本,對異常值、缺失值處理后的數據按照推移油缸行程變化量、自動跟機拉架距離和采煤機位置數據與被判斷支架號差值絕對值進行標準化處理,并對每種數據進行時間排序,初步篩選出的15 d質量較好的895個自動化后人工調控工況樣本作為模型實例化的樣本集,將樣本集按照比例8∶2劃分訓練集和測試集并進行測試,二分類模型對于在正常工況分類準確率為98.47%,需人工調控工況的分類準確率為87.53%,可以得出決策樹分類算法的泛化能力與擬合能力好,分類效果佳。再綜合考慮誤差要求、算法輕量化等因素,決策樹算法效果最好且最為適用。

2.2 應用APP界面開發(fā)

高河煤礦使用python開發(fā)了液壓支架群自動化后人工調節(jié)決策軟件,界面見圖4、5,主要包含了綜采工作面主要生產設備,整個綜采工作面液壓支架的24 h立柱壓力熱力圖,數據時間選擇模塊,采煤機實時位置顯示等。

圖4 系統(tǒng)應用APP主界面

主界面通過輸入時間節(jié)點,系統(tǒng)自主從InfluxDB數據庫中抽取出原始數據,對每一架液壓支架數據進行標準化處理,計算結束后需要人工調控的液壓支架會被標紅框,見圖4,點擊每個液壓支架會有液壓支架自動化后人工調控策略建議彈窗,見圖5,其中彈窗內有液壓支架人工調控策略建議模塊、液壓支架自動跟機控制指標模塊與液壓支架關鍵數據歷史曲線模塊,對操作類型、操作參數、自動跟機控制指標、推移行程曲線圖、位置時差曲線圖與壓力曲線圖進行具體顯示并由系統(tǒng)自動給出是否需要人工調控建議。當完成人工調控后,操作員需要在是否已完成人工調控“是”前面打“√”,完成后主界面被標紅的液壓支架會恢復正常狀態(tài)。

圖5 系統(tǒng)應用APP子界面

3 系統(tǒng)現場應用

根據液壓支架群自動化后人工調控決策平臺“云-邊-端”架構,融合PLC、CAN通訊、組態(tài)界面開發(fā)等關鍵技術與工具,依托山西潞安集團高河煤礦綜采工作面裝備群作為端部系統(tǒng),上位機組態(tài)界面作為邊部系統(tǒng),在集控中心部署液壓支架群自動化后人工調控系統(tǒng)軟件,作為云部系統(tǒng)。

3.1 現場系統(tǒng)部署

液壓支架自動化后人工調控決策平臺于2023年在山西潞安集團高河煤礦綜采工作面完成了系統(tǒng)部署。將平臺部署在井下的集控中心運行,有標注需人工調控液壓支架,實時監(jiān)測采煤機位置,查看攝像頭實時視頻,高河煤礦實時數據通過搭建的OPC服務器采集到的液壓支架手動動作數據、液壓支架立柱壓力數據、液壓支架壓力、液壓支架油缸行程數據等工作面實時數據,通過OPC客戶端將服務器采集到現場工作面的大量數據通過煤礦工業(yè)環(huán)網存儲并備份在InfluxDB數據庫中。

同時將井下攝像頭的實時視頻接入液壓支架自動化后人工調控決策平臺,更有利于觀察液壓支架的自動跟機情況。液壓支架自動化后人工調控決策平臺打開后自動運行,并可以將模型推理結果保存至InfluxDB數據庫,便于與實際工況進行對比,判斷模型推理結果是否準確,進而修正模型。

3.2 應用效果

通過井下實際運行,結合液壓支架自動化后人工調控決策平臺運行情況,驗證了液壓支架自動化后人工調控決策平臺的可行性與準確性,能快速與準確地找出液壓支架自動跟機過程發(fā)生的丟架、直線度不滿足生產要求等異常工況,實現液壓支架自動化后自動生成人工操作策略,決策準確率達90%以上,加快了人工調控的時間。液壓支架自動化后人工調控決策平臺還會進一步完善,升級,實現把決策結果直接下發(fā)至液壓支架電液控制器,進行自動調控的目標,提升工作面的生產效率。

4 結 語

山西潞安集團高河煤礦綜采工作面液壓支架自動化后人工調控決策平臺以綜采工作面的真實生產數據為基礎,利用數據挖掘技術找到自動化后人工干預控制規(guī)律與3個特征值,建立基于決策樹算法的智采工作面液壓支架集群自動化后工況分類模型與決策平臺,實現實時工效驅動的液壓支架自動化后人工調控智能決策模型技術應用與液壓支架自動化后控制效果的自動識別和人工干預策略的自動推薦。相比煤礦傳統(tǒng)人工巡檢工作面后進行人工調控決策,巡檢工能夠通過相對便捷、簡易的交互式操作查看可視化數據,獲取能夠進行工況判別的足夠信息,更好地解決綜采設備自適應能力較差,尤其是液壓支架的自適應跟機問題,幫助工人快速高效地完成調控工作,縮短人工調控時間,降低工作強度,進而減少災害發(fā)生與人員傷亡,建立安全高效的現代化煤礦,實現減人提效的安全生產。