智采工作面三机数字孪生驱动控制架构

为了进一步提高煤矿综采设备智能控制水平,实现智采工作面常态化运行,提出基于数字孪生智采工作面驱动控制的相关概念和系统架构。智采工作面数字孪生系统由物理设备、虚拟孪生体、虚实交互模型组成,通过数字化方法建立与实体设备相映射的虚拟模型,来达到综采设备在作业过程中虚实交互、智能决策、精准控制和动态演化的目的。阐述智采工作面常态化运行要求和采煤机、液压支架和刮板输送机的相关控制难点。提出了智采工作面单机数字孪生驱动控制架构,包括机理模型、控制模型、孪生数据模型和数字孪生模型同步与演化等要素;研究数字孪生虚实交互方法,利用信息物理系统来保障信息交互能力,采用知识模型来解决数据拥堵问题,为智采工作面数字孪生控制系统的虚实交互提供实时性。提出智采工作面数字孪生驱动的三机协同控制方法,包括三机关联关系、智能采煤控制、智能支护控制与智能运输控制。最后以矿山数字孪生实际应用为例,通过建立相关模型和设计相关实验方案,对数字孪生智能控制进行验证。通过展开数字孪生智能控制架构、模式等理论研究,旨在解决目前综采工作面存在的环境感知程度低、设备预测精度差和人工干预强度大等问题,实现在复杂环境条件下设备的自适应控制与人机交互,为煤矿智能化建设提供借鉴意义。

数字孪生智采工作面技术架构研究

为了进一步提高煤矿井下智能化采煤工作面系统自主运行和人机交互能力,达到真正的无人化开采境界,提出数字孪生智采工作面系统(Digital Twin Smart Mining Workface)的概念、架构及构建方法,融合应用5G通信技术、物联网技术和仿生智能技术,从而搭建一个智采工作面的数字孪生远程操作平台。首次定义数字孪生智采工作面是一个数据可视化、人机强交互、工艺自优化的高逼真采煤工作面三维镜像场景,它由物理工作面、数字工作面和数据信息3个部分组成。介绍了DTSMW系统涉及的物理工作面、虚拟工作面、孪生数据、信息交互、模型驱动、边缘计算、沉浸式体验、云端服务、信息物理系统、智能终端等10项关键技术。新的DTSMW系统具有开采过程仿真、优化和监控功能,可以实现开采工艺数字孪生、开采过程数字孪生、设备性能数字孪生、生产管理数字孪生和生产安控数字孪生。研究了智采工作面的仿生智能特性,阐述了物理模块(躯干)、信息模块(大脑)、通信模块(神经)、控制模块(脑肌)、孪生模块(映像)的基本功能特征,特别描述了采煤机、液压支架和刮板输送机的仿生智能要素。针对DTSMW系统数据的高度依赖性,首次将智采工作面复杂信息归纳为3条信息流,用于描述采煤过程的环境、控制和能量状态。环境信息流和控制信息流来自煤岩体对采煤机、液压支架、煤流运输机组的输入信息及其调控信息,能量信息流来自开采装备对煤层、岩层变量调控所产生的能量交换状态信息。针对智采工作面的巨大信息流量,提出了管理DTSMW信息流的数据主线(Digital Thread)方法,将信息流的数据分为周期性数据、随机性数据和突发性数据进行建模处理,以确保数字孪生智采工作面的数据驱动及稳定运行。通过对比分析,DTSMW系统比现有远程集控中心的智能性提高了一个层次,可为中级智采工作面实现无人化运行提供新的监控系统架构。

智采工作面中部液压支架集群自动化后人工调控决策模型

智采工作面在液压支架自动跟机完成后,会出现丢架、直线度不平整、支架歪斜等异常工况,需要人工调控,目前研究缺乏对智采工作面生产过程中液压支架自动化后人工调控工况的知识发现,不利于工人快速判断需人工调控的液压支架架号。针对上述问题,从判别液压支架自动化后动作不达标液压支架架号出发,提出了一种智采工作面中部液压支架集群自动化后人工调控决策模型。首先,对工作面历史数据进行分析,得出液压支架自动跟机完成后3个特征值(即自动跟机拉架距离、自动跟机前后的推移油缸行程变化量、采煤机位置支架号与被判断支架号的绝对差值)可作为判别液压支架自动跟机后是否进行人工调控的重要特征。根据上述结论,给出了液压支架集群自动化后人工调控决策模型结构,其中数据采集模块用于提供原始数据;数据预处理模块对原始数据进行异常值处理、筛选、排序和相关性分析等数据准备工作;特征工程模块对上述3个特征值进行计算及标准化处理,为分类模型提供样本集;分类模型对样本集进行划分后,利用ID3决策树进行分类,最后输出正常工况下的液压支架架号与需人工调控的液压支架架号。模型评估结果表明,与传统K最近邻(KNN)、支持向量机(SVM)、逻辑回归(LR)等分类算法相比,基于ID3决策树的智采工作面中部液压支架工况分类模型的训练集准确率为92.27%,测试集准确率为93.75%,能够较好地判别自动化后人工调控液压支架架号。

煤矿智采工作面概念及系统架构研究

基于时间维度梳理了智能化采矿概念,提出智采工作面定义--一个在不同程度上无需人工干预而独立完成采煤作业的生产系统,指出智采工作面的基础是智能机器,其特征是自主感控,功能是独立作业,目的是无人化开采。明确了智采工作面应具有自主感知、自主决策、自主控制、自主协同、自主交互等5个智能要素。根据这些智能要素的水平差异,将智采工作面划分为初级、中级和高级,其发展与自动化、信息化、互联化工作面建设相衔接,是一个渐进提升的过程:预计到2025年左右,我国重点煤矿将实现初级智能化采煤作业;到2035年进入中级智能化,智采工作面具有自主感知、自主调控能力,在条件较好的一些煤矿基本实现无人化采煤作业;2045年左右,我国煤矿将建成高级智采工作面,实现工作面无人化开采。为此,构建了智采工作面评价指标体系,介绍了定性的蛛网图评价法和定量的层次分析评价法。为了提高智采工作面建设系统性,建立了智采工作面耦合关联模型,提出采煤工艺、设备和煤流的3个智能闭环,以提高采煤与煤层、支护与岩层、运输与割煤的自适应性;提出一个涵盖功能维、技术维和组织维的智采工作面体系架构,为智采工作面实现跨机群、跨平台的纵向和横向集成,形成协同与共治的智能开采生态提供模型化基础。

煤矿数字孪生智采工作面系统构建

为实现煤矿井下采煤工作面的全面感知、实时互联、分析决策、自主学习、动态预测和协同控制,本文构建了数字孪生智采工作面系统的整体框架。首先,将数字孪生智采工作面系统划分为3个层次,并给出各层次的功能及特征;其次,分别构建了数字孪生智采工作面系统中采煤机、刮板输送机、转载机、破碎机、带式输送机、液压支架、乳化液泵站及工作面环境的数据感知模型,并深入剖析采煤机、液压支架、煤流运输系统及设备与环境之间的协同约束关系;最后,给出数字孪生智采工作面系统的整体应用体系结构。基于该数字孪生智采工作面系统,可以实现物理矿山实体与数字矿山孪生体之间的虚实映射与实时交互、数字孪生体的智能感知与协同控制,为提升采煤工作面智能化水平提供实现依据。

知识驱动的智采数字孪生主动管控模式

构建煤矿智采工作面数字孪生系统需要挖掘“环-机-物”孪生体之间的隐含知识链和操作人员的决策控制经验,并建立虚实空间之间合理的信息交互方式。但是,物理空间与虚拟空间目前仅采用单一的被动信息交互机制。为解决生产运行控制与安全管理决策对开采过程不确定性的适应能力不足、虚拟空间对物理空间的综合管控鲁棒性不强、物理空间设备协同利用率不高等问题,提出一种新型的知识驱动虚实空间主动管控模式。构建了智采工作面五维数字孪生模型,并给出各个维度的具体含义;采用知识工程理论,给出智采工作面全工艺流程中的知识属性划分,建立3类先验知识的规则和模型表达;深入剖析“环-机-物”之间的多层次、多能流关联耦合关系,构建相应的知识动态演化模型;引入机器学习和决策优化方法,建立知识引导的虚实空间信息主动管控机制,从而形成数字孪生智采工作面的知识提取、知识迁移与知识利用新范式。通过提出的虚实空间新型主动管控模式,能够更好地应对煤矿地质条件的不确定性、开采环境的时空动态性,以及开采过程设备群的多样性,为煤矿高效、低碳的智能化开采提供技术支撑,实现平行矿山建设中的“信息可见、轨迹可循、状态可查”提供知识层面的高保真映射框架和决策控制机制。

液压支架时空区域支护质量动态评价

液压支架支护过程是一个时间、空间上的动态变化过程,目前液压支架支护质量评价大多关注支架静态特征,对支架立柱压力动态变化研究较少。针对上述问题,采用深度学习方法构建了一种基于改进型LeNet-5网络的液压支架时空区域支护质量动态评价模型。首先,将工作面液压支架立柱压力数据进行预处理(缺失值填充、异常值处理、筛选、排序等),得到较为完整的液压支架压力数据。其次,将预处理后的液压支架立柱压力数据按照时间和空间排列,并提取反映智采工作面液压支架支护情况的初撑力、循环末阻力、时间加权阻力、阻力空间分布情况等重要特征量,将压力时间序列和空间序列组合为时间-空间二维总时空压力矩阵。再次,根据工作面支护要求,将时空区域支护质量划分为支护质量初步恶化、支护质量持续恶化、支护质量深度恶化、支护质量保持一般、支护质量初步优化、支护质量持续优化、支护质量保持良好7类,在总时空压力矩阵上使用滑动窗口按照一定间隔截取给定大小的子矩阵,将子矩阵与7类时空区域支护质量一一对应,形成样本和标签。最后,将样本和标签输入改进型LeNet-5网络进行训练,构建液压支架时空区域支护质量评价模型,实时评价该区域支架支护情况。实验结果表明:基于改进型LeNet-5网络的液压支架时空区域支护质量评价模型可用于工作面区域内支护质量动态效果辨识,为现场操作人员有针对性地调整液压支架支护状态提供依据,分类准确率为85.25%,比基于LeNet-5网络的模型提高了12%。同时,改进型LeNet-5网络在训练过程中能较快地收敛到最优解,加快了网络训练速度,验证了改进型LeNet-5网络用于智采工作面液压支架时空区域支护质量评价的优势。