近红外光谱煤岩识别装置研制

目前近红外光谱煤岩识别都是在静态下采集光谱数据进行离线识别,无法适应放顶煤作业时需要实时识别输送机上高速移动煤岩的需求。针对该问题,基于近红外光谱技术研制了一种煤岩识别装置。该装置由数据采集与处理装置和光源探头一体化装置组成,通过光源探头一体化装置搜集煤岩反射光,利用数据采集与处理装置中改进的煤岩识别算法(余弦角算法和相关系数法)分析光谱数据,可在获取到煤岩光谱曲线后立即分析光谱信息并判断当前煤岩类别。为得到改进煤岩识别算法最佳特征波段与标准光谱库大小,通过实验得到了不同特征波段和标准光谱库大小对识别准确度的影响:1300—1500,1800—2000,2100—2300 nm特征宽度适用于大多数煤岩样本,标准光谱库大小与正确率正相关,识别时标准光谱库有必要增加曲线数量。为提高煤岩识别装置采集的光谱质量,在实验室模拟了煤岩与光源探头一体化装置的相对运动,探究了不同光谱采集参数对光谱质量的影响规律:积分时间主要参考光源的光照强度,当采集条件较好时积分时间设置为比下限略高5〜10 ms最佳;考虑综放工作面对煤岩识别实时性要求高且放煤过程中刮板输送机上煤岩变化较快,积分次数设置为1最佳;平滑次数主要参考环境波动快慢,只需设置为可消除环境光变化即可。为提高煤岩识别装置在工作面煤流运动状态下识别的准确性,探究了改进余弦角算法与相关系数法在煤岩与光源探头一体化装置相对运动中识别的准确性,得到改进相关系数法是更适合在工作面使用的识别算法,正确率达到91.3%。煤矿现场煤岩识别试验结果表明,该装置在采集到1个放煤周期内放落煤岩的光谱曲线后,可通过改进识别算法立即分析光谱信息并准确判断当前煤岩类别,实现了放煤过程中煤岩实时识别。

综采工作面煤层三维模型动态修正方法研究

综采工作面的高精度煤层地理信息是实现智能无人开采的关键,但现阶段所构建的煤层三维模型垂向精度较低,无法满足智能开采的实际需求。针对该问题,提出了一种综采工作面煤层三维模型动态修正方法。将得到的初始煤层三维模型静态数据及开采过程中采煤机截割产生的动态数据融合,基于长短期记忆网络(LSTM)预测算法及其改进算法(基于空间卷积长短期记忆网络(ConvLSTM)、编码-解码长短期记忆网络(Encoder-Decoder LSTM)的预测算法),根据上一回采阶段的煤层数据,动态预测下一阶段未开采区的煤层底板曲面和煤层厚度。采用双层循环嵌套的网格搜索方法对上述3种预测算法进行参数调优,获取未开采区煤层底板曲面和煤层厚度的高精度垂向分布数据,作为煤层三维模型修正值,动态修正下一阶段未开采区的煤层三维模型;随着工作面不断开采,利用新获取的修正数据持续动态修正并更新初始煤层三维模型,从而提升初始煤层三维模型精度,使动态修正后的煤层三维模型能更准确地反映综采工作面实际煤层分布。以山西吕梁市某煤矿18201工作面煤层三维模型为例,采用提出的动态修正方法对该模型进行修正,在工作面推进方向16〜23.2 m范围内,动态修正后的煤层底板平均误差为0.0685 m,煤层顶板平均误差为0.076 m,相较于修正前的底板平均误差0.20 m、煤层厚度垂向平均误差0.40 m,动态修正后的煤层三维模型精度大大提升,证实了该修正方法的有效性。