液壓支架支護狀態(tài)感知與數(shù)據(jù)處理技術(shù)

龐義輝

(1.中煤科工開采研究院有限公司，北京 100013；2.天地科技股份有限公司，北京 100013)

0 引言

隨著國家發(fā)展改革委等八部委聯(lián)合印發(fā)《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》，我國煤礦智能化建設(shè)進入新階段[1-2]。以綜采設(shè)備群智能協(xié)同控制為主要特征的工作面智能開采技術(shù)是智能化煤礦建設(shè)的關(guān)鍵，而液壓支架支護狀態(tài)感知與數(shù)據(jù)處理是進行綜采工作面智能決策與自動控制的基礎(chǔ)。

液壓支架是進行采場圍巖穩(wěn)定控制的主要支護設(shè)備，國內(nèi)外學者對液壓支架與圍巖的耦合作用關(guān)系及液壓支架支護姿態(tài)、載荷、應(yīng)力應(yīng)變、推移行程等特征參量感知進行了深入研究。錢鳴高等[3]提出的“砌體梁理論”與宋振騏[4]提出的“傳遞巖梁理論”為我國綜采工作面液壓支架-圍巖支護控制奠定了基礎(chǔ)。王國法等[5-6]通過對頂板巖層斷裂結(jié)構(gòu)與液壓支架載荷動態(tài)變化過程進行深入研究，揭示了液壓支架與圍巖的“三耦合”作用原理，提出了液壓支架對圍巖支護質(zhì)量的綜合評價方法。文獻[7-12]系統(tǒng)分析了液壓支架的承載特性分區(qū)、沖擊動載響應(yīng)特性、工作阻力計算方法等，為液壓支架的結(jié)構(gòu)參數(shù)優(yōu)化設(shè)計提供了技術(shù)支撐。

隨著新一代智能傳感技術(shù)快速發(fā)展[13-14]，液壓支架智能感知技術(shù)與裝備逐步得到推廣應(yīng)用，電液控制系統(tǒng)可實現(xiàn)對整個工作面的液壓支架載荷、姿態(tài)等進行實時監(jiān)測[15]，獲得海量的感知數(shù)據(jù)。美國相關(guān)學者研發(fā)了工作面頂板巖層監(jiān)測與控制系統(tǒng)、液壓支架監(jiān)測與評估系統(tǒng)、液壓支架支護載荷數(shù)據(jù)分析軟件等[16-18]，可實現(xiàn)對頂板來壓、液壓支架載荷、支護質(zhì)量等進行監(jiān)測與數(shù)據(jù)分析。澳大利亞相關(guān)學者開發(fā)了綜采工作面視覺分析技術(shù)、頂板來壓預(yù)測系統(tǒng)等，實現(xiàn)了對液壓支架監(jiān)測數(shù)據(jù)的智能感知與分析處理[19-20]。德國相關(guān)電液控制系統(tǒng)制造企業(yè)研發(fā)應(yīng)用了液壓支架支護高度、壓力、姿態(tài)等監(jiān)測裝置，開發(fā)了相關(guān)數(shù)據(jù)處理軟件，取得了初步的應(yīng)用效果[21]。我國學者研發(fā)應(yīng)用了多種類型的有線、無線液壓支架支護狀態(tài)感知元件，開發(fā)了基于壓力變化/時間變化的頂板采動應(yīng)力監(jiān)測裝置、液壓支架支護狀態(tài)感知與數(shù)據(jù)分析系統(tǒng)等[22-24]，初步實現(xiàn)了對頂板巖層斷裂失穩(wěn)及液壓支架初撐力、工作阻力、支護姿態(tài)等數(shù)據(jù)進行實時采集與分析處理。

現(xiàn)有液壓支架支護狀態(tài)感知與數(shù)據(jù)處理技術(shù)主要是對液壓支架初撐力、循環(huán)末阻力等進行統(tǒng)計分析，存在感知信息不充分、數(shù)據(jù)挖掘不深入、預(yù)測預(yù)警不精準等問題。本文分析了采動應(yīng)力與頂板斷裂、液壓支架載荷的關(guān)系，提出了基于頂板斷裂失穩(wěn)、液壓支架承載特征參量等綜合信息的液壓支架支護狀態(tài)感知技術(shù)架構(gòu)，研究了液壓支架支護狀態(tài)感知數(shù)據(jù)挖掘與利用方法，為實現(xiàn)液壓支架自適應(yīng)支護及頂板災(zāi)害超前預(yù)測預(yù)警提供技術(shù)支撐。

1 采動應(yīng)力與頂板斷裂、液壓支架載荷關(guān)系

煤層開采后在圍巖內(nèi)形成的采動應(yīng)力是頂板巖層發(fā)生斷裂失穩(wěn)及液壓支架發(fā)生壓架事故的主要力源[25]。目前，主要采用應(yīng)力解除法、水壓致裂法等方法獲取采場的原始地應(yīng)力[26]，通過鉆孔應(yīng)力計、空心包體應(yīng)變計等監(jiān)測采動應(yīng)力，筆者提出采用基于彈性波的三維CT技術(shù)對采動應(yīng)力的相對變化值進行監(jiān)測[27]。采場上覆巖層斷裂失穩(wěn)過程目前尚沒有比較理想的監(jiān)測手段，主要采用微震、地音等監(jiān)測技術(shù)對巖層斷裂進行推演，或采用相似模擬、數(shù)值模擬等方法對上覆巖層斷裂失穩(wěn)過程進行分析。

為分析采動應(yīng)力與頂板斷裂過程之間的關(guān)系，對陜煤集團神木紅柳林煤礦、陜西未來能源化工有限公司金雞灘煤礦、中煤新集口孜東煤礦大采高工作面礦山壓力進行了現(xiàn)場實測與數(shù)值反演分析，初步得到了三向采動應(yīng)力與頂板巖層斷裂失穩(wěn)過程之間的關(guān)系[28-29]。隨著工作面持續(xù)推進，頂板巖層的最大主應(yīng)力、中間主應(yīng)力均呈現(xiàn)出先增大、后減小、再增大的趨勢，最大主應(yīng)力一般在工作面前方約10 m處達到峰值，并在工作面后方約25 m處取得最小值，隨后緩慢增大；由于頂板巖層在工作面后方難以形成穩(wěn)定的承載結(jié)構(gòu)，中間主應(yīng)力同樣在工作面后方約25 m處取得最小值，但隨著上覆巖層逐漸壓實，中間主應(yīng)力在工作面后方呈現(xiàn)出急劇增大的趨勢；最小主應(yīng)力在頂板巖層斷裂失穩(wěn)過程中發(fā)生劇烈變化，但在采空區(qū)壓實過程中變化不大。

由于頂板巖層的垂直位移可反映上覆巖層斷裂失穩(wěn)過程，為此，提出了頂板巖層斷裂失穩(wěn)過程的“五階段”觀點[29]，即采動應(yīng)力增大階段、頂板離層階段、頂板斷裂失穩(wěn)階段、上覆巖層斷裂失穩(wěn)階段、壓實穩(wěn)定階段。在頂板離層階段，頂板巖層的垂直位移很小，但垂直應(yīng)力迅速減小至零，失去了垂直方向的傳力條件，水平應(yīng)力此時卻急劇增大，之后震蕩下降，當水平應(yīng)力達到最大值后，頂板巖層結(jié)構(gòu)發(fā)生斷裂失穩(wěn)，水平應(yīng)力迅速減小、垂直位移急劇增大。此時，液壓支架載荷既受到直接頂巖層、基本頂巖層斷裂后的自身質(zhì)量(靜載荷)影響，又受到頂板巖層斷裂失穩(wěn)瞬間對液壓支架動載沖擊(動載荷)的影響，同時還與液壓支架支護姿態(tài)有關(guān)。大采高工作面液壓支架合理工作阻力計算應(yīng)考慮液壓支架對煤壁片幫的控制，為此，筆者基于液壓支架與圍巖的耦合動力學模型、與煤壁片幫的“拉裂-滑移”力學模型，提出了液壓支架合理工作阻力確定的“雙因素”控制方法[28]，如圖1所示。

圖1 液壓支架合理工作阻力確定的“雙因素”控制方法

2 液壓支架支護狀態(tài)感知技術(shù)

液壓支架支護狀態(tài)主要包括液壓支架自身姿態(tài)、液壓支架與頂?shù)装宓南鄬ψ藨B(tài)、液壓支架處于工作面的位置、液壓支架千斤頂壓力與位移、液壓支架連接銷軸應(yīng)力與應(yīng)變等，液壓支架支護狀態(tài)特征參量如圖2所示。通過液壓支架立柱下縮量、平衡千斤頂行程、頂梁傾角、掩護梁傾角、底座傾角可計算出液壓支架自身姿態(tài)[30]，但工作面一般存在一定的仰俯角與側(cè)向傾角，僅獲取液壓支架自身姿態(tài)難以確定液壓支架支護狀態(tài)，需要確定液壓支架與頂?shù)装宓南鄬ψ藨B(tài)。在液壓支架前方刮板輸送機中部槽位置安裝傾角傳感器可監(jiān)測液壓支架下一個推移步距后工作面底板的三向傾角(絕對角度)，對移架后監(jiān)測的液壓支架自身姿態(tài)與刮板輸送機中部槽監(jiān)測結(jié)果進行對比，便可獲取液壓支架相對于工作面頂?shù)装宓南鄬χёo姿態(tài)[31](仰俯角與側(cè)向傾角)。

圖2 液壓支架支護狀態(tài)特征參量

目前，液壓支架主要承載構(gòu)件的壓力、位移、傾角等參數(shù)主要采用接觸式傳感器進行監(jiān)測，但綜采工作面一般有100～200臺液壓支架，需要在每臺液壓支架上布設(shè)接觸式傳感器(圖3)，傳感器數(shù)量非常多，存在液壓支架支護狀態(tài)感知信息獲取成本高、可靠性差、數(shù)據(jù)處理復(fù)雜、安裝管理困難、維護量大等問題。

圖3 液壓支架支護狀態(tài)感知傳感器布設(shè)

現(xiàn)有工作面一般很少按照圖3所示全面進行傳感器布設(shè)，難以實現(xiàn)對所有液壓支架的壓力、姿態(tài)等支護狀態(tài)進行全面感知，導(dǎo)致工作面液壓支架支護狀態(tài)感知信息不足。另外，由于傳感器的裝配與校對直接影響監(jiān)測效果，且開采環(huán)境的溫度、濕度、粉塵等對傳感器精度影響較大，工程現(xiàn)場經(jīng)常出現(xiàn)監(jiān)測值異常、傳感器失效等問題。

非接觸式傳感器具有單次感知信息量大、布設(shè)簡單、安裝維護方便等優(yōu)點，比較適宜對井下液壓支架支護姿態(tài)進行感知。我國部分企業(yè)研發(fā)了無線、低功耗、自供電傳感器[32]，初步解決了傳統(tǒng)傳感器功耗大、接線困難、不易組網(wǎng)、可靠性差等問題。另外，部分學者嘗試采用機器視覺方法對液壓支架支護姿態(tài)進行解算[33]，但如何在高粉塵、水霧等影響下獲取成排液壓支架的整體姿態(tài)成像信息，以及在工作面推進過程中如何對雙目視覺進行標定，將直接影響監(jiān)測效果。基于機器視覺的非接觸式智能感知技術(shù)能夠較好地解決接觸式傳感器存在的布設(shè)數(shù)量多、安裝管理困難、運維成本高等問題，將是實現(xiàn)群組液壓支架支護狀態(tài)監(jiān)測的有效手段，但相關(guān)技術(shù)目前尚不成熟，尚未在液壓支架狀態(tài)感知領(lǐng)域進行廣泛推廣應(yīng)用。

目前，我國絕大部分綜采工作面主要通過布設(shè)礦山壓力監(jiān)測分站的方式對液壓支架立柱壓力進行監(jiān)測，部分礦井采用電液控制系統(tǒng)實現(xiàn)了對整個工作面所有液壓支架的立柱壓力進行監(jiān)測，但均未對液壓支架支護狀態(tài)進行全面感知，僅獲取液壓支架立柱壓力難以對頂板冒頂、液壓支架壓架等事故進行超前預(yù)測預(yù)警或?qū)κ鹿试蜻M行分析。為此，筆者提出了基于液壓支架與圍巖耦合關(guān)系的液壓支架支護狀態(tài)綜合感知技術(shù)架構(gòu)，如圖4所示。

圖4 液壓支架支護狀態(tài)綜合感知技術(shù)架構(gòu)

根據(jù)采場上覆巖層的巖性與物理力學性質(zhì)、初始地應(yīng)力場、工作面開采技術(shù)參數(shù)等，可獲取工作面頂板巖層三向采動應(yīng)力，并對頂板巖層斷裂結(jié)構(gòu)、失穩(wěn)過程進行推演；通過對液壓支架自身姿態(tài)、立柱壓力、平衡千斤頂壓力/拉力、連接銷軸應(yīng)力/應(yīng)變進行感知，可建立液壓支架靜力學與動力學模型、載荷-姿態(tài)模型及運動學模型，從而對液壓支架支護狀態(tài)進行分析推演；將液壓支架支護狀態(tài)與頂板巖層三向采動應(yīng)力、斷裂失穩(wěn)過程進行綜合推演分析，可為實現(xiàn)液壓支架自適應(yīng)支護及異常支護工況、頂板災(zāi)害預(yù)測預(yù)警提供數(shù)據(jù)支撐。

3 液壓支架支護狀態(tài)感知數(shù)據(jù)處理及預(yù)測技術(shù)

目前，液壓支架支護狀態(tài)感知數(shù)據(jù)(主要是立柱壓力)處理技術(shù)主要是對液壓支架的初撐力、循環(huán)末阻力等進行統(tǒng)計分析，計算工作面來壓步距、動載系數(shù)、來壓強度等指標，但對感知數(shù)據(jù)的挖掘利用不足[34-36]，分析結(jié)果的可解釋性比較差，難以指導(dǎo)工程實踐。

隨著大數(shù)據(jù)、云計算、邊緣計算等技術(shù)快速發(fā)展，機器學習、深度學習、遺傳算法、集成算法等逐漸在煤礦智能化領(lǐng)域應(yīng)用，為液壓支架支護狀態(tài)感知數(shù)據(jù)處理及預(yù)測提供了新的技術(shù)路徑。但由于液壓支架支護狀態(tài)感知數(shù)據(jù)維度較低，一般只有液壓支架壓力、姿態(tài)等數(shù)據(jù)，并且液壓支架壓力、姿態(tài)及圍巖的相關(guān)感知數(shù)據(jù)存在一定的關(guān)聯(lián)關(guān)系，具有維度低、樣本數(shù)量少、多特征參量關(guān)聯(lián)的特點，導(dǎo)致傳統(tǒng)的人工智能算法難以直接應(yīng)用于感知數(shù)據(jù)處理與預(yù)測，需要進行針對性的算法開發(fā)。

由于液壓支架立柱壓力受到頂板巖層采動應(yīng)力、工作面推進速度、液壓支架與頂板巖層斷裂線的相對位置關(guān)系等因素影響[37-38]，在工作面推進過程中液壓支架持續(xù)重復(fù)降架、移架、升架、支護等循環(huán)動作，其工作阻力的大小、變化規(guī)律具有明顯的時間效應(yīng)，是一種隨著時間推移呈現(xiàn)出動態(tài)循環(huán)變化的時間序列數(shù)據(jù)[39]。時間序列數(shù)據(jù)分析方法主要分為2類[40]：① 基于統(tǒng)計學原理的時間序列數(shù)據(jù)模型；② 采用機器學習、深度學習(循環(huán)神經(jīng)網(wǎng)絡(luò)、長短期記憶人工神經(jīng)網(wǎng)絡(luò))等智能算法進行時間序列數(shù)據(jù)建模分析。筆者基于口孜東煤礦液壓支架壓力現(xiàn)場實測數(shù)據(jù)，采用滑動窗口方法、差分整合移動平均自回歸(Autoregressive Integrated Moving Average，ARIMA)算法、季節(jié)性差分自回歸滑動平均(Seasonal Autoregressive Integrated Moving Average，SARIMA)算法對監(jiān)測數(shù)據(jù)進行分析[41]。由于液壓支架支護狀態(tài)感知數(shù)據(jù)具有一定的循環(huán)周期特征，采用帶有周期項的SARIMA算法取得了較好的數(shù)據(jù)擬合效果，對下一個時刻的液壓支架載荷預(yù)測效果較好，而對下一個液壓支架支護循環(huán)周期的預(yù)測效果較差，需要根據(jù)液壓支架的循環(huán)支護特性進行相關(guān)算法開發(fā)。

針對液壓支架循環(huán)支護壓力預(yù)測難題，筆者提出了基于液壓支架壓力數(shù)據(jù)擬合模板曲線庫的預(yù)測思路[42]，如圖5所示。首先，以液壓支架的1個支護循環(huán)周期為基礎(chǔ)，對監(jiān)測的液壓支架支護狀態(tài)感知數(shù)據(jù)(主要為液壓支架壓力數(shù)據(jù))進行切割，可采用滑動窗口方法、ARIMA算法、SARIMA算法等對每一個支護循環(huán)周期的數(shù)據(jù)進行擬合分析，并根據(jù)擬合數(shù)據(jù)特點進行分類(正常支護工況、異常支護工況、頂板來壓等)，基于數(shù)據(jù)擬合結(jié)果可構(gòu)建液壓支架單個支護循環(huán)周期數(shù)據(jù)模板曲線庫。然后，以1次頂板來壓為1個周期對液壓支架支護狀態(tài)感知數(shù)據(jù)進行切割，將每個頂板來壓周期劃分為基于單個液壓支架支護循環(huán)周期模板曲線的數(shù)據(jù)段，由此建立單個頂板來壓周期的液壓支架支護狀態(tài)模板曲線庫。最后，根據(jù)液壓支架支護狀態(tài)實時采集數(shù)據(jù)，采用相關(guān)數(shù)據(jù)算法對單個液壓支架支護循環(huán)周期的數(shù)據(jù)發(fā)展趨勢進行預(yù)測，并在液壓支架單個支護循環(huán)周期數(shù)據(jù)模板曲線庫內(nèi)進行比對分析，確定最有可能的液壓支架支護狀態(tài)發(fā)展趨勢，根據(jù)不同的單個液壓支架支護狀態(tài)曲線關(guān)聯(lián)關(guān)系，采用相關(guān)算法在單個頂板來壓周期的液壓支架支護狀態(tài)模板曲線庫中進行對比分析，從而確定1個頂板來壓周期的液壓支架支護狀態(tài)發(fā)展趨勢，基于數(shù)據(jù)分析處理結(jié)果，實現(xiàn)對液壓支架異常支護工況的超前預(yù)測預(yù)警。

圖5 基于模板曲線庫的液壓支架支護狀態(tài)感知數(shù)據(jù)分析預(yù)測

基于采動應(yīng)力與液壓支架支護狀態(tài)之間的映射關(guān)系，筆者提出了頂板災(zāi)害智能預(yù)測平臺技術(shù)架構(gòu)(以兩柱掩護式液壓支架為例)，如圖6所示。通過對大量的液壓支架壓力、液壓支架絕對姿態(tài)、液壓支架相對姿態(tài)進行監(jiān)測及數(shù)據(jù)映射分析，建立液壓支架載荷-姿態(tài)特征庫。將工作面現(xiàn)場監(jiān)測的液壓支架頂梁傾角、立柱壓力、立柱下縮量等相關(guān)信息置入液壓支架載荷-姿態(tài)特征庫進行比對，判斷液壓支架支護狀態(tài)是否存在異常。如果存在異常，進行支護狀態(tài)異常報警，并對液壓支架載荷、姿態(tài)進行調(diào)整；如果沒有異常，基于上述液壓支架1個支護循環(huán)周期的載荷預(yù)測方法，進行下一個液壓支架支護循環(huán)周期載荷變化規(guī)律的預(yù)測，并將預(yù)測結(jié)果置入液壓支架單個支護循環(huán)周期數(shù)據(jù)模板曲線庫進行比對，采用分類算法確定液壓支架的載荷變化模板曲線，并與頂板災(zāi)害發(fā)生閾值進行對比。如果預(yù)測值超出閾值，進行災(zāi)害報警；如果預(yù)測值沒有超出閾值，將預(yù)測的液壓支架單個支護循環(huán)周期數(shù)據(jù)模板曲線置入單個頂板來壓周期的液壓支架支護狀態(tài)模板曲線庫，預(yù)測得出下一個頂板來壓周期的液壓支架載荷變化規(guī)律，并與頂板災(zāi)害發(fā)生閾值進行對比，如果預(yù)測值超出閾值，進行災(zāi)害報警。當完成1個液壓支架支護循環(huán)周期的液壓支架載荷監(jiān)測時，將監(jiān)測數(shù)據(jù)存入液壓支架單個支護循環(huán)周期數(shù)據(jù)模板曲線庫；當完成1個頂板來壓周期的液壓支架載荷監(jiān)測時，將監(jiān)測數(shù)據(jù)存入單個頂板來壓周期的液壓支架支護狀態(tài)模板曲線庫，增加樣本數(shù)量，提高頂板災(zāi)害預(yù)測準確性。

圖6 頂板災(zāi)害智能預(yù)測平臺技術(shù)架構(gòu)

4 結(jié)語

液壓支架支護狀態(tài)感知與數(shù)據(jù)處理是實現(xiàn)液壓支架自適應(yīng)支護及頂板災(zāi)害超前預(yù)測預(yù)警的關(guān)鍵。壓力傳感器、位移傳感器、行程傳感器、傾角傳感器等傳統(tǒng)接觸式傳感器難以適應(yīng)工作面群組液壓支架支護狀態(tài)全面感知的要求，亟需開展非接觸式傳感器的研發(fā)；由于液壓支架為被動承載支護裝置，僅獲取液壓支架支護狀態(tài)難以實現(xiàn)對圍巖控制效果、頂板斷裂結(jié)構(gòu)的反演分析，需要基于液壓支架與圍巖的耦合作用關(guān)系，對二者的感知信息進行數(shù)據(jù)關(guān)聯(lián)分析；傳統(tǒng)的人工智能算法難以適應(yīng)液壓支架支護狀態(tài)感知數(shù)據(jù)維度低、樣本數(shù)量少、多特征參量關(guān)聯(lián)的特點，將圍巖結(jié)構(gòu)力學模型、液壓支架支護狀態(tài)模型、液壓支架運動學模型、液壓支架動力學模型與基于感知信息的數(shù)據(jù)驅(qū)動模型進行綜合分析，深入開展機器視覺、數(shù)據(jù)挖掘、多目標優(yōu)化、集成算法、遺傳算法等在液壓支架支護狀態(tài)感知數(shù)據(jù)處理領(lǐng)域的融合應(yīng)用，將為實現(xiàn)液壓支架自適應(yīng)支護、頂板災(zāi)害預(yù)測預(yù)警提供技術(shù)支撐。