綜采工作面采煤機(jī)自動(dòng)化控制技術(shù)研究

李學(xué)兵

（山西煤炭運(yùn)銷集團(tuán)能源投資開(kāi)發(fā)有限公司， 山西 太原 030053）

引言

我國(guó)煤炭資源儲(chǔ)量豐富，但賦存不均，長(zhǎng)期以來(lái)我國(guó)能源格局呈現(xiàn)多煤、少油、貧氣的特點(diǎn)，我國(guó)能源的格局直接決定了煤炭資源將長(zhǎng)期處于我國(guó)能源消耗中最為重要的一環(huán)。且在未來(lái)發(fā)展的過(guò)程中，煤炭資源的地位長(zhǎng)期不會(huì)發(fā)生變化，所以煤炭資源的高效開(kāi)采對(duì)于我國(guó)國(guó)民生產(chǎn)生活十分重要。煤礦機(jī)械是指在煤炭開(kāi)采過(guò)程中承載工作任務(wù)的機(jī)械設(shè)備，其主要由刮板輸送機(jī)、提升機(jī)、采煤機(jī)等組成，煤礦機(jī)械的工作性能直接決定了煤礦的開(kāi)采效率。近年來(lái)，我國(guó)綜采面的機(jī)械化程度不斷趨于智能化、無(wú)人化、自動(dòng)化，采煤機(jī)作為我國(guó)重要的煤礦開(kāi)采設(shè)備[1-2]，其主要負(fù)責(zé)截煤、落煤、裝煤等工作。由于煤礦環(huán)境較為惡劣，使得采煤機(jī)管理十分復(fù)雜，為了保證采煤機(jī)安全運(yùn)行，對(duì)采煤機(jī)自動(dòng)化管理技術(shù)研究十分重要[3-4]。本文基于煤巖識(shí)別技術(shù)對(duì)從采煤機(jī)自動(dòng)化管理進(jìn)行研究，為綜采面機(jī)械自動(dòng)化發(fā)展提供一定的參考。

1 煤巖識(shí)別技術(shù)

實(shí)現(xiàn)采煤機(jī)的自動(dòng)化生產(chǎn)是一個(gè)十分復(fù)雜的工作。其主要是通過(guò)傳感器、信息技術(shù)、人工智能技術(shù)、科學(xué)技術(shù)等組合而成的一項(xiàng)應(yīng)用化技術(shù)。采煤機(jī)按照設(shè)定的參數(shù)進(jìn)行自動(dòng)化割煤，有效提升礦井采煤機(jī)的工作效率。煤巖識(shí)別技術(shù)是采煤機(jī)自動(dòng)化的關(guān)鍵。在工作面日常開(kāi)采過(guò)程中，由于煤層常常會(huì)出現(xiàn)夾矸的情況，采煤機(jī)無(wú)法分辨煤與矸石而進(jìn)行統(tǒng)一截割，使得采煤機(jī)截齒發(fā)生較大的磨損，且影響礦井的出煤率，增大勞動(dòng)強(qiáng)度。

目前煤巖識(shí)別技術(shù)可以大致分為兩大類，分別為物理識(shí)別法和圖像識(shí)別法，物理識(shí)別法主要包含同位素探測(cè)法、紫外線探測(cè)法、無(wú)線電探測(cè)法及噪聲探測(cè)法等。隨著21 世紀(jì)人工智能的不斷發(fā)展，基于機(jī)器學(xué)習(xí)的圖像煤巖識(shí)別方法逐步發(fā)展。傳統(tǒng)的圖像識(shí)別方法主要依靠煤巖圖像色彩進(jìn)行識(shí)別，此類方法識(shí)別效率低、識(shí)別精度較差，不能同時(shí)識(shí)別不同物體，所以本文研究基于機(jī)器深度學(xué)習(xí)算法的煤巖識(shí)別技術(shù)。

Faster R-CNN 物體識(shí)別算法，是在2016 年提出，通過(guò)測(cè)試發(fā)現(xiàn)，F(xiàn)aster R-CNN 算法不僅能夠提升煤巖識(shí)別的速度，同時(shí)圖像識(shí)別的精度也得到了很大的提升，F(xiàn)aster R-CNN 物體識(shí)別算法是端到端的網(wǎng)絡(luò)，其通過(guò)建立卷積神經(jīng)網(wǎng)絡(luò)提取圖像的特征，代替原有的手動(dòng)提取，使得提升速度提升250 倍。Faster R-CNN 網(wǎng)絡(luò)是由反向及前向傳播網(wǎng)絡(luò)兩個(gè)部分組成，對(duì)輸入的數(shù)據(jù)進(jìn)行分析，從而給出輸出數(shù)據(jù)，同時(shí)通過(guò)對(duì)比輸出數(shù)據(jù)與實(shí)際監(jiān)測(cè)數(shù)據(jù)的差值，從而得到最優(yōu)的參數(shù)。Faster R-CNN 物體識(shí)別算法的前向傳播網(wǎng)絡(luò)共有4 個(gè)子單元構(gòu)成，分別為VGG16 網(wǎng)絡(luò)、RPN 網(wǎng)絡(luò)、ROI Pooling 網(wǎng)絡(luò)及R-CNN網(wǎng)絡(luò)。

基于Faster R-CNN 物體識(shí)別算法及編程語(yǔ)言編寫機(jī)器學(xué)習(xí)語(yǔ)言，網(wǎng)絡(luò)通過(guò)ImageNet 識(shí)別VGG16卷積神經(jīng)網(wǎng)絡(luò)，對(duì)各參數(shù)進(jìn)行初始化。對(duì)參數(shù)進(jìn)行優(yōu)化，設(shè)定學(xué)習(xí)頻率為0.001，訓(xùn)練次數(shù)為4800 次，動(dòng)量設(shè)定為0.9，每次訓(xùn)練出圖100 張，此時(shí)得出煤巖識(shí)別結(jié)果，煤巖識(shí)別結(jié)果如下頁(yè)圖1 所示。

如圖1 所示，在實(shí)際生產(chǎn)中形成的圖片會(huì)有紅色外框，同時(shí)在外框的上端邊界位置會(huì)標(biāo)出判別的可信度?？梢钥闯隹尚卸染笥?.9，所以基于Faster R-CNN 物體識(shí)別算法準(zhǔn)確性較高且計(jì)算速度較快。

圖1 煤巖識(shí)別結(jié)果圖

2 煤層模型建立及截割線路分析

在復(fù)雜工作面，實(shí)現(xiàn)采煤機(jī)智能化、自動(dòng)化開(kāi)采需要對(duì)煤層的地質(zhì)信息進(jìn)行預(yù)先感知，通過(guò)建立三維煤層模型使得煤層內(nèi)部地質(zhì)情況區(qū)域透明化、數(shù)據(jù)化、可視化，所以建立合理的地質(zhì)模型十分重要。模型的建立主要依賴于地質(zhì)的數(shù)據(jù)及對(duì)數(shù)據(jù)的處理。首先對(duì)煤層地質(zhì)進(jìn)行鉆孔，分別測(cè)量煤層開(kāi)切眼巷、運(yùn)輸巷、回風(fēng)巷等頂板底板的物理參數(shù)。對(duì)煤層表面三角網(wǎng)模型進(jìn)行建立，選用狄羅尼三角網(wǎng)進(jìn)行模型建立，狄羅尼三角網(wǎng)具有數(shù)據(jù)處理快及表觀特性及局部更新速度快等優(yōu)點(diǎn)，按照6 個(gè)刨分準(zhǔn)則進(jìn)行刨分，分別為最短距離和準(zhǔn)則、最大最小角準(zhǔn)則、空外接圓準(zhǔn)則、面積比準(zhǔn)則、張角最大準(zhǔn)則，通過(guò)高低不同的三角網(wǎng)顯示煤層地質(zhì)表觀特性。同時(shí)選用D-TIN-GTP 放樣建模法對(duì)煤層模型進(jìn)行生成，利用生成的狄羅尼三角網(wǎng)，找出頂板煤層頂板底板的三角形放樣命令對(duì)煤層地質(zhì)模型進(jìn)行建立。煤層地質(zhì)模型建立流程如圖2 所示。

圖2 煤層地質(zhì)模型建立流程如圖

從圖2 可以看出，首先進(jìn)行模型數(shù)據(jù)點(diǎn)的信息讀取，形成頂板底板三角網(wǎng)，完成三角網(wǎng)建立后對(duì)模型生成準(zhǔn)則進(jìn)行驗(yàn)證，檢查圖形信息對(duì)應(yīng)關(guān)系，當(dāng)對(duì)應(yīng)關(guān)系不符時(shí)，此時(shí)重新回到三角形圖元數(shù)據(jù)界面調(diào)整數(shù)據(jù)信息，當(dāng)圖元信息相互對(duì)應(yīng)后執(zhí)行放樣命令，此時(shí)煤層地質(zhì)模型建立完成。完成煤層模型初步建立后對(duì)基于信息融合對(duì)模型進(jìn)行修正，具體步驟大致分為獲取信息、提煉信息、信息分析對(duì)比、作出優(yōu)化決策。數(shù)據(jù)融合修正后煤層曲面如圖3 所示。

圖3 數(shù)據(jù)融合修正后煤層曲面圖

完成煤層模型設(shè)定后對(duì)模型的預(yù)割煤線進(jìn)行研究，傳統(tǒng)的記憶割煤技術(shù)在應(yīng)用過(guò)程中，常常會(huì)受到煤層厚度及煤層傾角變化的影響，此時(shí)自動(dòng)截割的精度將會(huì)大大折扣，所以需要對(duì)采煤機(jī)的預(yù)截割線路進(jìn)行研究，實(shí)現(xiàn)采煤機(jī)自動(dòng)化管理。

首先需要對(duì)采取進(jìn)行統(tǒng)一坐標(biāo)，通過(guò)構(gòu)建的采區(qū)地理信息，將煤層地質(zhì)模型信息與采煤機(jī)姿態(tài)位置信息進(jìn)行融合。根據(jù)采煤機(jī)與開(kāi)采煤層間的空間位置信息及工況環(huán)境，設(shè)定采區(qū)正東方為建立坐標(biāo)軸的X 軸，采取正北方為坐標(biāo)軸的Y 軸，垂直向上方向?yàn)樽鴺?biāo)軸的Z 軸。利用慣性導(dǎo)航技術(shù)進(jìn)行截割線的確定，慣性導(dǎo)航技術(shù)是通過(guò)測(cè)量元件得到的線參數(shù)及角參數(shù)計(jì)算得出采煤機(jī)位置、速度及姿態(tài)位置的一種導(dǎo)航方法，此方法不受到外部信息的干擾，準(zhǔn)確、及時(shí)、全面定位采煤機(jī)的姿態(tài)位置。完成采煤機(jī)姿態(tài)位置確定后，利用遺傳算法對(duì)割煤線路進(jìn)行優(yōu)化分析，實(shí)現(xiàn)割煤線路的平滑擬合。確保割煤線路與煤巖分界線完美貼合，保證切割準(zhǔn)確性，提升礦井開(kāi)采的經(jīng)濟(jì)效益。采煤機(jī)優(yōu)化割線結(jié)果如圖4 所示。

圖4 采煤機(jī)優(yōu)化割線結(jié)果

從圖4 可以看出，采用遺傳算法可以較好優(yōu)化采煤機(jī)的割煤線路。圖4 中虛線表示煤層模型頂板曲線，優(yōu)化后的割煤線路如光滑曲線所示，可以看出煤層模型頂板曲線和優(yōu)化后的割煤線路有著較大的差異，經(jīng)過(guò)優(yōu)化后的曲線平滑, 保證了較高的回采率，有效提升了采煤機(jī)自動(dòng)化運(yùn)行可行性。

3 結(jié)論

本文為了研究采煤機(jī)自動(dòng)化管理平臺(tái)，對(duì)基于機(jī)器深度學(xué)習(xí)算法的煤巖識(shí)別技術(shù)進(jìn)行分析，通過(guò)煤巖識(shí)別結(jié)果圖驗(yàn)證了機(jī)器深度學(xué)習(xí)煤巖識(shí)別技術(shù)的優(yōu)越性。同時(shí)通過(guò)對(duì)煤層模型建立及截割線路等進(jìn)行分析，為采煤機(jī)自動(dòng)化管理技術(shù)實(shí)現(xiàn)提供保證，為礦井智能化、自動(dòng)化工作面建設(shè)做出一定的貢獻(xiàn)。