基于自動化采煤設備定位系統(tǒng)應用研究

安文利，李國強，孫煒歆

(國能寶日希勒能源有限公司，內蒙古 呼倫貝爾 021000)

0 引言

煤礦是我國工業(yè)生產的主要能源之一，對促進社會經濟發(fā)展也起著十分重大的作用[1]。盡管近年來風能、核電、水電、地熱、石油等能源的消費占比在不斷提升，但是已開采利用了上千年的煤炭資源依然有著不可替代的位置，依然是當今工業(yè)能源最大需求商品之一。據國家統(tǒng)計局發(fā)布的中華人民共和國2021年國民經濟和社會發(fā)展統(tǒng)計公報，2021年全年規(guī)模以上工業(yè)中，原煤產量41.3億噸，在未來很長一段時間內，煤炭仍是中國的主體能源，同時，我國也是一個煤礦災害多發(fā)的國家[2]，據國家統(tǒng)計局發(fā)布的中華人民共和國2021年國民經濟和社會發(fā)展統(tǒng)計公報，2021年各類生產安全事故共死亡26 307人，工礦商貿企業(yè)就業(yè)人員10萬人生產安全事故死亡人數1.374人，煤礦百萬噸死亡人數0.045人，因此對于采礦作業(yè)，特別是地下采礦作業(yè)存在的固有危險[3]，如礦井高瓦斯、高潮濕、視線昏暗以及片幫脫落、塌方等危險源，使得發(fā)生礦井事故具有不確定性。使得人們對采礦自動化的需求日益增長。但是由于生產環(huán)境的相對非結構化性質以及隨之而來的設備精確監(jiān)測方面的困難[4]，使得采礦自動化技術發(fā)展緩慢。地表采礦現在采用RTK-GPS和廣泛的無線通信系統(tǒng)來協(xié)助準確定位設備，煤礦井下由于環(huán)境特殊且條件惡劣，GPS等地面應用較多的導航定位系統(tǒng)無法在井下完全發(fā)揮作用[5]，現有的礦下定位方法研究內容主要為井下人員定位，如基于WiFi無線通信的煤礦井下人員定位系統(tǒng)[6]、基于LoRa的煤礦井下人員定位系統(tǒng)[7]，以及煤礦井下超寬帶(UWB)人員定位系統(tǒng)[8]等，而對于采煤機械的定位研究就少，為了在長壁采煤中實現連續(xù)自主開采，必須解決的一個重要問題是測量作業(yè)周期內采礦設備特定部分的位置或方向的微小變化。

需要測量和跟蹤的關鍵參數是跨軌位置和沿軌位置，長臂后退是長壁工作面進入未開采的煤層的過程，同時，隨著采礦的進行，地質和設備的相互作用造成了長壁工作面的壓力變化，導致工作面設備逐漸側滑進煤巷，這就產生了長臂徐變，這種側向運動是不利的，如果不加以控制，可能會導致長壁設備最終撞上煤巷肋，使工作面停止。后退和徐變對應了采礦設備的沿軌和跨軌位置，煤巷機械的準確定位能夠改善長壁工藝的管理，整個礦區(qū)內的相對定位和絕對定位都是至關重要的。來自工廠車間的傳統(tǒng)閉環(huán)自動化技術通常對關鍵設備參數具有高度的確定性，而這在采礦環(huán)境中往往不能實現，因此，基于數據分析的概率方法在管理和自動化挖掘方面顯示出巨大的潛力，在此背景下，本文研究了一個穩(wěn)定和精確的設備定位系統(tǒng)。

1 定位系統(tǒng)所用傳感器

1.1 用于位置測量的傳感器

由于煤礦開采需要在地下進行，工作環(huán)境存在較多的不確定性，造成相關數據收集的延遲。因此需要采用精準的定位系統(tǒng)技術被應用到煤礦開采工作當中，通過精準的定位技術為開采工作提供技術支撐。為了實現精確的定位，人們在各種采礦環(huán)境中考慮了各種傳感技術[9]。相對定位技術，如激光掃描儀和基于雷達的傳感器，已應用于類似的非采礦領域。對于絕對定位，由于地下缺乏普遍的定位基礎設施，導致了替代技術的使用，特別是分布式傳感器網絡。作為高精度的應用，慣性導航系統(tǒng)[10]已被澳大利亞的CSIRO組織成功地應用于長壁和連續(xù)采煤的機器導引，目前煤礦開采中較為常見的是長壁采煤法[11]，它分為后退式和前進式兩種情況，長壁開采過程中主要有未開采區(qū)、采空區(qū)、長臂工作面、長臂板等區(qū)域，煤從長壁工作面開采出來，通過主煤巷運至地表，長壁工作面采礦設備向前移動，進入采煤后留下的空穴，當工作面后退時，設備后面的頂板倒塌，不穩(wěn)定的采空區(qū)留在后面。然而，即使是高端的慣性系統(tǒng)，對于位置估計精度也容易隨著時間的推移而發(fā)生改變，因此需要一個外部參考傳感器，通過周期性地修正慣性估計來對這個誤差源設定一個界限。

激光傳感器是一種具有高速度、高效率和高精度的光學非接觸測量方法，它具有結構簡單，測量方便可靠等特點。早已經應用于各領域，在測量方面的應用也越來越廣泛，其中，基于線結構光原理的激光掃描傳感器具有結構簡單、測量方便可靠等優(yōu)點，在長壁采煤自動化的背景下，一種激光掃描傳感器[12]已經被用來進行位置校正，但這個方案費用高，需要一個大型防爆盒來容納激光掃描器，以便在地下煤礦的易爆環(huán)境中安全運行。更重要的是，激光掃描儀的測距性能很容易因空氣中或表面灰塵的存在而降低，當有水存在時，其表面就會迅速被一層不透明的泥漿覆蓋，完全遮住儀器的視野，如圖1所示。

圖1 采礦作業(yè)中激光掃描儀表面被泥漿層覆蓋

1.2 基于雷達的測量傳感器

鑒于雷達在多塵環(huán)境中的優(yōu)越性能，有人提議將基于雷達的傳感器作為更合適的外部參考測量系統(tǒng)進行試驗[13]，本文研究了各種概率數據分析技術對原始雷達數據的應用以確定是否可以提取足夠的信息，為生產環(huán)境下的長壁徐變和后退提供有用的監(jiān)測，有關長壁徐變細節(jié)如圖2所示。在這兩種測量中，徐變是更直接也是更關鍵的測量，因為它提供了設備和隧道墻之間潛在碰撞的直接反饋。后退測量更困難，因為需要根據相鄰肋壁目標識別的間接推斷來跟蹤長壁設備的沿軌位置，但是在典型的煤巷中沒有穩(wěn)定的沿軌目標。本研究將無處不在的頂板和肋結構螺栓以及它們的大板墊圈視為強大的雷達目標，并通過一系列的測試和試驗來驗證該方法的可行性。針對這一應用開發(fā)的特定雷達系統(tǒng)改自Endress-Hauser FMR 250工業(yè)雷達液位傳感器，這種傳感器能在易爆環(huán)境中使用，這是煤礦井下富甲烷環(huán)境中電氣設備運行的關鍵要求[14]。

圖2 顯示徐變和后退的長壁工作面細節(jié)圖

2 系統(tǒng)試驗

2.1 雷達系統(tǒng)初始測試

最初的雷達測試是在地面上進行的。雷達裝置安裝在裝滿煤的盒子上方的可移動龍門架上，以便在采煤坑的各個點進行測量，測試包括到煤表面的基本測距，以及基于煤表面上通常會在礦井環(huán)境中遇到的各種目標的雷達響應變化的詳細分析。

雷達傳感器的第一次現場測試是在內蒙古一個地下煤礦的廢棄部分進行的，目標是煤巷肋墻的很小部分，只掃描了3個連續(xù)的螺栓板，肋壁表面沒有任何雜亂，這為測試提供了理想的條件，為了進行傳感器的全現場試驗，需要在更現實的條件下包括存在管道、標識和在典型煤礦中存在的其他金屬結構進行試驗。

2.2 礦井試驗現場描述

接著在一個已投入使用的長壁礦井中使用預生產煤巷進行現場試驗，試驗場地是一條50米長的煤巷，測試在兩條直通之間進行，這是一個理想的試驗地點，因為有直通是所有地下煤礦巷道的共同特征。直通是一個非常明顯的檢測特征，它們的位置能被精確測量，因此它們可以用作任何累積定位錯誤的修正點，測試地點的巷道開發(fā)在試驗時已經完成，其中包括所有典型的礦場基礎設施，如液壓系統(tǒng)、標識和配電系統(tǒng)。

2.3 傳感器平臺系統(tǒng)

地下試驗采用了一套完整的傳感器硬件，如圖3所示，將儀器放置在與煤巷采煤機械相同的高度，同時開發(fā)了一系列定制的軟件應用程序，以從各種傳感儀器中獲取和同步數據。

圖3 測試平臺上的傳感器組件(雷達盒在右側)

試驗中使用的傳感器有：

1)主要雷達單元，基于26 GHz Endress-Hauser儀器，如第1節(jié)所述。

2)三臺SICK LMS 200激光掃描儀，兩臺安裝在安裝在側面，掃描隧道壁，第三臺安裝在行駛方向。

3)一種在地下使用的低照度攝像機。

4)數據采集筆記本電腦。

實時數據采集系統(tǒng)對來自雷達和激光掃描儀的數據進行時間同步，允許快速的后處理、比較分析和數據融合。試驗后的數據處理在Matlab中進行，但數據存儲和檢索協(xié)議最終集成到現有的實時長壁自動化軟件系統(tǒng)中。

2.4 系統(tǒng)測試的說明

現場試驗進行了兩天，在距離肋墻不同偏移距離處，沿著確定的煤巷進行了一系列測量。關于煤巷的一個值得注意的特點是，在煤巷的與直通通道的同側肋墻上，存在著大量的礦山服務設施如水、電和通風系統(tǒng)，隧道的另一側肋相對干凈，這種服務側肋和清潔側肋的對比在地下礦井中很常見，這為研究這兩種情況下的雷達傳感器性能提供了一個很好的機會。面向兩側和不同偏移距離進行了多次單獨的測試，在兩天的測試期間，總共獲得了26個數據集。

在大部分測試中，雷達傳感器定位在測試小車沿軌道90°方向，傳感器直接指向肋壁，以提供徐變距離的直接測量。這段礦井的肋壁沒有被鋼網覆蓋，由于金屬網為雷達傳感器提供了一個額外的雜波源，因此也對沿著試驗道路的整個試驗長度的頂部進行了額外的掃描，進行這些額外的掃描，是為了確保能夠生成一個真正具有代表性的數據集，其中包含了絕大多數地下煤礦中遇到的最常見的頂板和肋壁條件。

3 試驗結果

激光和雷達數據都在每次試運行后立即進行初始顯示，原始的雷達數據由雷達信號的“包絡曲線”組成，通過濾波消除了發(fā)射和接收電路之間的增益偏差和串擾等偽影信號。然后，單個雷達軌跡被疊加，形成雷達輸出的三維時變顯示。圖4顯示了在距肋墻4米的偏移距離下雷達測試的典型結果。在圖中可以看到的兩個顯著特征是主信號明顯空隙對應著一條直通和主信號的頻繁峰值對應螺栓板。這兩個特性對于測量沿軌道距離是有價值的。

圖4 一段帶直通的煤巷雷達數據

激光掃描儀的輸出用于提供地面真實測量值，以便與雷達數據進行比較。通過合并來自前置掃描儀的數據，評估出一個煤巷區(qū)段的平面圖，如圖5所示，它顯示了用于測試的界定區(qū)域的兩條路徑，測試段的長度約為50米，寬度為5米。此外，使用激光掃描儀進行了幾次測試，以捕獲煤巷肋和巷頂的整個表面，進行這些掃描是為了得出更完整的礦山環(huán)境圖像，并為試驗一些雷達/激光數據融合技術提供了機會。由激光掃描儀數據建立的巷頂的詳細截面如圖6所示，圖6中的變化對應于激光器的掃描范圍。

圖5 測試現場煤巷區(qū)段平面圖

圖6 帶網格的詳細巷頂部分的激光圖

4 分析和討論

4.1 初步雷達處理和徐變測量估計

雷達傳感器原始數據的首次處理為分離每個雷達軌跡的最大回波位置和振幅，這一特征對應于肋壁的反射，因此可用于提供徐變估計，它還應由于煤巷螺栓板的存在而有所不同，從而為后退測量提供路徑點參考。圖7所示為堆疊的原始雷達軌跡數據、到最大回波點的距離以及每條軌跡回波的最大振幅。從圖7中可以清楚地看出原始最大回波雷達數據相當有噪聲，因此需要進行濾波以獲得徐變的合理位置估計。移動平均[15](MA)濾波是一種濾除信號中高頻尖峰脈沖(干擾或頻繁隨機起伏)的簡捷而有效的濾波方式，其實質是對信號波形的平滑處理，卡爾曼濾波器[16](KF)主要利用被提取信號的預測值和測量值，采用迭代方法得到被測信號的估計值。由于迭代過程中消減了系統(tǒng)的量測噪聲和過程噪聲，因此卡爾曼濾波器(KF)可以對被測信號進行精確估計，可以用于解決隨機信號以及噪聲的功率譜不穩(wěn)定、多維、時變、非平穩(wěn)等問題。因此采用移動平均濾波和卡爾曼濾波對最大回波雷達距壁估計進行平滑處理，如圖8所示。正如預期的那樣，一個調整良好的卡爾曼濾波比MA濾波提供了更好的徐變距離估計，對范圍內的快速變化的反應比MA濾波在一個合理的窗口大小下可以做的更平穩(wěn)，卡爾曼濾波結果與從激光掃描儀數據獲得的徐變估計更匹配。

圖7 原始雷達數據、最大回波距離和最大回波振幅

圖8 徐變位置估計，KF和MA濾波器基于原始雷達信號濾波的比較

對從卡爾曼濾波中獲得的徐變位置估計值和指向與雷達傳感器相同肋壁的激光掃描儀的數據進行了比較。激光掃描儀生成了一個離散點的二維掃描線而不是像雷達那樣進行單點測量，對于徐變估計，激光數據未經處理，在數據采集電腦上雷達軌跡進行同步。圖9中顯示了在小車與礦壁公稱偏移1米處運行50米時典型系統(tǒng)徐變的對比，當雷達傳感器與調諧好的濾波器結合時，與激光掃描數據有良好的相關性，其性能超過了基本徐變測量應用的精度要求，這一結果在現場試驗生成的多個數據集中非常一致。

盡管在巷頂上存在網格，但是從原始巷頂掃描數據中提取的煤巷高度測量也得到了較好的結果，巷頂的雷達與激光掃描的對比結果如圖10所示，兩個結果之間的相關性非常好。

圖9 雷達徐變測量與激光掃描儀數據的比較

圖10 雷達巷頂高度測量與激光掃描儀數據的比較

4.2 煤巷高度測量的擴展試驗

徐變測量技術接著被應用于內蒙古一個地下礦山的長臂煤巷，目的是測量煤巷的高度，在這次試驗中測量的煤巷長度超過500米，雷達和激光掃描儀數據均用于驗證，從得到的煤巷高度測量試驗的雷達和激光數據可知，在大部分的煤巷上，雷達和激光數據之間的相關性相當強，主要的偏差是由于灰塵對激光掃描系統(tǒng)的影響，藍色激光數據的較大的垂直偏差發(fā)生在激光掃描儀防爆盒被灰塵或泥漿模糊，導致對傳感器的估計不準確直到被清洗。這一結果證明了基于雷達的傳感方法的優(yōu)勢，雷達安裝在與激光掃描儀相鄰的封閉裝置中，而不受有效蒙蔽激光的相同灰塵條件的影響，而且激光掃描儀的結果會受到巷頂局部坑洼的影響發(fā)生微小偏差導致高估巷頂高度，使用雷達技術則不會，這種擴展試驗也表明雷達技術在實際采礦環(huán)境中使用是相當穩(wěn)定的。

4.3 后退測量估計

后退測量系統(tǒng)基于對螺栓板的識別，并使用這些特性作為定位的參考路徑點。錨桿支護技術[17]在煤礦掘進巷道中的應用最為常見，因為它們構成了防止巷道塌方的主要支撐，利用這種技術，可以充分利用礦井原巖的應力，使其與支護強度同步，防止圍巖松動、脫落。因此，在礦井掘進巷道中，運用支護技術可以極大地提高巷道的安全、穩(wěn)定，既能保證工人的生命財產安全，又能保證施工單位的經濟利益，因此，在礦井中使用錨桿支護技術時，支護人員會根據巷道頂板的位置，設計出科學、安全的間距來布置錨桿，因此煤巷的螺栓數量是一個已知的參數，通過跟蹤前一次直通后所遇到的螺栓數量，可以準確地估計出采煤機沿軌跡的位置。圖11顯示了側面雷達對服務側肋墻的原始最大回波輸出，以及MA濾波和KF濾波結果。KF濾波的優(yōu)越性非常顯著，該濾波器的響應能更緊密地跟蹤螺栓板與背景煤之間的快速變化，提高了識別效果。

雖然圖11中的結果較好，但進一步檢查發(fā)現，峰值的數量與煤巷肋測試段中存在的螺栓數量(40個)并不相同。雖然一些螺栓板提供了強烈的反射，因此產生了最大的信號振幅，但在有些情況下，螺栓板與背景煤的對比不足以進行識別。由于來自板塊結構的強散射和其他重要的散射源，將構成不必要的雷達雜波[18]，使探測和測量過程進一步復雜化，因此為了成功區(qū)分螺栓板和其他結構甚至煤墻本身，識別螺栓板的強相關特征成為研究的重要內容。

圖11 使用KF和MA濾波的最大振幅回波點

4.4 特征選擇的可視化分析

由于檢測環(huán)境的復雜性，識別目標的一致特征并不容易，本文采用了一種新的數據融合和視覺分析方法，即將激光掃描儀和雷達數據結合在一個三維交互式顯示器中，以方便檢查重要特征，在試驗過程中，激光裝置掃描捕獲煤巷肋和巷頂的整個表面，利用激光和雷達傳感器之間的同步，雷達返回的信息可以覆蓋在激光數據的高分辨率點云結構上。由此產生的三維表面允許將雷達數據與激光掃描儀顯示的物理表面結構進行詳細的對齊檢查[19]，如圖12所示，通過調整雷達回波覆蓋在投影肋壁結構上的部分，可以得到雷達回波的不同方面的變化，并與激光點云里的特定特征相聯(lián)系，特別是螺栓板。

圖12 基于雷達數據疊加激光點云的礦井結構可視化分析

將這種可視化數據融合方法應用于礦場試驗的激光和雷達數據集，使雷達返回的信息投影到由激光掃描儀數據生成的三維表面上，圖13顯示了巷頂截面的組合信息，在圖13中，各種雷達目標的強反射清晰可見，并且可以很容易地識別出它們與激光數據特定特征的對應關系，如螺栓板和其他基礎元件。雷達和激光數據的結合提供了一種強大的機制來表征對應于螺栓板目標的特定雷達數據集特征，這也是進行后退測量路徑點跟蹤的主要特征。

圖13 覆蓋雷達振幅的三維巷頂表面

4.5 探索可視化分析的特征生成

通過將不同的特征集整合到可視化分析方法中，可以實現對螺栓板位置估計的進一步改進，例如，通過使用共振頻率目標識別方法，可以顯著的緩解基于信號強度的目標識別方法的模糊性，具有顯著的面無關成像特性。利用該技術提取的特征可以結合到分類器算法[20]中進一步細化識別結果，隨著互聯(lián)網的發(fā)展，分類器算法在不同行業(yè)內的應用越來越多，各種分類器已經試驗用于處理雷達數據，常見的分類算法有樸素貝葉斯、K近鄰、決策樹等，其中決策樹[21]結構允許規(guī)則的簡單實現，具有過程清晰、理解和解釋起來簡單方便、且準確性高等優(yōu)點[22]，是一種適合使用的算法，決策樹算法在進行分類時，先計算選出一種屬性，將其放置到決策樹的根節(jié)點上，然后再由該點劃分出多個分枝，分別表示一種不同的分類特性，并將其與新的決策點相連，以上的步驟可以在這些決策點上反復進行，直到達到一個無法再向下分的時候為止，最好可以根據最終點的個數和屬性來判斷樣本的類別。如圖14所示，該技術具有明顯的優(yōu)勢，任何關于煤巷配置和/或設備的結構層次的先驗信息都可以有意義地納入，以提高檢測和估計的準確性。

圖14 分類螺栓板、煤和雜波的決策樹

4.6 定位的實現

由前文可知實現長壁采煤機械定位需要測量和跟蹤的關鍵參數是跨軌位置和沿軌位置，為了估計跨軌運動(徐變)和沿軌運動(后退)，數據分析主要內容是尋求從原始雷達信號數據中分離這兩個獨立參數的方法。原始數據顯示的初始處理在第3節(jié)中已有介紹，并且由第2節(jié)和第3節(jié)的實驗結果可知，所用到的雷達系統(tǒng)是非?？煽康?。而用于提取關鍵的兩個參數的技術在第4節(jié)中已有討論，通過4.1節(jié)和4.3節(jié)可得到徐變測量估計和后退測量估計，同時為了進一步展示雷達技術相對于激光掃描儀的優(yōu)越性，即不會被灰塵和巷頂局部坑洼的影響，實驗中進行了煤巷高度測量的擴展試驗。后退測量系統(tǒng)主要基于對螺栓板的識別并使用這些特性作為定位的參考路徑點，因此為了在復雜的檢測環(huán)境中更加準確識別目標的一致特征，提出了一種新的數據融合和視覺分析方法，該方法可以很容易地識別出螺栓板和其他基礎元件的特征，為了實現進一步提高螺栓板位置估計的準確性，介紹了一種分類器算法，該方法能更準確分類螺栓板、煤和雜波。

5 結束語

我們描述了一種新的基于雷達的地下礦機定位系統(tǒng)。該方法通過利用地下采礦環(huán)境中已經存在的采礦結構來生成特征豐富的雷達信號回波，從而避免了安裝額外的參考基礎設施。探索了不同的概率數據處理技術，以提供設備沿軌和跨軌位置的估計。這些估計隨后通過使用激光掃描儀進行驗證，發(fā)現結果非常一致。這些試驗的成功促進了一種改進系統(tǒng)的開發(fā)，該系統(tǒng)現在已經準備好集成到一個運作的礦山機械自動化系統(tǒng)中。目前正在努力改進分類器算法的性能，以便將這些結果合并到一個自動化操作系統(tǒng)中。