基于聲波的放頂煤過程自動控制系統

宋慶軍，肖興明，張天順，王建立

（1.中國礦業大學 機電學院，江蘇 徐州221008；2.山東科技大學 泰安校區 機電工程系，山東 泰安271019；3.鄭州煤炭工業 （集團）有限公司，河南 鄭州450000）

0 引 言

目前國內常用的液壓支架電液控制系統是通過大量實驗和經驗來控制放煤過程，根據煤層放煤難易程度設置放煤窗口開放時間，利用后部刮板輸送機負載信號控制打開放煤窗口的數量［1］。由于工作面煤厚變化無規律性，在現場放煤過程往往是手動操作。操作工打開尾梁操縱閥，控制放頂煤支架尾梁往復擺動，破碎頂煤，一定時間后，打開放煤操縱閥，控制放煤窗口或者放煤插板進行放煤。在放煤時，大塊的煤炭容易堵死放煤口，造成堵煤、卡煤故障，操作工再次通過尾梁操縱閥擠壓、破碎大塊頂煤，繼續放煤，當放煤見矸一定量后，關閉放煤操縱閥，停止第一輪放煤，并以此類推依次進行放煤。文獻 ［2］也提出目前國內外依然沒有實現自動化放煤控制。因此，研究一種方法或手段能對放頂煤工作面的放煤過程進行自動化控制具有實際意義。

1 實驗平臺搭建及數據采集

由于現場存在粉塵、以及支架后部空間狹小的原因，使視覺效果差。操作工常通過聽覺來判斷下放的是煤還是矸石，并利用經驗給出是否停止放煤的決定。借鑒以上經驗，系統采用聲波傳感器對放煤的聲音信號進行采集處理。因生產現場無法從量化的角度去衡量不同比例的煤及矸石產生的聲波信號，因此，需要搭建同生產現場相似條件的實驗平臺。實驗所采用的原煤與矸石均來自生產現場，其特性參數與現場一致。圖1為放頂煤過程實驗平臺，該平臺由計算機、PCI－1747U 數據采集卡、放頂煤液支架、原煤、矸石、聲波傳感器等組成。

圖1 放頂煤過程實驗平臺

在實驗中，對全煤、全矸、30%矸石、50%矸石4 種情況做了反復實驗及數據采集，獲得的數據通過數據分析與處理系統被自動存儲在指定路徑的數據庫中。信號的采樣頻率為5120Hz，數據長度為200ms，采樣點數為1024。將獲得的離散信號預處理后得時間序列x（n）。圖2為一段實測的時域波形圖，圖2 （a）為全煤下落時域波形圖，圖2 （b）為全矸石下落時域波形圖。小波降噪的過程可分為以下步驟：①選定一種小波，對信號進N 層小波分解；②對分解得到的各層系數作用選擇合適的閥值；③將處理后的系數通過小波重建恢復原始信號。

圖2 實測的聲音信號的時域波形圖

常用的小波基函數有Haar、Daubechies、Symlets、Coiflet、Meyer、Biorthogonal小波系［6－7］等。在對信號進行小波變換過程中，常使選擇的小波基函數能同時具有如下性質：①對稱性或反對稱性；②正交性；③較短的支撐；④較高的消失矩。根據這些性質，本文選擇Symlets小波系。根據信號重構誤差的要求，小波變換的最大理論尺度［8］為

式中：n——采樣點數；J——小波變換的最大理論尺度。

當將信號分解到210和29時，信號不連貫，沒有意義，因此，分解尺度取8。

通過對比實驗，采用效果明顯的最優預測變量軟閾值對測得信號處理，以提高信噪比。對圖2實測的聲音信號預處理，再進行小波降噪后的結果如圖3 所示。圖3 （a）為全煤下落信號小波降噪后的波形圖，圖3 （b）為全矸石下落信號小波降噪后的波形圖。

圖3 小波降噪后的波形圖

2 放煤過程的信號處理及特征識別

煤矸識別系統包括信號測量、特征提取、建立標準特征庫、比較識別4個步驟。利用上述實驗平臺建立煤矸不同分類的數據樣本，即建立標準特征庫；通過CRY2112噪聲傳感器對放煤過程的聲波信號進行測量，提取現場煤矸數據的特征量。放煤過程的聲波信號屬于非平穩信號，（Hilbert－Huang transformation，HHT）主 要 用 于 非 線 性、非平穩信號的時頻分析，已成功應用于故障檢測、參數識別等工程領域［3－5］。本文采用小波和Hilbert－Huang變換技術實現煤矸在線識別。

實測的數據中含有大量的直流分量，混有噪聲，需將采集到的數據進行零值化處理、消除趨勢項、小波降噪等信號的預處理。

2.1 小波降噪

小波降噪實際上是特征提取和低通濾波功能的綜合。

2.2 離散的Hilbert變換

將x（n）用經驗模態分析 （EMD）分解為若干固有模態函數 （IMF）后對每一個IMF分量進行Hilbert變換，得到相應的Hilbert譜和Hilbert邊際譜。

x（n）經EMD 分解為［9，10］

式中：rk（n）——殘 余 量，代 表 信 號 的 平 均 趨 勢 項；ci（n）——第i個IMF分量。

對于任意時間序列y（m），根據文獻 ［5，11］，離散時間信號的Hilbert變換（m）為

式中：h（m）——Hilbert變換器的單位抽樣響應，根據連續信號的Hilbert變換，得

式中：Ω ＝ωTs，Ts為采樣周期。

根據式 （3）對每一個離散的固有模態函數進行Hilbert變換得

構造解析函數zi（n）為

2.3 特征識別

根據Hilbert定義，固有模態函數的瞬時能量分布為

分別對采集的4 種不同情況的時間序列xi（n）進行上述特征參數的計算，得到IMF分量的能量見表1。

表1 各狀態IMF分量的能量

從表1可知，放頂煤過程中，隨著含矸量增加，總能量增加，因此，能量E 可用于煤矸界面的識別。當發生卡煤故障時，IMF 分量的能量分布比較均勻，而且總能量減小。

瞬時幅值函數ai（n）定義為分量ci（n）的Hilbert譜為Hi（ω，n），即Hi（ω，n）＝ai（n），匯總所有分量的Hilbert譜，得原信號的Hilbert譜為

Hilbert邊際譜定義為Hilbert譜在時間軸上的積分，則離散信號的Hilbert邊際譜定義為

式中：n——采樣點數，即1024。

根據式 （8）和式 （9），得到3 種不同情況的Hilbert邊際譜如圖4所示。

圖4 Hilbert邊際譜圖

Hilbert邊際譜準確地反映了信號的幅值隨頻率變換的情況，具有很高的分辨率，不存在能量泄露的問題。從圖4可知，隨著含矸量的增加，幅值有了明顯的變化。因此可以通過放頂煤過程中聲波頻譜的有規律變化確定煤和矸石下放的臨界區域，為放煤窗的控制提供依據［12］。

3 放煤過程自動化控制系統的設計

當前放頂煤支架的電液控制改造僅僅實現了用電液控制閥替代手動操縱閥，還不能實現放煤自動化控制。系統采用隔爆計算和配套的液壓支架電液控制系統，對液壓支架的尾梁控制閥和插板控制閥進行控制，實現了放煤過程的自動化。控制系統組成如圖5所示。

3.1 自動控制系統的硬件設計

工作面控制系統采CAN 總線方式，每個支架配置一個控制器，所有控制器掛接在CAN 總線上，將所有液壓支架數據發送在電液控制系統中。通過CAN－USB 總線轉換模塊將CAN 總線轉換為USB總線，將數據通過USB總線傳輸到計算機。系統采用北京阿爾泰公司生產的DAM－C3110型USB－CAN 卡，帶有1路獨立CAN 接口和1路USB2.0接口的智能型CAN 總線接口適配器，可進行雙向傳送。綜采工作面共有液壓支架117 支，需117 個噪聲傳感器，因此需2 個研華PCI－1747U 采集卡實現聲波信號的采集。PCI－1747U 為64路模擬量輸入采集卡，采樣速度可達250 KS／s，分辨率為16位，完全滿足采樣需求。

圖5 放煤過程自動化控制系統組成

3.2 自動控制系統的軟件設計

上位機采用防爆計算機，利用PCI－1747U以5120Hz的采樣頻率對聲音信號進行A／D轉化，作為上位機處理軟件的輸入信號。數據分析與處理由虛擬儀器軟件LabVIEW 開發。

通過大量實驗計算與分析，當矸石含量為30%時，總能量E ∈［0.6345，0.6901］，隨著矸石含量的增加，總能量也增加；兩次采樣總能量差值△E 也隨著矸石含量的增加而增加。若E≥Es（Es＝0.6345），且連著2 次均有△E≥0.1056 （△Es），則矸石含量達到設定要求，關閉插板控制閥。當能量分布相對平均，總能量小于0.4512 （記為Ed）時，且連著3次采樣均有△E≤0.0412 （△Ed）時，說明出現堵煤、卡煤故障打開尾梁控制閥，破碎卡煤。令插板控制閥和尾梁控制閥的變量為y1和y2，且定義打開控制閥，y1（2）＝1；否則y1（2）＝0。控制系統軟件主程序如圖6所示。

4 結束語

本文利用防爆計算機、數據采集卡、總線轉換模塊、聲波傳感器，結合原來的電液控制系統，設計了一種放頂煤過程的自動化控制系統。本文改進了前期只識別煤或煤矸 混 合 兩 種 類 別，無 法 識 別 卡 煤 故 障 的 研 究 方 案［1，4，5，7，12］，搭建了實驗平臺，利用聲波傳感器獲得了4種類型的放煤過程離散時間序列，通過離散的Hilbert變換，分析了有效識別煤與矸石的特征參數，實現了放煤過程的煤矸混放比例及堵煤、卡煤的故障識別，利用防爆計算機及LabVIEW軟件完成了放煤過程的自動化控制。該控制系統較成功地應用在河南趙家寨煤礦，為放頂煤工作面的放煤自動化控制提供了理論依據及經驗借鑒。

圖6 軟件流程

［1］MA Ying.Study on automatic top coal caving system in fullymechanized coal caving face［J］.Coal Science and Technology，2013，41 （11）：22－24 （in Chinese）.［馬英.綜放工作面自動化放頂煤系統研究 ［J］.煤炭科學技術，2013，41 （11）：22－24.］

［2］LI Xu，GU Tao.Study on wavelet singularity－Fisher discriminant of vibration signals of coal and rock during caving ［J］.Computer Engineering and Design，2011，32 （5）：1800－1803（in Chinese）.［李旭，顧濤.煤矸振動信號小波奇異性－Fisher判別規 則 研 究 ［J］.計 算 機 工 程 與 設 計，2011，32 （5）：1800－1803.］

［3］LI Shunming，LI Xianglian.Modern analysis techniques and application of vibration signals［M］.Beijing：National Defense Industry Press，2008 （in Chinese）. ［李舜酩，李香蓮.振動信號的現代分析技術與應用 ［M］.北京：國防工業出版社，2008.］

［4］ZHANG Yanli，ZHANG Shouxiang.Analysis of coal and gangue acoustic signals based on Hilbert－Huang transformation［J］.Journal of China Coal Society，2010，35 （1）：165－168（in Chinese）.［張艷麗，張守祥.基于Hilbert－Huang變換的煤矸聲波信號分析［J］.煤炭學報，2010，35 （1）：165－168.］

［5］WANG Baoping.Research on automatic recognition of the coalrock Interface in top coal caving ［D］.Jinan：Shandong University，2012：26－31 （in Chinese）. ［王保平.放頂煤過程中煤矸界面自動識別研究 ［D］.濟南：山東大學，2012：26－31.］

［6］LI Hao.De－noising study of gearbox vibration signal based on wavelet analysis ［J］.Machinery Design and Manufacture，2013 （3）：81－83 （in Chinese）.［李浩.基于小波變換的齒輪箱振動信號降噪處理 ［J］.機械設計與制造，2013 （3）：81－83.］

［7］LIU Wei，HUA Zhen，ZHANG Shouxiang.Coal and rock recognition based on component wavelet de－nosing and independent analysis ［J］.Control Engineering of China，2011，18（2）：279－282 （in Chinese）.［劉偉，華臻，張守祥.基于小波和獨立分量分析的煤矸界面識別 ［J］.控制工程，2011，18（2）：279－282.］

［8］Jiang Yi，Zhao Wansheng.Detecting discharge status of smallhole EDM based on wavelet transform ［J］.International Jour－nal of Advanced Manufacturing Technology，2012，61 （1－4）：171－183.

［9］Shao Renping，Hu Wentao，Li Jing.Multi－fault feature extraction and diagnosis of gear transmission system using timefrequency analysis and wavelet threshold de－noising based on EMD ［J］.Shock and Vibration，2013，20 （4）：763－780.

［10］Shi Zhiyun，Jia Minping.Application of EEMD energy entropy method to fault diagnosis of gearbox ［J］.Mechanical Engineering and Technology，2012，1：61－67.

［11］CAO Feng.Measurement of reactive power based on Hilbert transformation ［D］.Chongqing：Chongqing Jiaotong University，2012：22－32 （in Chinese）. ［曹鋒.基于Hilbert變換測量無功功率的研究［D］.重慶：重慶交通大學，2012：22－32.］

［12］MA Rui，WANG Zengcai，WANG Baoping.Coal－rock interface recognition based on wavelet packet transform of acoustic signal［J］.Coal Mine Machinery，2010，31 （5）：44－46 （in Chinese）.［馬瑞，王增才，王保平.基于聲波信號小波包變換的煤矸界面識別研究 ［J］.煤礦機械，2010，31 （5）：44－46.］