基于支架載荷的礦壓雙周期分析預測方法

尹希文 ，徐 剛 ，劉前進，盧振龍，于秋鴿，張 震

(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 開采設計事業部，北京 100013)

液壓支架載荷是綜采工作面覆巖運動的直接體現。煤層開采后，綜采工作面頂板發生周期性破斷，破斷巖塊相互鉸接形成暫時穩定的結構，承擔部分上覆巖層載荷。當該結構失穩后，由于承載能力降低，導致液壓支架載荷迅速增加，引發上覆巖層裂隙進一步向上方擴展，并成為頂板水和瓦斯的涌出通道。因此，液壓支架載荷的異常變化是煤礦頂板、水以及瓦斯災害的重要前兆信息。

隨著傳感器及電子信息的快速發展，我國大部分煤礦已經采用綜采工作面液壓支架載荷在線監測系統，收集了海量液壓支架壓力數據。但現有的數據分析主要用于來壓步距、來壓強度、動載系數等礦壓規律研究以及液壓支架適應性評價方面，但一般是事故發生后才通過礦壓數據進行分析，對于海量礦壓原始數據在頂板災害預測預警方面的應用還尚不成熟。因此，有必要開發一種準確、可靠的液壓支架載荷預測方法，實現頂板來壓預測和預報，為綜采工作面各類災害防治和圍巖控制提供依據，保障工作面的安全、高效回采。

近年來，煤礦智能化技術蓬勃發展，基于大數據、機器自學習等先進技術的礦壓預測預警技術如今已成為熱門的研究方向，國內外眾多學者和科研院所對綜采工作面頂板災害預測預警技術進行了許多探索[1-9]，取得了一定成就，但是由于綜采工作面礦壓影響因素眾多，且大部分因素無法準確獲取。如地質及開采條件復雜多變，井下煤巖體不均質、不連續和各向異性，覆巖破壞和運動狀態難以準確監測，推進速度隨裝備可靠性、管理效率等因素影響隨機性大，建立一套類似指紋識別、語音識別模式的礦壓智能預測模型難度很大。巖層運動是支架載荷的力源，支架載荷與巖層運動存在必然的內在聯系，探索支架載荷與巖層運動的相互作用關系，掌握頂板來壓機理和支架載荷變化規律，建立礦壓預測模型，是在現有條件下實現礦壓預測預報的有效途徑[10-11]。

筆者在采場支架圍巖相互作用關系研究的基礎上，提出了通過支架載荷推演頂板運動趨勢，通過頂板運動趨勢預測支架載荷及頂板來壓的新思路。筆者基于電液控系統礦壓數據的采集、處理和深度挖掘，提出了一種礦壓雙周期分析預測方法，并進行了可視化展示[12]。

1 礦壓雙周期分析預測模型

在綜采工作面不斷向前推進的過程中，直接頂巖層及時垮落，基本頂巖層發生周期性破斷和運動，形成塊體鉸接結構[13-14]，其中對采場支架與圍巖關系影響較大的是鉸接結構中的關鍵塊A，如圖1所示。液壓支架工作阻力隨著結構的周期性運動而產生動態變化，綜采工作面從進入破斷巖塊A開始至走出后的全過程稱為一個頂板運動周期，將工作面每割完一刀煤，液壓支架從初撐力開始至循環末阻力結束的過程稱為采煤循環周期。頂板運動周期由若干個采煤循環周期組成，是支架載荷變化的“大周期”，重點研究支架載荷隨工作面推進度變化(空間)的規律；采煤循環周期是支架載荷變化的“小周期”，重點研究支架載荷隨時間的變化規律。大、小周期隨時空演化相互影響、相互作用，共同構成支架載荷變化全過程，筆者將分析大、小周期內支架載荷變化規律并實現礦壓預測的模型稱為礦壓雙周期分析預測模型[15]。

圖1 覆巖典型鉸接結構模型(“砌體梁”結構模型)Fig.1 Typical overburden hinged structure (voussoir beam structure)

根據基本頂結構的穩定條件，關鍵塊A的運動主要呈回轉和滑移2種運動形式，具有給定變形和給定載荷2種運動特征[16]。當產生回轉運動時，隨著塊體間擠壓力的增加，可能重新找到新的平衡狀態，在此過程中施加至液壓支架的變形量相對固定，稱之為給定變形增阻階段；當產生滑移運動時，關鍵塊A沿破斷面滑移并對液壓支架施加載荷，在此過程中覆巖施加至液壓支架的載荷相對固定，稱之為給定載荷增阻階段。

以上灣煤礦12401工作面實測數據為例，分析覆巖回轉和滑移運動特征。當推進至距開切眼1 842 m時，從超前工作面8 m處的地表向煤層頂板鉆孔，終孔位置距工作面頂板26 m，采用鉆孔位移計實時監測覆巖動態下沉量，在鉆孔中安裝9只位移計，安裝高度分別距工作面頂板26,34,43,53,71,88,99,110,126 m。實測曲線如圖2所示，覆巖在工作面后方11.0 m位置產生整體剪切破斷，在工作面后方20.5,33.5,43.0 m處產生回轉和滑移運動，由此判斷，破斷后的塊體并沒有直接接觸矸石，而是相互夾持并形成鉸接結構，呈滑移和回轉復合交替運動特征。

圖2 工作面覆巖運動狀態監測曲線Fig.2 Monitoring curves of overburden movement state

文獻[15]對采煤循環內2種頂板運動形式與支架工作阻力的對應關系進行了研究，得出液壓支架時序增阻函數主要有如下3種類型，分別為對數、指數和線性，如圖3所示，其增阻函數關系式[17-18]分別為

圖3 12401工作面液壓支架6月10日實測載荷曲線Fig.3 Load curve of hydraulic support in No.12401 working face measured on June 10th

Pz=Kkzlnt+C1，t>0

(1)

(2)

Pz=C1t+C2，t>0

(3)

式中，Pz為液壓支架載荷，N；K為覆巖給定下沉量，為常數，m；kz為液壓支架剛度，N/m；Mm為頂板運動作用在液壓支架上載荷對應的質量當量，kg；t為時間，s；C1，C2，C3為積分常數。

當液壓支架處于給定變形增阻狀態時，支架載荷與時間呈對數函數關系，此時覆巖結構下沉加速度小于0，即降速下沉；當液壓支架處于給定載荷增阻狀態時，支架載荷與時間呈指數函數關系，此時覆巖結構下沉加速度大于0，即加速下沉；當液壓支架支撐力與基本頂結構運動載荷呈臨界平衡狀態時，覆巖將產生勻速下沉運動，支架載荷與時間呈線性關系，即勻速下沉。由于在實際開采過程中，覆巖破斷塊體呈滑移和回轉復合交替運動方式，采煤循環內液壓支架增阻過程可能由以上多個函數復合而成[19]。

以12401工作面2018-06-10 T 04:00—21:00期間實測數據為例，繪制液壓支架載荷與時間關系變化曲線，如圖3所示。從圖3提取初撐力和循環末阻力特征點，并對初撐力至循環末阻力之間的曲線進行擬合分析，結果如圖4及表1～3所示。支架載荷時序曲線可分為4種類型，即：單純指數(S1)、單純對數(S2)、對數+線性(S3)、對數+指數(S4)。

表1 曲線S1和S2擬合分析參數

圖4 12401工作面液壓支架實測載荷擬合曲線Fig.4 Measured load fitting curves of hydraulic support in No.12401 working face

2 礦壓雙周期預測關鍵技術

2.1 采煤循環周期內液壓支架載荷實時擬合預測技術

鑒于12401工作面液壓支架載荷與時間關系曲線主要包括3種基本函數和4種曲線類型，據此提出液壓支架載荷擬合預測模型，其主要預測思路為：根據一段時間內的實測載荷建立滑動窗口，首先采用對數或者指數函數分別擬合窗口內的數據，以擬合效果最高的函數進行預測，當覆巖運動狀態改變導致液壓支架增阻函數改變后，自特征點開始重新采用線性、對數和指數3種函數分別擬合，以擬合效果最好的函數重新進行動態預測。擬合預測流程如圖5所示。

圖5 液壓支架載荷擬合預測流程Fig.5 Prediction progress of hydraulic support load

表2 曲線S3擬合分析參數

表3 曲線S4擬合分析參數

其中Pi,Pi-1表示當前和上一個實測數據，ki,ki-1表示當前和上一個滑動窗口線性擬合的斜率。考慮以下2個干擾因素：① 系統本身或者采煤機等重型裝備的頻繁啟動易對傳感器造成干擾，產生0或者60 MPa的滿量程數據；② 支架呈現跑、冒、滴、漏等不良狀態時，初撐力分析結果不能反應頂板實際受力情況。因此在采集和分析數據時設置了Δ1,Δ2,Δ3三個閾值，分別表示數據變化最小存儲閾值、初撐力判斷閾值、數據變化最大異常閾值。

(1)分析一段時間內的支架載荷隨時間變化曲線特征。設每個液壓支架實測載荷為Pi，以時間t為橫坐標，以Pi為縱坐標，繪制一段時間內的支架載荷隨時間變化曲線，分析數據采集頻率，判別初撐力、循環末阻力和采煤循環，如圖6所示。

圖6 實測支架載荷與時間關系曲線Fig.6 Relation curve of measured support load and time

(2)對實時數據進行預處理。對實時數據采集到的支架載荷，通過以下方法進行預處理，刪除超過額定值50%的實測數據(額定值根據不同液壓支架型號確定)，刪除實測數據為0的數據。

(3)對滑動窗口內數據進行擬合分析，計算擬合優度。針對處理后的支架載荷，從初撐力開始，每隔N個數據組成一個數據擬合窗口，以S為窗口移動步長，逐次沿時間軸向后滑動。針對窗口內的數據，分別采用對數、指數以及線性3種函數進行擬合分析，并計算擬合優度R2。如果移動窗口內的數據量N太少，不僅不易區別各函數的擬合優度，也不便于及時發現曲線變化的關鍵點。窗口內數據越多，預測時間越晚。步長代表預測的頻度，最高預測頻度即為每實測一個數據，進行一次預測。綜合考慮特征點的搜索、預測時間和預測頻度，確定以5個數據為移動擬合窗口，1個數據為數據窗口移動步長。擬合示意如圖7所示，擬合函數公式如式(4)～(12)所示。

圖7 滑動窗口變化及載荷預測示意Fig.7 Schematic diagram of sliding window variation and load prediction

對數擬合公式：

f1(t)=a1+b1lnt

(4)

(5)

(6)

線性擬合公式：

f2(t)=a2+b2t

(7)

(8)

(9)

指數擬合公式：

f3(t)=a3+b3ect

(10)

(11)

(12)

(5)當一個采煤循環結束，判別到下一次采煤循環開始后，開始下一次預測工作。

2.2 頂板運動周期內循環末阻力動態預測技術

隨著工作面的不斷推進，液壓支架循環末阻力隨著基本頂結構的周期性運動而產生周期性變化。循環末阻力影響因素眾多，主要表現在以下4個方面：

(1)煤巖層的厚度、裂隙發育程度、力學性質、地質構造、富水性等地質條件差異較大；

(2)推進速度和采高等開采條件變化不一，液壓支架工況有好有壞；

(3)大部分循環末阻力不能準確測量和獲??；

(4)特定工作面能夠采集的綜采工作面循環末阻力數據量有限，能夠采集到的影響因素數據量也有限，數據量級與深度學習所需的海量圖片及語音數據相比相差甚遠。

針對以上特點，采用深度學習等工智能方法建立一套普遍適用的循環末阻力智能預測模型難度較大。筆者基于循環末阻力空間序列變化特點構建板曲線，建立有限數據條件下礦壓匹配預測模型，主要思路：在假設歷史數據可以重新出現的前提下，首先分析循環末阻力歷史數據隨推進度變化特征，并將其劃分為若干個周期性曲線，采用數據挖掘建立周期性變化的模板曲線，采用匹配算法將模板曲線與歷史數據匹配，采用匹配度最高的模板曲線預測循環末阻力和來壓步距。其預測流程如圖8所示。

圖8 循環末阻力及來壓步距預測流程Fig.8 Prediction progress of resistance at the end of a single cycle and pressure step

2.2.1頂板周期性運動規律分析

在工作面推進過程中，每一個采煤循環均會產生一個支架初撐力和循環末阻力，液壓支架初撐力為新的移架動作產生后，乳化液停止向立柱下腔供應時的液壓支架載荷，循環末阻力為移架前最后一個液壓支架載荷，循環末阻力一般代表該采煤循環內頂板運動對支架的最大載荷。移架前后液壓支架工作阻力變化特征為：移架前，支架載荷自上一采煤循環的末阻力開始顯著降低，快速移架至新的位置后，支架載荷又快速增加至初撐力。根據這個數據變化特征開發了液壓支架初撐力和循環末阻力實時分析算法，分析支架循環末阻力在工作面推進過程中的變化規律，研究采場頂板周期性運動規律。

以上灣煤礦12401工作面70號支架推進300～620 m時的403條循環末阻力數據為對象進行分析，繪制循環末阻力隨推進度變化曲線，如圖9所示，以循環末阻力平均值(20 290 kN)與1倍均方差(3 740 kN)之和為周期劃分判據上限值(24 030 kN)，以循環末阻力平均值與0.5倍均方差之和為判據下限值(22 160 kN)，取相鄰2個高于上限值的循環末阻力曲線為1個變化周期，如相鄰2個峰值之間的距離大于30 m，就近取高于下限值的峰值作為周期劃分點，共劃分為25條周期性曲線，曲線名稱分別為L1～L25。

圖9 液壓支架循環末阻力周期性變化曲線Fig.9 Periodic curve of cyclic end resistance of hydraulic support

2.2.2循環末阻力周期性變化曲線聚類分析

首先采用系統聚類和K-means聚類相結合的方法，對支架循環末阻力周期性曲線進行分類。綜合兩種方法的優點，采用SPSS數據挖掘軟件進行聚類分析，首先通過系統聚類法初步判定已有的循環末阻力曲線可能劃分的合理類數，再將初步判定的類數輸入K-means聚類法中，將2種方法聚類結果相互驗證，綜合分析確定最終循環末阻力類數和每一類的組成曲線，構建每個類別的模板曲線。

在系統聚類分析法中，采用歐氏距離度量不同類型之間的距離，采用5種不同的類別間距離定義方法，分別為組間平均連接法、組內平均連接法、最鄰近元素法、最遠鄰元素法以及質心聚類。采用以上5種方法所得到的結果如表4及圖10所示。采用質心分類法可為4類，采用組間平均連接法、組內平均連接法、最遠鄰元素法可分為5類，采用最近鄰元素法可分為7類。組間平均連接法與其余4類系統聚類法的分類結果相似度較高，與最遠鄰元素法的第1類、第3類和第4類所包括的曲線完全一致，和質心分類法的第2類、第3類、第4類所包括的曲線基本一致，與組內平均連接法除第2類、第3類外完全一致，與最鄰近元素法的第2類完全一致，初步判定采用組間平均連接法將其分為5類。

表4 頂板運動周期內循環末阻力不同算法聚類結果

采用K-means分類法對25條曲線分為5類，各個類型包括的曲線見表4，除L16和L23兩條曲線分類結果外，其余分類結果完全相同。綜合分析認為分為5類較為合理，每一類包括的曲線如下：

第1類包括曲線：L6,L7,L8,L9,L12,L14,L23；

第2類包括曲線：L3,L5,L10,L13,L16,L19,

L23,L25；

第3類包括曲線：L4,L17；

第4類包括曲線：L22,L24；

第5類包括曲線：L1,L2,L11,L15,L18,L20,

L21。

2.2.3模板曲線構建及匹配預測

由于工作面開采和地質條件和復雜性，無法預測歷史數據在未來一段時間內的出現概率，因此考慮歷史數據在未來出現的概率是均等的。以上面聚類得到的每一類別數據的幾何平均值作為模板值，以推進距離為橫坐標，以每一類別載荷和模板值為縱坐標，繪制循環末阻力散點圖及模板曲線，如圖11所示。

圖11 模板曲線構建示意Fig.11 Diagram of template curves construction

構建數據動態延伸窗口，將模板曲線與窗口內的實測數據進行匹配，以相似程度最高的模板曲線進行預測，預測示意如圖12所示。延伸窗口的起點為實測最新一個循環末阻力峰值點，終點為當前數據，延伸步距為1個數據點，直至該周期結束。以匹配度αj作為相似程度的評價指標，其計算公式為

圖12 匹配預測示意Fig.12 Matching and prediction

(13)

3 礦壓雙周期分析預測實踐

綜合以上提出的液壓支架載荷擬合預測模型和循環末阻力匹配預測模型，以上灣礦12401工作面電液控制系統中的壓力數據為例，開發數據采集和分析算法，設計預測流程和預測步驟，開發可視化界面并進行初步應用。

(1)液壓支架載荷擬合預測實例。以12401工作面2018-06-03 T 19:06:26—20:15:27的采煤循環為例，采用液壓支架載荷擬合預測模型進行預測，第1階段采用對數預測的準確率為0.97，第2階段采用指數函數預測的準確率為0.95。采煤循環內支架載荷預測效果如圖13所示。

圖13 采煤循環內支架載荷預測效果Fig.13 Prediction results of support during mining

(2)循環末阻力匹配預測實例。以工作面從7月1日至10月28日之間產生的1 160個循環末阻力為例，分析循環末阻力隨循環數量的變化曲線，提取周期性變化特征并構建模板曲線，對10月28日至11月28日期間產生的21個頂板運動周期進行匹配預測，預測準確率為86%～95%，平均91%，分析預測結果如圖14所示，圖中實線表明實測載荷，虛線表示預測載荷。

圖14 上灣煤礦12401工作面循環末阻力預測結果Fig.14 Prediction results of pressure on No.12401 working face in Shangwan Coal Mine

綜上所述，筆者將覆巖運動物理模型與支架載荷實測數據模型相結合，從液壓支架載荷在時間和空間方面的周期性變化規律入手，研究提出了采煤循環內支架載荷擬合預測方法和循環末阻力回歸預測方法，建立了礦壓雙周期分析預測模型，并通過上灣礦實測數據驗證，實出了支架載荷和循環末阻力的有效預測，最短預測周期可達秒級。國內外目前尚沒有成熟的礦壓預測軟件，礦壓雙周期預測模型為綜采工作面頂板管理和圍巖控制對策的超前制定提供了新方法，為智能化工作面圍巖自適應協同控制提供理論依據。

4 結 論

(1)為解決礦壓實時預測問題，將覆巖運動模型和支架載荷實測數據相結合，綜合時間和空間2個維度，提出了礦壓雙周期分析預測方法。

(2)從時間角度，通過覆巖結構理論推導和實測數據分析，得到了采煤循環內液壓支架與時間的3種基礎增阻函數和4種曲線類型，采用滑動窗口動態預測方法和最大擬合優度的準則，建立了采煤循環內液壓支架載荷擬合預測模型，通過實測數據驗證，支架載荷預測準確率達95%。

(3)從空間角度，基于系統聚類和K-means聚類對液壓支架循環末阻力曲線進行分類，并構建模板曲線，采用延伸窗口動態預測方法和最大匹配度準則、構建了循環末阻力模板曲線實時匹配預測模型，通過實測數據驗證，循環末阻力預測準確率達86%。