綜采工作面“三機”智能化研究現狀及展望

鄭嘉璐，魯 杰,2，張望杰

(1.山西大同大學 煤炭工程學院，山西 大同 037003；2.中國礦業大學 礦業工程學院，江蘇 徐州 221116)

煤炭是我國的基礎能源，2020年，我國能源消費總量49.8億t標準煤，原煤產量38.4億t，約占一次能源生產總量56.8%；根據中國工程院相關報告預測：到2030年，煤炭在我國能源結構中所占比例為50%；直至2050年，仍將以40%的占比高居榜首[1]。

在“雙碳”背景下，煤礦智能化已勢在必行。2020年，國家發展改革委等八部委聯合印發的《關于加快煤礦智能化發展的指導意見》要求，到2025年，大型煤礦和災害嚴重煤礦基本實現智能化；到2035年，各類煤礦基本實現智能化[2]。煤礦智能化是指在原有數字化建設的基礎上將工業物聯網、云計算、大數據、人工智能、自動控制、機器人、移動互聯網、智能裝備等與煤炭開發技術與裝備進行深度融合，形成井下環境的全面自主感知、各設備的高效自主決策和協同控制、故障實時診斷預測、災害動態預測預警的煤礦智能系統，實現礦井地質保障、采掘(剝)、主輔運輸、通風、排水、供電、安全保障、分選運輸、生產經營管理等全過程的智能化運行[3-4]。煤炭開采以井工開采為主，綜采工作面環境較為惡劣且易發生片幫、冒頂、煤與瓦斯突出、沖擊地壓等一系列煤礦災害。此外，我國煤炭企業從業人員多數年齡較大，煤礦井下的惡劣環境和危險性無法吸引新鮮血液的涌入，招工難的問題連年攀升，且疊加的人力成本也呈逐年上升趨勢。因此，煤礦智能化是煤炭產業技術發展持續創新的需要也是采煤產業發展史的必然規律。綜采工作面作為煤礦井下易產生安全事故的區域，它的智能化發展是實現煤礦智能化的重要一步，也是實現煤礦井下少人則安、無人則安，煤炭資源高效綠色開采的重要舉措。

近年來，隨著人工智能、機器學習、雙目視覺、5G、大數據等先進技術的發展和應用，我國各大煤礦也積極和國內先進廠商合作，進一步加快煤礦智能化建設的進程，尤其在綜采工作面各機械設備智能化方面有很大突破。筆者以綜采工作面采煤機、液壓支架、刮板輸送機的智能化技術為核心，從理論研究和實際應用方面對各設備運用的關鍵技術進行介紹，在提出自己看法的同時對綜采工作面“三機”的智能化發展趨勢進行了展望。

1 采煤機智能化發展現狀

采煤機作為煤礦智能化建設中的核心設備，有關采煤機的智能化建設已取得很大進展，截至2020年底，我國已有494個煤炭開采工作面實現了以采煤機記憶截割為主，輔以人工干預的智能化采煤工作面[5]。山西省陽煤集團的新元礦、山西焦煤西山煤電集團公司馬蘭礦等一些智能化礦井已先后實現了采煤機的記憶截割和遠程控制。

采煤機記憶截割是指起初通過工人靠視力觀測和截割噪聲識別煤巖分界，進行人工操作示范割煤，然后采煤機記憶截割系統對采煤機在工作面各位置運行參數和運行狀態進行記憶，然后根據記憶數據進行重復自動截割。由于采煤工作面在采掘過程中存在粉塵多、噪音大、能見度低等現狀，人工識別難以實時準確地判斷煤巖分界，及時做出調控，且在采煤機記憶完相關截割數據進行自動截割時，工作面頂底部高度變化曲線會隨著工作面推進而動態變化，這就需要在進行記憶割煤時進行人工實時干預，對采煤機截割數據進行調整，并實時刷新記憶數據，進行下一輪記憶截割。若要實現不需要人工干預的自主截割，就需要采煤機的煤巖識別、高精度的定位和定姿技術。

1.1 采煤機煤巖識別技術

目前，煤巖識別技術主要有基于切割載荷識別技術、基于煤巖物性識別技術、基于巖層掃描識別技術三種?；诮馗钶d荷識別技術是通過監測采煤機滾筒上的鎬形截齒在截割煤或巖時，所受的反作用力的大小來判斷煤巖狀態，該方法有助于識別煤巖但不適用于所有采煤工藝，且截齒損耗較大；基于煤巖物性識別技術是采用機器視覺，利用煤與巖石在圖像特征上的不同進行煤與巖石的識別，該方法采用的CCD相機易受粉塵、水漬的污損，影響圖像質量，導致識別不精準；基于巖層掃描識別技術的太赫茲光譜識別法可快速識別煤巖界面，且不與煤巖直接接觸，在未來具有很好的應用前景。

1.2 采煤機定位技術

采煤機定位技術主要有紅外傳感定位、超聲波定位、慣性導航定位和采煤機融合定位。

紅外傳感定位是通過裝在液壓支柱上的接收裝置接收安裝在采煤機上的發射裝置不斷發射的紅外信號，并運用定位算法實現采煤機的定位[6]。該方法易出現多個接收器同時接收到信號的現象，且紅外收發裝置比較脆弱且易受到工作面粉塵、水汽等惡劣環境的影響，定位精度較低。超聲波定位法是將接收發裝置安裝在橋式轉載機的小橋上，在采煤機運行過程中，以采煤機為監測對象發送超聲波，接收裝置通過接收采煤機端部反射回來的超聲波進行系統處理確定采煤機的位置[7]。此方法的優勢在于不用和被測物體直接接觸且方向性好、強度容易控制，缺點是在礦井環境較為惡劣且回采工作面較長時，超聲波隨著距離的增加會大幅衰減或無法接收到回波，定位時會產生較大誤差或定位失敗。慣性導航定位通過陀螺儀和加速度計來實時測算采煤機的3個轉動角速度和線性加速度，然后依次通過坐標變換和高速積分運算獲得采煤機的姿態、速度、航向等信息[8]。該方法具有自主性強、可靠性高等優點。但慣性導航定位方法易產生累計誤差和位置漂移，且定位精度受采煤機運行時長的影響較大。

針對上述幾種方法的優勢和不足，文獻[9]提出了采用捷聯慣導系統(Strapdown Inertial Navigation System,SINS)和其他傳感器融合的定位方法，如圖1所示。

圖1 采煤機組合定位

該方法將慣性導航和多傳感器獲得的信息通過高速解算獲得采煤機的運動和滾筒截割軌跡，并通過用戶數據報協議傳輸至數據存儲與處理系統，隨后該系統將二者的軌跡數據點和綜采工作面的煤層三維模型頂底板數據繪制在同一個“東北天”坐標系中，來確定采煤機在綜采工作面中的精確位置信息。此方法在工作面傾角10.16°的中斜煤層進行定位實驗，定位誤差小于50 mm，滿足采煤機的精準定位需求，具有良好的發展前景。

1.3 采煤機姿態檢測技術

采煤機的姿態信息是完成其自主截割和滾筒自適應調高的重要依據，姿態檢測作為采煤機走向智能化的一個重要環節，主要采用傾角傳感器或慣性導航裝置，其中慣性導航裝置可與其他先進技術進行融合，同時提供采煤機的位置和姿態信息，發展前景十分廣闊。

針對采煤機姿態檢測問題，文獻[10]提出了基于地理信息系統的采煤機定姿技術。該方法通過地理信息系統和慣性導航裝置實時獲取的采煤機位置和姿態信息，確定采煤機滾筒在工作面的具體位置信息，但該方法使用的慣性測量裝置易產生誤差累積，且震波存在頻散性、疊加干涉等問題，無法獲取采煤機精確姿態信息。

吳剛[11]從采煤機捷聯慣導基本原理出發，建立能夠求解SINS系統狀態的最優估計卡爾曼濾波方程組，并對捷聯慣導系統的慣性誤差、初始對準誤差及安裝誤差進行一一補償。對受采煤機振動產生累計誤差和位置漂移的光纖陀螺儀和加速度計對捷聯慣性導航精度的影響，建立了采煤機振動力學模型，仿真獲取了采煤機整機的振動響應特征，對采煤機振動產生的圓錐誤差和劃船誤差進行了有效的抑制，并進一步提出了旋轉調制誤差自補償技術，對陀螺儀產生的零偏漂移進行了完全消除。經過現場實驗，該種方法顯著提高了采煤機姿態感知精度。

2 液壓支架智能化發展現狀

液壓支架作為直接影響煤礦安全的綜采工作面的重要設備，其智能化發展對整個綜采工作面的智能化尤為重要，液壓支架的智能化發展主要集中在姿態感知、自主跟機移架等方面。

2.1 液壓支架姿態監測技術

液壓支架姿態信息的獲取是實現液壓支架一切控制的基礎，液壓支架的不合理支護姿態會影響液壓支架的穩定性和有關零件的使用壽命，造成支護隱患，危及工作面安全。由于綜采工作面通常需要支架群組進行支護，在支架群組運動時，若獲得的姿態信息存在誤差，易產生傾斜、咬架等情況，因此液壓支架姿態的精確檢測和動作的精準控制對液壓支架的智能化控制十分重要。

目前液壓支架主要通過在護幫板、頂梁、后連桿、掩護梁及底座分別安裝雙軸傾角傳感器，利用傳感器所獲得的數據通過公式反解出支架的工作姿態[12-13]，各傳感器的安裝位置如圖2所示。該方法具有物理架構簡單，易于管理等優點，但在井下惡劣環境下，傾角傳感器的監測精度會產生較大的誤差且傾角傳感器只能對液壓支架實現二維狀態監測，無法滿足支架的三維姿態信息監測需求。

圖2 液壓支架傾角傳感器安裝位置

王亞飛[14]提出了一種多角度融合算法，該方法采用傾角傳感器和陀螺儀同時測量液壓支架的姿態角，并將測量角度轉換為計算角度，通過多角度平均值算法對液壓支架的姿態進行解析。然后通過液壓支架記憶姿態監測方法，運用灰色馬爾科夫理論將傳感器測量角度與預測角度的誤差進行分析，提高了液壓支架的姿態監測精確性和實時性。但由于井下環境復雜，底板多是高低起伏的狀態，利用灰色馬爾科夫計算的預測姿態僅考慮到底板平整的情況，在實際應用中誤差較大，尚處于理論研究階段。

文獻[15]提出了一種基于深度視覺原理的液壓支架支撐高度與頂梁姿態角測量方法，該方法采用雙目視覺相機RGB-D、ORB算法和FLANN算法獲取液壓支架底座的相關信息，根據ICP模型和液壓支架姿態視覺測量模型設計相關算法，實現對液壓支架的高度和頂梁姿態角的測量。該方法測量精度高、穩定性好，是人工智能技術應用于綜采工作面的一項突破，具有廣闊的發展前景。

2.2 液壓支架自動跟機技術

液壓支架自動跟機控制技術是將“三機”看作一個整體，依據采煤機的位置信息并結合綜采工作面的頂底板條件和采煤工藝，實現液壓支架根據自身所處采煤機的位置自主進行收伸支護頂板、移拉架、推溜、調整伸縮梁等一系列跟機動作。

液壓支架跟機控制技術的核心點在于根據采煤機位置確定相應位置支架動作，目前主要有兩種方式實現此功能。一是通過根據采煤機參量為工作面當中的每一臺支架建立相應的規則庫，實現支架群組根據采煤機位置和方向信息按照預先設定的規則準確連續地做出相應的支護動作。該方法采用計算機網絡進行控制，使支架控制更加安全和靈活，但由于綜采工作面煤巖狀態和機器運行狀態時刻保持動態變化，按照預先設定的規則進行跟機移架會產生較大的誤差。二是根據綜采工作面的采煤方法和“三機”協調控制的過程建立刮板輸送機彎曲段數學模型和跟機自動控制的數學模型，實現液壓支架的自動跟機[16]。該方式提高了采煤效率，為液壓支架跟機自動化提供了理論基礎，但由于無法根據回采過程中環境的變化進行自主調整，易造成推溜和移架不到位的情況，需要人工校正。液壓支架自動跟機控制技術雖取得了較大進展，提高了采煤工作效率，但仍無法根據環境變化和本身姿態的變化自動跟機調整，因此液壓支架的環境自適應跟機控制是未來液壓支架智能化發展的重要方向。

3 刮板輸送機智能化發展現狀

3.1 刮板輸送機的智能調速技術

在智能化采煤工作面中，刮板輸送機通過和采煤機協同作業完成采煤和運煤的任務，這就需要刮板輸送機根據采煤機的割煤速度和割煤量進行調速，目前刮板輸送機的主流調速方式是通過可編程邏輯控制器和變頻控制器來實現，兩者通過Profibus-DP通訊協議進行雙向通信，完成對刮板輸送機速度的調節。該方法具有控制系統簡單、穩定性高等優點，但在實際工作環境中會出現煤壁坍塌、大塊煤突然掉落等現象，當出現負載突然增大的情況時，該方式存在調速滯后的情況。針對這種情況文獻[17]提出了一種根據以齒輪嚙合頻率幅值信息作為刮板輸送機負載表征量的歷史數據，結合卷積神經網絡對下一刻刮板輸送機的負載進行預測，彌補了控制的滯后性，但該方法以刮板輸送機的負載電流作為主要參考量，對煤流量的檢測存在誤差較大的問題，因此在煤流量的精準檢測，是智能調速的基礎，在煤流量檢測技術突破后，該方法具有廣闊的發展前景。

3.2 刮板輸送機的煤流檢測技術

煤流量的精確監測是實現刮板輸送機以采定運、節能控制的基礎和前提，目前煤流檢測主要有以下三種。

1) 超聲波煤流量檢測技術。運用以超聲波換能器和變送器為核心部件的超聲波傳感器，根據回波測距原理測量輸送機上煤面的最高點，然后結合溫度傳感器所獲得的溫度數據對所測煤面高度進行溫度補償，最后通過傳感器高度、煤堆積角等相關參數，根據公式推算出煤流的截面積，進而求解出煤流量[18]。該方式具有不與物料接觸、安裝維護方便、可連續測量等優點。缺點是超聲波在檢測堆煤時，易產生不同程度的散射和吸收衰減且有可能產生無法接收到回波的現象，對煤流量檢測產生影響。

2) 基于負載電流檢測技術。根據刮板輸送機負載波動會對減速器齒輪嚙合過程中接觸剛度產生影響從而產生幅值改變的原理，采用高頻數據采集器對刮板輸送機運行過程中的電流數據進行采集，然后經過工頻濾波和傅里葉分析等一系列操作從中提取齒輪嚙合頻率幅值，最后利用幅值特征提取原理，得到負載幅值數據以此獲得煤流量變化[17]。該方法具有穩定性高、可實時動態檢測等優點。缺點是檢測產生的數據量十分龐大，處理成本較高，且在液壓支架推溜過程中，刮板輸送機所產生不同程度的彎曲，易造成負載不均的情況，對煤流量的檢測產生影響。

3) 基于機器視覺的煤流量檢測技術。將激光發射器和數字攝像頭作為核心部件，通過數字攝像頭實時采集含有用激光發射器投射的激光條紋的煤流圖像，然后將圖像經過工業以太網上傳至地面數據中心進行數據處理以獲得煤流量信息[19]。但綜采工作面存在低照度、高粉塵問題，采用機器視覺煤流量檢測方法存在難以確定刮板輸送機邊界和污染物對鏡頭視覺產生影響等問題。

針對刮板輸送機邊界難以確定的問題，文獻[20]提出了通過計算數字攝像頭所獲取的視頻圖像中同一像素點在多幀圖像上像素值的標準差來確定刮板輸送機邊界所在的區間，然后運用長短時窗能量比方法實現邊界的精確提取。該方法有助于改善機器視覺難以精確識別邊界的問題，提升了煤流量的檢測精度。針對鏡頭易受井下煤塵和水霧污染造成檢測誤差的問題，文獻[21]提出了一種鏡頭自動揭膜的除塵去污方法，該方法首先在視覺系統表面覆蓋多層疏水膜，然后通過采用防爆設計的可自動揭膜的機械結構，根據圖像采集質量判斷鏡頭的污損程度進行自動揭膜，該方法能有效提高圖像采集質量，提升煤流量的檢測精度。

3.3 刮板輸送機故障自動檢測技術

目前刮板輸送機的故障主要集中在刮板輸送機鏈條、電動機、液力耦合器和減速器等方面[22]，電動機方面采用在電動機繞組和前軸承安裝溫度傳感器進行溫度檢測，實時監測電動機的故障信息；液力耦合器方面，對耦合器的輸入輸出轉速進行監測，避免其出現長期打滑現象；減速器方面通過對減速器的高低速軸承溫度和減速器中潤滑油的油位、油溫和油質的實時監測，實現對減速器的故障檢測；目前這幾種監測方式相對比較成熟，刮板輸送機主要故障檢測還是在刮板輸送機斷鏈和掉鏈檢測方面。

針對刮板輸送機斷掉鏈故障主要采用振動分析法、圓環鏈張力檢測法、接近開關檢測法和張緊油缸壓力檢測法。振動分析法是根據刮板輸送機斷掉鏈故障時震動參數的明顯改變來判斷設備的故障信息，該方法電路簡單、易于安裝，有比較成熟的應用，但刮板輸送機在運行中震動強烈且在液壓支架推溜過程中刮板輸送機的彎曲易對震動產生影響，使得監測裝置監測的信息不準確；圓環張力檢測法[23]是將單軸應變片緊貼在圓環鏈立環中間直臂部分的內側，具體安裝位置如圖3所示。該方法通過應變片的形變檢測鏈條張力，可有效預測圓環鏈斷鏈故障，但缺點是應變片易受堆煤撞擊損壞，且易受井下復雜電磁環境的干擾。

圖3 應變片安裝位置

接近開關檢測法是將接近開關對稱安裝在中部槽兩側，通過每對對稱傳感器檢測信號是否存在較大時間差，判斷是否發生斷鏈故障[24]。但作為該方法主要檢測目標的舌板易受堆煤的影響，導致傳感器無法檢測到信號，出現檢測失效的問題。張緊油缸壓力檢測法是通過張緊油缸的壓力來推測鏈條張力，進而判斷是否存在鏈條故障。該方法具有檢測裝置不易受堆煤損害、壽命長、穩定高等優點，但檢測是通過間接方式獲得鏈條張力信息，檢測精度會存在一定誤差，未來可通過多傳感器融合進行實時校正，提高故障檢測精度。

4 結 語

綜采工作面“三機”的智能化是推進我國綜采工作面智能化發展的關鍵。目前綜采工作面“三機”智能化技術仍存在精度不高、穩定性不強、與其他設備協同控制能力較差的問題。因此綜采工作面主要設備的發展趨勢主要集中在以下幾個方面。

4.1 采煤機智能化發展趨勢

利用地質雷達、智能微動、瞬態面波、電磁波CT層析成像等精細物探手段和紅外掃描構建初始工作面地質數字模型，將模型數據與井下地理信息系統(GIS)工作面三維實體模型結合形成工作面精細地質數字模型。利用工作面軌道巡檢機器人紅外掃描、激光掃描和視頻圖像數據進行實時修正，通過多信息融合，構建全息數字化工作面三維地質模型，實現工作面開采條件預先感知。與此同時，采用具有更高定位精度的捷聯慣導和無線傳感器等設備相融合的組合定位技術獲取采煤機的精確定位信息，利用動態地質數據和煤巖截割監測數據，修正采煤機記憶截割模板，實時調整滾筒截割高度與截割路徑，實現采煤機自適應割煤。

在采煤機自適應割煤基礎上，通過紅外感知、高清視頻圖像自動捕捉，結合多傳感器融合的精確定位系統獲取采煤機精確位置信息，實時分析采煤機滾筒到液壓支架頂梁或護幫板前端的安全距離，自動調整滾筒高度，修正記憶截割模板，解決采煤機自主感知防碰撞難題，實現采煤機自主避讓液壓支架。同時采煤機還將搭載故障檢測和預警系統保障采煤機的安全運行。

4.2 液壓支架智能化發展趨勢

運用壓力傳感器、傾角傳感器、紅外激光掃描、地質雷達和機器視覺等先進設備和技術對支架的各關鍵位置受力情況、端面頂板的完整性及工作面傾角、上部巖層破壞狀況及支架后方頂板破斷情況等液壓支架姿態和圍巖狀況進行全面感知，通過在液壓支架底部和尾部安裝單獨的調斜和調偏裝置實現液壓支架在復雜地質條件下根據頂板傾角和液壓支架方向角進行自主糾偏調斜。

未來液壓支架根據過往的移架時間預測置信區間來確定下一次的移架時長，隨著工作面的推進，液壓支架還將根據實際數據進行動態優化，最終通過時間和傳感器雙參數動態冗余控制，實現液壓支架的自主跟機移架。在液壓支架供液方面，應用人工智能算法對歷史人工啟停泵數據進行建模，將乳化液泵站和“三機”看作一個大系統，對系統的輸入輸出數據進行建模并優化，建立乳化液泵站的啟停決策模型，實現液壓支架跟機模式下的按需智能供液。此外，運用大數據和5G等先進智能化技術，液壓支架將實現故障的智能診斷、實時預測和高效傳輸。

通過運用諸多先進智能化技術，未來液壓支架將根據自身的姿態和外界環境的變化，實現液壓支架群組的智能支護和刮板輸送機精確的推移。

4.3 刮板輸送機智能化發展趨勢

刮板輸送機采用矩形模型算法，把刮板輸送機每節溜槽概化為平面矩形模型，通過對彎曲段中部槽數量的精確計算，進一步減少推溜過程中彎曲段長度，保證彎曲度的一致性，進而減少刮板輸送機前的堆煤量，保證刮板輸送機在推溜過程中的安全運行和自動化精確控制。

根據刮板輸送機彎曲推移機理，將刮板輸送機的推移控制為定值定位狀態，采用液壓支架和刮板輸送機同時集中橫向推移，保證推移過程中的溜槽均受到集中統一控制，根據機頭與溜槽、溜槽與溜槽的水平轉角到達極限值的位移量和首次推溜過程完成后機頭的位移量，實現推溜過程中溜槽位置的確定，在循環推溜過程中，通過傳感器實時獲取每個溜槽的水平轉角和液壓支架推移缸的行程數據，并進行數據分析，對溜槽狀態進行實時動態調整，自主地進行工作面直線度保持。此外，液壓支架還將實時監測采煤機后滾筒的位置，執行推溜動作，保證刮板輸送機推溜的實時性。

在運用大數據、機器視覺等先進技術突破煤流量檢測技術后，刮板輸送機將根據煤流量信息進行實時智能調速，實現刮板輸送機低功耗運行。此外,在故障檢測技術得到突破后，刮板輸送機將故障信息實時上傳至地面集控中心并啟動保護措施，避免引起其他故障。