基于數據融合的采煤機定位算法研究

李九州，王春喜，付營軍

（北京天瑪智控科技有限公司，北京 101399）

隨著我國煤礦智能化建設的穩步推進，綜采工作面智能化的需求也在持續升級。采煤機智能化系統及液壓支架智能化系統作為其建設的兩大核心部分，在機架協同控制、支架跟機率方面不斷提出了新的要求。采煤機狀態信息包含采煤機的實時位置、運動方向與運行速度等，是決定跟機自動化、液壓支架系統、采煤機系統智能化的關鍵參數，直接影響液壓支架跟機動作的準確性，因此，采煤機實時定位技術是實現工作面智能化的重要保障。

現有的集控系統只是將各設備的信息簡單匯集到一起，沒有進一步的數據挖掘和應用，也未實現真正的信息融合。文章在綜合之前研究成果的基礎上，提出了一種新方法，即采煤機上報的信息與紅外傳感器提供的位置信息經過分析處理后，由集控系統采用卡爾曼濾波的方式融合，預估煤機狀態信息。提高了預測的精度，減小了數據的延遲，有效解決了工作面液壓支架系統定位不準的問題。

1 融合系統定位原理

1.1 融合定位系統構成

融合定位系統由采煤機定位系統、液壓支架定位系統與集控中心3部分構成。采煤機定位系統包括里程計、慣導模塊等，可把計算得到的采煤機速度、采煤機牽引方向、位置等信息上傳到集控中心。液壓支架定位系統由安裝在采煤機上的紅外發射器、安裝在支架上的紅外接收器、支架控制器及信號處理模塊構成，紅外發射器實時發送紅外信號，安裝在支架上的紅外接收器收到信號后，通過支架控制器把該支架號上傳到信號處理模塊中，經過信號處理模塊濾波處理后，把最終確定的支架號上傳至集控中心。集控中心負責處理液壓支架定位系統、采煤機定位系統上傳的位置信息，把融合后的實時定位信息，發送到液壓支架定位系統中的支架控制器。

1.2 融合定位算法原理

融合算法將采煤機定位系統和液壓支架定位系統收集到的數據進行整合處理，以提高定位的精度與可靠性。數據融合的步驟如圖1所示。

圖1 融合定位算法步驟

當集控系統收到采煤機、液壓支架定位系統上報的初步融合數據后，通過時空對齊、數據校正等方法對數據進行預處理，并采用卡爾曼濾波算法對收集到的觀測值和建立的數學狀態模型進行融合，從而得到對系統狀態的實時估計和預測，有效減小傳感器噪聲和不確定性對系統的影響。最后，將定位結果下發到支架控制器中，以此結果作為跟機動作的判斷依據。

2 數學模型

2.1 數據預處理

數據預處理是數據融合的重要前提，跨系統的數據融合需要保證數據的時間同步及空間配準。

2.1.1 時間同步

時間同步是將兩個系統不同步的測量信息同步到同一時刻，需要滿足計算同步與采樣同步。采煤機定位系統及液壓支架定位系統實時上傳數據信息到集控中心后由集控中心在同一時刻計算，同時，為保證來源時間的同步，根據奈奎斯特采樣定理須滿足：

式中，fs為采煤機系統的采樣頻率，fl為液壓支架系統采樣頻率。

采煤機系統傳感器精度高，支架系統傳感器精度低，通過提高支架系統的采樣頻率，以補充液壓支架的狀態信息，在同一時間片內，采用最鄰近采樣的方式，來保證這兩個系統的采樣時間上的同步。

2.1.2 空間配準

液壓支架定位系統上傳的位置架號，采煤機定位系統上傳的煤機速度、位置等信息，采用的坐標系是不同的，但是都可以用工作面作為相對基準，所以在融合前可將兩者配準到工作面同一測量坐標系中。

為便于處理采用一維簡化模型，對液壓支架定位系統得到的架號，采用如下方法映射到坐標系中：

式中，Nk為k時刻的架號，l為支架間的平均距離。

采煤機定位系統上傳的位置與實際工作面長度比例存在偏差，采用如下方法進行校準：

式中，Vs，k為采煤機系統實際上傳的采煤機速度，L為一刀煤過程中采煤機經過的最小架號至最大架號的距離，Δx為統計得到的采煤機上傳的位置上一刀的最大差值。

2.2 系統融合模型的建立

為建立圖1所示的融合定位系統的數學模型，須做以下假設。

A1：采煤機在采樣時間內速度不變。

A2：采煤機在采樣時間內為直線運動。

A3：系統的測量誤差符合正態分布。

由此建立該系統的空間狀態方程（4），測量方程（5）：

式中，Sk為k時刻的真實位移，Vk為k時刻的真實速度，w1，k-1為k-1時刻位移的過程誤差，w2，k-1為k-1時刻速度的過程誤差，v1，k-1為k-1時刻的位移觀測噪聲，v2，k-1為k-1時刻速度的觀測噪聲，Z1，k為k時刻的位移測量值，Z2，k為k時刻的速度測量值，p（w）為過程誤差的正態分布，Q為p（w）的協方差矩陣，p（v）為觀測噪聲正態分布，R為p（v）的協方差矩陣。

設采樣周期為Δt，根據假設的A1與A2，可得狀態轉移矩陣A為：

Z1，k由紅外傳感器計算得出，Z2，k由采煤機定位系統給出，兩者相互獨立，可得狀態觀測矩陣H為：

根據卡爾曼濾波的原理及式（4），可得預測模型：

式中，Pk-1為k-1時刻的真實值與后驗估計值間誤差的協方差矩陣，為真實值與先驗估計值誤差的協方差矩陣，A為狀態轉移矩陣，Q為p（w）的協方差矩陣。

式中，Kk為卡爾曼增益，R為p（v）的協方差矩陣，H為狀態觀測矩陣，Pk為k時刻的真實值與后驗估計值間誤差的協方差矩陣，為真實值與先驗估計值誤差的協方差矩陣。

2.3 超參數設定

卡爾曼濾波的實質是通過調節Q與R的比重，來權衡測量值與估測值哪個置信度更高。一般的卡爾曼濾波總是采用固定的Q與R值。對于液壓支架定位系統，紅外信號的標準差和紅外發射器與紅外接收器的距離，紅外發射器的發射角度等相關。對于采煤機定位系統一般精度會遠大于液壓定位系統。文章采用如下初值：

但是紅外系統的協方差可由實際工作面安裝情況修正。假定通過安裝調節，使得采煤機真實位置落在3個架子之內的概率為95%，即：

則由式（2）可對上述值進行如下修正：

3 實驗驗證

山東能源棗礦集團濱湖煤礦某工作面長度為152～182 m，共有支架125架（端頭架6架），架長1.45 m，架間間隙不超過100 mm。液壓支架系統采用北京天瑪智控網絡型控制器，并且每架配備一個紅外接收器。采用MG400/870-WD 型交流變頻電牽引采煤機，可提供牽引速度、位置、牽引狀態等信息，并安裝紅外發送裝置。通過集控中心部署的天瑪longwallmind4.0軟件集成系統將信息發送到上位機。使用的數據集從8月16日2點46分開始到次日2點，每隔1s 采樣一次采煤機上報的信息，液壓支架定位系統每隔0.3s 上報一次，由集控中心記錄收到上報時的時間，并采用時間間隔最近的原則，與采煤機以相同的頻率時刻采樣。根據系統融合模型，分別對采煤機位置進行靜態與動態分析，結果如圖2所示。

圖2 數據融合結果（動態實驗）

3.1 采煤機靜態定位分析

當采煤機靜止時，采煤機定位系統由于累積誤差與液壓支架定位系統得到的位置信息有偏差，采煤機實際位置及預測位置基本一致。預測位置在上電35s內收斂于液壓定位值上。

3.2 采煤機動態定位分析

位置預測值在收斂與液壓支架定位值附近，而變化趨勢則與煤機系統定位值變化情況保持一致。

3.3 系統異常分析

融合系統的異常情況包括采煤機定位系統數據上報異常、液壓支架系統上傳的架號值跳變及液壓支架系統在采煤機改變方向時數據更新不及時等情況。

當采煤機定位系統上傳的煤機狀態信息異常（未更新）時，位置停留在199.97 m，實時速度為0，而架號發生了變化，這時預測位置自動采用液壓定位系統上報的位置信息為參考，排除了采煤機定位系統的錯誤信息。當液壓支架定位系統上傳的數據發生架號跳變時，架號由104 跳變到106，但位置由197.94 m變化到198.01 m，并未跳變，預測位置保持了平滑的變化，由156.440 m 變為156.894 m，未發生突變。當采煤機運行返刀時，實時速度由0.038 m/s 降為0，之后反向變為-0.114 m/s，液壓定位系統上傳的架號未及時變化，仍然為47，而預測位置可及時追蹤速度的方向變化，延遲幾拍后反向。

4 結束語

以液壓支架定位系統得到的數據為基準，以采煤機定位系統得到的數據為趨勢判斷依據，采用時空對齊、卡爾曼濾波等方法，在融合兩者特征的基礎上，組合定位給出適合工作面液壓支架智能跟機的煤機位置信息。試驗結果表明，該融合算法克服了工作面實際跟機過程中遇到的跳架、煤機轉向誤動作等問題；克服了采煤機系統的積累誤差，在遇到煤機上傳的定位數據不準的情況下，仍然可以正常使用，有效提高了跟機率，并為智能化工作面的建設提供了可靠保障。