基于數(shù)組的刮板輸送機運載模型及煤量計算算法研究

文章編號：1671?251X（2024）08?0084?07 DOI：10.13272/j.issn.1671-251x.2024070052

關(guān)鍵詞：綜采工作面；綜放工作面；刮板輸送機；采煤機；運載模型；數(shù)組模型；載煤量

中圖分類號：TD634.2 文獻(xiàn)標(biāo)志碼：A

0引言

刮板輸送機是綜采（放）工作面唯一的輸送設(shè)備，是煤礦井下智能開采的重要組成部分，具有負(fù)載大、連續(xù)作業(yè)時間長和重載啟動頻繁等特點。隨著煤礦井下刮板輸送設(shè)備智能化技術(shù)的不斷發(fā)展，綜采（放）工作面刮板輸送機在實際應(yīng)用中需要對載煤量進行智能檢測，根據(jù)煤量信息進行實時調(diào)速，從而減少堆煤事故的發(fā)生，降低鏈條、刮板等部件的磨損，避免刮板輸送機機頭和機尾驅(qū)動裝置（包含電動機和減速器）長時間高速運轉(zhuǎn)對設(shè)備造成的機械沖擊，延長設(shè)備使用壽命，進一步提升刮板輸送機智能化水平。

由于載煤量直接影響輸送系統(tǒng)驅(qū)動裝置的運行工況，為避免設(shè)備出現(xiàn)較大沖擊載荷，許多專家和學(xué)者對煤礦井下輸送設(shè)備載煤量進行了研究。董立紅等[1]和代偉等[2]提出一種基于雙目視覺深度感知的帶式輸送機煤量檢測及測重方法，通過建立運煤三維模型，結(jié)合雙目視覺方法獲取煤料圖像深度信息，進而實現(xiàn)煤量計算。王凱[3]通過分析刮板輸送機載煤量與電動機電流的映射關(guān)系，選用小波神經(jīng)網(wǎng)絡(luò)建立刮板輸送機載煤量的預(yù)測模型，對刮板輸送機電流進行預(yù)測。郝洪濤等[4]利用超聲波測距原理，通過超聲陣列檢測各超聲波傳感器陣元對應(yīng)檢測點的煤料高度，采用橫截面切片法計算單位時間內(nèi)輸送帶上通過煤料的總體積，結(jié)合煤料堆積密度計算輸送帶實時煤流量及總煤量。韓濤等[5]提出一種基于多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)的帶式輸送機輸煤量和跑偏檢測方法，輸煤量檢測和跑偏檢測共享同一網(wǎng)絡(luò)底層結(jié)構(gòu)和參數(shù)。郝洪濤等[6]通過狀態(tài)重構(gòu)建立帶式輸送機系統(tǒng)狀態(tài)觀測器，并估計張力值變化率，結(jié)合電子膠帶秤綜合計算煤量信息。胡而已[7]提出基于激光掃描的綜放工作面放煤量智能監(jiān)測方法，引入三角微元法構(gòu)建放煤量回歸實時計算模型，通過測量臨近放煤口位置的后部刮板輸送機上部運煤量來表征工作面實時放煤量，采用高性能多次回波信號反射激光雷達(dá)掃描，快速捕獲，存儲高精度三維激光點云數(shù)據(jù)。陳湘源等[8]提出一種基于線性模型劃分的煤流體積測量方法，通過煤流體積測量模型實現(xiàn)對煤量的精準(zhǔn)測量。張克亮[9]提出了基于多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)（Multi-task Convolutional Neural Network， MT?CNN）的礦井帶式輸送機輸煤量檢測技術(shù)，采用MT?CNN 對輸煤量的輪廓形態(tài)和荷載狀態(tài)進行分析運算，有效提高了輸煤量圖像識別的真實性。劉永剛等[10]設(shè)計了一種智能刮板輸送機控制系統(tǒng)，提出了采煤機不同運行狀態(tài)下刮板輸送機的理想煤量分布曲線。王利棟[11]設(shè)計了一種放煤量激光掃描智能檢測系統(tǒng)，利用激光掃描法獲取臨近放煤口位置的刮板輸送機上煤流輪廓的點云數(shù)據(jù)，根據(jù)刮板輸送機上的煤流特征信息實時構(gòu)建堆煤量的高精度三維模型。孫鵬亮等[12]提出了基于紅外掃描裝置的轉(zhuǎn)載機煤量監(jiān)測技術(shù)，該技術(shù)能夠?qū)D(zhuǎn)載機處煤量進行有效掃描，提供可靠的煤量負(fù)荷數(shù)據(jù)，保障系統(tǒng)的穩(wěn)定運行。劉飛等[13]提出一種基于深度圖像的帶式輸送機煤量檢測方法，該方法可以有效消除井下昏暗環(huán)境對煤量檢測造成的干擾，具有較高的檢測精度和較快的處理速度。胡而已等[14]提出了一種綜放工作面放煤量激光掃描自適應(yīng)監(jiān)測系統(tǒng)，該系統(tǒng)能夠?qū)呙杞嵌茸赃m應(yīng)調(diào)節(jié)，實現(xiàn)了煤流量的精準(zhǔn)監(jiān)測。張耀[15]提出了一種煤礦運輸系統(tǒng)煤量激光三角法監(jiān)測技術(shù)，該技術(shù)基于視覺與光學(xué)測量原理，通過深入研究煤量檢測的影響因素與優(yōu)化的亞像素提取方法，從而獲得高精度的運輸系統(tǒng)實時煤流量。楊光耀等[16]研究了基于機器視覺的煤量截面輪廓參數(shù)提取算法，通過圖像處理獲得激光變形條紋的中心線，并對條紋中心線的斷點進行數(shù)字虛擬連接，提高了煤量測量準(zhǔn)確性。彭麗等[17]研制了一種基于激光與視覺融合技術(shù)的輸送帶煤量檢測裝置，通過對攝像機和激光雷達(dá)同步檢測的圖像進行融合，利用雙目深度估計網(wǎng)絡(luò)（Pyramid Stereo Matching Network，PSMNet）的多尺度融合特征進行預(yù)測，實現(xiàn)煤堆表面點的快速、準(zhǔn)確測量，有效提升煤量測量的準(zhǔn)確度。呂劍鐸等[18]提出了帶式輸送機煤量檢測實驗方法，該方法通過研究二維激光雷達(dá)測量原理、基于三角面積累計法和面元積分原理，構(gòu)建了激光雷達(dá)煤量檢測計算模型，提高了煤礦帶式輸送機運煤量實時測量精度。李學(xué)暉[19]提出了一種基于機器視覺和深度學(xué)習(xí)的煤量識別方法，該方法通過煤量識別模型對煤流圖像進行類別劃分，依據(jù)煤量大小調(diào)節(jié)帶式輸送機帶速，為帶式輸送機節(jié)能調(diào)速提供依據(jù)。崔振國[20]提出了一種基于機器視覺的帶式輸送機煤量監(jiān)測系統(tǒng)，實現(xiàn)了帶式輸送機上煤料體積的高精度動態(tài)識別。賀杰等[21]提出一種基于圖像處理技術(shù)的膠帶上煤量計量方法，該方法通過線激光儀器計算出帶式輸送機上煤量截面積，根據(jù)截面積與帶式輸送機帶速關(guān)系實現(xiàn)膠帶上煤量體積計量，減小了煤量體積計量誤差。然而，目前多數(shù)研究側(cè)重于煤礦井下帶式輸送機煤量檢測和識別，對工作面刮板輸送機煤量檢測僅停留在轉(zhuǎn)載機處安裝紅外掃描裝置，檢測技術(shù)單一，且由于轉(zhuǎn)載機位于刮板輸送機卸煤方向，紅外掃描裝置檢測的是轉(zhuǎn)載機載煤量，不能直接反映刮板輸送機上的實時載煤量，存在較大滯后性。若反饋到集控系統(tǒng)的刮板輸送機煤量信息與實際煤量相差較大，則會導(dǎo)致能源浪費或刮板輸送機堆煤過載，甚至引發(fā)安全事故。

針對上述問題，本文提出一種基于數(shù)組的刮板輸送機運載模型及煤量計算算法，該算法通過連續(xù)數(shù)組建立刮板輸送機運載模型，并表征單位長度的載煤量，結(jié)合采煤機運行速度、滾筒高度、截割深度、位置及刮板輸送機運行速度與裝煤系數(shù)等參數(shù)，綜合計算出刮板輸送機實時載煤量。

1刮板輸送機數(shù)組模型建立

將刮板輸送機設(shè)定為連續(xù)裝煤的載體，設(shè)刮板輸送機長度為M，以0.5 m為單位，建立一個連續(xù)數(shù)組，模擬刮板輸送機運載數(shù)組模型G =｛G[0]，G[1]，…G[i]，…，G[n]｝，其中G[i]為刮板輸送機第i個分段模型，0≤i≤n，n為刮板輸送機分段變量，n=2M－1。刮板輸送機載煤量數(shù)組模型Q=｛Q[0]，Q[1]，…，Q[i]，…，Q[n]｝其中Q[i]為刮板輸送機第i個分段載煤量。

設(shè)置初始狀態(tài)下采煤機位置為P_c（采煤機與刮板輸送機機頭的距離） ，刮板輸送機模型如圖1所示。

煤量分布模型如圖2所示。

3試驗設(shè)計與結(jié)果分析

為了驗證刮板輸送機數(shù)組運載模型和煤量計算算法的可行性，采用SGZ800/2×400 型井下綜采工作面成套智能刮板輸送設(shè)備工作面平臺進行井下工業(yè)性試驗。

3.1刮板輸送機煤量檢測裝置試驗研究

試驗依托焦作煤業(yè)集團趙固二礦配套的刮板輸送機GLH127 紅外煤量檢測裝置計算載煤量。將紅外煤量檢測裝置安裝在轉(zhuǎn)載機接近刮板輸送機機頭的位置，通過RS485 數(shù)據(jù)接口、ModBus RTU 通信協(xié)議將數(shù)據(jù)上傳至井下集控中心進行顯示并存儲。從集控中心獲取到采煤機從機頭運行到機尾狀態(tài)下檢測到的刮板輸送機載煤量信息，通過井下集控中心存儲卡獲取相應(yīng)數(shù)據(jù)并進行分析，結(jié)合理論煤量分布數(shù)據(jù)進行對比分析，結(jié)果如圖9 所示。可看出通過紅外煤量檢測裝置測出的刮板輸送機載煤量信息存在較大的滯后現(xiàn)象，且煤量數(shù)據(jù)收斂性和穩(wěn)定性差，不能準(zhǔn)確檢測刮板輸送機的實時載煤量信息。

3.2刮板輸送機煤量計算算法試驗研究

試驗依托趙固二礦配置的刮板輸送機集中控制系統(tǒng)平臺，結(jié)合從井下集控中心獲取的采煤機位置、截割深度、運行方向、速度和采高等信息，進行瞬時煤量計算顯示、累計煤量的計算顯示與煤量數(shù)據(jù)存儲。刮板輸送機集中控制系統(tǒng)平臺及其主界面如圖10和圖11所示。

在智能控制系統(tǒng)平臺主界面狀態(tài)下點擊左側(cè)“歷史記錄”可以查看當(dāng)前時段的瞬時煤量數(shù)據(jù)，并能夠?qū)崟r存儲載煤量數(shù)據(jù)。可通過控制系統(tǒng)平臺的USB 數(shù)據(jù)傳輸接口將煤量數(shù)據(jù)導(dǎo)出。通過該算法進行了多次實驗，獲取到與刮板輸送機煤量檢測裝置實驗同一時段刮板輸送機載煤量數(shù)據(jù)，并與理論煤量分布數(shù)據(jù)進行對比分析，結(jié)果如圖12 所示。

從圖12 可看出，通過基于數(shù)組模型的煤量計算算法計算出的刮板輸送機煤量數(shù)據(jù)實時性強，載煤量分布接近于理想狀態(tài)且具有較高的收斂性和魯棒性。

4結(jié)論

1）刮板輸送機運載模型及煤量計算算法利用數(shù)組模型，將刮板輸送機設(shè)定為連續(xù)裝煤的載體，根據(jù)工作面長度，選擇恰當(dāng)?shù)膯挝婚L度建立刮板輸送機運載模型，模擬刮板輸送機工作方式，并表征刮板輸送機載煤量信息。結(jié)合綜采（放）工作面“三機”集中控制系統(tǒng)采集反饋的采煤機運行速度、滾筒高度、截割深度、位置、裝煤系數(shù)及刮板輸送機運行速度等參數(shù)，通過多參數(shù)數(shù)學(xué)建模的方法，實現(xiàn)對刮板輸送機單位煤量的實時模擬，進而直觀反映煤礦井下采煤工藝并準(zhǔn)確計算出刮板輸送機的實時載煤量。通過數(shù)組模型的煤量計算算法計算出來的刮板輸送機煤量數(shù)據(jù)實時性強，載煤量分布接近于理想狀態(tài)且具有較高的收斂性和魯棒性。

2） 基于數(shù)組模型的煤量計算算法通過連續(xù)數(shù)組建立刮板輸送機運載模型，且需要結(jié)合工作面采煤機運行速度、滾筒高度、截割深度、位置及裝煤系數(shù)等參數(shù)綜合計算刮板輸送機上的實時載煤量。綜采工作面刮板輸送設(shè)備和綜放工作面的前部刮板輸送設(shè)備采用的是采煤機割煤采運方式，因此刮板輸送機裝載煤量與該算法有必然關(guān)聯(lián)。該算法只適用于綜采工作面刮板輸送機和綜放工作面前部刮板輸送機的載煤量計算。