任懷偉，王國(guó)法，趙國(guó)瑞，曹現(xiàn)剛，杜毅博，李帥帥

(1.天地科技股份有限公司 開(kāi)采設(shè)計(jì)事業(yè)部，北京 100013; 2.煤炭科學(xué)研究總院 開(kāi)采研究分院,北京 100013; 3.西安科技大學(xué) 機(jī)械工程學(xué)院，陜西 西安 710054)

智慧煤礦及智能化開(kāi)采將現(xiàn)代科學(xué)技術(shù)與傳統(tǒng)采礦科學(xué)融合發(fā)展，是煤礦開(kāi)采領(lǐng)域的技術(shù)發(fā)展趨勢(shì)和當(dāng)前研究的熱點(diǎn)問(wèn)題。1999年提出的數(shù)字礦山的概念，是由數(shù)字地球延伸而來(lái)，即在礦山范圍內(nèi)以三維坐標(biāo)信息及其相關(guān)關(guān)系為基礎(chǔ)而組成的信息框架[1-2]。之后，地質(zhì)探測(cè)、環(huán)境監(jiān)測(cè)、開(kāi)采裝備狀態(tài)等更加廣泛、深入的信息不斷融入，再輔以UWB超寬帶局部定位、虛擬現(xiàn)實(shí)等先進(jìn)技術(shù)被引入到礦山開(kāi)采數(shù)字信息的處理中，形成了基于GIS(地理信息系統(tǒng))的一系列信息化、數(shù)字化礦山模型[3-6]。當(dāng)前，數(shù)字煤礦已經(jīng)實(shí)現(xiàn)了信息實(shí)時(shí)精準(zhǔn)采集、遠(yuǎn)程網(wǎng)絡(luò)傳輸、三維實(shí)景展現(xiàn)等功能，也實(shí)現(xiàn)了從井上到井下、從整個(gè)礦區(qū)到具體設(shè)備、從現(xiàn)場(chǎng)到遠(yuǎn)程、從生產(chǎn)到安全的多層次立體信息集成[7-8]。

數(shù)字礦山更多強(qiáng)調(diào)的是信息的數(shù)字化表達(dá)。對(duì)礦山開(kāi)采系統(tǒng)而言，復(fù)雜多變的地質(zhì)環(huán)境、系統(tǒng)集成的作業(yè)工藝、高度關(guān)聯(lián)的生產(chǎn)調(diào)度都越來(lái)越需要智能化的決策和控制，近年來(lái)提出的智慧礦山[9]就是在數(shù)字信息的特征提取、邏輯推理及智能決策方面進(jìn)行大量的研究[10-15]，以期從大量數(shù)據(jù)中挖掘特定關(guān)聯(lián)關(guān)系并推演出全新的運(yùn)行邏輯。因而，為支持這一技術(shù)需求，煤礦信息框架不僅僅是三維地理坐標(biāo)、環(huán)境、裝備等信息，還應(yīng)包括數(shù)據(jù)間的相互關(guān)聯(lián)關(guān)系及其邏輯推理，包括功能關(guān)系、事件關(guān)系、物理關(guān)系的表達(dá)、辨識(shí)和處理等，從而形成支撐智慧煤礦的邏輯信息框架。

目前，從數(shù)字礦山向智慧礦山信息框架演進(jìn)的過(guò)程中，存在3個(gè)核心問(wèn)題未有效解決:一是信息關(guān)聯(lián)層次不清晰，基于“規(guī)則”的方法[16-17]只是建立了數(shù)據(jù)間的“表象”關(guān)聯(lián)狀態(tài)，未進(jìn)行深度有效的挖掘，礦山生產(chǎn)預(yù)測(cè)難、監(jiān)控難、效率低、安全事故多等問(wèn)題一直不能有效解決。如何實(shí)現(xiàn)礦山大規(guī)模、多層次、非線性的時(shí)間、空間信息的耦合及關(guān)聯(lián)，并以此支撐資源的安全、高效開(kāi)采活動(dòng)成為了礦山工程領(lǐng)域發(fā)展過(guò)程中面臨的科學(xué)難題;二是框架結(jié)構(gòu)不完善，現(xiàn)階段仍然是以數(shù)字礦山的數(shù)據(jù)獲取為核心的架構(gòu)，而不是以數(shù)據(jù)利用為核心的架構(gòu)[18-19]。智慧礦山缺乏系統(tǒng)的信息關(guān)聯(lián)機(jī)制、知識(shí)發(fā)現(xiàn)策略和統(tǒng)一的邏輯模型和再現(xiàn)方法，現(xiàn)有數(shù)字礦山的框架體系更多的演變成為智慧服務(wù)的基礎(chǔ)支持體系;三是缺少智能決策依據(jù)及有效控制方法。利用現(xiàn)代機(jī)械、電氣及人工智能技術(shù)解決礦山裝備控制難題、實(shí)現(xiàn)智能無(wú)人開(kāi)采是智慧煤礦發(fā)展的核心目標(biāo)之一。雖然突破了液壓支架跟機(jī)自動(dòng)化、采煤機(jī)記憶截割、運(yùn)輸系統(tǒng)煤流平衡、遠(yuǎn)程遙控、一鍵啟停等多項(xiàng)關(guān)鍵技術(shù)，實(shí)現(xiàn)了簡(jiǎn)單地質(zhì)條件下的設(shè)備協(xié)同聯(lián)動(dòng)自動(dòng)運(yùn)行[20-22]。然而，這些技術(shù)主要是從開(kāi)采系統(tǒng)內(nèi)部或單個(gè)環(huán)節(jié)取得的技術(shù)突破，無(wú)法組合起來(lái)實(shí)現(xiàn)更為復(fù)雜地質(zhì)條件下的連續(xù)穩(wěn)定開(kāi)采。必須從系統(tǒng)級(jí)開(kāi)展多種技術(shù)、數(shù)據(jù)的融合集成研究，解決數(shù)據(jù)不利用、信息不關(guān)聯(lián)、控制不智能的問(wèn)題，從根本上提升煤礦的開(kāi)采水平、生產(chǎn)效率及人員與設(shè)備安全保障能力。

為解決上述3方面的問(wèn)題，筆者提出智慧煤礦邏輯模型，包括智能信息“實(shí)體”、智能匹配方法與推送策略，建立基于開(kāi)采行為影響預(yù)測(cè)推理的煤礦智慧邏輯模型進(jìn)化機(jī)制;提出智慧邏輯模型框架下的開(kāi)采系統(tǒng)關(guān)聯(lián)關(guān)系模型，構(gòu)建綜采設(shè)備群空間位姿關(guān)系運(yùn)動(dòng)學(xué)及動(dòng)力學(xué)模型;提出時(shí)變多因素影響下開(kāi)采設(shè)備群全局最優(yōu)規(guī)劃和分布式協(xié)同控制方法，為構(gòu)建智慧煤礦提供基礎(chǔ)理論與技術(shù)支撐。

1 基于信息實(shí)體的智慧煤礦邏輯模型

信息的相互有效關(guān)聯(lián)是智慧煤礦系統(tǒng)的基本特征和要求。雖然在前期研究過(guò)程中，初步建立了智慧煤礦八大系統(tǒng)[10]內(nèi)的數(shù)據(jù)關(guān)聯(lián)關(guān)系，但并未形成統(tǒng)一、有效的數(shù)據(jù)信息編碼格式及模型，難以完成更深層次的信息處理、知識(shí)挖掘與運(yùn)用，因而無(wú)法建立更高抽象層次的智慧煤礦概念認(rèn)知框架，無(wú)法實(shí)現(xiàn)物理對(duì)象、邏輯關(guān)聯(lián)、特征信息的統(tǒng)一表征和處理。為此，需要建立一種層級(jí)清晰、分類明確、覆蓋全面的智慧煤礦基礎(chǔ)數(shù)據(jù)元。該數(shù)據(jù)元將實(shí)際煤礦的物理對(duì)象及相互關(guān)聯(lián)關(guān)系統(tǒng)一抽象映射為一個(gè)信息“實(shí)體”，在此基礎(chǔ)上提出信息“實(shí)體”之間交互、融合、聯(lián)想、衍生的機(jī)理機(jī)制，才能為深層次研究煤礦海量信息之間的關(guān)聯(lián)關(guān)系提供有效方法。

1.1 智慧煤礦信息實(shí)體及虛實(shí)映射機(jī)理

各種數(shù)據(jù)、信息關(guān)聯(lián)特征都需要合適的表達(dá)方式和存儲(chǔ)結(jié)構(gòu)。好的表達(dá)結(jié)構(gòu)既要全面、準(zhǔn)確反映被描述對(duì)象的特征，又要有利于數(shù)據(jù)的關(guān)聯(lián)、融合與推理。交通、環(huán)保、地理信息等領(lǐng)域[3]都建立了基礎(chǔ)數(shù)據(jù)元的標(biāo)準(zhǔn)表達(dá)。智慧煤礦數(shù)據(jù)元也要有統(tǒng)一的描述模型，需首先對(duì)數(shù)據(jù)進(jìn)行分類，再確定數(shù)據(jù)格式。

1.1.1智慧煤礦信息實(shí)體建模

礦山數(shù)據(jù)有非地測(cè)數(shù)據(jù)和地測(cè)數(shù)據(jù)、內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)[3]等不同的分類和描述方法?；趯?duì)煤礦物理對(duì)象及其關(guān)聯(lián)關(guān)系的理論建模，本文從數(shù)據(jù)信息的類型、屬性和層次關(guān)系3個(gè)維度對(duì)數(shù)據(jù)進(jìn)行分類。

(1)煤礦數(shù)據(jù)信息類型。

煤礦物理對(duì)象及其關(guān)聯(lián)關(guān)系信息的類型依據(jù)礦井信息的領(lǐng)域分為16種類型[23]，類型名稱或簡(jiǎn)稱的英文首字母縮寫(xiě)組成代碼，見(jiàn)表1。

(2)煤礦數(shù)據(jù)屬性。

智慧礦山數(shù)據(jù)在數(shù)據(jù)來(lái)源、分類領(lǐng)域、結(jié)構(gòu)形式與數(shù)據(jù)特點(diǎn)方面具備不同數(shù)據(jù)屬性特征[24],如圖1所示。

(3)層次關(guān)系。

智慧礦山數(shù)據(jù)有從基礎(chǔ)到高級(jí)應(yīng)用的依賴關(guān)系，底層為上層服務(wù)，上層調(diào)用底層。定義數(shù)據(jù)元或信息實(shí)體必須明確數(shù)據(jù)的層次。按照通用的智慧礦山技術(shù)架構(gòu)，數(shù)據(jù)層次一般在3～7層，這里設(shè)置4個(gè)層，設(shè)備感知、網(wǎng)絡(luò)傳輸、決策支持層和決策層(應(yīng)用層)。

表1 智慧礦山數(shù)據(jù)信息類型
Table 1 Data information types of intelligent mines

本文通過(guò)提取不同種類、不同屬性、不同層次、不同狀態(tài)的抽象數(shù)據(jù)，提出多源、異構(gòu)關(guān)系數(shù)據(jù)的統(tǒng)一描述方法，一方面描述物理實(shí)體對(duì)象，另一方面也反映物理實(shí)體之間的關(guān)聯(lián)關(guān)系。

圖2 信息實(shí)體單元Fig.2 Information entity

如圖2所示，信息實(shí)體單元(基本數(shù)據(jù)元)包括結(jié)構(gòu)信息、屬性信息和功能信息3個(gè)元數(shù)據(jù)(基本字符段)。以本體和語(yǔ)義網(wǎng)技術(shù)為基礎(chǔ)，描述每個(gè)元數(shù)據(jù)的信息:結(jié)構(gòu)信息主要反映物理對(duì)象的構(gòu)成和參數(shù)，包括型號(hào)、尺寸、功率、零部件數(shù)量等信息;屬性信息主要包括物理對(duì)象的名稱、類型、材料、控制方式等信息;功能信息則是從使用者角度定義物理對(duì)象，包括物理對(duì)象的基本功能、壽命、可靠性、安全性等。

智慧煤礦信息實(shí)體的數(shù)學(xué)表達(dá)模型為

Oi={St|(M(p),S(n),…),Pr|(N(a),C(p),…),

Fc|(F(p),L(n),…)}

式中，Oi為第i個(gè)信息實(shí)體單元;St為實(shí)體單元的結(jié)構(gòu)信息;M(p)為指針p指定的對(duì)象型號(hào);S(n)為數(shù)字n表達(dá)的對(duì)象尺寸;Pr為實(shí)體單元的屬性信息;N(a)為字母描述的對(duì)象名稱;C(p)為指針p指定的對(duì)象控制方式;Fc為實(shí)體單元的功能信息;F(p)為指針p指定的對(duì)象基本功能;L(n)為數(shù)字n表達(dá)的對(duì)象壽命。

同時(shí)，在構(gòu)建信息實(shí)體的基礎(chǔ)上建立基于大數(shù)據(jù)的智慧煤礦語(yǔ)義知識(shí)模型庫(kù)，形成智慧煤礦數(shù)據(jù)描述標(biāo)準(zhǔn)體系，規(guī)范化智慧邏輯模型表達(dá)形式。

1.1.2智慧煤礦信息虛實(shí)映射機(jī)理

在實(shí)際開(kāi)采過(guò)程中，物理實(shí)體與其他實(shí)體、外部環(huán)境信息之間存在著物理邏輯、功能邏輯、事件邏輯3個(gè)方面關(guān)聯(lián)。為實(shí)現(xiàn)虛實(shí)映射，將物理實(shí)體間的3種關(guān)聯(lián)關(guān)系通過(guò)Apriori算法投影到物理、功能、事件3個(gè)邏輯空間，形成3類“投影信息實(shí)體”:① 物理空間“投影信息實(shí)體”包含了實(shí)體之間的三維空間位置、運(yùn)動(dòng)關(guān)聯(lián)等信息;② 功能空間“投影信息實(shí)體”反映了實(shí)體之間的生產(chǎn)順序、保障關(guān)聯(lián)等功能邏輯聯(lián)系;③ 事件空間“投影信息實(shí)體”則在特定事件中所有與當(dāng)前實(shí)體發(fā)生信息關(guān)聯(lián)的實(shí)體集合。

基于3類投影信息實(shí)體可建立智慧煤礦各層次內(nèi)部及外延對(duì)象間的邏輯關(guān)系模型，從而實(shí)現(xiàn)虛擬空間與物理空間實(shí)體各種對(duì)象和關(guān)系的統(tǒng)一、準(zhǔn)確映射。

邏輯關(guān)系建模過(guò)程中，每個(gè)層次、每個(gè)類型的信息“實(shí)體”中的數(shù)據(jù)結(jié)構(gòu)都來(lái)源于已經(jīng)建立的智慧煤礦語(yǔ)義知識(shí)模型庫(kù)和基本數(shù)據(jù)類型數(shù)據(jù)庫(kù)。數(shù)據(jù)庫(kù)具有面向智慧煤礦地質(zhì)、環(huán)境、裝備、管理的統(tǒng)一數(shù)據(jù)描述模型和接口標(biāo)準(zhǔn)。智慧邏輯模型可依據(jù)井下開(kāi)采行為引發(fā)的實(shí)際物理實(shí)體變化和環(huán)境、需求的變化自動(dòng)預(yù)測(cè)退了，構(gòu)建新的關(guān)聯(lián)關(guān)系，始終保持物理空間和虛擬信息空間的實(shí)時(shí)映射，映射過(guò)程如圖3所示。

圖3 虛實(shí)映射技術(shù)路線Fig.3 Chart of virtual-real mapping

1.2 信息實(shí)體智能匹配、推送及智慧煤礦數(shù)據(jù)交互

1.2.1信息實(shí)體智能匹配與主動(dòng)推送

智慧煤礦最為重要的是數(shù)據(jù)能夠高效流動(dòng)和交互，才能實(shí)現(xiàn)信息的快速分析、處理和更新?，F(xiàn)有數(shù)據(jù)“被動(dòng)查找和調(diào)用”的方式無(wú)法滿足主動(dòng)分析、智能決策的智慧煤礦信息流動(dòng)和交互需求，為此，提出基于需求模型的信息實(shí)體智能匹配和主動(dòng)推送策略。

(1)知識(shí)需求模型構(gòu)建

如圖4所示，構(gòu)建知識(shí)需求模型首先建立基本控制任務(wù)集，包括電機(jī)啟動(dòng)與停止、轉(zhuǎn)速調(diào)節(jié)、控制閥開(kāi)啟與停止、信號(hào)發(fā)出、接收信息等;隨后針對(duì)每一物理實(shí)體(控制對(duì)象)的控制任務(wù)定義所需的知識(shí)信息。這些信息來(lái)自于數(shù)字煤礦智能感知的大數(shù)據(jù)，包括環(huán)境數(shù)據(jù)、周圍設(shè)備狀態(tài)數(shù)據(jù)、控制要求、人員信息等。當(dāng)人員、設(shè)備進(jìn)入到某種場(chǎng)景、狀態(tài)或外部環(huán)境發(fā)生某些變化時(shí)，需求模型被激活，預(yù)先定義的對(duì)應(yīng)物理實(shí)體控制任務(wù)的信息需求就被得出并調(diào)用。

圖4 知識(shí)需求模型構(gòu)建Fig.4 Chart of knowledge modeling

(2)智能匹配與推送策略

通過(guò)知識(shí)需求模型得出的信息需求既有井下各類傳感器的基礎(chǔ)監(jiān)測(cè)數(shù)據(jù)，也有生產(chǎn)、安全、管理要求數(shù)據(jù)。構(gòu)建模糊綜合決策的智慧煤礦知識(shí)匹配規(guī)則，以信息需求中的條目作為關(guān)鍵詞進(jìn)行匹配，所有與該條目相關(guān)的信息實(shí)體數(shù)據(jù)庫(kù)中的數(shù)據(jù)都被推送至操作功能庫(kù)。需求模型匹配并推送的信息包含著物理對(duì)象的空間狀態(tài)、變動(dòng)觸發(fā)事件及其對(duì)開(kāi)采生產(chǎn)環(huán)節(jié)的影響。在操作功能庫(kù)中，建立信息實(shí)體清洗、存儲(chǔ)、控制和管理等基本操作功能，形成概念邏輯、聯(lián)想、記憶和思維推理的信息實(shí)體操作機(jī)制，并分析這些推送的觸發(fā)數(shù)據(jù)及其二階行為模式得到相關(guān)參數(shù)變動(dòng)趨勢(shì)，確定基于開(kāi)采行為的知識(shí)過(guò)濾與最優(yōu)解推送策略，最終在諸多匹配數(shù)據(jù)中得出需要的數(shù)據(jù)，并從操作功能庫(kù)推送給控制對(duì)象，由其自身智能控制系統(tǒng)給出最佳的控制方式和參數(shù)，如圖5所示。其中，f′1為綜采裝備運(yùn)動(dòng)函數(shù)的導(dǎo)數(shù)，反映裝備的變動(dòng)趨勢(shì);DP為需要匹配的信息實(shí)體;DR為已經(jīng)在數(shù)據(jù)庫(kù)的中基準(zhǔn)信息實(shí)體。

圖5 數(shù)據(jù)智能匹配與推送策略Fig.5 Data matching and pushing strategy

1.2.2智慧煤礦數(shù)據(jù)交互

智慧礦山數(shù)據(jù)流轉(zhuǎn)和交互有3種方式:層內(nèi)流轉(zhuǎn)、層間由下到上流轉(zhuǎn)和層間由上到下流轉(zhuǎn)[24]，如圖6所示。

不同類型、屬性、層次的數(shù)據(jù)有著不同的交互和流轉(zhuǎn)方式，信息實(shí)體的智能匹配與主動(dòng)推送要遵從數(shù)據(jù)的交互和流轉(zhuǎn)關(guān)系?；跀?shù)據(jù)的分類及屬性、層次描述，對(duì)相關(guān)數(shù)據(jù)元(信息實(shí)體)產(chǎn)生的主要層次和交互關(guān)系進(jìn)行了詳細(xì)定義，見(jiàn)表2[24]。

圖6 智慧礦山數(shù)據(jù)流轉(zhuǎn)和交互Fig.6 Data transfer and interaction in smart mines

表2 數(shù)據(jù)元(信息實(shí)體)產(chǎn)生的主要層次和交互關(guān)系
Table 2 Main levels and interactions of data elements (information entities)

信息實(shí)體一級(jí)信息實(shí)體二級(jí)信息實(shí)體信息實(shí)體產(chǎn)生層次設(shè)備感知層決策支持層決策層數(shù)據(jù)流轉(zhuǎn)層次生產(chǎn)計(jì)劃√√決策層?決策支撐層生產(chǎn)管理備品備件管理√√設(shè)備感知層?決策支撐層?決策層設(shè)備維護(hù)計(jì)劃√√√設(shè)備感知層?決策層?決策支撐層人員調(diào)度√決策層?決策支撐層調(diào)度管理物資調(diào)度√決策層?決策支撐層綜合管理√決策層?決策支撐層設(shè)備狀態(tài)監(jiān)控√√√設(shè)備感知層?決策支撐層?決策層機(jī)電運(yùn)輸人員及車輛定位√√√設(shè)備感知層?決策支撐層?決策層視頻監(jiān)控√√√設(shè)備感知層?決策支撐層?決策層……安全管理環(huán)境新監(jiān)測(cè)√√√設(shè)備感知層?決策支撐層?決策層……

在網(wǎng)絡(luò)傳輸層面，不同層次的數(shù)據(jù)也對(duì)應(yīng)著各自的通信協(xié)議。設(shè)備感知層的現(xiàn)場(chǎng)總線型終端設(shè)備采用RS485總線或CAN，Modbus總線。決策支持層的終端設(shè)備基于工業(yè)以太網(wǎng)TCP/IP協(xié)議制定數(shù)據(jù)交互規(guī)范，明確通信建立方式、數(shù)據(jù)組成、數(shù)據(jù)格式、數(shù)據(jù)類型等內(nèi)容。決策層數(shù)據(jù)交互方式較多，文本型數(shù)據(jù)采用FTP協(xié)議交互;視頻數(shù)據(jù)采用GB/T 28181《安全防范視頻監(jiān)控聯(lián)網(wǎng)系統(tǒng)信息傳輸、交換、控制技術(shù)要求》標(biāo)準(zhǔn)。通信聯(lián)絡(luò)采用SIP協(xié)議，標(biāo)準(zhǔn)工控類設(shè)備交互采用OPC/OPC UA接口標(biāo)準(zhǔn)。

對(duì)于標(biāo)準(zhǔn)監(jiān)測(cè)、管理類數(shù)據(jù)，基于TCP/IP協(xié)議制定應(yīng)用系統(tǒng)間交互接口規(guī)范，選用消息幀結(jié)構(gòu)方式或XML格式化文本進(jìn)行描述。

在實(shí)際數(shù)據(jù)與信息流動(dòng)過(guò)程中，傳感器采集的數(shù)據(jù)需進(jìn)行分解重構(gòu)，分別從數(shù)據(jù)類型、屬性及層次等方面進(jìn)行數(shù)據(jù)屬性的識(shí)別拆分;基于已有的多層次、多類型需求，結(jié)合應(yīng)用及服務(wù)場(chǎng)景的特征提取，才能給出不同類型數(shù)據(jù)的定點(diǎn)推送方向和目標(biāo);同時(shí)，在信息實(shí)體基本操作功能庫(kù)的支持下，解決推送信息和目標(biāo)的交互、融合問(wèn)題，自動(dòng)完成數(shù)據(jù)推送-接收。過(guò)程結(jié)束后，將以通知顯示、預(yù)測(cè)報(bào)警、程序控制、等待決策等形式呈現(xiàn)。

信息實(shí)體主動(dòng)匹配與推送解決了智慧邏輯模型的信息流動(dòng)方式難題，建立了“智慧數(shù)據(jù)流”的基本架構(gòu)和運(yùn)行模式。

1.3 基于開(kāi)采行為預(yù)測(cè)推理的智慧邏輯模型進(jìn)化機(jī)制

智慧邏輯模型的一個(gè)典型特征就是要有自我學(xué)習(xí)、自我更新的機(jī)制，因而信息實(shí)體的自動(dòng)化建模、自我更新是構(gòu)建多層次、多模式、多特征智慧邏輯模型的關(guān)鍵技術(shù)。煤礦掘進(jìn)、割煤、支護(hù)、通風(fēng)、排水等開(kāi)采過(guò)程行為必然會(huì)帶來(lái)礦井地質(zhì)力學(xué)狀態(tài)、環(huán)境特征、設(shè)備間相互關(guān)系等的變化，如何將這些動(dòng)態(tài)變化同步反映到智慧邏輯模型的信息實(shí)體中是需要解決的基本問(wèn)題之一。

這里提出了基于開(kāi)采行為預(yù)測(cè)推理的智慧邏輯模型進(jìn)化機(jī)制，基于開(kāi)采行為對(duì)礦山地質(zhì)條件、位移及壓力變化、設(shè)備空間及狀態(tài)變化影響的預(yù)測(cè)推理，形成依賴于時(shí)間變化的信息實(shí)體更新因子(該因子是行為動(dòng)態(tài)變量與智慧邏輯模型更新參數(shù)間的函數(shù)關(guān)系);建立基于更新因子的信息實(shí)體動(dòng)態(tài)更新方法和基于邊云計(jì)算的智慧邏輯模型協(xié)同進(jìn)化策略，提出統(tǒng)一的煤礦智慧邏輯模型進(jìn)化機(jī)制。

圖7 系統(tǒng)行為預(yù)測(cè)推理及自我優(yōu)化方法Fig.7 System behavior forecast and self-optimization

上述研究給出的物理對(duì)象及關(guān)聯(lián)信息“實(shí)體化”、交互機(jī)制及進(jìn)化更新策略，形成完整的智慧煤礦信息關(guān)聯(lián)邏輯框架，如圖8所示。

智慧邏輯模型建立了統(tǒng)一、有效的數(shù)據(jù)信息編碼格式，形成了層級(jí)清晰、分類明確、覆蓋全面的煤礦基礎(chǔ)數(shù)據(jù)元，解決了煤礦非結(jié)構(gòu)化數(shù)據(jù)信息表達(dá)難題。同時(shí)，給出了基于信息實(shí)體的數(shù)據(jù)交互、融合、更新的機(jī)制，實(shí)現(xiàn)了更深層次的信息處理、知識(shí)挖掘與運(yùn)用。智慧邏輯模型反映了煤礦系統(tǒng)、裝備構(gòu)成的物理對(duì)象空間與多層次智能信息實(shí)體構(gòu)成的信息空間的統(tǒng)一映射關(guān)系，實(shí)現(xiàn)了大數(shù)據(jù)驅(qū)動(dòng)下的虛實(shí)系統(tǒng)實(shí)時(shí)映射。

2 智慧邏輯模型框架下的開(kāi)采系統(tǒng)建模

煤礦開(kāi)采由綜采工作面采煤機(jī)、液壓支架和刮板輸送機(jī)等有強(qiáng)運(yùn)動(dòng)關(guān)聯(lián)的設(shè)備群與運(yùn)輸、通風(fēng)等輔助弱關(guān)聯(lián)設(shè)備群協(xié)同工作，形成生產(chǎn)系統(tǒng)。煤礦智慧邏輯模型通過(guò)解決信息描述模型、信息交互方案以及進(jìn)化更新機(jī)制3個(gè)基本問(wèn)題，建立了煤礦信息表達(dá)、數(shù)據(jù)處理及自動(dòng)更新的基本框架，其根本目的是實(shí)現(xiàn)采煤過(guò)程信息的處理及智能決策。實(shí)現(xiàn)生產(chǎn)系統(tǒng)的智能決策控制，需在智慧邏輯模型框架下利用獲取的信息實(shí)體數(shù)據(jù)建立整個(gè)綜采裝備群的內(nèi)外部關(guān)系模型。

圖8 基于智能感知的煤礦智慧邏輯模型Fig.8 Coal mine smart logic model based on intelligent sensor

2.1 綜采設(shè)備群空間位姿關(guān)系運(yùn)動(dòng)學(xué)建模

綜采設(shè)備群空間位姿關(guān)系描述是智能化控制的基礎(chǔ)。當(dāng)前，設(shè)備之間的位姿關(guān)系主要是基于設(shè)備間的相互連接約束及與工作面、巷道間的位置關(guān)系來(lái)描述。然而，在設(shè)備推進(jìn)過(guò)程中會(huì)產(chǎn)生位置誤差的積累，同時(shí)工作面、巷道尺寸也在變化，原有的描述方法無(wú)法滿足智能控制中全局位姿變換的需要。因此，在智慧邏輯模型框架下必須建立新的空間位置關(guān)系統(tǒng)一描述方法。

如圖9所示，對(duì)于單一支架與刮板輸送機(jī)的連接，以液壓支架推桿與中部槽連接鉸接點(diǎn)為坐標(biāo)原點(diǎn)，推桿推進(jìn)方向?yàn)閤方向，沿工作面方向?yàn)閥方向，支架高度方向?yàn)閦方向，考慮到連接誤差，相鄰支架在該坐標(biāo)系中的坐標(biāo)為

Li+1={Lx(xi,yi,zi)cos(β+Δβ)+Δx,Ly(xi,

yi,zi)+Δy,Lz(xi,yi,zi)sin(β+Δβ)+Δz}=

式中,Li(xi,yi,zi)={Lx(xi,yi,zi)，Ly(xi,yi,zi)，Lz(xi,yi,zi)}為第i個(gè)支架的坐標(biāo);Li+1為i+1個(gè)支架的坐標(biāo);Δx,Δy,Δz,Δβ分別為第i個(gè)支架在x，y，z軸向和繞y旋轉(zhuǎn)方向上的誤差;β為設(shè)備沿y軸旋轉(zhuǎn)的角度。

對(duì)于工作面設(shè)備群，以機(jī)頭液壓支架的坐標(biāo)系為初始坐標(biāo)系，其他支架、采煤機(jī)、刮板輸送機(jī)和轉(zhuǎn)載機(jī)、破碎機(jī)等均按連接關(guān)系依次形成相對(duì)坐標(biāo)系，最后通過(guò)坐標(biāo)系變換統(tǒng)一到初始坐標(biāo)系中。

基于上述考慮隨機(jī)誤差的強(qiáng)關(guān)聯(lián)設(shè)備群空間坐標(biāo)統(tǒng)一描述數(shù)學(xué)模型和相互驅(qū)動(dòng)關(guān)系，可針對(duì)空間信息未知設(shè)備采用冗余串并聯(lián)機(jī)械機(jī)構(gòu)的逆運(yùn)動(dòng)學(xué)求解方法建立綜采設(shè)備群空間位姿解算方程，并提出誤差傳遞及消除方法。

圖9 工作面設(shè)備群坐標(biāo)系Fig.9 Coordinate of longwall equipment

上述方法的典型應(yīng)用是，依據(jù)開(kāi)采行為及突發(fā)狀況所需的設(shè)備位姿進(jìn)行反饋鏈路分析，通過(guò)采用機(jī)器人運(yùn)動(dòng)解耦方法進(jìn)行綜采設(shè)備群逆運(yùn)動(dòng)學(xué)求解，從而得出被控設(shè)備間位姿關(guān)系的最優(yōu)解及運(yùn)動(dòng)控制參數(shù)。

2.2 開(kāi)采環(huán)境-生產(chǎn)系統(tǒng)耦合關(guān)系建模

生產(chǎn)系統(tǒng)在井下的所有行為都受到采場(chǎng)環(huán)境的影響和約束，因而必須給出開(kāi)采環(huán)境-生產(chǎn)系統(tǒng)的相互影響關(guān)系建模，才能為開(kāi)采系統(tǒng)智能化控制提供依據(jù)。煤礦開(kāi)采工藝、裝備運(yùn)動(dòng)方式及控制參數(shù)系統(tǒng)受圍巖結(jié)構(gòu)(煤層條件)、支護(hù)及截割過(guò)程中的空間位置關(guān)系、相互作用力、環(huán)境(瓦斯、粉塵)等因素的影響[23]。

如圖10所示，耦合關(guān)系建模重點(diǎn)考慮煤層條件變化對(duì)割煤過(guò)程的影響、圍巖穩(wěn)定性對(duì)支護(hù)的影響以及地質(zhì)環(huán)境參數(shù)對(duì)推進(jìn)工藝的影響，從而給出液壓支架推進(jìn)、采煤機(jī)調(diào)高調(diào)速、工作面直線度等生產(chǎn)控制策略及參數(shù)。主要關(guān)聯(lián)關(guān)系見(jiàn)表3。

圖10 開(kāi)采環(huán)境-生產(chǎn)系統(tǒng)耦合建模Fig.10 Coupling model between mining environment and equipment

開(kāi)采環(huán)境生產(chǎn)系統(tǒng)開(kāi)采工藝采煤機(jī)液壓支架厚度變化滾筒調(diào)高支護(hù)高度調(diào)節(jié)煤層條件傾角變化俯采/仰采機(jī)身角度調(diào)節(jié)擦頂移架斷層、陷落柱滾筒轉(zhuǎn)速機(jī)身角度調(diào)節(jié)支架跟隨……………………頂板垮落臨時(shí)支護(hù)清理落矸支架穩(wěn)定控制圍巖穩(wěn)定性煤壁片幫降低采高清理落煤護(hù)幫板打開(kāi)超前巷道變形臨時(shí)支護(hù)聯(lián)動(dòng)控制……………………粉塵濃度降塵降低滾筒轉(zhuǎn)速移架聯(lián)動(dòng)控制地質(zhì)環(huán)境參數(shù)瓦斯?jié)舛韧L(fēng)/工藝參數(shù)調(diào)整降低采煤機(jī)速度支架跟隨……………………

模型中每一個(gè)關(guān)聯(lián)關(guān)系都是一個(gè)信息實(shí)體，其具體關(guān)聯(lián)參數(shù)和控制策略需依據(jù)具體條件進(jìn)行定義和細(xì)化。開(kāi)采裝備群的控制參量就來(lái)自于上述基于定量技術(shù)及定性經(jīng)驗(yàn)分析建立的開(kāi)采環(huán)境-生產(chǎn)系統(tǒng)耦合關(guān)系模型。例如，采煤機(jī)的截割效率、運(yùn)行穩(wěn)定性、工藝節(jié)拍等參數(shù)與環(huán)境、圍巖等多個(gè)因素相關(guān)，因此在實(shí)際控制過(guò)程中，需對(duì)這些因素的影響程度(敏感性)進(jìn)行多參量融合分析和評(píng)估，在一個(gè)特定目標(biāo)策略驅(qū)動(dòng)下給出最佳控制參數(shù)。

3 時(shí)變多因素影響下開(kāi)采設(shè)備群全局最優(yōu)規(guī)劃和分布式協(xié)同控制

在智慧邏輯模型框架下，結(jié)合采場(chǎng)環(huán)境-開(kāi)采系統(tǒng)內(nèi)外部關(guān)系模型，提出開(kāi)采設(shè)備群全局最優(yōu)規(guī)劃和分布式協(xié)同控制方法。

3.1 綜采設(shè)備群全局最優(yōu)規(guī)劃策略

受圍巖條件復(fù)雜多變的影響，開(kāi)采設(shè)備之間主要運(yùn)行參數(shù)存在非線性耦合關(guān)系。生產(chǎn)計(jì)劃、采場(chǎng)環(huán)境、綜采設(shè)備狀況等都在不斷變化，為確保關(guān)鍵設(shè)備工作參數(shù)的匹配，采用無(wú)源控制方法消除時(shí)變多因素干擾對(duì)設(shè)備群協(xié)調(diào)控制穩(wěn)定性和精度影響。以產(chǎn)量/能耗比為主要評(píng)價(jià)指標(biāo)，綜合考慮地質(zhì)條件、效率、人員、安全等因素，求解決非線性耦合條件下生產(chǎn)系統(tǒng)設(shè)備群全局最優(yōu)規(guī)劃問(wèn)題，并得到各子系統(tǒng)的分布式輸出。將綜采設(shè)備群全局最優(yōu)控制歸結(jié)為一個(gè)二次積分模型的燃料最優(yōu)規(guī)劃問(wèn)題，如圖11所示，其中，γ+，γ-為滿足后面大括號(hào)中公式的點(diǎn)的集合;c為拋物線距離縱軸的距離,常數(shù)。

圖11 綜采設(shè)備群二次積分全局最優(yōu)規(guī)劃模型Fig.11 Quadratic integral global optimal control model of longwall mining equipment

圖11中的x1，x2坐標(biāo)代表一組控制參數(shù)(系統(tǒng)的狀態(tài))。已知二階系統(tǒng)的狀態(tài)方程為

給定端點(diǎn)約束條件為

x(0)=[ξ1ξ2]T

x(tf)=[0 0]T

尋求有界閉集中的最優(yōu)控制u*(t)，滿足不等式約束:

|u(t)|≤1 ?t∈[0,tf]

使系統(tǒng)由任意初始狀態(tài)x(0)，轉(zhuǎn)移到預(yù)定終態(tài)x(tf)，并使能耗目標(biāo)函數(shù)取極小值:

式中，ξ1，ξ2為給定端點(diǎn)的初始位置的坐標(biāo)值;tf為終點(diǎn)狀態(tài)的時(shí)間點(diǎn);u(t)為設(shè)備運(yùn)行軌跡的二階導(dǎo)數(shù)是與時(shí)間相關(guān)的函數(shù)。

圖11中不通過(guò)原點(diǎn)的平行線，是u=0的路徑序列，左側(cè)開(kāi)口二次曲線是u=-1的路徑序列，右側(cè)開(kāi)口二次曲線是u=1的路徑序列。綜采系統(tǒng)在3類路徑曲線上由任意初始狀態(tài)x(0)向終態(tài)x(tf)過(guò)渡。開(kāi)關(guān)曲線γ以及坐標(biāo)軸x1將相平面分成了4個(gè)區(qū)域，如圖12所示。

圖12 綜采設(shè)備群最優(yōu)規(guī)劃開(kāi)關(guān)曲線及優(yōu)化路徑Fig.12 Optimal planning curve and optimal path of longwall mining equipment group

例如，系統(tǒng)初態(tài)若位于區(qū)域R4，則u*(t)={0,+1}，u*(t)={-1，0,+1}都可驅(qū)使系統(tǒng)狀態(tài)到達(dá)原點(diǎn)，但從圖12(b)可以看出，{0，+1}控制下的燃料消耗小于{-1，0，+1}的燃料消耗，因而{0，+1}為最優(yōu)控制序列，且在各種情況下其響應(yīng)時(shí)間最短。

在實(shí)際求解過(guò)程中，由于綜采系統(tǒng)運(yùn)行是需要協(xié)調(diào)配合的，還有很多的邊界約束，因而上述優(yōu)化過(guò)程是有前提的，必須考慮綜采系統(tǒng)運(yùn)行參數(shù)之間的耦合關(guān)系。為支撐綜采設(shè)備群全局最優(yōu)控制，將綜采系統(tǒng)典型工作工藝(中部割煤、割三角煤、過(guò)斷層等)定義為標(biāo)準(zhǔn)的控制模態(tài)。優(yōu)化過(guò)程必然在某一控制模態(tài)內(nèi)進(jìn)行，通過(guò)優(yōu)化參數(shù)組合達(dá)到能耗目標(biāo)值。

整個(gè)綜采過(guò)程是一個(gè)具有多模態(tài)復(fù)雜生產(chǎn)工況的過(guò)程，在標(biāo)準(zhǔn)控制模態(tài)之間還存在著非標(biāo)的過(guò)渡模態(tài)。這些過(guò)渡模態(tài)的參數(shù)控制和調(diào)整需要通過(guò)對(duì)相關(guān)數(shù)據(jù)采集和工藝分析，基于綜采設(shè)備調(diào)控極限能力，在設(shè)備群穩(wěn)定受控的條件下確定路徑方案。

基于多模態(tài)控制的綜采設(shè)備群全局最優(yōu)推進(jìn)路徑規(guī)劃及控制策略可兼顧開(kāi)采條件、設(shè)備能力、工藝流程及能量消耗，確保生產(chǎn)成本、效率的有效改善。

3.2 時(shí)變多因素影響下綜采設(shè)備群分布式控制

綜采設(shè)備群全局最優(yōu)規(guī)劃給出的路徑方案和參數(shù)是總體控制目標(biāo)，需要分解到每一臺(tái)具體執(zhí)行設(shè)備。目前，采煤機(jī)、液壓支架及刮板輸送機(jī)都是單獨(dú)控制，近百架液壓支架也是集中控制方式，都無(wú)法自主完成總體最優(yōu)控制目標(biāo)。為此，給出時(shí)變多因素影響下綜采設(shè)備群分布式控制方法。如圖13所示，在每臺(tái)設(shè)備上都安設(shè)主控機(jī)構(gòu)，都具有自身控制及與相鄰裝備通訊、協(xié)調(diào)運(yùn)行的能力。在單機(jī)智能控制的基礎(chǔ)上可實(shí)現(xiàn)設(shè)備群的整體協(xié)同控制，大幅增強(qiáng)了開(kāi)采系統(tǒng)智能化控制的適應(yīng)性和靈活性。

首先解決工作面液壓支架群的分布式協(xié)調(diào)控制問(wèn)題。沿工作面長(zhǎng)度方向上，不同區(qū)段頂板下沉量不同、壓力不同，需要不同的液壓支架支護(hù)參數(shù)，但目前集中控制各個(gè)支架的參數(shù)都相同，無(wú)法滿足差異化的控制需求。這里基于開(kāi)采環(huán)境-生產(chǎn)系統(tǒng)耦合作用模型，以頂板沿工作面長(zhǎng)度方向上應(yīng)力場(chǎng)梯度變化為控制變量，不同區(qū)段采取不同的控制策略，建立液壓支架群組分布式協(xié)同控制模型，數(shù)學(xué)表達(dá)式如下:

ui=uiα+uiβ，(i=1,2,…,n)

式中，uiα為立柱長(zhǎng)度控制量，用于控制液壓支架高度;uiβ為平衡千斤頂長(zhǎng)度控制量，用于控制液壓支架頂梁水平角度;二者共同決定液壓支架在某一時(shí)刻的姿態(tài)。取:

φ(vij)=sign(vj-vi)|vj-vi|k2

其中，xij為第j個(gè)支架對(duì)第i個(gè)支架壓力分擔(dān)量;vij為第j個(gè)支架對(duì)第i個(gè)支架轉(zhuǎn)矩分擔(dān)量;k1，k2分別為立柱長(zhǎng)度控制參數(shù)和平衡千斤頂控制參數(shù);αij為與支架位置相關(guān)的某一常數(shù);vj，vi為第i和j個(gè)支架上分擔(dān)的轉(zhuǎn)矩;Ψ為與支架位置相關(guān)控制參數(shù)調(diào)整函數(shù)。由此可得，支架的姿態(tài)控制輸入ui可表述為以下形式:

上式說(shuō)明，每一個(gè)支架的控制輸入都與相鄰支架的狀態(tài)相關(guān)，對(duì)于一個(gè)擁有n個(gè)支架個(gè)體的支護(hù)群組，在分布式協(xié)同控制輸入的作用下所有支架的姿態(tài)都與能夠適應(yīng)其所在位置的頂板壓力，且能夠相互協(xié)調(diào)共同完成對(duì)工作面上覆圍巖的支護(hù)。

其他綜采設(shè)備同樣也需要分布式協(xié)同控制。全局最優(yōu)規(guī)劃給出了既定的控制模態(tài)，然而實(shí)際開(kāi)采過(guò)程中煤層結(jié)構(gòu)、頂?shù)装鍫顟B(tài)以及傳感器數(shù)據(jù)時(shí)滯等時(shí)變因素對(duì)開(kāi)采設(shè)備協(xié)調(diào)控制具有重要影響，必須建立同時(shí)考慮環(huán)境干擾和傳感器數(shù)據(jù)時(shí)延特性的分布式協(xié)同控制方法。這里采用多尺度信息交互分析方法預(yù)測(cè)綜采工作面環(huán)境變化時(shí)開(kāi)采設(shè)備的運(yùn)行狀態(tài)，并通過(guò)分布式協(xié)同控制做出響應(yīng)。

如圖14所示，工作面?zhèn)鞲衅鲾?shù)據(jù)采樣頻率不同，各種數(shù)據(jù)、信息進(jìn)行描述的時(shí)候是多尺度的，處理這些數(shù)據(jù)過(guò)程中需要進(jìn)行多尺度融合。為加快系統(tǒng)響應(yīng)時(shí)間，環(huán)境數(shù)據(jù)的處理放在邊緣側(cè)，將環(huán)境信息的趨勢(shì)分析結(jié)果上傳至控制器;同時(shí)基于傳感器歷史數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析，采用深度學(xué)習(xí)算法預(yù)測(cè)設(shè)備控制模態(tài)。基于上述方法的開(kāi)采設(shè)備群分布式控制可以克服時(shí)變因素的干擾和數(shù)據(jù)時(shí)延，滿足了控制的實(shí)時(shí)性、準(zhǔn)確性要求，完成多目標(biāo)、多約束條件下的設(shè)備群全局最優(yōu)移進(jìn)。

圖14 時(shí)變多因素影響下綜采設(shè)備群分布式控制Fig.14 Distributed control for longwall mining equipment group under the influence of time-varying multiple factors

4 結(jié) 論

(1)通過(guò)數(shù)據(jù)關(guān)聯(lián)關(guān)系特征提取，揭示更高抽象層次的智慧煤礦多源、異構(gòu)關(guān)系數(shù)據(jù)的關(guān)聯(lián)關(guān)系，提出了信息“實(shí)體”之間交互、融合、聯(lián)想、衍生機(jī)制和虛實(shí)映射機(jī)理，提出基于知識(shí)需求模型的信息實(shí)體主動(dòng)匹配與推送策略，構(gòu)建基于開(kāi)采行為預(yù)測(cè)推理的智慧邏輯模型進(jìn)化機(jī)制，形成了層級(jí)清晰、結(jié)構(gòu)明確、覆蓋全面的智慧煤礦信息框架模型;為深層次研究智慧煤礦海量信息之間的關(guān)聯(lián)關(guān)系提供有效方法。

(2)基于智慧煤礦邏輯模型，提出考慮隨機(jī)誤差的強(qiáng)耦合設(shè)備群空間坐標(biāo)統(tǒng)一描述模型及各設(shè)備空間關(guān)聯(lián)坐標(biāo)系轉(zhuǎn)換方法，建立開(kāi)采環(huán)境-生產(chǎn)系統(tǒng)耦合關(guān)系模型;為實(shí)現(xiàn)煤礦數(shù)據(jù)的邏輯推理、智能決策和協(xié)同控制提供了有效方法和技術(shù)支撐。

(3)將綜采設(shè)備群全局最優(yōu)規(guī)劃歸結(jié)為一個(gè)二次積分模型的燃料最優(yōu)規(guī)劃問(wèn)題，給出了液壓支架群組協(xié)同控制、同時(shí)考慮環(huán)境干擾和傳感器數(shù)據(jù)時(shí)延特性的分布式協(xié)同控制方法。為實(shí)現(xiàn)復(fù)雜地質(zhì)條件下的裝備連續(xù)自主推進(jìn)、大規(guī)模復(fù)雜生產(chǎn)系統(tǒng)高可靠性及智能決策控制提供基礎(chǔ)理論和關(guān)鍵技術(shù)支撐。

智慧煤礦發(fā)展是一個(gè)長(zhǎng)期、漸進(jìn)的過(guò)程，伴隨著多學(xué)科、多領(lǐng)域的技術(shù)突破。基于本文基礎(chǔ)架構(gòu)和理論模型，各個(gè)相關(guān)技術(shù)可融合形成一個(gè)全面、可靠、高效的運(yùn)行體系，并逐步衍生出新的知識(shí)、方法和工藝，推動(dòng)煤礦開(kāi)采智能化水平的不斷提升。目前，陜煤張家峁煤礦、延長(zhǎng)石油巴拉素煤礦等都在大力建設(shè)智慧煤礦，本文研究成果已經(jīng)用于整個(gè)信息化系統(tǒng)的基礎(chǔ)架構(gòu)和生產(chǎn)系統(tǒng)的邏輯控制，并在實(shí)施過(guò)程中不斷的完善，有效推動(dòng)了智慧煤礦技術(shù)的發(fā)展。后續(xù)將在不同環(huán)境下的感知、人工智能及設(shè)備健康狀態(tài)維修維護(hù)策略等關(guān)鍵技術(shù)方面繼續(xù)展開(kāi)深入研究，逐步形成完整、標(biāo)準(zhǔn)的智慧煤礦運(yùn)行體系，支撐煤炭行業(yè)高質(zhì)量發(fā)展。