張 凱

(山西高河能源有限公司, 山西 長治 047100)

近年來國家大力推行煤礦智能化建設(shè),構(gòu)建了煤礦智能化發(fā)展架構(gòu)?，F(xiàn)有煤礦智能化采煤工作面大多采用自動化+人工調(diào)控的開采模式,液壓支架自動跟機結(jié)束后,人工通過現(xiàn)場觀測跟機效果并進行手動調(diào)控,這種人機協(xié)同的工作方式存在無序性、低效性的問題[1]. 針對工作面自動跟機技術(shù),文獻[2]對采煤機、液壓支架和刮板輸送機聯(lián)合運行時的協(xié)同控制流程進行了研究,建立了綜采工作面中部液壓支架的跟機自動控制的數(shù)學模型;文獻[3]提出了綜采跟機工藝數(shù)字孿生系統(tǒng)技術(shù)路線,系統(tǒng)結(jié)合預演無誤的跟機工藝統(tǒng)籌下發(fā)工藝調(diào)度指令,克服了因井下空間不足導致控制器算力有限的局限性;文獻[4]對已有的自動跟機控制體系結(jié)構(gòu)進行優(yōu)化,建立了液壓支架跟機數(shù)學模型,并對其進行分析,得到了液壓支架跟機移架實際時長的計算模型;文獻[5]根據(jù)綜采工作面普遍采用的割煤工藝的特性,介紹了一種包括中部、機頭、機尾跟機自動化3個環(huán)節(jié)的液壓支架自動跟機技術(shù);文獻[6]研究了基于雙層優(yōu)化思想的液壓支架跟機行為動作類型排序與速度調(diào)節(jié)方法,建立了基于自適應采煤機速度與液壓系統(tǒng)壓力的多目標導向下的液壓支架跟隨行為智能決策模型,實現(xiàn)了對供液與支架運動協(xié)調(diào)的整體優(yōu)化控制,文獻[7]建立了工作面中部液壓支架集群自動化后人工調(diào)控決策模型來判別液壓支架自動化后動作不達標液壓支架架號。上述研究主要從液壓支架自動跟機的角度出發(fā),通過建立數(shù)學模型實現(xiàn)自動跟機從而滿足現(xiàn)場生產(chǎn)需求,但當前綜采工作面自動化系統(tǒng)是以過程化控制為核心,自動化后人工調(diào)控工況變化頻繁,且數(shù)學模型的應用缺乏對生產(chǎn)過程中液壓支架自動化后人工調(diào)控工況的知識發(fā)現(xiàn),不利于現(xiàn)場工人快速判斷需要進行人工調(diào)控的液壓支架架號。

因此,在文獻的基礎(chǔ)上進行了現(xiàn)場應用系統(tǒng)開發(fā),并觀測現(xiàn)場應用實施效果,通過人工智能技術(shù)檢測來代替人工判斷液壓支架自動化后的狀態(tài),構(gòu)建液壓支架自動化后人工調(diào)控決策系統(tǒng)對整個液壓支架自動跟機過程中每一架液壓支架進行判斷,從而快速調(diào)整位姿不合適的液壓支架,對實際生產(chǎn)過程中的人工干預工況進行知識發(fā)現(xiàn),實現(xiàn)對人工干預生產(chǎn)時的工況信息有效表達,提升整個綜采工作面的生產(chǎn)效率。

1 液壓支架自動化后人工調(diào)控決策系統(tǒng)設(shè)計

1.1 決策方法

液壓支架自動化后人工調(diào)控決策系統(tǒng)旨在判別自動化后動作不達標液壓支架架號,對自動化后人工調(diào)控工況進行知識發(fā)現(xiàn)與邏輯推理,將自動化后液壓支架利用工況分類模型進行工況分類,找出人工調(diào)控液壓支架架號后,根據(jù)輸出的控制策略進行快速準確地調(diào)控。液壓支架自動化后人工調(diào)控決策系統(tǒng)由液壓支架自動化后工況分類模型構(gòu)成,該模型負責實時判斷液壓支架自動跟機完成后是否需要人工調(diào)控,最終形成自動跟機完成后需人工調(diào)控液壓支架架號的建議,幫助工人快速定位和高效完成調(diào)控操作,同時是否執(zhí)行完成反饋回決策系統(tǒng),用于修正模型。液壓支架自動化后人工調(diào)控策略推薦技術(shù)思路見圖1.

圖1 液壓支架自動化后人工調(diào)控策略推薦技術(shù)思路

1.2 系統(tǒng)架構(gòu)設(shè)計

依據(jù)決策系統(tǒng)的模型推演與程序運行需求,結(jié)合高河煤礦現(xiàn)有管控平臺,現(xiàn)場井下工作面與數(shù)據(jù)傳輸方式需求,采用“云-邊-端”架構(gòu)技術(shù),研發(fā)液壓支架自動化后人工調(diào)控決策,分為設(shè)備層、邊緣層與應用分析層,系統(tǒng)架構(gòu)圖見圖2.

圖2 液壓支架自動化后人工調(diào)控策略推薦系統(tǒng)總體架構(gòu)

設(shè)備層將井下綜采工作面液壓支架所匯集的傳感器與采煤機位置慣導信息通過萬兆工業(yè)環(huán)網(wǎng)與OPC服務(wù)器傳入邊緣層,由井下綜采工作面集控中心InfluxDB數(shù)據(jù)庫實現(xiàn)數(shù)據(jù)的高效存儲、備份與保護,之后調(diào)用數(shù)據(jù)庫中海量現(xiàn)場數(shù)據(jù)進行液壓支架群自動化后人工調(diào)控決策模型推理,結(jié)果通過Python算法進行邏輯計算,將控制策略推送至人機交互界面和端部控制器中。而應用分析層通過可視化界面宏觀數(shù)據(jù)可視化分析、評價與測試,利用控制節(jié)點將訓練模型更替或下沉至設(shè)備層,從而實現(xiàn)全局性的系統(tǒng)決策與大數(shù)據(jù)分析。

2 液壓支架自動化后人工調(diào)控決策系統(tǒng)開發(fā)

2.1 模型構(gòu)建

在采礦工藝、煤礦智能化理論知識及人工操作經(jīng)驗等采礦行業(yè)專家知識的基礎(chǔ)上,利用大數(shù)據(jù)挖掘技術(shù)分析綜采工作面歷史數(shù)據(jù)(包括設(shè)備傳感器數(shù)據(jù)、執(zhí)行器數(shù)據(jù)及數(shù)據(jù)對應的時間戳)中蘊含的知識、規(guī)律、規(guī)則等,結(jié)合液壓支架電液控系統(tǒng)的自動化功能及其實際生產(chǎn)過程,提出液壓支架群自動化后工況辨識-控制決策問題,以問題為導向,提出分類建模,即建立分類模型判斷液壓支架自動化后是否需要人工調(diào)控操作。

液壓支架自動化后人工調(diào)控決策建模流程[7]見圖3,對原始采煤機位置、液壓支架推移油缸行程和液壓支架動作數(shù)據(jù)進行數(shù)據(jù)預處理、特征工程后,確定該模型輸入液壓支架架號、自動跟機前后推移油缸行程變化量、自動跟機拉架距離、采煤機位置與被判斷支架號差值絕對值和所屬類別5組數(shù)據(jù),利用ID3決策樹算法對劃分好的訓練集構(gòu)建分類模型,利用現(xiàn)場生產(chǎn)數(shù)據(jù)進行分類效果的評價。模型輸出為正常工況的液壓支架架號與需人工調(diào)控工況的液壓支架架號。

圖3 液壓支架自動化后人工調(diào)控決策模型建模流程[7]

在高河煤礦井下生產(chǎn)實際運行中,調(diào)用現(xiàn)場InfluxDB數(shù)據(jù)庫40 d中采集的4952個樣本,對異常值、缺失值處理后的數(shù)據(jù)按照推移油缸行程變化量、自動跟機拉架距離和采煤機位置數(shù)據(jù)與被判斷支架號差值絕對值進行標準化處理,并對每種數(shù)據(jù)進行時間排序,初步篩選出的15 d質(zhì)量較好的895個自動化后人工調(diào)控工況樣本作為模型實例化的樣本集,將樣本集按照比例8∶2劃分訓練集和測試集并進行測試,二分類模型對于在正常工況分類準確率為98.47%,需人工調(diào)控工況的分類準確率為87.53%,可以得出決策樹分類算法的泛化能力與擬合能力好,分類效果佳。再綜合考慮誤差要求、算法輕量化等因素,決策樹算法效果最好且最為適用。

2.2 應用APP界面開發(fā)

高河煤礦使用python開發(fā)了液壓支架群自動化后人工調(diào)節(jié)決策軟件,界面見圖4、5,主要包含了綜采工作面主要生產(chǎn)設(shè)備,整個綜采工作面液壓支架的24 h立柱壓力熱力圖,數(shù)據(jù)時間選擇模塊,采煤機實時位置顯示等。

圖4 系統(tǒng)應用APP主界面

主界面通過輸入時間節(jié)點,系統(tǒng)自主從InfluxDB數(shù)據(jù)庫中抽取出原始數(shù)據(jù),對每一架液壓支架數(shù)據(jù)進行標準化處理,計算結(jié)束后需要人工調(diào)控的液壓支架會被標紅框,見圖4,點擊每個液壓支架會有液壓支架自動化后人工調(diào)控策略建議彈窗,見圖5,其中彈窗內(nèi)有液壓支架人工調(diào)控策略建議模塊、液壓支架自動跟機控制指標模塊與液壓支架關(guān)鍵數(shù)據(jù)歷史曲線模塊,對操作類型、操作參數(shù)、自動跟機控制指標、推移行程曲線圖、位置時差曲線圖與壓力曲線圖進行具體顯示并由系統(tǒng)自動給出是否需要人工調(diào)控建議。當完成人工調(diào)控后,操作員需要在是否已完成人工調(diào)控“是”前面打“√”,完成后主界面被標紅的液壓支架會恢復正常狀態(tài)。

圖5 系統(tǒng)應用APP子界面

3 系統(tǒng)現(xiàn)場應用

根據(jù)液壓支架群自動化后人工調(diào)控決策平臺“云-邊-端”架構(gòu),融合PLC、CAN通訊、組態(tài)界面開發(fā)等關(guān)鍵技術(shù)與工具,依托山西潞安集團高河煤礦綜采工作面裝備群作為端部系統(tǒng),上位機組態(tài)界面作為邊部系統(tǒng),在集控中心部署液壓支架群自動化后人工調(diào)控系統(tǒng)軟件,作為云部系統(tǒng)。

3.1 現(xiàn)場系統(tǒng)部署

液壓支架自動化后人工調(diào)控決策平臺于2023年在山西潞安集團高河煤礦綜采工作面完成了系統(tǒng)部署。將平臺部署在井下的集控中心運行,有標注需人工調(diào)控液壓支架,實時監(jiān)測采煤機位置,查看攝像頭實時視頻,高河煤礦實時數(shù)據(jù)通過搭建的OPC服務(wù)器采集到的液壓支架手動動作數(shù)據(jù)、液壓支架立柱壓力數(shù)據(jù)、液壓支架壓力、液壓支架油缸行程數(shù)據(jù)等工作面實時數(shù)據(jù),通過OPC客戶端將服務(wù)器采集到現(xiàn)場工作面的大量數(shù)據(jù)通過煤礦工業(yè)環(huán)網(wǎng)存儲并備份在InfluxDB數(shù)據(jù)庫中。

同時將井下攝像頭的實時視頻接入液壓支架自動化后人工調(diào)控決策平臺,更有利于觀察液壓支架的自動跟機情況。液壓支架自動化后人工調(diào)控決策平臺打開后自動運行,并可以將模型推理結(jié)果保存至InfluxDB數(shù)據(jù)庫,便于與實際工況進行對比,判斷模型推理結(jié)果是否準確,進而修正模型。

3.2 應用效果

通過井下實際運行,結(jié)合液壓支架自動化后人工調(diào)控決策平臺運行情況,驗證了液壓支架自動化后人工調(diào)控決策平臺的可行性與準確性,能快速與準確地找出液壓支架自動跟機過程發(fā)生的丟架、直線度不滿足生產(chǎn)要求等異常工況,實現(xiàn)液壓支架自動化后自動生成人工操作策略,決策準確率達90%以上,加快了人工調(diào)控的時間。液壓支架自動化后人工調(diào)控決策平臺還會進一步完善,升級,實現(xiàn)把決策結(jié)果直接下發(fā)至液壓支架電液控制器,進行自動調(diào)控的目標,提升工作面的生產(chǎn)效率。

4 結(jié) 語

山西潞安集團高河煤礦綜采工作面液壓支架自動化后人工調(diào)控決策平臺以綜采工作面的真實生產(chǎn)數(shù)據(jù)為基礎(chǔ),利用數(shù)據(jù)挖掘技術(shù)找到自動化后人工干預控制規(guī)律與3個特征值,建立基于決策樹算法的智采工作面液壓支架集群自動化后工況分類模型與決策平臺,實現(xiàn)實時工效驅(qū)動的液壓支架自動化后人工調(diào)控智能決策模型技術(shù)應用與液壓支架自動化后控制效果的自動識別和人工干預策略的自動推薦。相比煤礦傳統(tǒng)人工巡檢工作面后進行人工調(diào)控決策,巡檢工能夠通過相對便捷、簡易的交互式操作查看可視化數(shù)據(jù),獲取能夠進行工況判別的足夠信息,更好地解決綜采設(shè)備自適應能力較差,尤其是液壓支架的自適應跟機問題,幫助工人快速高效地完成調(diào)控工作,縮短人工調(diào)控時間,降低工作強度,進而減少災害發(fā)生與人員傷亡,建立安全高效的現(xiàn)代化煤礦,實現(xiàn)減人提效的安全生產(chǎn)。