智能煤矿技术

发展中的难点与出路

突破技术瓶颈

煤矿智能化建设任重而道远,本文聚焦多个智能化技术应用中的“痛点”与“堵点”,以电动化、无线通信等具体领域的技术难题剖析智能化进程中的现实困境,同时提出切实可行的对策与建议,为推动智能煤矿建设提供重要技术支撑和参考。

正文

原标题：煤矿智能化最新技术进展与问题探讨

作者：王国法

5G煤矿应用场景与生态问题

截止目前，各大煤矿已在5G煤矿应用方面做了大量探索性工作，包括初期5G在煤矿建网的可行性、5G各频段信号在煤矿井下的传输特性、5G在煤矿上的各种不同组网形式和组网架构等，同时国家安标中心也推动并制定了5G技术在煤矿应用的初步管理办法，使5G在煤矿应用有据可依。在应用场景层面，各煤矿也结合自身特点分别在基于5G技术的高清视频传输、固定硐室巡检、掘进机远程控制、多传感器接入与互联等方面做了大量有益的探索，一方面破解了5G应用初期“投资大、耗电高、传输距离短、不具有可用性、安全隐患大”等种种基于猜测和假设的谣言，另一方面也探索出了5G技术在煤矿应用的卡点。

首先，5G技术在煤矿的应用仍处于网络改进层面。虽然前期做了大量的试验和测试，也做了一些场景的应用，但多是对现有控制系统的网络替代，试验测试完成之后的深入分析和针对性研发基本没有。比如进行的采煤机控制试验，完成了相关控制链路的搭建，简单测试了控制时延和从工作面两端向工作面内的覆盖距离，但并没有详细分析和测试5G信号在综采空间的影响因素和不同断面、不同工作状态下的覆盖能力，因此简单判断工作面是否适合用5G的论据并不充分。

其次，针对5G煤矿应用的场景关键技术和业务模式尚未突破。①井上下环境相差很大，服务对象和业务模式和地面也有很大区别，当前都是照搬的地面模式，没有针对煤矿井下做相应的研发。比如5G与其他网络融合或相互替代的问题，一些是技术层面的，一些是商业模式层面的，但不论哪个层面的现在各方都不敢打破现有模式，仍然没有完全打通。②可规模化应用的低成本5G芯片至今没有突破，导致很多厂商不敢布局5G智能终端的研发。③对煤矿工艺和流程缺乏梳理和再造，数据挖掘没有建立起生产参数和生产关系之间的逻辑关系，无法支撑场景应用和模式创新。

再者，相关软硬件生态尚未形成，难以形成技术和应用爆发点。前述芯片缺乏是一个重要方面，没有芯片的低成本持续稳定供应各开发商就不敢轻易入局，没有统一的架构和标准大家就会做很多低端重复的工作，浪费大量的人力、物力。软件开发生态更是如此，开发语言、通信协议和功能逻辑多种多样，同样会消耗浪费大量的开发资源，造成协同困难、应用软件臃肿和不友好,软件安全性和可靠性难以得到保障。

“透明地质模型”问题

构建矿井高精度地质模型要以基础地质模型为基础，不断融入生产揭露的动态、实时地质信息，实现高精度地质模型的动态更新，为智能化开采实践提供地质基础。

近年来透明地质建模取得了一系列理论成果及实用技术。董书宁等分析了在煤炭智能开采背景下地质保障技术面临的探测精度不足、动态信息监测和地质信息系统的难题；程建远等提出了工作面三维地质模型梯级构建技术，依据不同探测阶段数据的种类和精度差异，将地质模型分为4个等级：十米级精度的黑箱模型、十米至亚米等级的灰箱模型、米级至亚米级的白箱模型和亚米级的透明模型。基于工作面地质模型梯级构建技术，在山西某矿井实践表明：地质建模精度较高，其中对煤厚的预测误差小于0.30m。刘再斌等提出透明工作面多属性动态建模方法，对工作面综合探测多源异构数据特征、多属性数据融合算法、动态可视化建模技术进行试验研究。

目前透明地质模型构建存在高精度实时动态探查技术与装备、多源地质数据融合与建模算法、透明地质集成与共享软件平台等方面的制约；探查技术与装备智能化、精准化、实效性、共享性还无法满足智能化采掘需求；透明地质建模对于多源地质数据的挖掘不充分，严重依赖于点数据的内插，建模算法的区域适配性不足；透明地质模型在与煤矿采掘系统集成应用和数据共享方面仍缺乏有效的融合联动和实时互馈，地质预测预报缺乏动态地质信息支撑。

为有效提升透明地质模型在煤矿智能化中的应用效果，需构建数据透明-信息透明-知识透明3层架构下的透明地质系统，从以下方面重点突破：①研发高精度随钻、随掘和随采动态探查技术与装备，实现采掘工作面模型实时动态更新和预测预报；②研究矿井多源地质数据融合技术，结合区域地质沉积规律优化插值算法，充分利用地质数据和适配算法构建高精度多属性地质模型；③研发一体化透明地质软件平台，实现地质数据的统一存储、管理和融合；④采用优化插值算法构建高精度多属性模型，实现实时动态探查数据与地质模型的互馈，并与采掘系统深度融合联动和数据共享，实时提供并更新采掘截割轨迹及隐蔽致灾因素预测预报。

基于统一透明地质基础，可以提升地质保障数据的实时性、共享性、标准性及可靠性，通过全生命周期地质信息和工程信息共享的协同处理机制以及三维交互可视化分析，为煤矿智能化提供全方位透明地质保障支撑。

智能巨系统兼容协同问题

煤矿生产系统是一个典型的复杂巨系统，涉及采、掘、机、运、通等各业务系统，系统之间存在着开采工艺、设备、人员等复杂耦合关系，具有包含子系统种类繁多、数量庞大、子系统层次多等特点。因此，智能化煤矿需要建设基础应用平台、掘进系统、开采系统等近百个子系统，并且需要考虑不同系统之间的数据、网络、业务和控制兼容问题，从而形成在开拓、采掘、运通、分选、安全保障、生产管理等全过程智能化运行的智慧煤矿。目前，煤矿智能化巨系统兼容协同制约因素主要表现在以下方面：

1)数据标准尚未实现统一。煤矿生产运营管理过程中存在大量多源异构数据，既包含设备状态信息、控制指令等结构化数据，也包含视频、图片、语音等非结构化数据，数据存储方式、处理方法等均存在一定差异，数据之间尚没有实现兼容、互通。

2)网络通信协议兼容性差。网络是智能化煤矿系统之间进行数据交互的纽带，现有煤矿各系统的通信网络协议多样，各类感知设备采用的通信技术标准各不相同，相互之间不能互联互通，导致信息传输受阻、整体稳定性差等问题。

3)业务系统兼容性较差。煤矿各业务系统之间在业务逻辑上存在一系列的空间、时间、功能、事件等关联关系，在生产效率、安全、环保、节能等不同层面需要优化组合，目前，这些环节和业务逻辑只是建立了“表象”的关联状态，未能进行深度有效的挖掘和业务融合，矿山生产预测难、监控难、效率低、安全事故多等问题一直得不到有效解决。

4)系统间协同控制兼容性差。煤矿智能化运行需要各系统进行高精度、实时、快速响应与控制，受煤层条件、开采环境、设备位姿及空间位置关系等因素的影响，设备之间的运行参数存在非线性耦合关系，现有系统之间感知信息不通畅、位姿关系不精确、决策控制逻辑不清晰，导致系统间协同控制兼容性差，缺少考虑各系统的全局智能化综合控制模型。

虽然当前通过将物联网、云计算、大数据、人工智能等与矿山开发技术相融合，煤矿智能化开采技术取得了显著进步，然而，我国煤矿智能化建设的重点仍在采煤工作面，距离全矿井智能化还存在较大的差距。因此，面对煤矿巨系统复杂特点和全矿井智能化建设需求，必须从矿井顶层设计、数据流业务流、网络保障等方面进行长期布局，考虑标准化、开放性等原则，形成煤矿智能化巨系统兼容协同解决方案。

1)从全矿井设计出发，规范智能化煤矿数据中心、主干网络、云平台、井下人员管理系统、智能化地质保障系统、智能化掘进、智能化采煤、智能化主煤流运输、智能化辅助运输、智能化供电、智能化排水、智能化通风、智能化安全监测监控，制定智能化煤矿建设指南，为智能化煤矿建设提供标准指引。

2)实行全面的数据标准化，所有接入操作系统平台的数据均使用统一的格式进行交换与存储，数据互联互通无障碍；同时，使用统一的存储方案，数据的存储和查询性能充分保障，便于数据的统一管理，解决数据资源混乱问题。

3)网络传输要具有强实时性，解决数据传输延迟问题，满足远程实时决策控制的要求；其次要具有强稳定性，解决常见的数据通讯不稳定问题，满足智能系统长时可靠运行的需求。

4)系统开放性。对于新建矿井，所选系统能够支持多种开采装备应用程序的开发与部署，以支持不同应用场景的灵活应用和未来更多先进智能装备的灵活接入，对于已建矿井则考虑通过加入接口转换器等设备保障系统兼容。

连续自动掘进与掘支平行问题

掘进工作面空间狭小、作业工序复杂，掘、支、锚、运协同作业困难。受煤层赋存条件及安全作业要求，巷道掘进后需要进行及时支护，复杂条件巷道的空顶距很小，难以实现连续作业；根据《煤矿安全规程》等相关文件规定，要求有掘必探，地质探测、掘进、支护、锚护等相关工序均需要协同配合，现有技术尚难以实现复杂条件的各工序自动化连续作业：

1)效率低，采掘失衡。在掘进作业的超前探测、破岩、支护等环节中，物探准确性差，结果解释困难，钻探自动化程度低，周期长，制约了巷道掘进的速度；机械破岩尤其是煤矿硬岩对截齿强度和耐磨性要求高，半煤岩和岩巷掘进效率低；钻锚工序复杂，锚、护时间长，掘-锚交替作业，无法连续截割；运输系统延伸等辅助作业用人多。上述问题造成当前掘进效率低，矿井采用多掘进头作业，采区接续紧张，新建矿井巷道开拓任务更加繁重。

解决途径和展望：快速掘进技术是实现采掘平衡是发展的必然要求，全面提高探、掘、支、运、辅等各环节的自动化水平，是智能化掘进发展的重点。

2)用人多，掘支失衡。锚杆支护流程复杂，支护机械化、自动化程度较低，支护速度慢；装备系统性差，以单体锚杆钻机为主，钻孔效率低；围岩破碎、巷道变形快,需及时、高密度、高强度支护，作业时间长，同时掘进工作面作业环境差，割煤期间粉尘浓度高，不能平行作业。为提高掘进速度，只有靠人员的增加，因此造成人员聚集，安全隐患大，这成为掘进发展的主要难题。

解决途径和展望：上述问题是技术本身的复杂性、适应条件的复杂性造成的。首先要解决快速成巷功能性问题，然后解决智能化问题。以支护工艺为基础，以机器人化为手段，探索不同的发展路径，逐步实现支护的自动化，最终达到掘进平衡，少人/无人的作业模式。

3)推进慢，装备适应性差。掘进作业没有类似综采工作面的专业化论证和配套技术，系统性差，多设备零散作业，无法集约化生产；截割部、液压系统、电控系统、传感器等故障率高，设备导航系统稳定性和精度不易保证，设备综合开机率低；尚缺少高效的临时支护设备，锚固、铺网等工艺流程的自动化程度较低，智能化技术发展尚未成熟，自动化水平没有达到要求前，追求过快的效率，矿井必然采用多掘进装备作业，造成用人多的问题。

解决途径和展望：机械化仍是解决快速掘进的首要问题。针对不同矿井和工作面条件，研究开发不同的设备配套模式，在设备选型前进行专业化论证，提高技术适应性；同时，需要不断提升基础工业水平，增强设备可靠性。

采煤工作自动调高与调直问题

工作面自动调高与调直一直被认为是制约综采智能化发展的关键，针对这2个问题国内外专家学者也做了大量不同技术途径的探索和研究。

针对工作面自动调高的问题，难点不在于如何调高，而在于如何确定调高的依据和调高的策略。针对调高依据方面，各研究学者一度把综采工作面的煤岩识别作为绕不过的关键问题进行研究，并尝试了振动法、超声法、射线法、图像识别法等各种方法，虽然对一些特殊工况有一定效果但无一能够实现工业化应用。退一步看，假设实现了煤岩识别，许多学者提出可根据识别结果自动调整割煤高度调高采出率，但综合考量并不现实。①如此割煤顶板很难维护管理，液压支架也容易受偏载或是产生架间漏煤，产生安全隐患；②从回采方向看，要应对煤层起伏变化需提前调整采煤机滚筒割顶割底量，采煤机很难紧随煤层调整。因此，基于两巷煤岩识别的截割曲线规划或者调高控制策略研究是比较符合现场实际的解决方案之一。目前待发展的技术主要有回采煤层地质体三维物探原理与技术、三维地质精细建模技术、基于三维地质精细模型的工作面自动调高策略等。

工作面调直一直是困扰工作面上窜下滑控制和整体协同的难题，调直的基础是直线度测量。目前的研究：①基于惯导的直线度测量，主要代表为澳联邦科学院的惯性导航技术，其测量精度可以达到5cm/m，并在国内多个矿区进行了应用测试，但因其校准时间长、与液压支架联动控制效果差和只租不卖等原因没有得到很好的应用；②基于光纤传感的直线度测量，国内学者也做了大量的地面试验，但受制于井下振动、温度等环境影响和安装固定的问题，尚未实现井下应用；③基于视觉的测量方法，目前尚处于探索阶段，井下粉尘和暗光环境等导致设备视觉特征不清晰，测量精度和稳定性有待提高。

工作面调直的另一个难题是精确执行。现有的执行机构为推移千斤顶，由液压驱动、开关阀控制，其行程反馈信息多由磁致伸缩传感器测量，此执行机构：①控制很难实现精确，②经常损坏，导致整体执行精度和可靠性难以满足常态化运行的需求。因此，急需研发精度可控、常态可靠的推移执行机构和反馈测量传感装置。

无人操作系统常态化

运行可靠性问题

综采大型复杂系统安全正常的运行是保证整个工作面安全高效生产的基础。随着技术进步，系统设备不断增多，其相互协调与配合关系愈加复杂，任何设备故障或异常都将影响生产安全及生产效率。因此，煤矿大规模复杂生产系统可靠性及安全保障技术研究成为亟需。

煤矿大规模复杂生产系统可靠性关键问题主要集中于多因素耦合状态下煤矿设备的健康管理、系统数据可靠性及高效采集、考虑生产调度和维护行为的设备维修决策等方面，其目前研究的痛点问题集中于以下5个方面：

1)传统传感器使用受限。矿用传感器在复杂环境下工作稳定性差，造成设备数据采集可靠性缺乏；采集设备之间通讯协议不统一，数据传输困难。

2)设备可靠性相关传感手段单一，关键信息缺失。目前设备可靠性相关的矿用传感器以振动传感器为主，辅以电流电压等基本采集数据进行故障判断，信息较单一，液压支架，刮板输送机等核心生产装备的可靠性难以进行有效监测。

3)缺乏故障特征样本。设备可靠性信息数据特征稀疏，故障特征样本极难捕捉，在进行训练学习过程中，样本标记缺乏参照，仅能通过理论样本或实验室样本进行参考，缺乏现场工况真实有效的数据。

4)煤矿设备故障识别模式单一。面向单一煤矿设备或系统组件的单一失效模式，结构层次繁杂、分系统众多的复杂分布式机电系统研究困难，导致不易获取煤矿设备的综合健康信息，难以进行设备的智能维护。

5)决策模型鲁棒性差。现研究对象多集中于单个设备或系统组件之间，仅考虑设备的两状态变化，对具有多健康状态的综采设备群类复杂机电系统的预知维护决策研究较少，导致缺少智能决策依据。

煤矿智能化系统可靠性技术架构包含了物理设备层、信息采集层、数据处理层和模型应用层。物理设备层包括采煤机、液压支架、刮板输送机、掘进机等设备，信息采集层包括数据采集与传输；数据处理层包括数据清洗、特征提取及结果存储等；模型应用层包括健康状态评估、剩余寿命预测、维护决策等，如图24所示。

ABCD+煤矿技术体系问题

“ABCD”技术体系，即人工智能(ArtificialIntelligence,AI)、区块链(Blockchain)、云计算(Cloud

转载请注明:http://www.aideyishus.com/lktp/6482.html