• 論文
主辦單位:煤炭科學研究總院出版傳媒集團、中國煤炭學會學術期刊工作委員會

“煤炭安全智能精準開采”專題

來源:《工礦自動化》2021年第11期

煤炭精準開采是將煤炭開采擾動影響、致災因素等統籌考慮,基于透明空間地球物理,以多物理場耦合、智能感知、智能控制、物聯網、大數據、云計算等作為技術支撐,具有風險判識、監控預警與處置功能,能實現煤炭無人(少人)智能開采與災害防控一體化的未來采礦新模式。隨著新形勢的發展,煤炭安全智能精準開采是保障煤炭高質量發展的治本之路已成為行業共識。為進一步總結、凝練我國煤炭安全智能精準開采技術最新進展,《工礦自動化》特邀中國工程院院士袁亮擔任專題客座主編,楊科教授、黃友銳教授擔任專題客座副主編,于2021年第11期策劃出版“煤炭安全智能精準開采”專題。在專題刊出之際,衷心感謝各位專家學者的大力支持!

行業視野

智能化

類別

92個

關鍵詞

47位

專家

15篇

論文

580IP

點擊量

300次

下載量
  • 作者(Author): 袁亮, 陳珍萍

    摘要:時間同步是智能礦山信息精準感知的基礎和前提。煤礦井下空間的諸多特性,如地形狹窄冗長、巷道表面不平整等,會造成同步誤差累積效應大、信號傳輸可靠性差,給無線節點間時間同步技術研究帶來了很大挑戰。介紹了2種基礎的時間同步方法:層次型時間同步和分布式時間同步方法。分析了煤礦井下物聯網對時間同步方法的特殊需求,即除需考慮收斂性、同步精度等外,還需要考慮同步算法能量有效性、拓撲魯棒性及可擴展性等指標,應具有較少的通信量、較長的同步周期、一定的拓撲魯棒性,要能降低網絡直徑大引起的同步誤差累積效應,并適應網絡規模改變所帶來的影響。分析了煤礦井下物聯網感知層時間同步研究現狀,得出目前的研究成果主要集中在網絡結構、同步精度和同步能耗等方面。對煤礦井下物聯網感知層時間同步技術的研究方向進行了展望,指出針對煤礦井下通信環境和空間環境的特殊性,設計一種對拓撲、時延具有一定魯棒性的時間同步方法,是未來的研究重點:① 可從拓撲動態維護角度提高時間同步方法對拓撲的魯棒性;② 可從通信拓撲虛擬構建角度提高一致性時間同步方法的收斂速度;③ 可從時間戳處理和矩陣補全角度提高時間同步方法對傳輸時延的魯棒性。
  • 作者(Author): 許日杰, 楊科, 吳勁松, 闞磊

    摘要:現有的煤礦智能化開采研究成果未結合生產實踐具體闡述智能化開采關鍵技術在煤礦的應用情況。以麻地梁煤礦為工程背景,闡述了該煤礦智能化開采建設成果——十大智慧系統,即智能調度遠程集控系統、設備智能預警與遠程會診系統、智能采煤系統、智能掘進系統、智能膠帶運輸系統、無人值守一體化煤質運銷管控系統、智能交通安全管控系統、互聯網+遠程辦公系統、物聯網+智能倉儲快遞服務系統、智能通風系統的關鍵技術及應用效果。指出了現階段煤礦智能化開采中存在的關鍵問題,包括思想理念亟需轉變,前期投入大、投入產出比不平衡,開采模式適應性差,人才培養體系不健全,關鍵技術創新不夠等。為解決上述問題,提出應進一步增強智能子系統間的相互協同性,推進智能機器人研究,提高設備自主感知、分析、決策能力,構建智能煤礦頂層架構與大數據應用中心等,以實現煤炭智能開采、運輸與銷售,提高礦井生產效率,保障工人生命安全,實現井下無人(少人)開采目標。
  • 作者(Author): 李旭, 吳雪菲, 田野, 董博, 黨恩輝

    摘要:針對目前以記憶截割為核心技術的自動化采煤技術無法自主感知工作面地質條件變化,采煤機難以實現根據煤層厚度變化自動進行調高控制,而對于精準開采方面也只是初步探索的問題,研發了一種基于數字煤層的綜采工作面精準開采系統。該系統首先利用煤礦地質數據、工作面切眼數據和工作面運輸巷與回風巷地質寫實數據和三次樣條插值方法建立初始三維數字煤層模型。然后通過綜采設備慣導、里程計、雷達、角度傳感器等動態感知采煤機實際行走軌跡和截割軌跡,對建立的初始三維數字煤層模型進行動態修正和生成刮板輸送機直線度檢測曲線。最后根據修正后的三維數字煤層模型動態規劃采煤機截割軌跡曲線,并下發給采煤機控制系統,指導采煤機根據煤層厚度變化自動進行調高控制;通過刮板輸送機直線度檢測曲線和液壓支架行程信息綜合分析計算下一刀每臺液壓支架推移的偏差量,并將下一刀每臺液壓支架推移的偏差量下發給綜采工作面液壓支架控制系統,實現液壓支架自動調直。試驗結果表明:該系統實現了采煤機截割軌跡動態規劃、調高軌跡自動跟蹤控制和液壓支架自動調直;通過三維數字煤層模型的CT切片可以獲取采煤機規劃刀的截割軌跡,規劃的截割軌跡誤差小于0.2 m;在無人工干預情況下,對于250 m長的工作面自動化割煤時間大約為1 h,自動割三角煤時間大約為30 min。
  • 作者(Author): 黃友銳, 李靜, 韓濤, 徐善永

    摘要:現有煤礦井下機器人路徑規劃算法采用固定步長和串行方式生成路徑,存在成功率低、實時性差、效率低下等問題。將膜計算(MC)與Informed RRT*算法相結合,提出一種煤礦井下機器人路徑規劃算法,即MC-IRRT*算法。該算法分為快速連通和路徑尋優2個階段。在快速連通階段,構建多步長細胞型膜結構,根據空間區域的大小來調整步長:在可行空間較大的區域采用大步長搜索,加快搜索速度;在狹小的空間使用小步長搜索,使搜索空間更加精細,提高狹小空間路徑搜索成功率。在路徑尋優階段,構建多采樣點細胞型膜結構,通過多個基本膜并行計算,同時在多個橢圓區域內并行搜索最短可行路徑,以節省時間,提高路徑優化效率。簡單場景實驗結果表明,與Informed RRT*算法相比,MC-IRRT*算法在快速連通階段和路徑尋優階段的搜索效率分別提高了76%,40%。復雜場景實驗結果表明:RRT*算法和Informed RRT*算法路徑規劃失敗,PQ-RRT*算法和MC-IRRT*算法均能成功尋得可行路徑;與PQ-RRT*算法相比,MC-IRRT*算法的速率提高了12.79%,規劃的路徑長度縮短了8.18%;MC-IRRT*算法不僅可以迅速通過較窄可行區域,而且在路徑轉折處可以選擇使用較小步長,使路徑更加平滑。
  • 作者(Author): 李靜, 黃友銳, 韓濤, 蘭世豪, 陳宏茂, 甘福寶

    摘要:針對礦用智能巡檢機器人無標定視覺伺服控制中采用基于傳統的卡爾曼濾波(KF)的圖像雅可比矩陣存在估計值不準確、魯棒性差的問題,提出了一種具有長短期記憶(LSTM)的卡爾曼濾波算法(KFLSTM算法)。KFLSTM算法使用LSTM彌補由KF算法產生的估計誤差,將濾波增益誤差、狀態估計向量誤差、觀測誤差用于LSTM的在線訓練,利用訓練后的LSTM模型對雅可比矩陣進行最優估計,通過提高雅可比矩陣估計值的準確性和穩定性來改善視覺伺服控制的實時性和魯棒性。建立了基于KFLSTM算法的無標定視覺伺服模型,將最優雅可比矩陣作為控制器的輸入,使控制器輸出較準確的關節角速度,從而控制機械臂的實時運行。將KFLSTM算法應用到礦用智能巡檢機器人六自由度視覺伺服仿真實驗中,結果表明:應用KFLSTM算法得到的圖像誤差收斂速度相較于傳統KF算法提高了100%~122%,圖像特征誤差更小,定位精度為0.5像素,且機器人末端執行器運動平穩,具有較強的抗噪聲干擾能力,可有效提高礦用智能巡檢機器人的作業精度與效率,并增強其工作的穩定性與安全性。
  • 作者(Author): 許家昌, 黃友銳, 李虹金, 劉瑜, 韓濤

    摘要:煤礦巡檢無人直升機姿態有效控制是巡檢能力優劣的重要體現。針對現有無人直升機姿態控制伴隨應用場景的變化,擾動隨之變化,導致無人直升機姿態波動幅度及誤差變大的問題,利用細胞型膜計算實現煤礦巡檢無人直升機的姿態控制。根據無人直升機動力學模型建立了無人直升機姿態動力學模型;構建了適合井下無人直升機姿態模型的細胞型膜系統,設計了無人直升機姿態膜控制器(MC)。通過地面上空與模擬巷道飛行實驗驗證MC對無人直升機姿態的控制效果,并與傳統滑??刂破?TSC)和線性反饋控制器(LFC)進行了比較,結果表明:地面上空實驗環境下,MC下的無人直升機姿態角控制在-0.8~0.8 rad,姿態角震蕩幅度明顯減小于TSC和LFC下的震蕩幅度;模擬巷道環境下,MC下的無人直升機姿態角控制在-1.8~2.0 rad,波動頻率變??;MC下的無人直升機姿態角誤差均小于TSC和LFC下的姿態角誤差。
  • 作者(Author): 韓濤, 李靜, 黃友銳, 徐善永, 許家昌

    摘要:針對煤礦井下復雜環境中救援機器人機械臂軌跡規劃不合理、規劃方法收斂速度慢等問題,提出了一種基于融合杜鵑搜索的灰狼優化(CS-GWO)算法的煤礦救援機器人機械臂軌跡規劃算法。以五次多項式插值為基本軌跡規劃方法,在機械臂關節空間進行軌跡規劃,通過CS-GWO算法對得到的軌跡進行優化,實現機械臂時間-能量最優軌跡規劃。CS-GWO算法在灰狼優化(GWO)算法的位置更新方式中融入杜鵑搜索(CS)算法的2次擾動過程,結合CS算法的萊維飛行模式和鳥巢位置隨機更新的特點,使得狼群在向獵物逼近的過程中能夠隨機跳出局部搜索區域,擴大了搜索范圍,避免算法陷入局部最優解,增強了GWO算法的全局搜索能力。Matlab仿真結果表明,CS-GWO算法能夠有效提高CS算法的收斂速度和GWO算法的全局搜索能力,其穩定性更好,整體性能較優;利用機械臂軌跡規劃算法可得到一條時間-能量最優軌跡,各關節角位移、角速度、角加速度曲線均光滑、連續,有效解決了煤礦井下復雜環境中救援機器人機械臂最優軌跡規劃問題。
  • 作者(Author): 經海翔, 黃友銳, 徐善永, 唐超禮

    摘要:針對當前礦用通風機故障診斷方法存在預測性較差、準確率較低的問題,提出了一種基于數字孿生和概率神經網絡(PNN)的礦用通風機預測性故障診斷方法。利用Unity3D、3dsMax、SciFEA等搭建通風機的數字孿生模型,模擬出真實通風機的結構特點、物理屬性和運行規則,利用PREspective與通風機的PLC實時通信,將通風機的運行狀態實時映射至數字孿生模型中;以通風機的數字孿生模型為基礎,結合專家知識、機器學習、歷史數據等構建了通風機預測性故障診斷模型,通過分析通風機的實時數據與運行狀態之間的關系,不斷學習并更新模型參數;采用改進的鯨魚優化算法(IWOA)通過包圍獵物、捕食獵物和搜索獵物的生物行為求取平滑因子最優值并賦予PNN,利用優化后的PNN對通風機進行預測性故障診斷,對比通風機預測性故障診斷模型判斷結果與實際情況是否相符,若診斷錯誤,則需要對預測性故障診斷模型中的參數進行修正,直到故障判斷準確。實驗結果表明,與遺傳算法(GA)、粒子群算法(PSO)、鯨魚優化算法(WOA)優化后的PNN故障診斷精度相比,IWOA優化后的PNN故障診斷精度達97.5%,說明基于數字孿生和PNN的礦用通風機預測性故障診斷方法可以滿足通風機故障診斷的實時性與準確性要求。

主辦單位:煤炭科學研究總院出版傳媒集團 中國煤炭學會學術期刊工作委員會

©版權所有2015 煤炭科學研究總院出版傳媒集團 地址:北京市朝陽區和平里青年溝東路煤炭大廈 郵編:100013
京ICP備05086979號-16  技術支持:云智互聯
男女真人后进式猛烈QQ动态图,男女后式激烈动态图片,真人男女猛烈裸交动态图