苗丙葛世榮郭一楠周家忻蔣二松

1. 中國礦業(yè)大學(xué)(北京)機電與信息工程學(xué)院,北京 100083;

2. 中國礦業(yè)大學(xué)(北京)智慧礦山與機器人研究院,北京 100083;

3. 中國礦業(yè)大學(xué)信息與控制工程學(xué)院,江蘇徐州 221116

煤炭是我國重要的基礎(chǔ)能源。根據(jù)國家礦山安全監(jiān)察局最新發(fā)布數(shù)據(jù),我國煤礦智能化建設(shè)已取得積極進展,2019年全國煤礦智能化采掘工作面達(dá)275 個,2020年增至494 個,同比增加80% 。2021年3月,國家能源局煤炭司為指導(dǎo)規(guī)范智能化煤礦建設(shè),組織編制了《智能化煤礦建設(shè)指南(2021年版)(征求意見稿)》,明確了煤礦智能化發(fā)展的3 個階段性目標(biāo),最終形成全面感知、實時互聯(lián)、分析決策、自主學(xué)習(xí)、動態(tài)預(yù)測、協(xié)同控制的煤礦智能系統(tǒng)[1]。

煤礦智能綜采工作面通常由采煤機、刮板輸送機、轉(zhuǎn)載機、破碎機、帶式輸送機、液壓支架及乳化液泵站等“五機一架”構(gòu)成。雖然相應(yīng)機電設(shè)備的狀態(tài)智能感知、信息通信互聯(lián)等基礎(chǔ)關(guān)鍵技術(shù)已經(jīng)取得長足進展,但是設(shè)備間的智能協(xié)同、自主調(diào)度和設(shè)備群關(guān)聯(lián)管理等涉及智能綜采全工藝流程協(xié)調(diào)控制與安全管理的智能化技術(shù),仍然較為薄弱[2-4]。此外,機電設(shè)備數(shù)據(jù)通信接口不統(tǒng)一,增加了現(xiàn)場設(shè)備的集成難度,難以實現(xiàn)綜采工作面設(shè)備的有機融合[5],使井下智能化綜采工作面的物理空間全息感知受限。因此,構(gòu)建基于可視化三維模型的綜采工作面全信息感知分析、工藝模擬、協(xié)同控制與實時優(yōu)化決策的孿生智采系統(tǒng)勢在必行[6]。

數(shù)字孿生(Digital Twin,DT)技術(shù)是以數(shù)字化方法創(chuàng)建物理實體的虛擬模型[7],并實現(xiàn)物理世界及數(shù)字世界之間雙向映射、動態(tài)交互、實時連接的關(guān)鍵技術(shù)。數(shù)字孿生可將物理實體的屬性、結(jié)構(gòu)、狀態(tài)、性能、功能和行為映射到數(shù)字世界[8],形成高保真的動態(tài)多維、多尺度、多物理量模型[9],從而為物理實體提供更加實時、高效、智能的運行或操作服務(wù)。數(shù)字孿生技術(shù)已經(jīng)在產(chǎn)品設(shè)計、生產(chǎn)制造和運維服務(wù)等方面得到了廣泛應(yīng)用。在復(fù)雜產(chǎn)品創(chuàng)新設(shè)計中,利用數(shù)字孿生3D 設(shè)計平臺,通過人機交互信息反饋,更新孿生體設(shè)計模型,并最終映射為物理實體產(chǎn)品。在生產(chǎn)制造階段,利用數(shù)字孿生技術(shù),實現(xiàn)生產(chǎn)過程模型和自動化生產(chǎn)線的交互鏡像,從而支持整個生產(chǎn)鏈的智能化整合。在設(shè)備運維服務(wù)方面[10],通過構(gòu)建與物理實體等效的數(shù)字孿生體,實現(xiàn)復(fù)雜系統(tǒng)的故障預(yù)測,為設(shè)備的全生命周期健康管理提供依據(jù)。

數(shù)字孿生技術(shù)在煤礦中的應(yīng)用尚在起步階段。葛世榮等[11]指出,數(shù)字孿生智采工作面(Digital Twin Smart Mining Workface,DTSMW)是一個數(shù)據(jù)三維可視化、人機交互強、全流程自優(yōu)化的高逼真采煤工作面三維鏡像場景。該系統(tǒng)可以實現(xiàn)孿生體與物理實體之間的雙向通信、信息交互,從而對井下無人化綜采工作面的物理空間進行全息感知、對生產(chǎn)過程及性能實時監(jiān)控、對虛擬場景三維可視化再現(xiàn),有效地提升煤礦綜采工作面的智能化水平。

1 煤礦數(shù)字孿生智采工作面系統(tǒng)架構(gòu)

1.1 系統(tǒng)參考框架

智能采煤工作面(簡稱智采面)的數(shù)字孿生系統(tǒng)由智采面數(shù)字孿生應(yīng)用服務(wù)、智采面數(shù)字孿生體、智采面現(xiàn)實物理域和10 項關(guān)鍵技術(shù)[11]支撐組成,如圖1 所示。智采面數(shù)字孿生體是與智采面現(xiàn)實物理域雙向映射、動態(tài)交互的虛擬采煤過程。通過煤礦數(shù)字孿生智采工作面系統(tǒng),可以為用戶提供狀態(tài)實時感知與解析、全場景虛擬3D 在線、故障及異常在線分析、全流程迭代調(diào)度優(yōu)化以及安全態(tài)勢評價和全生命周期管理。

圖1 煤礦數(shù)字孿生智采工作面系統(tǒng)參考框架Fig.1 The frame of digital twin system for intelligent mining workface

煤礦數(shù)字孿生智采工作面物理實體按照機電設(shè)備及工況環(huán)境劃分如圖2 所示。地理信息是以工作面地測CAD 地圖為基礎(chǔ),采用計算機圖形圖像和三維可視化技術(shù),經(jīng)過地形、影像和模型渲染構(gòu)建出的高逼真度工作面3DGIS 地圖。通過對不同位置、角度、方位鉆孔記錄的分析,得到煤層巷道頂、底板鉆孔探測數(shù)據(jù),確定預(yù)采工作面巷道的煤層賦存情況。環(huán)境安全包括工作面氣體環(huán)境、采空區(qū)自然發(fā)火、沖擊地壓和涌水等。

圖2 煤礦數(shù)字孿生智采工作面系統(tǒng)物理實體Fig.2 Physical entity of digital twin system for intelligent mining workface

智采工作面數(shù)字孿生體與其現(xiàn)實物理域存在一一對應(yīng)關(guān)系。智采工作面數(shù)字孿生體包括智采面仿真建模和智采面孿生兩部分,其中仿真建模包含模型建立、模型同步、模型演化、多狀態(tài)仿真、多維度仿真和多時空仿真等?，F(xiàn)實物理域的每一個實體都有數(shù)字孿生體的模型與之相對應(yīng)。構(gòu)建完成的模型,在多維度、多狀態(tài)和多時空下與物理實體同步演化。智采仿真建模完成后,仿真模型可以在一定程度上精準(zhǔn)地描述現(xiàn)實物理域的實體,經(jīng)過智采孿生的精準(zhǔn)映射、信息對偶、信息交互、協(xié)同演化后,仿真模型轉(zhuǎn)變成真正意義上的智采孿生體。

1.2 煤礦數(shù)字孿生智采工作面系統(tǒng)演化層級劃分

煤礦數(shù)字孿生智采工作面系統(tǒng)技術(shù)層模型如圖3 所示,其演化過程包含3 個階段。

圖3 煤礦數(shù)字孿生智采工作面系統(tǒng)技術(shù)層次模型Fig.3 Hierarchical model of digital twin technology of intelligent mining workface

(1) 虛擬模型階段。完成物理實體的數(shù)字孿生建模。根據(jù)采煤工作面的地質(zhì)條件、采煤工藝等要求,利用三維建模工具建立智采工作面的物理實體三維模型。首先,確定三維模型的結(jié)構(gòu)、幾何、材料及狀態(tài)等參數(shù);其次,使用SolidWorks建模軟件建立三維模型,再通過3DMAX 軟件對該模型進行渲染操作并進一步導(dǎo)入至Unity3D中,構(gòu)建可視化物理實體仿真模型[12];最后,采用C 語言編寫Unity3D 接口程序進行數(shù)據(jù)信息傳遞,并對模型進行適用性分析。本階段核心是建立采煤機、刮板輸送機、轉(zhuǎn)載機、破碎機、帶式輸送機、液壓支架及乳化液泵站的數(shù)字孿生體。

(2) 基礎(chǔ)數(shù)字孿生階段:實現(xiàn)孿生體與物理域數(shù)據(jù)信息互通。信息互通包含不同數(shù)字孿生模型間的信息互傳及協(xié)同控制,以及數(shù)字模型與物理模型間的數(shù)據(jù)互傳與互動。根據(jù)智能開采工作面多個設(shè)備之間的關(guān)聯(lián)關(guān)系和開采工藝,建立數(shù)字孿生體模型之間的交互模型,實現(xiàn)信息互動和協(xié)同控制。同時,建立數(shù)字孿生體與物理模型之間的數(shù)據(jù)交互,通過獲取物理域中各種狀態(tài)監(jiān)測信息,實時監(jiān)測智能采煤工作面各主要機構(gòu)狀態(tài),并通過與數(shù)字孿生體的信息傳遞接口,實現(xiàn)數(shù)字孿生模型與物理域?qū)嶓w的同步狀態(tài)更新。數(shù)據(jù)傳輸依賴于各種硬件接口和協(xié)議的統(tǒng)一接入,主要包括以太網(wǎng)、RS485、CAN、5G、WiFi6、Zigbee、Lora、UWB 等有線及無線通信網(wǎng)絡(luò)的支持,以及軟件層面對感知信息的統(tǒng)一知識描述。

(3) 自適應(yīng)數(shù)字孿生階段:通過對多源異構(gòu)數(shù)據(jù)的統(tǒng)一化處理,實現(xiàn)智能采煤工作面數(shù)字孿生體和物理實體的實時驅(qū)動與修正。其核心在于利用大數(shù)據(jù)分析和機器學(xué)習(xí)技術(shù),構(gòu)建數(shù)字孿生體的統(tǒng)一知識模型、語義描述和語義模型[13],獲得對物理世界的精準(zhǔn)預(yù)判。融合人工智能算法和邊緣計算理論,實現(xiàn)數(shù)據(jù)的實時分析,以及智采工作面全狀態(tài)感知與解析、全流程協(xié)同調(diào)度與控制、全生命周期智能預(yù)測與維護。

2 煤礦數(shù)字孿生智采工作面系統(tǒng)構(gòu)建

2.1 煤礦數(shù)字孿生智采工作面感知模型

煤礦數(shù)字孿生智采工作面的構(gòu)建依賴于各類設(shè)備的準(zhǔn)確高效模型?！拔鍣C一架”的感知模型為整個智采工作面數(shù)字孿生系統(tǒng)提供了有力的數(shù)據(jù)支撐。

2.1.1 采煤機感知模型

采煤機是工作面“五機一架”的核心,主要由滾筒、搖臂、截割電機、牽引行走部、控制箱、高壓箱等組成,可分為電氣、液壓、機械部分。采煤機的感知信息主要包括狀態(tài)感知、位置及姿態(tài)感知和截割狀態(tài)感知,其感知模型參數(shù)見表1。

表1 采煤機感知模型參數(shù)Tab.1 Parameters of sensing model for a coal shearer

采煤機狀態(tài)感知信息包括整機、組成電機及變頻器的相關(guān)電氣參數(shù),以及泵站系統(tǒng)、調(diào)高系統(tǒng)、制動器、冷卻水系統(tǒng)、左/右內(nèi)外噴霧等系統(tǒng)的液壓相關(guān)參數(shù)和機械部件的相關(guān)檢測參數(shù)。

采煤機姿態(tài)及位置感知信息包括基于牽引部編碼器的采煤機粗粒度定位信息,用于感知采煤機左/右搖臂角度的搖臂編碼器及傾角傳感器信息,來源于三軸陀螺儀、三軸加速度計和三軸磁力計的IMU 慣導(dǎo)單元對采煤機機身中心位置和橫滾角、俯仰角、偏航角的細(xì)粒度精準(zhǔn)定位解算信息。

采煤機截割狀態(tài)感知信息包括搖臂調(diào)高油缸壓力信號、截割部電動機的負(fù)載電流、截齒切割巖石的摩擦噪聲和紅外攝像機視頻信息流等。

通過融合上述多模態(tài)信息,實現(xiàn)煤巖界面的動態(tài)識別,為截割狀態(tài)調(diào)整提供信息依據(jù)[14]。

2.1.2 刮板輸送機感知模型

刮板輸送機的感知信息主要包括減速器及電動機的運行狀態(tài),并通過監(jiān)測刮板鏈鏈條張緊度,自動調(diào)整鏈條松緊度,防止鏈條斷裂。同時,通過獲取中部槽刮板平行度信息,預(yù)判鏈條發(fā)生斷鏈?zhǔn)鹿实目赡苄浴?/p>

此外,根據(jù)刮板輸送機中部槽上布設(shè)的傾角傳感器信息,確定中部槽雙軸傾角,通過解算刮板輸送機中部槽姿態(tài),還原工作面三維地形,完成對綜采工作面底板形態(tài)的狀態(tài)解析[15],指導(dǎo)關(guān)聯(lián)設(shè)備的姿態(tài)調(diào)整。

刮板輸送機的感知模型參數(shù)見表2。

表2 刮板輸送機感知模型參數(shù)Tab.2 Parameters of sensing model for a scraper conveyor

2.1.3 破碎機感知模型

破碎機主要用來破碎煤及矸石,從而調(diào)整出煤間隙,并確保運輸環(huán)節(jié)中可伸縮式帶式輸送機的安全運行,其感知模型參數(shù)見表3。

表3 破碎機感知模型參數(shù)Tab.3 Parameters of sensing model for a crusher

為保證工作面的連續(xù)開采,破碎機可與轉(zhuǎn)載機的自移推進裝置配套,實現(xiàn)二者在巷道中的自主前移。破碎機的感知信息主要來源于對減速機和電動機運行狀態(tài)的解析,以及防止大塊煤堵塞入料口的堆煤感知信息。

2.1.4 轉(zhuǎn)載機感知模型

轉(zhuǎn)載機是綜采工作面運煤系統(tǒng)的中間轉(zhuǎn)載設(shè)備,將工作面刮板輸送機上的落煤經(jīng)轉(zhuǎn)載機及輸送帶機尾自移裝置轉(zhuǎn)載到巷道帶式輸送機上。轉(zhuǎn)載機的長度較小,便于隨著采煤工作面的推進和輸送帶機尾自移裝置的移動而整體移動,通常安裝在采煤工作面運輸巷中,同工作面刮板輸送機銜接配合。

轉(zhuǎn)載機的感知信息主要源自對減速器及電動機的狀態(tài)解析,其感知模型參數(shù)見表4。

表4 轉(zhuǎn)載機感知模型參數(shù)Tab.4 Parameters of sensing model for a stage loader

2.1.5 乳化液泵站感知模型

乳化液泵站是整個智采工作面的液壓動力來源,主要為工作面液壓支架提供充足的高壓動力乳化液。泵站主要由乳化液配液配油箱、電磁卸載閥、乳化液泵組和高壓過濾反沖洗水處理裝置等組成。乳化液泵站的控制核心是根據(jù)當(dāng)前智采工作面的地質(zhì)環(huán)境,動態(tài)調(diào)整配送液壓支架的輸出乳化液壓力和流量,為智采工作面的安全運行提供保障,其感知模型參數(shù)見表5。

表5 乳化液泵站感知模型參數(shù)Tab.5 Parameters of sensing model for an emulation pump

2.1.6 液壓支架感知模型

為滿足液壓支架姿態(tài)調(diào)整需求,通過布設(shè)在頂梁、后連桿、底座處的IMU 慣導(dǎo)單元,獲得支架姿態(tài);通過接近傳感器,判斷護幫板和伸縮梁是否伸縮到位;通過推移油缸位移傳感器,判斷支架推移狀態(tài);利用紅外攝像機探測切割截齒附近煤、巖體的溫度差,識別煤巖界面[16]。液壓支架感知模型參數(shù)見表6。

表6 液壓支架感知模型參數(shù)Tab.6 Parameters of sensing model for a hydraulic support

2.1.7 帶式輸送機感知模型

運輸巷帶式輸送機是煤礦生產(chǎn)過程中的關(guān)鍵設(shè)備。采煤機截割下的煤經(jīng)過刮板輸送機和轉(zhuǎn)載機到達(dá)運輸巷帶式輸送機。運輸巷帶式輸送機一般由卸載端、驅(qū)動裝置、儲帶倉、張緊小車及張緊裝置、自移機尾等部分組成。目前,運輸巷帶式輸送機多由PLC 構(gòu)成監(jiān)控操作系統(tǒng)實現(xiàn)設(shè)備的軟啟動、功率平衡、綜合保護等的功能,其感知模型參數(shù)見表7。

表7 帶式輸送機感知模型參數(shù)Tab.7 Parameters of sensing model for a belt conveyor

2.1.8 工作面環(huán)境感知模型

《煤礦安全監(jiān)控系統(tǒng)及檢測儀器使用管理規(guī)范(AQ1029—2019)》規(guī)定了工作面環(huán)境監(jiān)測傳感器的布置要求。在工作面進風(fēng)巷、上隅角、工作面及工作面回風(fēng)巷分別布置甲烷傳感器T0～T4,并根據(jù)甲烷傳感器濃度值進行相應(yīng)的區(qū)域斷電保護控制。采煤機機身設(shè)置1 臺甲烷傳感器,通過機載式甲烷斷電儀進行超限斷電控制。通過設(shè)置相應(yīng)傳感器,實時監(jiān)測工作面一氧化碳濃度、溫度、供風(fēng)及粉塵濃度。工作面環(huán)境感知模型參數(shù)見表8。

表8 工作面環(huán)境感知模型參數(shù)Tab.8 Parameters of sensing model for workface environment

采用激光光纖技術(shù)用于煤礦采空區(qū)溫度火情監(jiān)測。根據(jù)激光拉曼散射原理及光時域反射(OTDR)原理對溫度異常進行定位,實現(xiàn)對沿光纖溫度場的分布式溫度測量,既能精確地測量被測地點的溫度,又能準(zhǔn)確定位溫度異常位置,精確探測火情。

采用頂板離層傳感器監(jiān)測頂板的離層量。錨桿應(yīng)力傳感器用于監(jiān)測錨桿(索)軸向應(yīng)力變化,分析采場動壓作用規(guī)律,進行沖擊低壓初期預(yù)測和趨勢分析。鉆孔應(yīng)力傳感器用于測量煤礦井下工作面預(yù)留煤柱、煤體內(nèi)部、巖體承載應(yīng)力的變化量。

2.2 智能采煤工作面數(shù)字孿生協(xié)同約束關(guān)系

2.2.1 采煤機協(xié)同約束關(guān)系

采煤機協(xié)同約束關(guān)系如圖4 所示。在煤層開采之前,根據(jù)地質(zhì)探測數(shù)據(jù)確定相應(yīng)采煤工藝,結(jié)合歷史截割軌跡自主生成記憶截割策略。在煤層截割過程中,采煤機通過數(shù)字孿生體的感知模型,實時解析采煤機位置、姿態(tài)以及截割狀態(tài),并利用多模態(tài)信息識別煤巖界面動態(tài),調(diào)整采煤機截割滾筒姿態(tài)。

圖4 采煤機數(shù)字孿生協(xié)同約束關(guān)系Fig.4 Collaborative constraint relationship for digital twin of a coal shearer

采煤機與液壓支架之間存在協(xié)同約束,即在滿足可靠支護工藝的前提下采用智能避障控制策略,避免采煤機與液壓支架發(fā)生碰撞。液壓支架根據(jù)采煤機的運行方向和速度調(diào)整自身姿態(tài),對采煤機進行避讓。

采煤機與刮板輸送機之間存在協(xié)同約束,即根據(jù)割煤過程中的突變荷載信息,刮板輸送機實時自適應(yīng)牽引速度,從而實現(xiàn)恒功率割煤和自動調(diào)直。

2.2.2 液壓支架協(xié)同約束關(guān)系

液壓支架協(xié)同約束關(guān)系如圖5 所示。通過收護幫、降架、移架、升架、伸護幫和刮板輸送機推移等順序工藝過程,液壓支架依次移架。同時,液壓支架根據(jù)感知的頂?shù)装鍛?yīng)力調(diào)節(jié)支撐高度,并通過調(diào)整立柱、抬底、側(cè)推、平衡千斤頂,實現(xiàn)位姿調(diào)節(jié)。

圖5 液壓支架數(shù)字孿生協(xié)同約束關(guān)系Fig.5 Collaborative constraint relationship for digital twin of a hydraulic support

液壓支架與采煤機之間存在協(xié)同約束,即液壓支架須跟隨采煤機割煤過程,及時快速地移動液壓支架,并自主糾正液壓支架的傾斜和偏轉(zhuǎn),從而保持液壓支架對頂板的可靠穩(wěn)定支護。

液壓支架與刮板輸送機之間存在協(xié)同約束,即在割煤作業(yè)中,液壓支架的推移機構(gòu)需與刮板輸送機配合,實現(xiàn)自主推移,確保工作面的連續(xù)推進,并自動保持液壓支架和刮板輸送機的直線度運行。

液壓支架與乳化液泵站之間存在協(xié)同約束,即通過孿生體之間的協(xié)同,根據(jù)采煤機牽引速度預(yù)測液壓支架動力需求,動態(tài)優(yōu)化、調(diào)整乳化液泵站輸出流量和壓力,實現(xiàn)乳化液泵站的動力匹配。

2.2.3 煤流運輸協(xié)同約束關(guān)系

煤流運輸系統(tǒng)協(xié)同約束關(guān)系如圖6 所示。運輸系統(tǒng)中的刮板機、轉(zhuǎn)載機、破碎機、帶式輸送機,需保證自身的自適應(yīng)軟啟動和荷載變化條件下的自適應(yīng)調(diào)速,并確保煤流裝載、轉(zhuǎn)載、破碎的運輸環(huán)節(jié)智能協(xié)作、高效順暢流轉(zhuǎn),從而自主適應(yīng)煤炭塊度和流量的變化。煤流運量與割煤量的協(xié)同控制,使煤炭截割與運輸形成閉環(huán)控制,避免出現(xiàn)采、運失調(diào)而影響工作面生產(chǎn)效率。

圖6 煤流運輸設(shè)備數(shù)字孿生協(xié)同約束關(guān)系Fig.6 Collaborative constraint relationship for digital twin of auxiliary transportation system

2.2.4 工作面環(huán)境與設(shè)備協(xié)同約束關(guān)系

工作面環(huán)境與設(shè)備協(xié)同約束關(guān)系如圖7 所示。智采工作面設(shè)備由采煤機、刮板輸送機、轉(zhuǎn)載機、破碎機、帶式輸送機、液壓支架及乳化液泵站組成。設(shè)備按預(yù)先設(shè)計的開采工藝進行工作面“采、支、運”作業(yè)。在提高工作面開采效率的同時,應(yīng)時刻保證工作面環(huán)境安全。根據(jù)工作面環(huán)境感知模型判斷工作面通風(fēng)及瓦斯涌出是否異常、采空區(qū)是否有自然發(fā)火情況、采煤工作面頂板是否有異常來壓、工作面有無異常透水、運輸巷帶式輸送機有無火情,并根據(jù)環(huán)境情況實時調(diào)整設(shè)備運行。利用大數(shù)據(jù)人工智能技術(shù)對工作面環(huán)境感知模型數(shù)據(jù)進行深入挖掘,可以實現(xiàn)對危險事故的預(yù)知預(yù)判,提前調(diào)整生產(chǎn)計劃,采取有效措施避免事故發(fā)生。

圖7 工作面環(huán)境與設(shè)備數(shù)字孿生協(xié)同約束關(guān)系Fig.7 Collaborative constraint relationship for digital twin of workface environment and equipment

3 煤礦數(shù)字孿生智采工作面系統(tǒng)應(yīng)用方案

煤礦數(shù)字孿生智采工作面系統(tǒng)應(yīng)用框架如圖8所示。智采工作面的眾多機電設(shè)備和工況信息是通過物理域?qū)嶓w上的多模態(tài)感知設(shè)備獲得的。進而,感知層數(shù)據(jù)通過物聯(lián)網(wǎng)關(guān)模塊接入煤礦智能大數(shù)據(jù)平臺。接入層的物聯(lián)網(wǎng)關(guān)模塊支持OPC-UA、MODBUS、MQTT、5G、F5G、Wifi6 等多種協(xié)議的接入。

圖8 煤礦數(shù)字孿生智采工作面系統(tǒng)應(yīng)用框架Fig.8 Application framework of digital twin system of intelligent mining workface

(1) 空間大數(shù)據(jù)平臺。智采工作面地質(zhì)環(huán)境信息主要來源于地理空間數(shù)據(jù)、透地空間數(shù)據(jù)和煤礦相關(guān)設(shè)計資料。上述多模態(tài)數(shù)據(jù),通過計算機圖形分析和三維可視化技術(shù),經(jīng)過坐標(biāo)變換、誤差校正、數(shù)據(jù)修復(fù)和格式轉(zhuǎn)換,生成融合地形、影像和結(jié)構(gòu)化數(shù)據(jù)的多源融合環(huán)境模型,并通過Direct3D、OpenGL 等模擬仿真平臺,實現(xiàn)智采工作面高逼真度環(huán)境孿生體的構(gòu)建,為全流程智采孿生體提供位置服務(wù)和環(huán)境交互服務(wù)。值得注意的是,環(huán)境孿生體跟隨智采過程不斷實時更新,即通過分析不同位置、角度、方位鉆孔得到的煤層巷道頂?shù)装邈@孔探測數(shù)據(jù),不斷更新工作面巷道煤層分布地圖;利用工作面環(huán)境影像和視頻流數(shù)據(jù),重建三維空間場景;利用激光雷達(dá)、IMU 捷聯(lián)慣導(dǎo)等多傳感器融合,更新SLAM 地圖[17]。

(2) 物聯(lián)網(wǎng)大數(shù)據(jù)平臺。通過標(biāo)準(zhǔn)的網(wǎng)絡(luò)傳輸協(xié)議(MQTT、OPC - UA、NB - IoT、5G、 F5G、WiFi6)接入采煤機控制子系統(tǒng)、液壓支架控制子系統(tǒng)、三機控制子系統(tǒng)、泵站控制子系統(tǒng)、安全監(jiān)控系統(tǒng)獲取智采面機電設(shè)備及環(huán)境監(jiān)測的數(shù)據(jù)。該平臺需要專用的物聯(lián)網(wǎng)關(guān)接入設(shè)備及邊緣智能設(shè)備,在井下干擾多、不可靠的環(huán)境中煤礦也可以實時穩(wěn)定可靠地采集設(shè)備數(shù)據(jù)。

(3) 數(shù)字孿生數(shù)據(jù)平臺?；谏鲜鑫锢碛蚋兄畔⑵脚_,數(shù)字孿生數(shù)據(jù)平臺定義了數(shù)據(jù)基礎(chǔ)架構(gòu),從功能上提供數(shù)據(jù)管理、孿生對象構(gòu)建及關(guān)系管理、機器學(xué)習(xí)管理。

數(shù)據(jù)管理包括空間數(shù)據(jù)、設(shè)備數(shù)據(jù)、數(shù)據(jù)集成存儲、數(shù)據(jù)運算等模塊,用來實現(xiàn)結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、三維模型存儲及業(yè)務(wù)數(shù)據(jù)的融合,并對數(shù)據(jù)庫進行環(huán)境部署及性能調(diào)優(yōu)。

孿生對象構(gòu)建及關(guān)系管理主要面向?qū)ο笞值洹ο髽?gòu)建、元數(shù)據(jù)描述及統(tǒng)一標(biāo)識,實現(xiàn)對孿生體構(gòu)建過程的對象整理、數(shù)據(jù)元素定義、數(shù)據(jù)結(jié)構(gòu)分析等功能。

機器學(xué)習(xí)管理提供平臺的部署調(diào)度、算法規(guī)則庫、仿真規(guī)則庫及控制規(guī)則,用來部署構(gòu)建大規(guī)模分布式機器學(xué)習(xí)訓(xùn)練平臺,支持實時大數(shù)據(jù)計算并完成合理資源調(diào)度。其中,算法、仿真、控制規(guī)則庫用以提供適用智慧礦山的AI 基礎(chǔ)組件以及機器學(xué)習(xí)和深度學(xué)習(xí)算法,實現(xiàn)礦山大數(shù)據(jù)及應(yīng)用場景的多維度仿真分析,并基于海量結(jié)構(gòu)化/非結(jié)構(gòu)化礦山數(shù)據(jù)構(gòu)建協(xié)同控制模型。以采煤機為例,采煤機的煤巖截割模式識別問題一直是采煤機智能化控制領(lǐng)域的技術(shù)難點和重點,具有代表性的檢測方法包括γ 射線檢測法、紅外檢測法、截齒應(yīng)力檢測法、振動檢測法、圖像檢測法、采煤機荷載檢測法等。大部分的檢測方法都需要對相應(yīng)的傳感信號數(shù)據(jù)進行有效的濾波、去噪,再利用時頻分析研究信號的頻譜隨時間變化情況。這涉及大量的算法及模型,比較常用的有小波分析算法、EMD 經(jīng)驗?zāi)B(tài)分解算法、支持向量機算法、決策樹算法、神經(jīng)網(wǎng)絡(luò)模型、深度學(xué)習(xí)網(wǎng)絡(luò)模型、深度殘差網(wǎng)絡(luò)模型改進型遺傳變異粒子群算法等。因此,需要建立機器學(xué)習(xí)管理平臺進行統(tǒng)一的協(xié)調(diào)及管理。還可在不同場景下擴充關(guān)聯(lián)設(shè)備利用組合的算法及模型進行機器學(xué)習(xí),解決單一的信號處理方面存在的局限性問題。平臺還采用模型壓縮和模型分割技術(shù),將平臺端已訓(xùn)練的模型剪枝、模型量化、低秩因子分解[18],進而優(yōu)化、壓縮、分割算法模型,以方便遷移到邊緣智能端運行。本層的控制規(guī)則管理根據(jù)采煤機協(xié)同約束關(guān)系、液壓支架協(xié)同約束關(guān)系、煤流運輸系統(tǒng)協(xié)同約束關(guān)系、工作面環(huán)境與設(shè)備協(xié)同約束關(guān)系對智能采煤工作面的數(shù)字孿生系統(tǒng)設(shè)備進行統(tǒng)一協(xié)同控制。

(4) 可視化開發(fā)平臺?？梢暬桨l(fā)平臺主要包含數(shù)字孿生可視化引擎、三維圖表組引擎及三維建模算法。依據(jù)不同的建模目的,根據(jù)測量數(shù)據(jù),包括測繪、產(chǎn)品設(shè)計、三維激光掃描等不同來源數(shù)據(jù),利用高效率三維建模算法、三維計算機圖形與數(shù)字圖像技術(shù),構(gòu)建礦山3D 模型的重建與還原。

(5) 數(shù)字孿生系統(tǒng)應(yīng)用。在上述數(shù)據(jù)整合平臺基礎(chǔ)上,智采工作面孿生系統(tǒng)的應(yīng)用層為用戶提供工作面機電設(shè)備狀態(tài)實時感知與解析、全場景3D 虛擬在線服務(wù)、核心提供機電設(shè)備及采煤全流程的故障診斷及異常在線分析、全工藝過程的迭代調(diào)度優(yōu)化、安全態(tài)勢評價和全生命周期管理。

4 結(jié) 語

面向煤礦數(shù)字孿生智采工作面,本文給出了系統(tǒng)參考框架,深入剖析了數(shù)字孿生系統(tǒng)三個層級的功能及特征,構(gòu)建了采煤機、刮板輸送機、轉(zhuǎn)載機、破碎機、帶式輸送機、液壓支架及乳化液泵站數(shù)字孿生感知模型,解析了復(fù)雜采煤流程多設(shè)備之間的協(xié)同約束關(guān)系,旨在為煤礦數(shù)字孿生智采工作面系統(tǒng)的實施應(yīng)用提供詳細(xì)參考,并為煤礦智能掘進數(shù)字孿生系統(tǒng)構(gòu)建提供指導(dǎo)。

目前,煤礦數(shù)字孿生智采工作面的虛擬模型和基礎(chǔ)數(shù)字孿生階段的基礎(chǔ)工作已基本完成,如何充分利用人工智能和大數(shù)據(jù)分析技術(shù),推進智能礦山數(shù)字孿生體的感知信息智能解析和知識挖掘,實現(xiàn)數(shù)字孿生體之間的協(xié)同控制和調(diào)度優(yōu)化,是加快煤礦智能化的核心工作。