阮鍇燚 ，寇子明 ，王彥棟 ，吳 娟

（1.太原理工大學(xué) 機械與運載工程學(xué)院, 山西 太原 030024；2.礦山流體控制國家地方聯(lián)合工程實驗室, 山西 太原 030024）

0 引 言

礦井提升系統(tǒng)作為煤礦的咽喉要道，是聯(lián)系地上與地下的橋梁，其安全穩(wěn)定運行對于保障整個礦井的生產(chǎn)尤為重要[1]。礦井提升系統(tǒng)由提升容器、提升機（制動系統(tǒng)、天輪、電動機等）、電控系統(tǒng)、裝卸載系統(tǒng)（主井）、井上下操車系統(tǒng)（副井）組成，并由提升鋼絲繩連接各部分，整個裝置分布在地上70 m至井下1 500 m 的范圍內(nèi)[2]，分布范圍廣、系統(tǒng)復(fù)雜，包含要素多，傳統(tǒng)監(jiān)測方式通過在多點布置視頻監(jiān)控對部分重要環(huán)節(jié)的運行狀態(tài)進(jìn)行感知，難以把握提升系統(tǒng)的整體運行規(guī)律，容易忽略重要信息。為了保證礦井提升系統(tǒng)的安全可靠運行，必須實現(xiàn)礦井提升系統(tǒng)的單視角全域可視化與協(xié)同聯(lián)動控制，將全部信息與場景進(jìn)行集成三維數(shù)字化展示。2020 年，國家八部委聯(lián)合印發(fā)了《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》，提出了加快煤礦智能化建設(shè)的步伐[3]，能源發(fā)展“十三五”規(guī)劃也將煤礦智能化轉(zhuǎn)型納入其中[4]，作為煤礦關(guān)鍵一環(huán)的礦井提升系統(tǒng)，其智能化也有將有助于整個煤礦生產(chǎn)系統(tǒng)的智能化建設(shè)。

數(shù)字孿生（Digital Twin, DT）技術(shù)是解決上述大尺度、全領(lǐng)域可視化問題，提高礦井提升系統(tǒng)整體智能化與安全化的重要手段。高德納曾將其列為顛覆性技術(shù)與十大戰(zhàn)略性科技趨勢[5-6]。目前，數(shù)字孿生技術(shù)已在醫(yī)療[7]、電力[8]、智慧城市[9]展開了廣泛地研究與應(yīng)用。數(shù)字孿生在礦井中的研究主要集中在綜采工作面與掘進(jìn)系統(tǒng)，提升系統(tǒng)方面還未開展相關(guān)研究。數(shù)字孿生在煤礦綜采工作面中，謝嘉成等[10]在對綜采生產(chǎn)系統(tǒng)進(jìn)行設(shè)計時融入數(shù)字孿生技術(shù)，并分三階段詳述了系統(tǒng)整體性設(shè)計、虛擬仿真、虛擬監(jiān)測等關(guān)鍵方案的實施過程。李娟莉等[11]基于Unity3D 設(shè)計了綜采工作面虛擬服務(wù)系統(tǒng)，實現(xiàn)了采煤機、刮板輸送機、液壓支架的三機聯(lián)動，但孿生建模精度與速度不高。遲煥磊[12]提出了多元信息數(shù)據(jù)驅(qū)動的綜采工作面數(shù)字孿生系統(tǒng)架構(gòu)，并圍繞信息數(shù)據(jù)采集傳輸顯示與高仿真度虛擬展示兩個主要功能設(shè)計了智能化開采監(jiān)控模型。葛世榮等[13]提出了數(shù)字孿生智采工作面架構(gòu)，并從物理、數(shù)字工作面和信息3 個層次詳述其組成，研究了智采工作面仿生智能特性。數(shù)字孿生在掘進(jìn)系統(tǒng)中，張旭輝等[14]建立了懸臂式掘進(jìn)機的HCPS 孿生系統(tǒng)，實現(xiàn)了掘進(jìn)機位姿同步與動態(tài)修正。王巖等[15]面向井下掘進(jìn)系統(tǒng)，建立設(shè)備智能體離散邏輯模型，并在此基礎(chǔ)上應(yīng)用平行控制理論，構(gòu)建了基于數(shù)字孿生的平行控制系統(tǒng)。吳淼等[16]分析了數(shù)字孿生理論指導(dǎo)下的綜掘巷道并行施工技術(shù)流程與工藝體系，結(jié)合虛實鏈接與互譯完成了掘進(jìn)機自主糾偏，避障與自動截割的遠(yuǎn)程控制。龔曉燕等[17]提出一種基于數(shù)字孿生技術(shù)的掘進(jìn)系統(tǒng)出風(fēng)口風(fēng)流智能調(diào)控系統(tǒng)，并通過ARI MA 時間序列預(yù)測模型對出風(fēng)口風(fēng)量進(jìn)行預(yù)測，同時借助Unity3D 引擎與Zigbee 數(shù)據(jù)采集技術(shù)實現(xiàn)虛實同步。數(shù)字孿生在礦井上述環(huán)節(jié)的研究尚處于系統(tǒng)設(shè)計階段，缺乏對孿生各環(huán)節(jié)的實施方法總結(jié)和與真實生產(chǎn)環(huán)境相結(jié)合，面臨著設(shè)備龐大傳統(tǒng)CAD 建模速度慢、成本高、精度低，傳感數(shù)據(jù)點分散、總量龐大的瓶頸、這也直接導(dǎo)致了孿生系統(tǒng)虛實協(xié)調(diào)聯(lián)動實時性差。礦井提升系統(tǒng)數(shù)字孿生模型的構(gòu)建同樣面臨著上述問題，亟需研發(fā)一套數(shù)字孿生體快速建模方法。在礦井提升系統(tǒng)數(shù)字孿生框架的基礎(chǔ)上，以某礦提升系統(tǒng)為實驗環(huán)境結(jié)合三維點云建模技術(shù)、數(shù)據(jù)庫技術(shù)、PLC 數(shù)據(jù)讀取技術(shù)詳細(xì)闡述了礦井提升系統(tǒng)多維多尺度數(shù)字孿生模型的快速構(gòu)建方法，實現(xiàn)了在節(jié)約大量時間成本和經(jīng)濟成本的基礎(chǔ)上構(gòu)建無延時的虛實協(xié)同聯(lián)動的數(shù)字孿生系統(tǒng)。

1 礦井提升系統(tǒng)數(shù)字孿生架構(gòu)

礦井提升系統(tǒng)數(shù)字孿生模型是一個以機械實體為基礎(chǔ)的，同時具有部件級動態(tài)感知能力且與環(huán)境不斷交互兼顧操作人員使用感受的動態(tài)實體。它在空間上具有和礦井提升系統(tǒng)真實體高度相似的外觀，在時間上能夠隨著礦井提升系統(tǒng)真實體的狀態(tài)而不斷動態(tài)演化。更深層次的，礦井提升系統(tǒng)要具有先知先覺的能力，根據(jù)現(xiàn)有數(shù)據(jù)對未來時空的狀態(tài)進(jìn)行預(yù)測并發(fā)出反向控制指令，同時對孿生模型的精度進(jìn)行評估且不斷更新，最終達(dá)到孿生共智[18]。因此，根據(jù)對提升系統(tǒng)孿生模型的具體功能要求，參考數(shù)字孿生五維模型[19]，智能掘進(jìn)機器人數(shù)字孿生體系[20]提出了如圖1 所示的孿生架構(gòu)。

圖1 礦井提升系統(tǒng)數(shù)字孿生架構(gòu)Fig.1 Digital twin architecture of mining hoisting system

整體上，礦井提升系統(tǒng)數(shù)字孿生架構(gòu)（Mining Hoisting System Digital Twin, MHSDT）可以分為5個層級，用數(shù)學(xué)關(guān)系表達(dá)如下所示：

提升系統(tǒng)實體(Hoisting System Entity, HSE)是整個數(shù)字孿生模型的基礎(chǔ)，孿生模型及孿生數(shù)據(jù)等一系列模塊都是基于其衍生、進(jìn)化及發(fā)展的。對提升系統(tǒng)進(jìn)行模塊化、功能化解耦，最終得到一系列智能傳感終端，它們不僅具有單體智能化的優(yōu)點，還能夠協(xié)同感知，包括智能提升容器（Smart Container,SC）、智能制動系統(tǒng)（Smart Braking System, SBS）、智能滾筒（Smart Rotor, SR）、智能天輪（Smart Head Sheave, SHS）、智能提升鋼絲繩（Smart Wirerope,SW）。其組成用數(shù)學(xué)關(guān)系表示如下:

SR 是物理實體的最重要一環(huán)，為整個礦井提升系統(tǒng)的驅(qū)動核心，因此設(shè)置軸編碼器、電流互感器、應(yīng)變片作為SR 的智能感官來對其轉(zhuǎn)速、電流及應(yīng)力進(jìn)行監(jiān)測，從而獲得具有關(guān)鍵價值的SR 特性-參數(shù)響應(yīng)結(jié)果。SBS 則通過布置的激光位移傳感器、油壓、溫度傳感器等回傳制動系統(tǒng)的包括閘瓦間隙、油壓、油溫等的關(guān)鍵狀態(tài)參數(shù)，來實現(xiàn)制動效果的透明化，以監(jiān)測評估整個礦井提升系統(tǒng)的制動可靠性。SC 包括重量傳感器和RFID 射頻識別技術(shù)，用以實時感知提升容器的載重及所搭載的物料類別（人員、物料、維檢設(shè)備等）。SHS 之上設(shè)置有振動傳感器、應(yīng)變傳感器、雙目相機，將天輪軸承振動、天輪應(yīng)變、偏擺等特性實時映射。最后，通過設(shè)置應(yīng)變傳感器、霍爾傳感器、振動傳感器等來進(jìn)一步獲取SW 的應(yīng)力應(yīng)變、內(nèi)部損傷情況與振動量，對鋼絲繩服役情況做出關(guān)鍵性指導(dǎo)。在設(shè)備的集群協(xié)作方面，SR 通過SW 與SHS 和SC 進(jìn)行協(xié)同運作，其運行狀態(tài)及相關(guān)特性通過耦合與傳遞對SW、SHS 與SC 施加關(guān)鍵性影響。而SBS 則通過影響SR 來間接對其他智能終端施加影響。所有智能終端都通過千兆工業(yè)以太環(huán)網(wǎng)或無線傳感網(wǎng)絡(luò)相連，使用工業(yè)PLC 進(jìn)行集控。

提升系統(tǒng)數(shù)據(jù)層（Hoisting System Data Layer，HSDL）與HSE 中的智能傳感單元緊密相連，各個智能傳感單元的傳感數(shù)據(jù)通過工業(yè)以太環(huán)網(wǎng)和數(shù)據(jù)存取接口快速傳遞至數(shù)據(jù)模型中的云端依照時間存儲為行為數(shù)據(jù)，以備后續(xù)調(diào)用。同時HSDL 也將數(shù)據(jù)傳遞至HSAS，以供實現(xiàn)數(shù)據(jù)驅(qū)動、在線仿真、故障診斷等功能。HSDL 還接收并存儲來自其他各模塊的數(shù)據(jù)包括用戶體驗反饋、日常報表等的服務(wù)交互數(shù)據(jù)；有限元分析、溫度場耦合特性等在線仿真結(jié)果；礦井提升系統(tǒng)行業(yè)標(biāo)準(zhǔn)、操作規(guī)程、常見故障與事故案例、事故處置手段經(jīng)驗等的知識專家數(shù)據(jù)；大場景快速建模三維點云數(shù)據(jù)；企業(yè)考核登記、人員信息、獎懲制度、內(nèi)部制度等的企業(yè)數(shù)據(jù)。

提升系統(tǒng)應(yīng)用支撐層(Hoisting System Application Support, HSAS)是整個系統(tǒng)實現(xiàn)基本功能與拓展功能的基礎(chǔ)。根據(jù)實現(xiàn)的預(yù)期功能將程序模塊化編寫，包括三維點云快速建模模塊封裝了將點云數(shù)據(jù)進(jìn)行預(yù)處理與重建的全部程序，并提供點云數(shù)據(jù)接口；深度學(xué)習(xí)故障預(yù)測是利用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)對從HSD L 傳入的各種關(guān)鍵部件傳感信號如振動信號和圖片信號進(jìn)行卷積提取特征、并經(jīng)歷池化、歸一化、全連接后對故障進(jìn)行自動分類與預(yù)測并輸出結(jié)果，實現(xiàn)故障的自我診斷與關(guān)鍵元件的壽命預(yù)測；硬件在環(huán)（HIL）技術(shù)通過python 平臺開發(fā)與AMESim、Ansys、Fluent 等軟件的接口，通過真實數(shù)據(jù)驅(qū)動其中的各個模型進(jìn)行仿真，得到動態(tài)變化的仿真數(shù)據(jù)，并能夠在人機交互界面實時顯示；模型自我更新策略是建立模型精度與壽命評估機制，通過衡量綜合計算仿真結(jié)果與評估結(jié)果的差值來對模型進(jìn)行調(diào)整，從而形成一個動態(tài)高精度的閉環(huán)仿真模型。

提升系統(tǒng)孿生模型（Hoisting System Digital Twin Model, HSDTM）由高精度幾何模型(Geometric Model，GM)、知識模型（Knowledge Model, KM）行為規(guī)則模型(Rule Model, RM)與機理模型（Mechanism Model，MM）組成多維多尺度模型，其表達(dá)式如下：

GM 是由三維激光雷達(dá)掃描礦井提升系統(tǒng)后獲得海量點云數(shù)據(jù)經(jīng)過處理渲染后所得，具有高仿真度三維虛擬場景。但GM 僅僅能夠反映物體的外部形狀，不能反映機械內(nèi)部的動作原理及變量轉(zhuǎn)換關(guān)系，因此還需建立MM。MM 使用Simulationx、AMESim 仿真軟件搭建電機的控制系統(tǒng)、液壓系統(tǒng)，通過接口將模型與GM 中的實體模型相連接以將MM 嵌入到GM 之中。RM 行為規(guī)則模型即礦井提升系統(tǒng)各個元件的真實運動規(guī)律，是由傳感信息流組成的，能夠真實刻畫礦井提升系統(tǒng)的行為規(guī)律情況，RM 通過數(shù)據(jù)流驅(qū)動MM 與GM 進(jìn)行在線仿真與運動狀態(tài)顯示，MM 也能將仿真結(jié)果映射于GM之上。GM、MM、RM 的配合能夠?qū)崿F(xiàn)礦井提升系統(tǒng)的虛實協(xié)同聯(lián)動。此外孿生模型還應(yīng)該具有行業(yè)內(nèi)的相關(guān)知識和累積的經(jīng)驗，因此建立KM，存儲行業(yè)標(biāo)準(zhǔn)、煤礦安全規(guī)程、提升事故及處置案例、國家政策動向、公司條例等，方便在生產(chǎn)時進(jìn)行調(diào)用。

提升系統(tǒng)人機交互（Hoisting System Man-mchine Interactive, HSMI）是人和孿生系統(tǒng)交互影響的媒介，通過HSE、HSDL、HSAS、HSDTM 的相互配合和共同作用已構(gòu)成數(shù)字孿生的完整功能，而良好的用戶體驗與使用感則需設(shè)計較為完美的人機交互與服務(wù)系統(tǒng)。HSMI 能夠?qū)SDTM 形成的數(shù)字孿生仿真模型進(jìn)行實時顯示，洞悉每一個部件的運動狀態(tài)及規(guī)律；能夠通過界面點擊的交互方式查看每一臺設(shè)備的健康狀態(tài)與信息；提供VR 接口，幫助體驗人員遠(yuǎn)程沉浸式感受提升現(xiàn)場；通過動畫等進(jìn)行模擬逃生演練與培訓(xùn)；建立虛擬反向控制引擎，通過遠(yuǎn)程控制命令借助虛實協(xié)同聯(lián)動通道控制設(shè)備的運行。

通過上述5 個模塊相互配合構(gòu)建了一個具有虛實雙向連接、健康狀態(tài)監(jiān)測、智能預(yù)測、人機交互、自我學(xué)習(xí)的礦井提升系統(tǒng)數(shù)字孿生架構(gòu)。

2 多維多尺度數(shù)字孿生快速建模方法

目前數(shù)字孿生模型的構(gòu)建多使用CAD 建模軟件進(jìn)行部件級建模并裝配，隨后導(dǎo)入Unity3D 進(jìn)行數(shù)據(jù)驅(qū)動以實現(xiàn)后續(xù)功能[11,21-22]。但數(shù)字孿生體是實體在另一個空間的完全映射，具有智慧與行為，因此其不應(yīng)該僅僅具有幾何一個維度，還應(yīng)該是集行為、知識的多維多尺度的復(fù)雜模型。

針對上述問題，結(jié)合多領(lǐng)域先進(jìn)建模技術(shù)，考慮孿生體多尺度層級，提出了數(shù)字孿生體的快速構(gòu)建方法，以最低的成本和最高的效率實現(xiàn)了物理實體的同步衍生。

2.1 礦井提升系統(tǒng)孿生體幾何模型構(gòu)建

2.1.1 點云數(shù)據(jù)獲取

為應(yīng)對大場景迅速建模要求，提出了使用三維點云進(jìn)行礦井提升系統(tǒng)快速幾何建模的方法。三維激光雷達(dá)通過向周圍環(huán)境快速發(fā)射激光束，根據(jù)激光反射時間和傳播速度計算獲取海量點云數(shù)據(jù)，最后通過集成的SLAM 算法對點云進(jìn)行處理得到有序點云。建模過程只需單人手持掃描儀圍繞場景進(jìn)行掃描即可，全系統(tǒng)及其周邊環(huán)境只需2 h 便可完成掃描，建模精度可達(dá)2 cm。針對某礦提升系統(tǒng)及周邊環(huán)境進(jìn)行現(xiàn)場掃描及建模實驗如圖2 所示，掃描時執(zhí)行一定的路徑優(yōu)化方案以加快掃描速度：劃分掃描區(qū)域，采用多段連續(xù)掃描后將點云進(jìn)行拼接以減少長時間掃描過程帶來的SLAM 累計誤差；同時掃描起始點應(yīng)開始于主要場景之外，而后逐漸逼近主要場景；除建筑等掃描目標(biāo)，在手持掃描儀移動時盡量保持直線掃描，如有漏掃則在所有掃描完成后進(jìn)行補掃；掃描過程中掃描路徑不交叉、不重合；掃描礦井提升系統(tǒng)時，應(yīng)遵循外部機房-內(nèi)部結(jié)構(gòu)-井架-地下部分的掃描順序，且井上結(jié)構(gòu)應(yīng)該和井下結(jié)構(gòu)分兩次掃描，避免掃描不全面與場景重疊；掃描的結(jié)束點應(yīng)與起始點重合，通過閉環(huán)掃描以方便后續(xù)場景的拼接。獲得副井提升系統(tǒng)點云數(shù)據(jù)如圖3所示。

圖2 掃描現(xiàn)場與三維激光雷達(dá)Fig.2 Field scanning and 3D lidar

圖3 副井提升系統(tǒng)點云數(shù)據(jù)Fig.3 Point cloud data of auxiliary hoisting system

2.1.2 點云預(yù)處理及三維曲面重建

觀察掃描后獲取的點云數(shù)據(jù)，可以發(fā)現(xiàn)由于受到掃描速度及周圍環(huán)境的影響，點云含有大量噪點，無法生成準(zhǔn)確的三維曲面模型，因此提出了一套點云處理及重建程序如圖4 所示，并采用C++和PCL庫聯(lián)合開發(fā)。

圖4 點云處理流程Fig.4 Point cloud processing flow

通過KD-Tree 算法與PCA 主成分分析法[23-24]構(gòu)建點云的鄰域關(guān)系并求解點云的法向量，并使用半徑與統(tǒng)計濾波相結(jié)合的濾波方式，濾除表面噪點和離群噪點。

任意兩點云之間的歐式距離d(pi,pj)計算公式如下：

其中，x、y、z為三維點云坐標(biāo)。半徑濾波即是在點云鄰域中計算該點云距離其他點云的歐式距離，通過比較歐式距離與設(shè)定閾值距離r的大小來刪除或者保留點云。

通過反復(fù)設(shè)定參進(jìn)行實驗可以發(fā)現(xiàn)，點云鄰域數(shù)目k設(shè)定為40，采用大半徑濾波閾值距離r=0.2與小統(tǒng)計濾波閾值因子α =1.0，能夠使遠(yuǎn)離主體和接近主體的點云噪聲都能夠得到很好的濾除而不破壞點云主體，濾波后的副井點云如圖5 所示，濾波前點云數(shù)目為68 277 128 點，濾波后為67 388 715 點。

圖5 濾波后的副井提升系統(tǒng)點云數(shù)據(jù)Fig.5 Filtered point cloud data of auxiliary hoisting system

濾波后點云數(shù)目為千萬級，嚴(yán)重影響了后續(xù)處理速度，因此使用均勻體素算法對點云進(jìn)行降采樣以減少點云數(shù)目。首先按照公式(8)求得體素方格最小邊長。

其中，r為設(shè)定的體素小柵格邊長。最后使用體素網(wǎng)格內(nèi)的重心點代替網(wǎng)格內(nèi)的所有點，達(dá)到降采樣的目的，對濾波后的副井?dāng)?shù)據(jù)進(jìn)行降采樣，采樣后的點數(shù)目為6 737 387 點，精簡率達(dá)到了90%。

點云降采樣后，使用基于法線的改進(jìn)雙邊濾波對點云進(jìn)行表面平滑，以消除個別點云起伏產(chǎn)生的尖銳噪聲，改善點云質(zhì)量。該算法不僅考慮點到鄰域點的距離，而且將沿法線方向的距離也作為判斷依據(jù)。對于點云中的某一點p，首先利用點p的鄰域范圍內(nèi)的點計算點p的單位法向量，然后p的位置通過式(10)來更新。

其中，Nr(p)為 點p的 鄰域；wd、wn為給定高斯權(quán)重；q為p鄰域內(nèi)的點。對降采樣后的點云使用改進(jìn)雙邊濾波算法進(jìn)行濾波，濾波前后點云數(shù)目不發(fā)生變化，位置發(fā)生調(diào)整，引入高斯曲率對比濾波前后的點云變化，繪制出點云濾波前后相同100 點的高斯曲率如圖6 所示。

圖6 雙邊濾波前后點云高斯曲率對比Fig.6 Gaussian curvature contrast diagram of point cloud before and after bilateral filtering

通過對比發(fā)現(xiàn)，濾波后點云高斯曲率變化程度明顯平穩(wěn)于濾波前，而高斯曲率變化越小，證明點云越平滑，因此雙邊濾波效果良好。

對處理后的礦井提升系統(tǒng)點云數(shù)據(jù)進(jìn)行泊松曲面重建，生成高精度的三維曲面模型。泊松重建本質(zhì)是將曲面指示函數(shù)最小化，引入Euler-Lagrange 方程，使用散度算子求解上述泊松問題，即:

至此，曲面重建過程完成。對泊松曲面重建后的場景使用Trimble RealWorks 修補孔洞后再通過3ds Max 進(jìn)行貼圖得到高仿真度的幾何模型，與實景對比如圖7 所示?？梢钥闯?，使用三維點云建立的虛擬模型具有極高的真實度，對于大型場景也能夠很好地把握其全貌。將建模時間與該礦井原有使用CAD 技術(shù)建模相比，提高了93%。

圖7 高真實度幾何模型與實景對比Fig.7 Comparison of geometric model and real hoisting system

2.2 礦井提升系統(tǒng)孿生體行為模型建立

對礦井提升系統(tǒng)幾何維度進(jìn)行建模完成了幾何空間的映射，而數(shù)字孿生體還應(yīng)在時間維度上保持和真實提升系統(tǒng)的一致，還需進(jìn)行礦井提升系統(tǒng)的行為建模，使孿生體具有與真實體完全一致的行為。礦井提升系統(tǒng)運動單元極多，如果僅僅通過新增傳感器的方式采集行為數(shù)據(jù)成本較高，且需要長時間停機，因此提出了一種基于礦井提升系統(tǒng)PLC 和工業(yè)傳感網(wǎng)絡(luò)的行為建模方法。實驗礦井提升系統(tǒng)傳感網(wǎng)絡(luò)結(jié)構(gòu)如圖8 所示。

圖8 礦井提升系統(tǒng)傳感網(wǎng)絡(luò)結(jié)構(gòu)Fig.8 Sensor network structure of mining hoisting system

該網(wǎng)絡(luò)通過多種傳感器采集傳感信號，經(jīng)過監(jiān)控分站、網(wǎng)絡(luò)交換機、千兆工業(yè)以太環(huán)網(wǎng)和核心交換機后將數(shù)據(jù)傳遞至PLC 進(jìn)行自動控制，PLC 將數(shù)據(jù)處理后傳遞至監(jiān)控中心進(jìn)行顯示。此過程所有數(shù)據(jù)都將經(jīng)過PLC，因此通過從PLC 直接讀取數(shù)據(jù)的方式進(jìn)行行為建模，該礦使用西門子S7-400PLC,上位機采用Wincc V7.5 組態(tài)監(jiān)控軟件。

使用MPI-ETH-YC 以太網(wǎng)通訊處理器將西門子S7400 系列PLC 與上位機組態(tài)軟件進(jìn)行通訊，其內(nèi)部集成了ModbusTCP 服務(wù)器功能，上位機軟件（ModbusTCP 客戶端）可直接按照地址映射表去訪問PLC 控制系統(tǒng)的內(nèi)部寄存器地址的數(shù)據(jù)，且其可以和市面上幾乎所有的SCADA 監(jiān)控組態(tài)軟件進(jìn)行以太網(wǎng)通訊。在使用時，將ETH-YC 西門子系列模塊插入到PLC 的DB9 通訊口，并擰緊螺栓加以固定，用網(wǎng)線連接模塊和電腦。連接好后的現(xiàn)場效果圖如圖9 所示。

將電腦的本地網(wǎng)卡IP 設(shè)置成192.168.1.100。而后打開力控組態(tài)軟件，以時間為單位，按照變量地址進(jìn)行數(shù)據(jù)實時存取，將讀取后的實時行為數(shù)據(jù)依照類別存儲在Microsoft SQL Server 數(shù)據(jù)庫中。繪制提升系統(tǒng)運行狀態(tài)行為模型如圖10 所示。該圖表示了一次提運完整過程的行為模型，在該過程中東提升容器從井底裝載完成后歷經(jīng)加速、勻速與減速后運行至井口進(jìn)行卸載，卸載完成后再從井口返回至井底重新裝載。西提升容器運行過程與東提升容器完全相反。

圖10 礦井提升系統(tǒng)運行狀態(tài)行為建模Fig.10 Modeling of running state behavior of mining hoisting system

圖11 為真實數(shù)據(jù)驅(qū)動的礦井提升系統(tǒng)電機電流行為建模結(jié)果。電機勵磁電流和電機電流隨著提升速度的增加而不斷增大并在一定范圍內(nèi)波動，在提升容器平穩(wěn)運行時降低，而后提升容器減速至零，電機電流也重新降低至零，電機勵磁電流降至200 A。

圖11 礦井提升系統(tǒng)電機電流行為建模Fig.11 Modeling of motor current behavior in mining hoisting system

圖12 為礦井提升系統(tǒng)電機溫度行為建模結(jié)果，在提升過程中溫度波動較大，達(dá)到10 ℃左右，而裝載卸載時較為穩(wěn)定，上下波動不超過1.5 ℃。

圖12 礦井提升系統(tǒng)電機溫度行為建模Fig.12 Modeling of motor temperature behavior in mining hoisting system

2.3 礦井提升系統(tǒng)孿生體知識模型建立

礦井提升系統(tǒng)數(shù)字孿生體不僅涉及到機械、電氣領(lǐng)域的相關(guān)知識，還應(yīng)該包納事故數(shù)據(jù)、經(jīng)驗法則等，將先驗知識進(jìn)行梳理，構(gòu)建礦井提升系統(tǒng)知識模型，并存儲于孿生系統(tǒng)中，有助于孿生系統(tǒng)在演化過程中不斷進(jìn)行知識學(xué)習(xí)進(jìn)而輔助管理者進(jìn)行決策或最終實現(xiàn)自主決策。

以礦井提升系統(tǒng)故障知識建模為例，說明整個知識建模的過程。故障知識模型使用Microsoft SQL Server 創(chuàng)建，以故障樹理論為指導(dǎo)，包含礦井提升系統(tǒng)的故障參數(shù)表、故障信息表、故障案例表與結(jié)論表。故障參數(shù)表將礦井提升系統(tǒng)運行過程中的所有重要特征故障信號進(jìn)行總結(jié)作為整個知識模型的觸發(fā)如圖13 所示。

圖13 礦井提升系統(tǒng)運行參數(shù)Fig.13 Operation parameter of mining hoisting system

其中共涉及到T1～T5 五個故障樹，共14 個故障節(jié)點。T2X5、T1X6、T6X11、T4A1X3 為根節(jié)點，其余為中間節(jié)點。每一個故障樹都對應(yīng)著一張故障信息表，以T1 制動系統(tǒng)為例，其對應(yīng)的故障信息表如圖14 所示。

圖14 T1 故障信息Fig.14 Fault information of T1

故障信息表中，1～12 為可以直接監(jiān)測到的故障，每一個故障都對應(yīng)著事故案例庫。事故案例庫包含經(jīng)典事故發(fā)生的時間、地點、具體過程、處置措施與事后恢復(fù)等的信息，幫助管理者進(jìn)行決策。13～28是未包含案例的故障，可以通過生產(chǎn)的不斷進(jìn)行而手動添加，使知識庫更加完整。每個案例庫最后會觸發(fā)結(jié)論庫，結(jié)論庫通過計算底事件的重要度進(jìn)行優(yōu)先級排序，在診斷結(jié)果顯示了每一個底事件對應(yīng)的重要度大小、優(yōu)先級、故障原因詳細(xì)描述及維修建議。本知識模型中共涉及16 個運行參數(shù)，對應(yīng)著16 個案例庫、16 個結(jié)論庫。最終知識模型中共含有48 個子庫。其相互推理觸發(fā)關(guān)系如圖15 所示。

圖15 知識模型相互觸發(fā)關(guān)系Fig.15 Knowledge models trigger relationship

以鋼絲繩打滑為例說明知識模型相互推理觸發(fā)關(guān)系，整個過程是基于CBR 與RBR 融合的推理機制指導(dǎo)下完成的，首先系統(tǒng)接收到故障狀態(tài)參量為鋼絲繩張力（P15），將鋼絲繩張力作為預(yù)設(shè)的知識庫觸發(fā)器，系統(tǒng)將會自動搜尋到與其有關(guān)的故障樹子節(jié)點提升容器故障樹（Hoisting container），而后搜索Hoisting container 的子節(jié)點鋼絲繩嚴(yán)重打滑（N11），調(diào)取故障信息庫，確定故障名，根據(jù)故障名觸發(fā)案例庫（Example）,給出事故詳細(xì)信息以供參考后最終觸發(fā)結(jié)論庫(C11)，結(jié)論庫按照權(quán)重給出診斷結(jié)論，指導(dǎo)故障維修與恢復(fù)。

2.4 礦井提升系統(tǒng)孿生體建模的多尺度特征

在進(jìn)行跨空間多維建模時也應(yīng)該兼顧礦井提升系統(tǒng)的多尺度特征。礦井提升系統(tǒng)幾何空間建模按照尺度層級可以分為零件級、部件級、設(shè)備級、企業(yè)級；行為及知識建模可分為宏觀與微觀。采用激光掃描的幾何建模方法能夠完成部件級和設(shè)備級建模、所建立的礦井提升系統(tǒng)模型能夠映射提升生產(chǎn)行為，即宏觀級別的行為與知識。而在孿生監(jiān)測過程中，系統(tǒng)也必須關(guān)注零件級和企業(yè)級的建模，零件級模型的狀態(tài)對應(yīng)微觀級的行為與知識模型，其微觀行為對部件級模型的功能產(chǎn)生影響，進(jìn)而影響整個設(shè)備的運行。例如天輪軸承外圈破裂其微觀級別的行為是振動信號異常，導(dǎo)致部件級天輪宏觀狀態(tài)偏擺加劇，最終將使整個設(shè)備故障。將整個提升系統(tǒng)按照第一節(jié)所述內(nèi)容進(jìn)行智能傳感終端拆分，使用手持式三維激光掃描儀對每個終端中的重要零部件級幾何模型進(jìn)行逆向三維重建后將其嵌入部件級幾何模型，同時借助行為建模中的傳感網(wǎng)絡(luò)對其應(yīng)力、振動等微觀級信號采集。企業(yè)級模型則關(guān)注礦井提升系統(tǒng)的周邊環(huán)境建模與企業(yè)內(nèi)部信息數(shù)據(jù)，通過對周邊地質(zhì)、環(huán)境模型的采集與接入企業(yè)內(nèi)部互聯(lián)網(wǎng)數(shù)據(jù)，完成企業(yè)級幾何與行為知識模型的建立，企業(yè)級模型的建立使礦井孿生系統(tǒng)形成生產(chǎn)、安全、效益的動態(tài)閉環(huán)。

3 數(shù)字孿生虛實協(xié)同聯(lián)動與狀態(tài)監(jiān)測

礦井提升系統(tǒng)數(shù)字孿生體具有多個維度與尺度，而各個維度與尺度層級是相互連接而不是分立的，多層級幾何模型間相互連接，通過微觀與宏觀的行為模型可以驅(qū)動幾何模型，而通過知識模型又可以輔助幾何模型進(jìn)行演化。通過Unity3D 與腳本程序，將多個維度與層級的模型進(jìn)行整合，實現(xiàn)虛實聯(lián)動與知識推理。

將建立好的幾何模型導(dǎo)入至Unity3D 中，配置好環(huán)境與光照后，根據(jù)礦井提升系統(tǒng)部件層級間的相互運動關(guān)系設(shè)置父子關(guān)系。滾筒的運動會直接影響天輪、鋼絲繩、提升容器的運動，反過來上述三個部件的運動則不會影響滾筒的運動，因而滾筒是其他運動部件的父關(guān)系。同時制動裝置的制動效果會影響滾筒的運動情況，因此盤式制動器是滾筒的父關(guān)系。

實現(xiàn)虛實協(xié)同聯(lián)動本質(zhì)上就是將微觀與宏觀的行為模型的數(shù)據(jù)賦予至幾何模型，將行為模型讀取至SQL Server 中，知識模型已經(jīng)用SQL Server 存儲，不必再次存取，隨后，編寫運動控制腳本修改Unity3D 中Transform 組件的位置和旋轉(zhuǎn)參數(shù)即可達(dá)到虛擬模型與真實模型運動一致的目的：首先通過IP 地址、端口、用戶名、密碼與SQL Server 數(shù)據(jù)庫建立連接，再使用SQL Server 提供的數(shù)據(jù)讀取語句不斷讀取行為數(shù)據(jù)表中的內(nèi)容并存入緩存消息列表中，最后將緩存消息列表中的數(shù)據(jù)賦予運動模型的Transform 組件，至此完成了行為模型與虛擬模型的連接。對比真實礦井提升系統(tǒng)的行為模型與數(shù)字孿生體的行為數(shù)據(jù)如圖16 所示。

圖16 虛實聯(lián)動效果對比Fig.16 Comparison of virtual and real linkage effect

可以看出，在提升系統(tǒng)提升的第一個行程，由于接口傳輸及第一次初始化需要時間，因此虛擬孿生體的行為相對真實體的行為有約1 s 的滯后，而在第二個行程開始后，兩條曲線完全重合，實現(xiàn)了無延時的虛實協(xié)同聯(lián)動。虛實聯(lián)動試驗成功后，編寫腳本將獲得的更多微觀與宏觀的真實傳感數(shù)據(jù)賦予各個虛擬部件來實現(xiàn)真實傳感網(wǎng)絡(luò)和虛擬場景的關(guān)聯(lián)。例如在虛擬場景的提升容器上預(yù)留有重量顯示接口和速度驅(qū)動接口，在制動系統(tǒng)上預(yù)留有距離驅(qū)動組件，一旦傳感網(wǎng)絡(luò)將實時信號傳入系統(tǒng)，緩存消息列表將為各種信號依據(jù)傳感器所在部件位置自動分配流向，真實傳感網(wǎng)絡(luò)中的稱重傳感器與編碼器提供的速度、重量信號流向虛擬場景中的提升容器組件，接口讀取到數(shù)據(jù)后執(zhí)行相應(yīng)的腳本并調(diào)用transform 功能進(jìn)行重量交互式實時顯示與運行驅(qū)動，操作人員便可以點擊實時遠(yuǎn)程查看稱重傳感器的測量結(jié)果和提升容器的真實運行狀態(tài)；真實傳感網(wǎng)絡(luò)中激光測距傳感器檢測的距離信號則流向虛擬場景中的制動系統(tǒng)閘瓦改變其制動狀態(tài)。至此，傳感網(wǎng)絡(luò)中的全部傳感信息通過數(shù)據(jù)傳輸、流向分配、接口接收和腳本執(zhí)行與虛擬場景形成關(guān)聯(lián)。

同樣地，通過SQL Server 提供的數(shù)據(jù)讀取語句同UI 界面上預(yù)留的數(shù)據(jù)接口建立連接，此時根據(jù)行為模型傳遞過來的狀態(tài)參數(shù)判斷是否激活規(guī)則庫，如若激活，則按照2.3 所述的融合推理機制觸發(fā)知識模型，并通過UI 界面按照優(yōu)先級展示故障診斷結(jié)論，而后給出經(jīng)典案例的同時生成故障診斷報告輔助整個系統(tǒng)進(jìn)行決策，其效果如圖17 所示。

圖17 UI 界面知識模型調(diào)用Fig.17 UI interface knowledge model calling

將上述功能集成于虛擬場景對提升系統(tǒng)的狀態(tài)進(jìn)行監(jiān)測、故障快速定位與處置。在系統(tǒng)中設(shè)置好各狀態(tài)參數(shù)的閾值并判斷實時傳感信號值是否超出閾值，如圖18 所示。

圖18 數(shù)字孿生狀態(tài)監(jiān)測及故障定位效果Fig.18 Digital twin condition monitoring and fault location effect

圖18 中天輪軸承溫度傳感信號高于閾值，天輪整體顯示紅色并發(fā)出警報，軸承溫度信息顯示溫度超標(biāo)，維檢人員可以根據(jù)系統(tǒng)發(fā)出警報的位置迅速定位到故障天輪處進(jìn)行排查，同時點擊下發(fā)故障診斷報告按鈕可向下級單位發(fā)送由知識模型推理的診斷報告，輔助維檢人員工作。當(dāng)鼠標(biāo)點擊鋼絲繩部件時，即可查看鋼絲繩各項實時傳感參數(shù)，由于鋼絲繩各項參數(shù)正常，因此顯示為綠色健康狀態(tài)。圖18左側(cè)則是對各關(guān)鍵點監(jiān)控傳感信號的實時顯示，以幫助監(jiān)測人員更好地對礦井提升系統(tǒng)的真實運行狀態(tài)進(jìn)行把控。通過系統(tǒng)以部件為單位自動監(jiān)測各項傳感參數(shù)，并及時發(fā)出警報以定位故障，大大增加了監(jiān)測效率，加快了故障排查速度。

4 結(jié) 論

1）使用幾何模型快速建模方法其建模效率提高了93%，真實度高，很好地解決了大場景三維虛擬孿生模型建立的問題。

2）在不新增傳感器的情況下利用工業(yè)現(xiàn)場原有傳感網(wǎng)絡(luò)構(gòu)建行為模型有助于節(jié)約孿生建模成本、避免設(shè)備停機、保證數(shù)據(jù)的實時性與真實性。

3）使用數(shù)據(jù)與腳本驅(qū)動，將三個維度數(shù)字孿生模型融合，達(dá)到了孿生體與真實體的零延時虛實協(xié)同聯(lián)動的目標(biāo)，并能夠讓孿生模型使用知識進(jìn)行輔助決策，實現(xiàn)了礦井提升系統(tǒng)的全域可視化、故障快速定位與排查。