|
研究背景、意义及主要内容 研究背景及意义 煤炭是我国主体能源，是国家能源安全的压舱石。2020年，国家能源局、国家矿山安全监察局等八部委联合印发了《关于加快煤矿智能化发展的指导意见》，数字煤矿及智能化开采技术成为当前煤矿开采领域研究的热点问题。随着开采装备状态、安全监测监控等更广泛、更深入的信息不断融入，形成了一系列信息化、数字化矿山模型与技术；然而，在上述信息及数据的相互关联关系方面，一直没有形成统一、有效的数据模型、控制方法等，因而智能化煤矿基础理论体系目前仍然不够清晰、完善。同时，随着开采深度、煤层条件复杂性的日益增加，智能开采环境状态的不清晰、装备空间信息不精确、控制方法不适合等问题日益突出，若不能从系统级开展多种技术、数据的融合集成，必将导致掌握信息不完全、信息流混乱、层次不清晰、数据利用效率低、缺少智能决策依据等问题无法从根本上提升煤矿的开采水平、生产效率及人员与设备安全保障水平。 智能化基础理论的研究是支撑煤矿智能化建设不断迈向新台阶的源动力。因此，加强数字煤矿与智能化开采基础理论研究，推动由数字煤矿向智慧煤矿方向发展，已经成为亟待解决的重大理论问题，也是煤炭行业实现安全、高效、智能、绿色生产的必然要求。 主要研究内容 （1） 创新基于智能感知的数字煤矿智慧逻辑模型体系 提出多源异构关系数据的统一描述方法，构建具有物理逻辑、功能逻辑、事件逻辑的多层次智能信息实体，以及具有多种类、多层次、多模式、多特征的数字煤矿智慧逻辑模型；研究煤矿系统、装备构成的物理对象空间与多层次智能信息实体构成的信息空间的统一映射关系，揭示大数据驱动下的虚实系统实时映射机理；研究信息实体概念逻辑、联想、记忆和推理思维的操作机制，构建基于外部智能感知的操作功能智能动态匹配算法；研究信息实体传输的主动推送策略，表征物理对象空间事件对开采关键生产环境的主动介入与实时信息服务；建立开采行为对煤矿动态影响情况下的煤矿智慧逻辑模型进化机制，建立统一的煤矿智慧逻辑模型更新算法。 （2） 提出智能开采设备群全局最优规划和分布式协同控制理论 研究综采强耦合设备群时空统一坐标系及各设备空间关联坐标系转换，实现综采强耦合设备多体系统姿态、位置关系运动学和动力学建模及基于煤矿系统行为的相互位姿关系运动学分析；建立综采强耦合设备群参数与工作面围岩稳定性的关联关系，基于定量技术及定性经验，研究工作面稳定性对不同开采参数的敏感性；建立数字矿山智能化模型与生产系统的信息交互机制，研究开采关键设备之间主要运行参数的非线性耦合关系，实现综采设备速度匹配、功率匹配、位姿匹配、状态匹配和时变多因素干扰下装备群的鲁棒控制方法；研究开采设备群全局最优任务规划和控制方法，考虑设备健康状态对全局最优任务规划的影响，提高综采工作面的生产效率。 （3） 提出智能开采系统健康状态评价、寿命预测与维护决策机制 研究系统多特征状态数据的约简方法，建立开采系统健康状态评价指标，研究基于数据驱动的系统健康状态评价模型，揭示系统内部各子系统的相互耦合关系；构建特征数据表示的寿命预测指标集，研究开采系统的寿命衰退行为，揭示基于大数据表示的寿命衰退的演化机制；建立多因素预测模型，实现多变工况下的系统寿命预测；以系统维护安全损失最小、总维护成本率最低和总维修时间最少为目标，建立基于生产调度和维护行为的双层机会维修预知决策模型；研究相应的模型求解方法， 揭示系统生产调度和维护行为与系统决策结果的关联关系，确定系统最优机会维护状态阈值。 关键基础理论与创新点 关键基础理论 （1） 数字煤矿智慧逻辑模型信息“实体”交互融合及依赖于时间变化的多源异构关系数据进化更新机制。 （2） 时变多因素影响下的采场环境-开采系统耦合作用规律及开采多智能体多任务、多位姿、多状态协同智能控制原理。 （3） 综合考虑系统剩余寿命、生产调度和机会维护策略的开采系统装备群预知维护决策机制。 创新点 （1） 通过采矿与信息、数据分析技术的交叉融合，以信息实体表征数字煤矿中的各种物理量、对象及变化趋势等，基于数据特征分析展开系统级的逻辑推理、智慧决策，为有效分析和揭示煤矿动态开采过程中的演进规律、快速寻求最佳控制目标提供新的方法。 （2） 首次从开采系统全局装备群进行整体建模，基于分布式协同控制原理提出“数字煤矿综采设备群-开采系统”多层级的最优规划控制策略， 突破了过去各设备相互独立集中控制的局限性，大幅提高了智能开采工艺对于生产环境的适应能力。 （3） 提出基于数据驱动的系统健康状态评价模型和剩余寿命预测方法，构建综合考虑系统剩余寿命、生产调度和机会维护策略的开采系统装备群预知维护模型，为开采系统智能决策提供有力依据。 难题攻克与解决方案 感知新原了理数字煤矿智慧逻辑模型与跨系统全时空信息感知原理 信息间相互有效关联是智慧煤矿系统的基本特征和要求。虽然在前期研究过程中，初步建立了智慧煤矿八大系统内的数据关联关系，但并未形成统一、有效的数据信息编码格式及模型，难以完成更深层次的信息处理、知识挖掘与运用，因而无法建立更高抽象层次的智慧煤矿概念认知框架，无法实现物理对象、逻辑关联、特征信息的统一表征和处理。因此，通过分析解构煤矿复杂巨系统结构，开展煤矿数据流向可视化分析，理清了煤矿数据层次、流向和关联关系，最终建立了煤矿井下跨系统全时空感知体系总体框架，实现煤矿数据有效感知。在此基础上，通过数据关联关系特征提取，揭示了更高抽象层次的智慧煤矿多源、异构关系数据的关联关系，提出了信息“实体”之间交互、融合、联想、衍生机制和虚实映射机理，提出基于知识需求模型的信息实体主动匹配与推送策略，构建基于开采行为预测推理的智慧逻辑模型进化机制， 形成了层级清晰、结构明确、覆盖全面的智慧煤矿信息框架模型，为深层次研究智慧煤矿海量信息之间的关联关系提供了有效方法。
（a） 数据体系
（b）数据体系 图1 煤矿井下跨系统全时空感知体系总体框架 提控制出理了论智能开采设备群全局最优规划和分布式协同控制理论 面对煤矿智能化建设的核心——智能开采，基于数年从事煤机装备结构设计和井下开采装备控制方法的积累，以综采设备群空间位姿关系运动学建模为基础，逐步推进时变多因素影响下开采设备群全局最优规划和分布式协同控制方法和策略的研究。 综采设备群空间位姿关系描述是智能化控制的基础。当前，设备之间的位姿关系主要是基于设备间的相互连接约束及与工作面、巷道之间的位置关系来描述。因此，在智慧逻辑模型框架下必须建立新的空间位置关系统一描述方法。提出考虑随机误差的强耦合设备群空间坐标统一描述模型及各设备空间关联坐标系转换方法，建立开采环境—生产系统耦合关系模型，为实现煤矿数据的逻辑推理、智能决策和协同控制提供了有效方法和技术支撑。在此基础上，结合采场环境—开采系统内外部关系模型，提出开采设备群全局最优规划和分布式协同。
图2 “分级抽取-关联分析-虚实映射”的数字煤矿智慧逻辑模型
图3 综采设备群空间位姿感知
图4 综采设备群二次积分全局最优规划模型 控制方法，即通过将综采设备群全局最优规划归结为一个二次积分模型的燃料最优规划问题，给出液压支架群组协同控制，同时考虑环境干扰和传感器数据时延特性的分布式协同控制方法，为实现复杂地质条件下的装备连续自主推进、大规模复杂生产系统高可靠性及智能决策控制提供基础理论和关键技术支撑。 形护决成策了机智制能开采系统健康状态评价、寿命预测与维护决策机制 采煤机作为技术密集的复杂结构系统，受技术条件、环境等因素制约，准确完成采煤机健康状态评估比较困难。针对上述问题，以采煤机为研究对象，针对采煤机健康状态评估过程中权重分配问题对评估结果影响较大的问题，提出一种基于组合赋权法的采煤机健康状态评估方法，引入层次分析法与熵权法进行组合权重的分配。首先，通过采煤机状态数据集的间耦合相似度计算和部件间的关联度分析，建立采煤机健康状态评估体系；其次，建立基于组合赋权法的采煤机健康状态评估模型，再通过灰色聚类法与模糊综合评价法完成对采煤机健康状态的综合评估。最后，以300组健康状态数据作为验证数据，分别使用层次分析法、熵权法、组合赋权法确定权重并计算健康状态。研究结果表明：采用不同赋权法分配权重，采煤机健康状态评估结果不同，基于组合赋权法所得状态评估结果准确率为84.33%，高于层次分析法或熵权法单一使用所得评估结果的准确率。
图5 采煤机健康状态识别算法 图6 考虑煤矿维护安全与维护成本的多目标决策优化模型 针对煤机装备维护策略不当会导致设备的过维修或欠维修以及安全因素对煤矿水平的影响，以煤矿综采装备群的维护决策问题展开研究，为了降低煤炭企业维护风险与维护成本，提出了一种考虑煤矿维护安全与维护成本的多目标决策优化模型。首先，在煤矿综采设备群维护调度优化研究中，引入机会维护思想，即考虑到设备之间的相关性，在维护一台设备时，考虑其他设备是否也达到一定的维护阈值，对其采取一定的维护方式。然后，通过确定不同设备的故障分布规律，引入加速劣化因子与性能恢复因子，建立设备维护效果模型；其次， 以设备维护中人与管理为影响因素建立煤矿设备维护不安全耦合模型，以设备维护费用最低与停机损失费用最小为目标建立维护费用最低模型；最后，以煤矿综采设备群维护调度为例采用基于维护顺序编码的交叉算子POX的改进遗传算法进行求解。实验结果表明：第一次维护调度完成后，目标函数值降低了30.68%，完成3次工作面维护成本率降低了40.52%。最终通过此方法为煤炭企业制定了合理的调度决策计划，达到了降低煤矿企业的维护成本，提高煤矿设备运行的安全性能的目的。 推广应用效果与前景 推广应用效果 煤矿智能化基础理论体系研究依托国家自然科学基金重点项目，通过理论化煤矿数据感知原理、整体逻辑模型、智能控制方法和运维决策机制，为整个煤矿智能化建设提供了全面和完整的理论指导与技术落地支撑。依据理论研究成果，制定了包括煤矿数据、通信、装备、安全、管理以及运维等团体标准40余项，有效支撑了煤矿智能化建设指南和验收管理办法等政策文件编制，实现了煤矿智能化建设有标可依、有据可考、有章可循。 同时，基于研究成果指导了张家峁煤矿顶层设计和多源异构数据集成应用，实现了全矿井58 个在用子系统和34个新建子系统的数据融合和协同控制；针对新集口孜东140502 复杂条件工作面提出了“统一感知-耦合分析-仿真预测-决策控制”智能化开采模式，综合工效提升38.2%；针对陕煤玉华矿构建了多源异构大数据驱动的综放装备故障状态智能识别与故障超前预测技术体系，使故障预警准确率提升20%，为煤矿节约10%综采设备运行维护成本，降低5%以上因设备故障而造成的停工停产总时间。
图7 煤矿智能化基础理论落地应用情况 前景 智能矿山和智能化煤矿是新时期矿业发展的必由之路，新一代信息技术与矿山开发技术深度融合，新技术、新装备创新层出不穷。煤矿智能化基础理论体系为相关技术产品研发提供了理论依据和科学方法。随着智慧矿山和智能化煤矿建设的发展，本项目成果将发挥更重要、更广泛的影响，开启了智能矿山和智能化煤矿新理论体系和学科研究新方向。 |
|
|
