智能化煤矿分类、分级评价指标体系

针对我国智能化煤矿尚没有统一标准,无法对煤矿智能化建设和发展水平进行科学合理定量评价的问题,开展了智能化煤矿建设条件分类与智能化程度分级评价指标体系研究,提出了煤矿智能化程度的定义及量化指标,结合不同区域、不同开采条件智能化煤矿建设实际,制定了智能化煤矿分类、分级评价指标体系与评价方法,开发了智能化煤矿分类、分级评价软件系统。首先以煤矿所在区域、地质条件为基本指标,以矿井开采技术参数、开采效率、安全水平、建设基础为参考要素,建立智能化煤矿分类评价指标体系,将煤矿分类评价条件分为良好、中等、复杂3类;然后,根据煤矿分类评价结果,对不同类别煤矿进行智能化程度的分级评价。基于智能化煤矿开拓、生产、运营等主要流程,将智能化煤矿巨系统细分为信息基础设施、智能地质保障系统、智能综采系统、智能掘进系统、智能主煤流运输系统、智能辅助运输系统、智能综合保障系统、智能安全监控系统、智能分选系统、智能经营管理系统等10个主要智能化系统,提出了智能化煤矿10个主系统及相关子系统智能化程度评价指标体系。针对不同生产技术条件分类的煤矿,采用与之相适应的智能化评价指标体系,就可以对煤矿智能化程度进行定量评价。按照综合评价结果,将智能化煤矿划分为甲、乙、丙和不合格4个等级。以陕北某矿智能化建设工程为例证,进行了矿井建设条件分类与智能化程度分级评价分析,验证了评价指标体系与评价方法的科学性与可靠性,评价结果不仅可以反映该矿井的智能化建设水平,也可以为新建智能化煤矿和生产煤矿的智能化建设与升级改造提供依据。     

基于全站仪的掘进机机身位姿参数测量方法

 本文提出了一种基于全站仪的掘进机机身位姿参数测量系统及其方法,详细介绍了方案原理及结构,并通过实验验证了其可行性。所提出的新方法可对掘进机机身位姿信息实现有效、快速、准确地获取,从而为实现掘进机自动定向掘进奠定坚实的基础。     

掘进机远程控制技术及监测系统研究与应用

综合应用自动化、智能化和信息化等高新技术研制开发了适合煤矿综掘工作面地质与环境条件的掘进机远程控制技术及监测系统,实现了掘进机工作过程的定向、定位和定形的自动化远程控制.实现了掘进机位姿参数在线自动检测、自动定向掘进、断面自动截割成形和截割臂摆速自适应控制,首次在我国井下煤巷掘进工况中实现悬臂式掘进机机身位姿误差的绝对法测量,避免了相对法测量过程中误差积累的问题,保证了高精度定向掘进;在井下实现了远程监控、无线遥控和视频监控,实现了在多尘、振动条件下掘进机工况多角度可视化一键式遥控;在井下环网或地面任何网络接入点,实现了掘进机运行状态参数包括位姿参数等信息的实时监测与显示,并具有远程故障诊断和报警等功能.     

智慧煤矿2025情景目标和发展路径

智慧矿山是煤炭行业转变发展方式、提升行业发展质量的核心驱动力,是矿山技术发展的最高形式。基于数字矿山技术发展现状,结合生产系统智慧化特征及要求,给出了智慧矿山概念及内涵:将物联网、云计算、大数据、人工智能、自动控制、移动互联网、机器人化装备等与现代矿山开发技术融合,形成矿山感知、互联、分析、自学习、预测、决策、控制的完整智能系统;到2025年,实现煤矿单个系统智能化向多系统智慧化方向发展,建立智慧生产、智慧安全及智慧保障系统的基本运行框架,初步形成空间数字化、信息集成化、设备互联化、虚实一体化和控制网络化的智慧煤矿第二阶段目标。实现矿井开拓、采掘、运通、洗选、安全保障、生态保护、生产管理等全过程智能化运行。资源开发利用水平显著提高,煤矿职业健康和工作环境根本改善,矿山生态恢复和保护全面实施。     

综采工作面液压支架-围岩自适应支护控制方法

为增强液压支架适应性、有效应对日益复杂的围岩动态变化,提出综采工作面液压支架-围岩自适应支护控制方法。基于变论域模糊控制方法建立液压支架-围岩刚度、强度及稳定性耦合自适应控制策略,基于MSP430处理器开发自适应控制装置,并进行实验室试验。试验结果表明:控制装置可精确获取支架状态,能够根据外载变化自动调节液压支架的安全阀开启压力、初撑力及立柱、平衡千斤顶压力,保证液压支架处于合理支护状态,控制误差不大于3%。该方法可大幅提高液压支架的适应性,有助于保持工作面液压支架群组-围岩系统的稳定支护状态。     

煤矿智能化(初级阶段)技术体系研究与工程进展

煤炭是实现清洁高效利用的最经济、最可靠的能源,煤炭资源的智能、安全、高效开发与低碳清洁利用是实现我国煤炭工业高质量发展的核心技术支撑。基于我国煤矿智能化初级阶段的发展要求,开展了煤矿智能化技术体系研究和工程建设,进行了智能化煤矿顶层设计研究,以"矿山即平台"的理念将智能化煤矿整体架构分为设备层、基础设施层、服务层与应用层,实现煤矿生产、安全、生态、保障的智能化闭环管理。针对智能化煤矿存在的信息孤岛问题,开展了多源异构数据建模、特征提取与数据挖掘等技术研究,研发了基于数据驱动的信息实体建模与更新技术;研究了智能化煤矿高精度三维地质模型构建方法,通过在刮板输送机上布设巡检机器人与三维激光扫描仪,将三维激光扫描数据与地质模型数据、采煤机位姿数据、采煤机摇臂截割数据进行有效融合,获取采煤机的实时截割曲线,通过比对采煤机实际截割曲线与地质模型的煤岩层分界面曲线,实现基于地质模型动态更新的煤层厚度自适应截割控制方法;研发了工作面采掘接续智能设计技术,实现了接续工作面图纸、规程、规范的智能设计,大幅降低了采掘接续过程中的重复劳动;研究了掘锚一体机的位姿检测与导航技术、自动打锚杆技术、自动铺网技术、巷道三维建模与质量监测技术,探索了基于远程视频监控的巷道智能高效掘进技术与装备;以"有人巡视,无人操作"为特征的智能化开采工作面在全国逐渐推广应用,开展了基于三维地质模型动态更新的采煤机自适应截割技术研发与实践,在部分矿区取得较好的试验效果。分析了智能分选技术、智能辅助运输技术、5G通信技术在煤矿井上下应用存在的技术难点及解决的技术路径,从技术研发角度系统分析了制约智能化煤矿建设的关键技术难题。详细阐述了神东煤炭集团、兖矿集团、同煤集团、阳煤集团、淄矿集团、新汶矿业集团等国内大型煤炭生产企业现阶段在智能化煤矿建设中取得的阶段性成果,从技术研发与现场实践相结合的角度分析了智能化煤矿建设过程中存在的主要技术难题与发展方向。同时对煤矿智能化标准体系进行研究,提出了煤矿智能化标准体系框架,起草制定了"智能化煤矿分类、分级技术条件与评价指标体系"、"智能化综采工作面分类、分级评价技术条件与指标体系"等相关标准,为智能化煤矿建设提供标准支撑。     

智能化煤矿大数据平台架构及数据处理关键技术研究

随着煤矿智能化技术深度推进,其数据量级及类型均呈爆炸式增长,利用大数据技术针对煤矿多源海量数据进行集成分析与数据价值挖掘,实现动态诊断与辅助决策,成为煤矿智能化的关键。煤矿大数据平台向下实现多源异构感知数据的接入、集成和融合,向上为各种煤矿智能化应用提供数据服务,打通感知数据和数据智能应用之间的屏障,是煤矿智能化运行的基础。针对当前煤矿大数据平台建设初级阶段缺乏成熟建设体系的现状,在分析煤矿大数据数据来源、数据特征以及处理要求的基础上,提出由数据接入层、数据存储层、数据资产管理层、数据服务层构成的煤矿大数据集成分析平台技术架构;系统研究数据接入与存储系统,主数据管理系统及数据服务系统等大数据平台关键系统,从而建立大数据平台基础框架,为大数据融合分析处理提供基础数据与资源能力;针对煤矿大数据处理要求,研究数据获取与数据标准管理,提出基于位号的煤矿数据编码标准,实现煤矿数据标准化管理,并在此基础上研究数据集成与数据治理技术与数据可视化技术,实现数据全生命周期管理;研究提出基于循环神经网络的数据预测及基于知识工程的态势感知与推理等基于人工智能的处理算法实现数据纵向和横向的智能化分析。以陕煤张家峁煤矿及陕西延长石油巴拉素煤矿为代表进行大数据平台建设与工程实践,为建设智能化煤矿大数据平台,构建煤矿数据生态提供技术参考。     

悬臂式掘进机机身位姿误差消除策略的研究

基于悬臂式掘进机机身位姿检测系统,提出了一种悬臂式掘进机机身位姿误差消除策略:根据悬臂式掘进机机身位姿检测系统所采集的数据,判断各方向位姿误差的大小;当误差较大时,通过控制履带、前铲板与后支撑对悬臂式掘进机整体进行调整,减小机身各方向误差;当误差减小到截割臂的控制补偿范围,根据当前位姿误差设定截割轮廓的正确位置并进行自动截割;解算出各方向剩余位姿误差的补偿量,根据补偿量在自动刷帮过程中控制截割断面的边界位置。该策略对实现自动定向掘进和掘进远程控制具有一定的参考价值。     

Research on equipment fault diagnosis method based on random stochastic adaptive particle swarm optimization

The traditional fault diagnosis method of industrial equipment has low accuracy and poor applicability. This paper proposes a equipment fault diagnosis method based on random stochastic adaptive particle swarm optimization (RSAPSO). The entire model is validated by using the data of healthy bearings collected by Case Western Reserve University. Different gradient descent algorithms and standard particle swarm optimization (PSO) algorithms in a back propagation (BP) network are compared experimentally. The results show that the RSAPSO algorithm has a higher accuracy of weight threshold updating than the gradient descent algorithm and does not easily fall into a local optimum. Compared with PSO, it has a faster optimization speed and higher accuracy. Finally, the RSAPSO algorithm is validated with the data of bearings collected from the laboratory rotating machinery test bench and motor data collected from the tower reflux pump. The average recognition rate of the four kinds of bearing data constructed is 97.5% , and the average recognition rate of the two kinds of motor data reaches 100% , which prove the universality of the method.