采煤機記憶截割自動化控制技術(shù)探究

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了采煤機記憶截割自動化控制技術(shù)探究范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：“無人化或少人化”是煤炭開采的發(fā)展方向，對實現(xiàn)采煤機的自動化具有非常重要的意義。基于此，對采煤機的記憶截割自動化控制技術(shù)進行研究，對煤巖識別技術(shù)進行分析，確定機器深度學(xué)習(xí)煤巖識別技術(shù)的優(yōu)越性。在工作面煤層變化情況下，可以通過監(jiān)控中心遠程干預(yù)調(diào)整，實現(xiàn)自動截割控制技術(shù)。

關(guān)鍵詞：采煤機煤巖識別截割線路遺傳算法

引言

煤炭作為我國的基礎(chǔ)能源，在我國能源生產(chǎn)及消費中占主導(dǎo)地位。隨著，煤礦采掘技術(shù)的快速發(fā)展，煤礦綜采工作面也正朝著無人化或少人化方向發(fā)展。采煤機自動化是機械化采煤工作面邁向智能化工作面的關(guān)鍵技術(shù)支撐，工作性能直接決定了煤礦的開采效率。近年來我國綜采面的機械化程度不斷趨于智能化、無人化、自動化，采煤機作為我國重要的煤礦開采設(shè)備[1-2]，其主要負責(zé)截煤、落煤、裝煤等工作，采煤機正在工作過程中，由于煤礦環(huán)境較為惡劣，使得采煤機管理十分復(fù)雜，為了保證采煤機安全運行，對采煤機自動化管理技術(shù)研究十分重要[3-4]。本文基于煤巖識別技術(shù)對從采煤機自動化管理進行研究，為綜采面機械自動化發(fā)展提供一定的參考。

1采煤機智能煤巖識別技術(shù)

采煤機自動化生產(chǎn)是一個十分復(fù)雜的工作。其主要是通過傳感器、信息技術(shù)、人工智能技術(shù)、科學(xué)技術(shù)等組合而成的一項應(yīng)用化技術(shù)。采煤機按照設(shè)定的參數(shù)進行自動化割煤，有效提升礦井采煤機的工作效率。煤巖識別技術(shù)是采煤機自動化的關(guān)鍵。在工作面日常開采過程中，由于煤層常常會出現(xiàn)夾矸的情況，采煤機無法分別煤與矸石而進行統(tǒng)一截割，使得采煤機截齒發(fā)生較大的磨損，且影響礦井的出煤率，加大了勞動強度。目前，煤巖識別技術(shù)可以大致分為兩大類，分別為物理識別法和圖像識別法，物理識別法主要包含同位素探測法、紫外線探測法、無線電探測法及噪聲探測法等。隨著21世紀人工智能的不斷發(fā)展，基于機器學(xué)習(xí)的圖像煤巖識別方法逐步發(fā)展。傳統(tǒng)的圖像識別方法主要依靠煤巖圖像色彩進行識別，此類方法識別效率低、識別精度較差，不能同時識別不同物體，所以本文研究基于機器深度學(xué)習(xí)算法的煤巖識別技術(shù)。2016年提出FasterR-CNN物體識別算法，通過測試發(fā)現(xiàn)，F(xiàn)asterR-CNN算法不僅能夠提升煤巖識別的速度，同時圖像識別的精度也得到了很大的提升，F(xiàn)asterR-CNN物體識別算法是端到端的網(wǎng)絡(luò)，其通過建立卷積神經(jīng)網(wǎng)絡(luò)提取圖像的特征，代替原有的手動提取，使得速度提升了250倍。FasterR-CNN網(wǎng)絡(luò)是由反向及前向傳播網(wǎng)絡(luò)兩個部分組成，對輸入的數(shù)據(jù)進行分析，從而給出輸出數(shù)據(jù)，同時通過對比輸出數(shù)據(jù)與實際監(jiān)測數(shù)據(jù)的差值，從而得到最優(yōu)的參數(shù)。FasterR-CNN物體識別算法的前向傳播網(wǎng)絡(luò)共由4個子單元構(gòu)成，分別為VGG16網(wǎng)絡(luò)、RPN網(wǎng)絡(luò)、ROIPooling網(wǎng)絡(luò)及R-CNN網(wǎng)絡(luò)。基于FasterR-CNN物體識別算法及編程語言編寫機器學(xué)習(xí)語言，網(wǎng)絡(luò)通過ImageNet識別VGG16卷積神經(jīng)網(wǎng)絡(luò)，對各參數(shù)進行初始化。對參數(shù)進行優(yōu)化，設(shè)定學(xué)習(xí)頻率為0.001Hz，訓(xùn)練次數(shù)為4800次，動量設(shè)定為0.9kg·m/s，每次訓(xùn)練出圖100張，此時得出煤巖識別結(jié)果，煤巖識別結(jié)果如圖1所示。如圖1所示，形成的圖片會有紅色外框，同時在外框的上端邊界位置會標出判別的可信度?？梢钥闯隹尚卸染笥?.9kg·m/s，所以基于FasterR-CNN物體識別算法準確性較高且計算速度較快。

2煤層模型建立及截割線路分析

在復(fù)雜工作面，實現(xiàn)采煤機智能化、自動化開采需要對煤層的地質(zhì)信息進行預(yù)先感知，通過建立三維煤層模型使得煤層內(nèi)部地質(zhì)情況區(qū)域透明化、數(shù)據(jù)化、可視化，所以建立合理的地質(zhì)模型十分重要。模型的建立主要依賴于地質(zhì)的數(shù)據(jù)及對數(shù)據(jù)的處理。首先對煤層地質(zhì)進行鉆孔，分別測量煤層開切眼巷、運輸巷、回風(fēng)巷等頂板底板的物理參數(shù)。對煤層表面三角網(wǎng)模型進行建立，選用狄羅尼三角網(wǎng)進行模型建立，狄羅尼三角網(wǎng)具有數(shù)據(jù)處理快及表觀特性及局部更新速度快等優(yōu)點，按照6個刨分準則進行刨分，分別為：最短距離和準則、最大最小角準則、空外接圓準則、面積比準則、張角最大準則，通過高低不同的三角網(wǎng)顯示煤層地質(zhì)表觀特性。同時選用D-TIN-GTP放樣建模法對煤層模型進行生成，利用生成的狄羅尼三角網(wǎng)，找出頂板煤層頂板底板的三角形放樣命令對煤層地質(zhì)模型進行建立。煤層地質(zhì)模型建立流程如圖2所示。如圖2所示可以看出，首先進行模型數(shù)據(jù)點的信息讀取，形成頂板底板三角網(wǎng)，完成三角網(wǎng)建立后對模型生成準則進行驗證，檢查圖形信息對應(yīng)關(guān)系，當(dāng)對應(yīng)關(guān)系不符時，此時重新回到三角形圖元數(shù)據(jù)界面調(diào)整數(shù)據(jù)信息，當(dāng)圖元信息相互對應(yīng)后執(zhí)行放樣命令，此時煤層地質(zhì)模型建立完成。完成煤層模型初步建立后對基于信息融合對模型進行修正，具體步驟大致分為獲取信息、提煉信息、信息分析對比、作出優(yōu)化決策。數(shù)據(jù)融合修正后煤層曲面圖如3所示。完成煤層模型設(shè)定后對模型的預(yù)割煤線進行研究，傳統(tǒng)的記憶割煤技術(shù)在應(yīng)用過程中，常常會受到煤層厚度及煤層傾角變化的影響，此時自動截割的精度將會大大折扣，所以需要對采煤機的預(yù)截割線路進行研究，實現(xiàn)采煤機自動化管理。首先需要對采區(qū)進行統(tǒng)一坐標，通過構(gòu)建的采區(qū)地理信息，將煤層地質(zhì)模型信息與采煤機姿態(tài)位置信息進行融合。根據(jù)采煤機與開采煤層間的空間位置信息及工況環(huán)境，設(shè)定采區(qū)正東方為建立坐標軸的X軸，采取正北方為坐標軸的Y軸，垂直向上方向為坐標軸的Z軸。利用慣性導(dǎo)航技術(shù)進行截割線的確定，慣性導(dǎo)航技術(shù)是通過測量元件得到的線參數(shù)及角參數(shù)計算得出采煤機位置、速度及姿態(tài)位置的一種導(dǎo)航方法，此方法不受到外部信息的干擾，準確、及時、全面定位采煤機的姿態(tài)位置。完成采煤機姿態(tài)位置確定后，利用遺傳算法對割煤線路進行優(yōu)化分析，實現(xiàn)割煤線路的平滑貼合。確保割煤線路與煤巖分界線完美貼合，保證切割準確性，提升礦井開采的經(jīng)濟效益。采煤機優(yōu)化割線結(jié)果如圖4所示。從圖4可以看出，采用遺傳算法可以較好優(yōu)化采煤機的割煤線路。由圖4可以看出，煤層模型頂板曲線和優(yōu)化后的割煤線路有著較大的差異，經(jīng)過優(yōu)化后的曲線平滑。保證了較高的回采率，有效提升了采煤機自動化運行可行性。

3結(jié)語

本文為了研究采煤機自動化管理平臺，對基于機器深度學(xué)習(xí)算法的煤巖識別技術(shù)進行分析，通過煤巖識別結(jié)果圖驗證了機器深度學(xué)習(xí)煤巖識別技術(shù)的優(yōu)越性。同時通過對煤層模型建立及截割線路等進行分析，為采煤機自動化管理技術(shù)實現(xiàn)提供保證，為礦井智能化、自動化工作面建設(shè)作出一定的貢獻。

作者:王治 單位:西山煤電集團有限責(zé)任公司鎮(zhèn)城底礦