基于加速度計的頂煤運移時間測量系統

李增林， 靳舒凱， 劉安強， 張權， 員明濤， 康俊瑄， 楊克虎

（1. 陜西陜煤曹家灘礦業有限公司，陜西 榆林 719001；2. 應急管理部信息研究院，北京 100029；3. 中國礦業大學（北京） 機電與信息工程學院，北京 100083）

0 引言

放頂煤開采技術[1-3]是高效開采厚煤層的重要方法，于1982年引入我國，并在我國得到快速發展。目前，我國放頂煤開采大都采用簡單的單輪順序或間隔放煤工藝，導致放煤過程中煤巖分界面下降極不均勻，矸石會提前竄入煤流，使放煤工誤認為頂煤已經放凈，造成大量的分界面處頂煤損失。即使某些工作面為盡可能多地回收頂煤，不采取“見矸關門”的準則，放出部分矸石以提高頂煤采出率，但會導致煤炭含矸率偏高，影響原煤質量，增加運輸及洗選成本。

為提高頂煤采出率，降低含矸率，諸多新型放煤工藝被廣泛提出，如多口同時放煤、分段逆序放煤、多輪順序放煤[4]等。其中，多輪順序放煤工藝通過增加放煤輪數，使煤巖分界面均勻下降，實現了綜采工作面的頂煤采出率和含矸率的改善。但多輪順序放煤工藝在現場應用時需要對每一輪放煤時間進行精確測定與控制，如何綜合運用多方面的信息來實現智能化精準放煤對于放頂煤開采至關重要。現在大部分工作面還依賴于人工放煤，現場工人通過看和聽來把握放煤過程、煤矸混放過程和放矸過程，無法精準掌控放煤口的開關時機。為精準掌控放煤口開關時機，科研人員以煤矸識別技術[5-8]為核心開展了大量研究。煤矸識別傳感器大多安裝在刮板輸送帶附近，通過傳感器是否識別到刮板輸送帶上的矸石及矸石含量來把握放煤過程、煤矸混放過程和放矸過程，進而掌控放煤口的開關，但在現場應用時存在某些局限，例如基于圖像識別的方法無法解決現場粉塵大導致圖像質量低下無法識別的問題，基于煤矸撞擊聲音識別的方法易受到現場機械噪聲的影響等問題，此類方法均易受到煤層夾矸的影響而提前終止放煤，導致大量資源浪費。

為解決現有技術難以掌控放煤口開關時機的問題，文獻[9]提出了基于頂煤運移跟蹤儀的自動化放煤技術，每個頂煤運移跟蹤儀具有獨立的ID編號及無線發送模塊，并按固定頻率向外發送無線信號，調度室根據接收到的無線信息來確定放煤進程。但在實際應用中，頂煤運移跟蹤儀僅作為標志點安置于頂煤中，無法獲得更多的頂煤運移信息。為此，本文在頂煤運移跟蹤儀的基礎上設計了一種基于加速度計的頂煤運移時間測量系統，通過加速度計獲取標簽的比力值信息，并調用時間測量算法分辨頂煤的放煤進程，得到頂煤運移時間。設計了頂煤運移時間測量標簽（以下簡稱標簽）的軟硬件。由于加速度計采集比力值時誤差較大，搭建了以3D轉臺為核心，Gauss-Newton方法[10-11]為標定算法的標定平臺，完成加速度計的標定工作，使標定后的加速度計能夠精確地采集比力值數據；設計完成基于閾值的時間測量算法與基于LSTM（Long Short-Term Memory，長短期記憶網絡）[12]的時間測量算法，并通過時間測量實驗完成2種時間測量算法的誤差分析。

1 頂煤運移時間測量系統

基于加速度計的頂煤運移時間測量系統包括標簽、采集器及中心計算機3個部分，如圖1所示。通過該系統能夠測量得到每一輪次的頂煤運移時間，指導綜采工作面現場實現多輪順序放煤。

圖1 頂煤運移時間測量系統結構Fig. 1 Structure of top coal migration time measurement system

標簽放置于頂煤內部，放煤過程中跟隨頂煤運動，通過內置的加速度計實時采集比力值數據，并調用時間測量算法（基于閾值的時間測量算法與基于LSTM的時間測量算法），實現頂煤運移情況監測，進而確定不同放煤階段，計算得到不同階段的頂煤運移時間信息；當標簽從放煤口放出后，與刮板輸送帶產生碰撞，通過射頻信號將頂煤運移時間信息向外發送。采集器包括采集器從機和采集器主機，從機安裝在刮板輸送帶兩側，負責接收頂煤運移時間信息的射頻信號并通過現場總線發送給上一級采集器；采集器主機安裝在巷道集控中心，通過現場總線將數據上傳至巷道集控中心計算機；巷道集控中心計算機負責根據接收到的信息確定放煤進程，進而控制電液控制系統，調度室計算機負責同步演示放煤進程，二者通過工業環網相連接。

2 頂煤運移時間測量標簽設計

2.1 硬件設計

標簽需具備實時采集比力值數據的功能，能夠通過無線模塊向外發送頂煤運移時間數據并被采集器接收；需防爆防潮，滿足煤礦本質安全要求，能夠被固定在頂煤中，并隨頂煤向下運動；具備一定的數據存儲功能。根據以上需求完成標簽的設計，設計完成后的標簽由三軸加速度計、電源模塊、控制模塊、通信模塊、存儲模塊等構成，如圖2所示。

圖2 時間測量標簽硬件框圖Fig. 2 Hardware block diagram of time measurement label

控制模塊選擇微處理器STM32L051系列芯片，該芯片功耗低、體積小、反應速度快，具備2 kB的EEPROM。三軸加速度計選擇ADXL345芯片，實時采集x，y，z三軸比力值。通信模塊選擇nRF24L01芯片[13]，用于實現標簽與采集器間的無線通信。存儲模塊選擇FM25W256芯片，與EEPROM共同完成參數、數據的存儲。電源模塊配備3.6 V鋰亞電池，為標簽提供安全且穩定的電壓，搭載MCP1700芯片，提供穩定的3.3 V直流電壓，保證電路的順暢和其他模塊的正常運作。經測試，標簽在全功耗工作模式下可正常工作240 h以上。

標簽外殼采用直徑為4 cm的PVC圓管制成，長為16 cm，防爆防潮。標簽外殼同時設有錨爪結構，用于將標簽固定在煤層鉆孔之中。裝配好的標簽如圖3所示。

圖3 時間測量標簽實物Fig. 3 Material object of time measurement label

2.2 軟件設計

標簽控制模塊采用STM32CubeMX（v6.0.1）和keil uVision5軟件完成設計。STM32CubeMX軟件以HAL庫為基礎，用于完成芯片選型、時鐘配置、管腳配置等設計。在STM32CubeMX生成的工程文件基礎上，采用keil uVision5軟件對標簽功能進行開發。標簽能夠實現實時采集三軸比力值數據、斷電存儲及無線通信、運動時間測量等功能，標簽軟件流程如圖4所示。

圖4 時間測量標簽軟件設計Fig. 4 Time measurement label software design

（1） 各模塊初始化。

（2） 讀片上EEPROM，判斷標簽是否已標定，若未標定，給出標簽未標定指示信號，配合標定平臺進行標定。否則，讀取片上EEPROM內參數并寫入變量。

（3） 進入比力值數據采集狀態并引入變量對原始數據進行修正。

（4） 調用時間測量算法確定頂煤運移時間。

（5） 待標簽與刮板輸送帶產生碰撞，向外發送2.4 G無線信號。

2.3 加速度計標定

比力是載體相對慣性空間的絕對加速度和引力加速度之差。3個線性加速度計垂直安裝可測量三軸比力值矢量，比力值矢量和F即為重力加速度g和運動加速度a的矢量和。

未標定前，ADXL345芯片采集處于不同擺放姿勢下的靜態比力值矢量和F（單位為重力加速度g）曲線如圖5所示。可看出加速度計在未進行標定的情況下，采集到的比力值矢量和存在失真的情況，影響運動階段確定與頂煤運移時間測量。

圖5 未標定加速度計的比力值矢量和F測量曲線Fig. 5 Specific force vector sum F measurement curve of non-calibrated accelerometer

在比力值實際測量過程中存在軸偏移、零偏及刻度失準的情況。比力值矢量和F模長的計算公式為

式中fx，fy，fz為修正后的三軸加速度計比力數據。

式中：sx，sy，sz為比例因子，用于調整三軸加速度計的靈敏度；αyz，αzy， αzx為失準角，用于調整三軸比力數據使其互相垂直；Fx，Fy，Fz為三軸加速度計原始數據；bx，by，bz為靜態偏移量，用于調整靜態三軸比力數據。

因靜止時，比力值矢量和F為重力加速度g，且ADXL345芯片采集到的比力值以g為單位，故靜止時||F|| = 1g，則

為方便表示，將9個修正參數用θ進行替換，Fn代表采集到的第n個姿勢下的靜態比力值矢量和。

f(θ,F)滿足非線性最小二乘法標定方法，采用Gauss-Newton方法對加速度計進行標定。目標函數公式為

標定平臺由3D轉臺、信號接收器和計算機3個部分構成，如圖6所示。3D轉臺有3臺電動機，可獨立實現3個平面的自由旋轉。信號接收器負責接收待標定標簽發送的無線信號。計算機負責接收并記錄比力值數據，調用Gauss-Newton算法計算得到標定后的參數值。

圖6 標定平臺Fig. 6 Calibration platform

標定過程：① 控制3D轉臺使標簽在多個位置下保持靜止，在每一位置采集100組比力值矢量和F數據，求算數平均值作為該位置的比力值矢量和F。② 將多個位置的比力值矢量和F代入Gauss-Newton算法中計算得到標定后的參數值。③ 通過無線模塊將標定后參數值返回標簽中并進行記錄。

標定參數設置見表1。未標定設備雖在數據采集過程中具備一定的采集誤差，但數據仍在合理范圍內，故比例因子sx，sy，sz初始值設為[1 1 1]，失準角 αyz， αzy， αzx用于彌補安裝誤差，初始值設為[0 0 0]，靜態偏移量bx，by，bz用于靜態校準，初始值設為[0 0 0]。標定結果見表2。結果表明，加速度計標定后平均值接近于1，方差接近于0，具有很好的標定效果。

表1 標定參數設置Table 1 Calibration parameter setting

表2 標定前后比力值矢量和F對比Table 2 Comparison of specific force vector sum F before and after calibration

采用標定后的ADXL345芯片重新采集不同擺放姿勢下的標簽的靜態比力值矢量和F，結果如圖7所示。可看出標定后的加速計能夠精確地采集比力值矢量和數據。

圖7 標定前后比力值矢量和F的測量曲線Fig. 7 Specific force vector sum F measurement curve before and after calibration

3 頂煤運移時間測量算法

放頂煤作業開始后，標簽主要受重力影響，隨著頂煤向下運動，標簽在每一輪放煤過程中運動分為4個階段，模擬變化曲線如圖8所示。

圖8 放煤過程中比力值矢量和F模擬曲線Fig. 8 Specific force vector sum F simulating curve in the coal drawing process

階段①：放煤開始前，標簽在頂煤中處于靜止狀態，運動加速度a為0，比力值矢量和F為g。 階段②：放煤開始，標簽隨頂煤主要受重力影響向下運動，且比力值矢量和F處于持續變化的狀態。階段③：當前輪次放煤結束，標簽再次固定在頂煤中，處于靜止狀態，運動加速度a為0，比力值矢量和F為g。階段④：標簽從放煤口放出，與刮板輸送帶產生反復碰撞，比力值矢量和F處于持續變化的狀態。

將標簽由階段①變化為階段②的突變時刻記為t01，將標簽由階段②變化為階段③的突變時刻記為t1r（r=1，2，…，R，R為放煤輪數），將標簽由階段③變化為階段②的突變時刻記為t0r+1，將標簽由階段②變化為階段④的突變時刻記為t1R，標簽第r輪運動時間tr為t1r-t0r，標簽運動時間也為頂煤運移時間。

根據頂煤在放煤過程中的運移特點，本文提出了基于閾值的時間測量算法與基于LSTM的時間測量算法。基于閾值的時間測量算法通過引入靜態閾值識別每一輪次運動起始點時刻t0r，引入最大閾值識別每一輪次運動終止點時刻t1r；基于LSTM的時間測量算法通過識別時域下比力值矢量和的動態變化，捕捉突變點并記錄突變時刻，進而得到每一輪次的運動時間。

3.1 基于閾值的時間測量算法

基于閾值的時間測量算法引入靜態閾值G與最大閾值M識別運動起始點時刻t0r與運動終止點時刻t1r。時間測量流程如下：

（1） 標簽以固定頻率持續讀取比力值矢量和F。

（2） 當F?G時，記錄當前時刻為t0r。

（3） 繼續讀取F，當F＞M時，記錄當前時刻為t1r。

（4） 若F≤M，且滿足F∈G時，認為標簽沒有發生運動，回到步驟（1），清除當前輪次的t0r。

（5） 記錄到t1r后，若連續采集到F∈G，回到步驟（1），令r=r+ 1，準備采集下一輪次運動時間，否則認為標簽已從放煤口放出，啟動通信模塊，向外發送各輪次放煤時間。

靜態閾值的確定通過3個獨立的標簽采集4個不同擺放姿勢下的多組比力值矢量和F，計算平均值得出不同擺放姿勢下靜止時標簽的比力值矢量和F，實驗結果見表3。

表3 時間測量標簽靜止實驗Table 3 Stationary experiment of time measurement label

從表3可看出，標簽處于靜止狀態時采集到的比力值矢量和的變化范圍為0.966 817～1.031 543g。因此，靜態閾值選擇0.9～1.1g即可識別t0r。

最大閾值的確定采用使標簽掉落與地面發生碰撞的方式進行測量，記錄標簽與地面碰撞瞬間采集到的比力值矢量和F，得到多次碰撞下的比力值矢量和F的最小值，實驗結果見表4。可看出標簽與地面產生碰撞時，采集到的最小比力值矢量和F為2.06g。最大閾值設置為2g可識別t1r。

表4 時間測量標簽自由落體實驗Table 4 Free-fall experiment of time measurement label g

時間測量實驗采用3個獨立的標簽，分別進行多組高度為1 m的自由落體實驗，用于檢測時間測量效果，理論下落時間為451.72 ms。實驗結果見表5，通過表5數據計算可得下落時間平均值為510.8 ms，方差為0.000 6，誤差為13.07%，滿足現場頂煤運移時間測量需求。

表5 基于閾值的時間測量算法的測量結果Table 5 Time measurement results of time measurement algorithm based on state threshold ms

3.2 基于LSTM的時間測量算法

LSTM是一種時間循環的神經網絡，解決了一般的RNN（Recurrent Neural Network，循環神經網絡）中存在的長期依賴問題。所有的RNN都具有一種重復神經網絡模塊的鏈式形式，在標準RNN中，這個重復的結構模塊僅有一個非常簡單的結構，例如一個tanh層。而LSTM由于獨特的設計結構能夠更適合于預測和處理時間序列中間隔和延遲非常長的重要事件。

基于LSTM的時間測量原理通過調用訓練好的模型尋找比力值矢量和曲線突變時的采樣點，進而識別并記錄運動起始點時刻t0r與運動終止點時刻t1r。

訓練數據集為標簽在不同姿勢下采集到的共1 000組靜態比力值矢量和，學習率為0.001，批大小為32，最大迭代次數設置為100，LSTM模型訓練過程中損失值變化情況如圖9所示。經過100次迭代，模型收斂，損失值收斂到1.87×10-4。

圖9 損失值變化曲線Fig. 9 Loss value curve

LSTM模型的測試結果如圖10所示，藍色曲線為原始采集比力值矢量和曲線，橙色曲線為調用LSTM模型后，根據比力值矢量和曲線得出的異常識別曲線。可看出，訓練后的模型能夠較好地在曲線突變處做出反應，能夠及時檢測出曲線的變化并用紅色標志點標出。與此同時，程序輸出狀態切換位置：35，37，38，39，44，48，49，50，53，55，56，65，66，67，70，72，73，74，81，82，83，85，86，87，88，89，90，91，100，101，106，110，111，112，115，117，118，127，128，129，132，134，135，136，143，144，145，147，148，149，150，151，152，153，154，155，157，158，159，160，161，162，163，172，173，178。訓練與測試結果表明，LSTM算法能夠較好地判斷標簽是否發生運動及運動狀態是否發生改變，進而識別標簽在放煤過程中的運動階段。

圖10 LSTM算法識別曲線突變點Fig. 10 Mutation points of identification curve based on LSTM algorithm

時間測量實驗采用3個獨立的標簽，分別進行多組高度為1 m的自由落體實驗，用于檢測時間測量效果，實驗結果見表6。理論下落時間為451.72 ms。經計算得到下落時間平均值為475.3 ms，方差為0.000 2，誤差為5.22%，滿足現場頂煤運移時間測量需求。

表6 基于LSTM的時間測量算法的時間測量結果Table 6 Time measurement results of time measurement algorithm based on LSTM algorithm ms

相較于基于閾值的時間測量算法，基于LSTM的時間測量算法具有以下優勢：

（1） 基于閾值的時間測量算法標簽與物體碰撞時的比力值矢量和波動較大，難以確定合適的最大閾值；基于LSTM的時間測量算法采用異常檢測方式檢測比力值矢量和曲線是否出現與靜態時曲線產生差異，能夠及時準確地定位曲線突變位置。

（2） 基于LSTM的時間測量算法在實際應用中，時間數據波動范圍較小，誤差較小。

（3） 基于閾值的時間測量算法在實際應用中，標簽需按照預定好的運動方式運動才能夠得到準確的時間數據；基于LSTM的時間測量算法能夠從異常采樣點觀測標簽的比力值矢量和的變化情況，進而得出標簽的運動情況，根據異常采樣點與采樣時間能夠確定多種運動時間。

4 結論

（1） 設計了頂煤運移時間測量標簽。標簽采用微處理器STM32L051系列芯片，并搭載加速度計等多種模塊，完成了各模塊與微處理器的通信，實現了比力值實時采集、斷電存儲及無線通信等功能。

（2） 采用Gauss-Newton方法完成加速度計的標定工作，標定后的加速度計能夠準確采集標簽的比力值矢量和。

（3） 根據頂煤運移時間測量原理，提出了基于閾值的時間測量算法與基于LSTM的時間測量算法。通過標簽的自由落體實驗完成了2種時間測量算法的性能測試，其中時間測量方差分別為0.000 6、0.000 2，時間測量誤差分別為13.07%、5.22%，滿足現場頂煤運移時間測量需求。通過實驗對比可知，基于LSTM的時間測量算法在頂煤運移時間測量方面時間數據波動范圍較小，誤差較小，可獲取多種運動時間，具有明顯的應用優勢。