基于物聯網遠程集中監控系統的煤礦掘進設備運行狀態研究

王利欣，李 波，胡成軍，劉 賓

(中煤(天津)地下工程智能研究院有限公司，天津 300131)

煤礦掘進裝備在煤礦挖掘、開采等生產環節中占據著重要地位，任何工藝開采過程都離不開挖進裝備，因而煤礦掘進裝備運行狀態的好壞往往會對煤礦生產的效益造成影響[1-2]。一般來說，氣候條件、作業條件、設備故障、人員素質、外界因素等多種條件都會對煤礦掘進裝備的運行狀況造成制約，這就會導致煤礦掘進裝備在不同情況下會出現不同的狀態，所以為了能夠有效地利用煤礦掘進裝備實行煤礦開采工作，需要對利用物聯網遠程集中監控煤礦掘進裝備運行狀態展開詳細研究。

有的研究者設計出一個電能計量設備，利用該設備監測周邊環境溫度，再對配電網直流偏磁實行檢測，并采用二次回路電流測量方法完成煤礦掘進裝備在不同情況下的運行狀態監測，從而獲取最終監測結果。該方法具有較強的實用性及可靠性，在今后利用物聯網遠程集中監控煤礦掘進裝備運行狀態方法中有著良好的發展前景[3]。還有研究者對電路的主要構成、工作原理、工作流程等實行了詳細分析，根據分析結果利用設計的傳感器開展性能測試，依據測試結果得知設計的傳感器所消耗的功能較低，更利于對電路信號的采集、分析，基于這一特點，利用傳感器對設備運行狀態實行監測，以此取得不同情況下的設備運行狀態[4]。其余研究者建立了監測系統并把監測到的設備數據存儲到系統內，利用MOLAP對存儲數據實行分析及篩選，通過建立的設備監測數學模型，利用該模型對設備狀態展開在線監測，以此獲取設備運行狀態[5]。

在以上幾種方法的基礎上，提出基于物聯網遠程集中監控的煤礦掘進裝備運行狀態方法。

1 遠程集中監控煤礦掘進裝備系統設計

煤礦掘進裝備的運行狀態主要依靠物聯網遠程集中監控獲取而成[6]，所以為了能夠有效地監測到煤礦掘進裝備的運行狀態，需要建立一個物聯網遠程監控系統?；谏鲜龇治觯O計的物聯網遠程集中監控系統如圖1所示。

圖1 物聯網遠程集中監控系統總體框架Fig.1 Overall framework of the remote centralized monitoring system of the Internet of Things

由圖1可知，該系統部署在地方的煤管局，分為煤炭集團內部網與數據中心、云監控聯網服務器。在架設的云服務器上設計云監控平臺，利用物聯網遠程監控系統，集成煤礦掘進裝備運行狀態數據，并上傳到數據中心。物聯網遠程集中監控系統不僅只對監測的煤礦掘進裝備運行數據實行存儲[7-9]，還能夠對煤礦掘進裝備歷史數據及實時監控數據實行存儲，具有較強的兼容性。數據存儲到云監控聯網服務器后，能夠自動備份監測到的數據信息，避免監測數據出現數據丟失的現象，當系統數據出現故障時，該系統還可以自動對數據實行恢復。并可在云監控聯網服務器對煤礦掘進裝備運行狀態數據進行分析，判定裝備運行安全。

在云監控平臺中分別設置連接終端、礦數據中心、礦辦公網和內網網段。其中連接終端分別連接的是煤礦掘進設備，用于采集設備狀態數據，匯總后存儲到礦數據中心。通過采集到的煤礦掘進裝備運行狀態信息及存儲的歷史數據可以為后續數據分析提供重要的數據支撐，以此挖掘出煤礦掘進裝備運行潛能，能夠更好地監測出掘進裝備在不同情況下的運行狀態，使其能夠更好地實行煤礦開采工作。

礦辦公網分別設計了工程師工作站、綜合顯示和調度指揮顯示大屏。內網網段分別設置了生產監控、安全監控、人員定位的功能。設計的物聯網遠程集中監控系統與現實技術、虛擬現實技術相結合[10-12]，能夠對監測到的煤礦掘進裝備的挖掘過程實行動畫再現，主要利用調度指揮顯示大屏幕對挖掘環境實行顯示，該系統具備可視化及便攜性。

2 硬件部分

采集煤礦掘進設備運行狀態的硬件部分由連接終端、服務器、傳感器等。傳感器主要有振動、溫度傳感器，實時監測煤礦掘進設備溫度及振動信號，經過連接終端對信號進行采集，通過GPRS模塊將信號傳輸給服務器，對煤礦掘進設備運行狀態數據實時開展遠程診斷。

利用物聯網遠程監控系統監測到的煤礦掘進裝備數據，該系統可以對監測數據實行數據采集、數據傳輸、數據存儲及數據分析等操作。在存儲數據時，需要引入一個Web服務器，其參數見表1。

表1 Web服務器參數Tab.1 Web server parameter

該系統采用嵌入式技術設立一個數據庫，數據庫版本為SQL Server 2020。以數據庫為基礎存儲系統監測到的數據信息。基于云計算技術對物聯網遠程監控系統私有云實行設立，依據獲取的系統數據信息對其進行分析計算。連接終端與服務器通過GPRS模塊連接，實現運行狀態數據的傳輸、處理、接收、存儲等功能。GPRS模塊的型號為USR- GPRS730。自帶的RS232+485串口擁有較好的集成功能[13-14]。并配置了6 KB數據緩存，確保數據傳輸的穩定性。串口的數據傳輸單元DTU可以實現雙向網絡數據傳輸，配置的GPRS數據接收傳輸編寫語言為VB。

3 軟件實現流程

根據建立的物聯網遠程集中監控系統及煤礦掘進裝備結構組成分析，采用設計的系統對不同情況下的煤礦掘進裝備運行狀態實行監測軟件設計。具體的軟件實現流程如圖2所示。

圖2 煤礦掘進裝備監測系統軟件實現流程Fig.2 Software realization process of coal mine tunneling equipment monitoring system

4 實例分析

4.1 煤礦掘進裝備運行監測

選取一個生產礦山，利用物聯網遠程集中監控系統對礦山掘進裝備進行實時監測，掘進裝備工作狀態如圖3所示。

圖3 煤礦掘進裝備工作狀態Fig.3 Working status of coal mine tunneling equipment

以不同時期的掘進裝備運行動態用作作業指標，例如生產量、運轉時間、故障事件等。由于歷史記錄不能及時對煤礦掘進裝備運行狀態展開實際反應，所以需要對其實行轉換，通過現場記錄直觀地對掘進裝備運行情況反映，具體見表2。根據表2與表3的煤礦掘進裝備運行情況及運行能力的統計結果，對其實行處理和轉換，以煤礦掘進裝備的設備類型，將轉換后的現場設備運行數據輸入到物聯網遠程集中監控系統數據表中，以此形成掘進裝備運行動態數據庫。其轉換后的煤礦掘進裝備作業數據結構指標見表4、表5。

表2 挖掘裝備運行狀況Tab.2 Operation status of excavation equipment

表3 掘進裝備能力統計Tab.3 Statistics on the capacity of tunneling equipment

表4 現場煤礦掘進裝備作業指標記錄Tab.4 Operation index records of on-site coal mine excavation equipment

表5 現場煤礦掘進裝備作業指標記錄Tab.5 Operation index records of on-site coal mine excavation equipment

表4以月份為單位記錄了煤礦掘進裝備作業記錄，根據不同月份下的煤礦掘進裝備統計分析，獲取不同情況下的煤礦掘進裝備運行狀態。

(1)礦井斷面掘進情況下。煤礦掘進裝備在礦井斷面中開展掘進工作時，分別有3種運行狀態：縱向掘進運動狀態、截割頭橫向擺動及縱向擺動等。煤礦掘進裝備在現場破巖時，需要在礦井斷面中實行鉆孔掘進及擺動破巖的操作。實行鉆孔掘進期間，掘進機的截割頭[14-15]需要以垂直斷面的方式向礦井斷面推進運動，這樣操作下截割頭頭體部分會以兩種運行狀態前行，分別是繞自身旋轉狀態和懸臂推動狀態。但在掘進機頭體上的截齒整體運動狀態卻與截割頭相反，在做旋轉運動的同時還會展現出復合運動狀態。

(2)掘進裝備水平破碎煤巖情況下。煤礦掘進裝備處于破碎煤巖情況下，會花費大量的時間在破巖上，此時掘進裝備屬于水平擺動運行狀態，掘進機的截割頭體及懸臂[16-17]會持續處于推進擺動的運行狀態。由于頭體上的截齒與截割頭、懸臂的位置不同，所以截齒運行旋轉狀態時[18]還會跟隨截割頭的擺動呈現出擺動及旋轉的疊加運動狀態。當運動參數隨著掘進裝備運動動作而產生變化時，掘進裝備的運動軌跡、運動速度也會隨之發生變化。

(3)掘進裝備垂直破碎煤巖情況下。煤礦掘進裝備開展垂直破碎煤巖時，會以繞軸線為中心，做出定軸旋轉運動及橫向擺動相疊加的疊加運動。煤礦掘進裝備中，回轉轉臺是掘進裝備懸臂頭體的中心，利用回轉轉臺帶動懸臂頭體向煤巖實行破巖運動[19-20]，從而完成垂直破巖。針對掘進裝備垂直破碎煤巖的運行狀態，對掘進裝備中的截齒展開運動學分析，設置掘進裝備的截齒靜坐標系標記為o-abc，截齒頭部末端的動坐標系標記為o-a′b′c′，并以回轉轉臺用作原點，那么煤礦掘進裝備的截齒實行垂直破巖運動時，它的運動動靜坐標關系如圖4所示。

圖4 煤礦掘進機截齒動靜坐標關系Fig.4 Dynamic and static coordinate relationship of coal mine tunneling machine

根據圖4中的煤礦掘進機截齒動靜坐標關系圖，得知掘進機在垂直破碎煤巖情況下的運動狀態。基于上述監測的不同情況下的煤礦掘進裝備運行狀態，實現利用物聯網遠程集中監控煤礦掘進裝備運行狀態的研究。

4.2 性能測試

為了驗證利用物聯網遠程集中監控煤礦掘進裝備運行狀態方法的整體有效性，需要對該方法實行實驗對比測試。

(1)采用本文所提方法建立的物聯網遠程集中監控系統對煤礦掘進裝備實行實驗測試，以此驗證該系統的監測效果。利用本文所提方法分別對煤礦掘進裝備的最大啟動電流、加速電流平均值及減速電流平均值3個指標實行監測[21-23]，并將監測結果與實際結果對比，從而驗證本文所提方法的監測可靠性。具體測試結果見表6—表8。采用本文所提方法在相同時間下對不同掘進裝備指標開展監測對比測試，由表6—表8中的數據可知，本文所提方法監測到掘進機最大啟動電流時，監測結果與實際結果相同且沒有誤差。本文所提方法對掘進機加速電流平均值、減速電流平均值實行監測時，所監測到的數據與實際結果存有少許誤差，且相差較小，由此可見本文所提方法的監測加、減速電流平均值時，誤差小，精度高。這主要是因為本文所提方法所建立的物聯網遠程監控系統能夠對監測到的數據實行分析、處理，以此提升了監測效率，增強了監測精度。

表6 最大啟動電流監測效果測試Tab.6 Maximum starting current monitoring effect test

表7 加速電流平均值監測效果測試Tab.7 Monitoring effect test of average value of accelerating current

表8 減速段電流平均值監測效果Tab.8 Monitoring effect of the average value of deceleration current

(2)利用本文所提方法對煤礦掘進裝備運行狀態實行監測時，其監測速度的快慢決定了整體監測效率的好壞[24-25]，因而采用本文所提方法對掘進裝備運行狀態實行監測用時測試。在開展實驗測試前，設定1個閾值，若本文所提方法在測試期間沒有超出設定閾值，則說明本文所提方法的監測用時短，監測效率高。煤礦掘進裝備運行狀態監測用時測試結果如圖5所示。

根據圖5中的數據發現，本文所提方法的監測用時距離設定閾值之間的距離相差較大。同時本文所提方法隨著運行參數的變化僅在5 s內完成監測，可見本文所提方法的監測耗時少、監測效率高。

5 結語

煤礦掘進裝備的運行狀態決定著煤礦生產結果，針對監控煤礦掘進裝備運行狀態方法存在的問題，提出利用物聯網遠程集中監控煤礦掘進裝備運行狀態方法。該方法利用設計的物聯網監控系統對煤礦掘進裝備在不同情況下的運行狀態實行監測，從而獲取最終監測結果。該方法具有較強的實用性及可靠性，在今后利用物聯網遠程集中監控煤礦掘進裝備運行狀態方法中有著良好的發展前景。