基于數字孿生的煤礦智能管控平臺架構研究與實現

肖粲俊,劉紅梅,石發強,鄧從陽,賴 建

(1.成都工業學院 數字孿生實驗室,四川 成都 610031; 2.成都工業學院 礦山智能化研究院,四川 成都 610031;3.成都理工大學 機電工程學院,四川 成都 610059; 4.重慶安標檢測研究院有限公司,重慶 400052;5.四川省川煤科技有限公司,四川 成都 610091)

我國目前的能源現狀是“富煤、貧油、少氣”,因此煤炭仍將長期是我國的主要支撐能源。根據國家統計局官方數據,2021年原煤產量40.7億t,比2020年增長4.7%,比2019年增長5.6%。而隨著“中國制造2025”、德國“工業4.0”、美國“工業互聯網”等第四次工業革命時代的到來,中國煤炭產業的智能建設也將勢在必行[1]。

隨著科學技術的飛速發展,在傳統的機械化開采的基礎上,提出了數字礦山的概念[2-3]。數字礦山是創建在計算機、通信的基礎上,把與煤礦基建、勘探、開發、開采、環境保護、安全預警等與之有關的所有空間數據信息和屬性等進行數字化的存儲、傳輸、表達和應用,而最終目的是盡可能地在更寬、更廣、更深的信息流基礎上實現科學決策[4],并基于準確的連續三維空間數據,將礦井各類系統的數據同步融合,在大數據基礎上利用數字孿生技術使礦井智能化建設變得可行和高效[5]。

1 數字孿生的概念與應用

1.1 數字孿生的概念

早在2002年,美國密歇根大學的GRIEVES教授[6]就給出了數字孿生最初的概念——“虛擬數字化模型等價表達物理產品”,從而進行產品全生命周期管理,這被業界普遍認為是數字孿生的雛形[7]。在2006年又命名其為信息鏡像模型[8-9]。直到2011年,數字孿生的概念才被美國國家航空航天局正式提出[10],并在業界一直沿用至今[11]。德國工業4.0和美國工業互聯網的核心架構中均清楚地指出了數字孿生為關鍵技術[12],LMT(Lockheed Martin Corporation)公司也將數字孿生技術排在了國防和航天工業頂尖技術的首位[13]。更有聞名全球的IT研究與咨詢公司Gartner也將數字孿生技術列入十大戰略科技發展趨勢中[14-15]。

1.2 數字孿生的應用

數字孿生的概念自提出后,航空航天、高端制造等行業開始廣泛應用[16]。同時,煤炭行業也開始了應用。葛世榮等[17]提出了數字孿生智采工作面新系統,通過可視地管控智采工作面生產全周期;吳淼等[18]將數據賦予物理實體,遠程調控系統,完成對掘進機的自主糾偏、障礙感知和自動截割等任務;丁華等[19]結合數字孿生和深度學習,構建了采煤機關鍵零件剩余壽命預測模型,并通過實時監測數據顯示,可實時預測與管理采煤機健康狀態;龔曉燕等[20]搭建了數字孿生智能化通風系統實驗平臺,利用實時監測數據對孿生模型的驅動,完成對巷道數據的采集,通過分析學習,最終達到自主決策和智能調控風流調節裝置的目的。上述研究表明,數字孿生已經在煤礦一些子系統中成功應用,但還沒有學者較為完善地在煤礦整體智能礦山管控平臺中采用數字孿生技術[21]。基于數字孿生的煤礦管控平臺,可以較好解決人、機、環境和管理方面基于三維空間信息的數據使用,因此有必要基于數字孿生技術來實現煤礦的智能管控。

2 基于數字孿生的煤礦智能管控平臺技術架構

2.1 智能礦山建設現狀與要求

煤炭工業自發展以來,先后經歷了炮采、普采和綜采階段,目前已達到工作面的三機聯動和遠程控制的水平,在采、掘、機、運、通等多方面基本實現自動化。國家八部委已經明確發布指導意見,要求煤炭行業全面開展智能化建設,2021年在71座煤礦進行試點,到2025年要求大型礦井全面實現智能化。但要完成產業的全面智能化升級,還存在一些問題:信息孤島現象嚴重;缺乏信息化標準和頂層設計;缺乏多學科交叉應用;系統融合、數據共享深度不夠;沒有基于三維連續地理信息的礦井“電子沙盤”。

根據國家八部委發布的《關于加快煤礦智能化發展的指導意見》,建設智能礦山應包含信息網絡、地質安全、自主掘進、智能綜采、自動運輸等十大部分。智能管控平臺屬于第一部分信息網絡建設,要求其具備數據服務、算法模型和工具庫、集中控制和協同指揮等功能。

2.2 智能礦山建設整體架構

礦山智能化要在礦山自動化和信息化的基礎上進行建設,總體要考慮數據流程和控制流程正反兩個方向。通過數據采集、傳輸、存儲、計算、分析、決策,最后將控制信息逆向下發執行。整個流程共分為6個層級:

1)智能感知層。基于物聯網、視頻監控、傳感器等技術,完成對位置、設備、環境、視頻、其他邊緣等數據的感知與實時采集。

2)智能連接層。以萬兆工業以太網為核心建立井下環網,以4G/5G和WiFi6為無線網補充,實現井下、井上全網覆蓋,保障數據傳輸帶寬與速度。

3)智能承載層。主要依托于云技術,實現對礦井數據的計算、分析、儲存、傳輸、保護和管理。

4)智能融合層。主要包括數據底座、融合集成和數據治理,實現數據的智能融合。

5)智能分析層。利用學習算法建立安全、設備、生產、位置、視頻等多專業多類型數據應用模型,形成模型工廠。這是智能礦山建設的大腦,也是利用礦井全面數據將行業從自動化升級到智能化的核心內容。

6)智能應用層。通過對上述數據的采集、傳輸、處理、計算,以及融合和分析后,在煤礦安全、生產、保障和經營各方面實現落地應用,從而全面實現煤礦智能化。

智能礦山建設整體架構如圖1所示。

圖1 智能礦山建設整體架構

2.3 基于數字孿生的煤礦智能管控平臺架構設計

信息技術與煤礦生產的不斷融合,推動煤礦生產全面升級,并向數字化轉型,形成了充分認知、信息交互、主動預測、協調管理的智能系統。利用數字孿生建立煤礦智能管控平臺,賦予數據空間維度信息,驅動數字模型與物理模型同步映射,客觀地描述物理實體在整個生命周期的狀態和軌跡。煤礦智能管控平臺根據數字化、智能化和自動化的理念進行構思,融合數據信息,包括基礎支撐系統、生產計劃與服務系統、智能工作系統、礦井安全監測系統、綜合管理系統。

1)基礎支撐系統。主要包括基礎硬件環境、軟件環境、網絡環境、無線通信技術、GIS空間、UWB精確定位等系統,以及供電供水和一些基礎設備。同時,利用數字孿生基座實現透明地質也是基礎支撐系統的重要內容。利用地質物探、地爆等少量離散數據特征擬合地層曲面,生成連續地質數據,并結合貝葉斯推理技術,將地質知識和地質規則轉換為約束條件,實現地質曲面模型重構。通過上述曲面擬合,建立地質層的連續三維數據模型,實現透明地質孿生體的建立。

2)生產計劃與服務系統。主要是基于生產任務指令,針對生產情況設置年開采計劃、季開采計劃和月開采計劃,進行實時產量、綜合態勢,以及銷售情況等數據的顯示,并通過監測終端傳來的數據對生產計劃進行調整,間接檢驗工程質量水平,縮小生產計劃與實際生產的差距。同時,還應針對性地提供服務,根據生產任務合理開采煤炭資源,降低對環境的破壞。這是整個煤礦智能管控平臺的動力部分。

3)智能工作系統。主要包括綜采工作面生產系統、掘進、主運輸、輔運輸、集控、供液供電、通風、水處理、智能供暖、洗選、監控、運行規則和知識等,協同聯動人員、設備、環境,使整個工作系統完全可視化,復現在數字工作面上,實現物理工作面和數字工作面的實時映射,再將工作數據進行儲存、計算、分析與應用,便于實現智能化控制。同時,井下車輛具備自動駕駛、自動放礦、自動識別障礙物、自動報警等功能,有效縮減作業現場人數、改善井下工作環境、提高設備工作壽命、實現礦山高水平管理、保障礦井施工安全。各工作過程有條不紊地運行,是整個煤礦智能管控平臺的核心。

4)礦井安全監測系統。設置有應急廣播、監控預警、智能定位、通信聯絡、應急自救、壓風供水施救、礦壓、頂板環網等功能模塊。具體到對預警次數的統計及緊急程度、預警類型、預警時間和狀態的監控,完成在井下作業面與運輸面等場所的環境監測,若監測到有溫度、濕度、瓦斯濃度等異常或突發情況,則啟動員工逃災路線規劃等智能化礦井安全預警方案。并對現有爆破、落礦、搗碎、運輸和堆存等作業環節的設備進行革新,使其更加安全、有效工作,進一步為生產服務。各生產環節融會貫通、相輔相成,化解礦山風險隱患,增強體系安全,是整個煤礦智能管控平臺的關鍵。

5)綜合管理系統。主要包括人員、設備、環境、生產、規則,以及管理各方面在內的綜合管理系統,比如將其人員進行統計和分類,人員統計包括機電運輸科、綜采隊、安全監察科、綜掘隊、通風科、輪轂車隊、礦領導和其他;人員情況包括全部人員、井下人員、帶班領導、值班領導等。在生產的各個環節中使用傳感器獲取各類相關信息,比如生產信息、監測數據、設備運行狀況、作業人員情況,以及相關管理信息等,再利用大數據平臺進行分析,集安全作業、高效生產、綠色環保、可持續發展等理念于一體,實現綜合管理,使整個平臺持續運作,為生產高效化服務,是整個煤礦智能管控平臺的保障。

基于數字孿生的煤礦智能管控平臺架構如圖2所示。

圖2 煤礦智能管控平臺架構

3 關鍵技術與實現案例

3.1 關鍵技術

數字孿生賦能煤礦開采、掘進、運輸、洗選、實時監測、綜合管理、環境保護等全生命周期,實現礦山全產業數字化、全狀態透明化、管理決策智能化。為了構建數字化虛擬空間并實現上述目標,需要結合建模、GIS、仿真等基礎支撐技術,通過平臺化的架構進行融合,搭建從物理礦山到數字礦山的信息交互閉環。

3.1.1 建模

建模是指將物理世界的對象進行數字化和模型化的過程,將抽象的對象簡化后再進行模型化,使其模型能被網絡和計算機識別。數字孿生中的建模需要完成從多領域、多學科、多角度出發的模型融合,以實現物理對象各自組織特征的全面刻畫,包括其固有屬性。此外還包括復現實體對象的狀態、模擬在現實世界里的行為、分析物理對象的未來發展趨勢,實現虛擬對象與物理對象的實時同步。

3.1.2 GIS

GIS是多學科、多系統交叉融合的產物,也是一種提供實時地理動態信息的計算機技術系統,負責地理信息相關研究和決策。GIS在礦業界主要體現在礦山的專業信息系統方面的應用,比如礦山三維地理學模擬和地理學信息的本體論等方面。基于GIS技術賦予三維建模的整個流程如圖3所示。

圖3 基于GIS的三維建模流程示意圖

由圖3可知,其工作滿足了整個數字礦山的三維尺寸要求,利用所有信息完成接觸和拓撲處理的局部分析,創建三維尺寸模型并完成分析和其他功能。

3.1.3 仿真

數字孿生對物理實體狀態的感知與分析主要是通過仿真來實現的,可以優化物理實體和自身的數字模型。仿真不只包含構建物理對象的數字模型,還需要通過分析當前狀態下的定律和機制來推斷物理對象的發展趨勢,其過程如圖4所示。

圖4 仿真過程示意圖

由圖4可見,仿真可以進行與煤礦綜合機械化采掘設備在自然地理環境下協同的三維科學計算與可視化環境下模擬演示,煤礦綜合機械化采掘工作面的全系統離線模擬,包括煤礦綜合機械化采掘設備截割路線自主設計、煤層和地層模型的即時調整、動力學和有限元分析、工程軟件相互融合、配套使用,以及分析獲得的監控參數能否即時反映仿真數據等。

3.1.4 數據驅動模型

孿生數據作為煤礦智能管控平臺的紐帶,具有完善效果的作用,云平臺的自主決策通過現場狀態數據驅動實現,直接調控運行參數使其保持最佳的狀態。并且孿生數據還是直接控制數字孿生的基礎,由實體數據、虛擬數據、信息數據、服務數據和融合衍生數據等構成。實體數據主要來源于各種傳感裝置,如設備運行情況、裝置數據、材料參數等;虛擬數據包括物理實體整個生命周期的模型數據,以及各類仿真數據;信息數據指煤礦開采過程中的一些工藝、標準和規則數據;服務數據由功能型數據和服務型數據組成,具體涉及算法、模型和生產管理、市場分析等;融合衍生數據指對所有數據加以轉換、處理和集成之后得到的復雜數據。

3.1.5 實時映射

數字孿生需要透明化、數字化,即計算機可直接識別并處理數據,進行相應管理,用以表示具有抽象變量的物理世界,其中包含外形、性質等內在關系的表示方法,以便進行對物理實體內容的數學虛擬刻畫。現實世界的產品、信息和固有屬性也將同步在虛擬世界中,而虛擬世界中的模型和信息也將與過程應用實現互動。給過程應用注入激勵,就能獲得包括優化、檢測、模擬、控制、分析等豐富信息的工程數據。數字孿生技術要求構建物理礦山的數字化模型,實現兩者的實時演化、數據融合和信息互聯,兩者關系如圖5所示。

圖5 實時映射關系示意圖

由圖5可知,通過傳感器獲取數據,孿生體能清晰、同步地反映物理目標的相應變化,如形狀、特性、位移和異常等。如果能夠滿足這種情況,這種同步映射關系可以持續到從設計、生產、運營到報廢的全生命周期,孿生體應隨孿生對象生命周期進程而不斷演進、更新。

3.2 實現案例

提出的基于數字孿生的煤礦智能管控平臺已在山西霍爾辛赫煤礦、貴州百卡煤礦進行實際應用。霍爾辛赫煤礦基于數字孿生實現了全礦井的礦壓和萬兆環網等系統的實時監控;在百卡煤礦實現了全礦井采、掘、機、運、通等多專業的全面實時監控、重要設備遠程控制和多系統智能化聯動功能。集井上工業區、井下工作區于一體,通過融合井下安全檢測、人員定位、綜采、綜掘、候車、壓風、通風、供電、排水、視頻監控等系統數據,實現人—機—環全面信息感應、融合、監測,形成“一圖感知”,為管理者提供決策支持。初步建立采—運、瓦斯—通風、安全—人員定位等智能決策模型,實現系統智能聯動。系統部分功能如圖6所示。

(a)霍爾辛赫煤礦地面園區管理

(b)霍爾辛赫煤礦萬兆環網實時監控

(c)百卡煤礦高精度人員定位管理

(d)百卡煤礦智能綜采管理

(e)百卡煤礦智能通風管理

(f)百卡煤礦遠程集控

4 結束語

為達到礦山設備智能化、數據信息可視化、采礦流程信息透明化、開采現場無人化、礦井環境低損化的效果,在傳統的煤礦綜采基礎上借助數字孿生技術,搭建煤礦智能管控平臺,成功破解了基本信息數字化、生產流程虛擬化、綜合管控一體化,以及決策分析融合化等技術難題。在實際生產中驗證了煤礦智能管控平臺的實用性,能夠大幅度提高生產效率,降低礦井重大安全事故發生概率。這也將促進煤礦領域逐步向智能化、無人化發展。