綜采機電設備智能化管控平臺研究與應用

秦澤宇，王偉濤，馮銀輝，崔 耀，王建兵，王 帥

(北京天瑪智控科技股份有限公司，北京市順義區，101399)

0 引言

近年來，煤礦智能化建設成為主旋律，人工智能、5G工業物聯網等先進技術在煤礦建設中得到了應用[1-2]。然而，傳統的煤礦設備生產管理模式與智能化系統的生產運營不相適應，無法滿足智能化開采模式的生產管理要求[3]。煤礦生產設備的管理水平直接影響著設備的運行狀況和生產安全，良好的設備管理可以最大限度地減少設備故障和事故的發生，保證煤礦正常穩定地生產。通過對關鍵設備的精細化管理，合理制定設備運行方案和生產計劃，可以最大限度地發揮設備性能，減少空載率和故障停產時間，優化生產效率。合理的設備管理和運行可以最大限度地發揮設備的性能和功能，減少過度維修和更換，實現資源的節約與再生利用。因此，探索智能化設備管理的應用方法、開展綜采機電設備智能化管理平臺研究、構建智能化設備管控平臺具有重要意義。

1 綜采機電設備管理現狀

傳統綜采機電設備管理模式過度依賴人工巡檢和維修，這使得管理效率低下、反應遲緩、管理粒度較粗，難以實現對綜采機電設備的精細化管理與調度，進而導致資源浪費現象嚴重。同時，不同裝備管理人員的專業水平和管理方式存在較大差異，管理質量難以保證，導致標準化程度較低。此外，各個煤礦企業內部的數據難以共享與整合，更難以實現跨企業的數據互換與復用，導致大量寶貴的數據資源得不到有效利用[4]。

隨著井下物聯網技術的廣泛應用和不斷成熟，大數據和人工智能技術為綜采機電設備管理帶來重大機遇，采用現代信息技術可以對大量設備實現自動監測、狀態評估、故障預測和智能調度，釋放人工資源，降低管理成本，同時提高管理效率、準確性和標準化程度，實現自動化和智能化管理。結合煤礦生產實際信息，還可以針對性優化設備的使用方案以及煤礦開采工藝和流程，最大限度地提高生產效率和經濟效益[5]。與此同時，煤礦企業還面臨技術難度大、人才缺乏、數據基礎薄弱以及管理理念轉變緩慢等挑戰。

傳統裝備管理方式存在高成本、低效率、難以適應智能化煤礦高效、清潔、安全的生產要求，亟需利用現代信息通信技術，建立自動化和智能化的管理系統，以彌補傳統管理方式的不足，實現綜采機電設備的智能化管理。北京天瑪智控科技股份有限公司(以下簡稱“天瑪智控”)應用相關技術與管理理念，不斷推進智能化產品迭代升級，研發出綜采機電設備智能化管控平臺。該平臺管理過程具備自學習與智能決策能力，使煤礦企業的裝備管理實現跨越式發展。

2 綜采機電設備智能化管控平臺構建

綜采機電設備智能化管控平臺是實現機電設備精細化管理的關鍵。通過工業物聯網，該平臺能夠實現對關鍵設備運行狀態進行實時采集與監測，利用大數據分析與人工智能技術構建設備管理智能模型，實現高效診斷與精準預測，為企業生產運行提供決策支持[6-7]。綜采機電設備智能化管控平臺架構如圖1所示。

圖1 綜采機電設備智能化管控平臺架構

(1)設備層。該層提供了綜采工作面的基礎工況信息，在綜采機電設備上安裝不同類型的傳感器，可以監測設備的振動、溫度、壓力、流量、高度、角度、行程等關鍵參數信息，將這些信息采集到設備的控制器系統中，并通過物聯網實現數據通信。

(2)數據采集層。該層主要的目標是以EtherNet/IP協議為基礎，統一數據通信傳輸標準。將CAN、OPC UA、RS422、Modbus等協議轉化為EtherNet/IP協議，按照《煤礦綜采工作面機電設備EtherNet/IP通信接口和協議》行業標準傳輸數據，構建了物聯網信息管理系統。井下工業物聯網結合通訊協議標準對設備控制和監測數據進行采集、存儲、管理和應用，實現設備間統一的信息傳遞和互聯互通[8]。

(3)控制層。該層主要負責對運行設備進行實時監測和控制，采集各類傳感器產生的振動、壓力、溫度、轉速、功率等運行參數，采用響應式交互操作方式，構建標準化的工作面智能化開采集控平臺，實現對設備工作狀況的全面感知和協同控制[9]。

(4)業務層。該層是工礦數據處理與應用的重要環節，主要負責對原始采集數據進行數據清洗，并依據業務需要構建智能化故障診斷與預警模型。利用專家知識與機器學習技術對監測數據進行分析，判斷裝備當前狀態與潛在故障模式，實現高精度診斷。同時，通過跟蹤監測參數變化趨勢與比較信號間差異，預測裝備未來一定期間內的工作狀況，確定預警等級與生成預警信息。該層可為設備運行自動化率、狀態、故障診斷等方面提供重要的技術支撐。

(5)展示層。該層主要包括數字孿生與仿真系統、知識與決策支持系統、移動互聯系統等。數字孿生與仿真系統能夠構建設備的虛擬模型，并在數字空間下模擬裝備工作過程，驗證不同控制策略，并將最優策略下達至實體裝備，實現數字與實體的協同優化[10]。知識與決策支持系統通過知識圖譜與規則引擎，整合專家經驗與管理知識，為管理者提供最佳的維保決策支持，實現知識驅動管理[11]。移動互聯系統利用移動互聯網技術實現管理系統的信息化集成，通過PC端與移動端相結合，實現對管理系統的全方位監控與運維，提高管理效率。該層的核心目標是以直觀清晰的方式將綜采工作面的生產工藝和設備運行狀態展示給用戶，為指導生產提供重要的依據。

3 綜采機電設備的數據采集

3.1 基于傳感器技術的礦用機電設備狀態監測

傳感器技術在綜采機電設備狀態監測中有廣泛應用，實現了對設備運行狀態的精細化檢測與評估，增強了煤礦管控系統對井下工況環境的感知能力，為實現精益管理與故障預測提供重要技術支撐[12]。

在綜采機電設備上安裝不同類型的傳感器，可以監測設備的振動、溫度、壓力、流量、高度、角度、行程等關鍵參數信息，結合參數變化規律與趨勢分析判斷設備的工作狀態和故障模式，實現對設備運行狀況的實時檢測與評估。采用超帶寬技術(UWB)，紅外線傳感器可以識別設備和人員的位置，用于安全閉鎖和開采狀態評估。在重要區域布設監控攝像頭，實時采集設備運行視頻圖像，然后基于視頻內容進行煤巖識別、煤矸識別和視頻拼接，分析設備生產狀態、性能和故障。傳感器采集的數據信息通過井下物聯網實時傳輸到監控中心與綜采機電設備智能化管控平臺，這對延長設備使用壽命、提高設備安全生產水平具有重要意義[13-14]。

3.2 基于井下物聯網技術的裝備數據采集

井下物聯網技術實現了綜采機電設備的通信互聯和信息交互，為智能管理提供重要基礎。通過部署礦用傳感器、監控設備和通信網絡，采用基于EtherNet/IP通訊協議的物聯網技術可以自動監測設備，獲取運行參數和狀態信息，并實現信息的實時采集、傳輸與集成。物聯網平臺還支持遠程控制與操作、協議轉換等功能，這使得管理系統可以基于采集的數據進行狀態評估、故障預測與診斷，并作出智能決策，實現無人值守管理，摒除了人工監測的部分主觀性，提高了管理的自動化和智能化。礦用工業網物聯網系統架構如圖2所示。

圖2 礦用工業網物聯網系統架構

井下工業物聯網技術作為機電設備監測與自動化管理的關鍵一環，構建了一個信息感知與采集網絡，實現了多源異構信息的融合，這為管理系統進行智能決策與優化提供基礎。這種技術手段的廣泛應用將大幅提升綜采機電設備管理的智能化水平。

4 綜采機電設備的動態監測和故障預測

4.1 基于大數據和機器學習的設備異常檢測方法

大數據與機器學習技術為設備異常監測與故障預警提供有力工具。通過分析設備的歷史運行數據，采用K-means、DBSCAN、SVM、神經網絡等機器學習方法，可以發現數據之間的內在關聯與聚類規律，并建立數據模型。煤礦工業物聯網實時上傳的設備數據通過聚類、神經網絡等模型，分析設備的故障特征并找出符合設備故障征兆的數據，從而提高故障診斷系統的辨識度，實現對設備狀況的實時監測與預警[15]。

4.2 基于規則的專家系統和基于模型的智能系統

基于規則的專家系統依靠人工制定的規則進行判斷，易理解但規則難以保證完備，適用于問題空間較小的場景[16]。而基于模型的智能系統利用大數據訓練的模型自動發現數據關系，判斷效果好且持續學習能力強，但模型不易理解，要求數據量較大[17]。2種方法各有優勢，可以相互補充。在實際應用中，通常將兩者結合，先使用專家規則對異常數據進行初篩，然后采用數據驅動的智能模型進行精確判斷，這可以提高系統的可理解性與判斷精度。同時，專家規則也可用于指導模型訓練與修正模型判斷結果。這種融合方法綜合利用了人工智能技術與經驗驅動的方法，可以發揮兩者的優勢，實現對異常檢測與故障診斷的高效準確判斷。

基于規則的專家系統與基于模型的智能系統融合應用于設備智能管理時，需要擁有復雜的業務知識模型與大量歷史運行數據。這也將有利于管理系統的透明度與可調節性，更加符合企業實際應用需求，是未來設備管理技術發展的方向之一。

4.3 關鍵設備的運行狀態評估與健康管理

關鍵設備的運行狀態評估與健康管理需要采取綜合的技術手段與方法。通過傳感器采集各類運行數據，結合參數提取、閾值判斷、趨勢分析與知識診斷等方法進行狀態評估，然后根據評估結果制定設備的維修保養計劃，提高管理的針對性與有效性，實現對生產設備的精細化調度與優化配置，這對企業生產組織與經濟效益具有重要意義[18]。設備運行監測系統界面如圖3所示。

圖4 設備運行監測系統界面

5 綜采機電設備智能調度與優化

5.1 基于設備狀態和生產任務的智能調度方法

生產設備狀態與任務之間存在復雜的相互依賴關系，如何實現兩者的協調配合，達到安全高效生產，一直是煤礦企業生產管理的核心問題。通過分析傳感器監測關鍵設備運行參數，并利用多目標優化、狀態預測、模擬仿真與深度學習技術，可以預測設備未來狀況，綜合判斷設備狀況與生產要求，生成最優的設備與任務動態配比方案。這種智能調度方式可以最大限度發揮設備與工藝的性能，優化設備運行參數，隨著應用場景進行自適應控制。

基于設備狀態和生產任務的智能調度方法，北京天瑪智控科技股份有限公司研發了自主割煤系統。該系統利用巡檢機器人搭載三維激光掃描設備進行全工作面三維激光掃描，并通過拼接、坐標轉換等方法，建立與三維地質模型空間統一的全工作面點云模型，實現采場與開采設備位置信息動態融合關聯，并結合傳感器數據，提高設備測量和姿態定位精度。利用三維模型動態校正算法對開采模型的執行結果驗證并優化，輸出截割指導信息，使綜采裝備可智能決策和自主執行，實現適應煤層條件的智能化開采[19]。通過地面遠程規劃截割的數據分析和井下截割模板功能開發部署，模擬規劃截割20余刀，頂底板規劃曲線與實際人工作業曲線對比，最佳匹配率達75%，最低匹配率33%。因此，加快關鍵設備與生產任務協同調度技術的研發與應用、建立智能調度系統，是煤礦企業實現生產數字化轉型、提高管理水平的重要舉措。自主割煤系統界面如圖5所示。

5.2 設備協同工作與生產過程協同優化

通過采集生產過程與設備多源異構數據，并運用大數據分析與人工智能技術，可以發現數據之間的內在關聯，實現對生產過程與設備的深入理解。

基于數據驅動，可以構建煤礦生產的數字孿生系統，并在數字空間中模擬生產組織形式與設備協作方式，優化生產方案和控制策略。這使得生產管理從事后排查逐步發展為事前仿真與預測，管理由被動變為主動。生成的最優方案可以下發至實體生產系統，實現虛擬空間與實物空間的有效銜接，這極大提高了生產組織的科學性與準確性。通過多智能體協同算法，可以根據設備性能與工作狀態建立起設備之間的互動機制。各設備可以根據工作情況主動調整運行方案，相互配合完成生產任務，可以大幅提高系統的靈活性與魯棒性，使系統實現全面優化。數字孿生系統界面如圖6所示。

圖6 數字孿生系統界面

實現裝備協同與生產過程協同，使得生產設備、工序乃至整個系統之間實現深度融合，生產組織變得極其靈活與智能。這必將使煤礦企業生產系統發生革命性變化，實現由追求效率最大化到系統最優運行的跨越[20]。天瑪智控研發了“三機”協同數字孿生系統，構建了“三機”協同工藝模型。以時間軸為基準，以設備傳感器信息為參數，串聯采煤機、液壓支架動作事件，事件涵蓋要素包括事件名稱、動作執行對象、動作指令、指令持續時間、采煤機位置變化等。

6 應用情況

天瑪智控通過應用智能化和物聯網的技術手段，構建了綜采機電設備智能化管控平臺，實現了對關鍵綜采機電設備的狀態監測、故障預測、壽命評估與精細化管理等功能。2020-2023年，綜采機電設備智能化管控平臺相關技術成果先后應用到國能神東煤炭集團有限責任公司的上灣、榆家梁、保德等煤礦，幫助企業提高了設備管理的智能化和科學性，對企業安全生產與降本增效具有重要作用。

(1)構建了EtherNet/IP的物聯網信息管理系統，制定了綜采機電設備的統一數據傳輸規范，與國能神東煤炭集團有限責任公司共同編制了11項《煤礦綜采工作面機電設備EtherNet/IP通信接口和協議》行業標準。該系統共計采集并處理了9.4億條數據，創建103個業務數據倉庫，提供了統一的數據服務API接口。

(2)研發綜采工作智能化LongwallMind6.0集控平臺，可運行在Linux/Windows/Docker等主流平臺，交互操作響應性小于50 ms，形成了一套完整、全面、標準化的綜采工作面智能化開采集控平臺軟件。

(3)基于大數據和機器學習技術，研發了采煤機故障診斷模型，該模型可以提前30～90 min識別出采煤機在工作過程的異常狀況。基于規則的專家系統構建了78條專家經驗模型，實現從紙面上的業務知識到數字化的轉型升級。

(4)數字孿生系統通過煤礦開采的真實生產日志進行仿真試驗，采煤機搖臂傾角平均誤差為2.3°，液壓支架升柱角度平均誤差為0.14°及行程平均誤差為6.3 mm，所構建的數字孿生模型可以正確反映實際生產過程的真實狀態，與真實裝備符合一致性要求，仿真結果與真實記錄接近，驗證了數字孿生模型的正確性和準確性。

7 結語

智能傳感器、人工智能、大數據與云計算等技術進步迅速，這為構建綜采機電設備智能化管理平臺奠定了基礎。企業應抓住機遇，加大投入力度，推進管理創新，加速智能化系統的應用。未來，隨著工業4.0的推動，智能制造與裝備管理相關標準逐漸完善，這對煤礦行業轉型升級具有重要作用。在實際應用過程中，智能化管理平臺依然面臨一定問題，但隨著技術發展、標準進步和政策支持，這些問題將逐步解決，實現智能化轉型升級。