液壓支架自動(dòng)化后人工調(diào)控策略推薦系統(tǒng)

張 凱

(山西高河能源有限公司, 山西 長(zhǎng)治 047100)

近年來(lái)國(guó)家大力推行煤礦智能化建設(shè),構(gòu)建了煤礦智能化發(fā)展架構(gòu)。現(xiàn)有煤礦智能化采煤工作面大多采用自動(dòng)化+人工調(diào)控的開(kāi)采模式,液壓支架自動(dòng)跟機(jī)結(jié)束后,人工通過(guò)現(xiàn)場(chǎng)觀測(cè)跟機(jī)效果并進(jìn)行手動(dòng)調(diào)控,這種人機(jī)協(xié)同的工作方式存在無(wú)序性、低效性的問(wèn)題[1]. 針對(duì)工作面自動(dòng)跟機(jī)技術(shù),文獻(xiàn)[2]對(duì)采煤機(jī)、液壓支架和刮板輸送機(jī)聯(lián)合運(yùn)行時(shí)的協(xié)同控制流程進(jìn)行了研究,建立了綜采工作面中部液壓支架的跟機(jī)自動(dòng)控制的數(shù)學(xué)模型;文獻(xiàn)[3]提出了綜采跟機(jī)工藝數(shù)字孿生系統(tǒng)技術(shù)路線,系統(tǒng)結(jié)合預(yù)演無(wú)誤的跟機(jī)工藝統(tǒng)籌下發(fā)工藝調(diào)度指令,克服了因井下空間不足導(dǎo)致控制器算力有限的局限性;文獻(xiàn)[4]對(duì)已有的自動(dòng)跟機(jī)控制體系結(jié)構(gòu)進(jìn)行優(yōu)化,建立了液壓支架跟機(jī)數(shù)學(xué)模型,并對(duì)其進(jìn)行分析,得到了液壓支架跟機(jī)移架實(shí)際時(shí)長(zhǎng)的計(jì)算模型;文獻(xiàn)[5]根據(jù)綜采工作面普遍采用的割煤工藝的特性,介紹了一種包括中部、機(jī)頭、機(jī)尾跟機(jī)自動(dòng)化3個(gè)環(huán)節(jié)的液壓支架自動(dòng)跟機(jī)技術(shù);文獻(xiàn)[6]研究了基于雙層優(yōu)化思想的液壓支架跟機(jī)行為動(dòng)作類(lèi)型排序與速度調(diào)節(jié)方法,建立了基于自適應(yīng)采煤機(jī)速度與液壓系統(tǒng)壓力的多目標(biāo)導(dǎo)向下的液壓支架跟隨行為智能決策模型,實(shí)現(xiàn)了對(duì)供液與支架運(yùn)動(dòng)協(xié)調(diào)的整體優(yōu)化控制,文獻(xiàn)[7]建立了工作面中部液壓支架集群自動(dòng)化后人工調(diào)控決策模型來(lái)判別液壓支架自動(dòng)化后動(dòng)作不達(dá)標(biāo)液壓支架架號(hào)。上述研究主要從液壓支架自動(dòng)跟機(jī)的角度出發(fā),通過(guò)建立數(shù)學(xué)模型實(shí)現(xiàn)自動(dòng)跟機(jī)從而滿足現(xiàn)場(chǎng)生產(chǎn)需求,但當(dāng)前綜采工作面自動(dòng)化系統(tǒng)是以過(guò)程化控制為核心,自動(dòng)化后人工調(diào)控工況變化頻繁,且數(shù)學(xué)模型的應(yīng)用缺乏對(duì)生產(chǎn)過(guò)程中液壓支架自動(dòng)化后人工調(diào)控工況的知識(shí)發(fā)現(xiàn),不利于現(xiàn)場(chǎng)工人快速判斷需要進(jìn)行人工調(diào)控的液壓支架架號(hào)。

因此,在文獻(xiàn)的基礎(chǔ)上進(jìn)行了現(xiàn)場(chǎng)應(yīng)用系統(tǒng)開(kāi)發(fā),并觀測(cè)現(xiàn)場(chǎng)應(yīng)用實(shí)施效果,通過(guò)人工智能技術(shù)檢測(cè)來(lái)代替人工判斷液壓支架自動(dòng)化后的狀態(tài),構(gòu)建液壓支架自動(dòng)化后人工調(diào)控決策系統(tǒng)對(duì)整個(gè)液壓支架自動(dòng)跟機(jī)過(guò)程中每一架液壓支架進(jìn)行判斷,從而快速調(diào)整位姿不合適的液壓支架,對(duì)實(shí)際生產(chǎn)過(guò)程中的人工干預(yù)工況進(jìn)行知識(shí)發(fā)現(xiàn),實(shí)現(xiàn)對(duì)人工干預(yù)生產(chǎn)時(shí)的工況信息有效表達(dá),提升整個(gè)綜采工作面的生產(chǎn)效率。

1 液壓支架自動(dòng)化后人工調(diào)控決策系統(tǒng)設(shè)計(jì)

1.1 決策方法

液壓支架自動(dòng)化后人工調(diào)控決策系統(tǒng)旨在判別自動(dòng)化后動(dòng)作不達(dá)標(biāo)液壓支架架號(hào),對(duì)自動(dòng)化后人工調(diào)控工況進(jìn)行知識(shí)發(fā)現(xiàn)與邏輯推理,將自動(dòng)化后液壓支架利用工況分類(lèi)模型進(jìn)行工況分類(lèi),找出人工調(diào)控液壓支架架號(hào)后,根據(jù)輸出的控制策略進(jìn)行快速準(zhǔn)確地調(diào)控。液壓支架自動(dòng)化后人工調(diào)控決策系統(tǒng)由液壓支架自動(dòng)化后工況分類(lèi)模型構(gòu)成,該模型負(fù)責(zé)實(shí)時(shí)判斷液壓支架自動(dòng)跟機(jī)完成后是否需要人工調(diào)控,最終形成自動(dòng)跟機(jī)完成后需人工調(diào)控液壓支架架號(hào)的建議,幫助工人快速定位和高效完成調(diào)控操作,同時(shí)是否執(zhí)行完成反饋回決策系統(tǒng),用于修正模型。液壓支架自動(dòng)化后人工調(diào)控策略推薦技術(shù)思路見(jiàn)圖1.

圖1 液壓支架自動(dòng)化后人工調(diào)控策略推薦技術(shù)思路

1.2 系統(tǒng)架構(gòu)設(shè)計(jì)

依據(jù)決策系統(tǒng)的模型推演與程序運(yùn)行需求,結(jié)合高河煤礦現(xiàn)有管控平臺(tái),現(xiàn)場(chǎng)井下工作面與數(shù)據(jù)傳輸方式需求,采用“云-邊-端”架構(gòu)技術(shù),研發(fā)液壓支架自動(dòng)化后人工調(diào)控決策,分為設(shè)備層、邊緣層與應(yīng)用分析層,系統(tǒng)架構(gòu)圖見(jiàn)圖2.

圖2 液壓支架自動(dòng)化后人工調(diào)控策略推薦系統(tǒng)總體架構(gòu)

設(shè)備層將井下綜采工作面液壓支架所匯集的傳感器與采煤機(jī)位置慣導(dǎo)信息通過(guò)萬(wàn)兆工業(yè)環(huán)網(wǎng)與OPC服務(wù)器傳入邊緣層,由井下綜采工作面集控中心InfluxDB數(shù)據(jù)庫(kù)實(shí)現(xiàn)數(shù)據(jù)的高效存儲(chǔ)、備份與保護(hù),之后調(diào)用數(shù)據(jù)庫(kù)中海量現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行液壓支架群自動(dòng)化后人工調(diào)控決策模型推理,結(jié)果通過(guò)Python算法進(jìn)行邏輯計(jì)算,將控制策略推送至人機(jī)交互界面和端部控制器中。而應(yīng)用分析層通過(guò)可視化界面宏觀數(shù)據(jù)可視化分析、評(píng)價(jià)與測(cè)試,利用控制節(jié)點(diǎn)將訓(xùn)練模型更替或下沉至設(shè)備層,從而實(shí)現(xiàn)全局性的系統(tǒng)決策與大數(shù)據(jù)分析。

2 液壓支架自動(dòng)化后人工調(diào)控決策系統(tǒng)開(kāi)發(fā)

2.1 模型構(gòu)建

在采礦工藝、煤礦智能化理論知識(shí)及人工操作經(jīng)驗(yàn)等采礦行業(yè)專家知識(shí)的基礎(chǔ)上,利用大數(shù)據(jù)挖掘技術(shù)分析綜采工作面歷史數(shù)據(jù)(包括設(shè)備傳感器數(shù)據(jù)、執(zhí)行器數(shù)據(jù)及數(shù)據(jù)對(duì)應(yīng)的時(shí)間戳)中蘊(yùn)含的知識(shí)、規(guī)律、規(guī)則等,結(jié)合液壓支架電液控系統(tǒng)的自動(dòng)化功能及其實(shí)際生產(chǎn)過(guò)程,提出液壓支架群自動(dòng)化后工況辨識(shí)-控制決策問(wèn)題,以問(wèn)題為導(dǎo)向,提出分類(lèi)建模,即建立分類(lèi)模型判斷液壓支架自動(dòng)化后是否需要人工調(diào)控操作。

液壓支架自動(dòng)化后人工調(diào)控決策建模流程[7]見(jiàn)圖3,對(duì)原始采煤機(jī)位置、液壓支架推移油缸行程和液壓支架動(dòng)作數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理、特征工程后,確定該模型輸入液壓支架架號(hào)、自動(dòng)跟機(jī)前后推移油缸行程變化量、自動(dòng)跟機(jī)拉架距離、采煤機(jī)位置與被判斷支架號(hào)差值絕對(duì)值和所屬類(lèi)別5組數(shù)據(jù),利用ID3決策樹(shù)算法對(duì)劃分好的訓(xùn)練集構(gòu)建分類(lèi)模型,利用現(xiàn)場(chǎng)生產(chǎn)數(shù)據(jù)進(jìn)行分類(lèi)效果的評(píng)價(jià)。模型輸出為正常工況的液壓支架架號(hào)與需人工調(diào)控工況的液壓支架架號(hào)。

圖3 液壓支架自動(dòng)化后人工調(diào)控決策模型建模流程[7]

在高河煤礦井下生產(chǎn)實(shí)際運(yùn)行中,調(diào)用現(xiàn)場(chǎng)InfluxDB數(shù)據(jù)庫(kù)40 d中采集的4952個(gè)樣本,對(duì)異常值、缺失值處理后的數(shù)據(jù)按照推移油缸行程變化量、自動(dòng)跟機(jī)拉架距離和采煤機(jī)位置數(shù)據(jù)與被判斷支架號(hào)差值絕對(duì)值進(jìn)行標(biāo)準(zhǔn)化處理,并對(duì)每種數(shù)據(jù)進(jìn)行時(shí)間排序,初步篩選出的15 d質(zhì)量較好的895個(gè)自動(dòng)化后人工調(diào)控工況樣本作為模型實(shí)例化的樣本集,將樣本集按照比例8∶2劃分訓(xùn)練集和測(cè)試集并進(jìn)行測(cè)試,二分類(lèi)模型對(duì)于在正常工況分類(lèi)準(zhǔn)確率為98.47%,需人工調(diào)控工況的分類(lèi)準(zhǔn)確率為87.53%,可以得出決策樹(shù)分類(lèi)算法的泛化能力與擬合能力好,分類(lèi)效果佳。再綜合考慮誤差要求、算法輕量化等因素,決策樹(shù)算法效果最好且最為適用。

2.2 應(yīng)用APP界面開(kāi)發(fā)

高河煤礦使用python開(kāi)發(fā)了液壓支架群自動(dòng)化后人工調(diào)節(jié)決策軟件,界面見(jiàn)圖4、5,主要包含了綜采工作面主要生產(chǎn)設(shè)備,整個(gè)綜采工作面液壓支架的24 h立柱壓力熱力圖,數(shù)據(jù)時(shí)間選擇模塊,采煤機(jī)實(shí)時(shí)位置顯示等。

圖4 系統(tǒng)應(yīng)用APP主界面

主界面通過(guò)輸入時(shí)間節(jié)點(diǎn),系統(tǒng)自主從InfluxDB數(shù)據(jù)庫(kù)中抽取出原始數(shù)據(jù),對(duì)每一架液壓支架數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,計(jì)算結(jié)束后需要人工調(diào)控的液壓支架會(huì)被標(biāo)紅框,見(jiàn)圖4,點(diǎn)擊每個(gè)液壓支架會(huì)有液壓支架自動(dòng)化后人工調(diào)控策略建議彈窗,見(jiàn)圖5,其中彈窗內(nèi)有液壓支架人工調(diào)控策略建議模塊、液壓支架自動(dòng)跟機(jī)控制指標(biāo)模塊與液壓支架關(guān)鍵數(shù)據(jù)歷史曲線模塊,對(duì)操作類(lèi)型、操作參數(shù)、自動(dòng)跟機(jī)控制指標(biāo)、推移行程曲線圖、位置時(shí)差曲線圖與壓力曲線圖進(jìn)行具體顯示并由系統(tǒng)自動(dòng)給出是否需要人工調(diào)控建議。當(dāng)完成人工調(diào)控后,操作員需要在是否已完成人工調(diào)控“是”前面打“√”,完成后主界面被標(biāo)紅的液壓支架會(huì)恢復(fù)正常狀態(tài)。

圖5 系統(tǒng)應(yīng)用APP子界面

3 系統(tǒng)現(xiàn)場(chǎng)應(yīng)用

根據(jù)液壓支架群自動(dòng)化后人工調(diào)控決策平臺(tái)“云-邊-端”架構(gòu),融合PLC、CAN通訊、組態(tài)界面開(kāi)發(fā)等關(guān)鍵技術(shù)與工具,依托山西潞安集團(tuán)高河煤礦綜采工作面裝備群作為端部系統(tǒng),上位機(jī)組態(tài)界面作為邊部系統(tǒng),在集控中心部署液壓支架群自動(dòng)化后人工調(diào)控系統(tǒng)軟件,作為云部系統(tǒng)。

3.1 現(xiàn)場(chǎng)系統(tǒng)部署

液壓支架自動(dòng)化后人工調(diào)控決策平臺(tái)于2023年在山西潞安集團(tuán)高河煤礦綜采工作面完成了系統(tǒng)部署。將平臺(tái)部署在井下的集控中心運(yùn)行,有標(biāo)注需人工調(diào)控液壓支架,實(shí)時(shí)監(jiān)測(cè)采煤機(jī)位置,查看攝像頭實(shí)時(shí)視頻,高河煤礦實(shí)時(shí)數(shù)據(jù)通過(guò)搭建的OPC服務(wù)器采集到的液壓支架手動(dòng)動(dòng)作數(shù)據(jù)、液壓支架立柱壓力數(shù)據(jù)、液壓支架壓力、液壓支架油缸行程數(shù)據(jù)等工作面實(shí)時(shí)數(shù)據(jù),通過(guò)OPC客戶端將服務(wù)器采集到現(xiàn)場(chǎng)工作面的大量數(shù)據(jù)通過(guò)煤礦工業(yè)環(huán)網(wǎng)存儲(chǔ)并備份在InfluxDB數(shù)據(jù)庫(kù)中。

同時(shí)將井下攝像頭的實(shí)時(shí)視頻接入液壓支架自動(dòng)化后人工調(diào)控決策平臺(tái),更有利于觀察液壓支架的自動(dòng)跟機(jī)情況。液壓支架自動(dòng)化后人工調(diào)控決策平臺(tái)打開(kāi)后自動(dòng)運(yùn)行,并可以將模型推理結(jié)果保存至InfluxDB數(shù)據(jù)庫(kù),便于與實(shí)際工況進(jìn)行對(duì)比,判斷模型推理結(jié)果是否準(zhǔn)確,進(jìn)而修正模型。

3.2 應(yīng)用效果

通過(guò)井下實(shí)際運(yùn)行,結(jié)合液壓支架自動(dòng)化后人工調(diào)控決策平臺(tái)運(yùn)行情況,驗(yàn)證了液壓支架自動(dòng)化后人工調(diào)控決策平臺(tái)的可行性與準(zhǔn)確性,能快速與準(zhǔn)確地找出液壓支架自動(dòng)跟機(jī)過(guò)程發(fā)生的丟架、直線度不滿足生產(chǎn)要求等異常工況,實(shí)現(xiàn)液壓支架自動(dòng)化后自動(dòng)生成人工操作策略,決策準(zhǔn)確率達(dá)90%以上,加快了人工調(diào)控的時(shí)間。液壓支架自動(dòng)化后人工調(diào)控決策平臺(tái)還會(huì)進(jìn)一步完善,升級(jí),實(shí)現(xiàn)把決策結(jié)果直接下發(fā)至液壓支架電液控制器,進(jìn)行自動(dòng)調(diào)控的目標(biāo),提升工作面的生產(chǎn)效率。

4 結(jié) 語(yǔ)

山西潞安集團(tuán)高河煤礦綜采工作面液壓支架自動(dòng)化后人工調(diào)控決策平臺(tái)以綜采工作面的真實(shí)生產(chǎn)數(shù)據(jù)為基礎(chǔ),利用數(shù)據(jù)挖掘技術(shù)找到自動(dòng)化后人工干預(yù)控制規(guī)律與3個(gè)特征值,建立基于決策樹(shù)算法的智采工作面液壓支架集群自動(dòng)化后工況分類(lèi)模型與決策平臺(tái),實(shí)現(xiàn)實(shí)時(shí)工效驅(qū)動(dòng)的液壓支架自動(dòng)化后人工調(diào)控智能決策模型技術(shù)應(yīng)用與液壓支架自動(dòng)化后控制效果的自動(dòng)識(shí)別和人工干預(yù)策略的自動(dòng)推薦。相比煤礦傳統(tǒng)人工巡檢工作面后進(jìn)行人工調(diào)控決策,巡檢工能夠通過(guò)相對(duì)便捷、簡(jiǎn)易的交互式操作查看可視化數(shù)據(jù),獲取能夠進(jìn)行工況判別的足夠信息,更好地解決綜采設(shè)備自適應(yīng)能力較差,尤其是液壓支架的自適應(yīng)跟機(jī)問(wèn)題,幫助工人快速高效地完成調(diào)控工作,縮短人工調(diào)控時(shí)間,降低工作強(qiáng)度,進(jìn)而減少災(zāi)害發(fā)生與人員傷亡,建立安全高效的現(xiàn)代化煤礦,實(shí)現(xiàn)減人提效的安全生產(chǎn)。