郑嘉璐，鲁 杰,2，张望杰

(1.山西大同大学 煤炭工程学院，山西 大同 037003；2.中国矿业大学 矿业工程学院，江苏 徐州 221116)

煤炭是我国的基础能源，2020年，我国能源消费总量49.8亿t标准煤，原煤产量38.4亿t，约占一次能源生产总量56.8%；根据中国工程院相关报告预测：到2030年，煤炭在我国能源结构中所占比例为50%；直至2050年，仍将以40%的占比高居榜首[1]。

在“双碳”背景下，煤矿智能化已势在必行。2020年，国家发展改革委等八部委联合印发的《关于加快煤矿智能化发展的指导意见》要求，到2025年，大型煤矿和灾害严重煤矿基本实现智能化；到2035年，各类煤矿基本实现智能化[2]。煤矿智能化是指在原有数字化建设的基础上将工业物联网、云计算、大数据、人工智能、自动控制、机器人、移动互联网、智能装备等与煤炭开发技术与装备进行深度融合，形成井下环境的全面自主感知、各设备的高效自主决策和协同控制、故障实时诊断预测、灾害动态预测预警的煤矿智能系统，实现矿井地质保障、采掘(剥)、主辅运输、通风、排水、供电、安全保障、分选运输、生产经营管理等全过程的智能化运行[3-4]。煤炭开采以井工开采为主，综采工作面环境较为恶劣且易发生片帮、冒顶、煤与瓦斯突出、冲击地压等一系列煤矿灾害。此外，我国煤炭企业从业人员多数年龄较大，煤矿井下的恶劣环境和危险性无法吸引新鲜血液的涌入，招工难的问题连年攀升，且叠加的人力成本也呈逐年上升趋势。因此，煤矿智能化是煤炭产业技术发展持续创新的需要也是采煤产业发展史的必然规律。综采工作面作为煤矿井下易产生安全事故的区域，它的智能化发展是实现煤矿智能化的重要一步，也是实现煤矿井下少人则安、无人则安，煤炭资源高效绿色开采的重要举措。

近年来，随着人工智能、机器学习、双目视觉、5G、大数据等先进技术的发展和应用，我国各大煤矿也积极和国内先进厂商合作，进一步加快煤矿智能化建设的进程，尤其在综采工作面各机械设备智能化方面有很大突破。笔者以综采工作面采煤机、液压支架、刮板输送机的智能化技术为核心，从理论研究和实际应用方面对各设备运用的关键技术进行介绍，在提出自己看法的同时对综采工作面“三机”的智能化发展趋势进行了展望。

1 采煤机智能化发展现状

采煤机作为煤矿智能化建设中的核心设备，有关采煤机的智能化建设已取得很大进展，截至2020年底，我国已有494个煤炭开采工作面实现了以采煤机记忆截割为主，辅以人工干预的智能化采煤工作面[5]。山西省阳煤集团的新元矿、山西焦煤西山煤电集团公司马兰矿等一些智能化矿井已先后实现了采煤机的记忆截割和远程控制。

采煤机记忆截割是指起初通过工人靠视力观测和截割噪声识别煤岩分界，进行人工操作示范割煤，然后采煤机记忆截割系统对采煤机在工作面各位置运行参数和运行状态进行记忆，然后根据记忆数据进行重复自动截割。由于采煤工作面在采掘过程中存在粉尘多、噪音大、能见度低等现状，人工识别难以实时准确地判断煤岩分界，及时做出调控，且在采煤机记忆完相关截割数据进行自动截割时，工作面顶底部高度变化曲线会随着工作面推进而动态变化，这就需要在进行记忆割煤时进行人工实时干预，对采煤机截割数据进行调整，并实时刷新记忆数据，进行下一轮记忆截割。若要实现不需要人工干预的自主截割，就需要采煤机的煤岩识别、高精度的定位和定姿技术。

1.1 采煤机煤岩识别技术

目前，煤岩识别技术主要有基于切割载荷识别技术、基于煤岩物性识别技术、基于岩层扫描识别技术三种。基于截割载荷识别技术是通过监测采煤机滚筒上的镐形截齿在截割煤或岩时，所受的反作用力的大小来判断煤岩状态，该方法有助于识别煤岩但不适用于所有采煤工艺，且截齿损耗较大；基于煤岩物性识别技术是采用机器视觉，利用煤与岩石在图像特征上的不同进行煤与岩石的识别，该方法采用的CCD相机易受粉尘、水渍的污损，影响图像质量，导致识别不精准；基于岩层扫描识别技术的太赫兹光谱识别法可快速识别煤岩界面，且不与煤岩直接接触，在未来具有很好的应用前景。

1.2 采煤机定位技术

采煤机定位技术主要有红外传感定位、超声波定位、惯性导航定位和采煤机融合定位。

红外传感定位是通过装在液压支柱上的接收装置接收安装在采煤机上的发射装置不断发射的红外信号，并运用定位算法实现采煤机的定位[6]。该方法易出现多个接收器同时接收到信号的现象，且红外收发装置比较脆弱且易受到工作面粉尘、水汽等恶劣环境的影响，定位精度较低。超声波定位法是将接收发装置安装在桥式转载机的小桥上，在采煤机运行过程中，以采煤机为监测对象发送超声波，接收装置通过接收采煤机端部反射回来的超声波进行系统处理确定采煤机的位置[7]。此方法的优势在于不用和被测物体直接接触且方向性好、强度容易控制，缺点是在矿井环境较为恶劣且回采工作面较长时，超声波随着距离的增加会大幅衰减或无法接收到回波，定位时会产生较大误差或定位失败。惯性导航定位通过陀螺仪和加速度计来实时测算采煤机的3个转动角速度和线性加速度，然后依次通过坐标变换和高速积分运算获得采煤机的姿态、速度、航向等信息[8]。该方法具有自主性强、可靠性高等优点。但惯性导航定位方法易产生累计误差和位置漂移，且定位精度受采煤机运行时长的影响较大。

针对上述几种方法的优势和不足，文献[9]提出了采用捷联惯导系统(Strapdown Inertial Navigation System,SINS)和其他传感器融合的定位方法，如图1所示。

图1 采煤机组合定位

该方法将惯性导航和多传感器获得的信息通过高速解算获得采煤机的运动和滚筒截割轨迹，并通过用户数据报协议传输至数据存储与处理系统，随后该系统将二者的轨迹数据点和综采工作面的煤层三维模型顶底板数据绘制在同一个“东北天”坐标系中，来确定采煤机在综采工作面中的精确位置信息。此方法在工作面倾角10.16°的中斜煤层进行定位实验，定位误差小于50 mm，满足采煤机的精准定位需求，具有良好的发展前景。

1.3 采煤机姿态检测技术

采煤机的姿态信息是完成其自主截割和滚筒自适应调高的重要依据，姿态检测作为采煤机走向智能化的一个重要环节，主要采用倾角传感器或惯性导航装置，其中惯性导航装置可与其他先进技术进行融合，同时提供采煤机的位置和姿态信息，发展前景十分广阔。

针对采煤机姿态检测问题，文献[10]提出了基于地理信息系统的采煤机定姿技术。该方法通过地理信息系统和惯性导航装置实时获取的采煤机位置和姿态信息，确定采煤机滚筒在工作面的具体位置信息，但该方法使用的惯性测量装置易产生误差累积，且震波存在频散性、叠加干涉等问题，无法获取采煤机精确姿态信息。

吴刚[11]从采煤机捷联惯导基本原理出发，建立能够求解SINS系统状态的最优估计卡尔曼滤波方程组，并对捷联惯导系统的惯性误差、初始对准误差及安装误差进行一一补偿。对受采煤机振动产生累计误差和位置漂移的光纤陀螺仪和加速度计对捷联惯性导航精度的影响，建立了采煤机振动力学模型，仿真获取了采煤机整机的振动响应特征，对采煤机振动产生的圆锥误差和划船误差进行了有效的抑制，并进一步提出了旋转调制误差自补偿技术，对陀螺仪产生的零偏漂移进行了完全消除。经过现场实验，该种方法显著提高了采煤机姿态感知精度。

2 液压支架智能化发展现状

液压支架作为直接影响煤矿安全的综采工作面的重要设备，其智能化发展对整个综采工作面的智能化尤为重要，液压支架的智能化发展主要集中在姿态感知、自主跟机移架等方面。

2.1 液压支架姿态监测技术

液压支架姿态信息的获取是实现液压支架一切控制的基础，液压支架的不合理支护姿态会影响液压支架的稳定性和有关零件的使用寿命，造成支护隐患，危及工作面安全。由于综采工作面通常需要支架群组进行支护，在支架群组运动时，若获得的姿态信息存在误差，易产生倾斜、咬架等情况，因此液压支架姿态的精确检测和动作的精准控制对液压支架的智能化控制十分重要。

目前液压支架主要通过在护帮板、顶梁、后连杆、掩护梁及底座分别安装双轴倾角传感器，利用传感器所获得的数据通过公式反解出支架的工作姿态[12-13]，各传感器的安装位置如图2所示。该方法具有物理架构简单，易于管理等优点，但在井下恶劣环境下，倾角传感器的监测精度会产生较大的误差且倾角传感器只能对液压支架实现二维状态监测，无法满足支架的三维姿态信息监测需求。

图2 液压支架倾角传感器安装位置

王亚飞[14]提出了一种多角度融合算法，该方法采用倾角传感器和陀螺仪同时测量液压支架的姿态角，并将测量角度转换为计算角度，通过多角度平均值算法对液压支架的姿态进行解析。然后通过液压支架记忆姿态监测方法，运用灰色马尔科夫理论将传感器测量角度与预测角度的误差进行分析，提高了液压支架的姿态监测精确性和实时性。但由于井下环境复杂，底板多是高低起伏的状态，利用灰色马尔科夫计算的预测姿态仅考虑到底板平整的情况，在实际应用中误差较大，尚处于理论研究阶段。

文献[15]提出了一种基于深度视觉原理的液压支架支撑高度与顶梁姿态角测量方法，该方法采用双目视觉相机RGB-D、ORB算法和FLANN算法获取液压支架底座的相关信息，根据ICP模型和液压支架姿态视觉测量模型设计相关算法，实现对液压支架的高度和顶梁姿态角的测量。该方法测量精度高、稳定性好，是人工智能技术应用于综采工作面的一项突破，具有广阔的发展前景。

2.2 液压支架自动跟机技术

液压支架自动跟机控制技术是将“三机”看作一个整体，依据采煤机的位置信息并结合综采工作面的顶底板条件和采煤工艺，实现液压支架根据自身所处采煤机的位置自主进行收伸支护顶板、移拉架、推溜、调整伸缩梁等一系列跟机动作。

液压支架跟机控制技术的核心点在于根据采煤机位置确定相应位置支架动作，目前主要有两种方式实现此功能。一是通过根据采煤机参量为工作面当中的每一台支架建立相应的规则库，实现支架群组根据采煤机位置和方向信息按照预先设定的规则准确连续地做出相应的支护动作。该方法采用计算机网络进行控制，使支架控制更加安全和灵活，但由于综采工作面煤岩状态和机器运行状态时刻保持动态变化，按照预先设定的规则进行跟机移架会产生较大的误差。二是根据综采工作面的采煤方法和“三机”协调控制的过程建立刮板输送机弯曲段数学模型和跟机自动控制的数学模型，实现液压支架的自动跟机[16]。该方式提高了采煤效率，为液压支架跟机自动化提供了理论基础，但由于无法根据回采过程中环境的变化进行自主调整，易造成推溜和移架不到位的情况，需要人工校正。液压支架自动跟机控制技术虽取得了较大进展，提高了采煤工作效率，但仍无法根据环境变化和本身姿态的变化自动跟机调整，因此液压支架的环境自适应跟机控制是未来液压支架智能化发展的重要方向。

3 刮板输送机智能化发展现状

3.1 刮板输送机的智能调速技术

在智能化采煤工作面中，刮板输送机通过和采煤机协同作业完成采煤和运煤的任务，这就需要刮板输送机根据采煤机的割煤速度和割煤量进行调速，目前刮板输送机的主流调速方式是通过可编程逻辑控制器和变频控制器来实现，两者通过Profibus-DP通讯协议进行双向通信，完成对刮板输送机速度的调节。该方法具有控制系统简单、稳定性高等优点，但在实际工作环境中会出现煤壁坍塌、大块煤突然掉落等现象，当出现负载突然增大的情况时，该方式存在调速滞后的情况。针对这种情况文献[17]提出了一种根据以齿轮啮合频率幅值信息作为刮板输送机负载表征量的历史数据，结合卷积神经网络对下一刻刮板输送机的负载进行预测，弥补了控制的滞后性，但该方法以刮板输送机的负载电流作为主要参考量，对煤流量的检测存在误差较大的问题，因此在煤流量的精准检测，是智能调速的基础，在煤流量检测技术突破后，该方法具有广阔的发展前景。

3.2 刮板输送机的煤流检测技术

煤流量的精确监测是实现刮板输送机以采定运、节能控制的基础和前提，目前煤流检测主要有以下三种。

1) 超声波煤流量检测技术。运用以超声波换能器和变送器为核心部件的超声波传感器，根据回波测距原理测量输送机上煤面的最高点，然后结合温度传感器所获得的温度数据对所测煤面高度进行温度补偿，最后通过传感器高度、煤堆积角等相关参数，根据公式推算出煤流的截面积，进而求解出煤流量[18]。该方式具有不与物料接触、安装维护方便、可连续测量等优点。缺点是超声波在检测堆煤时，易产生不同程度的散射和吸收衰减且有可能产生无法接收到回波的现象，对煤流量检测产生影响。

2) 基于负载电流检测技术。根据刮板输送机负载波动会对减速器齿轮啮合过程中接触刚度产生影响从而产生幅值改变的原理，采用高频数据采集器对刮板输送机运行过程中的电流数据进行采集，然后经过工频滤波和傅里叶分析等一系列操作从中提取齿轮啮合频率幅值，最后利用幅值特征提取原理，得到负载幅值数据以此获得煤流量变化[17]。该方法具有稳定性高、可实时动态检测等优点。缺点是检测产生的数据量十分庞大，处理成本较高，且在液压支架推溜过程中，刮板输送机所产生不同程度的弯曲，易造成负载不均的情况，对煤流量的检测产生影响。

3) 基于机器视觉的煤流量检测技术。将激光发射器和数字摄像头作为核心部件，通过数字摄像头实时采集含有用激光发射器投射的激光条纹的煤流图像，然后将图像经过工业以太网上传至地面数据中心进行数据处理以获得煤流量信息[19]。但综采工作面存在低照度、高粉尘问题，采用机器视觉煤流量检测方法存在难以确定刮板输送机边界和污染物对镜头视觉产生影响等问题。

针对刮板输送机边界难以确定的问题，文献[20]提出了通过计算数字摄像头所获取的视频图像中同一像素点在多帧图像上像素值的标准差来确定刮板输送机边界所在的区间，然后运用长短时窗能量比方法实现边界的精确提取。该方法有助于改善机器视觉难以精确识别边界的问题，提升了煤流量的检测精度。针对镜头易受井下煤尘和水雾污染造成检测误差的问题，文献[21]提出了一种镜头自动揭膜的除尘去污方法，该方法首先在视觉系统表面覆盖多层疏水膜，然后通过采用防爆设计的可自动揭膜的机械结构，根据图像采集质量判断镜头的污损程度进行自动揭膜，该方法能有效提高图像采集质量，提升煤流量的检测精度。

3.3 刮板输送机故障自动检测技术

目前刮板输送机的故障主要集中在刮板输送机链条、电动机、液力耦合器和减速器等方面[22]，电动机方面采用在电动机绕组和前轴承安装温度传感器进行温度检测，实时监测电动机的故障信息；液力耦合器方面，对耦合器的输入输出转速进行监测，避免其出现长期打滑现象；减速器方面通过对减速器的高低速轴承温度和减速器中润滑油的油位、油温和油质的实时监测，实现对减速器的故障检测；目前这几种监测方式相对比较成熟，刮板输送机主要故障检测还是在刮板输送机断链和掉链检测方面。

针对刮板输送机断掉链故障主要采用振动分析法、圆环链张力检测法、接近开关检测法和张紧油缸压力检测法。振动分析法是根据刮板输送机断掉链故障时震动参数的明显改变来判断设备的故障信息，该方法电路简单、易于安装，有比较成熟的应用，但刮板输送机在运行中震动强烈且在液压支架推溜过程中刮板输送机的弯曲易对震动产生影响，使得监测装置监测的信息不准确；圆环张力检测法[23]是将单轴应变片紧贴在圆环链立环中间直臂部分的内侧，具体安装位置如图3所示。该方法通过应变片的形变检测链条张力，可有效预测圆环链断链故障，但缺点是应变片易受堆煤撞击损坏，且易受井下复杂电磁环境的干扰。

图3 应变片安装位置

接近开关检测法是将接近开关对称安装在中部槽两侧，通过每对对称传感器检测信号是否存在较大时间差，判断是否发生断链故障[24]。但作为该方法主要检测目标的舌板易受堆煤的影响，导致传感器无法检测到信号，出现检测失效的问题。张紧油缸压力检测法是通过张紧油缸的压力来推测链条张力，进而判断是否存在链条故障。该方法具有检测装置不易受堆煤损害、寿命长、稳定高等优点，但检测是通过间接方式获得链条张力信息，检测精度会存在一定误差，未来可通过多传感器融合进行实时校正，提高故障检测精度。

4 结 语

综采工作面“三机”的智能化是推进我国综采工作面智能化发展的关键。目前综采工作面“三机”智能化技术仍存在精度不高、稳定性不强、与其他设备协同控制能力较差的问题。因此综采工作面主要设备的发展趋势主要集中在以下几个方面。

4.1 采煤机智能化发展趋势

利用地质雷达、智能微动、瞬态面波、电磁波CT层析成像等精细物探手段和红外扫描构建初始工作面地质数字模型，将模型数据与井下地理信息系统(GIS)工作面三维实体模型结合形成工作面精细地质数字模型。利用工作面轨道巡检机器人红外扫描、激光扫描和视频图像数据进行实时修正，通过多信息融合，构建全息数字化工作面三维地质模型，实现工作面开采条件预先感知。与此同时，采用具有更高定位精度的捷联惯导和无线传感器等设备相融合的组合定位技术获取采煤机的精确定位信息，利用动态地质数据和煤岩截割监测数据，修正采煤机记忆截割模板，实时调整滚筒截割高度与截割路径，实现采煤机自适应割煤。

在采煤机自适应割煤基础上，通过红外感知、高清视频图像自动捕捉，结合多传感器融合的精确定位系统获取采煤机精确位置信息，实时分析采煤机滚筒到液压支架顶梁或护帮板前端的安全距离，自动调整滚筒高度，修正记忆截割模板，解决采煤机自主感知防碰撞难题，实现采煤机自主避让液压支架。同时采煤机还将搭载故障检测和预警系统保障采煤机的安全运行。

4.2 液压支架智能化发展趋势

运用压力传感器、倾角传感器、红外激光扫描、地质雷达和机器视觉等先进设备和技术对支架的各关键位置受力情况、端面顶板的完整性及工作面倾角、上部岩层破坏状况及支架后方顶板破断情况等液压支架姿态和围岩状况进行全面感知，通过在液压支架底部和尾部安装单独的调斜和调偏装置实现液压支架在复杂地质条件下根据顶板倾角和液压支架方向角进行自主纠偏调斜。

未来液压支架根据过往的移架时间预测置信区间来确定下一次的移架时长，随着工作面的推进，液压支架还将根据实际数据进行动态优化，最终通过时间和传感器双参数动态冗余控制，实现液压支架的自主跟机移架。在液压支架供液方面，应用人工智能算法对历史人工启停泵数据进行建模，将乳化液泵站和“三机”看作一个大系统，对系统的输入输出数据进行建模并优化，建立乳化液泵站的启停决策模型，实现液压支架跟机模式下的按需智能供液。此外，运用大数据和5G等先进智能化技术，液压支架将实现故障的智能诊断、实时预测和高效传输。

通过运用诸多先进智能化技术，未来液压支架将根据自身的姿态和外界环境的变化，实现液压支架群组的智能支护和刮板输送机精确的推移。

4.3 刮板输送机智能化发展趋势

刮板输送机采用矩形模型算法，把刮板输送机每节溜槽概化为平面矩形模型，通过对弯曲段中部槽数量的精确计算，进一步减少推溜过程中弯曲段长度，保证弯曲度的一致性，进而减少刮板输送机前的堆煤量，保证刮板输送机在推溜过程中的安全运行和自动化精确控制。

根据刮板输送机弯曲推移机理，将刮板输送机的推移控制为定值定位状态，采用液压支架和刮板输送机同时集中横向推移，保证推移过程中的溜槽均受到集中统一控制，根据机头与溜槽、溜槽与溜槽的水平转角到达极限值的位移量和首次推溜过程完成后机头的位移量，实现推溜过程中溜槽位置的确定，在循环推溜过程中，通过传感器实时获取每个溜槽的水平转角和液压支架推移缸的行程数据，并进行数据分析，对溜槽状态进行实时动态调整，自主地进行工作面直线度保持。此外，液压支架还将实时监测采煤机后滚筒的位置，执行推溜动作，保证刮板输送机推溜的实时性。

在运用大数据、机器视觉等先进技术突破煤流量检测技术后，刮板输送机将根据煤流量信息进行实时智能调速，实现刮板输送机低功耗运行。此外,在故障检测技术得到突破后，刮板输送机将故障信息实时上传至地面集控中心并启动保护措施，避免引起其他故障。