高瓦斯综放工作面智能放煤关键技术研究与应用.pdf

高瓦斯综放工作面智能放煤关键技术研究与应用崔耀1，吴景红2，叶壮1，张森浪2（1.北京天玛智控科技股份有限公司,北京101399；2.神华神东煤炭集团有限责任公司,内蒙古鄂尔多斯017209）摘要：目前高瓦斯综放工作面的智能化放煤面临着许多难题，主要包括煤矸识别精度较差、煤流与瓦斯浓度的控制不够全面、跟机工艺设计研发繁琐、控制系统响应较慢。为解决这些问题，研发了基于 5G 通信的云边端协同智能放煤控制系统，包括 5G 网络、云端服务器、边缘处理器、终端执行设备等，系统具有较高的数据传输速度、控制响应速度和数据处理能力，在对综放开采放煤工艺参数和智能放煤工艺流程分析的基础上，详细阐述了煤矸识别技术、大块煤识别与煤流负荷平衡技术、瓦斯安全联动控制技术、跟机放煤数字孪生技术四大智能放煤关键技术。在保德煤矿 81309 综放工作面进行应用试验，采用智能综放技术后，顶煤采出率由 86%上升到 93%，煤炭含矸率由 21%下降到 15%，总的生产效率提高了 10%，放煤作业人员由原来的 34 人减少为 12 人。开发的基于5G 通信的云边端协同智能放煤控制系统及其关键技术也可以推广到其他综放工作面，对煤矿减人增效和安全高效开采具有重要价值。关键词：5G；云边端协同；煤矸识别；煤流负荷平衡；瓦斯安全联动；数字孪生中图分类号：TD67;TD823.49文献标志码：A文章编号：02532336（2023）10025214Research and application of key technology of intelligent coal caving in high gasfully-mechanized top coal caving faceCUIYao1,WUJinghong2,YEZhuang1,ZHANGSenlang2（1.Beijing Tianma Intelligent Control Technology Co.,Ltd.,Beijing 101399,China;2.Shenhua Shendong Coal Group Co.,Ltd.,Ordos 017209,China）Abstract:Atpresent,intelligentcoalcavinginhighgasfullymechanizedtopcoalcavingfaceisfacingmanyproblems,mainlyincludingpoorrecognitionaccuracyofcoalgangue,incompletecontrolresearchoncoalflowandgasconcentration,cumbersomedesignanddevel-opmentoffollow-upprocess,andslowresponseofcontrolsystem.Inordertosolvetheseproblems,thispaperdevelopedacloudsidecol-laborativeintelligentcoalcavingcontrolsystembasedon5Gcommunication.Thesystemincludes5Gnetwork,cloudserver,edgepro-cessor,terminal execution equipment,etc.It has a high data transmission speed,control response speed and data processingcapability.Basedontheanalysisoffullymechanizedcoalcavingprocessparametersandintelligentcoalcavingprocessflow,elaboratesthefourkeytechnologiesofintelligentcoalcavingthecoalgangueidentificationtechnology,bigblockcoalidentificationandcoalflowloadbalancetechnology,gassafetylinkagecontroltechnology,anddigitaltwintechnologyofcoalcavingfollowingmachine.Theapplica-tiontestwascarriedoutinBaode81309fullymechanizedtopcoalcavingface.Aftertheintelligentfullymechanizedtopcoalcavingtech-nologywasadopted,thetopcoalrecoveryrateincreasedfrom86%to93%,thecoalgangueratedecreasedfrom21%to15%,thetotalpro-ductionefficiencyincreasedby10%,andthenumberofcoalcavingoperatorsdecreasedfrom3to4to1to2.Thecloudedgecollaborativeintelligentcoalcavingcontrolsystembasedon5Gcommunicationdevelopedinthispaperanditskeytechnologiescanalsobeextendedtootherfullymechanizedcoalcavingfaces,whichisofgreatvalueforreducingpersonnelandincreasingefficiencyandsafeandefficientminingofcoalmines.Key words:5G；cloud-side-endcollaboration；coalgangueidentification；coalflowloadbalance；gassafetylinkage；digitaltwins收稿日期：20220830责任编辑：周子博DOI：10.13199/ki.cst.2022-1407基金项目：神东保德“综采放顶煤智能化控制技术研究”资助项目（00000050048）作者简介：崔耀（1983），男，山东泰安人，高级工程师，硕士。E-mail：第51卷第10期煤炭科学技术Vol.51No.102023年10月CoalScienceandTechnologyOct.2023机电与智能化崔耀，吴景红，叶壮，等.高瓦斯综放工作面智能放煤关键技术研究与应用J.煤炭科学技术，2023，51（10）：252265.CUIYao，WUJinghong，YEZhuang，et al.Researchandapplicationofkeytechnologyofintelligentcoalcavinginhighgasfully-mechanizedtopcoalcavingfaceJ.CoalScienceandTechnology，2023，51（10）：252265.2520引言中国是煤炭大国，煤炭储量非常丰富1。“富煤、贫油、少气”的能源基本特征决定了煤炭在我国一次能源中的主体地位2。在中国已探明的煤炭储量中，单一煤厚大于 3.5m 的厚煤层的比例达到 45%以上3。放顶煤是厚煤层开采的主要方法，它不仅表现出对煤层厚度的高度适应性，而且具有产量高、效率高等优点4-7。目前放顶煤开采最突出的问题是其生产过程仍依赖于人工控制，需要较多井下工作人员的参与才能顺利进行。但是放顶煤工作面条件恶劣复杂，井下不可预知的冲击压力可能造成矿难，严重威胁着井下工作人员的生命安全，同时，人工控制下的顶煤放落程度很大程度上取决于人的“视觉和感官”，虽然已通过制定开采工艺对放顶煤的放顶程度进行要求，但在视线较差、粉尘飞散的放顶煤工作面，仅靠“人工主观控制”难以满足生产要求8。国家发展改革委、国家能源局发布的能源技术革命创新行动计划（20162030）明确指出，煤炭开采技术的重点任务是：提升煤炭开采效率和智能化水平，研发高效建井和快速掘进、智能化工作面、特殊煤层高回收率开采等技术，到 2030 年重点煤矿区基本实现工作面无人化9。为实现煤炭开采的智能化发展计划，提高综放开采的智能化水平，综放智能化开采技术的研究与应用成为热点，并产生了一些突破性技术成果。1）智能放煤研究进展。随着新一轮信息技术革新，将综放开采技术与数字孪生、5G 通信、云计算、大数据、工业物联网、人工智能(AI)等信息技术进行创新融合，已成为综放开采智能化发展的关键技术支撑和新的思路10，而且已经取得了一定的研究成果。塔山矿和同忻矿智能化综放工作面由最初的只能完成简单的系统指令发展到如今全系统智能融合，5G 网络一网承载，实现精确割煤、精准放煤11。麻地梁煤矿 507 综放工作面生产控制系统采用了智能煤岩识别综放系统，实现了煤岩识别一键自动放煤等功能12。张守祥等8将放煤过程分为“放煤前、放煤中和放煤后”3 阶段采用不同的感知技术和装备去测量，实现对支架的放煤口大小及时调整和关闭控制。王家臣等13提出了基于图像识别的智能放煤技术，能够对放煤过程中出现的矸石进行精准识别，并在放顶煤工作面进行了试验，试验效果良好。2）放煤规律研究进展。朱帝杰等14基于随机介质流理论，首先推导了煤矸分界线和放出体方程，根据放出体方程分析了顶煤放出体的形态演化特征，并提出了可将含矸率 9%16%作为厚煤层综放开采放煤终止的参考依据。许永祥等15针对超大采高综放开采首采工作面智能化开采所面临的难题，提出了尾梁“小拱小摆、大拱大摆”的智能化摆动策略，阐释了煤岩分界模糊段概念，纯煤段采用智能化记忆放煤，煤矸分界模糊段采用人工干预反馈式放煤，提高了工作面自动化、智能化程度。刘长友等16根据特厚煤层含多层夹矸的复杂结构特征，开展了煤矸（夹矸）岩（直接顶岩石）放落流动的时序规律研究，提出以自然射线辐射强度作为煤矸岩自动识别的主要参数和种不同关窗方式的识别方法，在同煤集团塔山煤矿进行了现场测试印证了研究结果。潘卫东等17提出以射频识别（RFID）为技术核心的基于顶煤运移跟踪仪的自动化放煤技术，构建了基于该技术的自动化放煤控制系统，指出自动化放煤场景下应优选多轮顺序放煤，给出确定每一轮放煤时间的方法。刘闯等18研究了多放煤口放煤条件下，起始放煤、中间放煤和末端放煤 3 个阶段的放煤方法和煤岩分界面特征，提出“多放煤口同时开启逆次关闭”的起始放煤方法，并以同忻煤矿 8202 综放工作面为例进行了应用。王伸等19针对塔山矿8222 工作面采用 CDEM 颗粒离散元软件模拟分析了塔山矿开采条件下间隔放煤分组方法、顶煤运移规律、煤岩分界面特征以及顶煤放出率等，揭示了组内支架数量对顶煤放出体形态的影响机制。YANG等20给出了独立的簇群放顶技术，通过离散元法建立放煤过程二维仿真模型，对比了不同放顶煤技术的采放机理，验证了独立的簇群放顶煤技术的优势。WANG 等21详细介绍了过去 20a 长壁放顶煤开采的放顶煤理论研究进展，对长壁放顶煤开采的研究框架、测试方案和建模方法进行了全面介绍。3）大块煤识别与煤流控制研究进展。牛云鹏等22提出了刮板输送机的大块煤及煤量估算智能视频识别技术。俎少杰等23设计了一种基于视觉检测的煤流检测系统对煤流量的实时监测，并根据煤流量大小对皮带机转速进行实时调整。夏蒙健等24提出了一种煤流智能调速策略，采用上煤量和运煤量图谱叠加+PID 算法完成各输送机速度调节。蒋卫良等25为提高煤流输送系统的运行效率，提出了煤矿智能化连续运输系统的煤量检测技术、智能控制策略、智能监控预警和煤流输送系统大数据远程监控云平台。4）瓦斯浓度控制研究进展。张飞26采用理论分析和现场参数实测相结合的方法研究了寸草塔二矿崔耀等：高瓦斯综放工作面智能放煤关键技术研究与应用2023年第10期25331203 综放工作面瓦斯来源与分布规律，发现瓦斯浓度较高的地点主要是工作面回风隅角、支架顶梁附近和放煤口附近。王沉等27探讨了采煤机割煤速度对工作面瓦斯浓度的影响机制，通过实时监测工作面的瓦斯浓度，调节工作面采煤机截割速度来达到降低工作面瓦斯浓度。布朋生28在原采煤机截割电动机变频控制系统的基础上，利用传感器技术，设计了综合考虑综采工作面顶板压力、瓦斯浓度的采煤机速度动态控制系统。卢东贵等29提出了通过对瓦斯浓度超前预测提前控制采煤机运行速度的方法，利用预测区间上限值结合瓦斯浓度序列的统计特征参数 95%置信区间上限值和最大值，综合对采煤机运行状态进行控制。当前对综采工作面放顶煤开采的研究取得了一些重要进展，但对高瓦斯综放工作面的智能放煤技术研究并不充分，还存在以下不足：高瓦斯综放工作面 5G 通信技术和云边端协同控制系统的研究还停留在摸索应用阶段。煤矸识别目前主要依靠单一种类的传感器进行识别，只能针对煤和矸石的某一方面特征进行煤矸识别，无法综合利用煤和矸石的不同区别特征。对运输系统上的煤流监测和调速控制研究能够避免运输系统被压死，但无法从源头解决问题，缺少支架放煤和煤机截割控制对煤流调控的研究。瓦斯在支架放煤口位置的浓度较高，目前基于瓦斯浓度的采煤机截割速度控制研究并不能充分满足综放工作面的瓦斯浓度控制要求。传统的跟机放煤工艺主要依靠设计人员编制好后下井调试应用，过程繁琐且不够安全，工艺开发周期长。为了推进高瓦斯综放工作面智能化发展技术水平，解决目前高瓦斯综放工作面智能放煤技术的不足，研发了基于 5G 通信和云边端协同技术的智能放煤控制系统，在分析综放开采放煤工艺参数和智能放煤工艺流程的基础上，对煤矸识别技术、大块煤识别与煤流负荷平衡技术、瓦斯安全联动控制技术、跟机放煤数字孪生技术四大智能放煤关键技术进行了研究分析，提出了多模态融合的煤矸识别方法，从放煤控制出发对煤流负荷技术和瓦斯安全联动技术进行了补充研究，并且通过数字孪生技术提高了跟机放煤工艺的开发效率，并在保德 81309 高瓦斯综放工作面进行了跟踪应用与分析，采用了智能综放技术后，放顶煤智能化水平和开采效率等方面都得到了显著提高。1智能放煤控制系统矿井现有的 4G、WiFi 等无线通信技术存在一定的性能缺陷，难以完全满足煤矿智能化建设的需求30。目前综放工作面通信网络主要存在的问题有：网络接入能力不足。液压支架放煤动作时，存在海量各式各样的传感器实时监测液压支架位姿动作、刮板输送机和采煤机工作状态、放顶煤状态、井下工况（各种气体含量、噪声、振动、顶板来压等）等数据，而目前使用的 4G、WiFi 等无线通信技术难以负担日益增加的传感器接入需求。通信可靠性低。综放设备远程控制和协同作业的实现前提是数据通信的稳定可靠，而当前综放工作面现有的 4G、WiFi 等通信方式可靠性相对较低。传输带宽不足。为了替代放煤时的人工观测与控制，需要安装大量摄像仪和声音、振动传感器对放煤情况进行监测，特别是视频信号的传输需要占据大量网络带宽，传统 4G（上行速率为 20bit/s，下行速率为 100bit/s）、WiFi（速率为 300bit/s）提供的带宽不足。数据传输时延高。传统 4G 通信时延在 1080s，WiFi 通信时延在1050s，难以满足某些通信内容的实时性要求。为了实现放煤的智能化控制，满足综放工作面的数据传输与处理需求，需要采用性能更好的 5G 通信技术建立综放工作面的通信网络。5G 通信技术具有广接入（用户连接能力达 100 万连接量/km2）、高可靠性（99.999%）、大带宽（用户体验速率达 1bit/s）、低时延（低至 1s）等特征，可解决当前综放工作面系统所面临的接入能力不足、可靠性低、带宽不足及传输时延高等通信问题。基于 5G 通信的智能放煤控制系统如图 1 所示，综放工作面的 5G 通信网络包含 5G 核心网、核心交换机、基站控制器 BBU（BasebandUnit，基带单元）、基站控制器 RHUB（RemoteRadioUnitHub，射频远端 CPRI 数据汇聚单元）、5G 基站 pRRU（picoRe-moteRadioUnit，远端汇聚单元）和 5GCPE（Custom-erPremiseEquipment，客户前置设备）等设备。5G 核心网安装于地面机房中，具备部分网络管理、监测、独立运维运营等能力，其通过光纤环网与安装于井下巷道监控中心的基站控制器 BBU/RHUB 连接，5G 基站和 5GCPE 设备可以根据井下设备预留位置和巷道安装条件等，灵活安装在采煤机、液压支架和巷道的合适位置上，摄像仪、传感器以及电气控制系统等可通过 5GCPE 接入 5G 通信网络。5G 不仅仅是无线技术的升级，还包括边缘计算、网络切片的引入与 NFV（NetworkFunctionVirtualiz-ation，网络功能虚拟化）化网络技术变革，其中边缘计算技术的引入尤其符合煤矿企业的工业数据安全2023年第10期煤炭科学技术第51卷254治理（数据不出厂等）、低时延高可靠的数据处理等要求31。5G 低时延特性结合边缘计算技术，可将时间敏感型数据分析应用迁移至边缘侧，提高数据访问速度，结合多样化传感器，能够对综放工作面设备状态、放煤状态和环境信息进行监测，实现对煤矿井下设备的智能远控管理32。基于 5G 技术和边缘计算可以完美融合的特点，建立了智能综放控制的云边端协同系统，将边缘控制技术应用到智能放煤控制系统中，实现边缘控制器上进行放煤快速响应控制，同时协同利用云服务器强大的数据分析和存储功能，基于 5G 通信的智能综放控制系统云边端协同架构如图 2 所示。1)云：包括 IoT（InternetofThings，物联网）物联网平台、云边协同平台、大数据和 PaaS（PlatformasaService，平台即服务）、基础 IaaS（InfrastructureasaService，基础设施即服务）、集成平台。IoT 物联网平台对物联网设备进行管理，云边协同平台涉及云、边、端各个节点的协同合作，包括 AI 算法的训练和发布，大数据和 PaaS 提供测试环境、部署环境等功能，基础 IaaS 为终端用户提供计算、存储和网络等资源，集成平台则提供了设备系统互通、数据集成汇聚、消息集成通讯，API（ApplicationProgramInterface，应用程序界面）生命管理等功能。2)边：边缘计算节点作为逻辑实体，包括网络侧边缘计算节点和现场侧边缘计算节点。其中网络侧边缘计算节点由 5GMEC（Multi-AccessEdgeCom-putingorMobileEdgeComputing，多接入边缘计算）提供，除了利用 MEC 本地分流能力，还可以充分利用 MEP（MECPlatform，多接入边缘计算平台）平台的服务架构以及网络定位、防火墙等网络能力，并且基于 MEC 的 MEP 平台部署了 MEC 工业服务和工业应用，能够提供数字孪生等数据分析处理功能。振动传感器网络摄像仪倾角传感器行程传感器声音传感器瓦斯传感器1放煤支架放煤支架网络型控制器网络型控制器放煤支架网络型控制器基站控制器RHUB井上井下核心交换机AAU-宏站MEC/UPF专网核心网运营商核心网矿用隔爆兼本安型网络接口基站控制器BBU矿用隔爆兼本安型基站CPE 设备地面太空舱巷道监控中心光纤环网光纤环网.图1基于 5G 通信的智能放煤控制系统Fig.1Intelligentcoalcavingcontrolsystembasedon5Gcommunication崔耀等：高瓦斯综放工作面智能放煤关键技术研究与应用2023年第10期255现场侧边缘计算节点进一步分为边缘节点服务软件和边缘节点硬件。边缘节点服务软件提供采放运智能生产控制功能和生产状态智能感知功能，边缘节点硬件包括边缘控制器、边缘服务器、边缘网关等形态，兼具控制、计算、联接等功能。3)端：包括传感器、支架控制器、支架等终端设备，可通过 MQTT、Modbus、OPC-DA、OPC-UA 等通信协议与边缘计算节点联接。2智能放煤工艺2.1综放开采放煤工艺参数综放开采是一种开采缓倾斜特厚煤层和急倾斜特厚煤层的方法。在采煤机割煤后，综放支架进行移架，支架后部的顶煤失去支承发生垮落，此时可通过支架控制器控制综放支架后部放煤机构的尾梁摆动和插板伸缩，从而放出顶煤，放出的顶煤通过后部刮板输送机和皮带运输机运输出去。综放开采的放煤工艺参数对顶煤回收率和含矸率有较大影响，放煤工艺参数主要包括采放比、放煤步距和放煤方式等。2.1.1采放比在综放工作面，采煤机会根据煤层厚度选取合适的高度进行截割，并且留出一定厚度的顶煤通过放顶煤的方法采出，截割高度与留出顶煤厚度的比值叫做采放比。在放顶煤开采中，支架移架后顶煤呈悬臂梁形态，在上覆岩层压力和自重作用下产生松动、破坏和垮落形成松散无规则的块体，所以放煤高度应保证顶煤有充分自由空间可以松散破碎以提高采出率。顶煤垮落高度取决于采煤机采高以及顶煤碎胀系数，如式（1）式（2）所示33。h2=h/(k1)（1）h=H(k1)/k（2）式中：h2为顶煤高度，m；h为采煤机采高，m；k 为顶煤碎涨系数；H 为开采煤层厚度，m。2.1.2放煤步距放煤步距为两次放煤工序间沿工作面推进方向的间距，放煤步距是重要的放煤工艺参数之一，过大或过小的放煤步距都会一定程度造成放煤损失。放煤步距的选取一定程度上要依托现有的生产设备和IoT 物联网平台设备接入规则引擎设备鉴权设备影子云边协同平台煤矸识别算法智能神经网络大数据和 PaaSEI 企业智能数据计算引擎微服务容器服务基础 IaaS计算存储网络集成平台设备集成消息集成数据集成API 集成中心云节点采放运生产智能控制边缘节点服务软件智能视频识别多传感器融合感知采放运生产智能控制智能视频识别多传感器融合感知现场侧边缘节点MEC 网络服务MEC 工业服务MEC 工业应用网络侧边缘计算节点终端设备传感器支架控制器支架.边缘节点硬件边缘控制器边缘服务器边缘网关边缘控制器边缘服务器边缘网关图2基于 5G 通信的智能综放控制系统云边端协同架构Fig.2Cloudsidecooperationarchitectureofintelligentfullymechanizedtopcoalcavingcontrolsystembasedon5Gcommunication2023年第10期煤炭科学技术第51卷256地质情况，主要需要考虑的因素为顶煤厚度、支架放煤口长度、放煤口中心高度和采煤机截深。合理放煤步距可以使顶煤充分破碎、脱落，而且有较高的顶煤放出率和较低的含矸率，并且要与采煤工艺相适应，为采煤机截深的整数倍。根据兖州东滩煤矿综采放顶煤开采经验，当回采工作面采放比为 11 左右时，宜采用“一采一放”采煤工艺，即放煤步距约为采煤机截深；当回采工作面采放比为 12 左右时，宜采用“两采一放”采煤工艺，即放煤步距约为采煤机截深两倍34。2.1.3放煤方式放煤方式是指放煤次序、单口放煤次数、沿工作面同时开启放煤口数量和放煤量等相互组合而形成的放煤方法35-36。放煤方式按放煤顺序分为顺序放煤和间隔放煤，按每个放煤口放煤次数分为单轮、双轮和多轮放煤，按同时开启的放煤口数目分为单口放煤和多口放煤。现场生产常见的放煤方式有单轮顺序放煤、单轮间隔放煤、多轮顺序放煤和多轮间隔放煤。2.2智能放煤工艺流程根据综放开采放煤工艺参数可以设定自动放煤控制参数，传统的放煤工艺主要是基于自动放煤技术和记忆放煤技术进行放煤控制，但由于工作面的煤层赋存情况复杂，所以需要结合智能放煤技术进行放煤控制。智能放煤工艺是指基于全面的智能感知、智能决策和智能放煤控制系统，提高采煤机、液压支架、刮板输送机等设备的智能化水平，使其具备自主学习和自主决策功能，实现智能化放煤。智能化放煤基于煤矸多传感器数据识别、灰分在线监测、大块煤监测、煤流量监测、瓦斯浓度监测等智能融合感知技术对智能放煤过程中的放煤情况进行监测，监测数据通过 5G 通信网络进行高速可靠传输，之后通过中心云平台和边缘控制器进行在线数据处理和分析，基于智能模型、算法和预设参数输出放煤控制的智能决策，将决策控制信号发给支架控制器，进行支架智能放煤控制。同时配备远程放煤监测和干预系统，通过人工远程对放出煤矸情况进行声音视频的监测，可以对异常情况进行人工干预。单架的智能化放煤流程如图 3 所示，支架放煤主要通过尾梁和插板的动作来实现，尾梁与插板的动作时间和动作方式根据放煤监测中各种传感器的时间和数据来决定。整个工作面的智能放煤工艺流程是以单架智能放煤工艺为基础，多个综放支架共同协作完成的，如单架放煤、多架放煤、单轮放煤、多轮放煤、顺序放煤、间隔放煤等综放工作面放煤工艺流程。3智能放煤关键技术智能放煤技术将物联网技术、人工智能技术、大数据技术、云边协同技术、通信技术等信息技术与煤矿综放生产深度融合，攻关智能信息感知、智能信息分析决策、智能控制与反馈等技术，最终实现智能化的放煤37。为进一步说明智能放煤技术，以保德81309 工作面为例，对高瓦斯综放工作面智能放煤的煤矸识别技术、大块煤识别与煤流负荷平衡技术、瓦斯安全联动控制技术、跟机放煤数字孪生技术四大关键技术进行详细阐述。四大智能放煤关键技术在保德 81309 工作面通过云边端协同控制系统进行融合应用，对于不同的综放工作面也可以选取其中的某几项关键技术进行组合应用。3.1煤矸识别放煤的煤矸识别技术是智能放煤研究的一个难点38。目前通常是通过煤与矸石在某一方面的物理、外观属性的不同进行煤矸识别，常用的煤矸识别方法为通过伽马射线、雷达探测、红外检测、图像识别、声音和振动信号辨识进行煤矸识别39-40。伽马射线由于对人体有辐射伤害所以现在已经很少使用。雷达信号由于信号衰减较严重无法用于较厚煤层的探测。红外探测、图像识别由于是通过视频图像，所以在煤尘较多的放顶煤环境下应用准确度不高。声音、振动的煤矸识别技术虽然不受高粉尘影响，但只适用煤与矸石物理特性区别较大的工作面13,41。这些方法都是针对煤与矸石在某一方面的区别进行识别，一旦出现煤与矸石在这一特征的表现类似，就难以进行识别判断。针对保德煤矿 81309 工作面进行研究，为了提高煤矸识别准确度，选择多种特征属性来对煤和矸石进行区分，采用图像、声音和振动融合识别的方式进行煤矸识别。单个支架的结构和设备安装如图 4 所示，声音传感器和振动传感器采用磁吸的方式安装在综放支架尾梁下，振动传感器采用 MEMS 三轴加速度传感器，声音传感器采用稳定性高的 MEMS 声压传感器，煤矸下落过程主要在 1Hz 内便可以进行分辨，因此振动和声音传感器的采样频率设定为 2Hz 内，设定每秒采集 4096 组数据，这样既可以满足煤矸识别要求，又可以避免采样频率过高造成处理器负荷太大。网络摄像仪安装在四连杆上正对着后部刮板运输机，崔耀等：高瓦斯综放工作面智能放煤关键技术研究与应用2023年第10期257液压支架上已经预留有安装摄像仪用的螺丝孔，根据安装尺寸加工简易的安装架即可进行摄像仪安装，网络摄像仪采用 KBA18(C)矿用本安型网络摄像仪，摄像仪通过 TCP/IP 以太网进行信号传输，具有过滤可见光、红外补光功能，外壳坚固、体积小巧、防护性能高、适用于煤矿井下有瓦斯与煤尘爆炸危险的场所。如图 5 所示为多模态融合的煤矸识别算法框图，由于综放工作面放煤环境恶劣，受悬浮在空中和粘在镜头上的水雾和粉尘干扰，导致视频监测图像的清晰度受到影响，而且工作面噪声污染严重，导致采集到的放煤声音和振动容易受到采煤机、刮板输送机等设备工作造成的噪声和振动干扰。因此在进行多模态融合煤矸识别之前，需要对采集到的信号进行预处理，采用基于多尺度 Retinex 图像增强算法对图像进行去尘去水雾，采用 EEMD（EnsembleEmpir-icalModeDecomposition，集合经验模态分解）分解与重构的方法消除声音和振动中的低频噪声和趋势项对信号的干扰。多模态融合的煤矸识别算法主要分为三部分：声音振动信号识别、图像识别、多模态决策融合识别。1）声音振动信号识别。梅尔倒谱系数(MFCC)特征提取是语音识别和声音事件识别中最经典的传统算法之一，通过 MFCC（MelFrequencyCepstrumCoefficient，梅尔频率倒谱系数）特征提取方法获得声音信号和振动信号的梅尔倒谱系数42。MFCC 对信号进行特征提取主要包含预处理、快速傅里叶变换、Mel 频率滤波和离散余弦变换 4 个部分，Mel 倒NNY放煤预警收插板动作执行到位?时间执行到位?收尾梁动作执行到位?时间执行到位?伸尾梁动作执行到位?是否干预信号?增强放煤动作?伸插板动作执行到位?放煤结束YYYN后部刮板过载信号监测信号是否正常?过载信号监测信号是否正常?多传感器信号灰分检测数据灰分是否正常?灰分监测人工远程音视频监测放煤是否正常?音视频监测NYYYYYY大块煤图像监测信号是否正常?大块煤监测YN瓦斯浓度数据浓度是否正常?瓦斯浓度监测YNNNNNYYNN煤矸识别多传感器信号图3单架的智能化放煤流程Fig.3Intelligentcoaldrawingprocessofsinglerack2023年第10期煤炭科学技术第51卷258谱系数(MFCC)可以表示为cmel(n)=M1l=0Y(l)cos(n(l0.5)L)（3）式中：n 为所取 MFCC 的个数；L 为离散信号样本数；l 为频谱的离散频率分量索引；Y(l)为 l 个三角形带通滤波器组输出的对数能量；M 为傅里叶变换的点数。为保证精度以及计算效率，在进行 MFCC 信号特征提取时，设置 8 个梅尔滤波器组以及 8 个梅尔倒谱系数，得到声音和振动的梅尔倒谱系数特征矩阵，将振动和声音两种信号在特征级通过并行特征融合得到融合后的特征矩阵，作为 CRNN（Convolu-tionalRecurrentNeuralNetwork，卷积循环神经网络）神经网络的输入层输入，具体的神经网络参数见表 1，使用线性整流函数作为激活函数，隐藏层设有两组“卷积+池化”结构，在每组“卷积+池化”结构中，将卷积层的步幅设置为 1，卷积核的大小设置为33，池化层的步幅设置为 2，输出层使用 softmax函数获得分类概率，从而对煤块撞击液压支架尾梁和矸石撞击液压支架尾梁的声音振动进行分类识别。2）图像识别。基于视频图像的煤矸识别主要包括前景分割和煤矸图像分割 2 部分。电源箱云台摄像仪红外接收器近感探测器综合接入器底座倾角压力传感器网络摄像仪后部照明灯尾梁倾角传感器测高传感器行程传感器振动传感器声音传感器瓦斯传感器图4单个支架的结构和设备安装Fig.4Structureandequipmentinstallationofsinglesupport放煤振动信号放煤声音信号并行特征融合多模态融合的煤矸识别后部放煤视频信号降噪、特征提取图像增强降噪神经网络模型基于加权投票法的决策级融合201000100 200 300 400 500 600 700 800时间/ms10加速度/(ms2)2030100100 200 300 400 500 600 700 800时间/ms10压强/Pa30图5多模态融合的煤矸识别算法框图Fig.5Blockdiagramofcoalganguerecognitionalgorithmbasedonmulti-modalfusion崔耀等：高瓦斯综放工作面智能放煤关键技术研究与应用2023年第10期259考虑后部放煤煤尘较大，光线较暗等因素，选取混合高斯前景分割算法为混合图像进行前景分割。图像中每一个像素点可以用高斯分布的加权和来模拟该点的像素值，t 时刻的像素值属于背景的概率p(xt)为p(xt)=ki=1wi,t(xt,ui,t,i,t)（4）(xt,ui,t,i,t)=e12(xtui,t)T1i,t?i,t?12（5）i,t=2i,tI（6）(xt,ui,t,i,t)ui,ti,t2i,t式中：wi,t为 t 刻第 i 个高斯分布的权重；为 t 时刻第 i 个高斯分布；、为均差和协方差矩阵；为第 i 个高斯分布在 t 时刻的方差；I 为像素的颜色值。煤矸图像分割采用了 U-Net 语义分割网络，如图 6 所示为 U 型神经网络结构示意图，U 型神经网络主要采用编解码结构，包括上图左半边特征提取（编码）以及上图右半边的上采样（解码）。编码器的每个下采样模块由 2 个重复的 33 卷积和 1 个 22的最大池化组成，解码器的每个上采样模块都包括对特征图先使用 1 个 22 的反卷积进行上采样，然后将上采样过程中的特征图息融合到上采样的特征中，来弥补因解码器下采样丢失的图像语义信息，再通过 2 次 33 卷积来进一步提取图像特征信息。36464128212821282128212821282642642642642642642322322322322322322162162162128128256256512512512256256256128128Conv 33,BN,ReLUCopy and corpMaxpool 22Up-conv 22Conv 1112864642图6U 型神经网络结构示意Fig.6SchematicofU-shapedneuralnetworkstructure如图 7 图像煤矸识别结果所示，通过混合高斯前景分割与 U-Net 煤矸图像分割，最终可得到刮板输送机上煤矸识别的图像，能够清晰识别出煤矸出现的概率和煤矸的大小。3）多模态决策融合识别。振动声音和图像的煤矸识别结果是放煤为煤矸的概率，选取 1s 内 3 个时刻的煤矸识别结果进行最后的决策级融合，分别为 t1、t2、t3时刻的振动声音识别结果 a1、a2、a3和图像识别结果 b1、b2、b3，基于加权投票法即得到最终的煤矸识别结果 K：K=(a1+a2+a3+b1+b2+b3)/6（7）根据 K 值的大小可以判断后部放煤是否放出矸石，若 K 值大于 0.5，则表明放出为矸石，反之则代表放出为煤块。3.2大块煤识别与煤流负荷平衡在刮板输送机上方每间隔 50m 安装 1 台矿用3D 摄像仪及其配套激光器，皮带输送机和转载机（前表 1 CRNN 神经网络参数Table 1 CRNN neural network parameters层类型核大小/步幅输入层卷积层133/1最大池化层122/2卷积层233/1最大池化层222/2全连接层输出层(a)原始图像(b)煤矸识别图像图7图像煤矸识别结果Fig.7Recognitionresultsofimagecoalgangue2023年第10期煤炭科学技术第51卷260部和后部刮板机搭接点之间）上方各安装 1 台矿用3D 摄像仪及其配套激光器。矿用 3D 摄像仪利用双目视差原理进行立体数据重建，获取煤流立体点云数据，点云数据通过 5G 通信系统传输给边缘计算服务器，在边缘计算服务器通过三维空间重建技术可获得任意时刻的煤流空间数据，通过时间积分可以实时得到单位时间的煤流量，并且在边缘服务器可以对大块煤进行实时识别。在大块煤识别的基础上，系统根据读取的输送带和刮板输送机速度，计算出大块煤通过 2 台摄像机所需的时间间隔，并据此设计预设报警时间间隔，当大块煤未在预设时间内通过 2 台摄像机，则认为大块煤发生滚动、掉落、卡带等异常情况，实现大块煤的异常状态监测。边缘计算服务器拥有煤流量统计功能，根据单位时间的煤流量监测可以获得前部刮板输送机和带式输送机的出煤量，通过带式输送机监测的总出煤量和前部刮板输送机出煤量可预估后部刮板输送机的出煤量。根据煤流量和大块煤状态可以对采煤机采煤和支架放煤进行控制，包括控制采煤机牵引速度、支架放煤时间、放煤口位置和大小等，来对输送设备上的煤流进行控制。矿用 3D 摄像仪在采煤工作面的安装如图 8 所示。图8矿用 3D 摄像仪在采煤工作面的安装Fig.8Installationofmine3Dcameraincoalface3.3瓦斯安全联动控制对于综放工作面，存在前部割煤