液压支架实时压力数据自动提取与动态分析方法研究_卢国志.pdf

：收稿日期：作者简介：卢国志（），男，山东青岛人，博士，副教授，研究方向：大数据分析技术，传统产业信息化，：。引用格式：卢国志，胡 斐，李 鑫，等 液压支架实时压力数据自动提取与动态分析方法研究 煤炭工程，（）：液压支架实时压力数据自动提取与动态分析方法研究卢国志，胡 斐，李 鑫，姚春卉（山东科技大学 能源与矿业工程学院，山东 青岛；山东泽明能源科技有限公司，山东 泰安；山东省煤炭地质局第五勘探队，山东 泰安）摘 要：针对目前液压支架电液控系统压力数据量大，干扰信息多从而造成仅仅依靠人工分析难以完成数据提取与动态分析的情况，设计了一种能够对支架压力数据自动提取循环周期、预测以及来压区域划分的方法。首先针对液压支架的工作特点，设计规则，提取正常工作状态下的压力数据作为循环数据，随后通过聚类的方法，结合每个支架压力数据划分出显著来压区域，最后采用 算法对循环压力数据进行预测分析。通过实践证实了该方法的可行性，为矿山压力规律研究及安全开采提供思路。关键词：支架压力；循环周期；来压预测；聚类分析 中图分类号：文献标识码：文章编号：（）随着“互联网”信息技术的快速推进，数字矿山、智慧矿山建设步伐也越来越快。矿山压力与矿山压力显现作为判断采煤与掘进工作面围岩安全状态的重要指标得到业界的一致认可。煤矿自动化背景下，综采工作面的电液控系统已经可以为液压支架的动作、压力、位移实现密采（即毫秒内变动即采集），传统的矿山压力数据分析方法对高密度、低延迟、大容量的数据适应性不高，所以自动化综第卷第期 煤 炭 工 程 ，（，；，；，）：，：；采工作面需要一种新的矿山压力分析方法。近些年，相关学者在矿山压力方面的研究主要从采矿力学模型建设及软件仿真模拟方面展开。他们通过建立采矿力学模型对矿山压力规律进行研究，或者通过软件进行数值模拟或设计多数据融合系统，以此来提取矿山压力规律。也有部分学者运用机器学习相关算法，从数据角度对矿山压力规律进行分析。罗香玉等人提出一种基于时空关联分析的支架压力预测方法，有效地提高了预测准确度。柴敬等人采用 模型对矿压数据进行处理，有效解决了数据缺失问题，并引入 模型对矿压进行了有效预测。孙晓旭等人基于 与 无线通信技术设计一种液压支架无线传感器网络系统，为矿压数据传输无线化提供帮助。曾庆田等人提出一种 模型，通过线性加权组合的方法选择最优模型，实现了矿压的有效预测。冀汶莉等人基于随机森林建立了 工作面来压预测模型，实现了对光纤频移数据的来压预测，为智能化工作面管理提供了判断依据。程海星等人以实测数据为样本，建立基于逆向传播神经网络的工作面顶板矿压数据预测模型，证明了逆向传播神经网络模型在矿压预测领域的准确性与可靠性。蒙昱璋等人通过分区间、累计进尺算法等方法，计算历史来压步距并预测未来来压，为采煤工作面的监控提供数据保障。他们则是通过机器学习的方式，从数据中获取有效信息，来对矿压进行分析和预测。基于目前研究现状，针对自动化综采液压支架高密度、低延迟与大数据量情况下的数据自动分析研究不多，因此提出一种基于机器学习综采工作面数据提取及自动分析的方法。自动化工作面矿山压力特点及数据特征综采工作面自动化是指在采煤工作面机械化的基础上，实现采煤机、液压支架与刮板机等配套设备自动运行、远程控制和无人操作。作为自动化工作面关键一环的液压支架电液控系统，是指由支架控制器、电液主控阀组、位移传感器、红外线发射器、电缆等多种元件组成的控制系统。该系统通过识别压力数据的变化，可以实时采集液压支架立柱油缸内液体压力，能够完整的记录矿山压力的变化，为采场顶板运动规律的自动提取和动态分析奠定了基础。过去由于液压支架压力数据采集密度低，导致的无法划分数据最小单元、自动分析程度不高与数据融合分析手段不多等问题得以解决。自动化综采工作面受机械化程度高、液压支架阻力大与工作面推进速度快的影响，其矿山压力显现具有以下几个特点：）采场矿山压力显现不明显。由于自动化综采工作面液压支架阻力大，单位支护强度较高，常规的采场上覆岩层运动对综采液压支架影响较小，导致采场矿山压力显现不明显。）液压支架压力数据采集密度高。自动化综采工作面的电液控系统可以实时感应综采液压支架油缸内的压力数据，造成矿山压力实时监测数据密度较高；电液控系统可以全面控制采煤工作面的所有液压支架，可以实现对所有液压支架的瞬间数据进行采集，使矿山压力实时数据采集密度高。）高位岩梁局部显著运动对采煤工作面的危险增大。自动化采煤工作面由于开采高度普遍较高、日推进速度较快及低位岩梁形成的矿压显现不明显，而高位岩梁局部扰动形成的运动载荷及动载系数较大，其矿压压力显现比常规工作面剧烈，规律性不强，防控较难。为更精确的分析和预测矿压显现规律，利用机器学习等智能算法成为越来越多学者的研究方向，如何设计一套能够实时采集、自动提取与动态分析的矿山压力分析预测算法，对综采工作面自动化研究与发展具有重要意义，同时对智慧矿山的建设提供技术支撑。液压支架压力数据自动分析方法目前液压支架电液控系统已经实现数据的自动采集，但针对数据的自动提取和动态分析的研究不多，究其原因是最小数据分析单元划分不准确，对此本文结合液压支架的工作状态及矿压显现规律设定液压支架的一个循环为从液压支架的初撑力到末阻力的时间段，并将其作为数据自动提取及动态分析的最小单元。本研究以综采工作面电液控系统实时压力数据为基础，以自动提取循环为基本分析单元，以区域优化与预警为目标，设计一种与自动化工作面相匹配的矿山压力分析与预测方法。具体内容可分为四个部分，如图 所示。年第 期 煤 炭 工 程 研究探讨 图 矿压预测模型框架 ）数据预处理：首先从液压传感器获取压力数据，由于井下环境复杂，数据通常具有较大的噪声和缺失，对此分别采用线性插值插补缺失值及 滤波法进行去噪处理。）循环划分：针对液压支架工作实际状况，将来压数据以循环的形式划分，并取末阻力、压力均值或最大值作为显著来压区域判断依据。）显著来压区域判别：首先根据单个支架历史数据绘制压力曲线，求解均值并将均值的 倍作为高来压预警判断下限。然后通过对每个支架矿压数据的分析与筛选，获取所有超过预警判断下限的高来压点，通过聚类的方式对这些来压点进行分类，并按照来压强度对这些区域进行判别，确定显著来压区域。）矿压预测：该部分主要是根据各液压支架历史压力数据进行预测，由于矿压时序数据具有周期性较强、时间跨度长的特点，本文采用长短时记忆神经网络模型（）对矿压时序数据进行预测。在建立模型后，选择 的数据作为验证集，评价显著来压区域的预测准确性。液压支架时序数据处理过程 数据预处理 插补缺失值考虑到井下环境复杂、信号不佳，传感器采集的数据通常会产生缺失，为保证数据的完整性，需要对缺失的数据进行填补，填补的方式通常分为删除法、定值替换和插补法。其中删除法简单易行，但是会引起数据结构变动，样本减少；替换法使用难度较低，但是会影响数据的标准差，导致信息量变动。因此采用线性插值法见式（）。（）（）式中，为支架编号；为 时刻的缺失值；为 时刻前最近的一个非空值；为 时刻后最近的一个非空值；为缺失值位置；为与 对应的插值数据。噪声处理本研究对液压支架数据去噪采用 滤波法。滤波法是采用 次多项式对数据点进行拟合，见式（）。（）据此得到 元线性方程组。（）（）即（）（）（）求解可得 的最小二乘解（）。的滤波值（）。循环周期划分在采煤工作面向前推进的过程中，采场上覆岩层的冒落带、裂隙带随着采空区变大而产生运动，如图 所示，裂隙带岩层会发生挠曲裂断下沉触矸的周期性运动，液压支架压力也发生周期性变化。液压支架在工作过程中不断向前移动，其工作可分为注液、承载、卸载、移架四个阶段，称之为一个循环。其压力变化曲线如图 所示。由于顶板周期性运动与支架压力在循环间的规律性变化，液压支架数据是以一种双循环的形式体研究探讨 煤 炭 工 程 年第 期图 岩层结构图 工作循环示意现出来，由于这种循环周期的单位不是时间而是进刀量，因此需要对液压支架数据进行划分，具体的划分流程如图 所示。图 循环划分流程 来压区域划分通过循环周期的划分，获得每一个循环的特征值（末阻力、压力均值、最大值等），绘制成折线图后求其均值，并以压力均值的 倍作为预警下限，按照式（）进行筛选获取高来压点。（）式中，为某一支架压力数据；为待判别的压力数据。以支架位置、循环次数为坐标轴建立平面坐标系，将高来压点绘制成散点图，通过聚类的算法对这些显著来压点进行分簇，获得每个簇所在的区域，该区域称为显著来压区域。矿压预测与显著来压区域判断针对矿压数据的时序性、非线性等特点，采用 模型对矿压进行预测。模型是一种为了解决循环神经网络（）模型在处理较长时序数据时产生梯度消失或爆炸现象而出现的模型，通过加入元胞状态，成功解决 的长时依赖问题。图 预测模型结构如图 所示，模型中各个单元计算式分别为：（，）（，）（，）（，）（）式中：，分别对应图中的遗忘门、输入门、记忆细胞单元、记忆细胞、输出门、输出值；为权重矩阵；为偏执项；为向量间点乘。在对显著来压区域判断时，采用 聚类的方式获取各个区域的范围，由于事先不确定聚类中心数量，因此需要不断更换 值来获得最佳效果，其算法流程如图 所示。通过对压力大于平均值 倍的来压点聚类获得各来压区域，作为显著来压区域。年第 期 煤 炭 工 程 研究探讨 图 聚类算法流程 实例分析以保德煤矿 综采工作面 号支架、月数据为例，以 个支架为间隔，共 个支架数据为基础进行实例分析。数据预处理首先通过插值法对缺失值进行填补，之后按照时间通过对选取的 个支架数据、两个月份数据进行 滤波降噪处理，在滤波参数选择方面，通过调整不同窗口长度，分别求出均方误差、平均绝对值误差（）、信噪比（）、平滑度（），对比结果见表。表 去噪效果评价窗口长度均方误差 从表 中可以看出，在窗口长度为 时，均方误差最小，信噪比最大，去噪效果并不理想，通过不断增加窗口长度，平滑度变化速度在逐渐降低，在长度为 和 两者中比较，长度为 时均方误差与信噪比均优于，因此选择窗口长度为 时去噪效果更佳。支架与 支架部分数据处理结果如图 所示，图 中蓝线为原始数据，红线为降噪处理后的数据，可以通过该方法有效的降低数据的波动性，清除异常数据。循环划分根据液压支架的工作规律，按照 中划分规则，将各个支架数据分为若干个循环。支架与支架循环数据展示如图 所示。图 部分支架去噪效果对比图 部分支架循环数据展示在循环划分结束后，取每个循环中的末阻力作为特征值，支架与 支架循环末阻力展示如图 所示。矿压预测提取出预处理后的矿压数据，采用 神经网络模型进行预测，方法设计为：输入历史工作阻力，；对工作阻力 进行标准化；确定历史数据长度、预测数据长度、训练集、测试集等参数；训练 模型；输入测试集进行预测；计算准确度。研究探讨 煤 炭 工 程 年第 期图 部分支架循环末阻力分别选择不同长度滑动窗口大小，进行预测，结果如图 所示。图 预测效果对比通过计算预测模型的均方误差 和平均绝对百分比误差，见表，可以看出预测的效果较为理想。表 预测评价指标预测评价指标短中长 来压区域划分在循环周期划分后，提取各周期数据中的末阻力作为来压判断指标，并根据的循环数与支架编号构建平面压力分布图，如图（）所示。根据公式，获取显著来压点，并通过 聚类的方式，对各个显著来压点分簇，分簇后的各个来压区域如图（）所示，根据来压分布的整体性可以将各个显著来压区域圈定为如图（）中的五个区域通过对显著来压区域的圈定，有助于现场对历史来压规律进行分析。图 显著来压区域划分 结 语）通过线性插值法、滤波对矿压数据进行预处理，在确保数据准确可靠的情况下，设定循环划分规则，将时序数据转变为以进刀数为单位，并提取各个循环中的末阻力，更符合工程实际。）根据矿压数据性质，制定显著来压判断标准，通过对末阻力进行筛选、聚类，可以确定显著来压区域，有助于支持现场对来压规律进行分析。采用更合适的 模型进行预测分析，有助于判断未来来压情况。）通过对保德煤矿 综放工作面 支架数据进行试验，验证了该方法的可行性，表明该方法对煤炭行业矿压预警及规律研究具有指导作用。参考文献：李晓林，朱 超，李元泽，等 数字化综采工作面大数据技术研究 煤矿机械，（）：左凌云 基于支架工作阻力大数据的工作面区域矿压分析研究 煤炭工程，（）：高学鹏，于凤海，任 强，等 西部鄂尔多斯矿区强矿压显现及顶板运动规律 金属矿山，（）：杜科科，吴 帅 上位厚硬岩层综放工作面强矿压显现及防治技术 煤炭科学技术，（）：年第 期 煤 炭 工 程 研究探讨 窦林名，王盛川，巩思园，等 冲击矿压风险智能判识与监测预警云平台 煤炭学报，（）：王玉福，刘贺扬，白 亮 基于地质大数据工作面智能精准开采关键技术研究 煤炭技术，（）：罗香玉，刘俊豹，罗颖骁，等 基于时空关联分析的采煤工作面顶板压力预测方法 工矿自动化，（）：，柴 敬，刘义龙，王安义，等 基于 和 的矿压显现规律预测 工矿自动化，（）：孙晓旭，田慕琴，许春雨，等 与 的液压支架无线传感器网络的研究 现代电子技术，（）：曾庆田，吕珍珍，石永奎，等 基于 模型的煤矿井下工作面矿压预测研究 煤炭科学技术，（）：冀汶莉，刘艺欣，柴 敬，王斌 基于随机森林的矿压预测方法 采矿与岩层控制工程学报，（）：程海星，朱 磊，宋立平，等 基于逆向传播神经网络的工作面顶板矿压数据预测 煤矿安全，（）：蒙昱璋 综采工作面来压步距自动计算与预测 陕西煤炭，（）：赵亦辉，赵友军，周 展 综采工作面采煤机智能化技术研究现状 工矿自动化，（）：，唐会成 煤矿井下短壁工作面区域自动化研究 自动化仪表，（）：蒋金泉，王 普，郑朋强，等 高位硬厚岩层下采动裂隙和支承应力演化特征及其对瓦斯运移的影响 采矿与安全工程学报，（）：葛喆鑫 电液控技术在综采面液压支架中的应用分析 当代化工研究，（）：李泽萌 基于 的采煤工作面矿压预测方法研究 西安：西安科技大学，杨 军，付 强，高玉兵，等 断层影响下无煤柱自成巷围岩运动及矿压规律 中国矿业大学学报，（）：罗 威 长时记忆循环神经网络算法研究 杭州：浙江大学，（责任编辑 赵巧芝）研究探讨 煤 炭 工 程 年第 期