• 论文
主办单位:煤炭科学研究总院出版传媒集团、中国煤炭学会学术期刊工作委员会
智能化条件下,煤矿安全生产涉及哪些关键技术?

提问者认为标题已经详细的描述了问题的所有要点,
所以没有再添加更多内容。

请先 登录 后评论
匿名 提出于2020-08-24 10:16
1 关注
0 收藏
163 浏览

1 个回答

煤科总院出版传媒集团新媒体-

  从煤矿智能化安全保障体系的技术需求可以看出,煤矿风险的智能化评估与预警是这一体系的核心。围绕煤矿“风险”问题,由煤矿全维信息感知至设备系统联动,形成数字式、一站式、智能式的煤矿风险辨识、预警、处理闭环。煤矿智能化安全保障体系的建设,仍需要突破以透明地质保障技术为基础,以煤矿大数据共享平台为载体,以煤矿重大风险评估预警技术为核心的关键技术体系。

  2.1 透明地质保障技术

  透明地质保障技术是煤炭智能化安全保障的基础,是实现巷道掘进、工作面回采等活动前、中、后地质预判、扰动感知与风险评估的数据基础[31],其核心是基于煤矿物联网、传感器、地球物理等矿山全维信息感知技术,集成矿井全岩层、构造地质的几何及力学特征、水文地质特征、瓦斯地质特征等时空关联数据,采用智能化算法、大数据等技术,突破涵盖矿井显性及隐性特征的时空、力学状态五维建模,实现采前地质异常区域超前预知、采中扰动实时感知、采后岩体运移滞后评估的精准化、透明化,从地质层面保障煤炭智能化开采的顺利进行。

  首先基于地质钻孔的棱柱信息群,通过布尔运算,生成初始的三维几何地质载体,并通过地测、水文探测、掘巷揭露、采煤工作面感知[6,12,24]等实时信息,将备采区煤层临近空间内的断层、褶曲、陷落柱等特殊地质构造问题对几何地质载体进行局部优化;然后,建立三维空间栅格模型,坐标化匹配煤岩层抗压强度、弹性模量、泊松比、黏聚力、硬度、内摩擦角、冲击倾向性等力学特征,发热量、水分、挥发分、自燃发火性等本征属性,栅格区瓦斯释放速度、瓦斯流量等瓦斯特征属性和三维空间应力、微震、岩层位移量[21]等扰动信息,实现采中扰动实时感知和采后矿井信息的时空数据关联。

  2.2 煤矿大数据共享平台

  近几年的煤矿自动化、信息化建设,使得煤矿基本实现了各单系统、单功能的信息采集与存储,但因信息化标准体系不统一,煤矿数据的通信协议和数据格式种类繁多,形成了离散化的信息孤岛。开发统一的煤矿大数据共享平台,打破数据壁垒,对涵盖煤矿井下传感信息、设备信息、地质信息、人员信息等进行通信协议转换和数据格式统一,通过数据提取、清洗与存储,构建海量煤矿数据统一的大数据共享平台。向下可链接煤矿全维信息的有效提取与储存,向上可进行煤矿数据的全域性融合,实现智能化风险评估与预警、系统智能决策、设备自主联动等,是构建煤矿智能化安全保障体系的咽喉。

  基于Hadoop分布式大数据技术,针对煤矿海量数据存储和及时查询需求,设计了数据源、数据导入、数据加工、数据存储、分析处理和数据输出接口等6个层次的逻辑架构,基于分布式Hbase存储数据库,一方面分布式保存预处理后的终端数据,另一方面,对关键数据创建hive数据模型,以时间和空间作为储存目录,并以多台高性能服务器为主体,配置井下边缘数据平台。采用基于内存的分布式计算引擎Spark,进行分布式分析计算,将计算和存储分离,为多台服务器协同进行数据分析和快速计算提供了技术保证,形成了集数据收集、智能分析、协同分享功能于一体的煤矿大数据共享平台,为煤矿智能化安全保障构建了“数据大脑”。

  2.3 矿井全维信息可视化建模技术

  所谓矿井全维信息可视化建模,就是将矿井现实中的物理、力学要素数字化,采用计算机技术以可视化的效果表达,是煤矿综合操作平台的呈现载体。该技术以激光点云建模技术、GIS三维建模为基础,如图3所示,融合煤矿水文地质信息、矿井生产系统、采动空间力学状态、灾害指标性信息、矿井设备状态和人员路径及生理状态等信息,采H5建模技术、3Dmax建模技术实现矿井三维建模,在此基础上,应用LOD技术,建立基于时间和空间双维度的节点细分模型和物理接边算法,开发四叉树多分辨率形态渲染算法,建立与现实一致的三维煤矿场景。模型可支持所有实时与历史信息的时空匹配、穿透式查询与聚合,操作者可通过子菜单交互操作切换到各子模型界面,实现多种方式呈现各维度、各区域、各属性信息。

  通过矿井全维信息可视化建模,可实现矿井要素的可视化展示与操作,有机集成现有各业务系统,建立矿井数据管理中心与各要素、各系统联动接口,为实现“风险评估体系化、风险预警系统化、管理干预智能化”提供平台支撑。

  2.4 煤矿风险评估与预警技术

  目前,煤矿风险评估与预警技术的主要制约因素为危险源的评价模型及算法[32]。由于煤与瓦斯突出机理、冲击地压发生机理和采动空间突水机制等理论机理问题尚不清晰,所以难以建立针对煤矿重大安全风险建立力学意义上的精准的评估模型,大数据技术的聚类分析和模糊评判方法为解决这一问题提供了有效途径。笔者及研究团队通过开发面向数据流的可能性模糊聚类算法,将去噪编码器与极速学习机结合,建立了基于实时数据的煤矿风险评估与预警模型,如图4所示。

  首先,训练编码器网络(DAE),通过反向传播算法进行训练。当重构误差函数最小时,得到最优网络参数;然后,训练ELM极速学习机模型,将原始输入数据的去噪抽象特征矩阵h1,其输入层权值与隐含层输出为DAE2的输入层权值w2与隐含层输出h2;最后,利用学习训练得到的风险综合预警判断函数,根据风险预警指标在不同警度区间下的阈值进行评估预警。在单一指标基础上,确定预警区间,进行“正常”、“轻警”、“中警”与“重警”警度的实时预警。

  关联规则挖掘作为数据挖掘的一个分支,在处理非线性模式识别方面表现出了很好的特性,可以通过对实时监测数据样本的学习,实现煤矿安全风险评估与预警。笔者及研究团队针对煤矿大数据多源异构的特点,将关联规则算法中经典的Apriori算法并行化,挖掘煤矿风险相关的强关联规则,建立了基于并行关联规则挖掘的风险评估与预警模型,如图5所示。首先,分析影响煤矿安全风险评估、预警的相关传感数据,如瓦斯浓度、矿压、煤尘、水害、火灾等外缘传感信息,并对这些多维的、异构的、不完全的、随机的和模糊的数据进行分组。然后,利用关联规则挖掘技术将煤矿安全风险预警的影响因素组成记录集合,并对该集合进行数据挖掘。

  目前,关联规则已有许多经典常用的挖掘算法,例如Apriori 算法。在大数据环境下,研究方案拟采用基于MapReduce计算模式的并行Apriori 算法,利用频繁项集性质的先验知识,通过逐层搜索的迭代方法,即将k项集用于探察(k+1)项集,以穷尽数据集中的所有频繁项集。该算法基于Apriori性质:频繁项集的所有非空子集也必须是频繁的,利用层次循环发现频繁项集。为了减少计算量,可使用Apriori性质,即如果1个k项集的(k-1)子集不在Lk-1中,则该候选子集不可能是频繁的,可直接从候选项集合中删除。通过MapReduce框架并行生成关联规则子集,最终利用挖掘出的关联规则子集进行重大风险智能预警。

  2.5 智慧煤矿系统联动技术

  系统联动是指不同的系统软件之间相互关联所产生的信息、动作,通过统一的数据整合,把所有各子系统的数据和控制变量存放在数据库中,在配置关系后所产生的一种信息、动作控制方式,当某一系统发生预警情况时,引发预警系统以外的其他系统(设备)进行动作。笔者及研究团队开发了包含同一截面多系统数据查询、多系统联动展示、多系统联动信息推送和多系统联动控制的智慧煤矿系统联动技术。

  2.6 井下智能巡检机器人技术

  随着5G、物联网、大数据等技术的逐步成熟,煤矿智能化必将进入井下无人作业阶段,井下智能巡检机器人将是煤矿智慧安全管理体系的重要组成部分。以机器人为数据终端,依托井下高速无线数据传输技术实现机器人及大数据后台的实时互通,针对不同煤矿安全风险类型开发相匹配的便携式传感器,以多维度、多批次、多区域形式实现机器人煤矿全维风险信息的感知。集成地球物理探测技术、惯性导航、多元定位、图像识别、人工智能等先进技术,开发路径自主识别与规划、物相识别和井下风险源感知等技术,研发面向无人化的自感知、自决策、自预警、自处置的矿山智能巡检机器人。

来源:煤矿智能化安全保障体系及关键技术

发布于 2020-08-24 10:18
0
请先 登录 后评论

主办单位:煤炭科学研究总院出版传媒集团 中国煤炭学会学术期刊工作委员会

©版权所有2015 煤炭科学研究总院出版传媒集团 地址:北京市朝阳区和平里青年沟东路煤炭大厦 邮编:100013
京ICP备05086979号-16  技术支持:云智互联