基于精确煤层三维模型的采煤机煤岩界面识别系统

王志刚

（神华神东煤炭集团设备维修中心，内蒙古自治区鄂尔多斯市，017200）

目前，我国大多数大型煤矿都实现了机械化采煤，在自动化工作面方面也进行了大量的研究，以神东榆家梁煤矿为代表的综采工作面，实现了以采煤机记忆切割、液压支架通过红外传感器自动定位、刮板输送机自动联动为主要特征的自动化无人工作面，工作面的集中控制中心一般设置在运输巷道。自动化工作面的核心技术是自动调整采煤机的割煤高度，而这一技术的实现途径除了记忆割煤以外，更重要的就是煤岩界面的自动识别。

为了实现无人工作面采煤机滚筒的自动调高，需要解决的技术就是煤岩界面自动识别技术，使得采煤机在割煤过程中可以根据煤层的厚度和倾角等赋存条件自动调节滚筒高度进行割煤，避免滚筒割到岩石及支架顶梁，实现高效率割煤。此项技术的核心是实现无人自动化开采，可以解决综采工作面自动化开采最迫切的需要，因此国内外对此项技术进行了多种方式的研究，包括天然γ射线、振动频谱传感系统、测力截齿、同位素、噪声、红外线、紫外线、超声波、无线电波和雷达探测等。在神东煤炭集团进口的美国JOY 采煤机上，采用了一种基于图像识别的自动煤岩识别系统，通过识别系统可以发现，同一煤层 （或岩层）的颜色、光泽、纹理、断口形状等特征基本相同，但与顶底板岩石却有着明显的不同。因此，可以通过实时摄取煤岩图像来提取其图像特征，进而识别煤岩界面。

上述这些煤岩识别方法在实际生产中均具有局限性，未能得到充分的应用，煤岩界面识别仍然是采煤工作面自动化建设中的难点。

三维地震波探测技术的发展为煤矿的精确测量提供了先进的技术手段支撑，克服了传统钻孔勘探的不足。有关专家指出，煤矿小构造高分辨三维地震勘探技术体系的应用效果之一就是精确预测煤层厚度，1m 以上的煤层厚度预测精度达95%以上，可用来指导采区布置、开采方法的选择和开采资源的管理。利用三维地震波探测或其它手段获得的测量数据，通过建立煤层精确三维模型来控制采煤机割煤高度，达到采煤机自动煤岩界面识别，提高自动化工作面的适应性。

1 神东煤炭集团自动化采煤技术现状

神东煤炭集团在榆家梁煤矿实现了400万t／a的自动化综采工作面，该工作面采煤机通过记忆割煤功能实现自动割煤，可以自动记录采煤机在不同位置煤层的倾角和起伏变化。通过红外线收发装置获得采煤机的位置信息，具有程序自动控制功能，根据采煤机的位置实现跟机自动移架和自动推溜功能。

神东的自动化工作面虽然实现了自动割煤，但是其前提是神东矿区优质的地质赋存条件，煤层厚度变化小且倾角小，采煤机通过记忆一次割煤的过程来实现后续割煤高度的自动调整并不是采煤机主动对煤岩的识别。虽然在采煤机的摇臂处安装了摄像头，但是也没能通过图像来识别煤岩。

2 煤岩界面识别技术现状

煤岩识别技术是实现完全自动化采煤的关键技术之一，目前国内外发展了多种煤岩界面识别方法，这些方法大都基于煤和岩石的物理特性，下面对这些技术进行简单的介绍。

（1）基于EMD 方法的煤岩界面识别方法。经验 模 态 分 解 （Emepirical Mode Decomposition，EMD）方法是一种自适应的信号分解方法。根据煤和矸石下落时产生声波信号的频谱差异，判断下落的是煤还是矸石。该方法只有在割到顶、底板的岩石后才能判断，对于矸石含量高的煤层也不能进行有效的判断。

（2）基于多传感器信息融合的煤岩界面识别。采用扭矩传感器 （测滚筒的电机轴扭矩）、加速度传感器 （测振动）、压力传感器 （测油缸压力）、电流传感器 （测变频器后的定子电流）、扭振传感器（测轴角速度）及声传感器等，通过径向基函数（RBF）神经网络对各传感器的识别结果进行融合，得出确定性的煤岩识别结论。

（3）基于支持向量机的煤岩界面识别。采用支持向量机进行煤岩界面识别，采集采煤机切割煤和岩石的振动信号，信号先用小波包分解进行特征提取，然后使用支持向量机进行煤岩界面的识别，同时与神经网络分类器进行比较。

（4）γ射线探测法。煤层中的放射性元素一般较岩石中低很多，且随着煤层厚度的增加，岩层放射性辐射穿透煤层后其辐射强度减小，通过检测经煤层衰减后的γ射线强度，即可测算出顶底板煤层厚度。无放射源、便于管理、非接触测量以及不易损坏等是该方法的优点，但不适用于煤层中夹矸较多的情况。

（5）雷达探测法。电磁波穿透煤层时，由于煤与岩石不同的介质特性，在煤岩界面上会发生电磁波反射。反射波滞后时间除了与煤和岩层介质等可测因素有关外，还与煤层厚度有关。因此，通过检测反射波滞后时间可测算出煤层厚度。这种方法适用范围较广，不需要预先测取煤岩物理特性，但存在着当煤层厚度增加时，信号快速衰减，难以检测。

（6）红外探测法。采煤机在截割煤和岩石后，由于不同的介质性质，采煤机截割时产生的温度也不同。因此，采用红外探测法检测采煤机滚筒截齿温度，即可测算出煤岩界面。该方法只有截割到岩石时，才能测算出煤岩界面。当煤炭与岩石普氏系数相近时，即使截割到岩石也很难测算出煤岩界面。

（7）有功功率监测法。在单位时间内截割量等不变的情况下，被截割物越硬，所需要的有功功率越大。因此，通过检测有功功率即可测算出煤岩界面。该方法要求煤炭与岩层普氏系数等差异大，并且只有截割到岩层时才能测算出煤岩界面。

（8）震动检测法。由于煤炭与岩层普氏系数等不同，采煤机截割煤炭和岩层时震动频谱不同。因此，通过检测震动频谱可测算出煤岩界面。该方法同样要求煤炭与岩层普氏系数等差异大，并且只有截割到岩层时才能测算出煤岩界面。

（9）声音检测法。由于煤炭与岩石密度等不同，落在刮板输送机中部槽发出的声音也不同。因此，通过检测煤炭或岩石撞击中部槽发出的声音可测算出煤岩界面。该方法要求煤炭与岩石介质差异大，只有截割到岩层并且有岩石撞击到中部槽时才能测算出煤岩界面，属于事后判断。另外，采煤工作面设备运行噪声大，无法准确识别岩石落到中部槽上的声音。

（10）粉尘检测法。采煤机截割煤炭和岩石时会产生煤尘和岩尘等粉尘，煤尘和岩尘具有不同的特性，因此，通过检测粉尘可测算出煤岩界面。该方法只有截割到岩石时才能测算出煤岩界面，属于事后的判定，在实际生产过程中不具备可操作性，不能指导采煤机对于煤层的判断。

（11）基于图像识别的多信息融合煤岩界面识别方法。图像识别是近年来广泛研究的煤岩界面识别方法，通过实时摄取工作面煤层图像判断关键图像元素，识别煤岩界面。同一煤层 （或岩层）的颜色、光泽、纹理以及断口形状等特征基本相同，但与顶底板岩石却有着明显的不同。基于可见光图像识别的煤岩界面检测方法又分为黑白图像和彩色图像，黑白图像特征主要有灰度、纹理和形状等；彩色图像特征主要有色彩、灰度、纹理和形状等。但是由于井下工作面粉尘大，很难根据图像实时地识别出煤和岩石。

上述这些煤岩界面识别技术从目前的技术发展来看还都停留在理论阶段，并没有真正用于煤矿生产实际中，还需要继续寻找一种有效的煤岩界面识别技术来解决煤矿自动化开采的难题，最终做到煤炭开采的井下无人化。

3 基于精确煤层三维模型采煤机的煤岩界面识别

3.1 系统总体思路

随着钻探、地质遥感和三维地震波等测量技术的不断进步以及地质测量的精度不断提高，建立精确的煤层三维模型成为可能。本文提出了一种基于精确煤层三维模型的煤岩识别系统，通过以地质测量获得的煤层数据为基础建立的煤层三维模型，实时调整采煤机摇臂高度，进而实现自动化无人开采。与传统煤岩识别系统相比，本文中的煤岩识别系统不需要采煤机主动发出识别信号并辨别煤岩分界，而是通过煤层三维模型，结合综采工作面设备三维模型，通过模型的碰撞检查，由煤层厚度驱动滚筒的高度。具体内容包括以下5个方面：

（1）建立基于煤层三维模型的采煤机煤岩界面识系统，通过煤岩界面识别系统，控制采煤机截割高度自动调整。

（2）建立采煤机在煤层三维模型中的实时状态描述方法。

（3）研究煤层模型的实时修正。随着工作面的回采，对煤层三维模型进行修正，一种是煤层整体模型不变，对于采空区进行标记；另一种是对原煤层模型进行修正，生成新的煤层模型，新模型是工作面未采部分模型。

（4）通过煤岩界面的识别，研究综采工作面自动化方案，实现无人工作面。

（5）综采无人工作面的研究成果可应用于房采和巷道掘进的自动化。

3.2 总体技术方案

3.2.1 煤层三维模型的建立

传统的煤层三维模型的建立是通过对钻孔获得的数据进行处理，按一定的算法拟合出煤层模型，其主要数据来源是三维地震波探测获得的数据，对1m 以上煤层厚度的探测精度达到95%以上。但是由于三维地震波探测属于勘探技术研究范畴，对此技术不做深入研究。通过三维地震波数据建立的模型是煤层的初步模型，需要综采工作面巷道掘进过程中得到的煤层详细数据对模型进行验证，根据实际数据和已经建立的初步模型作对比，优化煤层的模型，使建立的煤层模型基本接近该工作面煤层的实际情况。

本文中的煤层三维模型是一种假设模型，通过三维软件绘制而成，为可用模型。

3.2.2 采煤机在煤层模型中的状态描述及对煤层模型的修正

采煤机在煤层中的状态描述是本系统的关键技术。建立好的煤层模型是所有研究的基础，采煤机在实际割煤过程可模拟为采煤机模型对煤层模型的不断切割。割煤后的煤层模型有两种处理方式，一是对模型进行标识，区分采空区和未回采区域；二是根据割煤数据，重新生成新的煤层模型，作为系统下一个割煤循环的模型，采煤机模型在煤层模型中的位置见图1。

采煤机的状态描述包括采煤机的行走速度和左右摇臂高度 （或角度）。

图1 采煤机模型在煤层模型中的位置

采煤机模型的建立由生产厂家针对特定的型号在设计阶段建立。模型的主要参数需包括滚筒直径以及摇臂长度 （滚筒中心与摇臂耳座孔中心之间的距离）等采煤机主要结构参数。

除了采煤机的模型，在系统中还要考虑刮板输送机和液压支架的模型。刮板输送机作为采煤机行走的界面元素，而液压支架模型是在割煤过程中防止采煤机滚筒与支架顶梁干涉需要考虑的问题。

3.2.3 煤层模型驱动的采煤机自动煤岩识别系统

建立了采煤机在煤层中的状态描述方法后，就可以通过煤层模型实现采煤机的自动煤岩识别系统。基于煤层三维模型的采煤机煤岩识别系统组成见图2。

图2 基于煤层三维模型的采煤机煤岩识别系统组成

3.2.4 通过煤岩识别系统输出数据的摇臂状态自动控制系统

通过煤岩识别系统输出的信号可实现采煤机摇臂状态的自动调整，调整方案为：根据采煤机运行速度，通过采煤机模型与煤层模型的碰撞检查，可得出采煤机在某一运行位置所需的摇臂高度，这一高度参数反馈到摇臂状态自动控制系统后，控制系统根据高度参数及采煤机本身的结构参数，计算得出摇臂需要的调整量，通过电磁伺服阀控制摇臂调高油缸的伸缩，进而控制摇臂的高度 （角度），实现摇臂状态自动调整的目的。只要采煤机摇臂的自动调整实现了，结合现在已有的采煤机与支架联动技术，就可以实现综采工作面的自动化开采。

摇臂状态自动控制系统可在采煤机本身控制系统中实现，也可在集中控制区的上位机中实现。

3.3 技术路线

本系统的技术路线详见图3。

图3 技术路线图

4 结语

与传统煤岩识别系统相比，本文中的煤岩识别系统不需采煤机主动发出识别信号并辨别煤岩分界，而是通过煤层厚度参数由煤层厚度驱动滚筒的高度。具体创新点如下：

（1）提出煤矿井下煤岩界面识别的新思路，为采煤机实现割煤高度自动调整提供新的途径。

（2）研究一种通过模型参数 驱动的采煤机摇臂自动调高系统，建立采煤机在模型中的运行状态描述方法，实时图形显示采煤机在煤层模型中的状态，随着回采工作的推进，实时修改煤层三维模型。

（3）提出基于煤层精确模型的综采工作面自动化系统，提高自动化工作面对煤层条件的适应性，克服现在基于记忆割煤对煤层适应性差的缺点。

（4）通过提高自动化工作面对煤层地质条件的适应性，进而实现真正的无人工作面。

［1］ 杨景才等.神东矿区1.5～2.0m 煤层自动化开采关键技术研究与实践 ［J］.神华科技，2009 （3）

［2］ 孙臣，翟成，林柏泉等.钻孔应力分布特征及卸压增透技术的数值模拟 ［J］.中国煤炭，2012 （8）

［3］ 田成金.薄煤层自动化工作面关键技术现状与展望［J］.煤炭科学技术，2011 （8）

［4］ 孙继成.基于图像识别的煤岩界面识别方法研究［J］.煤炭科学技术，2011 （2）

［5］ 张艳丽.基于EMD 方法的煤岩界面识别研究 ［J］.煤炭技术，2007 （9）

［6］ 陈惠英.基于多传感器信息融合的煤岩界面识别［J］.煤矿机电，2008 （3）

［7］ 刘强.基于支持向量机的煤岩界面识别方法 ［J］.科技创新与生产力，2007 （8）