CN106194181B - 基于地质数据的智能化工作面煤岩界面识别方法 - Google Patents
基于地质数据的智能化工作面煤岩界面识别方法 Download PDFInfo
- Publication number
- CN106194181B CN106194181B CN201610644279.6A CN201610644279A CN106194181B CN 106194181 B CN106194181 B CN 106194181B CN 201610644279 A CN201610644279 A CN 201610644279A CN 106194181 B CN106194181 B CN 106194181B
- Authority
- CN
- China
- Prior art keywords
- coal
- data
- seam
- cut
- prediction residual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21C—MINING OR QUARRYING
- E21C35/00—Details of, or accessories for, machines for slitting or completely freeing the mineral from the seam, not provided for in groups E21C25/00 - E21C33/00, E21C37/00 or E21C39/00
- E21C35/24—Remote control specially adapted for machines for slitting or completely freeing the mineral
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21C—MINING OR QUARRYING
- E21C39/00—Devices for testing in situ the hardness or other properties of minerals, e.g. for giving information as to the selection of suitable mining tools
Abstract
本发明公开了一种基于地质数据的智能化工作面煤岩界面识别方法,包括步骤:一、基于地质数据的煤层三维建模:101、实测地质数据获取:获取待开采煤层的实测地质数据,实测地质数据包括煤层地质数据、回采巷道地质数据和切眼地质数据;102、煤层模型构建:数据存储、插值运算、三维坐标数据库生成和模型构建;二、煤层初步开采及煤岩界面识别;三、煤层后续开采及煤岩界面识别:采用采煤机由后向前对待开采煤层继续进行开采;每一个工作面开采之前,均先对该工作面的煤岩界面进行识别。本发明方法步骤简单、合计合理且实现方便、使用效果好,根据实测地质数据并结合滚筒调高轨迹预测数据,对煤岩界面进行简便、快速、准确识别。
Description
技术领域
本发明属于煤层开采技术领域,尤其是涉及一种基于地质数据的智能化工作面煤岩界面识别方法。
背景技术
近年来煤矿企业加大科学技术方面的研发投入,有效推动矿井由数字化矿山向智能化矿山迈进。采煤无人值守已经是煤矿行业最为突出的一个课题。采用智能化工作面(也称为智能化综采工作面)对煤矿进行智能化开采,不仅仅是国家面临的问题,也是国际上面临的一个难关。煤岩界面识别问题是实现智能化工作面的关键问题之一,煤岩界面识别能使采煤机具有自动追踪煤岩界面的能力,有助于引导煤矿井下采煤自动化,提高生产效益。准确识别煤岩界面后,才能实现综采工作面采煤机调高的自动化和智能化控制,有效提高综采工作面的自动化水平。目前,对煤岩界面进行识别时,主要采用的是放射性探测技术、振动测试技术等对煤岩界面进行实际测试,费工费时,并且煤岩界面识别效果较差。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种基于地质数据的智能化工作面煤岩界面识别方法,其方法步骤简单、合计合理且实现方便、使用效果好,根据实测地质数据并结合滚筒调高轨迹预测数据,对煤岩界面进行简便、快速、准确识别。
为解决上述技术问题,本发明采用的技术方案是:一种基于地质数据的智能化工作面煤岩界面识别方法,其特征在于,该方法包括以下步骤:
步骤一、基于地质数据的煤层三维建模,过程如下:
步骤101、实测地质数据获取:获取待开采煤层的实测地质数据;所述待开采煤层的实测地质数据包括煤层地质数据、回采巷道地质数据和切眼地质数据;
所述待开采煤层的工作面为回采工作面,工作面运输巷和工作面回风巷之间通过切眼连通;所述工作面运输巷和工作面回风巷呈平行布设且二者均与所述回采工作面的长度方向呈垂直布设,所述切眼与所述回采工作面的长度方向呈平行布设;所述待开采煤层分为运输巷区域煤层、回风巷区域煤层、切眼区域煤层和待开采区域煤层,所述运输巷区域煤层为待开采煤层中位于工作面运输巷所处区域的煤层,所述回风巷区域煤层为待开采煤层中位于工作面回风巷所处区域的煤层,所述切眼区域煤层为待开采煤层中位于切眼所处区域的煤层,所述待开采区域煤层为待开采煤层中位于工作面运输巷和工作面回风巷之间的煤层;
所述回采巷道地质数据包括运输巷地质数据和回风巷地质数据;所述运输巷地质数据包括所述运输巷区域煤层顶部多个测点的三维坐标数据,所述回风巷地质数据包括所述回风巷区域煤层顶部多个测点的三维坐标数据;
所述切眼地质数据包括所述切眼区域煤层顶部多个测点的三维坐标数据;
所述煤层地质数据包括所述待开采区域煤层顶部多个测点的三维坐标数据;
步骤102、煤层模型构建:采用数据处理设备建立待开采煤层顶部的三维立体模型,过程如下:
步骤1021、数据存储:调用数据存储模块对步骤一中所述待开采煤层的实测地质数据进行存储;
步骤1022、插值运算:根据步骤1021中所述待开采煤层的实测地质数据中所有测点的三维坐标数据,调用插值运算模块计算得出待开采煤层顶部多个位置点的三维坐标数据;
步骤1023、三维坐标数据库生成:调用数据库生成模块生成待开采煤层顶部的三维坐标数据库;
所述三维坐标数据库内存储有步骤1021中所述待开采煤层的实测地质数据中所有测点的三维坐标数据和步骤1022中计算得出的待开采煤层顶部多个位置点的三维坐标数据;
步骤1024、模型构建:根据步骤1023中生成的待开采煤层顶部的三维坐标数据库,调用三维建模软件建立待开采煤层顶面的三维模型;
步骤二、煤层初步开采及煤岩界面识别:采用采煤机且沿工作面推进方向由后向前对所述待开采煤层进行开采,并完成所述待开采煤层的前n个工作面的开采过程;其中,n为正整数且n=6~8;
采用采煤机对待开采煤层的任一个所述工作面进行开采之前,根据步骤一中所建立的待开采煤层顶面的三维模型,对该工作面所处位置处待开采煤层的煤岩界面进行识别;
采用采煤机对待开采煤层的任一个所述工作面进行开采时,根据该工作面所处位置处待开采煤层的煤岩界面识别结果进行开采;采用采煤机对任一个所述工作面进行割煤过程中,均采用数据处理设备对m个截割位置处的滚筒截割姿态数据进行记录,获得该工作面开采过程中的采煤机调高数据组,并采用数据处理设备将获得的所述采煤机调高数据组同步存储至预先建立的采煤机调高数据库内;所述采煤机调高数据库内按照开采先后顺序由前至后存储有待开采煤层中当前已完成开采的所有工作面开采过程中的所述采煤机调高数据组;
所述采煤机调高数据组包括对所述待开采煤层进行一刀割煤过程中m个截割位置处的滚筒截割姿态数据,其中m为正整数且m≥5;m个所述截割位置沿工作面长度方向由前至后进行排列;每个截割位置处的滚筒截割姿态数据均为该截割位置处采煤机的截割滚筒的三维坐标数据,所述截割滚筒的三维坐标数据中Z轴坐标数据为滚筒高度数据;
步骤三、煤层后续开采及煤岩界面识别:采用采煤机且沿工作面推进方向由后向前对所述待开采煤层继续进行开采;
每一个所述工作面开采之前,均先对该工作面的煤岩界面进行识别,过程如下:
步骤301、识别用滚筒高度数据序列获取:采用数据处理设备从所述采煤机调高数据库内获取当前工作面后侧的n个工作面开采过程中的所述采煤机调高数据组;所获取的n个所述采煤机调高数据组中的所述滚筒高度数据组成识别用滚筒高度数据序列,每个所述采煤机调高数据组中的所述滚筒高度数据均组成一个滚筒高度数据组;所述识别用滚筒高度数据序列中的n个所述滚筒高度数据组按照开采先后顺序由前至后排列,每个所述滚筒高度数据组中均包括m个截割位置处的所述滚筒高度数据;
所述识别用滚筒高度数据序列记作X(0);X(0)=(x(0)(1),x(0)(2),x(0)(3),...,x(0)(n)),其中x(0)(k)为所述识别用滚筒高度数据序列中的第k个所述滚筒高度数据组,其中k为正整数且k=1、2、3、…、n;x(0)(k)中的第h个所述滚筒高度数据记作x(0)(k,h),其中h为正整数且h=1、2、3、…、m;
步骤302、滚筒高度初步预测:采用数据处理设备且调用灰色预测模型构建模块,对步骤301中所获取的所述识别用滚筒高度数据序列进行处理,建立灰色预测模型;再根据所建立的所述灰色预测模型,采用数据处理设备处理得出所述待开采煤层的n+1个所述工作面开采过程中的滚筒高度初步预测结果;
其中,第k'个所述工作面开采过程中的滚筒高度初步预测结果记作k'为正整数且k'=1、2、3、…、n、n+1;中包括m个滚筒高度初步预测值;
所得出的前n个所述工作面开采过程中的滚筒高度初步预测结果组成滚筒高度预测数据序列,所述滚筒高度预测数据序列中的n个所述滚筒高度初步预测结果按照开采先后顺序由前至后排列;所述滚筒高度预测数据序列记作 中的第k个所述滚筒高度初步预测结果记作中的第h个所述滚筒高度初步预测值记作
第n+1个所述工作面开采过程中的滚筒高度初步预测结果记作 为采用采煤机对当前工作面进行开采过程中的所述滚筒高度初步预测结果;中的第h个所述滚筒高度初步预测值记作
步骤303、滚筒高度初步预测结果修正,过程如下:
步骤3031、建立预测残差的马尔可夫链:采用数据处理设备且调用差值运算模块,对步骤301中所述识别用滚筒高度数据序列与步骤302中所述滚筒高度预测数据序列进行差值运算,得出预测残差的马尔可夫链;
所述预测残差的马尔可夫链,记作为所述预测残差的马尔可夫链中的第k组预测残差,中包括m个截割位置处的预测残差,中第h个截割位置处的预测残差记作
步骤3032、马尔可夫预测:采用数据处理设备且调用马尔科夫预测算法模块对步骤3031中所述预测残差的马尔可夫链进行处理,预测出所述预测残差的马尔可夫链中的第n+1组预测残差
中包括m个截割位置处的预测残差,中第h个截割位置处的预测残差记作
步骤3033、滚筒高度预测数据组计算:根据步骤302中所述的和步骤3032中所述的采用数据处理设备计算得出当前工作面开采过程中的滚筒高度预测数据组
中包括当前工作面开采过程中m个截割位置处的滚筒高度预测值,中第h个截割位置处的滚筒高度预测值记作
步骤3034、采煤机调高预测数据组获取:根据步骤3033中所述的当前工作面开采过程中的滚筒高度预测数据组并结合当前工作面开采过程中m个截割位置处截割滚筒的平面位置信息,采用数据处理设备得出当前工作面开采过程中的采煤机调高预测数据组,所述采煤机调高预测数据组中包括当前工作面开采过程中m个截割位置处的滚筒截割姿态预测数据;每个截割位置处的滚筒截割姿态预测数据均为预测出的该截割位置处的滚筒截割姿态数据;
步骤304、调高轨迹获取:所述数据处理设备根据当前工作面开采过程中的所述采煤机调高预测数据组,获得当前工作面的滚筒调高轨迹;
步骤305、煤岩界面分界线输出:采用数据处理设备输出当前工作面所处位置处待开采煤层的煤岩界面分界线;当前工作面所处位置处待开采煤层的煤岩界面分界线为步骤304中获得的当前工作面的滚筒调高轨迹;
步骤三中采用采煤机对任一个所述工作面进行割煤过程中,均采用数据处理设备对m个截割位置处的滚筒截割姿态数据进行记录,获得该工作面开采过程中的采煤机调高数据组,并采用数据处理设备将获得的所述采煤机调高数据组同步存储至预先建立的采煤机调高数据库内。
上述基于地质数据的智能化工作面煤岩界面识别方法,其特征是:步骤101中所述待开采区域煤层顶部的测点为巷间测点,多个所述巷间测点分多排多列进行布设,相邻两排所述巷间测点之间的间距和相邻两列所述巷间测点之间的间距均为D1,其中D1=2.5m~3.5m;
步骤101中所述切眼区域煤层顶部的测点为切眼内测点,多个所述切眼内测点分M1排和N1列进行布设,其中M1和N1均为正整数,M1≥2且N1≥2;相邻两排所述切眼内测点之间的间距均为D2,其中D2=0.8m~1.2m;相邻两列所述切眼内测点之间的间距均为D3,其中D3=1.2m~1.8m;
所述运输巷区域煤层顶部的多个测点与所述回风巷区域煤层顶部的多个测点呈对称布设;所述运输巷区域煤层顶部和所述回风巷区域煤层顶部的测点均为巷道内测点,所述工作面运输巷分为运输巷主体段和位于所述运输巷主体段后侧的运输巷后部节段,所述工作面回风巷分为回风巷主体段和位于所述回风巷主体段后侧的回风巷后部节段,所述运输巷后部节段和所述回风巷后部节段分别位于切眼两侧,所述运输巷后部节段和所述回风巷后部节段的长度均与切眼的宽度相同;所述运输巷主体段和所述回风巷主体段分别位于所述待开采区域煤层的左右两侧,所述运输巷主体段和所述回风巷主体段的长度均与所述待开采区域煤层的长度相同;所述切眼位于所述待开采区域煤层后侧,切眼的长度与所述待开采区域煤层的宽度相同;
所述运输巷区域煤层顶部的多个所述巷道内测点分M2排和N2列进行布设,其中M2和N2均为正整数,M2≥2且N2≥2;所述运输巷主体段内相邻两排所述巷道内测点之间的间距均为D4,其中D4=3.5m~4.5m;所述运输巷后部节段内相邻两排所述巷道内测点之间的间距均为D2;相邻两列所述巷道内测点之间的间距均为D5,其中D5=0.8m~1.2m。
上述基于地质数据的智能化工作面煤岩界面识别方法,其特征是:步骤101中对所述待开采区域煤层顶部任一个所述测点的三维坐标数据进行获取时,采用由上至下向所述待开采区域煤层内钻孔的方法对该测点的竖向高度数据进行测量或从待开采煤层的煤田地质勘探钻孔数据中获取所述待开采区域煤层顶部该测点的三维坐标数据;
步骤101中所述工作面运输巷、工作面回风巷和切眼均为煤矿井下巷道,所述运输巷区域煤层顶部、所述回风巷区域煤层顶部和所述切眼区域煤层顶部的测点均为井下巷道测点;
对所述煤矿井下巷道内任一个所述井下巷道测点的三维坐标数据进行测量时,当该井下巷道测点的高度高于所处位置处煤矿井下巷道的顶部高度时,采用从所述煤矿井下巷道内部由下向上钻孔的方法,对该井下巷道测点的竖向高度数据进行测量;否则,当该井下巷道测点的高度低于所处位置处煤矿井下巷道的顶部高度或与所处位置处煤矿井下巷道的顶部高度相同时,采用高度测量设备对该井下巷道测点的竖向高度数据进行测量。
上述基于地质数据的智能化工作面煤岩界面识别方法,其特征是:步骤二中对该工作面所处位置处待开采煤层的煤岩界面进行识别时,先根据步骤一中所建立的待开采煤层顶面的三维模型,对该工作面所处位置处待开采煤层与顶板之间的分界线进行识别;再结合待开采煤层的厚度,对该工作面所处位置处待开采煤层与底板之间的分界线进行识别;
步骤二中该工作面所处位置处待开采煤层的煤岩界面识别结果包括该工作面所处位置处待开采煤层与顶板和底板之间的分界线。
上述基于地质数据的智能化工作面煤岩界面识别方法,其特征是:步骤305中煤岩界面分界线输出后,还需判断是否需对所输出的煤岩界面分界线进行修正;
判断是否需对所输出的煤岩界面分界线进行修正时,先根据步骤一中所建立的待开采煤层顶面的三维模型,对该工作面所处位置处待开采煤层与顶板之间的分界线进行识别,所识别出的分界线为模型确定顶部分界线;再将所述模型确定顶部分界线与步骤305中所输出的该工作面所处位置处待开采煤层与顶板之间的分界线进行对比,并根据对比结果判断是否需对步骤305中所输出的该工作面所处位置处待开采煤层与顶板之间的分界线进行修正;当判断得出需进行修正时,根据所述模型确定顶部分界线对步骤305中所输出的该工作面所处位置处待开采煤层与顶板之间的分界线进行修正;
同时,根据步骤一中所建立的待开采煤层顶面的三维模型,并结合待开采煤层的厚度,对该工作面所处位置处待开采煤层与底板之间的分界线进行识别,所识别出的分界线为模型确定底部分界线;再将所述模型确定底部分界线与步骤305中所输出的该工作面所处位置处待开采煤层与底板之间的分界线进行对比,并根据对比结果判断是否需对步骤305中所输出的该工作面所处位置处待开采煤层与底板之间的分界线进行修正;当判断得出需进行修正时,根据所述模型确定底部分界线对步骤305中所输出的该工作面所处位置处待开采煤层与底板之间的分界线进行修正。
上述基于地质数据的智能化工作面煤岩界面识别方法,其特征是:步骤二和步骤三中所述的采煤机均为双滚筒采煤机;所述双滚筒采煤机的两个所述截割滚筒分别为对待开采煤层的顶板下方煤层进行开采的上截割滚筒和对待开采煤层的底板上方煤层进行开采的下截割滚筒;
步骤二中采用采煤机对待开采煤层的任一个所述工作面进行开采之前,先根据该工作面所处位置处待开采煤层的煤岩界面识别结果,对该工作面开采过程中采煤机的两个所述滚筒的调高轨迹分别进行确定;
步骤二中采用采煤机对任一个所述工作面进行割煤过程中,均采用数据处理设备对两个所述截割滚筒在m个截割位置处的滚筒截割姿态数据分别进行记录,所获得的所述采煤机调高数据组的数量为两个,两个所述采煤机调高数据组分别为该工作面开采过程中两个所述截割滚筒的所述采煤机调高数据组。
上述基于地质数据的智能化工作面煤岩界面识别方法,其特征是:步骤二和步骤三中所述的采煤机均为双滚筒采煤机;所述双滚筒采煤机的两个所述截割滚筒分别为对待开采煤层的顶板下方煤层进行开采的上截割滚筒和对待开采煤层的底板上方煤层进行开采的下截割滚筒;
步骤三中采用采煤机对任一个所述工作面进行割煤过程中,均采用数据处理设备对两个所述截割滚筒在m个截割位置处的滚筒截割姿态数据分别进行记录,所获得的所述采煤机调高数据组的数量为两个,两个所述采煤机调高数据组分别为该工作面开采过程中两个所述截割滚筒的所述采煤机调高数据组;
步骤三中每一个所述工作面开采之前,对该工作面的煤岩界面进行识别时,先获得当前工作面开采过程中两个所述截割滚筒的所述采煤机调高预测数据组;对当前工作面开采过程中任一个所述截割滚筒的所述采煤机调高预测数据组进行获取时,均按照步骤301至步骤303中所述的方法进行获取;
步骤304中进行调高轨迹时,所述数据处理设备根据当前工作面开采过程中两个所述截割滚筒的所述采煤机调高预测数据组,分别获取两个所述截割滚筒的当前工作面的滚筒调高轨迹;
步骤305中输出的当前工作面所处位置处待开采煤层的煤岩界面分界线包括当前工作面所处位置处待开采煤层与顶板和底板的分界线;其中,当前工作面所处位置处待开采煤层与顶板的分界线为所述上截割滚筒的当前工作面的滚筒调高轨迹,当前工作面所处位置处待开采煤层与底板的分界线为所述下截割滚筒的当前工作面的滚筒调高轨迹。
上述基于地质数据的智能化工作面煤岩界面识别方法,其特征是:步骤二和步骤三中m个所述截割位置均按照工作面长度方向由后向前进行布设;
步骤302中所述灰色预测模型为无偏灰色预测模型;
步骤302中进行灰色预测模型建立之前,先根据步骤301中所述识别用滚筒高度数据序列,采用数据处理设备获取m个所述截割位置的截割高度数据序列;每个所述截割位置的截割高度数据序列均包括n个所述滚筒高度数据,n个所述滚筒高度数据按照开采先后顺序由前至后进行排列;
其中,m个所述截割位置中第h个所述截割位置的截割高度数据序列记作 由所述识别用滚筒高度数据序列中n个所述滚筒高度数据组的第h个所述滚筒高度数据组成,
步骤302中处理得出的n+1个所述工作面开采过程中的滚筒高度初步预测结果由m个所述截割位置的截割高度初步预测结果组成;每个所述截割位置的截割高度初步预测结果均包括n+1个所述滚筒高度初步预测值,n+1个所述滚筒高度初步预测值按照开采先后顺序由前至后进行排列;
m个所述截割位置中第h个所述截割位置的截割高度初步预测结果记作
由m个所述截割位置的截割高度初步预测结果中第k'个所述滚筒高度初步预测值组成;
步骤302中进行滚筒高度初步预测时,采用数据处理设备对m个所述截割位置的截割高度初步预测结果分别进行预测;m个所述截割位置的截割高度初步预测结果的预测方法均相同;
对m个所述截割位置中第h个所述截割位置的截割高度初步预测结果进行预测时,先采用数据处理设备且调用灰色预测模型构建模块,对进行处理,并根据处理结果建立无偏灰色预测模型,过程如下:
步骤3021、灰生成:调用灰生成算法模块,对进行灰生成,获得的生成数据序列x(1)(h);
其中,x(1)(h)=(x(1)(1,h),x(1)(2,h),x(1)(3,h),...,x(1)(n,h));所述生成数据序列x(1)(h)中包括n个生成数据,所述生成数据序列x(1)(h)中的第k个所述生成数据记作x(1)(k,h);
步骤3022、紧邻均值序列生成:调用紧邻均值序列生成模块,对步骤3021中所述生成数据序列进行处理,生成所述生成数据序列的紧邻均值序列Z(1)(h);其中Z(1)(h)=(z(1)(2,h),z(1)(3,h),...,z(1)(n,h));
所述紧邻均值序列Z(1)中包括n-1个紧邻均值,所述紧邻均值序列Z(1)中的第s-1个所述紧邻均值记作z(1)(s,h),z(1)(s,h)=0.5x(1)(s,h)+0.5x(1)(s-1,h);其中,x(1)(s,h)为所述生成数据序列x(1)(h)中的第s个所述生成数据,x(1)(s-1,h)为所述生成数据序列x(1)(h)中的第s-1个所述生成数据;其中,s为正整数且s=2、3、…、n;
步骤3023、无偏灰色预测模型的二级参数求解:调用二级参数求解模块,对所建立无偏灰色预测模型的四个二级参数C、D、E和F分别进行求解;
其中, x(0)(s,h)为中的第s个所述滚筒高度数据;
步骤3024、无偏灰色预测模型的一级参数求解:根据步骤3023中求解出的所建立灰色预测模型的四个二级参数C、D、E和F,调用一级参数求解模块,对所建立灰色预测模型的两个一级参数a和b分别进行求解;
其中,
步骤3025、无偏灰色参数求解:根据步骤3024中求解出的所建立无偏灰色预测模型的两个一级参数a和b,调用无偏灰色参数求解模块,对所建立灰色预测模型的两个无偏灰色参数α和β分别进行求解;
其中,
步骤3026、无偏灰色预测模型建立:根据步骤3025中求解出的所建立无偏灰色预测模型的两个无偏灰色参数α和β,调用无偏灰色预测模型建立模块,建立无偏灰色预测模型;所建立的无偏灰色预测模型为:其中,x(0)(1,h)为中的第1个所述滚筒高度数据,k”为正整数且k”≥1;
步骤3026中建立所述无偏灰色预测模型后,采用数据处理设备且根据所建立的所述无偏灰色预测模型,获得m个所述截割位置中第h个所述截割位置的截割高度初步预测结果其中,中的第g个所述滚筒高度初步预测值g为正整数且g=1、2、3、…、n+1。
上述基于地质数据的智能化工作面煤岩界面识别方法,其特征是:步骤3031中所述预测残差的马尔可夫链中包括m×h个所述预测残差;
步骤3032中采用数据处理设备且调用马尔科夫预测算法模块对步骤3031中所述预测残差的马尔可夫链进行处理时,过程如下:
步骤30321、状态划分:根据步骤3031中所述预测残差的马尔可夫链中的m×h个所述预测残差,采用数据处理设备对所述预测残差的状态进行划分,获得所述预测残差的J个状态;所述预测残差的J个状态中的第j个状态记作状态j,其中J为正整数且J≥3,j为正整数且j=1、…、J;
步骤30322、一步转移概率矩阵计算:根据步骤3031中所述预测残差的马尔可夫链中m×h个所述预测残差,采用数据处理设备且调用一步转移概率矩阵模块,计算得出所述预测残差的一步转移概率矩阵;
所述一步转移概率矩阵为J阶方阵,所述一步转移概率矩阵中的第i行第j数据记作Pij,其中Pij为所述预测残差由状态i转移至状态j的转移概率;i为正整数且i=1、…、J;
步骤30323、马尔可夫预测:采用数据处理设备对第n+1组预测残差中m个截割位置处的预测残差分别进行预测,第n+1组预测残差中m个截割位置处预测残差的预测方法均相同;
其中,对中第h个截割位置处的预测残差进行预测时,包括以下步骤:
步骤A1、根据步骤一中所述预测残差的马尔可夫链,获得第n组预测残差中第h个截割位置处的预测残差
步骤A2、根据步骤30321中所述预测残差的J个状态划分结果,对步骤A1中所述预测残差的状态进行判断,得出所述预测残差的状态;
所述预测残差的状态记作状态i',其中i'为正整数且i'=1、…、J;
步骤A3、根据步骤A2中判断得出的所述预测残差的状态i',并结合步骤30322中所述一步转移概率矩阵,得出所述预测残差的最大转移概率;
所述预测残差的最大转移概率记作Pi'j',Pi'j'为所述一步转移概率矩阵中的第i'行第j'列数据,其中j'为正整数且j'=1、2、…、J;
步骤A4、根据步骤A3中得出的所述预测残差的最大转移概率Pi'j',得出所述预测残差的状态;
所述预测残差的状态为状态j';
步骤A5、根据步骤A4中得出的所述预测残差的状态j',并结合步骤30321中所述预测残差的J个状态划分结果,得出所述预测残差
上述基于地质数据的智能化工作面煤岩界面识别方法,其特征是:步骤30321进行状态划分时,先找出m×h个所述预测残差中的最大值和最小值,所找出的最大值为预测残差最大值且其记作所找出的最小值为预测残差最小值且其记作再从区间中选取J-1个数值,所选取的J-1个数值组成状态划分端点数据列,所述状态划分端点数据列中的J-1个数值按照数值从小到大的顺序由前至后进行排列,所述状态划分端点数据列中的第j”个数值记作再利用所选取的J-1个数值将区间划分为J个区间,划分好的J个区间为分别为所述预测残差的J个状态的状态区间;其中,j”为正整数且j”=1、2、…、J-1;
J个所述区间中的第j个区间为状态j的状态区间;状态j的状态区间的两个端点值分别记作和且当j=1时,当2≤j≤J时,当j=J时,当1≤j≤J-1时,
步骤30322中所述的其中mj为m×h个所述预测残差中位于状态j的状态区间内的所有预测残差的总数量,mi为m×h个所述预测残差中位于状态i的状态区间内的所有预测残差的总数量;
步骤A2中对步骤A1中所述预测残差的状态进行判断时,根据所述预测残差所处的状态区间,对所述预测残差的状态进行判断;所述预测残差位于状态i'的状态区间内;
步骤A3中所述预测残差的最大转移概率Pi'j'为所述一步转移概率矩阵的第i'行数据中数值最大的数据;
步骤A5中所述预测残差其中和为状态j'的状态区间的两个端点值,且
本发明与现有技术相比具有以下优点:
1、方法步骤简单、设计合理且实现方便,投入成本较低。
2、所采用的基于地质数据的煤层三维建模方法步骤简单、设计合理且实现简便、使用效果好,所采用的实测地质数据获取方法简单且所获取的实测地质数据准确,待开采煤层的实测地质数据包括煤层地质数据、回采巷道地质数据和切眼地质数据。并且,实测位置点的三维坐标数据为实测数据,插值处理后,获得待开采煤层顶部的三维坐标数据库,相应所建立的待开采煤层顶面的三维模型准确和可靠。
3、所采用的基于地质数据的煤层三维建模方法实现简便,能在短时间内快速建立待开采煤层顶面的三维模型,并能有效保证所建立三维模型的准确性和可靠性。
4、所采用的基于地质数据的煤层三维建模方法使用效果好且实用价值高,规避了长期以来难以解决的煤岩界面识别世界性难题,是一种全新的数字化控制采煤机自动割煤方法的重要数据基础;利用已经构建的煤层顶部三维模型,按照截割深度获取相应煤层数据,作为控制采煤机自动调高的依据,具有准确、便捷、可靠等优点。并且,改变了记忆截割方法煤层数据未知、仅仅依赖已经截割煤层数据调整采煤机高度的不足,避免了单纯依赖记忆截割引起的累计误差大、适应性差等弊端。采用该煤层三维建模方法有利于在割煤过程中,充分利用已经截割的煤层三维坐标数据,实时修正煤层顶面三维模型,进一步提高煤层顶面模型精度。因而,采用本发明能有效实现煤炭开采的数字化、自动化和智能化,提出一种基于较少的实测地质数据构建数字化煤层的方法,尤其适用于煤层起伏较大的薄煤层的开采过程,为采煤机自动割煤提供了基础数据,为实现煤炭开采的自动化和智能化奠定了坚实的基础,是一种解决煤岩识别问题的有效途径,能简便、快速获得工作面煤层的三维建模过程,所获得煤层顶面的三维模型准确,为综采工作面自动化、智能化提供煤层数据,并能为综采工作面采煤机滚筒的高度调整提供可靠依据。
5、所采用的调高轨迹预测方法步骤简单、设计合理且实现简便,投入成本低,根据预测出的调高轨迹对各工作面的煤岩界面进行识别,能有效确保煤岩界面识别精度。
6、调高轨迹预测时采用实时更新的识别用滚筒高度数据序列进行预测,既使运算速度得到提高,增强了预测的时效性,又能够保证采煤机调高轨迹预测用原始数据序列的动态更新和预测精度。
7、所采用的调高轨迹预测方法设计合理且实现方便,包括基于地质数据的煤层三维建模、煤层初步开采及滚筒截割姿态数据记录和煤层后续开采及调高轨迹预测三个步骤,其中对任一个工作面的采煤机调高轨迹进行预测时,过程如下:识别用滚筒高度数据序列获取、滚筒高度初步预测、滚筒高度初步预测结果修正和调高轨迹获取。
8、所采用的调高轨迹预测方法运算速度快,预测时间小于2s。
9、所采用调高轨迹预测方法的预测精度高,因而能有效保证煤岩界面准确识别,先基于灰色预测模型获取滚筒高度初步预测结果,再采用马尔可夫链模型对滚筒高度初步预测结果进行修正,能有效保证预测精度。采用马尔可夫链模型对滚筒高度初步预测结果进行修正时,采用基于预测残差的修正方法,设计合理且修正结果准确。
6、所采用的煤岩界面识别方法使用效果好且实用价值高,采用基于灰色马尔科夫链预测模型进行预测,灰色理论的研究对象主要是不确定性系统,以“少量信息明确、大量信息不明确”的“小样本”和“不确定”为特点,十分适合用于缺乏数据的采煤机调高轨迹预测,但是其预测是基于指数的预测,对随机波动序列预测效果较差,需要马尔科夫链模型来对其进行修正,两者实现良好的互补性;再根据预测出的调高轨迹对当前工作面所处位置处的煤岩界面进行简便、快速且准确识别。采用本发明充分利用灰色预测理论和马尔科夫链各自的优点和互补性,达到更高的预测精度。为了动态修正三维煤层数据,提高调高轨迹精度,基于滑动窗口进行预测,具有预测精度高、运算速度快等特点。首先,获取识别用滚筒高度数据序列,并利用实时获取的识别用滚筒高度数据序列预测出采煤机下一刀的调高轨迹,并且随着工作面的推进不断根据识别用滚筒高度数据序列进行预测,能够适应工业现场要求,便于推广使用。并且,根据实时获取的识别用滚筒高度数据序列进行轨迹预测,能有效减少运算处理的数据量,提高预测精度和速度。同时,利用无偏灰色模型的无偏灰色参数进行初步预测,与传统灰色参数建立预测模型存在本质区别,具有预测精度高、预测速度快等优点。同时,采用马尔可夫链模型对滚筒高度初步预测结果进行修正时,基于期望值(即预测残差的期望值)进行修正,修正结果更准确。
综上所述,本发明方法步骤简单、合计合理且实现方便、使用效果好,根据实测地质数据并结合滚筒调高轨迹预测数据,对煤岩界面进行简便、快速、准确识别。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的方法流程框图。
图2为本发明所建立煤层顶面三维模型的结构示意图。
图3为本发明巷间测点、切眼内测点和巷道内测点的布设位置示意图。
图4为本发明监测系统的电路原理框图。
图5为本发明采煤机沿工作面上行过程中的使用状态参考图。
图6为本发明采煤机处于仰采时的使用状态参考图。
图7为本发明预测出调高轨迹的仿真示意图。
附图标记说明:
1—待开采煤层; 1-1—巷间测点; 1-2—巷道内测点;
1-3—切眼内测点; 2—工作面运输巷; 3—工作面回风巷;
4—切眼; 5-1—机身倾角传感器;
5-2—摇臂回转角度传感器; 5-3—行走位置检测单元;
5-4—数据处理器; 5-5—俯仰角检测单元;
6—数据处理设备; 7—采煤机; 7-1—截割滚筒。
具体实施方式
如图1所示的一种基于地质数据的智能化工作面煤岩界面识别方法,包括以下步骤:
步骤一、基于地质数据的煤层三维建模,过程如下:
步骤101、实测地质数据获取:获取待开采煤层1的实测地质数据;所述待开采煤层1的实测地质数据包括煤层地质数据、回采巷道地质数据和切眼地质数据;
所述待开采煤层1的工作面为回采工作面,工作面运输巷2和工作面回风巷3之间通过切眼4连通;所述工作面运输巷2和工作面回风巷3呈平行布设且二者均与所述回采工作面的长度方向呈垂直布设,所述切眼4与所述回采工作面的长度方向呈平行布设;所述待开采煤层1分为运输巷区域煤层、回风巷区域煤层、切眼区域煤层和待开采区域煤层,所述运输巷区域煤层为待开采煤层1中位于工作面运输巷2所处区域的煤层,所述回风巷区域煤层为待开采煤层1中位于工作面回风巷3所处区域的煤层,所述切眼区域煤层为待开采煤层1中位于切眼4所处区域的煤层,所述待开采区域煤层为待开采煤层1中位于工作面运输巷2和工作面回风巷3之间的煤层;
所述回采巷道地质数据包括运输巷地质数据和回风巷地质数据;所述运输巷地质数据包括所述运输巷区域煤层顶部多个测点的三维坐标数据,所述回风巷地质数据包括所述回风巷区域煤层顶部多个测点的三维坐标数据;
所述切眼地质数据包括所述切眼区域煤层顶部多个测点的三维坐标数据;
所述煤层地质数据包括所述待开采区域煤层顶部多个测点的三维坐标数据;
步骤102、煤层模型构建:采用数据处理设备6建立待开采煤层1顶部的三维立体模型,过程如下:
步骤1021、数据存储:调用数据存储模块对步骤一中所述待开采煤层1的实测地质数据进行存储;
步骤1022、插值运算:根据步骤1021中所述待开采煤层1的实测地质数据中所有测点的三维坐标数据,调用插值运算模块计算得出待开采煤层1顶部多个位置点的三维坐标数据;
步骤1023、三维坐标数据库生成:调用数据库生成模块生成待开采煤层1顶部的三维坐标数据库;
所述三维坐标数据库内存储有步骤1021中所述待开采煤层1的实测地质数据中所有测点的三维坐标数据和步骤1022中计算得出的待开采煤层1顶部多个位置点的三维坐标数据;
步骤1024、模型构建:根据步骤1023中生成的待开采煤层1顶部的三维坐标数据库,调用三维建模软件建立待开采煤层1顶面的三维模型;
步骤二、煤层初步开采及煤岩界面识别:采用采煤机7且沿工作面推进方向由后向前对所述待开采煤层1进行开采,并完成所述待开采煤层1的前n个工作面的开采过程;其中,n为正整数且n=6~8;
采用采煤机7对待开采煤层1的任一个所述工作面进行开采之前,根据步骤一中所建立的待开采煤层1顶面的三维模型,对该工作面所处位置处待开采煤层1的煤岩界面进行识别;
采用采煤机7对待开采煤层1的任一个所述工作面进行开采时,根据该工作面所处位置处待开采煤层1的煤岩界面识别结果进行开采;采用采煤机7对任一个所述工作面进行割煤过程中,均采用数据处理设备6对m个截割位置处的滚筒截割姿态数据进行记录,获得该工作面开采过程中的采煤机调高数据组,并采用数据处理设备6将获得的所述采煤机调高数据组同步存储至预先建立的采煤机调高数据库内;所述采煤机调高数据库内按照开采先后顺序由前至后存储有待开采煤层1中当前已完成开采的所有工作面开采过程中的所述采煤机调高数据组;
所述采煤机调高数据组包括对所述待开采煤层1进行一刀割煤过程中m个截割位置处的滚筒截割姿态数据,其中m为正整数且m≥5;m个所述截割位置沿工作面长度方向由前至后进行排列;每个截割位置处的滚筒截割姿态数据均为该截割位置处采煤机7的截割滚筒7-1的三维坐标数据,所述截割滚筒7-1的三维坐标数据中Z轴坐标数据为滚筒高度数据;
步骤三、煤层后续开采及煤岩界面识别:采用采煤机7且沿工作面推进方向由后向前对所述待开采煤层1继续进行开采;
每一个所述工作面开采之前,均先对该工作面的煤岩界面进行识别,过程如下:
步骤301、识别用滚筒高度数据序列获取:采用数据处理设备6从所述采煤机调高数据库内获取当前工作面后侧的n个工作面开采过程中的所述采煤机调高数据组;所获取的n个所述采煤机调高数据组中的所述滚筒高度数据组成识别用滚筒高度数据序列,每个所述采煤机调高数据组中的所述滚筒高度数据均组成一个滚筒高度数据组;所述识别用滚筒高度数据序列中的n个所述滚筒高度数据组按照开采先后顺序由前至后排列,每个所述滚筒高度数据组中均包括m个截割位置处的所述滚筒高度数据;
所述识别用滚筒高度数据序列记作X(0);X(0)=(x(0)(1),x(0)(2),x(0)(3),...,x(0)(n)),其中x(0)(k)为所述识别用滚筒高度数据序列中的第k个所述滚筒高度数据组,其中k为正整数且k=1、2、3、…、n;x(0)(k)中的第h个所述滚筒高度数据记作x(0)(k,h),其中h为正整数且h=1、2、3、…、m;
步骤302、滚筒高度初步预测:采用数据处理设备6且调用灰色预测模型构建模块,对步骤301中所获取的所述识别用滚筒高度数据序列进行处理,建立灰色预测模型;再根据所建立的所述灰色预测模型,采用数据处理设备6处理得出所述待开采煤层1的n+1个所述工作面开采过程中的滚筒高度初步预测结果;
其中,第k'个所述工作面开采过程中的滚筒高度初步预测结果记作k'为正整数且k'=1、2、3、…、n、n+1;中包括m个滚筒高度初步预测值;
所得出的前n个所述工作面开采过程中的滚筒高度初步预测结果组成滚筒高度预测数据序列,所述滚筒高度预测数据序列中的n个所述滚筒高度初步预测结果按照开采先后顺序由前至后排列;所述滚筒高度预测数据序列记作 中的第k个所述滚筒高度初步预测结果记作中的第h个所述滚筒高度初步预测值记作
第n+1个所述工作面开采过程中的滚筒高度初步预测结果记作 为采用采煤机7对当前工作面进行开采过程中的所述滚筒高度初步预测结果;中的第h个所述滚筒高度初步预测值记作
步骤303、滚筒高度初步预测结果修正,过程如下:
步骤3031、建立预测残差的马尔可夫链:采用数据处理设备6且调用差值运算模块,对步骤301中所述识别用滚筒高度数据序列与步骤302中所述滚筒高度预测数据序列进行差值运算,得出预测残差的马尔可夫链;
所述预测残差的马尔可夫链,记作为所述预测残差的马尔可夫链中的第k组预测残差,中包括m个截割位置处的预测残差,中第h个截割位置处的预测残差记作
步骤3032、马尔可夫预测:采用数据处理设备6且调用马尔科夫预测算法模块对步骤3031中所述预测残差的马尔可夫链进行处理,预测出所述预测残差的马尔可夫链中的第n+1组预测残差
中包括m个截割位置处的预测残差,中第h个截割位置处的预测残差记作
步骤3033、滚筒高度预测数据组计算:根据步骤302中所述的和步骤3032中所述的采用数据处理设备6计算得出当前工作面开采过程中的滚筒高度预测数据组
中包括当前工作面开采过程中m个截割位置处的滚筒高度预测值,中第h个截割位置处的滚筒高度预测值记作
步骤3034、采煤机调高预测数据组获取:根据步骤3033中所述的当前工作面开采过程中的滚筒高度预测数据组并结合当前工作面开采过程中m个截割位置处截割滚筒7-1的平面位置信息,采用数据处理设备6得出当前工作面开采过程中的采煤机调高预测数据组,所述采煤机调高预测数据组中包括当前工作面开采过程中m个截割位置处的滚筒截割姿态预测数据;每个截割位置处的滚筒截割姿态预测数据均为预测出的该截割位置处的滚筒截割姿态数据;
步骤304、调高轨迹获取:所述数据处理设备6根据当前工作面开采过程中的所述采煤机调高预测数据组,获得当前工作面的滚筒调高轨迹;
步骤305、煤岩界面分界线输出:采用数据处理设备6输出当前工作面所处位置处待开采煤层1的煤岩界面分界线;当前工作面所处位置处待开采煤层1的煤岩界面分界线为步骤304中获得的当前工作面的滚筒调高轨迹;
步骤三中采用采煤机7对任一个所述工作面进行割煤过程中,均采用数据处理设备6对m个截割位置处的滚筒截割姿态数据进行记录,获得该工作面开采过程中的采煤机调高数据组,并采用数据处理设备6将获得的所述采煤机调高数据组同步存储至预先建立的采煤机调高数据库内。
本实施例中,采用采煤机7对待开采煤层1的任一个所述工作面进行开采时,采用的割煤方式均为双向割煤方式。
实际进行开采时,所采用的割煤方式也可以为单向割煤方式。
本实施例中,步骤1022中调用插值运算模块计算得出待开采煤层1顶部多个位置点的三维坐标数据时,调用所述插值运算模块对步骤1021中所述待开采煤层1的实测地质数据中所有测点的三维坐标数据进行插值运算,具体是对步骤1021中所述待开采煤层1的实测地质数据中所有测点的三维坐标数据中的竖向高度数据进行插值运算,得出待开采煤层1顶部多个位置点的三维坐标数据中的竖向高度数据。
其中,煤层顶板是指位于煤层上面的岩层,叫煤层顶板或顶板。切眼4是指连接于工作面运输巷2和工作面回风巷3之间的巷道,开切眼是在工作面运输巷2和工作面回风巷3之间顺煤层掘进一条巷道,使其形成一套独立的回风系统。
本实施例中,步骤1022中所述插值运算模块为四次样条插值运算模块。
并且,步骤1022中调用插值运算模块计算得出待开采煤层1顶部多个位置点的三维坐标数据时,按照常规的四次样条插值方法,计算得出待开采煤层1顶部多个位置点的三维坐标数据。
实际使用时,所述插值运算模块也可以采用其它类型的插值运算模块,如三次样条插值运算模块、五次样条插值运算模块等。
如图3所示,步骤一中所述待开采区域煤层顶部的测点为巷间测点1-1,多个所述巷间测点1-1分多排多列进行布设,相邻两排所述巷间测点1-1之间的间距和相邻两列所述巷间测点1-1之间的间距均为D1,其中D1=2.5m~3.5m。
所述切眼区域煤层顶部的测点为切眼内测点1-3,多个所述切眼内测点1-3分M1排和N1列进行布设,其中M1和N1均为正整数,M1≥2且N1≥2;相邻两排所述切眼内测点1-3之间的间距均为D2,其中D2=0.8m~1.2m;相邻两列所述切眼内测点1-3之间的间距均为D3,其中D3=1.2m~1.8m;
所述运输巷区域煤层顶部的多个测点与所述回风巷区域煤层顶部的多个测点呈对称布设;所述运输巷区域煤层顶部和所述回风巷区域煤层顶部的测点均为巷道内测点1-2,所述工作面运输巷2分为运输巷主体段和位于所述运输巷主体段后侧的运输巷后部节段,所述工作面回风巷3分为回风巷主体段和位于所述回风巷主体段后侧的回风巷后部节段,所述运输巷后部节段和所述回风巷后部节段分别位于切眼4两侧,所述运输巷后部节段和所述回风巷后部节段的长度均与切眼4的宽度相同;所述运输巷主体段和所述回风巷主体段分别位于所述待开采区域煤层的左右两侧,所述运输巷主体段和所述回风巷主体段的长度均与所述待开采区域煤层的长度相同;所述切眼4位于所述待开采区域煤层后侧,切眼4的长度与所述待开采区域煤层的宽度相同;
所述运输巷区域煤层顶部的多个所述巷道内测点1-2分M2排和N2列进行布设,其中M2和N2均为正整数,M2≥2且N2≥2;所述运输巷主体段内相邻两排所述巷道内测点1-2之间的间距均为D4,其中D4=3.5m~4.5m;所述运输巷后部节段内相邻两排所述巷道内测点1-2之间的间距均为D2;相邻两列所述巷道内测点1-2之间的间距均为D5,其中D5=0.8m~1.2m。
本实施例中,所述运输巷后部节段和所述回风巷后部节段内均布设有M1排所述巷道内测点1-2,M1排所述巷道内测点1-2的布设位置分别与M1排所述切眼内测点1-3的布设位置一一对应,每排所述切眼内测点1-3的左右两侧均设置有一排所述巷道内测点1-2。
本实施例中,D1=30m,D2=1m,D3=1.5m,D4=4m,D5=1m。
因而,所述待开采区域煤层顶部测点的布设间距为30m;所述运输巷区域煤层顶部与所述回风巷区域煤层顶部沿巷道长度方向上每隔4m布设一个测点,且沿巷道宽度方向上每隔1m布设一个测点;所述切眼区域煤层顶部沿切眼4的长度方向上每隔1.5m布设一个测点,且沿切眼4的宽度方向上每隔1布设一个测点。
实际施工时,可根据具体需要,对D1、D2、D3、D4和D5的取值大小分别进行相应调整,以达到对实测位置点(即所述测点)间距进行调整的目的。
并且,对D1、D2、D3、D4和D5的取值大小进行调整时,依据煤层赋存条件确定,当煤层起伏变化较大时,实测位置点的间距较小;当煤层起伏变化较小时,实测位置点的间距较大。
实际施工过程中,根据施工成本、施工周期等实际需要,D2和D5均能在0.8m~4m之间进行相应调整,D3能在1.2m~50m之间进行相应调整,D4能在3.5m~50m之间进行相应调整。并且,D1能在2.5m~100m之间进行相应调整。
由于实测位置点的三维坐标数据为实测数据,并且采用四次样条插值方法对待开采煤层1的实测地质数据中所有测点的三维坐标数据进行插值处理后,获得待开采煤层1顶部的三维坐标数据库,相应所建立的待开采煤层1顶面的三维模型准确和可靠。
实际进行开采过程中,根据所建立的待开采煤层1顶面的三维模型,能直接得出各工作面(具体是综采工作面)的截割轨迹,即沿工作面长度方向开采过程中采煤机截割滚筒的移动轨迹。并且,根据所建立的待开采煤层1顶面的三维模型得出的各工作面的截割轨迹准确且可靠,能有效解决常规记忆截割方法所记忆的是上一刀割煤的轨迹,而下一刀煤层信息未知的问题。因而,沿工作面长度方向开采过程中,能根据所得出的该工作面的截割轨迹,对采煤机截割滚筒的高度进行相应调整,从而实现自动化割煤,并有效提高煤炭开采的准确性、高效性和可靠性。
本实施例中,步骤101中对所述待开采区域煤层顶部任一个所述测点的三维坐标数据进行获取时,采用由上至下向所述待开采区域煤层内钻孔的方法对该测点的竖向高度数据进行测量或从待开采煤层1的煤田地质勘探钻孔数据中获取所述待开采区域煤层顶部该测点的三维坐标数据。
因而,对所述待开采区域煤层顶部任一个所述测点的竖向高度数据进行测量时,采用钻孔进行精确探测,相应获得所述待开采区域煤层顶部的精探地质数据。
步骤101中所述煤层地质数据、回采巷道地质数据和切眼地质数据均为实际测量得出的数据,所述回采巷道地质数据和切眼地质数据在待开采煤层1的工作面运输巷2、工作面回风巷3和切眼4均施工完成后测量得出;所述待开采煤层1的实测地质数据包括煤层地质数据、回采巷道地质数据和切眼地质数据;待开采煤层1的煤田地质勘探钻孔数据为煤层开采之前测量得出的煤田地质勘探钻孔数据。
本实施例中,步骤101中所述工作面运输巷2、工作面回风巷3和切眼4均为煤矿井下巷道,所述运输巷区域煤层顶部、所述回风巷区域煤层顶部和所述切眼区域煤层顶部的测点均为井下巷道测点;
对所述煤矿井下巷道内任一个所述井下巷道测点的三维坐标数据进行测量时,当该井下巷道测点的高度高于所处位置处煤矿井下巷道的顶部高度时,采用从所述煤矿井下巷道内部由下向上钻孔的方法,对该井下巷道测点的竖向高度数据进行测量;否则,当该井下巷道测点的高度低于所处位置处煤矿井下巷道的顶部高度或与所处位置处煤矿井下巷道的顶部高度相同时,采用高度测量设备对该井下巷道测点的竖向高度数据进行测量。
其中,当该井下巷道测点的高度高于所处位置处煤矿井下巷道的顶部高度时,说明该井下巷道测点所处位置处待开采煤层1的顶部高度高于所处位置处煤矿井下巷道的顶部高度;当该井下巷道测点的高度低于所处位置处煤矿井下巷道的顶部高度时,说明该井下巷道测点所处位置处待开采煤层1的顶部高度低于所处位置处煤矿井下巷道的顶部高度;当该井下巷道测点的高度与所处位置处煤矿井下巷道的顶部高度相同时,说明该井下巷道测点所处位置处待开采煤层1的顶部高度与所处位置处煤矿井下巷道的顶部高度相同。
本实施例中,对该井下巷道测点的竖向高度数据进行测量时,所采用的从所述煤矿井下巷道内部由内向外钻孔成型的钻孔为所述煤矿井下巷道内部支护用锚杆的锚杆孔。
本实施例中,所述高度测量设备为激光测距仪。
实际施工时,所述高度测量设备也可以为其它类型的常规高度测量设备。
其中,所述井下巷道测点的高度高于所处位置处煤矿井下巷道的顶部高度时,说明所述井下巷道测点所处位置处待开采煤层1的顶部高度高于煤矿井下巷道的顶部高度,此时煤岩分界线隐藏,需要通过打锚杆的钻孔数据得出待开采煤层1顶部的竖向高度数据;所述井下巷道测点的高度低于所处位置处煤矿井下巷道的顶部高度时,说明所述井下巷道测点所处位置处待开采煤层1的顶部高度低于煤矿井下巷道的顶部高度,此时煤岩分界线裸露在所述煤矿井下巷道内,能直接测量出待开采煤层1顶部的竖向高度数据;所述井下巷道测点的高度与所处位置处煤矿井下巷道的顶部高度相同时,说明所述井下巷道测点所处位置处待开采煤层1的顶部高度与煤矿井下巷道的顶部高度相同,此时能直接得出待开采煤层1顶部的竖向高度数据,该竖向高度数据为所述井下巷道测点所处位置处所述煤矿井下巷道的顶部高度数据。
本实施例中,如图2所示,步骤101中进行实测地质数据获取之前,先以所述回采工作面的长度方向为X轴、以工作面运输巷2的长度方向(即工作面推进方向)为Y轴且以竖直方向为Z轴建立三维空间直角坐标系。
步骤101中进行实测地质数据获取时,在所建立的三维空间直角坐标系下,对待开采煤层1的实测地质数据中所有测点的三维坐标数据分别进行测量;
步骤1023中所述三维坐标数据库内存储的每个所述三维坐标数据中的Z轴坐标数据为竖向高度数据。
本实施例中,步骤二中和步骤三中m个所述截割位置均按照X轴的正方向由前至后进行排列或均按照X轴的负方向由前至后进行排列。
步骤二中每个所述采煤机调高数据组中的m个所述滚筒截割姿态数据、步骤301中每个所述滚筒高度数据组中的m个所述滚筒高度数据和步骤3033中包括中的m个所述滚筒高度预测值的存储前后顺序均与m个所述截割位置的前后顺序一致。因而,步骤二中每个所述采煤机调高数据组中的m个所述滚筒截割姿态数据、步骤301中每个所述滚筒高度数据组中的m个所述滚筒高度数据和步骤3033中包括中的m个所述滚筒高度预测值均分别与m个所述截割位置一一对应。
本实施例中,所述数据处理设备6为PC机。
实际进行煤层开采时,所述双滚筒采煤机的两个所述滚筒的采高不同,两个所述滚筒中一个滚筒的采高较高,另一个滚筒的采高较低。步骤三中所述截割滚筒7-1为采煤机7中的任一个筒。
本实施例中,步骤二中所述的n=8。
步骤二中进行煤层初步开采及滚筒截割姿态数据记录时,采用采煤机7完成所述待开采煤层的前8个工作面的开采过程。并且,所述待开采煤层的前8个工作面的开采过程均为人为控制进行开采。
实际使用时,可根据具体需要,对n的取值大小分别进行相应调整。
由于n为所述识别用滚筒高度数据序列内所包括采煤机调高数据组的数量,而每个所述采煤机调高数据组包括对所述待开采煤层进行一刀割煤过程中m个截割位置处的滚筒截割姿态数据,因而所述识别用滚筒高度数据序列内包括对所述待开采煤层进行n刀割煤过程中的所述采煤机调高数据组。实际使用时,可根据具体需要(主要包括采煤机调高轨迹的预测精度、预测速度以及所建立煤层模型的精度),对n的取值大小进行调整。实际使用时,根据预测出的采煤机调高轨迹,能建立所述需开采煤层的三维模型(即煤层模型)。其中,采煤机调高轨迹的预测精度越高,n的取值越大;采煤机调高轨迹的预测速度越快,n的取值越小;所建立煤层模型的精度越高,n的取值越大。
本实施例中,步骤二和步骤三中所述截割位置均为截割高度采集位置;
每个所述采煤机调高数据组中m个所述滚筒截割姿态数据的Y轴坐标数据均相同;
所述采煤机调高数据库内的所有采煤机调高数据组中第k个所述滚筒截割姿态数据的X轴坐标数据均相同。
本实施例中,步骤3034中当前工作面开采过程中每个截割位置处截割滚筒7-1的平面位置信息,均包括该截割位置处截割滚筒7-1的X轴坐标数据和Y轴坐标数据。
本实施例中,所述采煤机7上还装有开采状态监测装置,所述开采状态监测装置与数据处理设备6连接。
并且,所述开采状态监测装置与数据处理设备6组成监控系统,详见图4。实际布设安装时,所述数据处理设备6布设在远程监控室内,所述开采状态监测装置与数据处理设备6之间均通过CAN总线进行通信。
如图4所示,所述开采状态监测装置包括数据处理器5-4、对采煤机7的机身倾角α进行实时检测的机身倾角传感器5-1、对采煤机7的俯仰角β进行实时检测的俯仰角检测单元5-5、对截割滚筒7-1所安装摇臂的回转角度进行实时检测的摇臂回转角度传感器5-2和对采煤机7的行走位置进行实时检测的行走位置检测单元5-3,所述机身倾角传感器5-1、俯仰角检测单元5-5、摇臂回转角度传感器5-2和行走位置检测单元5-3均与数据处理器5-4连接。其中,机身倾角α为沿工作面长度方向上采煤机7的机身与水平面之间的夹角;俯仰角β为沿工作面推进方向上采煤机7的机身与水平面之间的夹角;所述摇臂的回转角度也称为摇臂摆角且其记作θ。
实际使用时,所述机身倾角传感器5-1、俯仰角检测单元5-5、摇臂回转角度传感器5-2和行走位置检测单元5-3将所检测信号同步传送至数据处理器5-4;所述数据处理器5-4按照预先设定的采样频率,对机身倾角传感器5-1、俯仰角检测单元5-5、摇臂回转角度传感器5-2和行走位置检测单元5-3所检测信号进行采集,并将所采集信息同步上传至数据处理设备6。本实施例中,所述机身倾角传感器5-1和俯仰角检测单元5-5均为倾角传感器且二者均安装在采煤机7的机身上。所述摇臂以铰接方式安装在采煤机7的机身上,所述摇臂回转角度传感器5-2安装在所述摇臂上,所述行走位置检测单元5-3安装在采煤机7的机身上,通过行走位置检测单元5-3对采煤机7所处位置的三维坐标数据进行检测。
采用采煤机7进行开采过程中,当采煤机7的机身沿工作面长度方向由后向前逐渐向上倾斜时,说明此时采煤机7处于沿工作面上行过程,详见图5;当采煤机7的机身沿工作面长度方向由后向前逐渐向下倾斜时,说明此时采煤机7处于沿工作面下行过程。如图6所示,当采煤机7的机身沿工作面推进方向上由后向前逐渐向上倾斜时,说明此时采煤机7处于仰采状态;当采煤机7的机身沿工作面推进方向上由前向后逐渐向下倾斜时,说明此时采煤机7处于俯采状态。
本实施例中,所述机身倾角传感器5-1、俯仰角检测单元5-5、摇臂回转角度传感器5-2和行走位置检测单元5-3输出的信号均为4mA~20mA的电流信号。
本实施例中,所述数据处理器5-4为PLC控制器。并且,预先设定的采样频率为25kHz。
实际使用过程中,所述数据处理器5-4将所采集信息同步上传至数据处理设备6后,所述数据处理设备6根据采集到的机身倾角传感器5-1、俯仰角检测单元5-5、摇臂回转角度传感器5-2和行走位置检测单元5-3所检测信息,能同步换算出此时所述采煤机7的所述滚筒高度数据。
其中,对所述采煤机7的所述滚筒高度数据进行换算之前,先判断此时采煤机7的开采状态:当判断得出此时采煤机7处于沿工作面上行过程且处于仰采状态时,根据公式H=Lsin(θ+α)+H2+S tanβ,计算得出此时采煤机7的所述滚筒高度数据H;当判断得出此时采煤机7处于沿工作面上行过程且处于俯采状态时,根据公式H=L sin(θ-α)+H2+Stanβ,计算得出此时采煤机7的所述滚筒高度数据H;当判断得出此时采煤机7处于沿工作面下行过程且处于仰采状态时,根据公式H=L sin(θ+α)+H2-S tanβ,计算得出此时采煤机7的所述滚筒高度数据H;当判断得出此时采煤机7处于沿工作面下行过程且处于俯采状态时,根据公式H=L sin(θ-α)+H2-S tanβ,计算得出此时采煤机7的所述滚筒高度数据H。
其中,L为所述摇臂的长度,H2为摇臂底端固定点(所述摇臂在采煤机7的机身上的固定点)到所述待开采煤层1的底板(具体是所述底板的上表面)之间的距离,S为截割滚筒7-1至采煤机7机身的距离(即截割滚筒7-1的中部至采煤机7的机身中部之间的距离)。一旦采煤机7确定,所述的S、L和H2均为已知参数。其中,所述待开采煤层的底板(具体是所述底板的上表面)为参考面。
本实施例中,所述行走位置检测单元5-3为对采煤机7的平面位置信息进行实时检测的位置检测单元,采煤机7的平面位置信息包括采煤机7机身的X轴坐标数据和Y轴坐标数据。所述行走位置检测单元5-3为二自由度位移检测装置。所述数据处理设备6根据采煤机7的平面位置信息,并结合截割滚筒7-1与采煤机7的机身之间的位置关系,能简便得出截割滚筒7-1的平面位置信息。
实际使用时,也可以在所述截割滚筒7-1的中部布设一个滚筒位置检测单元,所述滚筒位置检测单元为对截割滚筒7-1的平面位置信息(即截割位置)进行实时检测的位置检测单元。因而,所述滚筒位置检测单元为二自由度位移检测装置。
本实施例中,为计算简便,使所述截割滚筒7-1的平面位置信息与采煤机7的平面位置信息相同。
步骤二中所述截割滚筒7-1的三维坐标数据中,Z轴坐标数据为所述滚筒高度数据H,X轴坐标数据为行走位置检测单元5-3检测到的采煤机7在沿工作面长度方向上的位移数据,Y轴坐标数据为行走位置检测单元5-3检测到的采煤机7在沿工作面推进方向上的位移数据。
本实施例中,对所述待开采煤层进行开采过程中,完成一个工作面开采称为完成一刀割煤。对所述待开采煤层进行开采过程中,按照开采先后顺序,对开采工作面进行编号,按照开采先后顺序所述待开采煤层的工作面编号分别为1、2、3、…。
其中,所述截割滚筒7-1的三维坐标数据中,Y轴坐标数据也可以根据公式y=n'×Δh计算得出,其中n'为当前截割刀数(即当前工作面的编号),Δh为采煤机截深(即采煤机7的截割深度)。本实施例中,Δh=0.8m。
本实施例中,步骤301中所述当前工作面后侧的n个工作面为所述待开采煤层中n个连续布设的工作面,n个所述工作面中位于最前侧的工作面为与所述当前工作面相邻的前一个所述工作面。
实际使用时,步骤3034中得出当前工作面开采过程中的所述采煤机调高数据组后,再采用数据处理设备6将得出的所述采煤机调高数据组存储至所述采煤机调高数据库内。
本实施例中,步骤3034中得出当前工作面开采过程中的所述采煤机调高数据组后,根据所得出的所述采煤机调高数据组,采用采煤机7对所述待开采煤层的当前工作面进行开采;
采用采煤机7对当前工作面进行割煤过程中,采用数据处理设备6对m个截割位置处的滚筒截割姿态数据进行记录,所记录的m个截割位置处的滚筒截割姿态数据组成当前工作面开采过程中的所述采煤机调高数据组,并采用数据处理设备6将此时获得的当前工作面开采过程中的所述采煤机调高数据组同步存储至预先建立的采煤机调高数据库内。
本实施例中,所述待开采煤层1的任一个所述工作面开采过程中的m个所述截割高度采集位置分别位于该工作面的相邻已开采工作面开采过程中m个所述截割高度采集位置的正前方,该工作面的相邻已开采工作面为位于该工作面后侧且与该工作面相邻的工作面;
步骤三中当前工作面开采过程中的m个所述截割高度采集位置分别位于当前工作面的相邻已开采工作面开采过程中m个所述截割高度采集位置的正前方,当前工作面的相邻已开采工作面为位于当前工作面后侧且与当前工作面相邻的工作面。
步骤二中所述的m个截割位置为m个所述截割高度采集位置,对所述待开采煤层的任一个工作面进行开采过程中,相邻两个所述截割高度采集位置之间的间距为1m~5m。
本实施例中,相邻两个所述截割高度采集位置之间的间距为3m。
本实施例中,步骤301中所述识别用滚筒高度数据序列也称为原始数据序列。
本实施例中,步骤二和步骤三中m个所述截割位置均按照工作面长度方向由后向前进行布设;
步骤302中所述灰色预测模型为无偏灰色预测模型;
步骤302中进行灰色预测模型建立之前,先根据步骤301中所述识别用滚筒高度数据序列,采用数据处理设备6获取m个所述截割位置的截割高度数据序列;每个所述截割位置的截割高度数据序列均包括n个所述滚筒高度数据,n个所述滚筒高度数据按照开采先后顺序由前至后进行排列;
其中,m个所述截割位置中第h个所述截割位置的截割高度数据序列记作 由所述识别用滚筒高度数据序列中n个所述滚筒高度数据组的第h个所述滚筒高度数据组成,
步骤302中处理得出的n+1个所述工作面开采过程中的滚筒高度初步预测结果由m个所述截割位置的截割高度初步预测结果组成;每个所述截割位置的截割高度初步预测结果均包括n+1个所述滚筒高度初步预测值,n+1个所述滚筒高度初步预测值按照开采先后顺序由前至后进行排列;
m个所述截割位置中第h个所述截割位置的截割高度初步预测结果记作
由m个所述截割位置的截割高度初步预测结果中第k'个所述滚筒高度初步预测值组成;
步骤302中进行滚筒高度初步预测时,采用数据处理设备6对m个所述截割位置的截割高度初步预测结果分别进行预测;m个所述截割位置的截割高度初步预测结果的预测方法均相同;
对m个所述截割位置中第h个所述截割位置的截割高度初步预测结果进行预测时,先采用数据处理设备6且调用灰色预测模型构建模块,对进行处理,并根据处理结果建立无偏灰色预测模型,过程如下:
步骤3021、灰生成:调用灰生成算法模块,对进行灰生成,获得的生成数据序列x(1)(h);
其中,x(1)(h)=(x(1)(1,h),x(1)(2,h),x(1)(3,h),...,x(1)(n,h));所述生成数据序列x(1)(h)中包括n个生成数据,所述生成数据序列x(1)(h)中的第k个所述生成数据记作x(1)(k,h);
步骤3022、紧邻均值序列生成:调用紧邻均值序列生成模块,对步骤3021中所述生成数据序列进行处理,生成所述生成数据序列的紧邻均值序列Z(1)(h);其中Z(1)(h)=(z(1)(2,h),z(1)(3,h),...,z(1)(n,h));
所述紧邻均值序列Z(1)中包括n-1个紧邻均值,所述紧邻均值序列Z(1)中的第s-1个所述紧邻均值记作z(1)(s,h),z(1)(s,h)=0.5x(1)(s,h)+0.5x(1)(s-1,h);其中,x(1)(s,h)为所述生成数据序列x(1)(h)中的第s个所述生成数据,x(1)(s-1,h)为所述生成数据序列x(1)(h)中的第s-1个所述生成数据;其中,s为正整数且s=2、3、…、n;
步骤3023、无偏灰色预测模型的二级参数求解:调用二级参数求解模块,对所建立无偏灰色预测模型的四个二级参数C、D、E和F分别进行求解;
其中, x(0)(s,h)为中的第s个所述滚筒高度数据;
步骤3024、无偏灰色预测模型的一级参数求解:根据步骤3023中求解出的所建立灰色预测模型的四个二级参数C、D、E和F,调用一级参数求解模块,对所建立灰色预测模型的两个一级参数a和b分别进行求解;
其中,
步骤3025、无偏灰色参数求解:根据步骤3024中求解出的所建立无偏灰色预测模型的两个一级参数a和b,调用无偏灰色参数求解模块,对所建立灰色预测模型的两个无偏灰色参数α和β分别进行求解;
其中,
步骤3026、无偏灰色预测模型建立:根据步骤3025中求解出的所建立无偏灰色预测模型的两个无偏灰色参数α和β,调用无偏灰色预测模型建立模块,建立无偏灰色预测模型;所建立的无偏灰色预测模型为:其中,x(0)(1,h)为中的第1个所述滚筒高度数据,k”为正整数且k”≥1;
步骤3026中建立所述无偏灰色预测模型后,采用数据处理设备6且根据所建立的所述无偏灰色预测模型,获得m个所述截割位置中第h个所述截割位置的截割高度初步预测结果其中,中的第g个所述滚筒高度初步预测值g为正整数且g=1、2、3、…、n+1。
本实施例中,步骤3021中所述灰生成算法模块为AGO累加生成模块;
并且,所述生成数据序列x(1)(h)中的第k个所述生成数据记作x(1)(k,h),其中g'为正整数且g'=1、2、…、k。
本实施例中,步骤3031中所述预测残差的马尔可夫链中包括m×h个所述预测残差;
步骤3032中采用数据处理设备6且调用马尔科夫预测算法模块对步骤3031中所述预测残差的马尔可夫链进行处理时,过程如下:
步骤30321、状态划分:根据步骤3031中所述预测残差的马尔可夫链中的m×h个所述预测残差,采用数据处理设备6对所述预测残差的状态进行划分,获得所述预测残差的J个状态;所述预测残差的J个状态中的第j个状态记作状态j,其中J为正整数且J≥3,j为正整数且j=1、…、J;
步骤30322、一步转移概率矩阵计算:根据步骤3031中所述预测残差的马尔可夫链中m×h个所述预测残差,采用数据处理设备6且调用一步转移概率矩阵模块,计算得出所述预测残差的一步转移概率矩阵;
所述一步转移概率矩阵为J阶方阵,所述一步转移概率矩阵中的第i行第j数据记作Pij,其中Pij为所述预测残差由状态i转移至状态j的转移概率;i为正整数且i=1、…、J;
步骤30323、马尔可夫预测:采用数据处理设备6对第n+1组预测残差中m个截割位置处的预测残差分别进行预测,第n+1组预测残差中m个截割位置处预测残差的预测方法均相同;
其中,对中第h个截割位置处的预测残差进行预测时,包括以下步骤:
步骤A1、根据步骤一中所述预测残差的马尔可夫链,获得第n组预测残差中第h个截割位置处的预测残差
步骤A2、根据步骤30321中所述预测残差的J个状态划分结果,对步骤A1中所述预测残差的状态进行判断,得出所述预测残差的状态;
所述预测残差的状态记作状态i',其中i'为正整数且i'=1、…、J;
步骤A3、根据步骤A2中判断得出的所述预测残差的状态i',并结合步骤30322中所述一步转移概率矩阵,得出所述预测残差的最大转移概率;
所述预测残差的最大转移概率记作Pi'j',Pi'j'为所述一步转移概率矩阵中的第i'行第j'列数据,其中j'为正整数且j'=1、2、…、J;
步骤A4、根据步骤A3中得出的所述预测残差的最大转移概率Pi'j',得出所述预测残差的状态;
所述预测残差的状态为状态j';
步骤A5、根据步骤A4中得出的所述预测残差的状态j',并结合步骤30321中所述预测残差的J个状态划分结果,得出所述预测残差
本实施例中,步骤30321进行状态划分时,先找出m×h个所述预测残差中的最大值和最小值,所找出的最大值为预测残差最大值且其记作所找出的最小值为预测残差最小值且其记作再从区间中选取J-1个数值,所选取的J-1个数值组成状态划分端点数据列,所述状态划分端点数据列中的J-1个数值按照数值从小到大的顺序由前至后进行排列,所述状态划分端点数据列中的第j”个数值记作再利用所选取的J-1个数值将区间划分为J个区间,划分好的J个区间为分别为所述预测残差的J个状态的状态区间;其中,j”为正整数且j”=1、2、…、J-1;
J个所述区间中的第j个区间为状态j的状态区间;状态j的状态区间的两个端点值分别记作和且当j=1时,当2≤j≤J时,当j=J时,当1≤j≤J-1时,
步骤30322中所述的其中mj为m×h个所述预测残差中位于状态j的状态区间内的所有预测残差的总数量,mi为m×h个所述预测残差中位于状态i的状态区间内的所有预测残差的总数量;
步骤A2中对步骤A1中所述预测残差的状态进行判断时,根据所述预测残差所处的状态区间,对所述预测残差的状态进行判断;所述预测残差位于状态i'的状态区间内;
步骤A3中所述预测残差的最大转移概率Pi'j'为所述一步转移概率矩阵的第i'行数据中数值最大的数据;
步骤A5中所述预测残差其中和为状态j'的状态区间的两个端点值,且
实际进行开采时,所述待开采煤层的任一个工作面开采过程中的m个所述截割高度采集位置均相同。
本实施例中,步骤二和步骤三中所述的m=40。
实际使用时,可根据工作面长度和相邻两个所述截割高度采集位置之间的间距,对m的取值大小进行相应调整。
步骤3034中当前工作面开采过程中每个截割位置处的滚筒截割姿态数据均为滚筒中心点的三维坐标数据,所述滚筒中心点为截割滚筒7-1的几何中心点。步骤3034中当前工作面开采过程中m个截割位置处的滚筒截割姿态数据分别为m个截割位置处的滚筒中心点的三维坐标数据。
本实施例中,步骤304中进行调高轨迹获取时,所获得的当前工作面的采煤机调高轨迹为按照开采先后顺序由前至后将m个截割位置处的滚筒中心点连接而成的折线。
另外,步骤304中进行调高轨迹获取时,也可以根据步骤3034中得出的当前工作面开采过程中的所述采煤机调高数据组,采用数据处理设备6且调用曲线拟合模块拟合出当前工作面开采过程中的采煤机调高轨迹。具体是利用m个截割位置处的滚筒中心点的三维坐标数据,拟合出采煤机调高轨迹。
本实施例中,步骤二中完成煤层初步开采及滚筒截割姿态数据记录后,完成所述待开采煤层的前n个工作面的开采过程,获得前8刀割煤过程中40个截割位置处的滚筒截割姿态数据(即真实数据);并且,再完成所述待开采煤层的第9个工作面的开采过程,获得第9刀割煤过程中40个截割位置处的滚筒高度数据(即真实数据)。
其中,前8刀割煤过程中40个截割位置处的滚筒高度数据、第9刀割煤过程中40个截割位置处的实际滚筒高度数据和采用本发明预测出的第9刀割煤过程中40个截割位置处的滚筒高度数据(即预测数据),详见表1:
表1采煤机滚筒高度数据对比表单位:m
由表1可知,采用本发明预测的最大绝对误差为0.015m,预测的平均相对误差为0.006m,预测结果准确且适应性强。并且,采用本发明预测出的第9刀割煤过程中的采煤机调高轨迹详见图7。
本实施例中,步骤二中对该工作面所处位置处待开采煤层1的煤岩界面进行识别时,先根据步骤一中所建立的待开采煤层1顶面的三维模型,对该工作面所处位置处待开采煤层1与顶板之间的分界线进行识别;再结合待开采煤层1的厚度,对该工作面所处位置处待开采煤层1与底板之间的分界线进行识别;
步骤二中该工作面所处位置处待开采煤层1的煤岩界面识别结果包括该工作面所处位置处待开采煤层1与顶板和底板之间的分界线。
其中,待开采煤层1的厚度指的是待开采煤层1的平均厚度。
本实施例中,步骤305中煤岩界面分界线输出后,还需判断是否需对所输出的煤岩界面分界线进行修正;
判断是否需对所输出的煤岩界面分界线进行修正时,先根据步骤一中所建立的待开采煤层1顶面的三维模型,对该工作面所处位置处待开采煤层1与顶板之间的分界线进行识别,所识别出的分界线为模型确定顶部分界线;再将所述模型确定顶部分界线与步骤305中所输出的该工作面所处位置处待开采煤层1与顶板之间的分界线进行对比,并根据对比结果判断是否需对步骤305中所输出的该工作面所处位置处待开采煤层1与顶板之间的分界线进行修正;当判断得出需进行修正时,根据所述模型确定顶部分界线对步骤305中所输出的该工作面所处位置处待开采煤层1与顶板之间的分界线进行修正;
同时,根据步骤一中所建立的待开采煤层1顶面的三维模型,并结合待开采煤层1的厚度,对该工作面所处位置处待开采煤层1与底板之间的分界线进行识别,所识别出的分界线为模型确定底部分界线;再将所述模型确定底部分界线与步骤305中所输出的该工作面所处位置处待开采煤层1与底板之间的分界线进行对比,并根据对比结果判断是否需对步骤305中所输出的该工作面所处位置处待开采煤层1与底板之间的分界线进行修正;当判断得出需进行修正时,根据所述模型确定底部分界线对步骤305中所输出的该工作面所处位置处待开采煤层1与底板之间的分界线进行修正。
其中,将所述模型确定顶部分界线与步骤305中所输出的该工作面所处位置处待开采煤层1与顶板之间的分界线进行对比时,将步骤305中所输出的该工作面所处位置处待开采煤层1与顶板之间的分界线中m个截割位置的滚筒高度预测值分别与所述模型确定顶部分界线中m个截割位置的煤层顶部高度数据进行对比,并找出二者之间误差最大的截割位置,并判断该截割位置处滚筒高度预测值与煤层顶部高度数据之间的相对误差是否超过预先设计的误差阈值(如5%),当超过预先设计的误差阈值时,判断为需对步骤305中所输出的该工作面所处位置处待开采煤层1与顶板之间的分界线进行修正;否则,判断为无需对步骤305中所输出的该工作面所处位置处待开采煤层1与顶板之间的分界线进行修正。对步骤305中所输出的该工作面所处位置处待开采煤层1与顶板之间的分界线进行修正时,将步骤305中所输出的该工作面所处位置处待开采煤层1与顶板之间的分界线中m个截割位置的滚筒高度预测值分别取中间值,获得修正后的m个截割位置的滚筒高度预测值;再根据步骤3034中所述的方法,获得当前工作面开采过程中m个截割位置处的滚筒截割姿态预测数据;之后,按照步骤304至步骤305中所述的方法,输出修正后的该工作面所处位置处待开采煤层1与顶板之间的分界线。
将所述模型确定底部分界线与步骤305中所输出的该工作面所处位置处待开采煤层1与底板之间的分界线进行对比时,将步骤305中所输出的该工作面所处位置处待开采煤层1与底板之间的分界线中m个截割位置的滚筒高度预测值分别与所述模型确定底部分界线中m个截割位置的煤层底部高度数据进行对比,并找出二者之间误差最大的截割位置,并判断该截割位置处滚筒高度预测值与煤层顶部高度数据之间的相对误差是否超过预先设计的误差阈值(如5%),当超过预先设计的误差阈值时,判断为需对步骤305中所输出的该工作面所处位置处待开采煤层1与底板之间的分界线进行修正;否则,判断为无需对步骤305中所输出的该工作面所处位置处待开采煤层1与底板之间的分界线进行修正。对步骤305中所输出的该工作面所处位置处待开采煤层1与底板之间的分界线进行修正时,将步骤305中所输出的该工作面所处位置处待开采煤层1与底板之间的分界线中m个截割位置的滚筒高度预测值分别取中间值,获得修正后的m个截割位置的滚筒高度预测值;再根据步骤3034中所述的方法,获得当前工作面开采过程中m个截割位置处的滚筒截割姿态预测数据;之后,按照步骤304至步骤305中所述的方法,输出修正后的该工作面所处位置处待开采煤层1与底板之间的分界线。
本实施例中,步骤二和步骤三中所述的采煤机7均为双滚筒采煤机;所述双滚筒采煤机的两个所述截割滚筒7-1分别为对待开采煤层1的顶板下方煤层进行开采的上截割滚筒和对待开采煤层1的底板上方煤层进行开采的下截割滚筒;
步骤二中采用采煤机7对待开采煤层1的任一个所述工作面进行开采之前,先根据该工作面所处位置处待开采煤层1的煤岩界面识别结果,对该工作面开采过程中采煤机7的两个所述滚筒的调高轨迹分别进行确定;
步骤二中采用采煤机7对任一个所述工作面进行割煤过程中,均采用数据处理设备6对两个所述截割滚筒7-1在m个截割位置处的滚筒截割姿态数据分别进行记录,所获得的所述采煤机调高数据组的数量为两个,两个所述采煤机调高数据组分别为该工作面开采过程中两个所述截割滚筒7-1的所述采煤机调高数据组。
本实施例中,所述双滚筒采煤机的两个所述截割滚筒7-1分别为对待开采煤层1的顶板下方煤层进行开采的上截割滚筒和对待开采煤层1的底板上方煤层进行开采的下截割滚筒;
步骤三中采用采煤机7对任一个所述工作面进行割煤过程中,均采用数据处理设备6对两个所述截割滚筒7-1在m个截割位置处的滚筒截割姿态数据分别进行记录,所获得的所述采煤机调高数据组的数量为两个,两个所述采煤机调高数据组分别为该工作面开采过程中两个所述截割滚筒7-1的所述采煤机调高数据组;
步骤三中每一个所述工作面开采之前,对该工作面的煤岩界面进行识别时,先获得当前工作面开采过程中两个所述截割滚筒7-1的所述采煤机调高预测数据组;对当前工作面开采过程中任一个所述截割滚筒7-1的所述采煤机调高预测数据组进行获取时,均按照步骤301至步骤303中所述的方法进行获取;
步骤304中进行调高轨迹时,所述数据处理设备6根据当前工作面开采过程中两个所述截割滚筒7-1的所述采煤机调高预测数据组,分别获取两个所述截割滚筒7-1的当前工作面的滚筒调高轨迹;
步骤305中输出的当前工作面所处位置处待开采煤层1的煤岩界面分界线包括当前工作面所处位置处待开采煤层1与顶板和底板的分界线;其中,当前工作面所处位置处待开采煤层1与顶板的分界线为所述上截割滚筒的当前工作面的滚筒调高轨迹,当前工作面所处位置处待开采煤层1与底板的分界线为所述下截割滚筒的当前工作面的滚筒调高轨迹。
实际使用时,所述采煤机7也可以采用单滚筒采煤机。
本实施例中,步骤一中建立待开采煤层1顶面的三维模型后,步骤三中进行煤层后续开采及煤岩界面识别过程中,完成任一个工作面的煤岩界面识别后,均根据当前工作面所处位置处待开采煤层1与顶板的分界线对待开采煤层1顶面的三维模型进行实时修正并更新,这样能进一步保证待开采煤层1顶面的三维模型的准确性和可靠性。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何限制,凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化,均仍属于本发明技术方案的保护范围内。
Claims (10)
1.一种基于地质数据的智能化工作面煤岩界面识别方法,其特征在于,该方法包括以下步骤:
步骤一、基于地质数据的煤层三维建模,过程如下:
步骤101、实测地质数据获取:获取待开采煤层(1)的实测地质数据;所述待开采煤层(1)的实测地质数据包括煤层地质数据、回采巷道地质数据和切眼地质数据;
所述待开采煤层(1)的工作面为回采工作面,工作面运输巷(2)和工作面回风巷(3)之间通过切眼(4)连通;所述工作面运输巷(2)和工作面回风巷(3)呈平行布设且二者均与所述回采工作面的长度方向呈垂直布设,所述切眼(4)与所述回采工作面的长度方向呈平行布设;所述待开采煤层(1)分为运输巷区域煤层、回风巷区域煤层、切眼区域煤层和待开采区域煤层,所述运输巷区域煤层为待开采煤层(1)中位于工作面运输巷(2)所处区域的煤层,所述回风巷区域煤层为待开采煤层(1)中位于工作面回风巷(3)所处区域的煤层,所述切眼区域煤层为待开采煤层(1)中位于切眼(4)所处区域的煤层,所述待开采区域煤层为待开采煤层(1)中位于工作面运输巷(2)和工作面回风巷(3)之间的煤层;
所述回采巷道地质数据包括运输巷地质数据和回风巷地质数据;所述运输巷地质数据包括所述运输巷区域煤层顶部多个测点的三维坐标数据,所述回风巷地质数据包括所述回风巷区域煤层顶部多个测点的三维坐标数据;
所述切眼地质数据包括所述切眼区域煤层顶部多个测点的三维坐标数据;
所述煤层地质数据包括所述待开采区域煤层顶部多个测点的三维坐标数据;
步骤102、煤层模型构建:采用数据处理设备(6)建立待开采煤层(1)顶部的三维立体模型,过程如下:
步骤1021、数据存储:调用数据存储模块对步骤一中所述待开采煤层(1)的实测地质数据进行存储;
步骤1022、插值运算:根据步骤1021中所述待开采煤层(1)的实测地质数据中所有测点的三维坐标数据,调用插值运算模块计算得出待开采煤层(1)顶部多个位置点的三维坐标数据;
步骤1023、三维坐标数据库生成:调用数据库生成模块生成待开采煤层(1)顶部的三维坐标数据库;
所述三维坐标数据库内存储有步骤1021中所述待开采煤层(1)的实测地质数据中所有测点的三维坐标数据和步骤1022中计算得出的待开采煤层(1)顶部多个位置点的三维坐标数据;
步骤1024、模型构建:根据步骤1023中生成的待开采煤层(1)顶部的三维坐标数据库,调用三维建模软件建立待开采煤层(1)顶面的三维模型;
步骤二、煤层初步开采及煤岩界面识别:采用采煤机(7)且沿工作面推进方向由后向前对所述待开采煤层(1)进行开采,并完成所述待开采煤层(1)的前n个工作面的开采过程;其中,n为正整数且n=6~8;
采用采煤机(7)对待开采煤层(1)的任一个所述工作面进行开采之前,根据步骤一中所建立的待开采煤层(1)顶面的三维模型,对该工作面所处位置处待开采煤层(1)的煤岩界面进行识别;
采用采煤机(7)对待开采煤层(1)的任一个所述工作面进行开采时,根据该工作面所处位置处待开采煤层(1)的煤岩界面识别结果进行开采;采用采煤机(7)对任一个所述工作面进行割煤过程中,均采用数据处理设备(6)对m个截割位置处的滚筒截割姿态数据进行记录,获得该工作面开采过程中的采煤机调高数据组,并采用数据处理设备(6)将获得的所述采煤机调高数据组同步存储至预先建立的采煤机调高数据库内;所述采煤机调高数据库内按照开采先后顺序由前至后存储有待开采煤层(1)中当前已完成开采的所有工作面开采过程中的所述采煤机调高数据组;
所述采煤机调高数据组包括对所述待开采煤层(1)进行一刀割煤过程中m个截割位置处的滚筒截割姿态数据,其中m为正整数且m≥5;m个所述截割位置沿工作面长度方向由前至后进行排列;每个截割位置处的滚筒截割姿态数据均为该截割位置处采煤机(7)的截割滚筒(7-1)的三维坐标数据,所述截割滚筒(7-1)的三维坐标数据中Z轴坐标数据为滚筒高度数据;
步骤三、煤层后续开采及煤岩界面识别:采用采煤机(7)且沿工作面推进方向由后向前对所述待开采煤层(1)继续进行开采;
每一个所述工作面开采之前,均先对该工作面的煤岩界面进行识别,过程如下:
步骤301、识别用滚筒高度数据序列获取:采用数据处理设备(6)从所述采煤机调高数据库内获取当前工作面后侧的n个工作面开采过程中的所述采煤机调高数据组;所获取的n个所述采煤机调高数据组中的所述滚筒高度数据组成识别用滚筒高度数据序列,每个所述采煤机调高数据组中的所述滚筒高度数据均组成一个滚筒高度数据组;所述识别用滚筒高度数据序列中的n个所述滚筒高度数据组按照开采先后顺序由前至后排列,每个所述滚筒高度数据组中均包括m个截割位置处的所述滚筒高度数据;
所述识别用滚筒高度数据序列记作X(0);X(0)=(x(0)(1),x(0)(2),x(0)(3),...,x(0)(n)),其中x(0)(k)为所述识别用滚筒高度数据序列中的第k个所述滚筒高度数据组,其中k为正整数且k=1、2、3、…、n;x(0)(k)中的第h个所述滚筒高度数据记作x(0)(k,h),其中h为正整数且h=1、2、3、…、m;
步骤302、滚筒高度初步预测:采用数据处理设备(6)且调用灰色预测模型构建模块,对步骤301中所获取的所述识别用滚筒高度数据序列进行处理,建立灰色预测模型;再根据所建立的所述灰色预测模型,采用数据处理设备(6)处理得出所述待开采煤层(1)的n+1个所述工作面开采过程中的滚筒高度初步预测结果;
其中,第k'个所述工作面开采过程中的滚筒高度初步预测结果记作k'为正整数且k'=1、2、3、…、n、n+1;中包括m个滚筒高度初步预测值;
所得出的前n个所述工作面开采过程中的滚筒高度初步预测结果组成滚筒高度预测数据序列,所述滚筒高度预测数据序列中的n个所述滚筒高度初步预测结果按照开采先后顺序由前至后排列;所述滚筒高度预测数据序列记作 中的第k个所述滚筒高度初步预测结果记作 中的第h个所述滚筒高度初步预测值记作
第n+1个所述工作面开采过程中的滚筒高度初步预测结果记作 为采用采煤机(7)对当前工作面进行开采过程中的所述滚筒高度初步预测结果;中的第h个所述滚筒高度初步预测值记作
步骤303、滚筒高度初步预测结果修正,过程如下:
步骤3031、建立预测残差的马尔可夫链:采用数据处理设备(6)且调用差值运算模块,对步骤301中所述识别用滚筒高度数据序列与步骤302中所述滚筒高度预测数据序列进行差值运算,得出预测残差的马尔可夫链;
所述预测残差的马尔可夫链,记作 为所述预测残差的马尔可夫链中的第k组预测残差,中包括m个截割位置处的预测残差,中第h个截割位置处的预测残差记作
步骤3032、马尔可夫预测:采用数据处理设备(6)且调用马尔科夫预测算法模块对步骤3031中所述预测残差的马尔可夫链进行处理,预测出所述预测残差的马尔可夫链中的第n+1组预测残差
中包括m个截割位置处的预测残差,中第h个截割位置处的预测残差记作
步骤3033、滚筒高度预测数据组计算:根据步骤302中所述的和步骤3032中所述的采用数据处理设备(6)计算得出当前工作面开采过程中的滚筒高度预测数据组
中包括当前工作面开采过程中m个截割位置处的滚筒高度预测值,中第h个截割位置处的滚筒高度预测值记作
步骤3034、采煤机调高预测数据组获取:根据步骤3033中所述的当前工作面开采过程中的滚筒高度预测数据组并结合当前工作面开采过程中m个截割位置处截割滚筒(7-1)的平面位置信息,采用数据处理设备(6)得出当前工作面开采过程中的采煤机调高预测数据组,所述采煤机调高预测数据组中包括当前工作面开采过程中m个截割位置处的滚筒截割姿态预测数据;每个截割位置处的滚筒截割姿态预测数据均为预测出的该截割位置处的滚筒截割姿态数据;
步骤304、调高轨迹获取:所述数据处理设备(6)根据当前工作面开采过程中的所述采煤机调高预测数据组,获得当前工作面的滚筒调高轨迹;
步骤305、煤岩界面分界线输出:采用数据处理设备(6)输出当前工作面所处位置处待开采煤层(1)的煤岩界面分界线;当前工作面所处位置处待开采煤层(1)的煤岩界面分界线为步骤304中获得的当前工作面的滚筒调高轨迹;
步骤三中采用采煤机(7)对任一个所述工作面进行割煤过程中,均采用数据处理设备(6)对m个截割位置处的滚筒截割姿态数据进行记录,获得该工作面开采过程中的采煤机调高数据组,并采用数据处理设备(6)将获得的所述采煤机调高数据组同步存储至预先建立的采煤机调高数据库内。
2.按照权利要求1所述的基于地质数据的智能化工作面煤岩界面识别方法,其特征在于:步骤101中所述待开采区域煤层顶部的测点为巷间测点(1-1),多个所述巷间测点(1-1)分多排多列进行布设,相邻两排所述巷间测点(1-1)之间的间距和相邻两列所述巷间测点(1-1)之间的间距均为D1,其中D1=2.5m~3.5m;
步骤101中所述切眼区域煤层顶部的测点为切眼内测点(1-3),多个所述切眼内测点(1-3)分M1排和N1列进行布设,其中M1和N1均为正整数,M1≥2且N1≥2;相邻两排所述切眼内测点(1-3)之间的间距均为D2,其中D2=0.8m~1.2m;相邻两列所述切眼内测点(1-3)之间的间距均为D3,其中D3=1.2m~1.8m;
所述运输巷区域煤层顶部的多个测点与所述回风巷区域煤层顶部的多个测点呈对称布设;所述运输巷区域煤层顶部和所述回风巷区域煤层顶部的测点均为巷道内测点(1-2),所述工作面运输巷(2)分为运输巷主体段和位于所述运输巷主体段后侧的运输巷后部节段,所述工作面回风巷(3)分为回风巷主体段和位于所述回风巷主体段后侧的回风巷后部节段,所述运输巷后部节段和所述回风巷后部节段分别位于切眼(4)两侧,所述运输巷后部节段和所述回风巷后部节段的长度均与切眼(4)的宽度相同;所述运输巷主体段和所述回风巷主体段分别位于所述待开采区域煤层的左右两侧,所述运输巷主体段和所述回风巷主体段的长度均与所述待开采区域煤层的长度相同;所述切眼(4)位于所述待开采区域煤层后侧,切眼(4)的长度与所述待开采区域煤层的宽度相同;
所述运输巷区域煤层顶部的多个所述巷道内测点(1-2)分M2排和N2列进行布设,其中M2和N2均为正整数,M2≥2且N2≥2;所述运输巷主体段内相邻两排所述巷道内测点(1-2)之间的间距均为D4,其中D4=3.5m~4.5m;所述运输巷后部节段内相邻两排所述巷道内测点(1-2)之间的间距均为D2;相邻两列所述巷道内测点(1-2)之间的间距均为D5,其中D5=0.8m~1.2m。
3.按照权利要求1或2所述的基于地质数据的智能化工作面煤岩界面识别方法,其特征在于:步骤101中对所述待开采区域煤层顶部任一个所述测点的三维坐标数据进行获取时,采用由上至下向所述待开采区域煤层内钻孔的方法对该测点的竖向高度数据进行测量或从待开采煤层(1)的煤田地质勘探钻孔数据中获取所述待开采区域煤层顶部该测点的三维坐标数据;
步骤101中所述工作面运输巷(2)、工作面回风巷(3)和切眼(4)均为煤矿井下巷道,所述运输巷区域煤层顶部、所述回风巷区域煤层顶部和所述切眼区域煤层顶部的测点均为井下巷道测点;
对所述煤矿井下巷道内任一个所述井下巷道测点的三维坐标数据进行测量时,当该井下巷道测点的高度高于所处位置处煤矿井下巷道的顶部高度时,采用从所述煤矿井下巷道内部由下向上钻孔的方法,对该井下巷道测点的竖向高度数据进行测量;否则,当该井下巷道测点的高度低于所处位置处煤矿井下巷道的顶部高度或与所处位置处煤矿井下巷道的顶部高度相同时,采用高度测量设备对该井下巷道测点的竖向高度数据进行测量。
4.按照权利要求1或2所述的基于地质数据的智能化工作面煤岩界面识别方法,其特征在于:步骤二中对该工作面所处位置处待开采煤层(1)的煤岩界面进行识别时,先根据步骤一中所建立的待开采煤层(1)顶面的三维模型,对该工作面所处位置处待开采煤层(1)与顶板之间的分界线进行识别;再结合待开采煤层(1)的厚度,对该工作面所处位置处待开采煤层(1)与底板之间的分界线进行识别;
步骤二中该工作面所处位置处待开采煤层(1)的煤岩界面识别结果包括该工作面所处位置处待开采煤层(1)与顶板和底板之间的分界线。
5.按照权利要求4所述的基于地质数据的智能化工作面煤岩界面识别方法,其特征在于:步骤305中煤岩界面分界线输出后,还需判断是否需对所输出的煤岩界面分界线进行修正;
判断是否需对所输出的煤岩界面分界线进行修正时,先根据步骤一中所建立的待开采煤层(1)顶面的三维模型,对该工作面所处位置处待开采煤层(1)与顶板之间的分界线进行识别,所识别出的分界线为模型确定顶部分界线;再将所述模型确定顶部分界线与步骤305中所输出的该工作面所处位置处待开采煤层(1)与顶板之间的分界线进行对比,并根据对比结果判断是否需对步骤305中所输出的该工作面所处位置处待开采煤层(1)与顶板之间的分界线进行修正;当判断得出需进行修正时,根据所述模型确定顶部分界线对步骤305中所输出的该工作面所处位置处待开采煤层(1)与顶板之间的分界线进行修正;
同时,根据步骤一中所建立的待开采煤层(1)顶面的三维模型,并结合待开采煤层(1)的厚度,对该工作面所处位置处待开采煤层(1)与底板之间的分界线进行识别,所识别出的分界线为模型确定底部分界线;再将所述模型确定底部分界线与步骤305中所输出的该工作面所处位置处待开采煤层(1)与底板之间的分界线进行对比,并根据对比结果判断是否需对步骤305中所输出的该工作面所处位置处待开采煤层(1)与底板之间的分界线进行修正;当判断得出需进行修正时,根据所述模型确定底部分界线对步骤305中所输出的该工作面所处位置处待开采煤层(1)与底板之间的分界线进行修正。
6.按照权利要求4所述的基于地质数据的智能化工作面煤岩界面识别方法,其特征在于:步骤二和步骤三中所述的采煤机(7)均为双滚筒采煤机;所述双滚筒采煤机的两个所述截割滚筒(7-1)分别为对待开采煤层(1)的顶板下方煤层进行开采的上截割滚筒和对待开采煤层(1)的底板上方煤层进行开采的下截割滚筒;
步骤二中采用采煤机(7)对待开采煤层(1)的任一个所述工作面进行开采之前,先根据该工作面所处位置处待开采煤层(1)的煤岩界面识别结果,对该工作面开采过程中采煤机(7)的两个所述滚筒的调高轨迹分别进行确定;
步骤二中采用采煤机(7)对任一个所述工作面进行割煤过程中,均采用数据处理设备(6)对两个所述截割滚筒(7-1)在m个截割位置处的滚筒截割姿态数据分别进行记录,所获得的所述采煤机调高数据组的数量为两个,两个所述采煤机调高数据组分别为该工作面开采过程中两个所述截割滚筒(7-1)的所述采煤机调高数据组。
7.按照权利要求1或2所述的基于地质数据的智能化工作面煤岩界面识别方法,其特征在于:步骤二和步骤三中所述的采煤机(7)均为双滚筒采煤机;所述双滚筒采煤机的两个所述截割滚筒(7-1)分别为对待开采煤层(1)的顶板下方煤层进行开采的上截割滚筒和对待开采煤层(1)的底板上方煤层进行开采的下截割滚筒;
步骤三中采用采煤机(7)对任一个所述工作面进行割煤过程中,均采用数据处理设备(6)对两个所述截割滚筒(7-1)在m个截割位置处的滚筒截割姿态数据分别进行记录,所获得的所述采煤机调高数据组的数量为两个,两个所述采煤机调高数据组分别为该工作面开采过程中两个所述截割滚筒(7-1)的所述采煤机调高数据组;
步骤三中每一个所述工作面开采之前,对该工作面的煤岩界面进行识别时,先获得当前工作面开采过程中两个所述截割滚筒(7-1)的所述采煤机调高预测数据组;对当前工作面开采过程中任一个所述截割滚筒(7-1)的所述采煤机调高预测数据组进行获取时,均按照步骤301至步骤303中所述的方法进行获取;
步骤304中进行调高轨迹时,所述数据处理设备(6)根据当前工作面开采过程中两个所述截割滚筒(7-1)的所述采煤机调高预测数据组,分别获取两个所述截割滚筒(7-1)的当前工作面的滚筒调高轨迹;
步骤305中输出的当前工作面所处位置处待开采煤层(1)的煤岩界面分界线包括当前工作面所处位置处待开采煤层(1)与顶板和底板的分界线;其中,当前工作面所处位置处待开采煤层(1)与顶板的分界线为所述上截割滚筒的当前工作面的滚筒调高轨迹,当前工作面所处位置处待开采煤层(1)与底板的分界线为所述下截割滚筒的当前工作面的滚筒调高轨迹。
8.按照权利要求1或2所述的基于地质数据的智能化工作面煤岩界面识别方法,其特征在于:步骤二和步骤三中m个所述截割位置均按照工作面长度方向由后向前进行布设;
步骤302中所述灰色预测模型为无偏灰色预测模型;
步骤302中进行灰色预测模型建立之前,先根据步骤301中所述识别用滚筒高度数据序列,采用数据处理设备(6)获取m个所述截割位置的截割高度数据序列;每个所述截割位置的截割高度数据序列均包括n个所述滚筒高度数据,n个所述滚筒高度数据按照开采先后顺序由前至后进行排列;
其中,m个所述截割位置中第h个所述截割位置的截割高度数据序列记作 由所述识别用滚筒高度数据序列中n个所述滚筒高度数据组的第h个所述滚筒高度数据组成,
步骤302中处理得出的n+1个所述工作面开采过程中的滚筒高度初步预测结果由m个所述截割位置的截割高度初步预测结果组成;每个所述截割位置的截割高度初步预测结果均包括n+1个所述滚筒高度初步预测值,n+1个所述滚筒高度初步预测值按照开采先后顺序由前至后进行排列;
m个所述截割位置中第h个所述截割位置的截割高度初步预测结果记作
由m个所述截割位置的截割高度初步预测结果中第k'个所述滚筒高度初步预测值组成;
步骤302中进行滚筒高度初步预测时,采用数据处理设备(6)对m个所述截割位置的截割高度初步预测结果分别进行预测;m个所述截割位置的截割高度初步预测结果的预测方法均相同;
对m个所述截割位置中第h个所述截割位置的截割高度初步预测结果进行预测时,先采用数据处理设备(6)且调用灰色预测模型构建模块,对进行处理,并根据处理结果建立无偏灰色预测模型,过程如下:
步骤3021、灰生成:调用灰生成算法模块,对进行灰生成,获得的生成数据序列x(1)(h);
其中,x(1)(h)=(x(1)(1,h),x(1)(2,h),x(1)(3,h),...,x(1)(n,h));所述生成数据序列x(1)(h)中包括n个生成数据,所述生成数据序列x(1)(h)中的第k个所述生成数据记作x(1)(k,h);
步骤3022、紧邻均值序列生成:调用紧邻均值序列生成模块,对步骤3021中所述生成数据序列进行处理,生成所述生成数据序列的紧邻均值序列Z(1)(h);其中Z(1)(h)=(z(1)(2,h),z(1)(3,h),...,z(1)(n,h));
所述紧邻均值序列Z(1)中包括n-1个紧邻均值,所述紧邻均值序列Z(1)中的第s-1个所述紧邻均值记作z(1)(s,h),z(1)(s,h)=0.5x(1)(s,h)+0.5x(1)(s-1,h);其中,x(1)(s,h)为所述生成数据序列x(1)(h)中的第s个所述生成数据,x(1)(s-1,h)为所述生成数据序列x(1)(h)中的第s-1个所述生成数据;其中,s为正整数且s=2、3、…、n;
步骤3023、无偏灰色预测模型的二级参数求解:调用二级参数求解模块,对所建立无偏灰色预测模型的四个二级参数C、D、E和F分别进行求解;
其中, x(0)(s,h)为中的第s个所述滚筒高度数据;
步骤3024、无偏灰色预测模型的一级参数求解:根据步骤3023中求解出的所建立灰色预测模型的四个二级参数C、D、E和F,调用一级参数求解模块,对所建立灰色预测模型的两个一级参数a和b分别进行求解;
其中,
步骤3025、无偏灰色参数求解:根据步骤3024中求解出的所建立无偏灰色预测模型的两个一级参数a和b,调用无偏灰色参数求解模块,对所建立灰色预测模型的两个无偏灰色参数α和β分别进行求解;
其中,
步骤3026、无偏灰色预测模型建立:根据步骤3025中求解出的所建立无偏灰色预测模型的两个无偏灰色参数α和β,调用无偏灰色预测模型建立模块,建立无偏灰色预测模型;所建立的无偏灰色预测模型为:其中,x(0)(1,h)为中的第1个所述滚筒高度数据,k”为正整数且k”≥1;
步骤3026中建立所述无偏灰色预测模型后,采用数据处理设备(6)且根据所建立的所述无偏灰色预测模型,获得m个所述截割位置中第h个所述截割位置的截割高度初步预测结果其中,中的第g个所述滚筒高度初步预测值g为正整数且g=1、2、3、…、n+1。
9.按照权利要求1或2所述的基于地质数据的智能化工作面煤岩界面识别方法,其特征在于:步骤3031中所述预测残差的马尔可夫链中包括m×h个所述预测残差;
步骤3032中采用数据处理设备(6)且调用马尔科夫预测算法模块对步骤3031中所述预测残差的马尔可夫链进行处理时,过程如下:
步骤30321、状态划分:根据步骤3031中所述预测残差的马尔可夫链中的m×h个所述预测残差,采用数据处理设备(6)对所述预测残差的状态进行划分,获得所述预测残差的J个状态;所述预测残差的J个状态中的第j个状态记作状态j,其中J为正整数且J≥3,j为正整数且j=1、…、J;
步骤30322、一步转移概率矩阵计算:根据步骤3031中所述预测残差的马尔可夫链中m×h个所述预测残差,采用数据处理设备(6)且调用一步转移概率矩阵模块,计算得出所述预测残差的一步转移概率矩阵;
所述一步转移概率矩阵为J阶方阵,所述一步转移概率矩阵中的第i行第j数据记作Pij,其中Pij为所述预测残差由状态i转移至状态j的转移概率;i为正整数且i=1、…、J;
步骤30323、马尔可夫预测:采用数据处理设备(6)对第n+1组预测残差中m个截割位置处的预测残差分别进行预测,第n+1组预测残差中m个截割位置处预测残差的预测方法均相同;
其中,对中第h个截割位置处的预测残差进行预测时,包括以下步骤:
步骤A1、根据步骤一中所述预测残差的马尔可夫链,获得第n组预测残差中第h个截割位置处的预测残差
步骤A2、根据步骤30321中所述预测残差的J个状态划分结果,对步骤A1中所述预测残差的状态进行判断,得出所述预测残差的状态;
所述预测残差的状态记作状态i',其中i'为正整数且i'=1、…、J;
步骤A3、根据步骤A2中判断得出的所述预测残差的状态i',并结合步骤30322中所述一步转移概率矩阵,得出所述预测残差的最大转移概率;
所述预测残差的最大转移概率记作Pi'j',Pi'j'为所述一步转移概率矩阵中的第i'行第j'列数据,其中j'为正整数且j'=1、2、…、J;
步骤A4、根据步骤A3中得出的所述预测残差的最大转移概率Pi'j',得出所述预测残差的状态;
所述预测残差的状态为状态j';
步骤A5、根据步骤A4中得出的所述预测残差的状态j',并结合步骤30321中所述预测残差的J个状态划分结果,得出所述预测残差
10.按照权利要求9所述的基于地质数据的智能化工作面煤岩界面识别方法,其特征在于:步骤30321进行状态划分时,先找出m×h个所述预测残差中的最大值和最小值,所找出的最大值为预测残差最大值且其记作所找出的最小值为预测残差最小值且其记作再从区间中选取J-1个数值,所选取的J-1个数值组成状态划分端点数据列,所述状态划分端点数据列中的J-1个数值按照数值从小到大的顺序由前至后进行排列,所述状态划分端点数据列中的第j”个数值记作再利用所选取的J-1个数值将区间划分为J个区间,划分好的J个区间为分别为所述预测残差的J个状态的状态区间;其中,j”为正整数且j”=1、2、…、J-1;
J个所述区间中的第j个区间为状态j的状态区间;状态j的状态区间的两个端点值分别记作和且当j=1时,当2≤j≤J时,当j=J时,当1≤j≤J-1时,
步骤30322中所述的其中mj为m×h个所述预测残差中位于状态j的状态区间内的所有预测残差的总数量,mi为m×h个所述预测残差中位于状态i的状态区间内的所有预测残差的总数量;
步骤A2中对步骤A1中所述预测残差的状态进行判断时,根据所述预测残差所处的状态区间,对所述预测残差的状态进行判断;所述预测残差位于状态i'的状态区间内;
步骤A3中所述预测残差的最大转移概率Pi'j'为所述一步转移概率矩阵的第i'行数据中数值最大的数据;
步骤A5中所述预测残差其中和为状态j'的状态区间的两个端点值,且
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610644279.6A CN106194181B (zh) | 2016-08-08 | 2016-08-08 | 基于地质数据的智能化工作面煤岩界面识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610644279.6A CN106194181B (zh) | 2016-08-08 | 2016-08-08 | 基于地质数据的智能化工作面煤岩界面识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106194181A CN106194181A (zh) | 2016-12-07 |
CN106194181B true CN106194181B (zh) | 2017-04-12 |
Family
ID=57513707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610644279.6A Active CN106194181B (zh) | 2016-08-08 | 2016-08-08 | 基于地质数据的智能化工作面煤岩界面识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106194181B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105649624B (zh) * | 2016-03-08 | 2017-12-08 | 太原理工大学 | 一种基于超宽带混沌雷达的薄煤层煤岩界面识别装置 |
CN107066313B (zh) * | 2017-05-10 | 2020-08-04 | 太原理工大学 | 一种基于局域网协同的综采工作面虚拟监测方法 |
CN108518221B (zh) * | 2018-05-10 | 2024-02-20 | 天地科技股份有限公司 | 一种基于多维度定位及深度学习的自动化采煤系统及方法 |
CN109184690A (zh) * | 2018-07-30 | 2019-01-11 | 中国神华能源股份有限公司 | 采煤机煤岩识别用支撑装置、采煤系统及采煤方法 |
CN109630110B (zh) * | 2019-01-18 | 2020-02-18 | 天地科技股份有限公司 | 一种综采工作面煤层厚度自适应截割控制方法及电子设备 |
CN110080766B (zh) * | 2019-04-30 | 2024-03-01 | 中国矿业大学 | 综采工作面煤岩界面识别装置及方法 |
CN113236249A (zh) * | 2021-01-27 | 2021-08-10 | 西安合智宇信息科技有限公司 | 一种融合地质基线的自适应截割方法 |
CN113777108B (zh) * | 2021-11-10 | 2022-01-18 | 河北工业大学 | 双物质界面分界识别方法、设备及介质 |
CN114109386B (zh) * | 2021-12-10 | 2023-09-19 | 国家能源投资集团有限责任公司 | 地下煤炭开采工作面调控方法 |
CN116291434B (zh) * | 2023-05-18 | 2023-08-18 | 煤炭科学研究总院有限公司 | 高精地质模型采煤截割导航方法和装置 |
CN117056748B (zh) * | 2023-10-12 | 2024-03-12 | 山东能源集团西北矿业有限公司 | 一种矿用tbm掘进过程参数的优化方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839133B (zh) * | 2010-04-26 | 2012-07-04 | 山西潞安环保能源开发股份有限公司王庄煤矿 | 掘进机煤岩识别自动截割控制方法及系统 |
CN101906965B (zh) * | 2010-07-14 | 2011-12-21 | 中国矿业大学(北京) | Vr地质环境下的地层识别与分析方法 |
CN103207999B (zh) * | 2012-11-07 | 2016-02-17 | 中国矿业大学(北京) | 一种基于煤岩图像特征抽取以及分类识别的煤岩分界方法和系统 |
CN203335082U (zh) * | 2013-07-08 | 2013-12-11 | 中国矿业大学(北京) | 一种基于图像反对称双正交小波变换的煤岩识别系统 |
US20160090839A1 (en) * | 2014-11-26 | 2016-03-31 | Larry G. Stolarczyk | Method of protecting the health and well-being of coal mine machine operators |
CN105298481B (zh) * | 2015-10-15 | 2016-06-15 | 山东科技大学 | 一种深部煤系及薄煤层多级叠加测井识别方法 |
CN105649618B (zh) * | 2016-01-18 | 2017-02-15 | 山东科技大学 | 一种海侵事件煤层关键界面的识别方法 |
-
2016
- 2016-08-08 CN CN201610644279.6A patent/CN106194181B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106194181A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106194181B (zh) | 基于地质数据的智能化工作面煤岩界面识别方法 | |
CN109577982B (zh) | 壁式连采连充保水采煤及水资源运移监测、水害预警方法 | |
AU2020375860B2 (en) | System and method for constructing fully mechanized coal mining face digital mining model | |
CN106296817B (zh) | 一种基于地质数据的工作面煤层三维建模方法 | |
CN111750822B (zh) | 一种采煤诱发的覆岩与地表沉陷协同动态预测方法 | |
CN106295873B (zh) | 一种面向采煤机记忆截割的灰色马尔可夫链轨迹预测方法 | |
CN113379909A (zh) | 一种透明工作面智能开采大数据分析决策方法和系统 | |
CN105986816A (zh) | 一种用于识别页岩地层甜点的方法 | |
CN111077572A (zh) | 一种基于透射槽波频散曲线反演的煤厚定量预测方法 | |
CN105005077A (zh) | 稀井条件下实钻井与虚拟井联合的薄层厚度预测方法 | |
CN104809266A (zh) | 一种基于样条曲线的工作面煤层赋存情况精确预测方法 | |
CN109345140B (zh) | 一种煤矿突水灾害预警的辅助方法 | |
CN104899928A (zh) | 基于稀疏钻孔点的三维地质建模方法 | |
CN102852524A (zh) | 利用液压支柱提高铝土矿回采率的方法 | |
CN115115180A (zh) | 一种基于多参量分析的矿区地表塌陷风险识别与预测方法 | |
CN107633556B (zh) | 一种定量获得三维矿床地质模型不确定性的方法 | |
CN114357750A (zh) | 一种采空区充水状态评估方法 | |
CN106320978A (zh) | 基于井下定向孔的煤层等高线绘制方法 | |
CN106256991B (zh) | 一种采煤机记忆截割与记忆定位联合学习方法 | |
CN106194180B (zh) | 基于滑窗与灰色马尔可夫链的采煤机调高轨迹预测方法 | |
CN114087019B (zh) | 一种巨厚非均质砂岩水害区域防治方法 | |
CN110851991A (zh) | 一种地下水流数值模拟方法 | |
CN112796661A (zh) | 一种中深孔钻孔轨迹较正方法 | |
Yang et al. | Surrounding rock stability classification method of coal roadway based on in situ stress | |
CN117372639B (zh) | 一种稀疏骨干剖面结合任意位置辅助面的三维地质-地球物理建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |