CN106194184B - 开采机及其控制方法、矿层和截割模型的用途、存储介质 - Google Patents

Abstract

开采机及其控制方法、矿层和截割模型的用途、存储介质。本发明涉及一种开采机，该开采机包括：回采装置；至少2D坐标位置确定装置，该至少2D坐标位置确定装置用于基于不同于期望坐标位置的所确定的开采机的当前坐标位置根据预期截割曲线生成开采机的将来路径；并且用于生成待截割矿层的矿层模型和/或已截割矿层的截割模型。该开采机还包括收集矿层的表征数据的传感器，该表征数据形成矿层模型和/或截割模型的一部分，并且该开采机包括生成矿层模型和/或截割模型并控制开采机的参数的处理器。该处理器基于矿层模型和/或截割模型的分析来控制机器参数，以随着开采机沿着矿层模型内的预期截割曲线前进预计开采情况的变化。

Description

开采机及其控制方法、矿层和截割模型的用途、存储介质

技术领域

本发明涉及开采机(mining machine)和可以控制开采机跨或沿着含有待开采材料的矿层移动的方法。

背景技术

在矿物和煤的开采中，已经开发从矿层中回采这些材料的处理。一种具体方法称为长壁开采处理。在该处理中，其它部件当中，可移动轨道被放置为跨越煤矿层。开采机设置有至少一个挖矿头(shearing head)，并且开采机被移动以从矿层的侧到侧沿着轨道横切(traverse)，并且上下操纵挖矿头，以从矿层的面挖煤。贯穿每次通过，在开采机的路径后面朝向矿层向前移动轨道。然后，为了重复剪切过程，使得开采机沿相反方向在矿层上横切。在该返回横切期间，若需要，则还可以向上向下操纵挖矿头，以从矿层进一步移除煤。重复该过程，直到完成所计划的回采盘区中的所有煤为止。

由此，通过在各次通过之后使轨道装置朝向矿层向前前进适当距离，可以随着各通过以近似相等的截割深度渐进地移动到矿层中。

然而，矿层高度、深度以及组成并不均匀，由此可见，不管回采是使用长壁开采技术还是使用回采装置和矿层的空间位置对于能够高效且有效地移除材料方面是重要的其他回采方法，仍然需要矿层的高效和有效回采的改进。

本说明书中所包括的文档、动作、材料、装置、物品等的任意讨论不被当作这些内容中的任意或全部随着本公开出现在该申请的的优先权日之前而形成现有技术基础的一部分或是与本公开有关的领域中的公知常识的许可。

贯穿本说明书，措辞“包括”或变体将被理解为意指包括所叙述的元件、整体或步骤、或元件组、整数组或步骤组，但不排除任意其他元件、整体或步骤、或元件组或整数组或步骤组。

发明内容

在本发明的第一方面中，提供了一种用于开采机，该开采机包括：

A.回采装置，该回采装置用于从矿层移除材料；

B.至少2D坐标位置确定装置，该至少2D坐标位置确定装置用于确定在所述开采机的空间中的坐标位置，所述位置确定装置生成当前坐标位置输出数据信号，该当前坐标位置输出数据信号用于：

i.基于不同于期望坐标位置的所确定的所述开采机的当前坐标位置生成根据预期截割曲线而确定的所述开采机的将来路径；并且

ii.生成待截割矿层的矿层模型和/或已截割矿层的截割模型；

C.一个或更多个传感器，该一个或更多个传感器不同于所述至少2D坐标位置确定装置，该一个或更多个传感器收集将要回采材料的矿层或该矿层附近的表征数据，所述表征数据形成所述矿层模型和/或截割模型的一部分，所述表征数据的所述坐标位置参考所述开采机的空间中的所述坐标位置而确定，所述传感器从其提供当前矿层表征数据输出信号；

D.处理器，该处理器被连接成从所述位置确定装置和所述一个或更多个传感器接收输出数据信号，以生成所述矿层模型和/或截割模型，并且进一步生成控制所述开采机的一个或更多个参数的输出数据信号；

E.存储器存储装置，该存储器存储装置存储所述矿层模型和/或所述截割模型，

其中，所述处理器基于所述矿层模型和/或截割模型的分析来控制所述开采机的所述一个或更多个参数，以随着所述开采机沿着所述矿层模型内的所述预期截割曲线前进预计开采情况的变化。

当前坐标位置可以是绝对坐标位置，并且可以用绝对空间定位坐标提供的之前所获取的探测和勘测数据可以集成到该矿层模型中。

在一些实施方式中，存储装置可以访问中央存储器存储装置，使得截割模型和矿层模型数据可以跨多个开采机访问，或使得截割模型和矿层模型数据可以被分析以使得处理器算法可以被更新为反映开采机的期望性能和实际性能的变化。

在优选实施方式中，矿层模型和截割模型这两者由处理器来分析，以预计开采情况的变化。

借助于把来自位置确定装置的空间定位信息与关于待开采矿层特征的信息组合的集成，可以提高开采机性能。与使用传感器来反应性地控制开采机对比，本发明的开采机利用用矿层模型和/或截割模型和所含有的所存储的输出数据，以由处理器分析来确保控制信号使用更大的信息宽度和深度。本发明的开采机能够在被开采的目标材料的边界内更精确地控制从矿层回采。预期截割曲线可以与矿层模型更好地对齐，使得开采机可以基于对开采机的位置、开采机的部件以及矿层(包括矿层变化的组成特征和物理特征)的更好理解而优化操作设置。

矿层表征数据的坐标位置优选地使用几何(例如，三角测量和/或三边测量)技术以及一个或更多个传感器和至少2D坐标位置确定装置的相对位置来确定。在一些实施方式中，一个或更多个传感器和至少2D坐标位置确定装置聚集在同一近似位置内。可以使用测距传感器(诸如2D或3D基于激光或射频传感器)来提供用于确定矿层表征数据的坐标位置的测量结果。另选地，或附加地，可以使用已知的开采机部件与矿层之间的标称距离。

优选的是，截割模型包括已开采的矿层的坐标位置和标记(即，空间地登记矿层表征数据)到各位置的至少一个矿层表征数据。优选的是，截割模型包括已开采的矿层的坐标位置和标记到各位置的至少一个开采机表征数据。

通过创建已回采的矿层以及开采机与矿层之间的相互作用的模型(优选地为3D模型)，该矿层模型信息可以用于预测矿层模型内开采机与矿层的相互作用。

另选地，或附加地，该矿层模型可以包括将要开采的矿层的坐标位置以及标记到各位置的至少一个矿层表征数据。

所预计的开采情况的变化优选地参考截割模型、矿层模型或其组合来确定。

使用截割模型信息和矿层模型信息这两者来确定所预计的开采情况的变化的优点是矿层模型信息可以仅延伸到要开采的矿层的表面(即，整个矿层的子集)。因此，截割模型信息和矿层模型信息的组合可以用于外推所预计的开采情况的变化以将要回采的矿层的体积包括在内。

开采机可以包括长壁采矿机(miner)(包括所关联的轨道、顶部支撑件、驱动器、输送机、分段装载机以及破碎机)、连续开采机、巷道掘进机、梭车、柔性输送机列车(flexibleconveyor train)、刨矿机、表面采矿机或具有从矿层移除材料的回采装置的任意其他开采机。开采机可以在地下或在地面上操作。

在一些实施方式中，开采机为长壁采矿机，并且矿层模型的特征在尾采区顺槽和主采区顺槽处进一步表征。在该实施方式内，在沿着采区顺槽的矿层表征数据与矿层表面上的矿层表征数据之间可以使用内插和/或外推来确定所预计的开采情况的变化以把将要回采的矿层的体积包括在内。

矿层表征数据

矿层表征数据可以为以要确定的雷达、光学成像、热成像、地质成像、地球物理学成像、放射性测量成像或光谱成像的形式表征矿层的特征，诸如，矿层的密度、尺寸、体积、热特征、组成特征以及其他物理特征。这些参数的变化可以用于用信号通知矿层的组成梯度的变化或目标矿层与非目标矿层之间的边界。在煤矿层的情况下，煤矿层与非目标矿层(例如，除了煤之外的矿物)之间的边界可以采取密度(包括孔隙检测)、热数据或组成数据的形式。

矿层表征数据可以比照校准后读数的库来参考，使得可以实现准确的数据解析。

因为附近的材料提供关于将不被回采的材料(例如，下浮岩层、夹泥层、覆盖层或规范外目标材料)的信息以及关于开采机正在经过的矿层的稳定性的信息，所以矿层表征数据优选地涵盖待回采矿层附近的材料。

矿层表征传感器提供该矿层表征数据。可以使用包括热红外传感器(组成边界)、伽马辐射传感器(密度、得到组成边界)、雷达传感器(材料辨别)、地球物理学传感器(组成边界和材料辨别)以及激光传感器(表面/体积分析)在内的一系列传感器。

开采机表征数据

开采机和矿层的相互作用得到表征数据，该表征数据提供与资源位置、体积、组成、硬度以及机器部件位置、回采处理的速度以及效率有关的信息。该表征数据优选地从监测机器设置和性能的开采机的机载传感器和控制仪器导出。

机器性能数据优选地从机器性能传感器或机器设置导出。开采机性能传感器优选地从由回采装置功耗传感器或其衍生品、噪声传感器、振动传感器以及回采装置位置传感器组成的组选择。

在一个实施方式中，该机器性能数据包括功耗或其衍生物(例如，电流)，其与从水平控制传感器或矿层边界传感器(诸如IR传感器、伽马传感器和/或探地雷达传感器)导出的矿层表征数据相关。在存在一个以上的水平控制传感器或矿层边界传感器的实施方式中，这些传感器的输出也可以针对彼此相关，以经由使至少两个传感器(矿层表征传感器和/或定位传感器)的闭环校准处理来验证并校准传感器输出数据。

开采机参数

开采机调整其操作参数以将所预计的开采情况的变化考虑在内的能力使得开采操作更高效、有效且安全。

该开采机的一个或更多个参数优选地从包括顶部支撑件压力、顶部支撑件高度、顶部支撑件方位、开采机横切速度以及回采装置位置、电流、振动和/或速度的组选择。

在优选实施方式中，开采机为长壁开采机，在该长壁开采机中，回采装置为可移动车架上所安装的可旋转挖矿机机头(shearer head)；并且多个传感器中的一个包括矿层边界检测传感器。为了本发明的目的，矿层边界检测传感器将包含标准层包(key bedpackage)或标志带检测传感器。US8469455中提供了标准层包的定义。

在该实施方式内，开采机还包括用于使所述挖矿机机头朝向矿层边界在竖直平面内移动的致动器，其中，矿层边界检测传感器向处理器提供当前矿层表征数据输出信号，该处理器生成致动器进一步信号，该进一步信号使回采装置(例如，挖矿机机头)根据预期截割曲线朝向矿层边界在竖直平面内移动一段距离。

另选地，处理器可以更新定义了回采装置(诸如挖矿机机头)的路径的预期截割曲线。

开采机优选地还包括用于开采机跨矿层横切移动的轨道，所述传感器收集所述矿层的表征数据，以从第一次横切生成矿层模型，从而形成第二次横切时的预期截割曲线的基础。

预期截割曲线

预期截割曲线包括可以分别以(x,y)和(x,z)平面内的3D笛卡尔坐标表示的水平平面和竖直平面。优选的是，水平平面内的预期截割曲线为直线，这可以使得能够实现最佳的煤回采(例如，对于长壁开采，可移动车架沿主采区顺槽与尾采区顺槽之间的直线行进)。因为轨道可能无法在单个循环内将实际曲线有效地校正为直线曲线，所以预期截割曲线可以为实际截割曲线与直线之间的中间物。在竖直平面内，预期截割曲线可以是直的，或者可以跟随煤矿层的顶边界和/或底边界。标识矿层边界的传感器输出优选地输入到矿层模型中，以使得处理器能够生成用于挖矿头致动器控制挖矿头在所标识的矿层边界内的移动的信号。这确保在挖矿头不越过目标矿层外部的情况下提高回采效率。预期截割曲线还可以参考由连续开采机和掘进机进行的巷道开拓来使用。

位置确定装置

该至少2D坐标位置确定装置优选地包括电磁定位系统(诸如射频定位系统或全球定位系统(GPS)或基于地面(例如地面定位)的无线定位系统)。

该至少2D坐标位置确定装置优选地包括光学位置确定装置。优选的是，该光学位置确定装置包括激光光源和激光传感器。优选的是，该光学位置确定装置检测位于预定位置的登记标记并基于该登记标记的位置来确定机器的至少2D坐标位置。

优选的是，该至少2D坐标位置确定装置包括用于确定未检测到登记标记的坐标位置的惯性导航系统(INS)。在一个实施方式中，登记标记位于长壁矿的采区顺槽(gateroad)处，使得光学传感器确定在长壁开采机处于采区顺槽处或附近时的至少2D坐标位置，并且INS确定长壁开采机处于无法由光学传感器检测登记标记的采区顺槽之间时的2D坐标位置。

矿层模型和/或截割模型的分析

在本发明的第二方面中，提供了一种用于开采机，该开采机包括：

A.回采装置，该回采装置用于从矿层移除材料；

B.至少2D坐标位置确定装置，该至少2D坐标位置确定装置用于确定在所述开采机的空间中的坐标位置，所述位置确定装置生成当前坐标位置输出数据信号，该当前坐标位置输出数据信号用于：

i.基于不同于期望坐标位置的所确定的所述开采机的当前(这可以是绝对的)坐标位置生成根据预期截割曲线而确定的所述开采机的将来路径；并且

ii.生成待截割矿层的矿层模型和/或已截割矿层的截割模型；

C.一个或更多个传感器，该一个或更多个传感器不同于所述至少2D坐标位置确定装置，该一个或更多个传感器收集将要被回采材料的矿层或该矿层附近的表征数据，所述表征数据形成所述矿层模型和/或截割模型的一部分，所述表征数据的所述坐标位置参考所述开采机的空间中的所述坐标位置而确定，所述传感器从其提供当前矿层表征数据输出信号；

D.处理器，该处理器被连接成从所述位置确定装置和所述一个或更多个传感器接收所述输出数据信号，以生成矿层模型和/或截割模型，并且进一步生成用于控制所述开采机的一个或更多个参数的输出数据信号；

E.存储器存储装置，该存储器存储装置存储所述矿层模型和/或所述截割模型，

其中，所述处理器分析来自一个或更多个传感器的矿层表征数据，以确定存在传感器不准确性和/或不精确性，并且在不存在传感器不准确性和/或不精确性时，所述处理器基于所述矿层模型和/或截割模型的分析来控制所述开采机的所述一个或更多个参数，以随着所述开采机沿着所述矿层模型内的所述预期截割曲线前进而预计开采情况的变化。

至少2D坐标位置确定装置可以确定在开采机的空间中的绝对坐标位置。

传感器的不准确性和/或不精确性优选地具有预定值或指定值。该预定值可以被表示为置信曲线，可以从该置信曲线导出置信值或置信限度。该预定值优选地是在具体开采环境中作业的同时，使用例如时间空间信息，从特定矿和传感器系统内的开采控制系统的验证尝试来确定。

如果处理器确定传感器不准确和/或不精确，则处理器优选地向机器操作员用信号通知置信度等级和/或误差。

来自传感器的输出数据优选地具有与输出数据关联的置信曲线。置信曲线优选地包括与输出数据的特征有关的统计信息，诸如分布、平均值以及标偏差。传感器的输出数据的期望值将依赖于它的置信曲线和所指定的置信值(例如，落在90％置信界限或99％置信界限内的值)。所指定的置信值可以根据开始进行的机器操作而动态地变化。例如，作为管理潜在开采风险(例如，与生产效率降低或机械磨损增大相比，人身伤害或死亡)的手段，事故后果较高的操作会需要高的置信值/置信界限。

优选的是，截割模型或矿层模型还包括从附着到坐标位置数据和/或矿层表征数据的不准确性和不精确性导出的或从矿层和定位传感器的置信曲线导出的置信曲线和置信值。置信曲线或置信值优选地包括一系列矿层表征数据和一系列定位数据。置信值将依赖于置信度的等级(例如，99％置信值与90％置信值相比提供更宽范围的矿层表征数据和定位数据)。

与传感器关联的精确性可以通过使用平滑算法来对信号噪声滤波来调整。优选的是，传感器性能与开采机动力相匹配，使得对开采机参数的处理器控制指令与开采机的能力相匹配。

本发明的目标是将传感器输出数据并入到截割模型和/或矿层模型中，而不并入各个传感器的不准确性和不精确性的总和。为了实现该目标，处理器优选地在使用传感器输出数据之前验证并校准来自传感器的个体或组的输出数据。通过改进传感器的输出数据的置信曲线，也改进了由该数据形成基础的模型(即，矿层模型、截割模型以及预期截割曲线)，从而改进对开采机的控制。

处理器优选地在来自传感器的输出数据与验证源冲突时确定传感器不准确和/或不精确。输出数据与验证源之间的冲突可能在传感器输出的期望值(即，输出数据的置信值)与验证源不相关或交叠，或不关联或交叠到预定等级时发生。

验证源可以包括：

·从截割模型和/或矿层模型(包括其子模型)导出的期望矿层表征数据；

·来自对相同或有关参数进行测量的不同传感器(包括机器性能传感器)的输出数据；

·来自人工观测的测量结果；和/或

·限定在进行了校准或启用(commission)时传感器的期望精确性和准确性的置信曲线。

所用的验证源越多，存在传感器不准确和/或不精确的错误评估的可能性就越小。优选的是，至少一个验证源为外部基准，以避免与内部基准(诸如来自关联传感器的输出数据)的使用关联的潜在积累误差。通常，所用的验证源越多，增大传感器的输出数据的置信值(即，在采取校正动作处理不准确性或不精确性之前，减小所期望的输出范围)的能力越强。

如果处理器确定传感器不准确和/或不精确，则处理器可以启动校正动作。该校正动作优选地包括对照验证源来校准或校正传感器数据输出。该校正动作可以从以下动作中的一个或更多个选择：

a.校准传感器；

b.使用来自另选或附加传感器的输出来校正或校准来自传感器的输出数据；

c.使用矿层模型和/或截割模型或其子模型来校正或校准来自传感器的输出数据；和/或

d.使用截割模型的外推来校正或校准来自传感器的输出数据。

传感器的校准可以以包括对照参考标准或对照其中准确探测数据可用的定位位置而进行的校准的各种手段来进行。在一个实施方式中，经由优选地形成矿层模型的一部分的勘测数据和/或探测数据来校准或校正来自传感器的输出数据。

在一个实施方式中，传感器的校准相对于另一个传感器或另一个验证源来进行。特别是如果在两个传感器的输出数据之间存在相关并且一个传感器充当基准，该基准优选地具有比另一个传感器大的准确性和/或精确性，则可以使用另一个传感器用于校准。

在另选实施方式中，传感器使用矿层模型来校准。该方案的优点是矿层模型或其子模型是由之前经历过验证处理的传感器输出数据和/或先验知识(例如，探测数据)来形成。

除了矿层表征传感器数据，矿层模型还优选地根据从勘测和/或探测数据(例如，地震和测试钻孔数据)获取的先验知识导出。勘测和/或探测矿层表征数据优选地被集成到矿层模型中，其中坐标位置数据(其可以是绝对坐标位置数据)与该矿层表征数据关联。

处理器可以使用传感器之间的层次关系(即，一个传感器具有服从于另一个的关系)或传感器与先验所获取知识(例如，探测或勘测数据)之间的层次关系来使得处理器能够优选地相对于来自一个源的输出数据对来自另一个源的输出数据进行加权。例如，矿层的子模型可以包括探测和/或勘测数据。如果该子模型数据质量较高(例如，根据所关联的传感器置信曲线，提高的准确性和/或精确性)，则传感器数据可以对该子模型具有服从关系。因为勘测或探测数据的空间取样密度很可能小于传感器，所以对位于勘测/探测数据紧密近似于来自传感器的数据的定位点处的传感器，形成子模型的探测或勘测数据可以用于进行校准。

在一个实施方式中，第一传感器的校准相对于第二传感器或其他验证源来执行。优选的是，第一传感器和第二传感器具有层次结构，其中第一传感器服从于或从属于第二传感器。第一传感器可以包括检测标志带和/或矿层边界的标志带传感器(例如，IR传感器)，并且第二传感器包括测量回采装置的功率或其衍生物的功率输出传感器。该层次结构优选地由各传感器置信曲线来限定。

矿层表征传感器数据可以为来自相同或不同类型的多个传感器的数据的组合。另外，矿层表征传感器数据可以包括在不同的时间点(例如，在跨矿层的不同横切期间)由相同传感器类型进行的同一矿层面或体积的一个或更多个测量结果。在优选实施方式中，矿层表征传感器数据(经由矿层模型)用于实时或接近实时地确定用于开采机的控制系统目标值或控制开采机本身。在该实施方式中，用由处理器接收的实时数据来进一步验证和/或校准从先验知识和之前所获取的传感器数据导出的矿层模型。处理器优选地分析矿层模型并借助对一个或更多个开采机参数的间接或直接控制来产生实时或接近实时响应。

在一个实施方式中，矿层模型包括至少一个矿层子模型，优选地包括至少两个矿层子模型，并且更优选地包括至少三个矿层子模型，其中各子模型从独立的矿层表征数据源和/或独立的坐标位置数据源导出(例如，从先验知识导出的子模型、从所获取的矿层表征数据导出的子模型以及从实时矿层表征数据导出的子模型)。在存在多个矿层表征传感器的情况下，可以存在多个子模型，各子模型与一个或更多个矿层表征传感器和/或该至少2D坐标位置确定装置关联。

在一些实施方式中，使用截割模型的外推来校正或校准传感器的输出数据。这特别是在矿层模型中存在较高程度的不确定性(即，矿层模型具有低置信值)时优选。

在一个实施方式中，处理器确定矿层表征数据与校准目标有关，并基于所存储的用于该校准目标的传感器读数来校准一个或更多个传感器。校准目标可以相对于登记标记定位。这样，具有已知特征的且已知材料的矿层试样可以被放置于采区顺槽或等效基准点处。因为已知并存储了所期望的传感器读数，所以处理器例如可以减去与实际读数的任意差异，以校准传感器。

矿层模型的验证

矿层模型的验证和校准优选地参考机器表征数据来执行。虽然矿层模型像单个传感器一样可以经由其他传感器或探测数据来验证和校准，但在优选实施方式中，矿层模型参考机器表征数据来验证和校准。

使用开采机表征数据来验证矿层模型的准确性和精确性优选地借助闭环校准来实现。该方法能够在减少传感器的开环校准(即，外部校准基准)的需要和/或频率的同时提高开采机性能。截割模型(即，来自已开采矿层模型的材料)与所关联的机器性能数据之间提高的相关性产生将要开采矿层模型的置信度提高。

优选的是，机器表征数据和矿层表征数据的置信值或其衍生物用作到将要开采的矿层表征模型中的前馈输入。矿层模型的调整可以对矿层表征数据源(例如，先验知识、所获取的传感器数据以及实时传感器数据)中的一个或更多个进行。在一个实施方式中，前馈调整调整来自模型或各子模型的坐标位置数据和/或矿层表征数据，使得不同数据源之间的误差减小。

矿层模型的置信值或置信曲线优选地在开采机从矿层模型回采材料之后被转换成截割模型的置信值或置信曲线。截割模型置信曲线或置信值的转换优选地从将优选地形成截割模型的一部分的开采机表征数据与矿层表征数据或矿层模型相关导出。

优选的是，如果机器表征/性能数据好于由矿层模型预测的数据，则相对于矿层模型的置信值增大截割模型的置信值。

优选的是，处理器确定与矿层模型和/或截割模型关联的置信值。优选的是，该置信值包括可以基于贝叶斯网络和/或贝叶斯滤波器的统计不确定性测量。

控制开采机

对开采机的控制通过分析矿层模型和/或截割模型来实现。该分析优选地使用概率分析。

矿层模型和开采机优选地根据置信曲线来定义，该置信曲线定义与从矿层回采材料时的开采机的效率和有效性有关的不确定性。

处理器优选地包括决策模型。决策模型优选地包括决策风险曲线，该决策风险曲线优选地用于将适当的开采机的自动化水平匹配于开采活动的风险曲线。

决策模型优选地使用矿层模型的置信曲线来确定开采机的自动化水平，使得该决策模型仅在决策风险曲线在预定范围内时直接控制开采机的一个或更多个参数，以确保不仅维持矿安全标准，还超过矿安全标准。

决策模型优选地使用机器学习。优选的是，处理器使用机器学习。

处理器通过使用决策模型而是基于开采机活动风险曲线以及截割模型和/或矿层模型的置信值。

优选的是，开采机活动风险曲线包括多个开采机活动置信值，各置信值对应于不同种类的开采机活动风险曲线。例如，风险曲线可以在具有固有安全风险的开采机活动需要增大的置信值的情况下根据对人体生命的风险而评定等级。

决策风险曲线优选地设置框架，该框架将适当的开采机自动化水平置信值与可以从人工控制模式到全自主控制模式范围的受控开采机活动匹配。优选的是，矿层模型的置信曲线由第一置信值和第二置信值来分类，如果满足该第一置信值，则该第一置信值使得处理器能够自动控制开采机的预定活动；如果满足该第二置信值，则该第二置信值使得处理器能够向开采机操作员提供针对开采机的预定活动的警报，其中，第一置信值高于第二置信值(即，较大的置信度-较低的不确定性)。

依赖于开采活动风险曲线，处理器可以触发动作响应计划(TARP)并启动多个触发器中的一个或更多个以开始或推荐预定义的响应，诸如机器维护、人工/自主控制或报警。优选的是，TARP启动或推荐与开采活动风险曲线以及矿层模型和开采机置信曲线对应的多个自动化水平。

包括多次截割的开采活动

从矿层移除材料优选地包括进行顺序截割(即，资源回采)并在各截割之后前进到矿层中。优选的是，处理器在各个顺序截割时从一个或更多个传感器接收输出数据信号，并且确定第一次截割时的输出数据信号与随后截割时的输出信号之间的对应性。优选的是，确定对应性包括基于第一次截割时的输出数据信号生成矿层模型和/或截割模型，基于该矿层模型和/或该截割模型来确定所期望的矿层表征数据，并且将所期望的矿层表征数据与随后截割时的输出数据信号进行比较。优选的是，处理器在处理器检测到来自一个或更多个验证源的所期望的矿层表征数据与输出数据信号之间的冲突时确定存在传感器不准确和/或不精确。

优选的是，一个或更多个传感器包括收集指示矿层中标志带的位置的表征数据的标志带传感器(诸如IR传感器)。优选的是，生成矿层模型和/或截割模型包括确定标志带的坐标位置并将标志带的该坐标位置存储在矿层模型和/或截割模型中，使得矿层模型和/或截割模型表示标志带的坐标位置。

优选的是，IR传感器被构造为捕捉包括回采装置的至少一部分的IR图像，并且处理器确定该IR图像中回采装置的位置。优选的是，处理器在处理器检测到IR图像中回采装置的位置与由机器控制数据提供的回采装置的位置之间的冲突时确定存在传感器不准确性和/或不精确性。优选的是，处理器基于IR图像中回采装置的位置与由机器性能数据提供的回采装置的位置之间的差异来校准IR传感器输出数据。优选的是，处理器在处理器检测到以下内容中的一个或更多个之间的冲突或潜在冲突时确定存在传感器不准确性和/或不精确性：

-基于矿层模型和/或截割模型的回采装置的期望热工况(IR传感器的输出数据)；

-基于来自一个或更多个传感器的所收集的矿层表征数据的回采装置的期望热工况；并且

-基于回采装置的该一部分的IR图像的回采装置的热工况。

优选的是，一个或更多个传感器包括GPR传感器，该GPR传感器收集指示尚未回采(即，未截割的)的矿层上方和/或下方的剩余材料的表征数据。优选的是，处理器在处理器检测到基于来自GPR传感器的矿层表征数据的期望矿层表征数据与来自IR传感器的矿层表征数据之间的冲突时确定存在传感器不准确性和/或不精确性。优选的是，处理器针对各个顺序截割确定来自GPR传感器的矿层表征数据的置信值并基于该置信值确定不存在传感器不准确性和/或不精确性。优选的是，在不存在传感器不准确性和/或不精确性时，处理器控制所述开采机的一个或更多个参数，以在需要的情况下朝向目标值调整开采机参数(即，回采装置位置)。

一个或更多个传感器优选地包括沿进入到矿层中的方向收集包括沿着以及垂直于矿层边界的测量结果的矿层表征数据的传感器。优选的是，沿进入到矿层中的方向收集矿层的表征数据的传感器收集待开采矿层的表面后面的矿层的表征数据。优选的是，传感器为探地雷达(GPR)。优选的是，由探地雷达收集的表征数据包括矿层内的多个反射时间值，其中，处理器生成包括基于该时间值的一个或更多个模型特征的矿层模型。优选的是，一个或更多个模型特征包括矿层的层。GPR优选地收集位于机器上方和/或下方的表征数据以被并入到矿层的截割模型中。

一个或更多个传感器优选地包括沿感测方向收集表征数据的传感器以及确定感测方向的角度传感器，其中，生成矿层模型和/或截割模型基于感测方向。

一个或更多个传感器优选地包括收集感测距离处的表征数据的传感器以及确定感测距离的测距仪，其中，生成矿层模型和/或截割模型基于感测距离。

优选的是，生成矿层模型和/或截割模型基于感测方向、感测距离以及表征数据的三角测量和/或三边测量。

在本发明的第三方面中，提供了一种用于控制根据本发明的第一方面和/或第二方面的开采机的处理，该处理包括以下步骤：

A.使所述开采机相对于所述矿层移动；

B.从所述位置确定装置生成指示所述开采机的所述坐标位置的当前坐标位置输出数据信号；

C.从不同于所述位置确定装置的所述一个或更多个传感器生成当前矿层表征输出数据信号；

D.所述处理器接收来自步骤B和步骤C的输出数据信号，以从而生成更新后的矿层模型，该更新后的矿层模型包括所述矿层的所述空间位置和附着到所述空间位置或与所述空间位置偏离的所述矿层的一个或更多个特征，所述矿层的所述空间位置和所述矿层的所述特征的所述坐标位置参考在所述开采机的空间中的所述坐标位置来确定；

E.所述处理器使用矿层模型和/或截割模型数据来预计对一个或更多个开采机参数的所需的改变；

F.所述处理器发送用于调整所述开采机设置、参数中的一个或更多个的输出信号，和/或向操作员提供警报以用信号通知应监测或改变什么机器设置或参数。

虽然将理解，方法可以应用于其他矿层包括矿物层，但矿层优选地为煤矿层。

处理器还优选地从开采机接收输出数据信号，该输出数据信号与以下有关：开采机的一个或更多个设置或性能参数，所述设置或参数形成截割模型的一部分，所述截割模型包括空间位置；已回采的矿层的一个或更多个特征；和/或随着所述开采机从矿层回采材料而产生的开采机性能特征中的一个或更多个特征，所述矿层和开采机特征附着到截割模型内的空间位置或与截割模型内的空间位置偏离。

在优选实施方式中，要从矿层开采的材料的体积(Mv_s)根据以下方程式来表征：

M_Vs＝f[X(a,b,c…)_i,ii,iii..,Y(a,b,c…)_i,ii,iii..,Z(a,b,c…)_i,ii,iii..,]

其中，M_Vs由3D空间矩阵X(a,b,c…)；Y(a,b,c…)；Z(a,b,c…)来定义，

a、b、c≥0。

一个或更多个空间位置标记有与矿层特征有关的至少一个信息(i、ii、iii…)；如果矿层特征为矿层的2D表面信息，那么所标记的信息为2D的，除非信息是从之前开采的对应截割模型材料体积(M_Vs-1、M_Vs-2、M_Vs-3..)的一个或更多个外推，

其中，M_Vs可几何地从至少2D位置确定装置的空间坐标f(X,Y,Z)导出。

在已开采一定体积的材料时，从矿层模型实际开采的材料的体积被转换到截割模型(即，M_Vs→M_Vc)。矿层模型到截割模型的转换可以包括用根据位置确定装置从新露出矿层的空间坐标的计算而确定的所开采的实际体积来校正所期望的待开采体积。

M_Vc＝M_Vs+来自至少2D位置确定装置的空间校正以及优选地与开采机的设置和/或性能有关的标记信息。

来自截割模型的材料体积优选地标记有从对应的矿层模型提供的矿层表征信息。优选的是，与开采机的设置和/或性能有关的附加信息标记到来自截割模型的材料体积。该附加信息优选地由处理器在预计并顺序控制开采机、轨道或顶部支撑件的操作时使用。

在本发明的第四方面中，提供了一种矿层模型和截割模型用于基于所述矿层模型和/或截割模型来控制所述开采机的一个或更多个参数的用途。

截割和/或矿层模型优选地通过处理器从至少2D位置确定装置和一个或多个矿层表征传感器接收输出数据信号来生成。

矿层表征数据的坐标位置优选地参考开采机的空间中的至少2D坐标位置(优选地为开采机的空间中的至少2D绝对坐标位置)来确定。处理器优选地还基于矿层模型和/或截割模型的分析以预计开采情况的变化来控制所述开采机的一个或更多个参数。

开采机的一个或更多个参数的控制优选地随着开采机沿着矿层模型内的预期截割曲线前进而发生。截割模型和/或矿层模型优选地为三维的。截割模型和/或矿层模型优选地包括至少10个空间位置值，优选地包括至少50个空间位置值，更优选地包括至少200个空间位置值，并且最优选地包括至少1000个空间位置值。

在本发明的第五方面中，提供了一种软件，在该软件由计算机执行时使得所述计算机执行根据本发明的第三方面或第四方面所述的方法或用途。

定义

预期截割曲线基于位置确定装置(例如，INS)的输入、沿着或横跨当前开采面的回采装置(例如，挖矿机)的预定路径。预期截割曲线优选地从矿层模型导出。该预期截割曲线优选地针对长壁开采应用延伸达开采面的长度并且在其他应用(例如，巷道开拓)中延伸至少10米并且更优选地延伸至少50米。

截割模型：已开采的开采矿层的空间坐标的至少2D(优选地3D)模型或图。该模型还可以包括标记到空间坐标(空间地登记矿层表征数据)或与空间坐标偏离的表征矿层数据和/或开采机特征/性能数据。截割模型表征数据和3D空间坐标的获取可以同时(例如，通过使用摄影测量法)或单独(例如，通过使用混合传感器)来获取。3D感测可以使用可以从围岩识别矿层、识别矿层的特征变化或围岩的特征变化的传感器来执行。矿层的3D边界(即，空间位置)的确定可以提供对可以与其他感测数据以及地质数据库(例如勘测孔)一致的矿层几何模型的约束。还可以使用地质建模技术(例如，基于显式或隐式内插的方法)用于基于该3D数据更新矿层模型。

截割模型优选地表示至少所截割的矿层的50％，更优选地表示所截割的矿层的至少80％，并且最优选地表示所截割的矿层的100％。优选的是，截割模型包含开采机后面至少10米(并且优选地为至少50米)的所截割的矿层。

矿层模型：有待开采的开采矿层的至少2D(优选地为3D)模型或图。该模型优选地根据勘测数据来最初建立，并且可以经由随着从截割模型到尚未截割的矿层中的开采的信息的外推来完善。矿层数据可以包括源于基于将至少2D坐标位置确定装置用于准确地定位地震源的绝对位置的地震信号而产生的勘测数据(诸如岩体缺陷和断层结构、组成、硬度、塌方的倾向、表面和矿层内钻孔数据、地球物理测井数据和2D和3D地震数据以及开采之前的矿层的地形数据)的表征矿层数据。矿层特征可以为表面特征，或者可以为可以表示开采机的一个或更多个回采循环的厚度的、矿层内的层的特征。模型可以包括标记到空间坐标或与空间坐标偏离的表征矿层数据和/或机器表征/性能数据。模型还可以包括与邻近于待开采矿层的材料(例如，下伏层、中间覆盖层和/或上方覆盖层)有关的空间表征数据。表征数据优选地与确定随着矿层被开采机开采而产生的矿层边界和/或稳定性有关。优选的是，矿层模型表示开采机前面(即，在回采的方向上)至少10米(并且优选地为至少50米)的矿层。

机器表征数据：与开采机的操作状态和性能有关的数据，该数据包括机器设置，机器设置包括控制系统目标设置、定位设置；系统性能指示符(诸如功率输出或其衍生物、机器振动、温度以及噪声)。

内插为了本发明的目的，是指通过预测来确定沿着截割/矿层模型的中间空间位置。

外推为了本发明的目的，是指通过预测来确定经过了由定位确定装置测量的位置的沿着截割/矿层模型的中间空间位置。

准确性为了本发明的目的，是指存在系统性的误差或从待确定真实值的偏离。有可能该系统性的误差始终发生，这将意味着具有高精确性但低准确性。

精确性为了本发明的目的，是指存在随机误差，使得结果不一致。在这种情况下，所确定的值可以大量散开但集中于真实值，这意味着高准确性但低精确性。

置信曲线为了本发明的目的，是指从准确性和精确性值统计地导出的数值，并且可以包括分布、平均值与方差。

置信值为了本发明的目的，是指从准确性和精确性值统计地导出的数值，并且可以包括具有指定概率限制的分布、平均值与方差。例如，该置信值可以为95％置信界限，这对于正常概率分布将等同于平均值+/-1.96标准差。

期望值为了本发明的目的，是指落在指定置信值内的值。

开采活动风险曲线为了本发明的目的，是指就各个所识别的风险的负面影响以及事件的可能概率/频率而言的开采活动的固有风险。该风险曲线可以由影响概率矩阵来表征，风险减轻动作根据影响/概率曲线来实施。风险减轻动作可以包括对于发生造成影响的事件的同一水平的概率，随着负面影响增大而降低机器自动化的水平。

在说明书中的适当处，术语置信曲线可以用于替换置信值。

附图说明

图1是在等距视图中的、截割主采区顺槽与尾采区顺槽之间的煤矿层的长壁开采机的示意图；

图2a例示了截割模型；

图2b例示了机器性能方面的图2a的截割模型；

图3是开采煤矿层的开采机的侧视图；

图4例示了分层决策树模型；

图5a和图5b是挖矿头向主采区顺槽前进(图5a)、朝向尾采区顺槽后退(图5b)的示意图，其中机载传感器映射独特煤矿层特征的空间坐标；

图6是挖矿机机头和轨道的控制输入的示意图；

图7是示出了穿过所截割矿层的开采机的路径(虚线)和形成矿层模型的一部分的煤矿层面的示意图；

图8是例示了3D截割模型的形成的示意图；

图9例示了用于控制机器的一个或更多个参数的计算机系统；

图10例示了如处理器执行的用于控制开采机的一个或更多个参数由计算机实施的方法；

图11例示了由IR传感器提供的IR图像；

图12例示了包括标志带、第一环形以及第二环形的另一个IR图像；

图13更详细地例示了图3的开采机；

图14a例示了挖矿头分布和矿层边界分布在没有任何实质交叠的情况下彼此隔开的示例；

图14b例示了挖矿头前进成较高且较靠近矿层边界的示例；

图14c例示了对于100次截割没有岩石被碰撞之后的变窄的分布；并且

图14d例示了具有挖矿头3σ值的挖矿头分布和具有矿层边界3σ值的矿层边界分布。

具体实施方式

参照图1，存在包括主采区顺槽101和尾采区顺槽102的地下煤矿床100。采区顺槽限定要开采的目标煤矿层103。开采机104在截割面105上渐进地横切移动。

截割模型和矿层模型

在开采作业之前的勘测期间，基于钻孔矿样106来表征煤矿层103的特征。钻孔矿样106包括煤的顶层108、标志带110以及煤的底层112。标志带110可以是与顶层108或底层110不同类型的煤(诸如不同组成的化学物质)，或者可以为粘土或其他沉积材料的层。标志带110可以比图1中所示的与煤层108和煤层112成比例地薄。在标志带110的上限与顶煤层108的上限之间定义了第一距离114。类似地，在标志带110的下限与底煤层112的下限之间定义了第二距离116。

在一些示例中，钻孔矿样106包括一个以上的标志带，并且在这些情况下，第一距离114被定义为顶标志带的上限与顶煤层的上限之间的距离。类似地，第二距离116被定义为底标志带的下限与底煤层116的下限之间的距离。为简单起见，以下描述假定了单个标志带110，但也可应用于多个标志带。

因为煤矿层经由跨区域均等沉积材料的沉积过程来产生，所以可以假定第一距离114和第二距离116在煤矿层103的大部分中保持恒定。因此，示例矿层模型包括两个距离，并且可以包括若干层，诸如：

矿层模型：

层数(numberOfLayers)＝8

距顶层的距离(distanceFromTopLayer)＝1000//单位为mm

距底层的距离(distanceFromBottomLayer)＝2000//单位为mm

在一些示例中，层110、层112以及层110在整个矿层103上不是恒定的。矿层103可以示出逐渐变化，该逐渐变化可以由各种内插模型(诸如高斯混合模型)表示，以分别表示矿层103的空间幅度上的距离114和距离116。矿层103还可以示出急剧变化(诸如断层线)。在这些情况下，模型可以被分成在断层线处相遇的多个子模型。

例如，矿层103可以在如图1中的实心盘指示的各点(诸如示例勘测点120)处勘测。在这些勘测点处，钻孔矿样、地震测试以及其他勘测技术可以被应用以提取层信息，然后该层信息可以被内插。

图1还示出了长壁开采机104将要在当前通过中开采矿层103的截割面处的顶距离122和底距离124。因为长壁开采机104装备有绝对位置传感器，所以可以确定长壁开采机104相对于矿层103的位置。基于矿层模型和机器104的位置，可以准确地预测距离122和距离124。然后，开采机104可以基于距离122和距离124调整挖矿头的竖直移动，以在不开采上方或下方岩层的情况下回采最大量的煤。

在一个示例中，实时执行挖矿头的竖直移动，这可以意味着在确定长壁开采机104已通过顶部支撑件中的一个时调整竖直移动。

用于确定煤矿层特征的传感器126可以安装在开采机104上和/或安装在顶部支撑件110中的一个或更多个上。在一个实施方式中，传感器安装在开采机和顶部支撑件的至少一部分这两者上。在该实施方式内，在前进中的开采机前面的顶部支撑件传感器提供将要截割煤矿层的特征。该特征可以包括矿层组成的变化，矿层组成的变化包括煤的等级或从煤到无机物层的过渡。由传感器和至少2D确定装置100确定的煤特征的相对位置可以使用几何计算来确定。这使得能够准确地知道相对于开采机的煤特征的空间位置。因此，开采机可以能够在预计到煤特征的变化的情况下调整设置或运行工况。例如，挖矿机机头致动器可以被启动以使挖矿机机头向上移动，以遵循煤矿层边界的变化。

例如，传感器126可以是安装在开采机104上的红外照相机和处理器128，其接收图像并诸如通过应用边缘找寻算法(诸如索贝尔(Sobel))来检测层结构。然后，处理器128可以计数从底行到最低边缘以及从顶行到顶边缘的在中央像素列处的像素的数量。然后，处理器128可以基于焦距和芯片尺寸将像素数转换成竖直距离。然后，这些测量结果确定已由机器104开采的面的顶距离130和底距离132。

轨道134沿着矿层103引导开采机104，并且多个顶部支撑件136随着机器104通过而将轨道134向前移动。

在机器104在矿层上的各次通过期间，传感器126确定沿着矿层103的多个点处的煤矿层特征。然后，处理器128可以基于该数据确定截割模型。

在一个示例中，机器104包括测量标志带距传感器126的距离的激光测距仪。这样，基于机器104的绝对位置以及激光测距仪的方向，处理器128可以计算由传感器126成像的面的绝对位置。

图2a例示了与如上所述的层108、层110以及层112有关的截割模型200。在该示例中，传感器126沿着捕捉十一个测量结果，并且各测量结果与沿着索引轴线202的索引关联。处理器128可以根据以下伪代码段来建立截割模型：

如可以从截割模型200看出的，矿层103向下下降，并且被定位为在右手侧204比在左手侧206上深。然而，机器104沿着水平平面穿过矿层103。因此，存在在矿层的右手侧204处，机器204开采顶部并浪费底部处的煤的风险。处理器128计算截割模型的顶距离208与矿层模型的顶距离122之间的差。类似地，处理器128计算截割模型的底距离210与矿层模型的底距离124之间的差。然后，处理器128确定挖矿头的校正，以补偿差。

要注意的是，图2a中的截割模型200可以对应于开采面的一部分。例如，截割模型200对应于图1中被示出为当前通过期间开采的一直到图1中的传感器128的位置的部分。换言之，索引＝11的传感器测量结果为图1中所示的传感器128的当前位置处最新的传感器128的测量结果。基于矿层模型和截割模型200，处理器128可以预测在前面的矿层特征。因此，处理器128可以校正挖矿头的最大高度和最小高度，以适应矿层103的变化。在这种情况下，处理器128可以将挖矿头动作预先调整为逐渐降低，以适应下降的矿层103。因此，开采较少的岩石且较多的煤，因而这样得到更有益的整体操作。

在一个示例中，处理器128在各次通过期间确定二维截割模型200并将多个二维截割模型组合成单个三维矿层模型。

在一个示例中，来自不同传感器中的每个传感器的矿层表征数据被聚合成矩阵数据结构，其中，各传感器读数与X、Y及Z坐标关联，诸如对于来自固定全局基准的位置X＝1,000mm、Y＝3,000mm、Z＝2,000mm处的一个IR测量结果，[(1000,3000,2000,255)]并且像素值为255，这在8位分辨率的示例中对应于饱和的白色。矩阵输入还可以包括在相同位置处捕捉的进一步传感器数据(诸如16ns的反射时间“16”：[(1000,3000,2000,255,16)])。在传感器捕捉未在传感器之间对齐的位置处的数据的情况下，可以如下面进一步描述来执行传感器校准。传感器校准可以与内插组合，以计算缺失值。在一个示例中，传感器数据矩阵与恒定距离的网格(grid)有关，使得网格的点沿各方向隔开例如100mm。然后，对照彼此校准传感器，以提供在这些标准网格坐标处的传感器数据。该矩阵中所存储的传感器数据可以为直接传感器读数(诸如像素值或反射延迟)，或者可以为导出的材料特性(诸如硫含量、硬度、电渗透性等)。

数据可以表示成由以下方程式表征：

M_Vs＝f[X(a,b,c…)_i,ii,iii..,Y(a,b,c…)_i,ii,iii..,Z(a,b,c…)_i,ii,iii..,]

其中，i、ii、iii涉及不同的传感器，并且a、b、c涉及空间中的不同点。

图2b例示了截割模型200的机器性能维数250。在该示例中，机器104测量挖矿头的转速或供给给挖矿头以维持恒定速度的电功率。图2b的亮区域指示转速较高或功耗较低的矿层面的区域。暗区域指示转速较低或功耗较高的区域。

当将图2b连同图2a一起考虑时，可以看出，随着矿层103下降并且挖矿头渐进地截割到顶部岩层，朝向图2b的右顶角的对应区域变黑，这指示更硬的岩石。因此，处理器128可以把图2b的性能数据作为进一步的传感器输入并将性能数据解析为将要回采材料的矿层的相关表征数据。因此，处理器128可以在不使用传感器126但仅基于性能数据的情况下生成截割模型200。另选地，处理器128可以将来自IR传感器126的测量结果和性能数据组合来以获得比仅用单个传感器更准确的结果。

为了将机器104的当前位置与矿层103的坐标相关，机器104可以包括至少2D位置确定装置140。处理器128可以基于由该至少2D位置确定装置140提供的绝对坐标和所测量到的性能数据来更新矿层模型。该至少2D位置确定装置140优选地为3D位置确定装置，该3D位置确定装置优选地为惯性导航装置(INS)，其优选地包括陀螺仪和加速度计。

用于确定煤矿层特征的优选传感器126为IR传感器或热传感器。在US8622479或US8469455中描述了适当的IR传感器或热传感器，此处以引证的方式并入。传感器通常安装在可移动车架上。可以使用一个或更多个传感器。优选的是，该传感器位于可移动车架的各端处。传感器的位置可以变化，以确保可以在拖曳和引导位置这两者中的矿层映射期间从煤矿层获得足够质量的数据。图5a和图5b例示了被定位于可移动车架60的拖曳端处的传感器60，该传感器可以从拖曳端开始扫描新截割矿层面的热图像。在返回路径上，传感器60现在处于引导位置中，并且能够在回采之前重新扫描同一表面。

通过随着截割头50、55沿着矿层面横切移动而映射截割面的热图像，传感器能够向处理器65发送信号，以用来自惯性导航系统(INS)45的附加输入形成矿层模型。通过知道INS 45与传感器60之间的距离和传感器面向矿层壁的角度以及开采机相对于煤矿层面的对齐，可以将该热成像和空间定位数据组合以形成3D矿层模型。该3D矿层模型可以用于检测煤等级的变化和/或煤矿层与无机物的边界。处理器可以参考矿层模型以生成或更新预期截割曲线，来确保挖矿机机头维持在煤矿层内。

在回程(即，第二次横切，图5b)时，传感器可以重新扫描截割面并通过使用可以用于与第一次横切时的截割面空间匹配的标识特征来校准预期截割曲线。该操作借助生成至少部分交叠的矿层模型的第一次横切和第二次横切来实现，由矿层表征传感器生成的辨别矿层特征能够由处理器来进行空间匹配，并且如果标识特征的空间位置之间的误差在预定界限之外，则校正预期截割曲线的绝对坐标位置。由此，矿层表征传感器可以用于生成开采机可以自校准所对照的一个或更多个基准点。

在另选实施方式中，传感器被定向到矿层的顶部或底部，以捕捉与顶部负荷和稳定性有关的表征数据，该表征数据可以被类似地集成到矿层模型中并用于随着挖矿机机头沿着预期截割曲线前进而向顶部支撑件系统提供引导或控制。

在另一个示例中，传感器安装在顶部支撑件136上并收集将要回采材料的矿层的数据。顶部支撑件上的传感器除了在各顶部支撑件向前移动轨道的前进阶段期间之外是固定的。因此，顶部支撑件的传感器可以在当前通过开始时第一次收集表征数据，并且在机器104已通过之后第二次收集在下一次通过期间将要被开采的新创建面的表征数据。这样，传感器创建机器104前面的矿层103的侧视图，这允许更准确地控制挖矿头。

使用探地雷达

在进一步的示例中，机器104包括探地雷达(GPR)系统。特定用途宽带(900MHz)双基地脉冲雷达可以用于产生1-2ns脉冲，这产生高分辨率短程(100cm)回音数据。雷达系统可以使用以50Hz的速率在30kHz(12位ADC)处获取的T＝500数据点。雷达系统可以指向顶部或底部，以在机器104通过之前和/或之后测量从露出的材料面到地下界面边界的距离。处理器128可以根据

计算材料厚度，其中，d为材料厚度，c为光速，τ为所测量的双向行程时间，并且ε为具有示例值4.5的介质的介电常数。

图3例示了具有标志带110和顶部岩层302以及底部岩层304的煤矿层103。在该示例中，目的是竖直控制挖矿头306，使得恒定煤层保持在顶部岩层302下方且在底部岩层304上方。开采机104包括如上所述的GPR系统304。GPR系统304朝向顶部岩层302发送第一雷达信号308。第一雷达信号308被采空区中的空气与煤矿层103之间的第一界面310部分反射。处理器128可以基于雷达信号的传播时间来确定机器104距第一界面310的第一距离。该第一距离应等于挖矿头306的最大高度，并且处理器128存储该第一距离。另选地，机器104可以包括激光测距仪，该激光测距仪确定采空区的高度，识别来自第一界面的第一反射，并且确定第一距离。

第二反射可以从煤矿层103与顶部岩层302之间的第二界面312来测量。处理器128确定到第二界面的第二距离，并且因此可以为了确定覆盖顶部岩层302的煤的厚度而计算第一距离与第二距离之间的距离。

处理器128可以存储GPR系统304机器104的竖直偏移，并且因此可以确定顶部岩层302距离标志带110的顶的距离。因此，处理器128可以更新矿层模型的顶距离114。

另选地，当机器104通过矿层103中的断层时，顶部岩层302的距离急剧变化。当根据之前的测量结果(诸如勘测测量结果或之前通过)而准确知道断层的位置时，处理器128可以在根据所反射的雷达信号检测断层时将机器104的位置更新为在该断层的位置处。然后，在下一通过期间，处理器128可以在预计道该断层的情况下调整挖矿头306的高度，以在断层之前和之后将可接受的煤层维持在顶部岩层302下方。

类似地，GPR系统304朝向底部岩层304发送第二雷达信号，其中，第二雷达信号被第三界面316和第四界面318反射，这允许处理器128关于底部岩层304执行上述计算。

要注意的是，开采机104可以为包括第二挖矿头(图3中未示出)的长壁采矿机或者可以为具有截割滚筒形式的挖矿头306的连续开采机。在连续采矿机的示例中，图1中的传感器126可以测量到机器104的两侧(即，到图3的平面中和从图3的平面离开)的煤矿层103的特征。

传感器校准

在一些示例中，因为IR传感器126、GPR系统304以及INS系统140安装在机器104的不同位置处，所以它们彼此隔开。因此，它们在某一特定时间点的测量结果不是严格捕捉相同特征。然而，在安装传感器时可以测量这些传感器之间的距离，并且该距离由处理器128存储在数据储存器上。这样，传感器可以通过对照彼此而校准。具体地，来自各传感器的数据可以需要与关于全局基准的绝对位置关联。INS系统140可以确定该绝对位置，并且处理器128可以添加传感器距INS系统140的距离，以确定传感器的绝对位置。进一步地，来自里程表的信号可以用于对齐来自不同传感器的测量结果。即，代替用捕捉时间标记传感器数据，传感器数据可以用受由传感器之间的距离引起的已知偏离影响的里程表读数来标记。

在又一示例中，处理器128诸如通过检测来自GPR 304雷达反射信号中的急剧变化来检测矿层的表征数据中的特征。该急剧变化还应在IR传感器126穿过同一断层时的IR传感器126数据中是可见的。因此，通过检测IR传感器数据中的同一断层，处理器128可以空间地对齐两个数据流，并且可以彼此对照校准两个传感器。

图4例示了用于控制机器104并且具体地控制挖矿头306的上限的分层决策树模型400。决策树模型400可以以嵌套的如果－则－否则语句的形式或作为状态机存储在数据存储器中。决策树400在与挖矿头306的转速有关的RPM节点402处开始。如果转速低，这意味着机器104可能到达上岩层302，并且处理器128降低404挖矿头306的上限。如果转速正常，则处理器128进行到GPR节点406，该节点与如参照图3描述的顶部岩层302下方的煤的厚度有关。如果煤层同样地太薄，则处理器128降低404上限。如果层太厚，则处理器128提高412上限。如果层在规范之内，则处理器128继续到IR节点410，该节点与矿层103的被开采面内的标志带110的位置有关。如果标志带110向上倾斜，则认为斜井上升，这使得处理器128提高412上限。相反地，如果标志带110向下倾斜，则认为斜井下降，这使得处理器128降低404上限。可以定期地(诸如每隔一秒或在开采特定距离(诸如一米))评估决策树模型。可以对于下限制定类似的决策树。

参照图6，处理器接收与开采机的绝对空间定位有关的数据以及与矿层特征有关的数据。处理器将来自当前截割的新获取的矿层特征和空间定位与现有勘测矿层数据集成，以形成产生预期截割曲线的更新后的矿层模型。矿层模型和截割模型存储在存储装置中，处理器在预计开采机将要经历的开采情况的变化时分析矿层模型和/或截割模型并在预计到这些变化的情况下调整控制(包括发出警报)。轨道移动控制、顶部支撑件移动控制以及挖矿机机头移动控制中的一个或更多个用于沿着预期截割曲线引导开采机。所预计的矿层情况的变化还可能引起开采机操作参数(包括顶部支撑件压力和挖矿机横切速度)的变化。在回采矿层时，矿层模型优选地被转换成除了与已回采的矿层的开采机性能有关的数据之外还包括矿层特征以及空间定位的截割模型。通过用预测的相互作用分析开采机与矿层的实际相互作用，可以调整或校准矿层模型。

关于控制挖矿机机头在所定义的煤矿层边界之间行进的水平控制，预期截割曲线可以参考截割模型、矿层模型或其组合来形成。如图7例示，存在如由热IR传感器检测的矿层边界200。开采机已经进行跨矿层的数次横切移动210。这样做时，预期截割曲线围绕矿层边界中的急剧变化面220行进。虽然当前的预期截割曲线可以通过仅使用矿层模型来围绕矿层边界中的急剧变化面220行进，但用该方法的问题是矿层模型仅可提供矿层边界的2D图像，这可能导致移除与矿层边界交叉的矿层的3D部分。为了在3D(即，进入到矿层中)中提供矿层边界的位置的预测，那么存在两个可能的解决方案。第一，传感器可以用能够提供到矿层中的数据的传感器来替换或补充(例如，探地雷达可以用于访问边界的位置)。第二，3D截割模型中的急剧变化面的位置可以用于外推到矿层中的矿层边界的位置。

当沿着采区顺槽边界检测到矿层边界的急剧变化面230时，可以使用内插来提供可以确定预期截割曲线的3D矿层模型。

可以在图8的帮助下例示3D矿层模型和3D截割模型的形成。在优选实施方式内，惯性导航系统安装在开采机上，并且提供与由处理器接收的、与开采机的当前3D空间位置有关的输出数据信号。输出数据信号还由与矿层特征有关的一个或更多个传感器来提供。与矿层数据有关的输出数据信号可以包括对应于矿层面的2D位置的输出数据的2D矩阵。传感器还可以例如在传感器为探地雷达时产生输出数据的3D矩阵。包括矿层表征数据的各输出数据信号标记到对应于矿层特征与开采机有关的时间和地点的开采机的3D位置。执行几何计算，以相对于开采机的位置校准表征数据的2D矩阵的3D位置。优选的是，里程表输出信号(未示出)还作为输入向处理器提供，使得可以解释开采机INS位置与矿层特征之间的任意空间偏移，使得处理器可以开发3D矿层模型，根据该3D矿层模型，处理器可以预计对开采机的所需变化，并且或者通过向致动器发送信号来直接启动这些变化或者通过向控制警报发送信号以通知操作员监测并考虑改变特定控制来间接地启动这些变化。

随着开采机从矿层回采产品，加工机器设置和性能输出数据信号还可以与标记到开采机的空间位置的输出以及被回采的产品的矿层特征一起输入到处理器中。处理器将该信息整理到3D截割模型(未示出存储器存储装置)中。3D截割模型可以被处理器使用预计在访问当前3D矿层模型时需要哪些机器设置。从历史矿层和机器数据(例如，3D截割模型)学习优选地用于优化开采机的将来操作设置。处理器优选地包括使得开采机能够将截割模型和矿层模型分析并入来自过去操作设置的期望结果和实际结果中的学习算法。

在一个示例中，截割模型和/或矿层模型包括置信值。置信值可以为用于整个模型的单个值，或者可以包括用于模型的各点(诸如网格的各点或模型的各支撑件点)的一个值。置信值可以在开采过程开始时、在矿层的测量受限时低。置信值还可以随着距离测量的距离而减小。例如，钻孔矿样120可用的点处的置信值高(诸如0.9)，而钻孔矿样120之间的中间处的置信值低(诸如0.1)。

这里所述的从传感器获取机器性能数据、IR图像数据、GPR数据以及其他矿层表征数据增大测量数据的点处的置信值。具体地，如果传感器数据确认当前矿层模型(即，传感器数据与由矿层模型预测的数据相同)，则置信值增大。处理器128可以计算更新置信值并存储与矿层模型关联的更新后的值。

在另一个示例中，处理器128根据c＝1-exp(-(1/(a1×d1+a2×d2+a3×d3)计算置信度得分c，其中，d1、d2以及d3分别为三个传感器的传感器测量结果与矿层模型之间的差异，并且a1、a2以及a3为各传感器的加权值。这样，如果全部三个传感器(诸如IR照相机、GPR以及功耗)产生相同的顶距离122，则置信值将为c＝1。加权值可以指示与置信度得分关联的点到测量的位置的距离。

图9例示了用于控制机器104的一个或更多个参数的计算机系统900。计算机系统900包括处理器902，该处理器902对应于图1中的处理器128，连接到程序存储器904、数据存储器906、通信端口908以及用户端口910。通信端口可以为CAN总线接口，并且连接到GPR系统304、IR传感器126以及激光测距仪911。

程序存储器904为永久计算机可读介质(诸如硬盘、固态盘或CD-ROM)。软件(即，程序存储器904上所存储的可执行程序)使得处理器902执行图10中的方法(即，接收数据，生成矿层模型和/或截割模型，并且生成控制机器104的一个或更多个参数的输出数据信号)。术语“确定模型”是指计算指示模型的一个或更多个值。这还应用于有关术语。

处理器902然后可以将模型值存储在数据储存器906上(诸如在RAM或处理器寄存器上)。处理器902还可以经由通信端口908向服务器(诸如矿山控制服务器)发送所确定的模型值。

处理器902可以从数据存储器906以及从通信端口908和用户端口910接收数据(诸如矿层表征数据)，该用户端口910连接到向用户916(诸如机器操作员)示出矿层模型和/或截割模型的可视化表示形式914的显示器912。在一个示例中，处理器902诸如通过使用根据IEEE 802.11的Wi-Fi网络经由通信端口908从传感器304、传感器126以及传感器911接收矿层表征数据。Wi-Fi网络可以为分散式自组织网络，使得不需要专用的管理基础设施(诸如路由器)，或者为具有管理网络的路由器或接入点的集中式网络。

在一个示例中，处理器902实时接收并处理矿层表征数据。这意味着处理器902每当从传感器304、传感器126以及传感器911中的一个接收矿层表征数据时确定矿层模型和/或截割模型，并且在传感器发送下一更新之前完成该计算。

虽然通信端口908和用户端口910被示出为明显的实体，但要理解，任意种类的数据端口(诸如网络接线、存储器接口、处理器902的芯片封装的引脚或逻辑端口(诸如IP套接口))可以用于接收数据或存储在程序存储器904上并由处理器902执行的功能参数。这些参数可以存储在数据存储器906上，并且可以经由源代码中的值或参考(即，作为指针)来处理。

处理器902可以借助全部这些接口来接收数据，这些接口包括易失性存储器(诸如缓存或RAM)或非易失性存储器(诸如光学硬盘、硬盘驱动器、存储服务器或云端存储)的存储器访问。计算机系统900还可以在云计算环境(诸如被管理的一组互联服务器做动态数量的虚拟机的主人)中实施。

要理解的是，任意接收步骤可以以处理器902确定或计算稍后接收的数据为先导。例如，处理器902确定诸如通过预过滤原传感器数据来确定矿层表征数据，并且将矿层表征数据存储在数据存储器906(诸如RAM或处理器寄存器)中。然后，处理器902诸如通过将所读取的信号连同存储器地址一起提供来从数据存储器906请求数据。数据存储器906将数据提供为物理位线上的电压信号，并且处理器902经由存储器接口接收矿层表征数据。

要理解的是，贯穿本公开，除非另外叙述，节点、边缘、曲线图、解决方案、变量、截割模型、矿层模型等是指物理地存储在数据存储器906或由处理器902处理的数据结构。进一步地，为了简洁起见，在对特定变量名称(诸如“截割模型”或“矿层模型”)进行参考时，这将被理解为是指被存储为计算机系统900中的物理数据的变量值。

图10例示了如由处理器802执行的、用于控制开采机104的一个或更多个参数的由计算机实施的方法1000。图10将被理解为软件程序的设计图，并且可以逐步地实施，使得图10中的各步骤由编程语言(诸如C++或Java)中的函数来表示。然后，产生的源代码被编译并作为计算机可执行指令存储在程序存储器904上。

方法1000通过处理器802从位置确定装置140接收1002输出数据信号开始。处理器802还从传感器(诸如GPR系统304、IR照相机126或激光测距仪811)接收1004输出数据信号。然后，处理器1006如参照图1、图2a以及图2b所述的生成矿层模型和/或截割模型。所生成的矿层模型和/或截割模型包括煤矿层的空间位置和附着到空间位置或与空间位置偏离的煤矿层的一个或更多个特征。

基于矿层模型和/或截割模型数据，处理器802预计对一个或更多个开采机参数的所需的改变，并且生成1008控制开采机104的一个或更多个参数的输出数据信号。例如，处理器802生成控制挖矿头306的竖直致动器的信号，以如上所述的在顶部和底部上维持恒定的煤覆盖。

处理器802可以发送用于调整开采机设置、参数中的一个或更多个的输出信号，和/或向操作员提供用于用信号通知应监测或改变什么机器设置或参数警报，。

本领域技术人员将理解，可以在不偏离保护范围的情况下对具体实施方式进行许多变型和/或修改。

以下描述提供关于解决不准确和不精确的进一步细节。这些示例描述了执行多次通过并在各通过之后前进到矿层中的长壁采矿机。这些通过还可以称为顺序截割，这还应用于使截割头上下移动以进行顺序截割的连续开采机或巷道掘进机。连续开采机/巷道掘进机也前进到顺序截割之间的矿层中。

虽然以下示例例示了将本发明用于控制开采机相对于矿层的竖直定位(例如，水平控制)，但本领域技术人员将理解的是，本发明还可以用于面对齐(侧向定位)和蠕变控制(纵向定位)。

在开采机104开始回采过程之前(即，在开始首次通过之前)，处理器128具有可用于控制开采机104的很少信息(即，矿层模型具有较高程度的不确定性)。因此，因为可用数据不允许安全自主操作，所以可以人工操作若干个首次通过(诸如五个首次通过)。

随着开采机104在首次通过期间在矿层上横切移动，IR传感器304收集标志带110的IR图像。处理器128确定IR图像中标志带110的位置。然后，处理器128基于来自INS系统140的绝对坐标位置数据以及IR传感器126与INS系统140之间的空间关系确定标志带的绝对坐标位置。处理器128还对于沿着纵轴线202的各位置存储IR图像内的标志带的绝对坐标位置，作为截割模型。

当开采机104在沿相反方向的第二次通过期间在矿层上横切移动时，处理器128可以从存储器检索标志带110的对应位置，并将所存储的位置与在第二次通过期间当前测量的位置进行比较。即，处理器128外推所开发的截割模型，以确定所期望的标志带110的位置。理想地，因为大多数回采操作的目的是将标志带保持在恒定水平，所以所期望的位置与当前位置应相同或在预定的公差带内。如果是这样(即，所期望的标志带110的存储位置等于当前所测量的位置)，则处理器128确定收集矿层的表征数据在足够准确性的情况下适当地起作用，并且可以切换到自主操作。在一些示例中，可以对于确定测量结果采取数次通过。为了检测多个通过期间诸如下降矿层中的标志带110的位置的任意变化，可以预定开始自主操作之前的通过的最小数量(诸如五个)。

如果所测量的标志带110的位置与所期望的位置不一致，则处理器128确定传感器可能没有正常工作。例如，IR传感器126可能指向错误的方向或被覆盖或被另外干扰。处理器128可以诸如通过发出报警信号来生成对操作员的通知。

在首次通过之前，矿层模型可以包括来自钻孔矿样的勘测数据。在该情况下，处理器128可以确定IR图像中标志带110的位置与来自钻孔矿样的所期望的标志带的位置之间的差异。然后，处理器128可以向操作员建议改变，以按计划跟随标志带，和/或朝向所观测的位置调整矿层模型。

在这些示例中，处理器128基于来自IR传感器104的传感器数据和矿层模型来控制开采机104。在开采机的当前位置处，矿层模型提供所期望的矿层特征。例如，处理器128诸如经由内插从矿层模型确定所期望的距离标志带110的顶距离114和底距离116。换言之，处理器128推断矿层边界，并且假定标志带距离矿层边界恒定距离。

IR传感器126如上所述的提供顶距离114和底距离116的测量。模型值和测量结果经由INS系统140所提供的绝对坐标位置来l衔接。当开采机104穿过矿层模型的具有高置信度得分的位置(诸如提取钻孔矿样的位置)时，矿层模型可以用于校准IR传感器。反之亦然，在钻孔矿样之间的位置处，来自IR传感器126的矿层表征数据可以用于以更高的置信度得分来更新矿层模型。

进一步地，在矿层模型的置信度得分高的位置处，矿层模型与IR传感器数据之间的差异可以用于确定IR传感器是否正常工作。例如，只要IR传感器数据与矿层模型之间的差异在预定阈值(诸如0.1m)内，则处理器128可以自主控制开采机104。否则，处理器128切换到人工操作，或者自动停止开采机104，直到操作员人工恢复操作为止。

在又一示例中，IR传感器126被构造为使得视野与可以的挖矿头的位置交叠。因此，处理器128可以从IR传感器数据确定挖矿头的位置，或者在位置可以机器性能数据(即，回采装置的定位设置)的形式使用时，处理器128可以确定IR传感器126的准确性。

处理器128还可以监测由操作员进行的控制输入，并且将机器学习法应用于随着时间的过去而学习操作员如何对变化情况作出反应。更一般地说，处理器128执行学习样本包括作为特征的传感器测量结果以及作为标签的操作员输入的监督式学习。随着时间的过去，处理器128计算模型参数(诸如线性回归或自组织地图的因子)。为了计算模型参数，处理器128使训练样本中的实际操作员输入与基于学习样本的模型参数和特征而计算的自主控制输出之间的差异最小化。

图11例示了由IR传感器126提供的IR图像1100，在该IR图像1100中，较高的温度被示出为黑色，并且更低的温度被示出为白色。因为标志带的材料比周围材料硬，所以IR图像1100将标志带110清晰地示出为较暖色像素的线1120。另外，IR图像1100包括第一环形1104和第二环形1106。随着挖矿头回采材料，材料与挖矿头之间的摩擦使得挖矿头升温到高于周围材料(即，壁面)的温度。因此，IR传感器126可以检测到挖矿头。第一环形1104为引导挖矿头的图像，而第二环形1106为拖曳挖矿头的图像。处理器126可以执行模式识别算法和/或边缘检测算法，以确定环形1104和环形1106在图像内的位置。处理器128可以接收指示挖矿头的位置的机器控制数据，并且可以将环形1104和环形1106的位置与机器数据进行比较。

在图11的示例中，IR图像1100具有18行，并且处理器128存储关于挖矿头的最高位置环形1104和环形1106的底部应处于行“4”(从顶部的“1”开始)中的信息。类似地，在挖矿头的最低位置中，环形1104和环形1106的顶部应处于图11的示例图像中的行“15”，处理器128确定引导挖矿头处于最高位置中，并且拖曳挖矿头处于最低位置中。处理器128将该结果与也应指示挖矿头的这些位置的机器控制数据进行比较。

如果来自IR图像的挖矿头位置不同于机器控制数据，则处理器128根据历史传感器输出检测异常。例如，岩石或设备可能落在IR传感器126上并改变IR传感器126的位置或方向。在这些情况下，处理器128可以发出警报，中止自主操作，或者可以通过减去所测量的差来校准IR传感器126。例如，如果处理器128检测到引导挖矿头的底部处于行“6”处，但机器控制数据指示挖矿头处于顶部处并且应在行“4”中，则处理器128从整个图像1100的各行数字减去“2”。这将使标志带1102有效地向上位移两个像素。这样，处理器128降低IR传感器126的不准确。

进一步地，IR传感器126可能经受比挖矿头的移动更快发生的振动。因此，处理器128可以使各IR图像位移为使得环形1104和环形1106保持在恒定的位置处或在随后的IR图像之间以每秒最大量的像素改变位置。这样，处理器128降低IR传感器126的不精确性。在又一示例中，IR图像1100可以包括被表示为白色和黑色的两个以上的温度值。反而，灰度图像可以表示宽范围的不同温度。通过比较随后图像之间的像素值，处理器128可以检测温度的变化。

图12例示了包括标志带1202、第一环形1204以及第二环形1206的另一个IR图像1200。在该示例场景中，开采机104在被描绘为略带阴影的中等温度下检测标志带1202、第一环形1204以及第二环形1206的同时回采材料。然而，第一环形1204突然变为黑色，这向处理器128指示引导挖矿头快速升温。这在挖矿头前进到比所回采材料更硬的岩石中时发生，这使得摩擦增大并且发热更多。

现在，处理器128可以推断当前位置处标志带与覆盖层之间的距离108等于标志带110上方的挖矿头的高度。换言之，机器控制数据提供用于开采机104有关的挖矿头的高度。INS系统140提供开采机的绝对坐标位置，该绝对坐标位置允许处理器128确定挖矿头的顶部的绝对坐标位置。进一步地，INS数据允许处理器128确定标志带110的绝对坐标位置。最后，处理器128可以从IR图像中的标志带1202的绝对坐标位置减去挖矿头的绝对坐标位置，以确定顶距离114。然后，处理器128可以用绝对坐标位置处的所确定的距离114更新矿层模型，并且增大所关联的置信值。

除了IR传感器126之外，GPR传感器304可以提供进一步降低不准确性和/或不精确性。如参照图3描述的，GPR传感器304测量反射次数，然后，处理器128可以确定回采之后剩余的矿层的厚度，该厚度由图3中的第一界面310与第二界面312之间的距离来表示。回采过程的目标可以是恒定厚度例如0.5m以保持在顶部302下方且底部304上方的层。较低的目标厚度可以产生较高的利润，但还导致前进到岩石中的风险增加，这将引起磨损增大以及更高的更换成本。

降低矿层模型中的不准确性可以允许在不增加前进到岩石中的风险的情况下减小目标厚度。为了该目的，在开采过程开始时(即，例如，在五个首次通过期间)，因为矿层中的大多数位置处的置信值低，所以目标厚度可以为保守的(诸如1m)。随着开采机104前进到矿层中(即，随着顶部支撑件136向前移动)，GPR传感器304移动到采空区中，并且可以测量图2a中的各纵坐标i处的剩余层的厚度。然后，处理器128可以将所测量的厚度与可以等于所预测的厚度的目标厚度进行比较。

例如，矿层模型预测2m的顶距离114，3m的底距离。因为该阶段的置信值低，所以处理器128设置1m的保守目标厚度。因此，最大挖矿头位置被设置为标志带上方1m和标志带下方2m处。随着开采机104前进到矿层(沿图1中的y方向)，GPR传感器308测量1.5m的顶部厚度，该顶部厚度不同于经由模型预测的顶部厚度。因此，处理器128诸如通过对于所预测的厚度不同于所测量的厚度多于5％的各通过从当前值减去0.1或从置信值减去用百分比表示的误差来进一步减小模型的置信值。即，处理器128对于5％误差从置信值减去0.05。

在该示例中，开采机104前进，并且在各次通过时，GPR传感器304连续测量1.5m的相同顶部厚度，这意味着处理器128确定顶部厚度的高度一致性。这允许处理器128确定不存在传感器不精确，并且允许处理器128通过加0.5m到顶距离114或通过加差异的10％到矿层模型来更新矿层模型。凭借所预测的厚度在所测量的厚度的5％内的各通过，处理器128诸如通过加0.1来提高置信度得分。一旦置信度得分超过阈值(诸如0.8)，则处理器128控制开采机104的参数。即，处理器128诸如通过在各通过处加5cm以逐渐达到1m的目标来逐渐地提高挖矿头的上限。随着置信度得分进一步提高，处理器128甚至可以将低于1m的目标降低到例如0.1m的最小值。

处理器128可以执行反馈控制法，该反馈控制法包括与目标厚度与所测量厚度之间的差成比例地调整挖矿头的极限的比例(P)分量。反馈控制法还可以包括提供PID控制的积分(I)分量和/或微分(D)分量。注意的是，回采、前进以及测量厚度之间的延迟可以被认为是停滞时间并包括到PID控制中。使用反馈控制，处理器128可以调整挖矿头的极限以适应改变的矿层情况(诸如下降的矿层)。

在另一示例中，矿层模型示出了引起具有1m的台阶高度的顶距离114的向下台阶的断层线。在预计到该台阶的情况下，处理器128可以线性地调整目标厚度，使得就在断层线之前的目标厚度超出就在断层线之后的目标厚度1m。例如，断层线之前的三个通过的各目标厚度值为0.1m、0.4m以及0.7m。

进一步地，处理器128可以将GPR测量结果与截割模型进行比较。如果存在显著差异，则处理器128更新截割模型。如果差异不明显或不存在差异，则处理器128通过如上所述的提高置信度得分来验证截割模型。处理器128可以外推截割模型，以预测矿层模型并控制挖矿头的极限。例如，顶部厚度的GPR传感器304的各测量结果小于之前通过的测量结果0.05m。这指示矿层下降，并且处理器128将下降的顶部并入到截割模型中。通过外推截割模型，处理器128可以独立于根据PID控制法的任意校正或除了根据PID控制法的任意校正之外在各通过处自动降低挖矿头的上限0.05m。这样，处理器128不对所观测的目标厚度与所观测的厚度之间的差异作出反应，而是抢先校正任意所预测的差异。这减少与大停滞时间关联的控制问题。

在处理器128使用过低目标厚度的情况下，IR传感器126可以用于如参照图12说明的提早检测到岩层中的前进。在处理器128一检测到如由更黑的环形1204示出的挖矿头的升温时，处理器128就减小该位置处矿层模型的置信值，并且可以切换到人工模式，或者可以将目标厚度增大到更保守的值。

上述示例示出了处理器128可以在一确定导致传感器数据与矿层模型之间的不符的传感器不准确和/或不精确时，处理器128就减小矿层模型的置信值。然而，使用多个传感器，不同传感器之间可能存在不符。例如，IR传感器126可以检测升温的挖矿头，而机器数据不显示所增加的功耗或所降低的RPM。

为了做出决定，处理器128可以评估反映专家域知识的贝叶斯网络。例如，采矿工程师知道功耗的增加或RPM的降低很可能指示前进到岩层中。然而，采矿工程师还知道IR传感器126对升温更灵敏但容易被损坏或移动。因此，即使机器数据显示没有异常，但“冷”IR图像在机器数据显示功率增加/RPM降低时不指示未升温，来自IR传感器126的挖矿机机头升温的指示也指示前进到岩层中。然而，如果GPR传感器304测量到下一通过期间的足够厚度，则任意升温或功率/RPM变化意义不大。测量结果之间的这些关系可以由节点来表示，并且专家域知识由这些节点之间的概率来表示。然后，输出节点可以增大/减小目标厚度、更新矿层模型或增大/减小置信值的决定。

在另一个示例中，输出节点为系统是否正常工作。在这种情况下，贝叶斯网络中的边缘表示不同传感器之间的相互关系。如果传感器不同地运行(即，它们的相互关系不同于网络中的相互关系)，则输出节点指示系统中存在故障。在这种情况下，处理器128可以从自主操作切换到人工操作，或者可以安排维护程序。处理器128可以使用触发动作响应计划(TARP)并启动多个触发器中的一个或更多个，以开始预定义的响应(诸如机器维护、人工/自主控制、报警等)。

图13更详细地例示了图3的开采机。如上所述，处理器128控制开采机104，并且具体地控制挖矿头306的竖直位置。挖矿头306的竖直位置加上挖矿头的半径定义挖矿头306的上截割面的竖直位置。处理器128可以基于从INS系统140接收的绝对坐标位置数据和机器几何结构计算挖矿头306的上截割面的绝对坐标位置。来自INS系统140的绝对坐标位置数据的不准确和/或不精确以及角度传感器和其他机器参数的潜在进一步变化还可能导致上截割面的竖直位置的不准确和/或不精确。图13以第一统计分布1302的形式例示了该不准确和/或不精确。

类似地，矿层模型经受图13中以第二统计分布1304的形式例示的不准确性和/或不精确性。分布1302和分布1304可以为如下所述的矿层模型和/或截割模型的一部分。

图14a至图14d例示了统计分布1302和统计分布1304的不同示例。注意的是，z坐标如图1所指示的指向竖直方向。因此，因为矿层边界处于挖矿头306上方，所以左手侧上的分布与挖矿头306有关，而右手侧上的分布与矿层边界有关。假定这些示例与回采过程期间挖矿头306在再次向下移动之前假定最大竖直(z)位置的点有关。

图14a例示了挖矿头分布1402和矿层边界分布1404在没有任何实质交叠的情况下彼此隔开的示例。这与尽可能避免开采覆盖层的保守方法有关。然而，未开采覆盖层下方的(即矿顶部中的)剩余煤，这降低作业的利益率。

图14b例示了挖矿头306前进成较高且较靠近矿层边界的示例。因此，挖矿头分布1402和矿层边界分布1404交叠，这由黑色区域1405来指示。因此，存在挖矿头306将前进到覆盖层中的可能性。该示例与对于与开采更高体积的煤关联的更高利润接受与开采岩石关联的增大的磨损和成本的更进取的策略有关。注意的是，分布1402和分布1404的最大值指示所期望的值。因此，着眼于图14b，如果挖矿头306处于所期望的位置处，并且矿层边界为所期望的高度，则未开采岩石。然而，如果矿层边界低于所期望的(到达矿层边界分布1404的最大值的左边)，并且同时，挖矿头306高于所期望的(到达挖矿头分布1402的右边)，则竖直挖矿头位置可以大于矿层边界位置，这意味着开采岩石。

考虑根据图14b操作开采机并且上下移动挖矿头306多次，期望挖矿头将在一些情况下碰撞岩石。数学上地，当开采过程期间在特定位置处遇到(或未遇到)岩石时，特定位置处碰撞岩石的概率可以借助现有的矿层表征数据(诸如探测日志和/或注释观测数据)来确定。贝叶斯滤波器为顺序更新与碰撞岩石的概率关联的概率密度函数提供方便的框架。

特定位置处遇到岩石的概率可以表示为百分率。例如，如果特定位置处碰撞岩石的百分率为10％，并且如果挖矿头被移动到该位置100次，那么将期望将平均遇到岩石10次，这可以经由如参照图12描述的机器性能数据或IR图像来检测。如果所观测的百分率不符合所计算的百分率，则处理器128可以调整分布1402和/或分布1404。

图14c例示了对于100次截割没有岩石被碰撞之后的变窄的分布1402和分布1404。如图中可以看出的，处理器128减小分布的宽度，这与增大的置信值有关。如果目的是维持恒定的碰撞岩石概率，则处理器128现在可以向上调整挖矿头306的上限，以将分布1402和分布1404一起移动得更近，并产生例如10％的小的交叠。

在一个示例中，置信值可以指示各分布1402和分布1404的标准差。然后，处理器128可以基于标准差计算指示分布多宽的值。例如，处理器128计算从平均值位移三倍标准差的z值。该值可以称为3σ值。换言之，截割模型和/或矿层模型的置信值指示距离所期望值的距离。图14d例示了具有挖矿头3σ值1406的挖矿头分布1402和具有矿层边界3σ值1408的矿层边界分布1404。处理器128可以根据

来计算假定高斯分布的3σ值。

如果其他概率密度函数更准确地表示边界变化，则可以类似地应用其他概率密度函数。在挖矿头3σ值1406小于矿层边界3σ值1408的情况下，可以说关于挖矿头306距离矿层边界的距离可以忽略不准确和/或不精确。因此，在挖矿头3σ值1406小于矿层边界3σ值1408的情况下，可以说不存在不准确和/或不精确。反之亦然，在挖矿头3σ值1406大于矿层边界3σ值1408的情况下，可以说存在不准确和/或不精确。

开采作业的目的可以是在矿层边界下方留下少于预定厚度的煤(诸如少于1m的煤)。开采作业开始时，如果分布1402与分布1404各所期望的值之间存在1m的距离，则可以存在分布1402与分布1404的显著交叠。这是由于作业开始时的矿层模型中的低置信值和机器坐标。处理器128计算对应的3σ值1406和3σ值1408，并且确定挖矿头3σ值1406大于矿层边界3σ值1408。这可以向处理器128指示信息对于自主操作不足够，并且处理器128可以切换到人工操作或停止机器。随着置信值增大，挖矿头3σ值1406可以变得小于矿层边界3σ值1408，此时，处理器128切换到自主操作。处理器128还可以调整挖矿头306的最大高度，使得3σ值1406和3σ值1408相等或相隔预定距离。使用3σ值代替计算碰撞岩石的概率在没有显著损失控制能力的情况下简化计算。

注意的是，检测到挖矿头306前进到矿层边界中允许处理器128更新截割模型中的矿层边界的位置(即，将矿层边界分布1404的平均值位移到挖矿头306的当前位置)。如果未检测到前进到矿层边界中，则未知挖矿头306被定位为距离矿层边界多远。然而，未检测到前进到矿层边界中确认矿层边界高于挖矿头306，这允许处理器128增大置信值(即，在保持所期望的值恒定的同时增大矿层边界分布1404的3σ值1408)，从而使矿层边界分布1404变窄。

例如，如果回采装置(例如，挖矿头或截割滚筒)相对于矿层边界的位置的置信值指示截割滚筒将90％的时间停留在矿层边界内(即，10％的时间在矿层边界的外部)并且机器表征数据确认回采装置100％的时间在矿层边界内作业，那么可以增大与回采装置相对于矿层边界的位置有关的置信值。由此，截割模型置信值可以大于矿层模型内的预期截割曲线的置信值，由此，截割模型的外推(或其其他处理)可以用于增大矿层模型的置信值。增大的矿层模型的置信值的结果是以更高水平的自动化开采进行作业的更大的机会，这优选地需要预期截割曲线相对于矿层边界的置信值超过预定水平。另选地，或另外地，预期截割曲线可以通过减小回采装置与矿层边界之间的预定距离来修改，以提高煤回采效率。

相反地，如果矿层模型的置信值是使得它预测回采装置将90％的时间处于矿层边界内，但机器性能数据指示截割滚筒20％的时间处于矿层边界外部，那么可以对应地调整矿层模型置信值和/或截割模型置信值，以反映该冲突。

在一个实施方式中，回采装置与矿层边界之间的距离经由与矿层边界交叉的回采装置的预定置信值来控制。统计分布的上述概念可以同样地应用于针对验证源校准传感器。例如，如果校准源的置信值超过预定阈值，则处理器128可以仅校准传感器。换言之，即使在冲突的情况下，处理器128也可以不用具有低置信值(即，宽分布)的验证源来校准高置信值(即，窄分布)的传感器。具体地，即使传感器和验证的两个分布相同，冲突的测量结果也可能为统计偏差的结果，并且应不存在校准。处理器128可以仅在冲突的结果相差多于当前3σ值时校准传感器。

在这里一些示例涉及用于确定开采机的空间中的绝对坐标位置并用于生成当前绝对坐标位置输出数据信号的至少2D坐标位置确定装置。然而，其他示例可以包括用于确定开采机的空间中的相对坐标位置并用于生成当前相对坐标位置输出数据信号的至少2D坐标位置确定装置。例如，开采机可以在矿内的基准点处重置，然后将惯性传感器用于计算开采机相对于基准点的2D坐标位置来执行航位推测法。

应理解，本公开的技术可以使用各种技术来实施。例如，这里所述的方法可以经由常驻于适当计算机可读介质上的一系列计算机可执行指令来实施。适当计算机可读介质可以包括易失性存储器(例如，RAM)和/或非易失性存储器(例如，ROM、磁盘)、载波以及传输介质。示例性载波可以采取沿着局域网或公共可接入网络(诸如互联网)输送数字数据流的电信号、电磁信号或光信号的形式。

还应理解，除非另外特别叙述，如从以下讨论显而易见的，理解，贯穿说明书，使用术语(诸如“估计”或“处理”或“用计算机计算”或“计算”、“优化”或“确定”或“显示”或“最大化”等)的讨论是指控制系统或类似电子计算装置的动作和处理，该控制系统或类似电子计算装置将被表示为计算机系统的寄存器和存储器内的物理(电子)量的数据处理并转换成被类似地表示为计算机系统存储器或寄存器或其他这种信息储存器、传输或显示装置内的物理量的其他数据。

因此，本实施方式在所有方面都被认为是说明性而不是限制性的。

相关申请的交叉引用

本申请要求2015年5月28日提交的澳大利亚第2015901979号临时专利申请的优先权，此处以引证的方式将上述申请的内容并入。

Claims (26)

1.一种开采机，该开采机包括：

回采装置，该回采装置用于从矿层移除材料；

至少2D坐标位置确定装置，该至少2D坐标位置确定装置用于确定在所述开采机的空间中的坐标位置，所述位置确定装置生成当前坐标位置输出数据信号，该当前坐标位置输出数据信号用于：

i.基于不同于期望坐标位置的所确定的所述开采机的当前坐标位置生成根据预期截割曲线而确定的所述开采机的将来路径；并且

ii.生成待截割矿层的矿层模型和已截割矿层的截割模型中的至少一项；以及

多个传感器，该多个传感器不同于所述至少2D坐标位置确定装置，该多个传感器收集将要被回采材料的矿层或该矿层附近的矿层表征数据，所述矿层表征数据形成所述矿层模型和所述截割模型中的所述至少一项的一部分，所述矿层表征数据的坐标位置参考所述开采机的空间中的所述坐标位置来确定，所述传感器根据所述矿层表征数据的坐标位置提供当前矿层表征数据输出信号；

处理器，该处理器被连接成从所述位置确定装置和所述多个传感器接收输出数据信号，以生成所述矿层模型和所述截割模型中的所述至少一项，并且进一步生成用于控制所述开采机的一个或更多个参数的输出数据信号；

存储器存储装置，该存储器存储装置存储所述矿层模型和所述截割模型中的所述至少一项，

其中，所述处理器基于所述矿层模型和所述截割模型中的所述至少一项的分析来控制所述开采机的所述一个或更多个参数，以随着所述开采机沿着所述矿层模型内的所述预期截割曲线前进预计开采情况的变化，

其中，开采情况的所预计的变化是通过参考所述截割模型、所述矿层模型或其组合来确定的，并且

其中，所述处理器通过检测来自一个或更多个传感器的所述矿层表征数据与来自其他类型的一个或更多个传感器的所述矿层表征数据之间的不符来分析来自所述一个或更多个传感器的所述矿层表征数据以确定存在传感器不准确性和不精确性中的至少一项，并且在不存在传感器不准确性和不精确性中的所述至少一项的情况下，基于所述矿层模型和所述截割模型中的所述至少一项的分析来控制所述开采机的所述一个或更多个参数，以随着所述开采机沿着所述矿层模型内的预期截割曲线前进而预计开采情况的变化。

2.根据权利要求1所述的开采机，其中，所述处理器通过生成用于操作员改变或监测所述开采机的所述一个或更多个参数的警报来控制所述开采机的所述一个或更多个参数。

3.根据权利要求1或2所述的开采机，其中，使用几何技术以及所述多个传感器与所述至少2D坐标位置确定装置之间的相对位置来确定所述矿层表征数据的所述坐标位置。

4.根据权利要求1所述的开采机，其中，所述截割模型包括已开采矿层的坐标位置和标记到至少一个坐标位置的至少一个矿层表征数据。

5.根据权利要求4所述的开采机，其中，所述至少一个矿层表征数据标记到各坐标位置。

6.根据权利要求1所述的开采机，其中，所述截割模型包括已开采矿层的坐标位置和标记到至少一个坐标位置的至少一个开采机表征数据。

7.根据权利要求6所述的开采机，其中，所述至少一个开采机表征数据标记到各坐标位置。

8.根据权利要求1所述的开采机，其中，所述多个传感器位于一个或更多个顶部支撑件上。

9.根据权利要求1所述的开采机，其中，所述矿层模型包括将要开采的矿层的坐标位置和标记到至少一个坐标位置的至少一个矿层表征数据。

10.根据权利要求9所述的开采机，其中，所述至少一个矿层表征数据标记到各坐标位置。

11.根据权利要求1所述的开采机，其中，所述开采机的所述一个或更多个参数从由顶部支撑件压力、开采机横切速度以及回采装置位置、电流、振动和回采装置速度组成的组选择。

12. 根据权利要求1所述的开采机，其中：

所述回采装置为安装在可移动车架上的挖矿机机头；并且

所述多个传感器包括矿层表征传感器。

13.根据权利要求12所述的开采机，所述开采机还包括用于使所述挖矿机机头朝向矿层边界在大致竖直平面内移动的致动器，其中，矿层边界检测传感器向所述处理器提供当前矿层表征数据输出信号，所述处理器产生用于所述致动器使所述挖矿机机头根据预期截割曲线朝向所述矿层边界在大致竖直平面内移动一段距离的进一步信号。

14.根据权利要求1所述的开采机，所述开采机还包括用于所述开采机跨所述矿层来回横切的轨道，所述传感器收集该矿层的矿层表征数据，以产生第一次横切的矿层模型，以形成第二次横切时的预期截割曲线的基础。

15.根据权利要求12或13所述的开采机，其中，所述矿层表征传感器包括矿层边界检测器。

16.根据权利要求15所述的开采机，其中，该矿层边界检测器为红外光谱仪、伽马射线发射检测器或探地雷达。

17.根据权利要求14所述的开采机，其中，所述开采机的所述第二次横切包括所述传感器从所述矿层收集表征数据，以生成与所述第一次横切时生成的所述矿层模型至少部分交叠的矿层模型，所述矿层模型的交叠部分的所述表征数据用于验证并在必要的情况下校正所述预期截割曲线。

18.根据权利要求1所述的开采机，其中，所述处理器在确定来自所述传感器的输出数据与验证源冲突时，确定所述传感器不准确或不精确。

19.根据权利要求18所述的开采机，其中，所述验证源是以下中的一项或更多项：

从所述截割模型和所述矿层模型中的所述至少一项导出的期望矿层表征数据；

来自对相同或有关参数进行测量的不同传感器的输出数据；

来自人工观察的测量结果；以及

限定在进行了校准或启用时传感器的期望精确性和准确性的置信曲线。

20.根据权利要求1、18、19中任一项所述的开采机，其中，如果所述处理器确定传感器不准确和不精确中的至少一项，所述处理器执行以下中的至少一项：启动校正动作、和用信号通知错误和传感器的置信度的等级中的至少一项，并且

所述处理器通过以下一项或更多项来启动校正动作：

校准所述传感器；

使用来自另选或附加传感器的输出来校正或校准来自所述传感器的所述输出数据；

使用所述矿层模型和所述截割模型中的所述至少一项来校正或校准来自所述传感器的所述输出数据；并且

使用所述截割模型的外推来校正或校准来自所述传感器的所述输出数据。

21. 根据权利要求1所述的开采机，其中，

当所述处理器确定来自所述传感器的所述输出数据与限定当被校准或启用时所述传感器的期望的精确性和准确性的置信曲线冲突时，所述处理器确定所述传感器不准确或不精确，并且

所述传感器的不准确性和不精确性中的所述至少一项具有从所述置信曲线导出的一个以上的置信值，各置信值对应于不同类的开采机活动。

22.一种用于控制根据权利要求1至21中任一项所述的开采机的方法，该方法包括以下步骤：

A. 使所述开采机相对于所述矿层移动；

B. 从所述位置确定装置生成指示所述开采机的所述坐标位置的当前坐标位置输出数据信号；

C. 从不同于所述位置确定装置的所述多个传感器生成当前矿层表征输出数据信号；

D. 所述处理器接收来自步骤B和步骤C的所述输出数据信号，以由此生成包括所述矿层的空间位置和附着到所述空间位置或与所述空间位置偏离的所述矿层的一个或更多个特征的矿层模型和截割模型中的至少一项，所述矿层的所述空间位置和所述矿层的所述特征的所述坐标位置参考在所述开采机的空间中的所述坐标位置来确定；

E. 所述处理器使用所述矿层模型和所述截割模型中的所述至少一项的数据来预计对一个或更多个开采机参数的所需的改变，其中，开采情况的所预计的变化是通过参考所述截割模型、所述矿层模型或其组合来确定的；

F. 所述处理器执行以下中的至少一项：发送用于调整开采机设置、参数中的一个或更多个的输出信号，以及向操作员提供警报以用信号通知应监测或改变哪些开采机设置或参数；

G. 所述处理器通过检测来自一个或更多个传感器的所述矿层表征数据与来自其他类型的一个或更多个传感器的所述矿层表征数据之间的不符来分析来自所述一个或更多个传感器的所述矿层表征数据以确定存在传感器不准确性和不精确性中的至少一项，并且在不存在传感器不准确性和不精确性中的所述至少一项的情况下，基于所述矿层模型和所述截割模型中的所述至少一项的分析来控制所述开采机的所述一个或更多个参数，以随着所述开采机沿着所述矿层模型内的预期截割曲线前进而预计开采情况的变化。

23.根据权利要求22所述的方法，其中，所述处理器还从所述开采机接收输出数据信号，该输出数据信号与以下中的至少一项有关：所述开采机的一个或更多个设置或性能参数，所述一个或更多个设置或所述性能参数形成所述截割模型的一部分，所述截割模型包括所述空间位置；已回采矿层的一个或更多个特征；以及随着所述开采机从所述矿层回采所述材料，开采机性能特征中的一个或更多个开采机性能特征，所述矿层的所述特征和所述开采机性能特征附着到所述截割模型内的所述空间位置或与所述截割模型内的所述空间位置偏离。

24.一种矿层模型和截割模型用于基于所述矿层模型和所述截割模型中的至少一项的分析来控制开采机的一个或更多个参数的用途，其中，所述截割模型和所述矿层模型通过处理器从至少2D位置确定装置和多个矿层表征传感器接收输出数据信号来生成，其中，所述处理器通过检测来自一个或更多个矿层表征传感器的所述矿层表征数据与来自其他类型的一个或更多个矿层表征传感器的所述矿层表征数据之间的不符来分析来自所述一个或更多个矿层表征传感器的矿层表征数据以确定存在传感器不准确性和不精确性中的至少一项，并且在不存在传感器不准确性和不精确性中的所述至少一项的情况下，基于所述矿层模型和所述截割模型中的所述至少一项的分析来控制所述开采机的所述一个或更多个参数，以随着所述开采机沿着所述矿层模型内的预期截割曲线前进而预计开采情况的变化。

25.根据权利要求24所述的用途，其中，所述矿层模型和所述截割模型中的所述至少一项包括参考在所述开采机的空间中的至少2D坐标位置而确定的矿层表征数据的坐标位置。

26.一种计算机可读存储介质，该计算机可读存储介质存储计算机程序，所述计算机程序在计算机上执行时执行根据权利要求22或23所述的方法或实现根据权利要求24-25中任一项所述的用途。

Images