CN112906202A - 基于地理信息的开采方法和装置、存储介质及电子装置 - Google Patents
基于地理信息的开采方法和装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN112906202A CN112906202A CN202110116157.0A CN202110116157A CN112906202A CN 112906202 A CN112906202 A CN 112906202A CN 202110116157 A CN202110116157 A CN 202110116157A CN 112906202 A CN112906202 A CN 112906202A
- Authority
- CN
- China
- Prior art keywords
- mining
- data
- fully mechanized
- model
- equipment
- 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.)
- Granted
Links
- 238000005065 mining Methods 0.000 title claims abstract description 232
- 238000000034 method Methods 0.000 title claims abstract description 115
- 238000003860 storage Methods 0.000 title claims description 15
- 239000003245 coal Substances 0.000 claims abstract description 89
- 230000008569 process Effects 0.000 claims abstract description 65
- 238000005520 cutting process Methods 0.000 claims abstract description 48
- 238000013439 planning Methods 0.000 claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 230000004927 fusion Effects 0.000 claims abstract description 29
- 230000009471 action Effects 0.000 claims abstract description 22
- 238000011217 control strategy Methods 0.000 claims abstract description 20
- 230000006872 improvement Effects 0.000 claims abstract description 12
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 238000007500 overflow downdraw method Methods 0.000 claims abstract description 4
- 238000005516 engineering process Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000006399 behavior Effects 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000013486 operation strategy Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 description 15
- 239000003921 oil Substances 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003638 chemical reducing agent Substances 0.000 description 2
- 239000000498 cooling water Substances 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000839 emulsion Substances 0.000 description 2
- 239000010720 hydraulic oil Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000010923 batch production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于地理信息的大数据融合迭代规划控制策略的开采方法，方法包括：获取综采工作面各设备和地质相关数据；根据大数据融合方法融合应用开采工艺、综采自动化控制、惯性导航和雷达测距数据，进行开采工艺的参数化剥离和开采参数的关联性模型建立，得到透明地质模型和规划截割模型；分析得出综采设备控制决策信息，利用决策信息控制综采工作面设备的动作方式，实现透明可视化模型与工作面精准控制的协同开采；对综采工作面自动化控制的关键性过程进行应用分析，提供操作方式的改进策略，并对透明地质模型和规划截割模型修正更新。本发明利用该决策信息控制综采工作面设备的动作方式，实现工作面的智能化开采。
Description
技术领域
本发明涉及采煤机技术领域，特别涉及一种基于地理信息的开采方法和装置、存储介质及电子装置。
背景技术
现阶段煤矿开采以自动化技术为基础，通过远程控制开采设备的开启与暂停。现有开采技术需要较多的人为干预，无法满足矿井开采无人、少人化开采方式。
发明内容
针对上述问题，本发明提供一种基于地理信息的开采方法和装置、存储介质及电子装置。本发明利用该决策信息控制综采工作面设备的动作方式，实现工作面的智能化开采。
为实现上述目的，本发明采取的技术方案为：
一种基于地理信息的大数据融合迭代规划控制策略的开采方法，包括以下步骤：
获取综采工作面各设备和地质相关数据，并建立地质模型；
对综采工作面不同设备的多种通信协议数据处理，采用大数据方法融合应用开采工艺、综采自动化控制、惯性导航和雷达测距数据；
对融合的数据进行开采工艺的参数化剥离和开采参数的关联性模型建立，得到规划截割模型；综采设备基于规划截割模型进行开采；
分析得出综采设备控制决策信息，利用该决策信息控制综采工作面设备的动作方式，实现数字孪生的透明可视化模型与工作面精准控制的协同开采；
对综采工作面自动化控制的关键性过程进行应用分析，实现操作人员行为分析，提供操作方式的改进策略，并对规划截割模型修正更新。
作为本发明的进一步改进，综采工作面各设备和地质相关数据主要采集数据包括：采煤机数据、支架数据、三机传输数据、泵站传输数据，三机包括破碎机、转载机及刮板运输机。
作为本发明的进一步改进，开采工艺的参数化剥离具体步骤为：
(1)对综采工作面开采工艺参数化，
(2)根据工作面规划截割中的采煤机姿态、动作、方向规律，将采煤机开采工艺划分为多道工序段；
(3)剥离液压支架规划控制参数；
(4)剥离负荷平衡调整参数；
开采参数的关联性模型建立具体步骤为：
规划截割的主要设备为：采煤机、液压支架、刮板输送机，确立采煤机、液压支架和刮板输送机在采煤过程中的联动关系，提炼三机联动关联参数；
采用以采煤机行进编码器读数作为三机协同转向控制点，实现截割工艺段转向点的判定误差控，利用惯性导航和激光雷达测量数据，标定综采设备在透明地质模型中的定位。
作为本发明的进一步改进，大数据融合方法具体包括：
1)综采设备采用的通信协议进行统一规范；
2)从各种设备及传感器获取到的数据，转换成统一格式；
3)从驱动采集到设备数据后，由后台服务对设备数据进行转换并存储；
4)各个子系统间通过交互模块，进行数据交换，定时监控各个子系统间的数据变化，通过数据绑定技术更新相应数据；
5)通过Mqtt协议对采集的工况数据进行解析、转换、清洗、分类存储及优化。
作为本发明的进一步改进，修正更新的具体步骤为：
通过实时获取的设备开采数据，实现与透明工作面三维可视化模型的交互融合，通过对综采工作面主要设备的实时数据采集和开采工艺脚本设计，直观地将透明地质工作面CT切片模型和采煤机位置、速度、牵引方向，以及全部支架的姿态动作信息展示出来，从而实现综采设备智能感知、设备定位及采煤过程中采煤机、支架、运输三机的协同开采及展示功能。
作为本发明的进一步改进，关键性过程进行应用分析包括：设备的精准控制决策，实现设备的开采模型优化及故障诊断，提供开采工艺和运行策略；操作行为管理策略。
一种基于地理信息的大数据融合迭代规划控制策略的开采系统，包括：
获取模块，用于获取综采工作面各设备和地质相关数据，并建立地质模型；
大数据融合模块，用于对综采工作面不同设备的多种通信协议数据处理，采用大数据方法融合应用开采工艺、综采自动化控制、惯性导航和雷达测距数据；
模型建立模块，用于对融合的数据进行开采工艺的参数化剥离和开采参数的关联性模型建立，得到透明地质模型和规划截割模型；综采设备基于规划截割模型进行开采；
决策模块，用于分析得出综采设备精准控制决策信息，利用该决策信息控制综采工作面设备的动作方式，实现数字孪生的透明可视化模型与工作面精准控制的协同开采；
更新迭代模块，用于对综采工作面自动化控制的关键性过程进行应用分析，实现操作人员行为分析，提供操作方式的改进策略；对透明地质模型和规划截割模型修正更新。
还包括评价指标模块；
所述评价指标模块，用于对协同开采过程中的电液控执行率、采煤机执行率和煤机工艺执行率进行评价，给出综合评价结果反馈至更新迭代模块作为更新参考。
一种计算机可读的存储介质，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述基于地理信息的大数据融合迭代规划控制策略的开采方法。
一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述基于地理信息的大数据融合迭代规划控制策略的开采方法。
与现有技术相比，本发明具有如下有益效果：
本发明技术与现有综采自动化技术相比具有对工作面设备的精准控制，增加了系统和装备的分析决策功能，极大地提升了综采工作面智能化整体水平。建立智能化综采工作面大数据智能分析决策平台，应用激光雷达测距技术实时测量综采工作面设备的上窜下滑量和推进度，惯性导航技术实时测量采煤机在三轴(X、Y、Z)方向的位移变化，结合综采设备的工况监测数据，利用大数据机器学习、数据聚合、插值、补偿、无界流等算法对开采模型进行实时修正，形成高精度的规划截割模型。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为基于地理信息的大数据融合迭代规划控制策略流程图；
图2为本发明大数据智能分析决策平台设计架构；
图3为本发明采集数据平台架构框图；
图4为数据关联及交互方法流程图；
图5为Mqtt数据流入库流程；
图6为批量处理工作流程图；
图7为协同开采架构；
图8为地质模型基准图；
图9为大数据分析智能决策架构。
具体实施方式
为了使本发明的目的和技术方案更加清晰和便于理解。以下结合附图和实施例，对本发明进行进一步的详细说明，此处所描述的具体实施例仅用于解释本发明，并非用于限定本发明。
下面将结合附图及具体的实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明的范围。
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
本发明技术通过研发IMS-P(Intelligent Master System—Platform)智慧矿山综采智能化管控平台，来实现对综采工作面不同设备的多种通信协议数据的统一、转换、关联、分类和存储，融合应用开采工艺、综采自动化控制技术、惯性导航技术和雷达测距技术来不断对透明地质模型和规划截割模型修正更新，分析得出综采设备精准控制决策信息，利用该决策信息控制综采工作面设备的动作方式，实现工作面的智能化开采。
如图1所示，本发明一种基于地理信息的大数据融合迭代规划控制策略的开采系统，其特征在于，包括：
获取模块，用于获取综采工作面各设备和地质相关数据，并建立地质模型；
大数据融合模块，用于对综采工作面不同设备的多种通信协议数据处理，采用大数据方法融合应用开采工艺、综采自动化控制、惯性导航和雷达测距数据；
模型建立模块，用于对融合的数据进行开采工艺的参数化剥离和开采参数的关联性模型建立，得到透明地质模型和规划截割模型；综采设备基于规划截割模型进行开采；
决策模块，用于分析得出综采设备精准控制决策信息，利用该决策信息控制综采工作面设备的动作方式，实现数字孪生的透明可视化模型与工作面精准控制的协同开采；
更新迭代模块，用于对综采工作面自动化控制的关键性过程进行应用分析，实现操作人员行为分析，提供操作方式的改进策略；对透明地质模型和规划截割模型修正更新。
还包括评价指标模块；
所述评价指标模块，用于对协同开采过程中的电液控执行率、采煤机执行率和煤机工艺执行率进行评价，给出综合评价结果反馈至更新迭代模块作为更新参考。
本发明第二个目的是一种基于地理信息的大数据融合迭代规划控制策略的开采方法，包括以下步骤：
获取综采工作面各设备和地质相关数据；
对综采工作面不同设备的多种通信协议数据的统一、转换、关联、分类和存储，根据大数据融合方法融合应用开采工艺、综采自动化控制、惯性导航和雷达测距数据；
对融合的数据进行开采工艺的参数化剥离和开采参数的关联性模型建立，得到透明地质模型和规划截割模型；
分析得出综采设备控制决策信息，利用该决策信息控制综采工作面设备的动作方式，实现数字孪生的透明可视化模型与工作面精准控制的协同开采；
对综采工作面自动化控制的关键性过程进行应用分析，实现操作人员行为分析，提供操作方式的改进策略；对透明地质模型和规划截割模型修正更新。
以下结合具体实施例和附图对本发明的方法进行详细说明
一、综采工作面各设备和地质等相关数据的获取
数据采集系统通过边缘计算架构分布在各服务节点上，对数据节点进行顶层设计。由服务节点提供自适应的数据传输服务，降低大数据平台数据处理负荷。通过Mqtt(数据发布/订阅传输协议)，以及TCP/IP(传输控制协议/因特网互联协议)协议，进行数据采集，通过采集系统对井下工况进行简单处理，由煤矿地面监控中心通过Kafka(分布式发布订阅消息系统)传输至云数据中心，由云数据中心进行一同管理转发，接入大数据平台数据接口，经过数据处理系统，过滤及清洗，转换数据格式形成统一规范，存储数据仓库内，为故障预警，平台学习分析决策支持提供数据支撑。数据采集示意图如图2和图3所示。
主要采集数据及具体参数如下：
采煤机数据传输数据主要包括：各工作电机运行电流、温度、摇臂轴温、滚筒高度及卧底量；采煤机的行走速度和定位采煤机位置，采煤机的俯、仰采角度及采煤机行走方向的工作面倾角；液压系统备压压力及泵箱内液压油的高度，冷却水流量、压力，油箱温度，左右滚筒高度。
支架数据传输数据主要包括：所有支架立柱压力，推移行程，控制模式，所有支架控制器的急停状态、通信状态、驱动器与支架控制器通信状态，工作面的推进度，包括当班和累计进度。单架单动作、成组推溜，成组伸收护帮、成组伸收伸缩梁等动作的动作编码数据。
三机传输数据主要包括：破碎机、转载机及刮板运输机，各设备减速器及电动机温度、压力、流量、位移、转速、开关状态显示、回路运行状态、电流值、电压值以及漏电、断相、过载数据。
泵站传输数据主要包括：泵站出口压力、泵站油温、泵站油位状态、泵站电磁阀动作情况、液箱液位、乳化液油箱油位数据。
二、参数剥离及关联性建立
1)开采工艺的参数化剥离
(1)对综采工作面开采工艺参数化，主要参数见表1：
表1规划截割工艺参数列表
(2)根据工作面规划截割中的采煤机姿态、动作、方向规律，将采煤机开采工艺划分为22道工序段，工序主要参数见表2：
表2规划截割采煤机工序参数列表
(3)液压支架规划控制参数(含三角煤)见表3：
表3液压支架规划控制参数(含三角煤)参数列表
(4)负荷平衡调整参数见表4：
表4负荷平衡调整参数列表
2)开采参数的关联性模型建立
规划截割的主要设备为：采煤机、液压支架、刮板输送机，通过对开采工艺的理论研究，确立采煤机、液压支架和刮板输送机在采煤过程中的联动关系，提炼三机联动关联参数。
本项目采用以采煤机行进编码器读数作为三机协同转向控制点，实现截割工艺段转向点的判定误差控制2cm以内，大幅提高测量精度。同时利用惯性导航和激光雷达测量数据，准确标定综采设备在透明地质模型中的定位，标定精度达到5cm以内。
三、大数据融合技术
1)主要通信协议的接入方法
综采设备采用的通信协议各不相同，需要平台进行统一规范。本工作面配套设备涉及的通信协议主要包括：CAN(采煤机、惯性导航)、TCP/IP(三机集控)、OPC(电液控)等。针对工作面设备的传输协议各异问题，定制研发相关驱动和交互方法，实现多源数据的采集获取，使用数据融合模块进行数据的过滤、清洗、数据格式转换，通过Mqtt(数据发布/订阅传输协议)以及TCP/IP(传输控制协议/因特网互联协议)将数据流以json字符串的形式发送，根据数据流标识将数据分类存储于HDFS(分布式文件系统)内。
2)数据转换方法
系统从各种设备及传感器获取到的数据，需要转换成统一的标准格式，转换方式主要包括：
(1)直接映射：直接处理数据源字段和目标字段长度、精度均一致的原始数据。
(2)字段运算：面对数值型字段数据，对源数据的进行数学运算转为为目标字段。
(3)参照转换：使用数据源的字段作为Key，去关联数组中去搜索特定值。
(4)字符串处理：数据源的字符串字段中获取以字符串形式出现特定信息数值型值。
(5)差值补全：对连续数据中值是否为空进行判断，并对空值数据位进行最近历史有效值的回填。
通过边采集边转换的方式进行数据处理，确保了数据传输的实时性。在此过程中对采集到的每条数据进行数据类型转换、异常数据过滤、数据精度及单位变换、开关变量处理、数据范围及报警判断处理，最后将数据转换成的统一格式后进行数据传输。
以采煤机CAN协议数据转换结果为例，采煤机CAN通信协议点表见表5：
表5采煤机传输协议点表
转换后为Mqtt协议后的数据内容格式如下：
采煤机：
{"obj":"采煤机","Name":"左滚筒.高度","Value":"-0.8","Time":"123","Qos":"0","Note":"null"}
{"obj":"采煤机","Name":"右滚筒.电流","Value":"108.13","Time":"123","Qos":"0","Note":"null"}
{"obj":"采煤机","Name":"右滚筒.高度","Value":"2.88","Time":"123","Qos":"0","Note":"null"}
{"obj":"采煤机","Name":"左牵引.电流","Value":"122.5","Time":"123","Qos":"0","Note":"null"}
3)数据关联方法
从驱动采集到设备数据后，由后台服务对设备数据进行转换并存储。
(1)驱动采集数据
平台通过串口或网口监控设备数据发送情况，监测到数据接入后将数据传递到驱动程序进行处理，驱动程序根据各个设备的协议解析格式对数据进行解析，在解析过程中对数据进行过滤及转换，并对数据进行格式及精度转换。
(2)建立内存模型
通过配置工具建立内存模型，将驱动转换后的数据进行建模，并将两者进行关联。
4)数据交互方法
系统中各个子系统间通过IMS交互模块，进行数据交换，系统后台定时监控各个子系统间的数据变化，通过数据绑定技术更新相应数据，数据关联及交互方法流程如图4所示：
5)Mqtt数据流解析内容
通过Mqtt协议采集的工况数据主要内容包括：
(1)采煤机工况数据：各工作电机运行电流、温度、摇臂轴温、滚筒高度及卧底量；采煤机的行走速度和定位采煤机位置，采煤机的俯、仰采角度及采煤机行走方向的工作面倾角，液压系统压力及泵箱内液压油的高度，冷却水流量、压力，油箱温度，左右滚筒高度。
(2)支架工况数据：所有支架立柱压力，推移行程，控制模式，所有支架控制器的急停状态、通信状态、驱动器与支架控制器通信状态，工作面的推进度，包括当班和累计进度。单架动作、成组推溜，成组伸、收护帮、成组伸、收伸缩梁等动作的动作编码数据。
(3)运输三机工况数据：破碎机、转载机及刮板输送机各设备减速器及电动机温度、压力、流量、位移、转速、开关状态显示、回路运行状态、电流值、电压值以及漏电、断相、过载数据。
(4)泵站工况数据:泵站出口压力、泵站油温、泵站油位状态、泵站电磁阀动作情况、液箱液位、乳化液浓度及油箱油位数据。
6)Mqtt数据流转换流程
通过Mqtt所采集的数据，仍存在数据异构的现象，故需要对其依据平台内配置的对应数据模型进行数据统一格式转换，系统使用Spark SQL(结构化数据处理模块)将HDFS(分布式文件系统)中的原始数据进行计算处理。使用Spark SQL(结构化数据处理模块)对透明地质“CT”切片数据、工况原始数据，进行分解、清洗、过滤、数据格式转换后，写入到MySQL数据库。转换流程如图5。
7)Mqtt数据流数据清洗流程
平台通过分箱方法考察数据的“近邻”来光滑有序的数据值。对于丢失的数据但属性级别较高的，平台采用多重插补法对数据变量之间的关系进行预测，利用蒙特卡洛方法生成多个完整的数据集，并对这些数据集进行分析，最后对分析结果进行汇总处理。
8)Mqtt数据流的分类存储及优化
(1)数据仓库建立
平台采用HIVE(数据仓库)基于HDFS(分布式文件系统)，可对HDFS(分布式文件系统)内数据进行建表，提高数据SQL(脚本化查询语言)查询能力，数据仓库进行动态在线扩容，并对关键数据可进行二次备份。物理留存历史数据，确保数据的完整性、一致性、原子性。
(2)数据分类存储流程如下
①将根据模型转换后的数据流，在平台内根据自动识别分类算法，对数据进行分类存储，存入临时数据区。
②经过Sqoop(数据迁移工具)按照以设备、数据类型、时间节点进行分类存储，优化数据存储机制，将非结构化数据，进行结构化处理，存入主题或集市数据区。
③按照系统自定义的数据模型整合数据(标准化、数据更新/追加)，定期对历史数据(采煤机、运输三机、支架、泵站)进行物理磁盘保存，将数据集来源(数据库、文件系统、列族数据库、内存数据库)，提取利用Sqoop(数据迁移工具)存入HDFS(分布式文件管理系统)。
按照主题数据模型整合数据并依据时间节点、数据类型对其标注，建立二级索引，将数据索引目录信息，存入数据服务器中。批量数据处理工作流如图6。
四、规划截割模型数字化技术
通过实时获取的设备开采数据，实现与透明工作面三维可视化模型的交互融合技术，通过对综采工作面主要设备的实时数据采集和开采工艺脚本设计，可以直观地将透明地质工作面CT切片模型和采煤机位置、速度、牵引方向，以及全部支架的姿态动作信息展示出来，从而实现综采设备智能感知、设备定位及采煤过程中采煤机、支架、运输三机的协同开采及展示功能，实现数字孪生的透明可视化模型与工作面精准控制的协同开采，功能架构设计如图9。
五、分析决策技术
平台由过程数据库、知识库、模型库组成，过程数据挖掘的目的是充实和完善决策过程的知识库和模型库。通过建立该平台，可以利用数据挖掘技术，选择挖掘算法，对过程数据建模，进行模型的测试验证，最终形成知识的可视化和应用，不断丰富充实和完善决策系统平台。
通过该系统对综采工作面自动化系统的关键性过程进行应用分析，主要包括：设备的精准控制决策，实现设备的开采模型优化及故障诊断，提供开采工艺和运行策略；操作行为管理策略，实现操作人员行为分析，提供操作方式的改进策略。
大数据分析决策技术主要包括：
(1)数据采集及管理
利用HDFS(分布式文件系统)来处理节点服务器之间的交互。由于大数据精准开采决策平台(Hadoop)是一个分布式系统集群，对于计算节点的服务器来说，要求服务器的硬件配置是稍低的，同时避免了大量的服务器集群之间的数据传输问题。对于数据的安全性、容错性、容灾机制，在HDFS上均有非常完善的体系机制，达到毫秒级实时数据的接入以及防止数据失帧，避免由于数据量大在传输中出现的数据失帧、脏数据无法处理的现象。
(2)数据预处理
在地勘数据、三机工况数据及其他数据接入大数据精准开采决策平台之后，因为数据量太大，并且多半来自多个异种数据源，因此需要对数据预处理解决存在的问题。
(3)数据噪点降噪、清洗
平台通过分箱方法考察数据的“近邻”来光滑有序的数据值。对于丢失的数据但属性级别较高的，平台采用多重插补法对数据变量之间的关系进行预测，利用蒙特卡洛方法生成多个完整的数据集，并对这些数据集进行分析，最后对分析结果进行汇总处理。
(4)大数据算法自主优化
平台采用alluxiospark计算方式，比传统spark框架在效率及速度提高10倍速，极大地降低了数据的延迟，提高数据之间传递的实时性，降低占用网络带宽。平台拥有自主深度学习和算法扩展功能。
通过研究规划截割工艺，建立开采效率和安全指标体系，根据开采效率和安全指标体系评定结果，训练规划截割工艺的参数组合，修正规划截割模型。
1)工作面设备增强感知融合
传感器作为工作面数据的主要采集器件，它的精确度直接影响平台的决策结果精度和设备执行的控制精准度。矿用井下传感器受到环境影响，普遍存在测量精度不高问题。通过历史数据迭代训练，实时对传感器监测数据进行过滤、补偿、更新。
a1k1+b1k2+c1k3＝H1
a2k1+b2k2+c2k3＝H2
a3k1+b3k2+c3k3＝H3
H1,H2,H3,为已获取的传感器数据，H为实际测量值，k1,k2,k3分别为权重系数，H1为地质传感器对地质倾角的测量值，H2为惯性导航传感器对惯性导航倾角的测量值，H3为煤机传感器对煤机倾角的测量值
2)规划截割模型修正
通过对比规划截割模型与执行结果的差值，实时反馈到大数据智能分析决策中心，利用执行效果评价体系和数据挖掘技术，对透明地质模型“CT”切片数据精度、角度转换修正精度、工况导航位置精度、机械特性定差准确度、人工干预的学习修正准确度进行偏差原因分析，适时修正规划截割模型，修正后再次下发验证，直至偏差消失。
在透明地质模型、工作面实时监测数据的基础上，结合雷达测距数据和惯性导航三维姿态监测数据，通过大数据分析后得出的决策数据，来对采煤机截割曲线和液压支架自动跟机拉架、推溜行程等关键数据进行修正更新，从而达到动态生产过程中对综采设备精准控制和连续推的目的。
1)提出了以综采工作面为研究对象的综合探测与分析方法，准确预测工作面内异常构造体，为智能开采提供地质保障；基于地质写实、钻孔探测、槽波地震勘探的数据，构建综采工作面静态地质模型；研发隐式迭代建模、动态更新算法，大幅提高已有地质数据的利用率，实现了静态地质模型的动态更新。
2)采煤机按规划截割曲线自主进行全工作面截割，无需人工干预，可自主完成22道工艺段的阶段切换、方向转换、速度控制、姿态转换、机架协同。液压支架按照14道规划控制工艺自动执行跟机、移架、推溜。惯性导航系统实时测量采煤机在三轴(X、Y、Z)方向的位移变化，并将数据反馈至大数据智能分析决策中心，实现对截割模型的动态修正，并指导工作面找直。
3)结合综采设备的工况监测数据，根据透明地质模型和开采工艺，利用大数据机器学习、数据聚合、插值、补偿、无界流等算法对规划截割模型进行实时修正，形成高精度的截割模型。
4)按照“获取地质数据—获取切片(10刀)数据—导入规划截割模型—规划启停设备”的规划截割启动顺序，同时完成各系统、设备的地面“规划”启动功能，并将截割模型转换为命令行下发至各设备，实现工作面设备精准控制功能。
本发明第三个目的是提供一种计算机可读的存储介质，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行所述的基于地理信息的大数据融合迭代规划控制策略的开采方法。
本发明第四个目的是提供一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述的基于地理信息的大数据融合迭代规划控制策略的开采方法。
可选地，在本实施例中，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random Access Memory，RAM)、磁盘或光盘等。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于地理信息的大数据融合迭代规划控制策略的开采方法，其特征在于，包括以下步骤：
获取综采工作面各设备和地质相关数据，并建立地质模型；
对综采工作面不同设备的多种通信协议数据处理，采用大数据方法融合应用开采工艺、综采自动化控制、惯性导航和雷达测距数据；
对融合的数据进行开采工艺的参数化剥离和开采参数的关联性模型建立，得到规划截割模型；综采设备基于规划截割模型进行开采；
分析得出综采设备控制决策信息，利用该决策信息控制综采工作面设备的动作方式，实现数字孪生的透明可视化模型与工作面精准控制的协同开采；
对综采工作面自动化控制的关键性过程进行应用分析，实现操作人员行为分析，提供操作方式的改进策略，并对规划截割模型修正更新。
2.根据权利要求1所述的基于地理信息的大数据融合迭代规划控制策略的开采方法，其特征在于，综采工作面各设备和地质相关数据主要采集数据包括：采煤机数据、支架数据、三机传输数据、泵站传输数据，三机包括破碎机、转载机及刮板运输机。
3.根据权利要求1所述的基于地理信息的大数据融合迭代规划控制策略的开采方法，其特征在于，
开采工艺的参数化剥离具体步骤为：
(1)对综采工作面开采工艺参数化，
(2)根据工作面规划截割中的采煤机姿态、动作、方向规律，将采煤机开采工艺划分为多道工序段；
(3)剥离液压支架规划控制参数；
(4)剥离负荷平衡调整参数；
开采参数的关联性模型建立具体步骤为：
规划截割的主要设备为：采煤机、液压支架、刮板输送机，确立采煤机、液压支架和刮板输送机在采煤过程中的联动关系，提炼三机联动关联参数；
采用以采煤机行进编码器读数作为三机协同转向控制点，实现截割工艺段转向点的判定误差控，利用惯性导航和激光雷达测量数据，标定综采设备在透明地质模型中的定位。
4.根据权利要求1所述的基于地理信息的大数据融合迭代规划控制策略的开采方法，其特征在于，大数据融合方法具体包括：
1)综采设备采用的通信协议进行统一规范；
2)从各种设备及传感器获取到的数据，转换成统一格式；
3)从驱动采集到设备数据后，由后台服务对设备数据进行转换并存储；
4)各个子系统间通过交互模块，进行数据交换，定时监控各个子系统间的数据变化，通过数据绑定技术更新相应数据；
5)通过Mqtt协议对采集的工况数据进行解析、转换、清洗、分类存储及优化。
5.根据权利要求1所述的基于地理信息的大数据融合迭代规划控制策略的开采方法，其特征在于，修正更新的具体步骤为：
通过实时获取的设备开采数据，实现与透明工作面三维可视化模型的交互融合，通过对综采工作面主要设备的实时数据采集和开采工艺脚本设计，直观地将透明地质工作面CT切片模型和采煤机位置、速度、牵引方向，以及全部支架的姿态动作信息展示出来，从而实现综采设备智能感知、设备定位及采煤过程中采煤机、支架、运输三机的协同开采及展示功能。
6.根据权利要求1所述的基于地理信息的大数据融合迭代规划控制策略的开采方法，其特征在于，关键性过程进行应用分析包括：设备的精准控制决策，实现设备的开采模型优化及故障诊断，提供开采工艺和运行策略；操作行为管理策略。
7.一种基于地理信息的大数据融合迭代规划控制策略的开采系统，其特征在于，包括：
获取模块，用于获取综采工作面各设备和地质相关数据，并建立地质模型；
大数据融合模块，用于对综采工作面不同设备的多种通信协议数据处理，采用大数据方法融合应用开采工艺、综采自动化控制、惯性导航和雷达测距数据；
模型建立模块，用于对融合的数据进行开采工艺的参数化剥离和开采参数的关联性模型建立，得到透明地质模型和规划截割模型；综采设备基于规划截割模型进行开采；
决策模块，用于分析得出综采设备精准控制决策信息，利用该决策信息控制综采工作面设备的动作方式，实现数字孪生的透明可视化模型与工作面精准控制的协同开采；
更新迭代模块，用于对综采工作面自动化控制的关键性过程进行应用分析，实现操作人员行为分析，提供操作方式的改进策略；对透明地质模型和规划截割模型修正更新。
8.根据权利要求7所述的一种基于地理信息的大数据融合迭代规划控制策略的开采系统，其特征在于，还包括评价指标模块；
所述评价指标模块，用于对协同开采过程中的电液控执行率、采煤机执行率和煤机工艺执行率进行评价，给出综合评价结果反馈至更新迭代模块作为更新参考。
9.一种计算机可读的存储介质，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至6任一项中所述的基于地理信息的大数据融合迭代规划控制策略的开采方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至6任一项中所述的基于地理信息的大数据融合迭代规划控制策略的开采方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110116157.0A CN112906202B (zh) | 2021-01-27 | 2021-01-27 | 基于地理信息的开采方法和装置、存储介质及电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110116157.0A CN112906202B (zh) | 2021-01-27 | 2021-01-27 | 基于地理信息的开采方法和装置、存储介质及电子装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112906202A true CN112906202A (zh) | 2021-06-04 |
| CN112906202B CN112906202B (zh) | 2024-01-12 |
Family
ID=76119425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110116157.0A Active CN112906202B (zh) | 2021-01-27 | 2021-01-27 | 基于地理信息的开采方法和装置、存储介质及电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112906202B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113965556A (zh) * | 2021-10-21 | 2022-01-21 | 飞纳经纬科技(北京)有限公司 | 基于web的惯性导航姿态3D实时展示的方法、装置及系统 |
| CN113989454A (zh) * | 2021-12-30 | 2022-01-28 | 山东省地质测绘院 | 适用于地质数据和地理信息数据的融合方法、装置及系统 |
| CN115470663A (zh) * | 2022-11-15 | 2022-12-13 | 中科数智能源科技(深圳)有限公司 | 一种油气藏数字孪生系统的同步仿真方法、装置及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109358582A (zh) * | 2018-10-22 | 2019-02-19 | 西安科技大学 | 基于大数据的大采高综采工作面多设备协同作业控制方法 |
| CN111208759A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 矿井无人化综采工作面数字孪生智能监控系统 |
| CN112001982A (zh) * | 2020-09-04 | 2020-11-27 | 陕西陕煤黄陵矿业有限公司 | 基于煤层数字化模型ct剖切的采煤机智能截割方法及系统 |
-
2021
- 2021-01-27 CN CN202110116157.0A patent/CN112906202B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109358582A (zh) * | 2018-10-22 | 2019-02-19 | 西安科技大学 | 基于大数据的大采高综采工作面多设备协同作业控制方法 |
| CN111208759A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 矿井无人化综采工作面数字孪生智能监控系统 |
| CN112001982A (zh) * | 2020-09-04 | 2020-11-27 | 陕西陕煤黄陵矿业有限公司 | 基于煤层数字化模型ct剖切的采煤机智能截割方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| 合智宇: "基于动态地质模型大数据融合迭代规划控制策略的智能开采技术技术成果专题展示", pages 50, Retrieved from the Internet <URL:https://mp.weixin.qq.com/s/ma6OLC92xg3NUJSFgYVHsQ> * |
| 易瑞强;: "基于数据挖掘技术的煤矿智能精准开采系统", 陕西煤炭, no. 04 * |
| 易瑞强等: "基于数据挖掘技术的煤矿智能精准开采系统", 《陕西煤炭》, no. 04, pages 1 - 4 * |
| 路正雄;郭卫;张帆;张传伟;赵栓峰;杨满芝;王渊;: "基于数据驱动的综采装备协同控制系统架构及关键技术", 煤炭科学技术, no. 07 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113965556A (zh) * | 2021-10-21 | 2022-01-21 | 飞纳经纬科技(北京)有限公司 | 基于web的惯性导航姿态3D实时展示的方法、装置及系统 |
| CN113965556B (zh) * | 2021-10-21 | 2023-10-31 | 飞纳经纬科技(北京)有限公司 | 基于web的惯性导航姿态3D实时展示的方法、装置及系统 |
| CN113989454A (zh) * | 2021-12-30 | 2022-01-28 | 山东省地质测绘院 | 适用于地质数据和地理信息数据的融合方法、装置及系统 |
| CN115470663A (zh) * | 2022-11-15 | 2022-12-13 | 中科数智能源科技(深圳)有限公司 | 一种油气藏数字孪生系统的同步仿真方法、装置及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112906202B (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112906202B (zh) | 基于地理信息的开采方法和装置、存储介质及电子装置 | |
| CN111208759B (zh) | 矿井无人化综采工作面数字孪生智能监控系统 | |
| CN112392485B (zh) | 煤矿综采工作面透明化数字孪生自适应开采系统和方法 | |
| CN112832867B (zh) | 一种融合开采数据及地质信息的开采视频建模方法 | |
| CN112731887A (zh) | 石化无人值守装卸线数字孪生智能监控系统及方法 | |
| CN112836404A (zh) | 智能挖掘机的结构性能数字孪生体构建方法 | |
| CN113128109B (zh) | 一种面向智能化综采机器人生产系统的测试与评估方法 | |
| CN113065276A (zh) | 一种基于数字孪生的智能建造方法 | |
| CN111862323A (zh) | 多元孕灾数字孪生智能感知辨识预警系统及方法 | |
| CN116485576A (zh) | 一种航空制造业知源大脑数据智能制造管理平台 | |
| CN113160404B (zh) | 采煤机截割曲线规划方法、系统、设备及存储介质 | |
| Xie et al. | A virtual test and evaluation method for fully mechanized mining production system with different smart levels | |
| CN115080797B (zh) | 一种基于知识图谱的数字孪生车间多尺度关联方法 | |
| CN116776444A (zh) | 一种基于数字孪生的沉管隧道建造方法及系统 | |
| Xiao et al. | Research status and development trend of underground intelligent load-haul-dump vehicle—a comprehensive review | |
| CN114463932B (zh) | 非接触式施工安全距离主动动态识别预警系统及方法 | |
| CN115905650A (zh) | 基于物联网及传感器技术的煤矿生产三维可视化信息系统 | |
| CN114648161A (zh) | 一种大吨位装载机自适应智能装载系统 | |
| CN116151482B (zh) | 一种露天矿区的开采土方量预测方法、装置、设备及介质 | |
| CN112926154B (zh) | 开采模型优化方法、系统、设备及可读存储介质 | |
| CN112882437B (zh) | 一种基于5g+大数据隧道掘进机智能掘进系统和控制方法 | |
| CN112966373B (zh) | 开采工艺决策方法、系统、设备及可读存储介质 | |
| Liu | Navigation system of coal mine rescue robot based on virtual reality technology | |
| CN112699110B (zh) | 一种基于大数据的油田生产动态分析方法及系统 | |
| Ruidong et al. | The Research of Big Data Analysis Platform of Oil & Gas Production |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |