CN113379909B - 一种透明工作面智能开采大数据分析决策方法和系统 - Google Patents
一种透明工作面智能开采大数据分析决策方法和系统 Download PDFInfo
- Publication number
- CN113379909B CN113379909B CN202110501326.2A CN202110501326A CN113379909B CN 113379909 B CN113379909 B CN 113379909B CN 202110501326 A CN202110501326 A CN 202110501326A CN 113379909 B CN113379909 B CN 113379909B
- Authority
- CN
- China
- Prior art keywords
- data
- coal
- model
- cutting
- mining
- 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
- 238000005065 mining Methods 0.000 title claims abstract description 195
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000007405 data analysis Methods 0.000 title claims abstract description 46
- 239000003245 coal Substances 0.000 claims abstract description 270
- 238000005520 cutting process Methods 0.000 claims abstract description 190
- 238000005516 engineering process Methods 0.000 claims abstract description 110
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000004519 manufacturing process Methods 0.000 claims abstract description 9
- 238000012937 correction Methods 0.000 claims description 54
- 238000005553 drilling Methods 0.000 claims description 37
- 238000010276 construction Methods 0.000 claims description 29
- 238000005259 measurement Methods 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 13
- 238000000547 structure data Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 230000002776 aggregation Effects 0.000 claims description 11
- 238000004220 aggregation Methods 0.000 claims description 11
- 230000000149 penetrating effect Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000005056 compaction Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000007418 data mining Methods 0.000 claims description 3
- 238000013209 evaluation strategy Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 7
- 238000011010 flushing procedure Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 210000003128 head Anatomy 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000007480 spreading Effects 0.000 description 3
- 238000003892 spreading Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 208000008918 voyeurism Diseases 0.000 description 2
- 240000009087 Crescentia cujete Species 0.000 description 1
- 235000005983 Crescentia cujete Nutrition 0.000 description 1
- 235000009797 Lagenaria vulgaris Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- DMSMPAJRVJJAGA-UHFFFAOYSA-N benzo[d]isothiazol-3-one Chemical compound C1=CC=C2C(=O)NSC2=C1 DMSMPAJRVJJAGA-UHFFFAOYSA-N 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000005211 surface analysis Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK 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
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mining & Mineral Resources (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Architecture (AREA)
- Geophysics And Detection Of Objects (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种透明工作面智能开采大数据分析决策方法和系统。该方法包括：构建采煤工作面的透明地质模型和规划截割模板；基于“CT”切片技术，对透明地质模型进行剖切，得到透明地质模型的切眼顶板界面曲线和切眼底板界面曲线，并基于惯性导航技术、雷达定位技术，根据综采设备的工况监测数据，对截割模型进行实时修正；综采机械根据修正后的规划截割模板，对采煤工作面进行实时自动截割。籍此，通过开采过程中切眼揭露的煤层以及生产过程中新产生的地质数据不断的对透明地质模型进行修正更新，得到综采设备的精准控制决策信息，利用大数据对规划截割模型进行实时修正，实现了采煤工作面的智能精准开采。
Description
技术领域
本申请涉及智能采矿技术领域，特别涉及一种透明工作面智能开采大数 据分析决策方法和系统。
背景技术
能源是人类社会存在法阵的基石，是经济发展和文明进步的基本条件。 煤炭是我国主体能源和重要工业原料，是我国经济健康发展的重要支撑；在 我国一次能源资源中，煤炭占90％。我国“贫油、富煤、少气”资源禀赋特 点，决定了煤炭在我国能源结构中占主体地位。
2020年02月，国家八部委联合印发《关于加快煤矿智能化发展的指导 意见》，意见要求到2021年基本实现综采工作面少人或无人操作。因此，对 煤矿井下综采工作面动态复杂环境下及煤层变化不规律等条件下的智能精准 开采已经成为亟需解决的问题。
发明内容
本申请的目的在于提供一种透明工作面智能开采大数据分析决策方法和 系统，以解决或缓解上述现有技术中存在的问题。
为了实现上述目的，本申请提供如下技术方案：
本申请提供了一种透明工作面智能开采大数据分析决策方法，包括：步 骤S101、构建采煤工作面的透明地质模型和规划截割模板；构建透明地质模 型：根据巷道精细测量、槽波地震勘探和井下钻探得到的地质数据，基于隐 式迭代插值算法，对采煤工作面进行梯级模型构建，得到采煤工作面的具有 多个梯级的透明地质模型；其中，地质数据至少包括：地质构造数据、煤厚 底板数据、煤层起伏状态数据、煤层隐伏构造数据、煤厚分布数据、钻孔穿煤层顶底板位置数据；构建规划截割模板：基于“CT”切片技术，根据透明 地质模型，生成规划截割模板；步骤S102、基于“CT”切片技术，对透明地 质模型进行剖切，得到透明地质模型的切眼顶板界面曲线和切眼底板界面曲 线，并基于惯性导航技术、雷达定位技术，根据综采设备的工况监测数据， 对截割模型进行实时修正，包括：基于“CT”切片技术，对透明地质模型进行剖切，得到透明地质模型的切眼顶板界面曲线和切眼底板界面曲线，结合 开采工艺，对规划截割模板的控制参数进行实时修正；基于惯性导航技术、 雷达定位技术和大数据分析决策技术，结合开采工艺，对规划截割模板进行 实时修正；根据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、无界流算法对规划截割模板进行实时修正；步骤S103、综采机械根据修正后的规划截割模板，对采煤工作面进行实时自动截割。
在本申请的任一可选实施例中，步骤S101中，构建采煤工作面的透明地 质模型包括：根据进回风巷的数据、地面钻孔数据、切眼写实数据，构建采 煤工作面的一级透明地质模型；基于一级透明地质模型，根据进回风巷的数 据、地面钻孔数据、切眼写实数据、钻孔测量数据、槽波地震勘探数据，构建采煤工作面的二级透明地质模型；其中，钻孔测量数据至少包括：煤厚分 布数据、钻孔穿煤层顶底板位置数据；槽波地震勘探数据至少包括：煤层隐 伏构造数据；基于二级透明地质模型，根据进回风巷的数据、地面钻孔数据、 切眼写实数据、钻孔测量数据、更新写实数据、槽波地震勘探数据，构建采 煤工作面的三级透明地质模型，其中，更新写实数据为开采过程中切眼揭露 的煤层再次写实的数据以及生产过程中新产生的地质数据。
在本申请的任一可选实施例中，在步骤S101中，基于“CT”切片技术， 对透明地质模型网格化，选择进风巷停采点处煤层底板作为基准零点，进行 相对坐标传递，在相对坐标系中依据煤层底板、推进度、俯仰角、采高、开 采倾角、开采速度、开采方向建立采煤工作面的规划截割模板。
在本申请的任一可选实施例中，在步骤S101中，规划截割模板至少包 括：采煤机的规划截割模型、液压支架规划控制模型和刮板输送机规划模型； 采煤机的规划截割模型包括：采煤机基本状态信息和采煤机的关联设备关系； 其中，采煤机基本状态信息包括：采煤机运行状态、采煤机姿态传感器、采煤机编码器实际位移、采高及卧底值精准度、采煤机视频信息；采煤机的关 联设备关系包括：采煤机和透明地质模型“CT”切片、液压支架、刮板输送 机的关联关系；液压支架规划控制模型包括：支架信息和支架的关联设备关 系；其中，支架信息包括：支架支护状态、支架姿态传感器、支架行程传感器和支架视频信息；支架的关联设备关系包括：液压支架和刮板输送机、采 煤机的关联关系；刮板输送机规划模型包括：运输机基本状态信息和运输机 的关联设备关系；其中，运输机基本状态信息包括：平直度测量数据、运输 机俯仰角度、运输机负载、运输机电机运行数据和运输机视频信息；运输机 的关联设备关系包括：运输机和液压支架的关联关系、运输机和采煤机的关 联关系；运输机和液压支架的关联关系包括：运输机、液压支架推移位置和运输机相对支架上窜下滑幅度。
在本申请的任一可选实施例中，步骤S102包括：地质模型网格化：基于 “CT”切片技术，对透明地质模型进行二维平面网格划分；离散化截割路径： 将计划截割路线投影到网格平面上，并将投影曲线离散成有限个线段，确定各线段与网格线交点的平面坐标，得到计划截割路线在二维平面上的投影点 序列；计算各离散点的平面坐标：分别在顶板网格和底板网格中搜索到该投 影点二维平面距离最近的网格点，并取该点的顶、底板标高作为投影点处的 煤层顶点序列和底板点序列；顶板/底板界面曲线：将得到的顶板/底板控制点按照直线段方向顺序连接，得到采煤工作面的顶板/底板界面曲线。
在本申请的任一可选实施例中，步骤S102还包括：基于惯性导航技术， 实时采集采煤机的三维姿态数据；基于雷达定位技术，实时测量刮板输送机 机头和机尾距离进、回风巷巷帮的距离，得到采煤工作面刮板输送机的上窜 下滑量；基于大数据分析技术，根据采煤工作面的顶板/底板界面曲线、采煤 工作面刮板输送机的上窜下滑量和采煤机的三维姿态数据，对截割模型进行 实时修正。
在本申请的任一可选实施例中，在步骤S102中，对截割模型进行修正， 具体为：对采煤机截割曲线和液压支架自动跟机拉架数据、刮板输送机的推 溜行程数据以及综采设备的控制参数进行更新。
在本申请的任一可选实施例中，对采煤机的截割曲线进行修正具体为： 对规划截割模板中的采高、坡度、推进方向、切眼方向、卧底进行修正。
在本申请的任一可选实施例中，步骤S103具体为：通过工业以太网将修 正后的规划截割模板发送至采煤工作面的综采机械，以由综采机械按照修正 后的规划截割模板运行，并自适应调整滚筒截割高度。
本申请实施例还提供一种透明工作面智能开采大数据分析决策系统，包 括：
模型构建单元，配置为构建采煤工作面的透明地质模型和规划截割模板； 模型构建单元包括：地质模型构建子单元和规划截割模板构建子单元，其中， 地质模型构建子单元，配置为根据巷道精细测量、槽波地震勘探和井下钻探 得到的地质数据，基于隐式迭代插值算法，对采煤工作面进行梯级模型构建， 得到采煤工作面的具有多个梯级的透明地质模型；其中，地质数据至少包括：地质构造数据、煤厚底板数据、煤层起伏状态数据、煤层隐伏构造数据、煤 厚分布数据、钻孔穿煤层顶底板位置数据；规划截割模板构建子单元，配置为基于“CT”切片技术，根据透明地质模型，生成规划截割模板；
模型修正单元，配置为基于“CT”切片技术，对透明地质模型进行剖切， 得到透明地质模型的切眼顶板界面曲线和切眼底板界面曲线，并基于惯性导 航技术、雷达定位技术，根据综采设备的工况监测数据，对截割模型进行实 时修正；其中，模型修正单元包括：第一修正子单元，第二修正子单元和第三修正子单元；第一修正子单元，配置为基于“CT”切片技术，对透明地质 模型进行剖切，得到透明地质模型的切眼顶板界面曲线和切眼底板界面曲线， 结合开采工艺，对规划截割模板的控制参数进行实时修正；第二修正子单元， 配置为基于惯性导航技术、雷达定位技术和大数据分析决策技术，结合开采 工艺，对规划截割模板进行实时修正；第三修正子单元，配置为根据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 算法对规划截割模板进行实时修正；
模型下发单元，配置为向综采机械下发修正后的规划截割模板，以由综 采机械根据修正后的规划截割模板，对采煤工作面进行实时自动截割。
有益效果：
本申请实施例提供的透明工作面智能开采大数据分析决策方法和系统， 通过巷道精细测量、钻孔探测、槽波地震勘探等技术，对地质数据进行收集 和分析，建立了透明工作面具有多个梯级的透明地质模型，构建了透明工作 面智能开采大数据分析决策的总体设计架构；利用采煤工作面不同设备的多 种通信协议数据的统一、关联，基于开采工艺，综采自动化控制技术、惯性导航技术和雷达测距技术，通过开采过程中切眼揭露的煤层以及生产过程中 新产生的地质数据不断的对透明地质模型进行修正更新，得到综采设备的精准控制决策信息，利用大数据对规划截割模型进行实时修正，实现了采煤工 作面的智能精准开采。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本 申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限 定。其中：
图1为根据本申请的一些实施例提供的一种透明工作面智能开采大数据 分析决策方法的流程示意图；
图2为根据本申请的一些实施例提供的构建采煤工作面的透明地质模型 的流程示意图；
图3为根据本申请的一些实施例提供的采煤工作面的顶板/底板界面曲 线的流程示意图；
图4为根据本申请的一些实施例提供的规划截割模板修正的流程示意图；
图5为根据本申请的一些实施例提供的透明工作面智能开采大数据分析 决策系统的结构示意图。
具体实施方式
下面将参考附图并结合实施例来详细说明本申请。各个示例通过本申请 的解释的方式提供而非限制本申请。实际上，本领域的技术人员将清楚，在 不脱离本申请的范围或精神的情况下，可在本申请中进行修改和变型。例如， 示为或描述为一个实施例的一部分的特征可用于另一个实施例，以产生又一 个实施例。因此，所期望的是，本申请包含归入所附权利要求及其等同物的范围内的此类修改和变型。
在本申请的描述中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、 “左”、“右”、“竖直”、“水平”、“顶”、“底”等指示的方位或位置关系为基 于附图所示的方位或位置关系，仅是为了便于描述本申请而不是要求本申请 必须以特定的方位构造和操作，因此不能理解为对本申请的限制。本申请中使用的术语“相连”、“连接”、“设置”应做广义理解，例如，可以是固定连 接，也可以是可拆卸连接；可以是直接相连，也可以通过中间部件间接相连； 可以是有线电连接、无线电连接，也可以是无线通信信号连接，对于本领域 的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
首先，需要说明的是，“CT”切片技术就是根据截割计划将待开采工作 面的煤层数字化模型进行剖切，然后根据煤层数字化模型的剖切面及智能化 开采要求优化采煤机截割路径及参数，控制采煤机按照规划截割路径开采。
图1为根据本申请的一些实施例提供的一种透明工作面智能开采大数据 分析决策方法的流程示意图；如图1所示，该透明工作面智能开采大数据分 析决策方法包括：
步骤S101、构建采煤工作面的透明地质模型和规划截割模型；
在本申请实施例中，根据巷道精细测量、槽波地震勘探和井下钻探得到 的地质数据，基于隐式迭代插值算法，对采煤工作面进行梯级模型构建，得 到采煤工作面的具有多个梯级的透明地质模型；其中，地质数据至少包括： 地质构造数据、煤厚底板数据、煤层起伏状态数据、煤层隐伏构造数据、煤 厚分布数据、钻孔穿煤层顶底板位置数据。其中，通过巷道精细测量能够得到地质构造数据、煤厚底板数据、煤层起伏状态数据；通过槽波地震勘探能 够得到煤层隐伏构造数据；通过井下钻探能够得到煤厚分布数据、钻孔穿煤 层顶底板位置数据。此外，基于隐式迭代插值算法，能够使构建的透明地质 模型更加光滑，与底层的实际情况更加相符，模型精度更高。
在本申请实施例中，在对透明地质模型进行构建时，需要对地质条件进 行分析，包括煤层起伏形态、断层发育情况、陷落柱存在情况、冲刷带展布、 煤层分叉等多种煤层构造信息。其中，煤层起伏形态的分析，主要通过绘制 顶底板等高线图、煤厚等值线图，一方面，通过可能多的地质资料(巷道精 细测量、三维地震勘探)对顶底板等高线进行约束；另一方面，通过类比盘区顶底板等高线，增加顶底板约束信息，基本确定煤层的起伏形态。断层发 育情况，通过槽波地震勘探、坑透等物探手段，并结合煤层顶底板等高线进 行判断。通过观测巷道两侧、切眼断层证据和瓦斯抽采钻孔窥视等手段对断层进行再次确认。最后结合区域构造地质条件(构造应力展布情况、古环境、 盘区内已揭露断层)，进行断层。陷落柱存在情况，通过三维地震勘探、槽波 地震勘探、坑透等物探方法，探测工作面内可能存在的陷落柱，并以钻孔窥 视、补打钻孔、岩性分析等手段，进行确认。冲刷带展布，首先需要确定冲 刷带的性质(同生等)，冲刷带的形状通常为透镜体形或葫芦串形，根据冲刷带的形态进行趋势面分析，预测冲刷带的范围。结合岩性(含泥量)等信息 判断冲刷带的两翼。煤层分叉，根据写实情况，对煤层分叉进行定义，判断 煤层分叉的性质。
图2为根据本申请的一些实施例提供的构建采煤工作面的透明地质模型 的流程示意图；如图2所示，步骤S101中，构建采煤工作面的透明地质模型包括：
步骤S111、根据进回风巷的数据、地面钻孔数据、切眼写实数据，构建 采煤工作面的一级透明地质模型；
在本申请实施例中，进回风巷的数据、切眼写实数据包含于通过巷道精 细测量得到的煤层起伏状态数据和煤厚分布数据中；地面钻孔数据包含于通 过井下钻探得到的钻孔穿煤层顶底板位置数据中，主要是指工作面在采煤之 前实施的大量的钻孔工程，用于瓦斯抽放、构造探测和探放水等。
步骤S121、基于一级透明地质模型，根据进回风巷的数据、地面钻孔 数据、切眼写实数据、钻孔测量数据、槽波地震勘探数据，构建采煤工作面 的二级透明地质模型；其中，钻孔测量数据至少包括：煤厚分布数据、钻孔 穿煤层顶底板位置数据；槽波地震勘探数据至少包括：煤层隐伏构造数据；
在本申请实施例中，在构建的一级透明地质模型的基础上，通过钻孔观 测量数据、槽波地震勘探数据对一级透明地质模型进行动态更新，提高模型 精度，使得二级透明地质模型的模型精度在150毫米以内。
在本申请实施例中，钻孔测量数据包含于通过井下钻探得到的钻孔穿煤 层顶底板位置数据中，主要是指采用探测仪器设备进行钻孔轨迹、不同岩性 的地层标记，得到钻孔的岩性分析柱状图、对钻孔穿层点进行统计整理，为 分析煤层空间展布形态及煤层厚度分布、构建三维地质模型提供约束条件。
步骤S131、基于二级透明地质模型，根据进回风巷的数据、地面钻孔数 据、切眼写实数据、钻孔测量数据、更新写实数据、槽波地震勘探数据，构 建采煤工作面的三级透明地质模型，其中，更新写实数据为开采过程中切眼 揭露的煤层再次写实的数据以及生产过程中新产生的地质数据。
在本申请实施例中，通过更新写实数据对二级透明地质模型进行梯级构 建和动态更新，提高模型精度，随着更新写实数据的不断增加，透明地质模 型的精度也不断提高。其中，更新写实数据具体包括切眼写实数据以及生产 过程中新产生的钻孔测量数据、曹波地震勘探数据等地质数据。
在一些可选实施例中，基于“CT”切片技术，根据透明地质模型，生成 规划截割模板。即根据截割计划将待开采工作面的煤层数字化模型(透明地 质模型)进行剖切，根据煤层数字化模型的剖切面得到采煤机的截割路径。具体的，基于“CT”切片技术，对透明地质模型网格化，选择进风巷停采点 处煤层底板作为基准零点，进行相对坐标传递，在相对坐标系中依据煤层底 板、推进度、俯仰角、采高、开采倾角、开采速度、开采方向建立采煤工作面的规划截割模板。
其中，规划截割模板至少包括：采煤机的规划截割模型、液压支架规划 控制模型和刮板输送机规划模型；采煤机的规划截割模型包括：采煤机基本 状态信息和采煤机的关联设备关系；其中，采煤机基本状态信息包括：采煤 机运行状态、采煤机姿态传感器、采煤机编码器实际位移、采高及卧底值精 准度、采煤机视频信息；采煤机的关联设备关系包括：采煤机和透明地质模型“CT”切片、液压支架、刮板输送机的关联关系。
液压支架规划控制模型包括：支架信息和支架的关联设备关系；其中， 支架信息包括：支架支护状态、支架姿态传感器、支架行程传感器和支架视 频信息；支架的关联设备关系包括：液压支架和刮板输送机、采煤机的关联 关系。
刮板输送机规划模型包括：运输机基本状态信息和运输机的关联设备关 系；其中，运输机基本状态信息包括：平直度测量数据、运输机俯仰角度、 运输机负载、运输机电机运行数据和运输机视频信息；运输机的关联设备关 系包括：运输机和液压支架的关联关系、运输机和采煤机的关联关系；运输 机和液压支架的关联关系包括：运输机、液压支架推移位置和运输机相对支架上窜下滑幅度。
步骤S102、基于“CT”切片技术，对透明地质模型进行剖切，得到透明 地质模型的切眼顶板界面曲线和切眼底板界面曲线，并基于惯性导航技术、 雷达定位技术，根据综采设备的工况监测数据，对截割模型进行实时修正；
在一些可选实施例中，基于“CT”切片技术，对透明地质模型进行剖 切，得到透明地质模型的切眼顶板界面曲线和切眼底板界面曲线，结合开采 工艺，对规划截割模板进行实时修正。
图3为根据本申请的一些实施例提供的采煤工作面的顶板/底板界面曲 线的流程示意图；如图3所示，基于“CT”切片技术，对透明地质模型进行 剖切，得到透明地质模型的切眼顶板界面曲线和切眼底板界面曲线包括：
步骤S112A、地质模型网格化：基于“CT”切片技术，对透明地质模型 进行二维平面网格划分；
在本申请实施例中，在地质模型网格化过程中，设定采煤工作面走向和 倾向方向上的网格步长，在两个方向上对煤层数字化模型进行网格划分，并 将网格投影到二维水平面。具体的，设定工作面长度和宽度方向的网格步长， 在二维平面上对煤层进行网格划分，得到二维平面网格、顶板网格、底板网 格。
步骤S122A、离散化截割路径：将计划截割路线投影到网格平面上，并 将投影曲线离散成有限个线段，确定各线段与网格线交点的平面坐标，得到 计划截割路线在二维平面上的投影点序列；
在本申请实施例中，通过将采煤机计划截割路线投影到网格平面投影图 中，并将计划截割路线近似划分为有限个直线段，即将计划截割路线投影到 网格平面上，并将投影曲线离散成n条线段；对于第i条线段，两端点坐标分别为(xi，yi)和(xi+1，yi+1)，计算两点之间的直线方程为：
y＝kix+bi
其中，x∈[min(xi，xi+1)，max(xi，xi+1)]，i＝1，2，3，…n，n为正整数。
计算直线方程y＝kix+bi在区间x∈[min(xi，xi+1)，max(xi，xi+1)] 与网格线之间的交点。对所有线段执行上述步骤，即可得到计划截割路线在二维平面上的近似投影点序列。
步骤S132A、计算各离散点的平面坐标：分别在顶板网格和底板网格中 搜索到该投影点二维平面距离最近的网格点，并取该点的顶、底板标高作为 投影点处的煤层顶点序列和底板点序列；
在本申请实施例中，将煤层顶板/底板曲面分别投影至二维水平面，对每 一直线段，根据计算截割序列起始点和终点两点间直线方程y＝kix+bi，并 计算步骤S122A中的直线段与网格线的交点平面坐标及该点对应的顶板/底 板标高。即对对每一个投影点，分别在顶板网格和底板网格中搜索到该投影 点二维平面距离最近的网格点，并取该点的顶底板标高作为投影点处的煤层顶底板标高值，得到顶板点和底板点。
在本申请实施例中，对于第j个投影点(xj，yj)设定邻域参数r，分别搜 索顶板网格和地板网格点平面坐标落在邻域区域{xj+r<x<xj+1+ r,yj+r<y<yj+1+r}内的所有点；第j个投影点(xj，yj)对应的顶底板 标高z1i和z2i，可以按照最近距离法和距离加权法两种方法确定。
步骤S142A、顶板/底板界面曲线：将得到的顶板/底板控制点按照直线段 方向顺序连接，得到采煤工作面的顶板/底板界面曲线。
在本申请实施例中，基于“CT”切片技术，对透明地质模型进行剖切， 得到透明地质模型的切眼顶板界面曲线和切眼底板界面曲线——将煤层顶板 /底板曲面分别投影至二维水平面，对每一直线段，根据计算截割序列起始点和终点两点间直线方程y＝kix+bi，并计算直线段与网格线的交点平面坐标 及该点对应的顶板/底板标高，将得到的顶板/底板控制点按照直线段方向顺序连接，得到顶板/底板界面曲线。
在本申请实施例中，基于“CT”切片技术，对透明地质模型进行剖切， 根据数据的不同，建立模型精度也会有一定的差别，即用不同的数据建立不 同梯级的模型，模型的数据更新是开采过程中切眼揭露的煤层进行再次写实 并结合生产过程中新产生的地质数据更新模型，随着数据的不断增加，模型的精度也不断提高。
在一些可选实施例中，基于惯性导航技术、雷达定位技术和大数据分析 决策技术，结合开采工艺，对规划截割模板进行实时修正，具体的，基于惯 性导航技术、雷达定位技术获取执行结果，根据执行结果与截割模板的对比 差值，基于大数据分析决策技术，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分析，并根据偏差分析结果，实时修正规划截割模板。
图4为根据本申请的一些实施例提供的规划截割模板修正的流程示意图； 如图4所示，基于惯性导航技术、雷达定位技术和大数据分析决策技术，结 合开采工艺，对规划截割模板进行实时修正包括：
步骤S112B、基于惯性导航技术，实时采集采煤机的三维姿态数据；
在本申请实施例中，在采煤机中安装惯性导航系统，实时采集采煤机的 姿态信息(俯仰角、横滚角、航向角)，结合里程仪数据，实现综采设备在透 明地质模型中的精准定位，通过记录惯性导航运行轨迹，为工作面自动找直 控制提供技术支撑。同时惯性导航X、Y、Z三个方向的位移变化，将能实时 反映当前采煤机的三维位姿状况，通过位姿的变化情况，来进一步修正更新 规划截割模型中的采高、坡度等数据，为精准控制提供依据。
步骤S122B、基于雷达定位技术，实时测量刮板输送机机头和机尾距离 进、回风巷巷帮的距离，得到采煤工作面刮板输送机的上窜下滑量；
在本申请实施例中，通过在刮板输送机机头和机尾安装激光雷达，实时 监测运输机机头和机尾距进、回风巷巷帮的距离，从而得出工作面刮板输送 机上窜下滑量，为精准控制提供决策依据。同时在进、回风巷两巷帮等距离 安装激光反射板，实时监测工作面向前推进距离，从而实现在透明地质模型 中的精准定位，为下一刀煤的精准控制奠定了基础。
步骤S132B、基于大数据分析技术，根据采煤工作面的顶板/底板界面曲 线、采煤工作面刮板输送机的上窜下滑量和采煤机的三维姿态数据，对截割 模型进行实时修正。
在本申请实施例中，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、刮板输送机的推 溜行程以及综采设备的控制参数(截割轨迹、截割滚筒调高、截割滚筒卧底、支架推移、拉架推进等)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。
籍此，通过惯性导航技术、雷达定位技术，利用传感器，精确定位采煤 机在工作面的位置，并检测采煤机在工作过程中的姿态信息；利用倾角传感 器和角度位移传感器冗余系统，进行精确采高监测，使开采时的采高误差小 于10mm；利用大数据分析决策技术，通过精准控制中心和地面大数据分析决策平台对采煤机进行远程控制，并能够实现参数化编程，根据大数据精准 控制中心指令修改采煤机规划截割路径，根据大数据精准控制平台速度要求 进行调速，根据大数据精准控制平台采高要求进行采高调整。
其中，对采煤机的截割曲线进行修正具体为：对规划截割模板中的采高、 坡度、推进方向、切眼方向、卧底进行修正。
在根据大数据精准控制平台采高要求进行采高调整时，通过工业以太网 将修正后的规划截割模板发送至采煤工作面的综采机械，以由综采机械按照 修正后的规划截割模板运行，并自适应调整滚筒截割高度。即利用透明地质 模型预先构建精细化顶底板数字高程模型，利用采煤机实时数据感知系统， 监测采煤机位置和姿态，计算出滚筒当前截割边界点，并与顶底板数字高程模型进行叠置分析，确定滚筒高度调整值。
在根据大数据精准控制平台速度要求进行调速时，根据透明地质模型融 合大数据智能分析决策系统，规划得到的截割曲线，结合采煤机的采煤工艺， 预先设定不同工艺段的采煤机运行速度及折返点位置，并通过程序设定提前 减速机制，控制采煤机在折返位置减速换向。因人为干扰或其他因素导致采 煤机退出规划截割模式，再次进入规划截割模式后，采煤机程序通过速度比 较自动调速至该工艺段设定速度，从而实现采煤机规划截割速度的自动调整。
在根据大数据精准控制中心指令修改采煤机规划截割路径时，通过建立 的采煤工作面地质数据模型，结合工作面多种传感器进行大数据决策分析， 形成规划截割曲线，将规划截割曲线下发至采煤机控制系统，由采煤机控制 系统根据规划截割曲线进行自动截割。
首先，采煤机在进行规划截割之前，首先需确认采煤机与精准控制中心 是否通讯正常，以及采煤机与惯性导航系统是否通讯正常。其次，采煤机与 精准控制中心及采煤机与惯性导航系统通讯确认正常后，精准控制中心下发 规划截割曲线至采煤机。然后，规划截割曲线下发完毕后，需要进行象限设 定。象限设定结束后，即进入规划截割模式，采煤机按照规划方向运行。
在一些可选实施例中，根据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、无界流算法对规划截割模板进行实时修正。
在本申请实施例中，通过规划截割工艺，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。
通过传感器采集工作面数据，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；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
在本申请实施例中，通过对采煤机的工况监测数据和预期规划数据进行 学习分析，利用数学算法(数据聚合、插值、补偿、无界流算法)实现数据 的修正和更新。其中，工况监测数据集合为：
Y1＝{x1,y1,z1,h1,h2}
其中，x1为推进方向，y1为切眼方向，z1为采高方向，h1为采高，h2为 卧底。
规划数据为：
Y2＝{x2,y2,z2,h3,h4}
其中，x2为推进方向，y2为切眼方向，z2为采高方向，h3为采高，h4为 卧底。
预期采高值为：
h5＝h1-h3+b1
其中，b1为数据损失补偿值；
预期卧底值为：
h6＝h4-h2+b2
其中，b2为数据损失补偿值；
对规划截割模板进行评估，模型评估策略包括训练集和测试集、损失函 数和经验风险；训练误差和测试误差。
损失函数用来衡量模型预测的误差大小，选取模型F(h)为决策函数，
F(h)＝a×h+b
其中，a为经验参数调整倍数，b为补偿值；
对于给定的输入参数h,F(h)为预测结果，Y为真实结果；F(h)和Y之间 的偏差用一个损失函数来度量预测偏差程度L(Y,F(h))；
L(Y,F(h))＝|Y-F(h)|
在本申请实施例中，应用惯性导航技术，实时测量刮板输送机的直线度 和采煤机在三轴(X、Y、Z)方向的位移变化，为工作面自动找直和精准定 位提供技术依据；应用激光雷达测距技术，实时监测运输机机头和机尾距进、 回风巷巷帮的距离，得出工作面刮板输送机上窜下滑量，为精准控制提供决策依据；在进、回风巷两巷帮等距离安装激光反射板，实时监测工作面向前 推进距离，实现在透明地质模型中的精准定位。
在本申请实施例中，通过巷道精细测量、钻孔探测、槽波地震勘探等技 术，对地质数据进行收集和分析，建立了透明工作面具有多个梯级的透明地 质模型，构建了透明工作面智能开采大数据分析决策的总体设计架构；利用 采煤工作面不同设备的多种通信协议数据的统一、关联，基于开采工艺，综 采自动化控制技术、惯性导航技术和雷达测距技术，通过开采过程中切眼揭露的煤层以及生产过程中新产生的地质数据不断的对透明地质模型进行修正 更新，得到综采设备的精准控制决策信息，利用大数据对规划截割模型进行实时修正，实现了采煤工作面的智能精准开采。
图5为根据本申请的一些实施例提供的透明工作面智能开采大数据分析 决策系统的结构示意图；如图5所示，该透明工作面智能开采大数据分析决 策系统包括：
模型构建单元501，配置为构建采煤工作面的透明地质模型和规划截割 模板；模型构建单元501包括：地质模型构建子单元和规划截割模板构建子 单元，其中，地质模型构建子单元，配置为根据巷道精细测量、槽波地震勘探和井下钻探得到的地质数据，基于隐式迭代插值算法，对采煤工作面进行 梯级模型构建，得到采煤工作面的具有多个梯级的透明地质模型；其中，地 质数据至少包括：地质构造数据、煤厚底板数据、煤层起伏状态数据、煤层 隐伏构造数据、煤厚分布数据、钻孔穿煤层顶底板位置数据；规划截割模板 构建子单元，配置为基于“CT”切片技术，根据透明地质模型，生成规划截割模板；
模型修正单元502，配置为基于“CT”切片技术，对透明地质模型进行 剖切，得到透明地质模型的切眼顶板界面曲线和切眼底板界面曲线，并基于 惯性导航技术、雷达定位技术，根据综采设备的工况监测数据，对截割模型 进行实时修正；其中，模型修正单元502包括：第一修正子单元，第二修正 子单元和第三修正子单元；第一修正子单元，配置为基于“CT”切片技术， 对透明地质模型进行剖切，得到透明地质模型的切眼顶板界面曲线和切眼底 板界面曲线，结合开采工艺，对规划截割模板的控制参数进行实时修正；第二修正子单元，配置为基于惯性导航技术、雷达定位技术和大数据分析决策 技术，结合开采工艺，对规划截割模板进行实时修正；第三修正子单元，配 置为根据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、无界流算法对规划截割模板进行实时修正；
模型下发单元503，配置为向综采机械下发修正后的规划截割模板，以 由综采机械根据修正后的规划截割模板，对采煤工作面进行实时自动截割。
本申请实施例提供的透明工作面智能开采大数据分析决策系统能够实现 上述透明工作面智能开采大数据分析决策方法的流程和效果，在此不再一一赘述。
以上所述仅为本申请的优选实施例，并不用于限制本申请，对于本领域 的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则 之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围 之内。
Claims (10)
1.一种透明工作面智能开采大数据分析决策方法，其特征在于，包括：
步骤S101、构建采煤工作面的透明地质模型和规划截割模板，包括：
构建透明地质模型：根据巷道精细测量、槽波地震勘探和井下钻探得到的地质数据，基于隐式迭代插值算法，对采煤工作面进行梯级模型构建，得到采煤工作面的具有多个梯级的透明地质模型；其中，地质数据至少包括：地质构造数据、煤厚底板数据、煤层起伏状态数据、煤层隐伏构造数据、煤厚分布数据、钻孔穿煤层顶底板位置数据；
构建规划截割模板：基于“CT”切片技术，根据透明地质模型，生成规划截割模板；
步骤S102、基于“CT”切片技术，对透明地质模型进行剖切，得到透明地质模型的切眼顶板界面曲线和切眼底板界面曲线，并基于惯性导航技术、雷达定位技术，根据综采设备的工况监测数据，对截割模型进行实时修正，包括：
基于“CT”切片技术，对透明地质模型进行剖切，得到透明地质模型的切眼顶板界面曲线和切眼底板界面曲线，结合开采工艺，对规划截割模板进行实时修正；
基于惯性导航技术、雷达定位技术和大数据分析决策技术，结合开采工艺，对规划截割模板进行实时修正；
根据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、无界流算法对规划截割模板进行实时修正；
步骤S103、综采机械根据修正后的规划截割模板，对采煤工作面进行实时自动截割；
所述基于惯性导航技术、雷达定位技术和大数据分析决策技术，结合开采工艺，对规划截割模板进行实时修正，包括：
基于惯性导航技术，实时采集采煤机的三维姿态数据；
基于雷达定位技术，实时测量刮板输送机机头和机尾距离进、回风巷巷帮的距离，得到采煤工作面刮板输送机的上窜下滑量；
基于大数据分析技术，根据采煤工作面的顶板/底板界面曲线、采煤工作面刮板输送机的上窜下滑量和采煤机的三维姿态数据，对截割模型进行实时修正；
所述根据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、无界流算法对规划截割模板进行实时修正，包括：
通过传感器采集工作面数据，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；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；
通过对采煤机的工况监测数据和预期规划数据进行学习分析，利用数学算法，包括数据聚合、插值、补偿、无界流算法实现数据的修正和更新；其中，工况监测数据集合为：
Y1＝{x1,y1,z1,h1,h2}，
其中，x1为推进方向，y1为切眼方向，z1为采高方向，h1为采高，h2为卧底；
规划数据为：
Y2＝{x2,y2,z2,h3,h4}，
其中，x2为推进方向，y2为切眼方向，z2为采高方向，h3为采高，h4为卧底；
预期采高值为：
h5＝h1-h3+b1，
其中，b1为数据损失补偿值；
预期卧底值为：
h6＝h4-h2+b2，
其中，b2为数据损失补偿值；
对规划截割模板进行评估，模型评估策略包括训练集和测试集、损失函数和经验风险；训练误差和测试误差；
损失函数用来衡量模型预测的误差大小，选取模型F(h)为决策函数，
F(h)＝a×h+b，
其中，a为经验参数调整倍数，b为补偿值；
对于给定的输入参数h，F(h)为预测结果，Y为真实结果；F(h)和Y之间的偏差用一个损失函数来度量预测偏差程度L(Y,F(h))；
L(Y,F(h))＝|Y-F(h)|。
2.根据权利要求1所述的透明工作面智能开采大数据分析决策方法，其特征在于，步骤S101中，构建采煤工作面的透明地质模型包括：
根据进回风巷的数据、地面钻孔数据、切眼写实数据，构建采煤工作面的一级透明地质模型；
基于一级透明地质模型，根据进回风巷的数据、地面钻孔数据、切眼写实数据、钻孔测量数据、槽波地震勘探数据，构建采煤工作面的二级透明地质模型；其中，钻孔测量数据至少包括：煤厚分布数据、钻孔穿煤层顶底板位置数据；槽波地震勘探数据至少包括：煤层隐伏构造数据；
基于二级透明地质模型，根据进回风巷的数据、地面钻孔数据、切眼写实数据、钻孔测量数据、更新写实数据、槽波地震勘探数据，构建采煤工作面的三级透明地质模型，其中，更新写实数据为开采过程中切眼揭露的煤层再次写实的数据以及生产过程中新产生的地质数据。
3.根据权利要求1所述的透明工作面智能开采大数据分析决策方法，其特征在于，在步骤S101中，
基于“CT”切片技术，对透明地质模型网格化，选择进风巷停采点处煤层底板作为基准零点，进行相对坐标传递，在相对坐标系中依据煤层底板、推进度、俯仰角、采高、开采倾角、开采速度、开采方向建立采煤工作面的规划截割模板。
4.根据权利要求3所述的透明工作面智能开采大数据分析决策方法，其特征在于，在步骤S101中，
规划截割模板至少包括：采煤机的规划截割模型、液压支架规划控制模型和刮板输送机规划模型；
采煤机的规划截割模型包括：采煤机基本状态信息和采煤机的关联设备关系；其中，采煤机基本状态信息包括：采煤机运行状态、采煤机姿态传感器、采煤机编码器实际位移、采高及卧底值精准度、采煤机视频信息；采煤机的关联设备关系包括：采煤机和透明地质模型“CT”切片、液压支架、刮板输送机的关联关系；
液压支架规划控制模型包括：支架信息和支架的关联设备关系；其中，支架信息包括：支架支护状态、支架姿态传感器、支架行程传感器和支架视频信息；支架的关联设备关系包括：液压支架和刮板输送机、采煤机的关联关系；
刮板输送机规划模型包括：运输机基本状态信息和运输机的关联设备关系；其中，运输机基本状态信息包括：平直度测量数据、运输机俯仰角度、运输机负载、运输机电机运行数据和运输机视频信息；运输机的关联设备关系包括：运输机和液压支架的关联关系、运输机和采煤机的关联关系；运输机和液压支架的关联关系包括：运输机、液压支架推移位置和运输机相对支架上窜下滑幅度。
5.根据权利要求1所述的透明工作面智能开采大数据分析决策方法，其特征在于，步骤S102还包括：
地质模型网格化：基于“CT”切片技术，对透明地质模型进行二维平面网格划分；
离散化截割路径：将计划截割路线投影到网格平面上，并将投影曲线离散成有限个线段，确定各线段与网格线交点的平面坐标，得到计划截割路线在二维平面上的投影点序列；
计算各离散点的平面坐标：分别在顶板网格和底板网格中搜索到该投影点二维平面距离最近的网格点，并取该点的顶、底板标高作为投影点处的煤层顶点序列和底板点序列；
顶板/底板界面曲线：将得到的顶板/底板控制点按照直线段方向顺序连接，得到采煤工作面的顶板/底板界面曲线。
6.根据权利要求5所述的透明工作面智能开采大数据分析决策方法，其特征在于，步骤S102还包括：
基于惯性导航技术，实时采集采煤机的三维姿态数据；
基于雷达定位技术，实时测量刮板输送机机头和机尾距离进、回风巷巷帮的距离，得到采煤工作面刮板输送机的上窜下滑量；
基于大数据分析技术，根据采煤工作面的顶板/底板界面曲线、采煤工作面刮板输送机的上窜下滑量和采煤机的三维姿态数据，对截割模型进行实时修正。
7.根据权利要求1所述的透明工作面智能开采大数据分析决策方法，其特征在于，在步骤S102中，
对规划截割模型进行修正，具体为：对采煤机截割曲线和液压支架自动跟机拉架数据、刮板输送机的推溜行程数据以及综采设备的控制参数进行更新。
8.根据权利要求7所述的透明工作面智能开采大数据分析决策方法，其特征在于，对采煤机的截割曲线进行修正具体为：对规划截割模板中的采高、坡度、推进方向、切眼方向、卧底进行修正。
9.根据权利要求7所述的透明工作面智能开采大数据分析决策方法，其特征在于，步骤S103具体为：
通过工业以太网将修正后的规划截割模板发送至采煤工作面的综采机械，以由综采机械按照修正后的规划截割模板运行，并自适应调整滚筒截割高度。
10.一种透明工作面智能开采大数据分析决策系统，其特征在于，包括：
模型构建单元，配置为构建采煤工作面的透明地质模型和规划截割模板；模型构建单元包括：地质模型构建子单元和规划截割模板构建子单元，其中，
地质模型构建子单元，配置为根据巷道精细测量、槽波地震勘探和井下钻探得到的地质数据，基于隐式迭代插值算法，对采煤工作面进行梯级模型构建，得到采煤工作面的具有多个梯级的透明地质模型；其中，地质数据至少包括：地质构造数据、煤厚底板数据、煤层起伏状态数据、煤层隐伏构造数据、煤厚分布数据、钻孔穿煤层顶底板位置数据；
规划截割模板构建子单元，配置为基于“CT”切片技术，根据透明地质模型，生成规划截割模板；
模型修正单元，配置为基于“CT”切片技术，对透明地质模型进行剖切，得到透明地质模型的切眼顶板界面曲线和切眼底板界面曲线，并基于惯性导航技术、雷达定位技术，根据综采设备的工况监测数据，对截割模型进行实时修正；其中，模型修正单元包括：第一修正子单元，第二修正子单元和第三修正子单元；
第一修正子单元，配置为基于“CT”切片技术，对透明地质模型进行剖切，得到透明地质模型的切眼顶板界面曲线和切眼底板界面曲线，结合开采工艺，对规划截割模板的控制参数进行实时修正；
第二修正子单元，配置为基于惯性导航技术、雷达定位技术和大数据分析决策技术，结合开采工艺，对规划截割模板进行实时修正；
所述基于惯性导航技术、雷达定位技术和大数据分析决策技术，结合开采工艺，对规划截割模板进行实时修正，包括：
基于惯性导航技术，实时采集采煤机的三维姿态数据；
基于雷达定位技术，实时测量刮板输送机机头和机尾距离进、回风巷巷帮的距离，得到采煤工作面刮板输送机的上窜下滑量；
基于大数据分析技术，根据采煤工作面的顶板/底板界面曲线、采煤工作面刮板输送机的上窜下滑量和采煤机的三维姿态数据，对截割模型进行实时修正；
第三修正子单元，配置为根据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、无界流算法对规划截割模板进行实时修正；
所述根据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、无界流算法对规划截割模板进行实时修正，包括：
通过传感器采集工作面数据，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；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；
通过对采煤机的工况监测数据和预期规划数据进行学习分析，利用数学算法，包括数据聚合、插值、补偿、无界流算法实现数据的修正和更新；其中，工况监测数据集合为：
Y1＝{x1,y1,z1,h1,h2}，
其中，x1为推进方向，y1为切眼方向，z1为采高方向，h1为采高，h2为卧底；
规划数据为：
Y2＝{x2,y2,z2,h3,h4}，
其中，x2为推进方向，y2为切眼方向，z2为采高方向，h3为采高，h4为卧底；
预期采高值为：
h5＝h1-h3+b1，
其中，b1为数据损失补偿值；
预期卧底值为：
h6＝h4-h2+b2，
其中，b2为数据损失补偿值；
对规划截割模板进行评估，模型评估策略包括训练集和测试集、损失函数和经验风险；训练误差和测试误差；
损失函数用来衡量模型预测的误差大小，选取模型F(h)为决策函数，
F(h)＝a×h+b，
其中，a为经验参数调整倍数，b为补偿值；
对于给定的输入参数h,F(h)为预测结果，Y为真实结果；F(h)和Y之间的偏差用一个损失函数来度量预测偏差程度L(Y,F(h))；
L(Y,F(h))＝|Y-F(h)|，
模型下发单元，配置为向综采机械下发修正后的规划截割模板，以由综采机械根据修正后的规划截割模板，对采煤工作面进行实时自动截割。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110501326.2A CN113379909B (zh) | 2021-05-08 | 2021-05-08 | 一种透明工作面智能开采大数据分析决策方法和系统 |
| PCT/CN2021/104829 WO2022057397A1 (zh) | 2021-05-08 | 2021-07-06 | 一种矿山智能化无人开采大数据分析决策方法和系统 |
| LU501938A LU501938B1 (en) | 2021-05-08 | 2021-07-06 | Method and system for intelligent analysis of big data on unmanned mining in mine |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110501326.2A CN113379909B (zh) | 2021-05-08 | 2021-05-08 | 一种透明工作面智能开采大数据分析决策方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113379909A CN113379909A (zh) | 2021-09-10 |
| CN113379909B true CN113379909B (zh) | 2023-10-27 |
Family
ID=77570773
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110501326.2A Active CN113379909B (zh) | 2021-05-08 | 2021-05-08 | 一种透明工作面智能开采大数据分析决策方法和系统 |
Country Status (3)
| Country | Link |
|---|---|
| CN (1) | CN113379909B (zh) |
| LU (1) | LU501938B1 (zh) |
| WO (1) | WO2022057397A1 (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112433245B (zh) * | 2020-11-04 | 2024-03-22 | 陕西彬长孟村矿业有限公司 | 一种煤矿断层构造预测预报方法 |
| CN114033365A (zh) * | 2021-09-29 | 2022-02-11 | 武汉长盛煤安科技有限公司 | 采煤机、采煤机预警方法及电子设备 |
| CN113962008A (zh) * | 2021-11-09 | 2022-01-21 | 华北科技学院(中国煤矿安全技术培训中心) | 一种矿山三维井巷模型生成及透明工作面构建方法 |
| CN114320291A (zh) * | 2022-01-05 | 2022-04-12 | 山东能源重装集团中矿采煤机制造有限公司 | 一种采煤机自动找平方法 |
| CN114663627B (zh) * | 2022-03-28 | 2023-05-16 | 中国矿业大学 | 一种基于三维点云数据库的矿山数字模型建立方法 |
| CN114719904B (zh) * | 2022-04-01 | 2024-03-29 | 天地上海采掘装备科技有限公司 | 多类型传感器融合的采煤机采高检测方法 |
| CN114997482A (zh) * | 2022-05-24 | 2022-09-02 | 徐州大屯工程咨询有限公司 | 一种煤矿井下工作面数字化透明地质技术方法 |
| 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 |
| CN116739203B (zh) * | 2023-08-16 | 2023-11-03 | 华夏天信物联科技有限公司 | 一种煤矿开采的路径规划及设计方法 |
| CN117348500B (zh) * | 2023-12-04 | 2024-02-02 | 济南华科电气设备有限公司 | 一种煤矿综采工作面自动化控制方法及系统 |
| CN117408123B (zh) * | 2023-12-14 | 2024-03-15 | 晋能控股煤业集团同忻煤矿山西有限公司 | 一种采运装备时空推进健康状态评估系统及方法 |
| CN117780346B (zh) * | 2024-02-23 | 2024-05-24 | 太原矿机物联科技有限公司 | 基于3d可视化模型的远程煤机控制方法 |
| CN118114844A (zh) * | 2024-04-23 | 2024-05-31 | 西安华创马科智能控制系统有限公司 | 采煤机截割轨迹规划方法和装置 |
| CN118167404A (zh) * | 2024-05-16 | 2024-06-11 | 中北智造工程技术(山西)有限公司 | 一种瓦斯抽采钻孔的智能控制方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107905786A (zh) * | 2017-10-24 | 2018-04-13 | 北京天地玛珂电液控制系统有限公司 | 一种基于透明工作面的采煤方法和系统 |
| AU2019100273A4 (en) * | 2019-03-15 | 2019-05-02 | Data One Technologies Pty Ltd | BinWin is a modern-day waste collection technology enabling councils and waste management authorities to manage waste effectively. The framework consists of IoT, AI, mobile & web applications integrated to monitor, track, and plan. The bins ensure eco-friendliness by keeping a constant check on fill levels enabling waste collection on a needs basis preventing over-flow, maintaining a hygienic environment using solar self-charging capability. BinWin promises to increase operational efficiencies in the waste collection chain, reducing cost and labour associated with rubbish collection & removal. |
| 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 |
| CN112360558A (zh) * | 2020-10-14 | 2021-02-12 | 西安合智宇信息科技有限公司 | 综采工作面可视化控制系统和方法 |
| CN112392485A (zh) * | 2020-11-12 | 2021-02-23 | 临沂矿业集团菏泽煤电有限公司 | 煤矿综采工作面透明化数字孪生自适应开采系统和方法 |
| CN112762963A (zh) * | 2021-01-27 | 2021-05-07 | 西安重装智慧矿山工程技术有限公司 | 基于激光雷达的惯性导航标校方法及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102279980A (zh) * | 2010-06-13 | 2011-12-14 | 中国地质科学院矿产资源研究所 | 地质勘探矿体三维建模方法及其装置 |
| CN103726844B (zh) * | 2013-11-01 | 2016-03-30 | 神华集团有限责任公司 | 基于采煤工作面的自动采煤方法 |
| 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 |
| US20200355075A1 (en) * | 2019-05-10 | 2020-11-12 | JRL Coal, Inc. | High wall mining method |
-
2021
- 2021-05-08 CN CN202110501326.2A patent/CN113379909B/zh active Active
- 2021-07-06 WO PCT/CN2021/104829 patent/WO2022057397A1/zh active Application Filing
- 2021-07-06 LU LU501938A patent/LU501938B1/en active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107905786A (zh) * | 2017-10-24 | 2018-04-13 | 北京天地玛珂电液控制系统有限公司 | 一种基于透明工作面的采煤方法和系统 |
| AU2019100273A4 (en) * | 2019-03-15 | 2019-05-02 | Data One Technologies Pty Ltd | BinWin is a modern-day waste collection technology enabling councils and waste management authorities to manage waste effectively. The framework consists of IoT, AI, mobile & web applications integrated to monitor, track, and plan. The bins ensure eco-friendliness by keeping a constant check on fill levels enabling waste collection on a needs basis preventing over-flow, maintaining a hygienic environment using solar self-charging capability. BinWin promises to increase operational efficiencies in the waste collection chain, reducing cost and labour associated with rubbish collection & removal. |
| 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 |
| CN112360558A (zh) * | 2020-10-14 | 2021-02-12 | 西安合智宇信息科技有限公司 | 综采工作面可视化控制系统和方法 |
| CN112392485A (zh) * | 2020-11-12 | 2021-02-23 | 临沂矿业集团菏泽煤电有限公司 | 煤矿综采工作面透明化数字孪生自适应开采系统和方法 |
| CN112762963A (zh) * | 2021-01-27 | 2021-05-07 | 西安重装智慧矿山工程技术有限公司 | 基于激光雷达的惯性导航标校方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 基于透明地质大数据智能精准开采技术研究;毛明仓等;《煤炭科学技术》;20210131;第49卷(第01期);正文第0-5节，第286-292页 * |
| 煤炭智能精准开采工作面地质模型梯级构建及其关键技术;程建远等;《煤炭学报》;20190831;第44卷(第08期);正文第1-5节以及摘要 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113379909A (zh) | 2021-09-10 |
| WO2022057397A1 (zh) | 2022-03-24 |
| LU501938B1 (en) | 2022-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113379909B (zh) | 一种透明工作面智能开采大数据分析决策方法和系统 | |
| CN114708393B (zh) | 全时空采掘过程的矿山应力场孪生建模同化系统及方法 | |
| CN112883559B (zh) | 基于大数据体系的规划截割方法和装置、存储介质及电子装置 | |
| CN109630110A (zh) | 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 | |
| RU2012105576A (ru) | Способ получения призабойного пространства с применением систем автоматизации | |
| CN111485880B (zh) | 一种煤矿回采工作面智能开采预测截割线生成方法及装置 | |
| CN110107295B (zh) | 一种基于工作面高精度导航模型的无人采煤路径规划方法 | |
| CN108763752B (zh) | 一种盾构隧道下穿水道确定施工掘进参数的方法 | |
| CN103510853B (zh) | 一种煤层气水平井综合导向方法 | |
| CN109469484A (zh) | 基于上位机规划的自动化采煤方法 | |
| CN109630109B (zh) | 掘进机行走路径规划方法、装置及掘进机行走控制系统 | |
| CN106089201A (zh) | 一种用于无人化采煤工作面的截割路径规划方法 | |
| 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 | |
| CN111663943B (zh) | 用于控制开采机的系统和方法、开采设备、存储介质 | |
| CN105631753A (zh) | 一种基于地层产状的水平井油藏剖面建模方法 | |
| Ordin et al. | Evaluation of drum shearer capacity in coal seam with variable geomechanical and geotechnical characteristics | |
| CN106256991B (zh) | 一种采煤机记忆截割与记忆定位联合学习方法 | |
| CN113236249A (zh) | 一种融合地质基线的自适应截割方法 | |
| CN109991660B (zh) | 基于槽波地震和克里金插值的煤层厚度预测方法及装置 | |
| CN114091233B (zh) | 综采工作面采煤机自适应跟随煤层截割路径优化方法 | |
| CN114842159B (zh) | 一种沉积地层复杂构造三维地质模型拼接方法 | |
| CN107818217A (zh) | 一种基于水平井探索式可视分析的地震导向方法 | |
| CN110728438B (zh) | 料场储量分析评价方法 | |
| CN112377104B (zh) | 动态调整致密砂岩气藏水平井实钻轨迹的方法及装置 | |
| Li et al. | Application of new geological modeling technology in secondary development in Daqing oil field |
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 |