CN114091233A - 综采工作面采煤机自适应跟随煤层截割路径优化方法 - Google Patents
综采工作面采煤机自适应跟随煤层截割路径优化方法 Download PDFInfo
- Publication number
- CN114091233A CN114091233A CN202111212111.5A CN202111212111A CN114091233A CN 114091233 A CN114091233 A CN 114091233A CN 202111212111 A CN202111212111 A CN 202111212111A CN 114091233 A CN114091233 A CN 114091233A
- Authority
- CN
- China
- Prior art keywords
- coal
- mining machine
- cutting
- height
- coal 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.)
- Granted
Links
- 239000003245 coal Substances 0.000 title claims abstract description 346
- 238000005065 mining Methods 0.000 title claims abstract description 216
- 238000005520 cutting process Methods 0.000 title claims abstract description 184
- 238000005457 optimization Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 76
- 238000009826 distribution Methods 0.000 claims abstract description 14
- 238000012952 Resampling Methods 0.000 claims abstract description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 239000011435 rock Substances 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21C—MINING OR QUARRYING
- E21C41/00—Methods of underground or surface mining; Layouts therefor
- E21C41/16—Methods of underground mining; Layouts therefor
- E21C41/18—Methods of underground mining; Layouts therefor for brown or hard coal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Mining & Mineral Resources (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Geology (AREA)
- Geochemistry & Mineralogy (AREA)
- General Engineering & Computer Science (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的综采工作面采煤机自适应跟随煤层截割路径优化方法,涉及自动化采煤技术领域。包括:实时监测采煤机上下滚筒截割高度,获取工作面待采煤层三维分布,重采样待采煤层上下边界高度,离散化待采煤层走向数据,建立采煤机滚筒高度预测模型,建立采煤机滚筒截割高度优化模型;利用所述采煤机高度优化模型解算出多个时刻的采煤机上、下滚筒截割高度位置最优值,得到采煤机截割最优规划路径。本发明可以优化采煤机自适应截割煤层路径,从而提高采煤自动化水平及效率。本发明适用于俯采、仰采以及起伏工作面的自适应煤层截割开采。
Description
技术领域
本发明属于自动化采煤技术领域,具体涉及一种综采工作面采煤机自适应跟随煤层截割路径优化方法。
背景技术
煤矿智能化建设是煤炭行业高质量发展的重要举措。实现煤矿智能开采,最重要的是实现采场围岩稳定性控制以及“移架-割煤-运煤”过程与围岩空间动态变化的适应性控制,综采工作面煤层厚度自适应截割即是有效实现综采工作面割煤过程与围岩动态适应的基本方式。
目前,“采煤机记忆割煤”是综采工作面煤层厚度自适应截割最主要方式,通过采煤机司机示范操作完成数个完整的截割作业循环,并记录采煤机的位置、滚筒高度、牵引速度等信息,以供控制系统后续自动控制采煤机沿着之前参数进行截割。然而,上述方式无法自适应煤层起伏变化,当煤层分布发生较大变化时,需要再次由人工控制采煤机,获取新的截割记忆并将其作为之后自动截割的参照;同时,现有“采煤机记忆割煤”主要是对截割面的采煤机牵引路径规划,没有结合综采工作面待采煤层的起伏变化进行最优路径连续规划。
因此,对采煤机自适应跟随煤层截割路径优化是当前智能化煤矿生产亟需解决的问题之一。
发明内容
有鉴于此,本发明旨在提供一种综采工作面采煤机自适应跟随煤层截割路径优化方法,可以优化采煤机自适应截割煤层路径,从而提高采煤自动化水平及效率。
为达到上述发明目的,本发明采用如下技术方案:
一种综采工作面采煤机自适应跟随煤层截割路径优化方法,包括以下步骤:
S100:实时监测采煤机上下滚筒截割高度位置;
S200:获取工作面待采煤层三维分布;所述待采煤层的三维分布包括:煤层沿工作面倾向和走向分布;
S300:沿待采煤层走向重采样待采煤层上、下边界多个点的高度位置;其中,上、边界高度位置以大巷地面为参考基准;
S400:离散化S300中得到的待采煤层走向数据;
S500:根据步骤S100中得到的采煤机上、下滚筒截割高度位置,按照时间序列预测规则建立采煤机滚筒高度预测模型;
S600:建立采煤机滚筒截割高度优化模型;其中,优化模型的优化目标为最小化所述各监测点采煤机上滚筒截割高度位置与所述煤层上边界高度位置之差的平方根和所述各监测点采煤机下滚筒截割高度位置与所述煤层下边界高度位置之差的平方根的和,约束条件至少包括采煤机上、下滚筒运行上、下限约束、工作面倾向方向煤层上下边界高度位置约束及采煤机滚筒高度预测模型约束;
S700:根据S500中所述采煤机滚筒高度预测模型预测得到的采煤机滚筒高度值,利用S600中所述采煤机滚筒截割高度优化模型,采用粒子群优化算法、遗传算法、蚁群算法、线性规划算法中的一种或数种进行优化求解,得到采煤机上、下滚筒截割高度位置最优值;
S 800:重复步骤S700,解算出未来多个时刻采煤机上、下滚筒截割高度位置最优值,根据多个时刻采煤机上、下滚筒截割高度位置最优值构建截割最优路径连续规划,得到采煤机截割最优规划路径。
可选地,所述步骤S100包括:在综采工作面倾向方向的多个液压支架上等距布设监测点,在所述监测点放置传感器;
利用所述传感器实时监测采煤机上、下滚筒在割煤时经过所述监测点时的高度位置;其中,采煤机从工作面端头到机尾为循环割煤1刀,监测得到维度为1×N的上、下滚筒截割高度位置集,N为正整数,且与液压支架或监测点的数量一致。
可选地,所述S300包括:利用S100中等距布置的所述监测点,对在工作面倾向上的待采煤层上、下边界进行离散化和重新采样,获得在多个液压支架处的煤层实际上边界和下边界的高度位置;其中,对于采煤机循环割煤1刀,可得到维度为1×N的煤层上、下边界高度位置值;
所述步骤S400包括:循环截割K刀,根据采煤机滚筒截深,以所述截深为单位,不断重复S300,得到在工作面走向上以所述截深为采样间隔的多组待采煤层上、下边界数据;其中,K>1,且K为整数,所述多组待采煤层上、下边界数据构成维度为K×N的煤层上、下边界高度位置值集。
可选地,在步骤S800之后,所述方法还包括:根据得到采煤机截割最优规划路径,自动控制采煤机沿所述最优规划路径截割煤体。
可选地,所述步骤S600中的采煤机滚筒截割高度优化模型为:
其中,N为S100中所述布设监测点数量,i为采煤机滚筒在工作面倾向方向布置的第i个监测点;xu(i)和xd(i)分别为第i个监测点的采煤机上、下滚筒截割高度位置值;为工作面倾向方向第i个监测点的煤层上边界高度位置值,为工作面倾向方向第i个监测点的煤层下边界高度位置值;h1和h2分别为采煤机上、下滚筒运行上下限高度;f为S500中所述建立的采煤机滚筒高度预测模型;K为所述采煤机循环割煤刀数;M为设计采高。
可选地,步骤S600中所述的采煤机滚筒截割高度优化模型的优化目标可替换为所述各监测点采煤机上滚筒截割高度与所述煤层上边界高度之差的绝对值和所述各监测点采煤机下滚筒截割高度与所述煤层下边界高度之差的绝对值的和。
可选地,所述工作面为俯采工作面或仰采工作面时,所述步骤S600中,所述采煤机滚筒截割高度优化模型的约束条件还包括:各监测点下滚筒在相邻循环截割刀的高度值差约束条件,即|xd(K+1)-xd(K)|≤ΔD,其中,xd(K)和xd(K+1)分别表示为各监测点下滚筒在第K刀和第K+1刀的截割高度位置值,ΔD为液压支架最大抬底高度。
可选地,若所述工作面为仰采工作面,各监测点下滚筒在相邻循环截割刀的高度值差约束条件为:xd(K+1)≤xd(K)+ΔD,即最终xd(K)的范围为max[h2,xd(K)]≤xd(K+1)≤xd(K)+ΔD;
采煤机上滚筒在相邻循环截割刀的高度值差约束条件调整为:xu(K)≤xu(K+1)≤min[xu(K)+ΔD,h1];
对于仰采工作面,所述采煤机滚筒截割高度优化模型为:
可选地,若所述工作面为俯采工作面,各监测点下滚筒在相邻循环截割刀的高度值差约束条件为:xd(K)-ΔD≤xd(K+1)≤max[xd(K)-ΔD,h2];
采煤机上滚筒在相邻循环截割刀的高度值差约束条件调整:min[xu(K)-ΔD,h1]≤xu(K+1)≤xu(K);
则对应俯采工作面,所述采煤机滚筒截割高度优化模型为:
可选地,对于存在起伏的工作面,根据煤层走向倾角在不同时刻分段选择不同的采煤机滚筒截割高度优化模型,执行步骤S700。
本发明实施例提供综采工作面采煤机自适应跟随煤层截割路径优化方法,通过实时监测采煤机上下滚筒截割高度,获取工作面待采煤层三维分布,重采样待采煤层上下边界高度,离散化待采煤层走向数据,建立采煤机滚筒高度预测模型,并进一步建立采煤机滚筒截割高度优化模型,根据所述采煤机滚筒高度预测模型与采煤机滚筒截割高度优化模型可以得到采煤机滚筒在未来多个时刻的截割高度位置最优值,进而得到采煤机滚筒在未来多个时刻的截割最优路径连续规划,优化采煤机自适应截割煤层路径,使采煤机动态适应围岩空间变化,从而提高采煤自动化水平及效率。
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,下面描述中的附图仅仅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它的附图。
图1是本发明综采工作面采煤机自适应跟随煤层截割路径优化方法一实施例流程图。
图2是本发明综采工作面采煤机自适应跟随煤层截割路径优化方法又一实施例流程图。
图3是本发明一实施例中未进行优化的采煤机上下滚筒高度预测结果示意图。
图4是本发明一实施例中采煤机上下滚筒截割路径优化结果示意图;
需要说明的是,为了便于直观、清楚的表述出不同含义的线条,在图4中采用了带有着色的线条,其旨在更加容易清楚地区分不同含义的线条,以帮助理解;实际上,该图中的线条是否着色对本实施例提供的技术方案的实质并不影响。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1是本发明综采工作面采煤机自适应跟随煤层截割路径优化方法一实施例流程图;参看图1所示,本发明实施例提供的综采工作面采煤机自适应跟随煤层截割路径优化方法的整体技术构思流程为:
S100:实时监测采煤机上下滚筒截割高度位置。
示例性地,可根据采煤机滚筒摇臂角度换算得到滚筒高度;也可在综采工作面倾向方向液压支架上等距布设监测点,即分别在第1号、2号、3号、……、N号液压支架上放置传感器,实时监测采煤机上下滚筒在割煤时经过所述监测点的高度,假设采煤机从工作面端头到机尾为循环割煤1刀,可获取维度为1×N的上滚筒截割高度位置集和维度为1×N的下滚筒截割高度位置集;所谓的高度位置集是指包括多组高度位置值,在本实施例中,获得N组高度位置值。
优选地,所述步骤S100包括:在综采工作面倾向方向的多个液压支架上等距布设监测点,在所述监测点放置传感器;利用所述传感器实时监测采煤机上、下滚筒在割煤时经过所述监测点时的高度位置;其中,采煤机从工作面端头到机尾为循环割煤1刀,监测得到维度为1×N的上、下滚筒截割高度位置集,N为正整数,且与液压支架或监测点的数量一致。
S200:获取工作面待采煤层三维分布;所述待采煤层的三维分布包括:煤层沿工作面倾向和走向分布;
本实施例中,可通过钻探、物探、巷道素描等透明工作面三维地测数据得到尚未开采的煤层在工作面倾向和走向分布。
S300:沿待采煤层走向重采样待采煤层上、下边界多个点的高度位置;其中,上、边界高度位置以大巷地面为参考基准;
在一些实施例中,所述S300包括:利用S100中等距布置的所述监测点,对在工作面倾向上的待采煤层上、下边界进行离散化和重新采样,获得在多个液压支架处的煤层实际上边界和下边界的高度位置;其中,对于采煤机循环割煤1刀,可得到维度为1×N的煤层上、下边界高度位置值。
示例性地,按照S100等距布置的所述监测点,对在工作面倾向上的待采煤层上下边界进行离散化和重新采样,从而获得在第1号、2号、3号、……、N号液压支架处的煤层实际上边界和下边界,那么对于采煤机循环割煤1刀,可得到维度为1×N的煤层上边界高度值和维度为1×N的煤层下边界高度值。
S400:离散化S300中得到的待采煤层走向数据。
所述步骤S400包括:循环截割K刀,根据采煤机滚筒截深,以所述截深为单位,不断重复S300,得到在工作面走向上以所述截深为采样间隔的多组待采煤层上、下边界数据;其中,K>1,且K为整数,所述多组待采煤层上、下边界数据构成维度为K×N的煤层上、下边界高度位置值集。
S500:根据步骤S100中得到的采煤机上、下滚筒截割高度位置,按照时间序列预测规则建立采煤机滚筒高度预测模型;
所述时间序列预测是指利用过去一段时间的数据来预测未来一段时间内的信息,包括连续型预测(数值预测,范围估计)与离散型预测(事件预测)。
本实施例中,在建立建立采煤机滚筒高度预测模型前,需要预先确定预测模型的输入输出特征工程;由于采集的是时间序列数据,例如,采用监测到的第K、K-1、K-2、……刀的采煤机上、下滚筒在多个监测点的截割高度位置值作为模型的输入,选择第第K+1、K+2、……刀的采煤机上、下滚筒在多个监测点的截割高度位置值作为模型的输出进行训练,以此类推,即通过之前多刀的滚筒高度位置值预测未来两刀或两刀以上的滚筒高度位置值,从而建立采煤机滚筒高度超前两刀预测模型;并选择未来两刀采煤机上下滚筒高度位置值进行预测模型的验证。
本实施例中,通过选取S100所述的采煤机上、下滚筒截割高度位置值,利用所述预测模型,根据时间序列数据预测规则,选择第K、K-1、K-2、……刀的采煤机上下滚筒截割高度预测第K+1、K+2、……刀的采煤机上下滚筒截割高度,可以实现采煤机滚筒高度超前预测。
S600:建立采煤机滚筒截割高度优化模型;其中,优化模型的优化目标为最小化所述各监测点采煤机上滚筒截割高度位置与所述煤层上边界高度位置之差的平方根和所述各监测点采煤机下滚筒截割高度位置与所述煤层下边界高度位置之差的平方根的和,约束条件至少包括采煤机上、下滚筒运行上、下限约束、工作面倾向方向煤层上下边界高度位置约束及采煤机滚筒高度预测模型约束;
S700:根据S500中所述采煤机滚筒高度预测模型预测得到的采煤机滚筒高度值,利用S600中所述采煤机滚筒截割高度优化模型,采用粒子群优化算法、遗传算法、蚁群算法、线性规划算法中的一种或数种进行优化求解,得到采煤机上、下滚筒截割高度位置最优值;
其中,粒子群优化算法、遗传算法、蚁群算法、线性规划算法均为现有技术,在此就不再赘述其具体算法原理。
S800:重复步骤S700,解算出未来多个时刻采煤机上、下滚筒截割高度位置最优值,根据多个时刻采煤机上、下滚筒截割高度位置最优值构建截割最优路径连续规划,得到采煤机截割最优规划路径。
本发明实施例提供综采工作面采煤机自适应跟随煤层截割路径优化方法,通过实时监测采煤机上下滚筒截割高度,获取工作面待采煤层三维分布,重采样待采煤层上下边界高度,离散化待采煤层走向数据,建立采煤机滚筒高度预测模型,并进一步建立采煤机滚筒截割高度优化模型,根据所述采煤机滚筒高度预测模型与采煤机滚筒截割高度优化模型可以得到采煤机滚筒在未来多个时刻的截割高度位置最优值,进而得到采煤机滚筒在未来多个时刻的截割最优路径连续规划,优化采煤机自适应截割煤层路径,使采煤机动态适应围岩空间变化,从而提高采煤自动化水平及效率。
其中,步骤S100种所述传感器可为能获取深度信息的摄像头传感器,也可为激光测距仪一类的传感器,用于获取采煤机上下滚筒截割高度位置。
在一些实施例中,所述步骤S600中的采煤机滚筒截割高度优化模型为:
其中,N为S100中所述布设监测点数量,i为采煤机滚筒在工作面倾向方向布置的第i个监测点;xu(i)和xd(i)分别为第i个监测点的采煤机上、下滚筒截割高度位置值;为工作面倾向方向第i个监测点的煤层上边界高度位置值,为工作面倾向方向第i个监测点的煤层下边界高度位置值;h1和h2分别为采煤机上、下滚筒运行上下限高度;f为S500中所述建立的采煤机滚筒高度预测模型;K为所述采煤机循环割煤刀数;M为设计采高。
在一些实施例中,步骤S600中所述的采煤机滚筒截割高度优化模型的优化目标可替换为所述各监测点采煤机上滚筒截割高度与所述煤层上边界高度之差的绝对值和所述各监测点采煤机下滚筒截割高度与所述煤层下边界高度之差的绝对值的和。
针对俯采工作面和仰采工作面采煤工况,步骤600所述的采煤机滚筒截割高度优化模型的约束条件需要进行修正,在一些实施方式中,所述工作面为俯采工作面或仰采工作面时,所述步骤S600中,所述采煤机滚筒截割高度优化模型的约束条件还包括:各监测点下滚筒在相邻循环截割刀的高度值差约束条件,即|xd(K+1)-xd(K)|≤ΔD;
其中,xd(K)和xd(K+1)分别表示为各监测点下滚筒在第K刀和第K+1刀的截割高度位置值,ΔD为液压支架最大抬底高度。
具体地,若所述工作面为仰采工作面,各监测点下滚筒在相邻循环截割刀的高度值差约束条件为:xd(K+1)≤xd(K)+ΔD,即最终xd(K)的范围为max[h2,xd(K)]≤xd(K+1)≤xd(K)+ΔD;
采煤机上滚筒在相邻循环截割刀的高度值差约束条件调整为:xu(K)≤xu(K+1)≤min[xu(K)+ΔD,h1];
对于仰采工作面,所述采煤机滚筒截割高度优化模型为:
若所述工作面为俯采工作面,各监测点下滚筒在相邻循环截割刀的高度值差约束条件为:xd(K)-ΔD≤xd(K+1)≤max[xd(K)-ΔD,h2];
采煤机上滚筒在相邻循环截割刀的高度值差约束条件调整:min[xu(K)-ΔD,h1]≤xu(K+1)≤xu(K);
则对应俯采工作面,所述采煤机滚筒截割高度优化模型为:
针对具有起伏的工作面,可以将工作面分段进行截割路径优化,具体地,对于存在起伏的工作面,根据煤层走向倾角在不同时刻分段选择不同的采煤机滚筒截割高度优化模型式(1)~式(3),执行步骤S700。
本实施例中,通过根据普通和俯仰工作面三种工况分别提供一套优化模型,这样,当存在工作面起伏变化时,可以对煤层走向倾角在不同时刻分段选择不同的采煤机滚筒截割高度优化模型式(1)~式(3)解算最优高度位置值,根据该方案得到的煤层截割路径规化控制采煤机进行采煤,可以跟随实际煤层变化,达到适应围岩空间变化截割,从而可提高采煤自动化水平及开采效率。
为了帮助理解本发明实施例的技术方案及其技术效果,结合具体实例,根据图1及图2所示的流程对步骤S100-步骤S800中所述的实时监测采煤机上下滚筒截割高度,获取工作面待采煤层三维分布,重采样待采煤层上下边界高度,离散化待采煤层走向数据,建立采煤机滚筒高度预测模型,建立采煤机滚筒截割高度优化模型等步骤进行详细说明如下:
根据本实施例提供的技术方案得到采煤机对应刀的最优截割路径规划进行说明如下:
步骤100:实时监测采煤机上下滚筒截割高度。确定综采工作面倾向方向工设有40个监测点,即采煤机从工作面端头到机尾为循环割煤1刀,可获取维度为1×40的上滚筒截割高度值和维度为1×40的下滚筒截割高度值;
步骤200:获取工作面待采煤层三维分布。通过钻探、物探、巷道素描等透明工作面三维地测数据得到尚未开采的煤层在工作面倾向和走向分布;
步骤300:重采样待采煤层上下边界高度。对于采煤机循环割煤1刀,可得到维度为1×40的煤层上边界高度值和维度为1×40的煤层下边界高度值;
步骤400:离散化待采煤层走向数据。根据采煤机滚筒截深,以所述截深为单位,不断重复步骤300,得到在工作面走向上以所述截深为采样间隔的多组待采煤层上下边界数据,那么对于采煤机循环割煤K=50刀,可得到维度为50×40的煤层上边界高度值和维度为50×40的煤层下边界高度值;
步骤500:建立采煤机滚筒高度预测模型。预先确定预测模型的输入输出特征工程。由于采集的是时间序列数据,采用第1、2、3、4刀的采煤机上滚筒高度值作为模型的输入,选择第5、6刀的采煤机上滚筒高度值作为模型的输出,以此类推,即通过之前四刀的滚筒高度值预测未来两刀的滚筒高度值,从而建立采煤机滚筒高度超前两刀预测模型,并选择第49刀和第50刀采煤机上下滚筒高度进行验证;其中,第49刀和第50刀采煤机上下滚筒高度预测结果见图3,图中,采煤机上、下滚筒高度实际值用带“*”的直线表示,采煤机上、下滚筒高度预测值用带“○”的直线表示;
步骤600:建立采煤机滚筒截割高度优化模型。确定优化目标和约束条件,优化目标为最小化所述各监测点采煤机上滚筒截割高度与所述煤层上边界高度之差的绝对值和所述各监测点采煤机下滚筒截割高度与所述煤层下边界高度之差的绝对值的和。约束条件需至少包括采煤机上、下滚筒运行上、下限约束,工作面倾向方向煤层上下边界高度约束、采煤机滚筒高度预测模型约束,采煤机滚筒截割高度优化模型如下式所示,
其中,设计采高M=310mm,液压支架最大抬底高度ΔD=30mm,采煤机上下滚筒运行上下限高度h1=400mm和h2=10mm。
步骤700:根据步骤500所述采煤机滚筒高度预测模型预测得到的第49刀和第50刀采煤机上下滚筒高度值,利用步骤600所述采煤机滚筒截割高度优化模型,采用MATLAB软件中自带的fmincon线性规划函数进行优化求解,最终得到第49刀和第50刀采煤机上下滚筒连续的最优割煤路径,参看图4。图中,工作面倾向方向的煤层上、下边界高度用带“*”的直线表示,采煤机上、下滚筒高度实际值用带“□”的直线表示,采煤机上、下滚筒高度规划值用带“○”的直线表示,从图4可以看出,第49刀和第50刀采煤机上、下滚筒高度规划值能够给很好地跟随实际煤层变化,即带“○”的直线变化情况基本符合带“*”的直线的变化情况,达到适应围岩空间变化截割。
从图3和图4的对比可以看出,图3中,在未对截割高度位置进行优化之前,第49刀和第50刀采煤机上下滚筒高度预测结果与相应刀实际上、下滚筒高度位置实际曲线偏离距离较大;而在对第49刀和第50刀采煤机上下滚筒高度预测结果利用上述优化模型进行优化之后,如图4所示,第49刀和第50刀采煤机上下滚筒高度预测结果与相应刀实际上、下滚筒高度位置实际曲线基本重合,实验证明:经过本实施例提供的截割规划路径优化方案之后,根据该优化后的截割规划路径进行截割控制,可以达到适应围岩空间变化截割的目的。
综上,本发明实施例提供的技术方案,适用于俯采、仰采以及起伏工作面的自适应煤层截割,适用范围广,并且能够对综采工作面未来多刀的采煤机滚筒截割路径进行连续超前规划,根据该方案得到的最优截割路径,可以使工作面达到最佳的回采效果。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种综采工作面采煤机自适应跟随煤层截割路径优化方法,其特征在于,包括以下步骤:
S100:实时监测采煤机上下滚筒截割高度位置;
S200:获取工作面待采煤层三维分布;所述待采煤层的三维分布包括:煤层沿工作面倾向和走向分布;
S300:沿待采煤层走向重采样待采煤层上、下边界多个点的高度位置;其中,上、边界高度位置以大巷地面为参考基准;
S400:离散化S300中得到的待采煤层走向数据;
S500:根据步骤S100中得到的采煤机上、下滚筒截割高度位置,按照时间序列预测规则建立采煤机滚筒高度预测模型;
S600:建立采煤机滚筒截割高度优化模型;其中,优化模型的优化目标为最小化所述各监测点采煤机上滚筒截割高度位置与所述煤层上边界高度位置之差的平方根和所述各监测点采煤机下滚筒截割高度位置与所述煤层下边界高度位置之差的平方根的和,约束条件至少包括采煤机上、下滚筒运行上、下限约束、工作面倾向方向煤层上下边界高度位置约束及采煤机滚筒高度预测模型约束;
S700:根据S500中所述采煤机滚筒高度预测模型预测得到的采煤机滚筒高度值,利用S600中所述采煤机滚筒截割高度优化模型,采用粒子群优化算法、遗传算法、蚁群算法、线性规划算法中的一种或数种进行优化求解,得到采煤机上、下滚筒截割高度位置最优值;
S800:重复步骤S700,解算出未来多个时刻采煤机上、下滚筒截割高度位置最优值,根据多个时刻采煤机上、下滚筒截割高度位置最优值构建截割最优路径连续规划,得到采煤机截割最优规划路径。
2.根据权利要求1所述的方法,其特征在于,所述步骤S100包括:在综采工作面倾向方向的多个液压支架上等距布设监测点,在所述监测点放置传感器;
利用所述传感器实时监测采煤机上、下滚筒在割煤时经过所述监测点时的高度位置;其中,采煤机从工作面端头到机尾为循环割煤1刀,监测得到维度为1×N的上、下滚筒截割高度位置集,N为正整数,且与液压支架或监测点的数量一致。
3.根据权利要求2所述的方法,其特征在于,所述S300包括:利用S100中等距布置的所述监测点,对在工作面倾向上的待采煤层上、下边界进行离散化和重新采样,获得在多个液压支架处的煤层实际上边界和下边界的高度位置;其中,对于采煤机循环割煤1刀,可得到维度为1×N的煤层上、下边界高度位置值;
所述步骤S400包括:循环截割K刀,根据采煤机滚筒截深,以所述截深为单位,不断重复S300,得到在工作面走向上以所述截深为采样间隔的多组待采煤层上、下边界数据;其中,K>1,且K为整数,所述多组待采煤层上、下边界数据构成维度为K×N的煤层上、下边界高度位置值集。
4.根据权利要求1所述的方法,其特征在于,在步骤S800之后,所述方法还包括:根据得到采煤机截割最优规划路径,自动控制采煤机沿所述最优规划路径截割煤体。
6.根据权利要求1所述的方法,其特征在于,步骤S600中所述的采煤机滚筒截割高度优化模型的优化目标可替换为所述各监测点采煤机上滚筒截割高度与所述煤层上边界高度之差的绝对值和所述各监测点采煤机下滚筒截割高度与所述煤层下边界高度之差的绝对值的和。
7.根据权利要求1所述的方法,其特征在于,所述工作面为俯采工作面或仰采工作面时,所述步骤S600中,所述采煤机滚筒截割高度优化模型的约束条件还包括:
各监测点下滚筒在相邻循环截割刀的高度值差约束条件,即|xd(K+1)-xd(K)|≤ΔD,xd(K)和xd(K+1)分别表示为各监测点下滚筒在第K刀和第K+1刀的截割高度位置值,ΔD为液压支架最大抬底高度。
10.根据权利要求7或8所述的方法,其特征在于,对于存在起伏的工作面,根据煤层走向倾角在不同时刻分段选择不同的采煤机滚筒截割高度优化模型,执行步骤S700。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111212111.5A CN114091233B (zh) | 2021-10-18 | 2021-10-18 | 综采工作面采煤机自适应跟随煤层截割路径优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111212111.5A CN114091233B (zh) | 2021-10-18 | 2021-10-18 | 综采工作面采煤机自适应跟随煤层截割路径优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114091233A true CN114091233A (zh) | 2022-02-25 |
CN114091233B CN114091233B (zh) | 2024-03-08 |
Family
ID=80297422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111212111.5A Active CN114091233B (zh) | 2021-10-18 | 2021-10-18 | 综采工作面采煤机自适应跟随煤层截割路径优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114091233B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115526432A (zh) * | 2022-11-04 | 2022-12-27 | 上海伯镭智能科技有限公司 | 一种无人驾驶矿车的能源优化方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109630110A (zh) * | 2019-01-18 | 2019-04-16 | 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 |
CN111485880A (zh) * | 2020-04-14 | 2020-08-04 | 北京龙软科技股份有限公司 | 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 |
CN112832761A (zh) * | 2020-11-12 | 2021-05-25 | 临沂矿业集团菏泽煤电有限公司 | 一种煤矿综采工作面采煤机与地质模型的耦合系统 |
WO2021184614A1 (zh) * | 2020-03-14 | 2021-09-23 | 天地科技股份有限公司 | 一种用于复杂条件工作面的综采装备智能决策控制方法及系统 |
-
2021
- 2021-10-18 CN CN202111212111.5A patent/CN114091233B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109630110A (zh) * | 2019-01-18 | 2019-04-16 | 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 |
WO2021184614A1 (zh) * | 2020-03-14 | 2021-09-23 | 天地科技股份有限公司 | 一种用于复杂条件工作面的综采装备智能决策控制方法及系统 |
CN111485880A (zh) * | 2020-04-14 | 2020-08-04 | 北京龙软科技股份有限公司 | 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 |
CN112832761A (zh) * | 2020-11-12 | 2021-05-25 | 临沂矿业集团菏泽煤电有限公司 | 一种煤矿综采工作面采煤机与地质模型的耦合系统 |
Non-Patent Citations (1)
Title |
---|
牛文洪;: "基于分布预测的采煤机截割路径规划系统研究", 机械管理开发, no. 03, 31 March 2019 (2019-03-31), pages 35 - 37 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115526432A (zh) * | 2022-11-04 | 2022-12-27 | 上海伯镭智能科技有限公司 | 一种无人驾驶矿车的能源优化方法及装置 |
CN115526432B (zh) * | 2022-11-04 | 2023-04-18 | 上海伯镭智能科技有限公司 | 一种无人驾驶矿车的能源优化方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114091233B (zh) | 2024-03-08 |
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 | |
CN108868807B (zh) | 盾构掘进纠偏的智能控制方法 | |
CN109630110B (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 | |
CN106089201B (zh) | 一种用于无人化采煤工作面的截割路径规划方法 | |
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 | |
CN114412459B (zh) | 一种智能化综采工作面采煤机少传感无示教自动截割方法 | |
CN106295873B (zh) | 一种面向采煤机记忆截割的灰色马尔可夫链轨迹预测方法 | |
CN103362507B (zh) | 一种提高采煤机记忆截割执行精度的方法 | |
CN112883559A (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 | |
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 | |
CN114091233A (zh) | 综采工作面采煤机自适应跟随煤层截割路径优化方法 | |
CN112001982A (zh) | 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 | |
CN116108696B (zh) | 一种采煤机截割滚筒的高度路径规划方法 | |
CN113803069B (zh) | 智能化综放工作面采煤机无示教记忆截割系统及方法 | |
CN113128078B (zh) | 一种综采工作面的采煤机后滚筒自适应截割路径规划方法 | |
CN115773127A (zh) | 一种泥水平衡盾构智能决策方法、系统、设备及介质 | |
CN106256991B (zh) | 一种采煤机记忆截割与记忆定位联合学习方法 | |
CN109236292A (zh) | 一种掘进机截割轨迹规划系统与方法 | |
CN113282053A (zh) | 一种悬臂式掘进机自动截割控制系统 | |
CN114357637B (zh) | 复杂起伏变化煤层工作面采煤机自适应截割路径优化方法 | |
CN112926154B (zh) | 开采模型优化方法、系统、设备及可读存储介质 | |
CN106194180B (zh) | 基于滑窗与灰色马尔可夫链的采煤机调高轨迹预测方法 | |
JP2022143625A (ja) | シールド掘進機の施工管理方法 | |
Dong et al. | A Virtual Planning Method for Spatial Pose and Performance Fusion Advancement of Mining and Transportation Equipment in Complex Geological Environment |
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 |