CN114677054A - 一种基于数字孪生的煤矿井下人员及物资调度方法 - Google Patents
一种基于数字孪生的煤矿井下人员及物资调度方法 Download PDFInfo
- Publication number
- CN114677054A CN114677054A CN202210476275.7A CN202210476275A CN114677054A CN 114677054 A CN114677054 A CN 114677054A CN 202210476275 A CN202210476275 A CN 202210476275A CN 114677054 A CN114677054 A CN 114677054A
- Authority
- CN
- China
- Prior art keywords
- personnel
- scheduling
- coal mine
- model
- underground
- 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.)
- Pending
Links
- 239000000463 material Substances 0.000 title claims abstract description 228
- 239000003245 coal Substances 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000008569 process Effects 0.000 claims abstract description 36
- 230000001360 synchronised effect Effects 0.000 claims abstract description 14
- 238000003745 diagnosis Methods 0.000 claims abstract description 7
- 238000012544 monitoring process Methods 0.000 claims description 58
- 238000004088 simulation Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 5
- 230000008054 signal transmission Effects 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063118—Staff planning in a project environment
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数字孪生的煤矿井下人员及物资调度方法，包括如下步骤，S1.构建煤矿井下人员及物资调度系统的数字孪生模型；S2.对煤矿井下人员及物资调度系统的数字孪生模型进行更新，获取实时同步的煤矿井下人员及物资调度系统数字孪生模型；S3.基于实时同步的煤矿井下人员及物资调度系统数字孪生模型，通过构建物流模型和运输模型开展调度预测，预测目标运输系统未来一天的人员及物资调度过程，并根据预测结果结合专家故障诊断系统对调度形势进行诊断推理，制定出目标运输系统当前调度策略的调整预案。优点是：弥补现有的煤矿井下人员及物资调度方法无法实时反映人员及物资调度过程、物资需求预测精度不够高的缺陷；基于反馈的实时数据对所得的调度结果进行分析推断，能够及时对现有调度策略进行调整，提高了调度效率。
Description
技术领域
本发明涉及煤矿井下人员及物资调度技术领域，具体涉及一种基于数字孪生的煤矿井下人员及物资调度方法。
背景技术
煤矿资源是我国的基础性保障能源，矿山生产效率的高低直接影响着我国能源的供给。煤矿运输系统的调度贯穿矿山生产全过程，其调度质量决定矿山生产效率。随着煤炭行业的发展以及对煤炭需求量的增加，各地区地下煤矿的发展规模不断扩大，需要运送的人员、物料、设备等逐渐增多，所需的运输车辆也逐渐增多。但由于井下巷道窄、岔道多、空间有限，车辆本身体积较大，当车辆无序运行时，极易产生堵塞甚至相撞等情况，进而造成井下辅助运输系统的瘫痪。
目前，煤矿井下调度方式主要为预测调度。预测调度就是调度人员对各类物资的日需求水平的升降趋势、完成人员、物资运输任务的可靠性以及运输过程中可能遇到的突发故障进行预测，提前做好调度方案，制定预防和解决突发故障的决策。目前，针对运输系统突发故障事件采用的是专家系统故障诊断，通过构建专家知识库与意见库，将突发故障与知识库中的案例事件进行匹配，并给出故障处理意见。虽然预测调度一定程度上能优化调度策略，但预测调度也存在一些不足之处：预测调度的工作机制简单，以基层生产数据为基础，需要调度人员人工收集、汇报与总结，且调度过程需要人工干预调度，难以实现智能化调度；调度员下达运输指令后，司机根据自身经验，选择自己熟悉的路线完成运输任务。势必导致运输过程中部分运输线路被过度占用、部分线路的使用率低；调度员无法实时跟踪矿车的运行状况，矿车司机也无法获取运行线路前后方其它矿车的运行情况，这必然导致调度效率底下，容易引发运输事故。
发明内容
本发明的目的在于提供一种基于数字孪生的煤矿井下人员及物资调度方法，从而弥补现有技术中存在的不足。
为了实现上述目的，本发明采用的技术方案如下：
一种基于数字孪生的煤矿井下人员及物资调度方法，煤矿井下人员及物资调度方法针对煤矿井下人员及物资调度系统进行，所述煤矿井下人员及物资调度系统包括目标运输系统的运输巷道、车辆以及井下自动化转载设备等；所述煤矿井下人员及物调度方法包括如下步骤：
S1.构建煤矿井下人员及物资调度系统的数字孪生模型；
S2.对煤矿井下人员及物资调度系统的数字孪生模型进行更新，获取实时同步的煤矿井下人员及物资调度系统数字孪生模型；
S3.基于实时同步的煤矿井下人员及物资调度系统数字孪生模型，通过构建物流模型和运输模型开展调度预测，预测目标运输系统未来一天的人员及物资调度过程，并根据预测结果结合专家故障诊断系统对调度形势进行诊断推理，制定出目标运输系统当前调度策略的调整预案。
步骤S1具体包括如下内容，
S11.构建煤矿井下人员及物资调度系统的几何模型，所述几何模型的特征包括目标煤矿井下人员及物资调度系统的高程特征、尺寸特征和结构特征；
S12.基于煤矿井下人员及物资调度系统的几何模型构建出煤矿井下人员及物资调度系统的物理模型，所述煤矿井下人员及物资调度系统的物理模型包括人员、物料位置物理模块、车辆动态信息物理模块、井下设备状况物理模块；所述人员、物料位置物理模块包括人员、物料定位参数、物资种类参数和距离终点参数；所述车辆动态信息物理模块包括车辆的位置参数、行驶速度参数、载重参数；所述井下自动化转载设备状况物理模块包括电气参数、定位参数和识别参数；
S13.基于煤矿井下人员及物资调度系统的物理模型构建出煤矿井下人员及物资调度系统的运行行为模型，所述运行行为模型包括车辆及井下自动化转载设备运行模块、信号传输模块和人员及物资运输系统当前调度策略。
优选的，步骤S2具体包括如下内容，
S21.实时获取煤矿井下人员及物资调度系统的系统状态数据；
S22.提取实时获取的系统状态数据，基于所构建的运行行为模型中的人员及物资运输系统当前调度策略，对人员及物资运输过程进行分析规划，模拟出煤矿井下人员及物资调度系统的数字孪生数据；
S23.利用在井下布置的位置、速度和载重监测装置，实时获取煤矿井下人员及物资调度系统的监测信息；
S24.将实时获取的监测信息匹配到所构建的数字孪生模型中，并将数字孪生模型模拟出的历史数字孪生数据上传到数据库中，基于数字孪生数据的分析对数字孪生模型中的模拟数据进行实时更新；
S25.对比更新所得的数字孪生模型与煤矿井下人员及物资调度运行的实时结果，计算模拟结果与实际结果的差值，利用遗传算法对数字孪生模型内部参数进行实时的动态整顿，从而构建实时同步的煤矿井下人员及物资调度系统数字孪生模型。
所述系统状态数据包括人员及物资位置监测系统状态数据、车辆动态信息监测系统状态数据、井下自动化转载设备监测系统状态数据；所述人员及物资位置监测系统状态数据包括位置感知传感器、信息收集与传输装置和位置解算模块状态数据；所述车辆动态信息监测系统状态数据包括位置数据监测采集模块、速度传感器模块、载重信息监测状态数据；所述井下自动化转载设备监测系统状态数据包括供电电源功率、设备位姿、协同和感知数据。
所述煤矿井下人员及物资调度系统的实时监测信息包括矿井工业广场物资监测信息、目标需求点运输巷道物流监测信息、目标需求点所得物资监测信息；矿井工业广场物资监测信息包括工业广场物资种类和数目变化情况；目标需求点运输巷道物流监测信息包括物资出入各运输巷道分支实时监测信息和运输人员、车辆更换监测信息；目标需求点所得物资监测信息包括目标需求点所得物资种类和数目变化情况。
步骤S3具体包括如下内容，
S31.基于实时同步的煤矿井下人员及物资调度系统数字孪生模型，通过实时获取的煤矿井下人员及物资的位置、种类和距离数据，采用数值分析的方法对物流模型和运输模型进行循环模拟，以构建数值稳定的物流模型和运输模型；并基于实时的煤矿井下人员及物资的位置、种类和距离等数据反复修正稳定的物流模型和运输模型中的参数，构建出参数最优的物流模型和运输模型；
S32.利用所预测的目标需求点未来一日的物资需求数据，驱动参数最优的物流模型和运输模型，开展调度预报，并分析出目标需求点未来一日的实时各运输巷道分支物流出入过程情况；
S33.对虚实映射的煤矿井下人员及物资调度系统数字孪生模型进行分析，提取时域特征、动态特征和运输特征，基于煤矿井下人员及物资当前调度策略对物资需求点未来一日的各运输巷道分支物流出入过程进行推断分析，得出两种相对立的煤矿井下人员及物资调度结果；
S34.基于得出的两种人员及物资调度结果对调度形势进行分析，若调度结果呈现调度时间超过原定时间或调度的物资数目没有达到目标需求点的需求量，说明调度过程出现故障，提示有关决策人员应当对目标人员及物资运输系统的当前调度策略进行调整，降低调度故障风险，调整目标人员及物资运输系统的当前调度策略；若调度结果呈现调度时间、物资调度数量均达到原定标准，则提示有关决策人员目标人员及物资运输系统的当前调度策略可行。
步骤S32具体为，采集目标需求点过去一周的物料需求数据，并将通过预测算法构建相应数学模型，预测出目标需求点未来一天的物料需求数据；基于所预测的目标需求点未来一天的物料需求数据制定未来实时订单报表，再将未来一天的实时订单报表数据输入物流模型和运输模型中，进行模型预报，获取目标需求点未来一日各运输巷道分支物流入过程情况；
本发明的有益效果如下：
1、能够弥补现有煤矿井下人员及物资调度方法无法实时反映人员及物资调度过程、物资需求预测精度不够高的缺陷。
2、基于反馈的实时数据对调度结果进行分析推断，能够及时对现有调度策略进行调整，提高了调度效率。
3、基于所构建的数字孪生模型，可实时获取目标需求点各运输巷道分支的人员及物资实时调度信息，提高了物流模型的模拟精度。
4、物流及运输模型实时保持稳定初态，具有最优参数，提高了预报精度。
5、在人员及物资运输的基础上可将该数字孪生系统应用于煤炭的开采及运输上，使得煤矿管控系统更全面。
附图说明
图1是本发明实施井下人员及物资调度方法的流程图；
图2是本发明构建数字孪生模型的流程图；
图3是本发明数字孪生模型跟踪与更新的流程图；
图4是本发明构建调度模型的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本实施例中，提供了一种基于数字孪生的煤矿井下人员及物资调度方法，煤矿井下人员及物资调度方法针对煤矿井下人员及物资调度系统进行，所述煤矿井下人员及物资调度系统包括目标人员及物资运输系统的运输巷道、车辆以及井下定位设备等；所述煤矿井下人员及物资调度方法包括如下步骤，
S1.构建煤矿井下人员及物资调度系统的数字孪生模型；
S2.对煤矿井下人员及物资调度系统的数字孪生模型进行更新，获取实时同步的煤矿井下人员及物资调度系统数字孪生模型；
S3.基于实时同步的煤矿井下人员及物资调度系统数字孪生模型，利用物流模型和运输模型开展调度预测，预测目标运输系统未来一日的人员及物资调度过程，并根据预测结果结合专家故障诊断系统对调度形势进行诊断推理，制定出目标运输系统当前调度策略的调整预案。
在本实施例中，从上述方法过程，可以看出本发明提供的调度方法主要包括三个部分内容，分别为：数字孪生模型的构建、数字孪生模型的更新、煤矿井下人员及物资调度过程的预测以及煤矿井下人员及物资调度策略的调整；下面依次对这三个部分的内容详细说明。
一、数字孪生模型的构建
该部分对应步骤S1，步骤S1具体包括如下内容，
S11.构建煤矿井下人员及物资调度系统的几何模型，所述几何模型的特征包括目标煤矿井下人员及物资调度系统的高程特征、尺寸特征和结构特征；
所述几何模型的建模对象为煤矿井下人员及物资调度系统，该煤矿井下人员及物资调度系统包括目标人员及物资运输系统的运输巷道、车辆以及井下自动化转载设备等；几何模型的特征包括高程特征、尺寸特征和结构特征；目标运输巷道的高程特征可通过实地测量、摄影测量、扫描现有地形图等方法进行提取；车辆以及井下自动化转载设备的尺寸和结构特征可通过三维激光雷达扫描获取；
S12.基于煤矿井下人员及物资调度系统的几何模型构建煤矿井下人员及物资调度系统的物理模型，所述煤矿井下人员及物资调度系统的物理模型包括人员、物料位置物理模块、车辆动态信息物理模块、井下自动化转载设备状况物理模块；所述人员、物料位置物理模块包括人员、物料定位参数、物资种类参数和距离终点参数；所述车辆动态信息物理模块包括车辆的位置参数、行驶速度参数、载重参数；所述井下自动化转载设备状况物理模块包括电气参数、定位参数和识别参数；
人员、物料定位参数可以通过RFID定位技术进行监测，物资种类参数可采用动态编码技术获取，距终点参数可基于定位技术采用RSSI测距算法计算获得。车辆的位置参数可通过UWB定位技术进行监测，行驶速度参数可采用速度传感器进行监测，载重参数可采用压力传感器获取。电气参数、定位参数和识别参数可基于井下实际设备型号及其各类传感器获取。
S13.基于煤矿井下人员及物资调度系统的物理模型构建煤矿井下人员及物资调度系统的运行行为模型，所述运行行为模型包括车辆及井下自动化转载设备运行模块、信号传输模块和人员及物资运输系统当前调度策略。
运行行为模型包括车辆及井下自动化转载设备运行模块、信号传递模块和人员及物资运输系统当前调度策略。在所构建的煤矿井下人员及物资调度系统的几何模型及物理模型基础上，基于煤矿井下人员及物资调度系统的几何特征、物理特征以及人员及物资运输系统的当前调度策略，即可模拟煤矿井下人员及物资调度过程，再根据信号传输和车辆及井下自动化转载设备运行信息的反馈，即可针对调度形势进行分析、决断。
二、数字孪生模型的跟踪与更新
该部分的核心内容为：实时获取煤矿井下人员及物资调度系统的系统状态数据，根据运行行为模型对煤矿井下人员及物资调度系统的逻辑进行分析，基于逻辑分析结果对运行流程和系统响应进行模拟，进而得出煤矿井下人员及物资调度系统的数字孪生模拟数据。采用各种类型的数据监测装置进行实时采集，并将采集到的数据信息与数字孪生模型进行匹配，并将数字孪生模型中产生的历史数到数据库中，通过对数字孪生模型模拟出的数据进行分析，实时更新数字孪生模型中的数据，调整数字孪生模型的内部参数，构建实时数字孪生模型。
该部分内容对应步骤S2，步骤S2具体包括如下内容，
S21.实时获取煤矿井下人员及物资调度系统的系统状态数据；
所述系统状态数据包括人员及物资位置监测系统状态数据、车辆动态信息监测系统状态数据、井下自动化转载设备监测系统状态数据；所述人员及物资位置监测系统状态数据包括位置感知传感器、信息收集与传输装置和位置解算模块状态数据，实时自动读取、传输、处理数据；所述车辆动态信息监测系统状态数据包括位置数据监测采集模块、速度传感器模块、载重信息监测状态数据，实时自动读取数据；所述井下自动化转载设备监测系统状态数据包括供电电源功率、位移、倾角传感器、位姿参数计算模块、多传感器融合模块和专用AI摄像状态数据，实时自动读取数据。
S22.提取实时获取的系统状态数据，基于所构建的运行行为模型中的人员及物资运输系统当前调度策略，对人员及物资运输过程进行分析规划，模拟出煤矿井下人员及物资调度系统的数字孪生数据；
其中，对人员及物资运输过程的分析规划过程需要考虑目标需求点的调度时间约束、需求量约束等约束条件。
S23.利用在井下布置的位置、速度和载重监测装置，实时获取煤矿井下人员及物资调度系统的监测信息；
所述煤矿井下人员及物资调度系统的监测信息包括矿井工业广场物资监测信息、目标需求点运输巷道物流监测信息、目标需求点所得物资监测信息；矿井工业广场物资监测信息包括工业广场物资种类和数目变化情况，实时自动采取数据；目标需求点运输巷道物流监测信息包括物资出入各运输巷道分支实时监测信息和运输人员、车辆更换监测信息，实时自动读取监测信息；目标需求点所得物资监测信息包括目标需求点所得物资种类和数目变化情况，实时自动采集数据。
分析采集所得的数据信息，对异常数据形进行修正，以保证实时采集所得的数据的可靠度。
S24.将实时获取的监测信息匹配到所构建的数字孪生模型中，并将数字孪生模型模拟出的历史数字孪生数据上传到数据库中，基于数字孪生数据的分析对数字孪生模型中的模拟数据进行实时更新；
S25.对比更新所得的数字孪生模型与煤矿井下人员及物资调度运行的实时结果，计算模拟结果与实际结果的差值，利用遗传算法对数字孪生模型内部参数进行实时的动态整顿，从而构建实时同步的煤矿井下人员及物资调度系统数字孪生模型。
三、煤矿井下人员及物资调度过程预测以及调度策略调整
该部分的核心内容为采集目标需求点过去一周的物料需求数据，并通过预测算法构建相应的数学模型，基于目标需求点过去一周的物料需求数据，通过所构建的预测数学模型预测出目标需求点未来一天物料需求数据。在稳定的物流模型基础上，利用预测出的物料需求数据驱动物流模型和运输模型开展模型预报，预测出井下未来一日的人员及物资调度过程，并根据预测结果对调度形势进行诊断推理，制定出人员及物资调度策略的调整预案。
该部分对应步骤S3，步骤S3具体包括如下内容，
S31.基于实时同步的煤矿井下人员及物资调度系统数字孪生模型，通过实时获取的煤矿井下人员及物资的位置、种类和距离数据，采用数值分析的方法对物流模型和运输模型进行循环模拟，以构建数值稳定的物流模型和运输模型；并基于实时的煤矿井下人员及物资的位置、种类和距离等数据反复修正稳定的物流模型和运输模型中的参数，构建出参数最优的物流模型和运输模型；
将实时采集的煤矿井下人员及物资的位置、种类等数据输入物流模型和运输模型，进行循环分析模拟，并为下一次模拟提供稳定的初态。根据实时采集得到的参数反复修正物流模型和运输模型中的模拟参数，使模型中的模拟参数最优化，构建最优参数的物流模型和运输模型。
S32.利用所预测的目标需求点未来一日的物资需求数据，驱动参数最优的物流模型和运输模型，开展调度预报，并分析出目标需求点未来一日的各运输巷道分支物流实时出入过程情况；
在物流模型和运输模型的状态为最优化的前提下，读取数据库中目标需求点过去一周的物料需求数据，并将通过神经网络预测算法构建相应数学模型，预测出目标需求点未来一日的物料需求数据。并采用插值的方法对该数据进行处理，使其变化趋势与数据库的数据变化趋势相似；
S33.对虚实映射的煤矿井下人员及物资调度系统数字孪生模型进行分析，提取时域特征、动态特征和运输特征，基于煤矿井下人员及物资当前调度策略对目标需求点未来一日的各运输巷道分支物流出入过程进行推断分析，得出两种相对立的煤矿井下人员及物资调度结果；
根据未来一日的各运输巷道分支物流出入过程，采用目标人员及物料运输系统当前的调度策略对未来一周的人员及物资调度过程进行分析规划，井下人员及物资调度决策人员可根据调度结果对调度形势进行分析、决断。
S34.基于得出的两种人员及物资调度结果对调度形势进行分析，若调度结果呈现调度时间超过原定时间或调度的物资数目没有达到目标需求点的需求量，说明调度过程出现故障，提示有关决策人员应当对目标人员及物资运输系统的当前调度策略进行调整，降低调度故障风险，调整目标人员及物资运输系统的当前调度策略；若调度结果呈现调度时间、物资调度数量均达到原定标准，则提示有关决策人员目标人员及物资运输系统的当前调度策略可行。
当调度过程出现故障，采用人员及物资运输专家系统进行诊断，并制定出应急响应预案。专家系统数据库包括了案例库、意见库。案例库可对井下设备故障、车辆维保、路线异常等调度故障因素进行诊断；意见库可针对这些故障制定出关于相应的应对预案，实现对故障的及时处理。为决策人员提供最优的调度规划，降低调度故障风险率、提高调度综合效益。
通过采用本发明公开的上述技术方案，得到了如下有益的效果：
本发明公开了一种基于数字孪生的煤矿井下人员及物资调度方法，该方法能够弥补现有的煤矿井下人员及物资调度方法无法实时反映人员及物资调度过程、物资需求预测精度不够高的缺陷；基于反馈的实时数据对所得的调度结果进行分析推断，能够及时对现有调度策略进行调整，提高了调度效率。基于所构建的数字孪生模型，可实时获取目标需求点各运输巷道分支的人员及物资实时调度信息，提高了物流模型的模拟精度。并且物流及运输模型时刻保持着稳定的初态，并且具有最优参数，可以直接启动模型，能够提高预报精度。在人员及物资运输的基础上可将该数字孪生系统应用于煤炭的开采及运输上，使得煤矿管控系统更全面。
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本发明的保护范围。
Claims (7)
1.一种基于数字孪生的煤矿井下人员及物资调度方法，煤矿井下人员及物资调度方法针对煤矿井下人员及物资调度系统进行，所述煤矿井下人员及物资调度系统包括目标运输系统的运输巷道、运输车辆以及井下自动化转载设备等；所述煤矿井下人员及物调度方法包括如下步骤，
S1.构建煤矿井下人员及物资调度系统的数字孪生模型；
S2.对煤矿井下人员及物资调度系统的数字孪生模型进行更新，获取实时同步的煤矿井下人员及物资调度系统数字孪生模型；
S3.基于实时同步的煤矿井下人员及物资调度系统数字孪生模型，利用物流模型和运输模型开展调度预测，预测目标运输系统未来一天的人员及物资调度过程，并根据预测结果结合专家故障诊断系统对调度形势进行诊断推理，制定出目标运输系统当前调度策略的调整预案。
2.根据权利要求1所述的基于数字孪生的煤矿井下人员及物资调度方法，其特征在于：步骤S1具体包括如下内容，
S11.构建煤矿井下人员及物资调度系统的几何模型，所述几何模型的特征包括目标煤矿井下人员及物资调度系统的高程特征、尺寸特征和结构特征；
S12.基于煤矿井下人员及物资调度系统的几何模型构建煤矿井下人员及物资调度系统的物理模型，所述煤矿井下人员及物资调度系统的物理模型包括人员、物料位置物理模块、车辆动态信息物理模块、井下自动化转载设备状况物理模块；所述人员、物料位置物理模块包括人员、物料定位参数、物资种类参数和距离终点参数；所述车辆动态信息物理模块包括车辆的位置参数、行驶速度参数、载重参数；所述井下自动化转载设备状况物理模块包括电气参数、定位参数和识别参数；
S13.基于煤矿井下人员及物资调度系统的物理模型构建煤矿井下人员及物资调度系统的运行行为模型，所述运行行为模型包括车辆及井下自动化转载设备运行模块、信号传输模块和人员及物资运输系统当前调度策略。
3.根据权利要求2所述的基于数字孪生的煤矿井下人员及物资调度方法，其特征在于：步骤S2具体包括如下内容，
S21.实时获取煤矿井下人员及物资调度系统的系统状态数据；
S22.提取实时获取的系统状态数据，基于所构建的运行行为模型中的人员及物资运输系统当前调度策略，对人员及物资运输过程进行分析规划，模拟出煤矿井下人员及物资调度系统的数字孪生数据；
S23.利用在井下布置的位置、速度和载重监测装置，实时获取煤矿井下人员及物资调度系统的监测信息；
S24.将实时获取的监测信息匹配到所构建的数字孪生模型中，并将数字孪生模型模拟出的历史数字孪生数据上传到数据库中，基于数字孪生数据的分析对数字孪生模型中的模拟数据进行实时更新；
S25.对比更新所得的数字孪生模型与煤矿井下人员及物资调度运行的实时结果，计算模拟结果与实际结果的差值，利用遗传算法对数字孪生模型内部参数进行实时的动态整顿，从而构建实时同步的煤矿井下人员及物资调度系统数字孪生模型。
4.根据权利要求3所述的基于数字孪生的煤矿井下人员及物资调度方法，其特征在于：所述系统状态数据包括人员及物资位置监测系统状态数据、车辆动态信息监测系统状态数据、井下自动化转载设备监测系统状态数据；所述人员及物资位置监测系统状态数据包括位置感知传感器、信息收集与传输装置和位置解算模块状态数据；所述车辆动态信息监测系统状态数据包括位置数据监测采集模块、速度传感器模块、载重信息监测状态数据；所述井下自动化转载设备监测系统状态数据包括供电电源功率、位移、倾角传感器、位姿参数计算模块、多传感器融合模块和专用AI摄像状态数据。
5.根据权利要求3所述的基于数字孪生的煤矿井下人员及物资调度方法，其特征在于：所述煤矿井下人员及物资调度系统的实时监测信息包括矿井工业广场物资监测信息、目标需求点运输巷道物流监测信息、目标需求点所得物资监测信息；矿井工业广场物资监测信息包括工业广场物资种类和数目变化情况；目标需求点运输巷道物流监测信息包括物资出入各运输巷道分支实时监测信息和运输人员、车辆更换监测信息；目标需求点所得物资监测信息包括目标需求点所得物资种类和数目变化情况。
6.根据权利要求3所述的基于数字孪生的煤矿井下人员及物资调度方法，其特征在于：步骤S3具体包括如下内容，
S31.基于实时同步的煤矿井下人员及物资调度系统数字孪生模型，通过实时获取的煤矿井下人员及物资的位置、种类和距离数据，采用数值分析的方法对物流模型和运输模型进行循环模拟，以构建数值稳定的物流模型和运输模型；并基于实时的煤矿井下人员及物资的位置、种类和距离等数据反复修正稳定的物流模型和运输模型中的参数，构建出参数最优的物流模型和运输模型；
S32.利用所预测的目标需求点未来一日的物资需求数据，驱动参数最优的物流模型和运输模型，开展调度预报，并分析出目标需求点未来一日的实时各运输巷道分支物流出入过程情况；
S33.对虚实映射的煤矿井下人员及物资调度系统数字孪生模型进行分析，提取时域特征、动态特征和运输特征，基于煤矿井下人员及物资当前调度策略对物资需求点未来一日的各运输巷道分支物流出入过程进行推断分析，得出两种相对立的煤矿井下人员及物资调度结果；
S34.基于得出的两种人员及物资调度结果对调度形势进行分析，若调度结果呈现调度时间超过原定时间或调度的物资数目没有达到目标需求点的需求量，说明调度过程出现故障，提示有关决策人员应当对目标人员及物资运输系统的当前调度策略进行调整，降低调度故障风险，调整目标人员及物资运输系统的当前调度策略；若调度结果呈现调度时间、物资调度数量均达到原定标准，则提示有关决策人员目标人员及物资运输系统的当前调度策略可行。
7.根据权利要求6所述的基于数字孪生的煤矿井下人员及物资调度方法，其特征在于：步骤S32具体为，采集目标需求点过去一周的物料需求数据，并将通过神经网络预测算法构建相应数学模型，预测出目标需求点未来一日的物料需求数据；基于所预测的目标需求点未来一天的物料需求数据制定未来实时订单报表，再将未来一天的实时订单报表数据输入物流模型和运输模型中，进行模型预报，获取目标需求点未来一日各运输巷道分支物流入过程情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210476275.7A CN114677054A (zh) | 2022-04-29 | 2022-04-29 | 一种基于数字孪生的煤矿井下人员及物资调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210476275.7A CN114677054A (zh) | 2022-04-29 | 2022-04-29 | 一种基于数字孪生的煤矿井下人员及物资调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114677054A true CN114677054A (zh) | 2022-06-28 |
Family
ID=82079301
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210476275.7A Pending CN114677054A (zh) | 2022-04-29 | 2022-04-29 | 一种基于数字孪生的煤矿井下人员及物资调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114677054A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115270532A (zh) * | 2022-09-29 | 2022-11-01 | 山东新矿信息技术有限公司 | 一种基于矿井智能化的数据处理方法及系统 |
| CN115762212A (zh) * | 2022-11-14 | 2023-03-07 | 太原工业学院 | 多子系统融合的煤矿辅助运输智能化集成调度指挥系统 |
| CN116187729A (zh) * | 2023-05-04 | 2023-05-30 | 山东捷瑞数字科技股份有限公司 | 基于数字孪生的资源调度方法、装置、设备及存储介质 |
| CN116933409A (zh) * | 2023-06-14 | 2023-10-24 | 江苏海洋大学 | 一种面向数字孪生的煤矿井下设备模型压缩设计方法 |
-
2022
- 2022-04-29 CN CN202210476275.7A patent/CN114677054A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115270532A (zh) * | 2022-09-29 | 2022-11-01 | 山东新矿信息技术有限公司 | 一种基于矿井智能化的数据处理方法及系统 |
| CN115270532B (zh) * | 2022-09-29 | 2022-12-23 | 山东新矿信息技术有限公司 | 一种基于矿井智能化的数据处理方法及系统 |
| CN115762212A (zh) * | 2022-11-14 | 2023-03-07 | 太原工业学院 | 多子系统融合的煤矿辅助运输智能化集成调度指挥系统 |
| CN116187729A (zh) * | 2023-05-04 | 2023-05-30 | 山东捷瑞数字科技股份有限公司 | 基于数字孪生的资源调度方法、装置、设备及存储介质 |
| CN116933409A (zh) * | 2023-06-14 | 2023-10-24 | 江苏海洋大学 | 一种面向数字孪生的煤矿井下设备模型压缩设计方法 |
| CN116933409B (zh) * | 2023-06-14 | 2024-05-07 | 江苏海洋大学 | 一种面向数字孪生的煤矿井下设备模型压缩设计方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114677054A (zh) | 一种基于数字孪生的煤矿井下人员及物资调度方法 | |
| CN107589695B (zh) | 一种列车组故障预测与健康管理系统 | |
| CN112085261B (zh) | 基于云端融合和数字孪生技术的企业生产现状诊断方法 | |
| CN114626615B (zh) | 一种生产过程监控管理方法及系统 | |
| CN114072825A (zh) | 使用数字孪生监测、预测和维护铁路元素的状况 | |
| CN114139949A (zh) | 基于边缘计算与机器学习的轨道交通智能运维系统及方法 | |
| CN116501002B (zh) | 智慧码头载运危险货物集装箱agv安全诱导配置方法 | |
| CN115526375A (zh) | 一种航天装备预测性维护系统 | |
| CN116843071A (zh) | 一种用于智慧港口的运输网络运行指数预测方法及装置 | |
| CN114283590B (zh) | 车流量高峰预测方法及装置、电子设备 | |
| CN116754022B (zh) | 电缆隧道的在线检测应急预警方法及系统 | |
| CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
| Rosyidi et al. | Predictive maintenance with PCA approach for multi automated railroad crossing system (ARCS) in the framework of prognostic and health management (PHM) planning | |
| CN116524720A (zh) | 一种基于5g技术的一体化车联网智慧交通管理控制系统 | |
| CN117094056A (zh) | 一种城市地下环路数字孪生智能建造方法及系统 | |
| CN116629726A (zh) | 一种精密铜管包装车间的环境监测管理方法及系统 | |
| CN116957531A (zh) | 基于状态感知的轨道交通智慧运维系统及方法 | |
| KR102636781B1 (ko) | 통합 제조 운영 관리를 위한 스마트 팩토리 시스템 | |
| CN118071040B (zh) | 一种公路施工的安全检查评价方法及系统 | |
| CN118134209B (zh) | 一种智慧港矿一体化管控与调度系统及方法 | |
| CN116611635B (zh) | 基于车路协同及强化学习的环卫机器人车调度方法及系统 | |
| CN117035469B (zh) | 公铁联运枢纽功能区建设用地指标测算的方法及装置 | |
| CN117150435B (zh) | 城市地下空间地质环境监测系统及方法 | |
| CN117172138B (zh) | 一种基于深度学习的城市交通碳排放预测方法及装置 | |
| CN117408632A (zh) | 一种基于数字化的远程管理系统 |
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 |