数字孪生−应对智能化综采工作面技术挑战

葛世荣, 王世博, 管增伦, 王雪松, 安文龙, 吕渊博, 陈书航

葛世荣,王世博,管增伦,等. 数字孪生−应对智能化综采工作面技术挑战[J]. 工矿自动化,2022,48(7):1-12. DOI: 10.13272/j.issn.1671-251x.17959
引用本文: 葛世荣,王世博,管增伦,等. 数字孪生−应对智能化综采工作面技术挑战[J]. 工矿自动化,2022,48(7):1-12. DOI: 10.13272/j.issn.1671-251x.17959
GE Shirong, WANG Shibo, GUAN Zenglun, et al. Digital twin: meeting the technical challenges of intelligent fully mechanized working face[J]. Journal of Mine Automation,2022,48(7):1-12. DOI: 10.13272/j.issn.1671-251x.17959
Citation: GE Shirong, WANG Shibo, GUAN Zenglun, et al. Digital twin: meeting the technical challenges of intelligent fully mechanized working face[J]. Journal of Mine Automation,2022,48(7):1-12. DOI: 10.13272/j.issn.1671-251x.17959

数字孪生−应对智能化综采工作面技术挑战

基金项目: 国家自然科学基金面上项目(51874279)。
详细信息
    作者简介:

    葛世荣(1963—),男,浙江天台人,中国工程院院士,教授,博士研究生导师,主要研究方向为智能矿山装备,E-mail:gesrcumt@126.com

    通讯作者:

    王世博(1979—),男,河北新河人,教授,博士,博士研究生导师,主要研究方向为智能矿山装备,E-mail:wangshb@cumt.edu.cn

  • 中图分类号: TD67

Digital twin: meeting the technical challenges of intelligent fully mechanized working face

  • 摘要: 基于智能化综采工作面目标任务−自主完成综采工作面可靠割煤、保持工作面几何关系、顶板可靠支护,提出了综采工作面智能控制关键技术,包括采煤机定位技术、工作面可视化技术、液压支架电液控制技术(装置)、工作面通信技术、综采装备协同控制技术、采煤机自动调高技术、工作面自动调直技术和工作面围岩支护控制技术(其中前3种技术属于智能化综采工作面的感知与执行层,工作面通信技术是智能化综采工作面的传输层,后4种技术属于智能化综采工作面的决策层)。指出智能化综采工作面面临的挑战为决策层的自主决策能力不能适应复杂多变的工况、感知与执行层不能支撑决策层的信息需求和决策指令的可靠执行。针对上述挑战问题,采用基于仿真的数字孪生建模方法,提出了综采工作面数字孪生系统架构。综采工作面数字孪生系统虚拟实体包括机理模型和行为模型,利用综采装备机理模型可获得综采装备物理系统的不可测数据,行为模型可为综采工作面智能控制系统提供反映物理装备运行状态的全息信息,解决决策层数据信息匮乏问题;综采装备机理模型与其控制系统组合的离线运行模式形成综采工作面硬件在环仿真系统,为基于工艺规则的智能控制算法提供测试平台;综采装备机理模型、行为模型与其控制系统组合的离线运行模式形成综采工作面计算实验系统,为综采工作面智能控制系统真正的自主决策复杂算法开发提供测试平台。
    Abstract: The goal and task of intelligent fully mechanized working face are to independently complete the reliable coal cutting of the fully mechanized working face, maintain the geometric relationship of the working face and reliable roof support. According to the goal and task, the key technologies of intelligent control of fully mechanized working face are proposed. The technologies include shearer positioning technology, working face visualization technology, hydraulic support electro-hydraulic control technology (device), working face communication technology, collaborative control technology of fully mechanized mining equipment, autonomous height adjustment technology of shearer, autonomous straightening technology of working face and surrounding rock support control technology of working face. Among these technologies, the first three technologies belong to the perception and execution layer of intelligent fully mechanized working face. The working face communication technology is the transmission layer of intelligent fully mechanized working face. And the last four technologies belong to the decision-making layer of intelligent fully mechanized working face. The challenges faced by the intelligent fully mechanized working face are pointed out, which are that the autonomous decision-making capability of the decision-making layer cannot adapt to the complex and changeable working conditions, and the perception and execution layer cannot support the information demand of the decision-making layer and the reliable execution of the decision-making instructions. In order to solve the above challenges, the digital twin system architecture of fully mechanized working face is proposed by use of the simulation-based digital twin modeling method. The virtual entity of the digital twin system of the fully mechanized working face comprises a mechanism model and a behavior model. The unmeasurable data of a physical system of the fully mechanized working face equipment can be obtained by the mechanism model. The behavior model can provide holographic information reflecting the running state of the physical equipment for an intelligent control system of the fully mechanized working face. Thus the problem of the lack of data information in the decision-making layer is solved. The off-line run mode of the combination of the mechanism model of fully mechanized mining equipment and its control system forms the hardware in the loop simulation system of fully mechanized working face, which provides a test platform for intelligent control algorithms based on process rules. The off-line run mode of the combination of the mechanism model, behavior model and its control system of the fully mechanized mining equipment forms the calculation experimental system of the fully mechanized working face, which provides a test platform for the development of the real independent decision-making complex algorithm of the intelligent control system of the fully mechanized working face.
  • 传统矿井煤炭资源日趋枯竭,充填开采是解放“三下”压煤、增加煤炭产量、避免安全生产和环境问题的重要技术手段[1-2]。《“十四五”能源领域科技创新规划》明确提出集中攻关固体废弃物充填采煤技术,开展矿区典型大宗固废资源化利用示范[3]。同时《煤炭工业“十四五”高质量发展指导意见》提出智能充填技术符合煤炭开采绿色化、智能化行业发展方向[4-7],研发充填开采智能化技术、建设智能化矿山,有利于实现矿山少人化、无人化及安全绿色高效开采。

    在充填开采智能化领域已有许多学者开展了研究。张吉雄等[8-9]构建了煤矿矸石井下智能化分选协同原位充填开采模式,阐述了采选充系统的时空协同关系。张昊等[10]系统阐述了包括煤基固废地面处理、煤基固废地面−井下高效运输、井下煤矸分选、煤基固废井下运输及工作面充填五大系统的采选充一体化的绿色充填开采系统。任帅等[11]对充填开采设备进行智能化升级,实现了回采巷道内远程控制的充填开采智能化,并构建了深部充填工作面智能监测预警系统及充填效果评价体系。张强等[12]、左小[13]以充填装备升级改造为基础,对矿山固体智能充填开采技术展开研究,形成了一套集合机构干涉状态判别、充填参数智能感知、采充工序自动组织的煤矿固体智能充填开采方法。充填开采智能化已有一定的理论研究基础,但对充填开采智能化关键技术缺乏系统性研究和实际工程应用。本文基于冀中能源股份有限公司邢东矿智能充填开采工程经验,提出了充填开采智能化技术,以期为智能充填矿井建设提供技术借鉴,促进煤炭绿色智能低碳高效开采。

    邢东矿井田面积约为14.5 km2,可采储量为6 127万t。采用单面生产,倾斜长壁综采工作面采煤,目前主采2号煤层。自2002年在工业广场煤柱区域内成功实施巷道式矸石充填至今,邢东矿已连续20 a在全矿区内实施充填开采[14-18]。邢东矿在密集建筑群下开采煤炭资源已经历了7种开采方法,从最初的垮落法开采,到条带开采、巷道矸石充填开采、高水充填开采、综合机械化固体充填开采,最后通过构建煤基固废井上下高效归集运输、井下分选与就地充填系统形成智能充填矿山生产模式。

    以固体充填开采面智能化升级为核心,以充实率智能控制为首要目的,以建设信息化与自动化深度融合的具有感知、联动、分析、决策能力的智能充填矿井为目标,结合生态环境低损害开采保护理念,根据不同系统工程需求,形成了以煤基固废智能预处理及投放控制技术、井下智能跳汰分选技术、多源煤基固废归集储运技术和固体智能充填开采技术等为代表的充填开采智能化技术体系,如图1所示。

    图  1  充填开采智能化技术体系
    Figure  1.  Intelligent technology system of backfilling mining

    地面煤基固废智能预处理主要实现煤基固废从城市及周边矿区运输进矿、分布式仓储及精准给配料计量等功能,其流程如图2所示。

    图  2  地面煤基固废智能预处理流程
    Figure  2.  Intelligent pretreatment process of ground coal-based solid waste

    邢东矿通过将矿山辐射区域煤基固废通过自卸式卡车运输至厂区,经洗车房洗车后到达地面原料车间。地面原料车间内配备6个大容量地下式仓储,用于储存充填所需的矸石、黄土等细骨料颗粒。

    根据井下煤矸产能动态调配,计算出所需的地面煤基固废用量并将信息传递至地面控制室控制主机。控制主机控制仓下给料机进行落料,给料机磅秤装置按照5∶2的比例自动称量所需矸石、黄土等煤基固废,同时,控制主机通过调整带式输送机电动机转速及功率控制运料速度,使实际投料量匹配需求量。

    为了将地面预处理后的固体充填物料通过投料井向井下快速高效运输,设计了大流量大垂深煤基固废智能投放控制方法,其核心在于料仓料管信息实时感知、投料参数动态反馈调节。

    大流量大垂深煤基固废智能投放控制具体流程:地面预处理后的煤基固废经地面带式输送机运入投料井,投料井井壁上的耐磨管安装有超声导波传感器探头,可通过周期性激发和感知返回的超声导波,对井壁磨损度进行监测及检修判断;煤基固废出投料井后落入储料仓,仓内安设速度传感器及压力传感器,感知落料过程中产生的风速及风压,将达到警戒值的风速及风压反馈至地面控制中心,通过调控地面带式输送机的运料速度及运料量,以适应投料需求;煤基固废堆积于储料仓内,储料仓顶安设雷达物位计,周期性感知堆料高度,当其超过入料设定值时,及时反馈控制投料停止,并开启储料仓下部的井下给料机及带式输送机运输物料,直至储料仓堆料高度低于给料临界值时,反馈控制给料机停止给料,重新开启投料。

    床层实时测控主要监控测量指标为床层高度、床层松散度、水量和风量。床层高度与浮标的位置相互对应,通过高精度位移传感器进行监测,自动调节配重浮标装置。浮标检测出床层高度,经角位移传感器变成0~10 V的电信号,送入控制器进行信号处理和输出调节,控制电动机调速装置(变频器或直流调速箱),电动机带动排料轮相应改变排料量,实现床层高度的精准控制;床层松散度由压力传感器进行监测;水量与风量通过流量传感器和数控风阀进行监测。监测数据通过iFIX组态软件汇集控制,并通过上位机实现床层实时测控的人机交互。

    井下智能跳汰分选方式是以水介质通过空气脉动将物料床层松散、扬起、沉降实现煤矸分层分离,煤与矸石床层为“亲密接触式”分离排出,小块煤极易被大块矸石挤压在床层下面被排入矸石料道。因此排矸速度智能控制需保证在煤与矸石床层充分分离且与空气脉动密切配合条件下实现高质量、高效率分选排矸。

    井下煤流送至跳汰机后,跳汰机按照预设的参数(排矸速度的高低限等),协同床层高度和压力等数值模型的实时分析结果,自动控制跳汰机风箱4个工作周期(进气期、膨胀期、排气期和休止期)的频率和占比,同时经PID运算后对排料轮进行脉冲频率调制控制,实现排矸速度快速响应、精准调控。

    根据需要设置多种分选工作方式,如“手动/自动”、“PID自动排矸/手动恒速排矸”、“跳汰机设备耦合/跳汰机设备分离”、“远控允许/远控禁止”。通过混合分选控制一方面可实现集控系统瘫痪时保证跳汰机正常工作,另一方面可同时设定手动调速和自动调速,实现复杂煤流条件下的跳汰控制。

    煤基固废来源包括煤矿井下自产煤基固废和地面运输煤基固废两大部分[19-21],其中地面运输煤基固废不仅包括本矿地面堆积煤基固废,还包括矿山辐射区域煤基固废,如邻近矿山或选煤厂矸石、煤电厂粉煤灰、炼钢厂钢渣、城市建筑垃圾及尾矿、煤泥等大宗固废,如图3所示。

    图  3  矿山辐射区域煤基固废来源
    Figure  3.  Source of coal-based solid waste in radiation area of mine

    多源煤基固废归集储运的关键环节为对包括井下洗选矸石、岩巷掘进矸石、岩巷整修矸石和地面运输矸石等各来源煤基固废运输量及工作面原煤产量的实时精准监测,以及据此对包括带式输送机、给料机等煤基固废储运设备的精准反馈调控。

    1) 多源煤基固废实时精准监测。监测参数主要包括各来源煤基固废运输量、工作面原煤产量、输送机功率、给料机频率及采煤机牵引速度。① 通过在输送机上安装输送带秤,实时监测单位时间内输送机运输的煤基固废质量。② 通过上位机监测输送机和给料机的电流、电压来监测输送机功率与给料机频率。③ 通过在采煤机牵引部电动机上安装速度传感器来实现采煤机牵引速度监测。

    2) 多源煤基固废精准反馈调控。多源煤基固废的动态调配是以保证工作面充填需求为最终目标,因此需首先确定工作面煤基固废总需求量,再根据矿井实际生产需要,通过调控给料机的给料速度或带式输送机运输速度来调节各来源煤基固废的运输量,使其尽可能接近实际总量需求,保证工作面充填效果。调控时应根据充填需求、生产需求、各来源矸石量及充填目的综合考虑调控顺序。

    邢东矿在原固体充填开采技术基础上,通过各类传感器监测充填液压支架状态、位姿及充填效果,进一步联动图像复核双检验型计量系统及乳化液智能控制系统,实时控制采充质量、多泵联动自动切换,由主控计算机对充填液压支架油缸动作的执行序列进行优化,操控电液控制系统执行油缸动作,无需采煤机停机及人工参与,节省了油缸动作接续时间,实现减员增效及安全生产的目的。

    通过使用多种传感器精确控制充填过程中的每个动作环节,保证充填过程的安全性,防止产生机构干涉;自动识别充填效果,提高充填精度和效率,保证充实率。

    1) 智能充填液压支架关键参数检测。支架摆梁上安装角度传感器,监测支架角度;在压实千斤顶中安装行程传感器和压力传感器,检测压实千斤顶的压力及伸缩行程,从而判断矸石充填程度是否达到要求,并进行相应的时间控制。

    通过测高传感器测量后顶梁后端到底座与摆梁铰接中心的垂直高度及后顶梁后端到摆梁端部的垂直高度;根据摆梁长度和顶梁后端到多孔底卸式刮板输送机下端的距离等数据可计算出摆梁角度,判断夯实机构是否与后部刮板输送机发生碰撞,并进行相应的安全保护控制。

    2) 工作面及回采巷道监测。工作面前部每隔6个充填液压支架配备1台矿用本质安全型云台摄像仪,摄像仪安装于充填液压支架前顶梁上,用于获取采煤机运行位置和方向;工作面后部每隔3个充填液压支架配备1台矿用本质安全型云台摄像仪,摄像仪安装于充填液压支架后顶梁上,拍摄方向垂直于工作面,用于监视充填液压支架后部充填效果。

    在带式输送机机头、转载机机头、前部刮板输送机机头和后部多孔底卸式刮板输送机机头各安装1台本质安全型摄像仪,对回采巷道关键设备进行实时监测。

    矿用本质安全型摄像仪及云台摄像仪是网络摄像仪,具有红外补光功能,采用以太网进行视频传输,通过有线方式接到综合接入器,通过接入器供电并传输视频信息,如图4所示。

    图  4  视频监测装备连接方式
    Figure  4.  Video monitoring equipment connection mode

    1) 矸石流量智能控制。通过3套集控系统控制工作面矸石及原煤运输,其中1套控制4部运矸输送带及1部给煤机,1套控制3部运矸输送带及1部后部刮板输送机,1套控制3部原煤输送带、1部转载机及1部前部刮板输送机。所有设备均可通过集控中心实现一键启停。

    图像复核双检验型计量系统核心为工业摄像仪+结构光的AI图像校验系统,可实时检测输送带上物料的体积变化,通过图像检测到的物料体积信息与电子输送带秤的称重信息实时进行多参数比对,出现偏差及时报警并可实现自动标校零点,采用动态砝码加载机构的方式可进行“一键验证校准”。因此,分别在运矸输送带及原煤输送带安装图像复核双检验型计量系统,通过实时监测运矸量及运煤量,实现矸石充填率控制,保证工作面矸石充填率达85%以上。

    2) 乳化液智能控制。智能乳化液泵站自动化控制系统可实现乳化液浓度在线实时监控、自动配比,通过变频控制实现多泵联动、自动切换。水处理系统可将过滤后的水精度控制在5 μm以下,从而保证乳化液干净无杂质,大大延长矸石充填液压支架中立柱千斤顶及电液控制系统中的主阀、过滤器及阀芯的使用寿命,减少检修次数。

    1) 支架电液控。智能充填液压支架硬件上增设电液控系统,通过PLC主控制器、电磁换向阀和传感器对液压千斤顶和泵站进行闭环控制;通过在PLC主控制器中编写根据充填工序流程、位态表征方法和干涉调控原理等设计的控制程序,实现对液压支架的智能控制。

    2) 工作面电液控。在单架支架电液控基础上,集成工作面采煤机、前部刮板输送机、后部多孔底卸式刮板输送机和充填液压支架,通过巷道及地面控制器、电磁换向阀和传感器对工作面关键设备进行联动控制,实现采充平行作业及充填智能控制。

    邢东矿在多年充填开采实践的基础上,将1200采区原条带开采所遗留的煤柱区域作为智能充填矿井示范工作面建设区域,采用充填开采智能化技术,建成了包括煤基固废地面智能预处理系统、煤基固废地面−井下智能运输系统、井下智能跳汰分选系统、多源煤基固废归集储运系统、固体智能充填系统、智能通风系统、智能排水系统、智能煤炭运输系统等八大系统的智能充填矿井,如图5所示。

    图  5  邢东矿智能充填矿井组成
    Figure  5.  Composition of intelligent backfilling mine in Xingdong Mine

    智能充填矿井将各系统按照统一的标准接入管控一体化平台,各系统间互联互通,在调度中心实现统一管控。在管控平台一体化的界面下可对生产环节的设备参数、状态、场景进行实时监测,对各系统的自动化数据进行实时监视与集中控制,实现了全矿井各系统能力的动态平衡。

    针对邢东矿智能充填矿井,着重介绍与充填高度相关的煤基固废地面智能预处理系统、煤基固废地面−井下智能运输系统、井下智能跳汰分选系统、多源煤基固废归集储运系统及固体智能充填系统建设情况。

    1) 煤基固废地面智能预处理系统及地面−井下智能运输系统。邢东矿建成了地面矸石投料智能化控制系统,投料能力可达452 t/h,实现了站内矸石储、运、投及收尘、降尘等各环节的一键控制,并可以根据输送带保护、车辆冲洗、卸料喷淋、井下储料仓上限监控等设备运行情况自动停机。地面原料车间内设4台射程30 m的雾炮进行喷雾降尘;设有地磅对入仓矸石进行称重计量;建有6个7.5 m×7.5 m ×7 m(长×宽×高)的连体地下式储仓,总占地5 100 m2,总储量为1 620 m3;投料井深度为766 m,井底建有储料仓,确保固体充填物料在井下均衡运输,并通过安装雷达物位计实现满仓报警、仓位监测等功能;地面投料机控室远程控制投料量。

    2) 井下智能跳汰分选系统。邢东矿井下智能跳汰分选系统可实现煤泥水自动平衡、跳汰机跳汰比例智能调节、矿床智能测控、风量智能调控等功能。煤矸100%井下洗选,入洗粒径为20~200 mm块状原煤,跳汰面积达4.28 m2,处理能力为600 t/h,矸石带煤率<3%。

    3) 多源煤基固废归集储运系统。邢东矿建有总容量达2 050 m3的井下汇集储料仓,保证井下多源煤基固废有足够的储存空间,并建成了输送带中心,其中智能化运矸系统由8部运矸输送带和3个矸石仓组成,实现了带式输送机的智能集中控制、称重计量、一键启停、无人值守。

    4) 固体智能充填系统。邢东矿年矸石充填量约为40万t,建成了智能化矸石充填工作面控制系统(包括矸石充填自动化控制、采煤自动化控制、矸石充填率自动控制、乳化液泵站自动化供液、矸石运输自动化控制、原煤运输自动化控制及视频监控自动化控制7个子系统),实现了采煤机工况显示、输送机工况显示、液压支架工况显示、工作面设备与监控中心各主控计算机通信状态显示等监测功能,液压支架远程控制、采煤机远程控制、工作面“三机”工况集中自动化控制、工作面泵站集中自动化控制、回采巷道输送机集中自动化控制等控制功能,采煤机故障诊断、电路故障诊断等诊断功能。

    通过在邢东矿实践应用充填开采智能化技术,智能充填工作面能力大幅度提高,充填工作面产量由月产3.6万t增加至月产7.2万t,每班人员减少8~10人,1个循环作业时间减少约2.5 h,效率提高约50%。

    以充填采煤为主力开采方法的充填矿井为研究对象,将煤基固废预处理、煤矸井下分选、多源煤基固废储运及固体充填采煤作为一个整体,形成了涵盖煤基固废智能预处理及投放控制技术、井下智能跳汰分选技术、多源煤基固废归集储运技术及固体智能充填开采技术等的充填开采智能化技术体系,显著提升了煤基固废处置水平及煤炭开采效率,对充填矿井安全高效智能开采具有重要的推进作用。邢东矿运用充填开采智能化技术,对井上下储运、充填、采煤等系统进行了智能化建设,建成了智能充填矿井,全面解决了邢东矿煤基固废排放问题,使得充填工作面产量及效率大幅提高,具有广阔的推广应用前景。

    【编者按】煤矿采掘装备智能化是实现煤炭安全高效开采的技术保障。国家发展改革委、国家能源局、应急管理部等八部委联合印发的《关于加快煤矿智能化发展的指导意见》指出,重点突破智能快速掘进、复杂条件智能综采等技术与装备,对于冲击地压、煤与瓦斯突出等灾害严重的矿井优先开展智能化采掘(剥)的机器人替代。近年来,我国煤矿智能采掘装备在定位导航、智能感知、智能采掘工作面示范等关键技术和工程应用方面取得了一批先进成果,为实现煤矿采掘工作面少人化与安全高效作业提供了支撑。为进一步交流共享科研成果,探讨智能采掘装备在数字孪生、智能运维、智能决策等技术发展方向和难题,加快推动煤矿采掘作业智能化发展,保障矿山安全高效生产,《工矿自动化》编辑部特邀中国工程院葛世荣院士担任客座主编,中国矿业大学王世博教授担任客座副主编,于2022年第7期组织出版“煤矿智能采掘装备技术与应用”专题。在专题刊出之际,衷心感谢各位专家学者的大力支持!
  • 图  1   综采工作面装备

    Figure  1.   Equipment on fully mechanized working face

    图  2   智能化综采工作面关键技术及其逻辑关系[25]

    Figure  2.   Key technologies of intelligent fully mechanized working face and their logical relationship[25]

    图  3   PLM概念设想[29]

    Figure  3.   Conceptual ideal for product lifecycle management(PLM)[29]

    图  4   数字模型、数字影子、数字孪生模式下物理实体和虚拟实体之间的数据流[34]

    Figure  4.   Data flow between physical entity and virtual entity in digital model, digital shadow and digital twin modes[34]

    图  5   数字孪生五维概念模型[52]

    Figure  5.   Five-dimensional conceptual model of digital twins[52]

    图  6   基于仿真的数字孪生原理及其应用[59]

    Figure  6.   Principle and application of simulation-based digital twin[59]

    图  7   综采工作面数字孪生系统架构

    Figure  7.   Digital twin system architecture of fully mechanized working face

    图  8   综采工作面虚拟实体离线运行模式

    Figure  8.   Off-line run mode of virtual entities of fully mechanized working face

  • [1] 王国法,范京道,徐亚军,等. 煤炭智能化开采关键技术创新进展与展望[J]. 工矿自动化,2018,44(2):5-12.

    WANG Guofa,FAN Jingdao,XU Yajun,et al. Innovation progress and prospect on key technologies of intelligent coal mining[J]. Industry and Mine Automation,2018,44(2):5-12.

    [2] 王国法,刘峰,孟祥军,等. 煤矿智能化(初级阶段)研究与实践[J]. 煤炭科学技术,2019,47(8):1-36.

    WANG Guofa,LIU Feng,MENG Xiangjun,et al. Research and practice on intelligent coal mine construction(primary stage)[J]. Coal Science and Technology,2019,47(8):1-36.

    [3] 王国法,庞义辉,任怀伟. 煤矿智能化开采模式与技术路径[J]. 采矿与岩层控制工程学报,2020,2(1):5-19.

    WANG Guofa,PANG Yihui,REN Huaiwei. Intelligent coal mining pattern and technological path[J]. Journal of Mining and Strata Control Engineering,2020,2(1):5-19.

    [4] 王国法,刘峰,庞义辉,等. 煤矿智能化−煤炭工业高质量发展的核心技术支撑[J]. 煤炭学报,2019,44(2):349-357.

    WANG Guofa,LIU Feng,PANG Yihui,et al. Coal mine intellectualization:the core technology of high quality development[J]. Journal of China Coal Society,2019,44(2):349-357.

    [5] 葛世荣. 煤矿智采工作面概念及系统架构研究[J]. 工矿自动化,2020,46(4):1-9.

    GE Shirong. Research on concept and system architecture of smart mining workface in coal mine[J]. Industry and Mine Automation,2020,46(4):1-9.

    [6] 葛世荣,郝尚清,张世洪,等. 我国智能化采煤技术现状及待突破关键技术[J]. 煤炭科学技术,2020,48(7):28-46.

    GE Shirong,HAO Shangqing,ZHANG Shihong,et al. Status of intelligent coal mining technology and potential key technologies in China[J]. Coal Science and Technology,2020,48(7):28-46.

    [7] T/CCS 002−2020 智能化采煤工作面分类、分级技术条件与评价指标体系[S].

    T/CCS 002-2020 Specification, classification and grading evaluation index for longwall face of smart coal mine[S].

    [8] 王国法,徐亚军,孟祥军,等. 智能化采煤工作面分类、分级评价指标体系[J]. 煤炭学报,2020,45(9):3033-3044.

    WANG Guofa,XU Yajun,MENG Xiangjun,et al. Specification,classification and grading evaluation index for smart longwall mining face[J]. Journal of China Coal Society,2020,45(9):3033-3044.

    [9] 李首滨. 智能化开采研究进展与发展趋势[J]. 煤炭科学技术,2019,47(10):102-110.

    LI Shoubin. Progress and development trend of intelligent mining technology[J]. Coal Science and Technology,2019,47(10):102-110.

    [10] 伍小杰,于月森,彭利明,等. 液压支架电液控技术的现状及展望[J]. 煤炭科学技术,2009,37(1):25-29. DOI: 10.13199/j.cst.2009.01.59.wuxj.007

    WU Xiaojie,YU Yuesen,PENG Liming,et al. Present status and outlook of electric and hydraulic control technology for hydraulic powered support[J]. Coal Science and Technology,2009,37(1):25-29. DOI: 10.13199/j.cst.2009.01.59.wuxj.007

    [11] 金静飞,王凯. 综采装备协同控制系统的设计[J]. 煤矿机械,2014,35(8):214-216.

    JIN Jingfei,WANG Kai. Design of coordinated control system of fully mechanized equipment[J]. Coal Mine Machinery,2014,35(8):214-216.

    [12]

    CZWALINNA J, KUBIK J, BIGBY D N, et al. New mechanization and automation of longwall and drivage equipment[R]. Luxembourg: Research Fund for Coal and Steel, 2011.

    [13]

    Interconnection of landmark compliant longwall mining equipment-shearer communication specification for OEM accessible inertial sensor data[R]. CSIRO Exploration and Mining Report, 2005.

    [14] 黄曾华. 煤矿综采工作面视频系统的应用研究[J]. 煤矿机电,2013(4):1-5.

    HUANG Zenghua. Application research on video system at fully mechanized mining field[J]. Colliery Mechanical & Electrical Technology,2013(4):1-5.

    [15] 葛世荣,苏忠水,李昂,等. 基于地理信息系统(GIS)的采煤机定位定姿技术研究[J]. 煤炭学报,2015,40(11):2503-2508.

    GE Shirong,SU Zhongshui,LI Ang,et al. Study on the positioning and orientation of a shearer based on geographic information system[J]. Journal of China Coal Society,2015,40(11):2503-2508.

    [16]

    REID D C, HAINSWORTH D W, RALSTON J C, et al. Longwall shearer guidance using inertial navigation (ACARP project C9015)[R]. CSIRO, Exploration and Mining Report 832F, 2001.

    [17] 王世佳,王世博,张博渊,等. 采煤机惯性导航定位动态零速修正技术[J]. 煤炭学报,2018,43(2):578-583.

    WANG Shijia,WANG Shibo,ZHANG Boyuan,et al. Dynamic zero-velocity update technology to shearer inertial navigation positioning[J]. Journal of China Coal Society,2018,43(2):578-583.

    [18] 孔维. 基于煤层地理信息系统的采煤机截割路径规划方法[D]. 徐州: 中国矿业大学, 2019.

    KONG Wei. Cutting path planning method of shearer based on coal seam geographic information system[D]. Xuzhou: China University of Mining and Technology, 2019.

    [19]

    LI Wei,LUO Chengming,YANG Hai,et al. Memory cutting of adjacent coal seams based on a hidden Markov model[J]. Arabian Jouranl of Geosciences,2014,7(12):5051-5060. DOI: 10.1007/s12517-013-1145-5

    [20]

    WANG Shibo, WANG Shijia. Longwall mining automation horizon control: coal seam gradient identification using piecewise linear fitting[J/OL]. International Journal of Mining Science and Technology, 2022[2022-05-15]. https://doi.org/10.1016/j.ijmst.2022.02.003.

    [21] 王世博,何亚,王世佳,等. 刮板输送机调直方法与试验研究[J]. 煤炭学报,2017,42(11):3044-3050.

    WANG Shibo,HE Ya,WANG Shijia,et al. Study on the alignment method and experiment of scraper conveyor[J]. Journal of China Coal Society,2017,42(11):3044-3050.

    [22] 李森. 基于惯性导航的工作面直线度测控与定位技术[J]. 煤炭科学技术,2019,47(8):169-174.

    LI Sen. Measurement & control and localisation for fully-mechanized working face alignment based on inertial navigation[J]. Coal Science and Technology,2019,47(8):169-174.

    [23] 侯刚. 互联网+液压支架智能耦合控制系统设计与实现[J]. 煤矿开采,2017,22(1):105-108.

    HOU Gang. Intelligent coupling control system design and implementation of Internet and hydraulic support[J]. Coal Mining Technology,2017,22(1):105-108.

    [24]

    TRUEMAN R,LYMAN G,COCKER A. Longwall roof control through a fundamental understanding of shield-strata interaction[J]. International Journal of Rock Mechanics and Mining Sciences,2009,46:371-380. DOI: 10.1016/j.ijrmms.2008.07.003

    [25] 王世博,葛世荣,王世佳,等. 长壁综采工作面无人自主开采发展路径与挑战[J]. 煤炭科学技术,2022,50(2):231-243.

    WANG Shibo,GE Shirong,WANG Shijia,et al. Development and chanllege of unmanned autonomous longwall fully-mechanized coal mining face[J]. Coal Science and Technology,2022,50(2):231-243.

    [26] 黄曾华,王峰,张守祥. 智能化采煤系统架构及关键技术研究[J]. 煤炭学报,2020,45(6):1959-1972.

    HUANG Zenghua,WANG Feng,ZHANG Shouxiang. Research on the architecture and key technologies of intelligent coal mining system[J]. Journal of China Coal Society,2020,45(6):1959-1972.

    [27]

    ZHAO Shuanfeng,WANG Pengfei,LI Shijun. Study on the fault diagnosis method of scraper conveyor gear under time-varying load condition[J]. Applied Sciences,2020,10(15):5053. DOI: 10.3390/app10155053

    [28]

    GELERNTER D. Mirror worlds[M]. Oxford: Oxford University Press, 1991.

    [29]

    GRIEVES M. Product lifecycle management:the new paradigm for enterprises[J]. International Journal of Product Development,2005,2(1/2):71-84. DOI: 10.1504/IJPD.2005.006669

    [30] 方志刚. 复杂装备系统数字孪生[M]. 北京: 机械工业出版社, 2021.

    FANG Zhigang. Digital twin of complex equipment system[M]. Beijing: China Machine Press, 2021.

    [31]

    GLAESSGEN E H, STARGEL D S. The digital twin paradigm for future NASA and US air force vehicles[C]//The 53rd AIAA/ASME/ASCE/AHS/ASC Structural Dynamics and Materials Conference: Special Session on the Digital Twin, Honolulu, 2012.

    [32] 陶飞,刘蔚然,刘检华,等. 数字孪生及其应用探索[J]. 计算机集成制造系统,2018,24(1):1-18.

    TAO Fei,LIU Weiran,LIU Jianhua,et al. Digital twin and its potential application exploration[J]. Computer Integrated Manufacturing Systems,2018,24(1):1-18.

    [33] 刘亚威. 面向飞行器结构健康管理的数字孪生及应用研究综述[J]. 测控技术,2022,41(1):1-10. DOI: 10.19708/j.ckjs.2021.03.220

    LIU Yawei. Review on digital twin and its application research for aircraft structure health management[J]. Measurement & Control Technology,2022,41(1):1-10. DOI: 10.19708/j.ckjs.2021.03.220

    [34]

    KRITZINGER W,KARNER M,TRAAR G,et al. Digital twin in manufacturing:a categorical literature review and classification[J]. IFAV PapersOnLine,2018,51(11):1016-1022. DOI: 10.1016/j.ifacol.2018.08.474

    [35] 蔡武,陈果,朱志敏,等. 基于3D Max和Virtools的矿井虚拟仿真系统设计[J]. 煤炭工程,2011(1):111-113,116.

    CAI Wu,CHEN Guo,ZHU Zhimin,et al. Design of mine virtual simulation system based on 3D Max and Virtools[J]. Coal Engineering,2011(1):111-113,116.

    [36] 沙同震. 矿井虚拟仿真系统设计中3DMax和Virtools的应用[J]. 煤炭技术,2014,33(1):183-185.

    SHA Tongzhen. Application of 3DMax and Virtools in design of mine virtual simulation system[J]. Coal Technology,2014,33(1):183-185.

    [37] 王鹏,宿国瑞,贾宝山,等. 基于VR技术的虚拟矿井仿真平台建设[J]. 煤矿安全,2020,51(1):122-125.

    WANG Peng,SU Guorui,JIA Baoshan,et al. Construction of virtual mine simulation platform based on VR technology[J]. Safety in Coal Mines,2020,51(1):122-125.

    [38] 王学文,谢嘉成,郝尚清,等. 智能化综采工作面实时虚拟监测方法与关键技术[J]. 煤炭学报,2020,45(6):1984-1996.

    WANG Xuewen,XIE Jiacheng,HAO Shangqing,et al. Key technologies of real-time virtual monitoring method for an intelligent fully mechanized coal-mining face[J]. Journal of China Coal Society,2020,45(6):1984-1996.

    [39]

    BRANDTSTATEDER H, LUDWIG C, HÜBNER L, et al. Digital twins for large electric drive trains[C]//Petroleum and Chemical Industry Conference Europe, Antwerp, 2018: 1-5.

    [40]

    ZHANG Yong, BAI Jiangpo, LYU Kehong, et al. Key problems of virtual testability demonstration based on digital twin technology[C]//The 11th International Conference on Prognostics and System Health Management, Jinan, 2020.

    [41]

    WANG Jinjiang,YE Lunkuan,GAO R X,et al. Digital twin for rotating machinery fault diagnosis in smart manufacuturing[J]. International Journal of Production Research,2019,57(11/12):3920-3934.

    [42]

    FRAZZON E M,ALBRECHT A,HURTADO P A. Simulation-based optimization for the integrated scheduling of production and logistic systems[J]. IFAC-PapersOnline,2016,49(12):1050-1055. DOI: 10.1016/j.ifacol.2016.07.581

    [43]

    JAIN S,CHOONG N F,AYE K M. Virtual factory:an integrated approach to manufacturing systems modeling[J]. International Journal of Operations & Production Management,2001,21(5/6):594-608.

    [44] 孙学民,刘世民,申兴旺,等. 数字孪生驱动的高精密产品智能化装配方法[J]. 计算机集成制造系统,2022,28(6):1704-1716.

    SUN Xuemin,LIU Shimin,SHEN Xingwang,et al. Digital twin-driven intelligent assembly method for high precision products[J]. Computer Integrated Manufacturing Systems,2022,28(6):1704-1716.

    [45]

    GUO Jinyan,YANG Zhaojun,CHEN Chuanhai,et al. Real-time prediction of remaining useful life and preventive maintenance strategy based on digital twin[J]. Journal of Computing and Information Science in Engineering,2021,21:031003-1. DOI: 10.1115/1.4049153

    [46]

    LEE J,NI Jun,DJURDJANOVIC D,et al. Intelligent prognostics tools and e-maintenance[J]. Computers in Industry,2006,57(6):476-489. DOI: 10.1016/j.compind.2006.02.014

    [47]

    TAO Fei,ZHANG Meng,LIU Yushan,et al. Digital twin driven prognostics and health management for complex equipment[J]. CIRP Annals-Manufacturing Technology,2018,67(1):169-172. DOI: 10.1016/j.cirp.2018.04.055

    [48]

    ZHUANG Cunbo,LIU Jianhua,XIONG Hui. Digital twin-based smart production management and control framework for the complex product assembly shop-floor[J]. The International Journal of Advanced Manufacture Technology,2018,96(2):1149-1163.

    [49]

    SHAO Guodong,HELU M. Framework for a digital twin in manufacturing:scope and requirements[J]. Manufacturing Letters,2020,24:105-107. DOI: 10.1016/j.mfglet.2020.04.004

    [50]

    REED S,LÖFSTRAND M,ANDREWS J. Modelling cycle for simulation digital twins[J]. Manufacturing Letters,2021,28:54-58. DOI: 10.1016/j.mfglet.2021.04.004

    [51] 陶飞,马昕,胡天亮,等. 数字孪生标准体系[J]. 计算机集成制造系统,2019,25(10):2405-2418. DOI: 10.13196/j.cims.2019.10.001

    TAO Fei,MA Xin,HU Tianliang,et al. Research on digital twin standard system[J]. Computer Integrated Manufacturing Systems,2019,25(10):2405-2418. DOI: 10.13196/j.cims.2019.10.001

    [52] 陶飞,刘蔚然,张萌,等. 数字孪生五维模型及十大领域应用[J]. 计算机集成制造系统,2019,25(1):1-18.

    TAO Fei,LIU Weiran,ZHANG Meng,et al. Five-dimension digital twin model and its ten applications[J]. Computer Integrated Manufacturing Systems,2019,25(1):1-18.

    [53] 张霖,陆涵. 从建模仿真看数字孪生[J]. 系统仿真学报,2021,33(5):995-1007. DOI: 10.16182/j.issn1004731x.joss.21-0262

    ZHANG Lin,LU Han. Discussing digital twin from of modeling and simulation[J]. Journal of System Simulation,2021,33(5):995-1007. DOI: 10.16182/j.issn1004731x.joss.21-0262

    [54]

    TAO Fei, ZHANG Meng, NEE A Y C. Digital twin driven smart manufacturing[M/OL]. [2022-05-16]. https://www.sciencedirect.com/book/9780128176306/digital-twin-driven-smart-manufacturing#book-description.

    [55]

    STOJANOVIC N, MILENOVIC D. Data-driven digital twin approach for process optimization: an industry use case[C]//IEEE International Conference on Big Data, Seattle, 2018: 4202-4211.

    [56]

    CORADDU A,ONETO L,BALDI F,et al. Data-driven ship digital twin for estimating the speed loss caused by the marine fouling[J]. Ocean Engineering,2019,186:106063. DOI: 10.1016/j.oceaneng.2019.05.045

    [57]

    PAN Yue,ZHANG Limao. A BIM-data mining integrated digital twin framework for advanced project management[J]. Automation in Construction,2021,124:103564. DOI: 10.1016/j.autcon.2021.103564

    [58]

    WRIGHT L,DAVIDSON S. How to tell the difference between a model and a digital twin[J]. Advanced Modeling and Simulation in Engineering Sciences,2020,7(1):13. DOI: 10.1186/s40323-020-00147-4

    [59]

    MARTÍNEZ G S, SIERLA S, KARHELA T, et al. Automatic generation of simulation-based digital twin of an industrial process plant[C]//The 44th Annual Conference of the IEEE Industrial Electronics Society, Washington, 2018.

    [60] 葛世荣,张帆,王世博,等. 数字孪生智采工作面技术架构研究[J]. 煤炭学报,2020,45(6):1925-1936. DOI: 10.13225/j.cnki.jccs.ZN20.0327

    GE Shirong,ZHNAG Fan,WANG Shibo,et al. Digital twin for smart coal mining workface:technological frame and construction[J]. Journal of China Coal Society,2020,45(6):1925-1936. DOI: 10.13225/j.cnki.jccs.ZN20.0327

    [61] 丁恩杰,俞啸,夏冰,等. 矿山信息化发展及以数字孪生为核心的智慧矿山关键技术[J]. 煤炭学报,2022,47(1):564-578. DOI: 10.13225/j.cnki.jccs.yg21.1930

    DING Enjie,YU Xiao,XIA Bing,et al. Development of mine informatization and key technologies of intelligent mines[J]. Journal of China Coal Society,2022,47(1):564-578. DOI: 10.13225/j.cnki.jccs.yg21.1930

    [62] 谢嘉成,王学文,杨兆建. 基于数字孪生的综采工作面生产系统设计与运行模式[J]. 计算机集成制造系统,2019,25(6):1381-1391. DOI: 10.13196/j.cims.2019.06.007

    XIE Jiacheng,WANG Xuewen,YANG Zhaojian. Design and operation mode of production system of fully mechanized coal mining face based on digital twin theory[J]. Computer Integrated Manufacturing Systems,2019,25(6):1381-1391. DOI: 10.13196/j.cims.2019.06.007

    [63] 张旭辉,张超,杨文娟,等. 数字孪生驱动采掘工作面远程控制技术分析及发展趋势[J]. 智能矿山,2020,1(1):112-124.

    ZHANG Xuhui,ZHANG Chao,YANG Wenjuan,et al. Current status analysis and development trend of remote control technology of digital twin-driven mining face[J]. Journal of Intelligent Mine,2020,1(1):112-124.

    [64] 张旭辉,张超,王妙云,等. 数字孪生驱动的悬臂式掘进机虚拟操控技术[J]. 计算机集成制造系统,2021,27(6):1617-1628. DOI: 10.13196/j.cims.2021.06.008

    ZHANG Xuhui,ZHANG Chao,WANG Miaoyun,et al. Digital twin-driven virtual control technology of cantilever roadheader[J]. Computer Integrated Manufacturing Systems,2021,27(6):1617-1628. DOI: 10.13196/j.cims.2021.06.008

    [65] 丁华,杨亮亮,杨兆建,等. 数字孪生与深度学习融合驱动的采煤机健康状态预测[J]. 中国机械工程,2020,31(7):815-823. DOI: 10.3969/j.issn.1004-132X.2020.07.007

    DING Hua,YANG Liangliang,YANG Zhaojian,et al. Health prediction of shearers driven by digital twin and deep learning[J]. China Mechanical Engineering,2020,31(7):815-823. DOI: 10.3969/j.issn.1004-132X.2020.07.007

    [66] 王世博,葛世荣,邹文才,等. 综采工作面半实物仿真系统技术架构[J]. 智能矿山,2020,1(1):125-131.

    WANG Shibo,GE Shirong,ZOU Wencai,et al. Hardware-in-the-loop simulation system of longwall mining face:technological frame and construction[J]. Journal of Intelligent Mine,2020,1(1):125-131.

    [67] 王飞跃,刘德荣,熊刚,等. 复杂系统的平行控制理论及应用[J]. 复杂系统与复杂性科学,2012,9(3):1-12. DOI: 10.3969/j.issn.1672-3813.2012.03.001

    WANG Feiyue,LIU Derong,XIONG Gang,et al. Parallel control theory of complex systems and applications[J]. Complex Systems and Complexity Science,2012,9(3):1-12. DOI: 10.3969/j.issn.1672-3813.2012.03.001

    [68]

    SCHLUSE M, ROSSMANN J. From simulation to experimentable digital twins: simulation-based development and operation of complex technical systems[C]//IEEE International Symposium on Systems Engineering, Edinburgh, 2016.

  • 期刊类型引用(9)

    1. 刘建功,张党育,谢国强,卢新明,刘扬,杨军辉,赵家巍. 煤矿立体生态矿山建设技术研究. 中国煤炭. 2025(01): 2-11 . 百度学术
    2. 张子航,刘扬,杨尚青,薄灿,张子峣,李明泽. 固体密实充填自适应滑模路径跟踪控制研究. 中国煤炭. 2025(01): 57-66 . 百度学术
    3. 付祖冈,张定堂,李帅,闫善飞. 超长工作面大采高矸石充填技术研究与应用. 煤炭技术. 2024(04): 79-83 . 百度学术
    4. 潘虹,陈江萍,王玉芳. 基于混合遗传算法的皮革产业固废运输路径优化研究. 中国皮革. 2024(04): 55-58 . 百度学术
    5. 张强,张吉雄,杨康,巨峰,黄鹏,王云搏,吕浩南. 综合机械化放顶煤充填开采技术构想及理论框架研究. 中国矿业大学学报. 2024(03): 469-482 . 百度学术
    6. 朱磊,刘成勇,宋天奇,古文哲,成超,赵萌烨,吴玉意,黄剑斌,袁超峰. 煤矿井下浆体充填智能化系统研究与应用. 煤矿安全. 2024(08): 242-248 . 百度学术
    7. 董宪姝. 选煤固废资源化利用研究进展. 煤炭工程. 2024(10): 108-121 . 百度学术
    8. 胡忍. 浅析煤矿充填开采工艺设计研究. 内蒙古煤炭经济. 2023(19): 37-39 . 百度学术
    9. 刘具,秦坤. 我国煤炭绿色开采技术进展. 矿业安全与环保. 2023(06): 7-15 . 百度学术

    其他类型引用(1)

图(8)
计量
  • 文章访问数:  742
  • HTML全文浏览量:  139
  • PDF下载量:  159
  • 被引次数: 10
出版历程
  • 收稿日期:  2022-05-29
  • 修回日期:  2022-07-07
  • 网络出版日期:  2022-08-08
  • 刊出日期:  2022-08-08

目录

/

返回文章
返回