0 引言
综采放顶煤是厚煤层开采技术之一，底部煤层按传统方法开采，顶部煤炭在矿压作用下自动落下。该技术开采效率较高，在国内煤矿中得到了广泛应用。但是在顶煤下落过程中，顶部的矸石也会随之掉落，严重影响煤质。因此，如何自动、准确地进行煤矸识别，实现高效、可靠、自动化放顶煤开采，已成为世界各国重点研究的问题。国外主要采煤大国采用了伽马射线、红外技术、视频摄像、雷达探测等技术进行煤矸识别，并取得了一定的实际应用效果，但同时这些方法又具有各自的局限性，导致无法大规模应用，如伽马射线成本太高且对人体有害，红外技术受环境温度影响较大，雷达探测在煤层较厚时信号衰减严重，无法识别。国内煤矸识别技术整体上还处于研究试验状态，没有成套的煤矸识别解决方案，仅在一些文献研究中提到可以利用声音、振动、图像等技术进行煤矸识别[1-2]。其中，声音技术成本低、难度小，但受外界声音信号干扰严重；图像技术在煤矸颜色差别大时有效，但受粉尘、光线因素影响较大；振动技术具有声音技术的优点，同时又可以避免环境噪声干扰，具有较高的检测精度。
在上述研究的基础上，本文设计了一种用于煤矸识别的振动传感器，通过选用合适的单片机及加速度计，采集顶煤及矸石下落过程中支架尾梁的振动数据，并传输到电液控制系统控制器进行分析处理，达到煤矸识别的目的。
1 煤矸识别原理
顶煤和矸石的性能有所不同，其落到液压支架尾梁上时产生的振动信号也表现出不同的特性[3-5]。顶煤落下时产生的振动信号频率主要集中在100～600 Hz，煤矸同时落下时产生的振动信号频率主要集中在1 kHz左右[6]；顶煤落下时产生的振动信号最大振幅为0.036 dB，而矸石落下时产生的振动信号最大振幅为0.068 dB[7]。因此，在液压支架尾梁的腹板处安装振动传感器[8-9]，对顶煤或矸石砸到液压支架上产生的振动信号进行感知，通过信号处理和分析可辨识出放煤过程中的煤块和矸石，达到自动化放顶煤的要求。
由于振动频率信号无法直接检测，本文利用加速度计通过间接方式测量。顶煤与矸石下落时，会对支架的尾梁产生力学作用，造成尾梁振动。将加速度计安装在尾梁上，加速度计会随着尾梁的振动而不断改变其输出值，通过处理器实时采集该加速度数据，便可获取尾梁的振动信号。
2 振动传感器设计
2.1 硬件设计
振动传感器由处理器模块、通信模块、加速度计模块、电源模块和看门狗模块组成，如图1所示。加速度计用于采集振动信号，并对采集数据进行前端滤波处理，剔除电信号噪声；处理器对振动信号进行频谱分析，确定信号数据特征[10-13]；最后将该数据传输到电液控制系统控制器，实现煤矸识别。
图1 振动传感器硬件结构
Fig.1 Hardware structure of vibration sensor
处理器模块采用低功耗STM32芯片，其在运行模式下最低功耗仅为39 μA/MHz，同时具有1 MB Flash和128 kB SRAM的大容量存储，能够满足大容量实时数据存储及双应用程序管理的要求；另外，其内部支持FPU(浮点运算单元)和DSP(数字信号处理)库，能够为后续数据处理提供便捷途径。通信模块采用LTC2854，将处理器的串口数据转换为RS485数据，与外部控制器进行通信，实现传感器参数配置与检测数据上报功能。加速度计采用ADXL355芯片，其具有功耗低、精度高、噪声小、零漂低等优点，内置的可编程滤波器可对采集到的数据进行初步滤波，减少噪声干扰。电源模块采用LT3042将外部的12 V电源转换成3.3 V，为内部的处理器和加速度计供电。外置看门狗模块用于实时监控内部程序的正常运行，在出现问题时，能够及时对处理器进行复位。
2.2 软件设计
振动传感器应用在煤矿井下，因此电路板需要完全密封在产品内部，这就对以后的程序更新造成了麻烦；另外，在井下对产品进行拆卸十分困难，存在损坏设备或造成其他危险事故的可能性。因此，振动传感器软件程序分为下载管理程序(主程序)和应用程序2个部分。下载管理程序主要用于管理程序版本号、选择对应的应用程序，并可通过控制器和RS485接口进行应用程序烧写；应用程序又分为2个存储空间，可同时存储2个版本的应用程序，默认情况下执行高版本程序，可通过下载管理程序还原到低版本程序中运行。
振动传感器上电后，首先运行下载管理程序，读取2个应用程序的版本号，并跳转到高版本应用程序起始地址处运行程序。当2个应用程序都不存在或在应用程序执行过程中进入下载管理功能，则进入主程序。主程序中，首先，对外围串口等资源进行初始化；然后，利用YModem协议等待控制器发送可执行的应用程序文件，并将其保存到某一存储空间中(默认写在第1存储空间或原有应用程序中版本号小者所对应的存储空间)；最后，自动重启，并运行最新的应用程序。下载管理程序流程如图2所示。
图2 下载管理程序流程
Fig.2 Download management program flow
应用程序主要实现振动数据采集与处理，包括硬件资源初始化、数据采集和数据处理等部分。硬件资源初始化包括串口、I2C、定时器及加速度芯片ADXL355等的初始化。数据采集利用中断定时器和DMA(直接存储器访问)方式完成，依据所检测信号的振动频率范围决定采样间隔。数据处理和程序喂狗功能则是在主程序中实现。
煤矸信号频率在1 kHz左右便可进行有效识别，因此，将检测频率范围设定为2 kHz内，利用定时器每秒采集4 096组数据。在程序中采用DMA方式读取加速度数据，可有效减小CPU的负荷。另外，定义了2个缓冲数组，当主程序对一组数据进行处理的同时，定时器将读取的加速度数据放到另一个缓冲数组中，这样使得系统采集与计算可以同时进行，保证了系统采集数据的连续性与可靠性。
主程序信号处理流程如图3所示。首先，处理器调用出厂时计算的加速度校准误差对采集的数据进行校准，去除信号中的增益误差及偏移误差等；然后，为提高分析检测的准确性，去除信号中的直流分量，并调用处理器中的DSP库进行数据滤波，这样可以有效地衰减尾梁插板动作时产生的振动信号，仅保留煤矸落下时引起的振动信号；最后，利用傅里叶变换对数据进行功率谱分析，得到单位时间内的最大振动频率、幅值及功率谱能量。
图3 信号处理流程
Fig.3 Signal processing flow
2.3 结构设计
结合振动传感器的安装方式和使用环境进行结构设计。传感器用于测量液压支架尾梁的振动信号，要求能够充分感知支架尾梁的振动状态，因此，排除了传统的螺纹安装方式，采用磁座安装方式。在传感器的一端预留安装电磁铁的位置，通过电磁铁将传感器固定在尾梁上。振动传感器结构如图4所示。
图4 振动传感器结构
Fig.4 Structure of vibration sensor
考虑到煤矿井下安装位置狭窄，走线困难，设计时使传感器尺寸尽可能小，信号传输与电源供电使用同一电缆线，并在内部用绝缘层包裹2路线芯，以提高信号稳定性。为保证产品能够安全可靠地应用在煤矿井下，还需对其采取防护措施，以满足矿用本质安全设计要求[14-15]。在壳体内部预留一定空间，对电路板进行灌胶处理，同时外部配备密封圈，以提高产品的防水性能。
3 测试分析
在实验室振动台上对振动传感器进行测试，取0，500，1 000，1 500，2 000 Hz共5个振动点，测试结果见表1，可见，振动传感器测量误差在1%以内。
表1 振动传感器实验室测试结果
Table 1 Laboratory test results of vibration sensor
振动频率/Hz测试频率/Hz第1次第2次第3次第4次第5次0000005004984985045025041000100399499310071000150014901511150115091504200020121994199519992005
在王家岭煤矿对振动传感器进行测试，现场安装如图5所示，采集的部分数据见表2，振动信号频率曲线如图6所示。从表2和图6可看出，采集的信号大部分是煤块落下时的振动信号，其频率范围为100～200 Hz；而图6中用红色标出的部分是矸石落下时的振动频率，频率在200 Hz以上，具体的数据与落下的煤矸比例、数量有一定关联性，但顶煤和矸石落下时的振动信号具有一定的可分辨性。
图5 振动传感器现场安装
Fig.5 Vibration sensor field installation
表2 振动传感器采集的部分数据
Table 2 Part of the data collected by the vibration sensor
58号支架56号支架48号支架42号支架采样点振动频率/Hz采样点振动频率/Hz采样点振动频率/Hz采样点振动频率/Hz56194103098180123557448104999902236581931050100161322959187106145101042601871071651021715061174108160103159623162190109010407225630110289105159843464194111010614590650112157107146104426618711301081441106718711416310933212179681971150110013069011628911116914201701921170112162150711931189611317116127218911901141170730120157115174181827418012115511617019075179122011716920190761811231621180210
(a)58号支架
(b)56号支架
(c)48号支架
(d)42号支架
图6 煤矸落下时的振动信号频率
Fig.6 Vibration signal frequency of coal-gangue falling
4 结论
(1)利用低功耗STM32单片机和高精度加速度计设计了一种用于煤矸识别的振动传感器，该传感器具有体积小、功耗低、安装使用方便等优点，适用于井下放顶煤工作面。
(2)硬件设计方面，利用加速度计采集煤矸落下时产生的液压支架尾梁振动信号，通过处理器对振动信号进行频谱分析。软件设计方面，利用中断定时器和DMA方式完成数据采集，有效减小了CPU负荷，另外，通过定义2个缓冲数组保证了系统采集数据的连续性与可靠性。结构设计方面，排除了传统的螺纹安装方式，采用磁座安装方式，在传感器的一端预留安装电磁铁的位置，通过电磁铁将传感器固定在尾梁上。
(3)实验室测试结果表明，该传感器测量误差在1%以内。井下测试结果表明，传感器采集的信号大部分是煤块下落时的振动信号，其频率范围为100～200 Hz，而矸石下落时的振动信号频率在200 Hz以上，二者具有一定的可分辨性。
(4)后续可融合振动信号幅值、能量分布等参数进行煤矸识别研究，进一步提高识别精度和可靠性。
[1] 田妍,田丰.放顶煤开采过程煤矸识别技术发展现状及前景[J].煤炭工程,2018,50(10):142-145.
TIAN Yan,TIAN Feng.Development status and prospect of coal gangue recognition technology in top-coal caving[J].Coal Engineering,2018,50(10): 142-145.
[2] 曹现刚,李莹,王鹏,等.煤矸石识别方法研究现状与展望[J].工矿自动化,2020,46(1):38-43.
CAO Xiangang,LI Ying,WANG Peng,et al.Research status of coal-gangue identification method and its prospect[J].Industry and Mine Automation,2020,46(1):38-43.
[3] 王水生.基于振动特性分析的采煤机煤岩识别控制系统[J].工矿自动化,2015,41(5):83-87.
WANG Shuisheng.Coal-rock recognition and control system of shearer based on vibration characteristics analysis[J].Industry and Mine Automation,2015,41(5):83-87.
[4] 魏文艳.综采工作面放顶煤自动控制系统[J].工矿自动化,2015,41(7):10-13.
WEI Wenyan.Automatic control system of top coal caving on fully-mechanized coal mining face[J].Industry and Mine Automation,2015,41(7):10-13.
[5] 宋庆军.综放工作面放煤自动化技术的研究与应用[D].徐州:中国矿业大学,2015.
SONG Qingjun.Study and application on the caving automation in fully mechanized top coal caving face[D].Xuzhou:China University of Mining and Technology,2015.
[6] 刘伟,华臻.Hilbert-Huang变换在煤矸界面探测中的应用[J].计算机工程与应用,2011,47(9):8-11.
LIU Wei,HUA Zhen.Application of Hilbert-Huang transform to coal gangue interface detection[J].Computer Engineering and Applications,2011,47(9):8-11.
[7] 张良,牛剑峰,代刚,等.综放工作面煤矸自动识别系统设计及应用[J].工矿自动化,2014,40(9):121-124.
ZHANG Liang, NIU Jianfeng, DAI Gang, et al.Design of automatic identification system of coal and gangue for fully-mechanized coal caving working face and its application[J].Industry and Mine Automation,2014,40(9):121-124.
[8] 马英.基于尾梁振动信号采集的煤矸识别智能放煤方法研究[J].煤矿开采,2016,21(4):40-42.
MA Ying.Intelligent coal caving with gangue identification based on tail beam vibration signal collection[J].Coal Mining Technology,2016,21(4):40-42.
[9] 任洁,刘頔.基于采煤机振动时域特性的煤岩识别方法研究[J].煤炭工程,2016,48(3):106-109.
REN Jie,LIU Di.Recognition method of coal-rock interface based on time-domain vibration characteristics of coal cutter[J].Coal Engineering,2016,48(3):106-109.
[10] 徐磊,房立清,齐子元,等.基于MEMS加速度传感器的振动加速度测量系统设计[J].仪表技术与传感器,2019(2):18-21.
XU Lei,FANG Liqing,QI Ziyuan,et al.Design of vibration acceleration measurement system based on MEMS acceleration sensor[J].Instrument Technique and Sensor,2019(2):18-21.
[11] 张阳峰,韦仕鸿,邓娜娜,等.基于小波降噪的振动传感器数据分析[J].计算机科学,2019,46(增刊1):537-539.
ZHANG Yangfeng,WEI Shihong,DENG Nana,et al.Vibration sensor data analysis based on wavelet denoising[J].Computer Science,2019,46(S1):537-539.
[12] 刘继承,徐庆华,查建新.用加速度传感器测量振动位移的方法[J].现代雷达,2007,29(5):69-71.
LIU Jicheng,XU Qinghua,ZHA Jianxin.Method of vibration displacement measured with acceleration sensor[J].Modern Radar,2007,29(5):69-71.
[13] 王保平.放顶煤过程中煤矸界面自动识别研究[D].济南:山东大学,2012.
WANG Baoping.Research on automatic recognition of the coal-rock interface in top coal caving[D].Jinan:Shandong University,2012.
[14] 杨健健,薛光辉,赵国瑞,等.矿用本安型振动传感器的研制[J].煤炭科学技术,2013,41(2):71-74.
YANG Jianjian,XUE Guanghui,ZHAO Guorui,et al.Research and development on mine intrinsic safe mode vibration sensor[J].Coal Science and Technology,2013,41(2):71-74.
[15] 吉晓冬,薛光辉,杨健健,等.矿用振动加速度传感器信号调理装置研制[J].工矿自动化,2014,40(5):106-108.
JI Xiaodong,XUE Guanghui,YANG Jianjian,et al.Development of mine-used signal conditioning device of vibration acceleration sensor[J].Industry and Mine Automation,2014,40(5):106-108.