Residual life estimation of components of hydraulic support in service
-
摘要: 针对现有液压支架寿命估算方法很少考虑液压支架使用过程中技术性能不断下降而导致误差较大的问题,提出了在役液压支架部件剩余寿命估算方法。通过引入表面系数、结构尺寸系数和焊缝影响系数等来修正材料疲劳曲线,获得部件疲劳曲线;再根据累积损伤理论、剩余损伤容量和应力谱,利用部件的疲劳曲线进行寿命估算;采用多级模糊评定方法对在役液压支架顶梁进行状态评估,使用总体状态系数对寿命估算结果进行折合计算,获得在役液压支架部件的剩余寿命。试验结果表明,该方法的估算误差为3.52%,精度较高。Abstract: In view of problem that existing hydraulic support life estimation method rarely consider continuous performance decline of hydraulic support in use process and leads to great error, a residual life estimation method of components of hydraulic support in service was proposed. Components S -N curve was obtained by correcting material S -N curve through introduction of surface coefficient, structural size coefficient and welding impact coefficient. Then the components S -N curve was used for life estimation according to cumulative damage theory, residual damage capacity and stress spectrum. Multi-level fuzzy evaluation method was used to evaluate the state of hydraulic support roof beam, and overall life coefficient was multiplied by the estimated life to get the residual life of the components of hydraulic support in service. The experimental results show that the estimation error of the proposed method is 3.52% and the precision is high.
-
Keywords:
- hydraulic support /
- life estimation /
- residual life /
- S -N curve /
- state assessment
-
0. 引言
智慧矿山是当今矿业领域的热门话题之一,通过应用先进的信息技术和自动化技术,实现矿山生产效率的提高、安全性的增强和环境友好型的开采[1-2]。井下无线通信网络[3]是智慧矿山建设的重要和关键的基础设施,被广泛应用于各个方面,包括设备监测[4]、人员定位[5]等。然而,由于矿山环境的复杂性和特殊性,存在大量无线覆盖盲区问题[6],对煤矿井下智能化、无人化开采带来一些挑战和风险。
为了应对信号覆盖盲区问题,传统的方法可以分为4类:合理布设无线基站或引入中继设备[7];优化基站与设备上的天线[8];布设漏泄通信系统(Leaky Feeder Communication System,LFCS)[9];采用光纤通信。然而,这些传统方法存在一些明显问题。部署过多的基站与设备会导致更高的能源消耗和更严重的网络干扰问题。安装多天线增加了硬件、能源成本及信号处理的复杂性。此外,LFCS中的漏缆网络信道建模和故障诊断等方面需要更高的部署与维护成本。因此,探索开发创新型技术,以提升煤矿井下无线网络的有效容量和可靠性,并且具备低成本、可承受的复杂性和能源消耗,成为一个极具研究价值的方向。
智能反射面(Intelligent Reflecting Surface, IRS)最近成为B5G/6G无线通信系统实现智能和可重构无线通信信道的一种有前景的新范式[10-12]。一般来说,IRS是一个由大量被动反射元件组成的平面,每个被动反射元件都能够独立地诱导入射信号的可控幅度和/或相位变化。通过在无线网络中部署IRS并智能地协调其反射,可以灵活地重新配置发射端和接收端之间的信号传播,从而解决无线信号遮挡衰落和干扰问题,并实现无线通信的容量和可靠性的飞跃式提高。
在煤矿井下这类特殊场景中,由于复杂的传播介质和各类信号干扰源导致的损伤,建立完好的5G通信链路极其困难[13]。通过引入IRS技术,可以显著改善煤矿井下无线通信的覆盖和连接性。IRS的部署和协调可以有效消除信号遮挡和衰落现象,提高信号的传输质量和覆盖范围。此外,凭借IRS硬件能耗低、易部署和扩展性强等特点,该解决方案不仅成本低且系统复杂度低。因此,在煤矿井下无线通信环境中引入IRS具有重要的应用潜力,为解决无线盲区覆盖困难提供了一种创新的解决方案。进一步研究和探索IRS在煤矿井下环境中的应用将为智能矿山的发展和地下通信问题的解决提供有力支持。
1. 煤矿井下无线覆盖盲区问题及分析
1.1 覆盖盲区问题分析
在煤矿井下特殊环境中,有效运用无线通信技术主要面临以下挑战:① 地下煤矿通常是一个相对封闭的环境,在隧道、回采工作面或矿井巷道等地形复杂区域中,无线信号容易受到电磁干扰和多径效应的影响[14-15]。② 井下普遍存在的岔道转角和大型设备遮挡等非视距(Non-Line of Sight,NLoS)场景,同时煤尘和岩石等物质对无线信号的吸收和散射也会导致信号严重衰落[16]。③ 因井下环境存在瓦斯等易燃易爆气体,通信设备的发射功率和天线安装受《煤矿安全规程》防爆要求约束限制[17],进一步导致信号传输距离受限。这些瓶颈问题严重影响5G,6G,WiFi6等无线通信技术的高效、可靠应用,导致边缘覆盖困难和众多的信号覆盖盲区。
煤矿井下无线覆盖盲区的存在会导致通信信号不稳定甚至中断,对井下矿工的准确定位与瓦斯浓度的实时检测造成影响,可能导致安全监测和事故预警系统失效,增加煤矿安全生产与管理的风险。更重要的是,井下覆盖盲区限制了智能化设备的应用和数据交互,阻碍了矿山实现数字化转型和智能化管理水平的提升。因此,解决煤矿井下无线覆盖盲区问题对于提升矿山效率、安全性和智能化水平具有重要意义。
1.2 传统方法分析
为了解决煤矿井下无线覆盖盲区问题,相关人员通常交叉使用多种传统方法,以满足具体场景下的安全和高效生产需求。传统方法具体如下:
1) 布置更多无线基站和中继设备。在煤矿井下环境中,由于信号衰减和障碍物遮挡等因素的影响,无线信号的传输距离受到限制。因此,增加基站和中继站的数量和密度是一种常见的传统措施,可以提高无线信号的传输距离和信噪比,从而提高通信质量和可靠性。
2) 设计基站与设备上的天线。通过调整天线的方向和倾斜角度改善信号的传播方向和覆盖范围;采用高增益天线或定向天线可以增加信号的传输距离和覆盖范围,提高信号强度和质量,从而减少盲区的影响。这些天线具有较高的定向性,能够将信号更精确地传输到目标区域。
3) 布设LFCS。通过布设LFCS,可以将漏缆作为无线信号传输的媒介。在漏缆周围可以形成稳定的磁场,从而在井下环境中实现无线通信。另外,LFCS可以实现数据、图像和语音通信传输,凭借其组网能力强、通信距离远、可靠性高等特点,适合在井下巷道特殊环境应用。
4) 采用光纤通信。针对特别困难的区域,考虑采用光纤通信,以更可靠的传输方式解决信号覆盖盲区问题。
此外,还有一些相关研究提出了无线传感器网络(Wireless Sensor Network,WSN)技术和(Multiple Input Multiple Output,MIMO)技术来适应井下无线通信环境。Xu Jingjing等[18]提出了基于多载波码分多址的WSN,通过充分利用地下隧道空间的特点和开放的频率资源,显著提高了在恶劣信道环境下的无线传输性能。由于MIMO系统能够将多路径传播转化为通信系统的优势,I. B. Mabrouk等[8]在真实金矿中,对矿山井下直射路径(Line-of-Sight,LoS)和NLoS场景下MIMO信道的相关统计参数进行了分析,并证明MIMO在多散射环境下可以利用多径传播来提高容量。
然而,这些传统方法存在一定局限性:需要较高的硬件布置和定期维护成本;往往无法避免引入更复杂的网络干扰和协调管理。这些问题在煤矿井下复杂环境中无疑更加难以处理。
2. IRS技术
2.1 IRS硬件结构
IRS的硬件实现基于数字可控的二维超材料。具体而言,超表面是由大量元件(或称为元原子)组成的平面阵列,这些元件间的间距通常小于入射信号的波长,通过精心设计这些元件(包括几何形状、尺寸大小、方向和排列等),可以相应地调整其单个信号响应(包括反射幅度和相位[19])。
典型的IRS硬件结构如图1所示。在外层,大量的金属贴片被印在电介质衬底上,直接与入射信号相互作用,即IRS元件。在外层的后面,有1块铜板用来防止信号能量的泄漏。内层是1个控制电路板,负责调整每个元件的反射幅度/相移,由附着在IRS上的智能控制器触发。在实际应用中,现场可编程门阵列可以作为控制器来实现,同时也可以作为网关以进行低速率的信息交换,通过单独的无线链路与其他网络组件(如基站、接入节点和用户端)进行通信和协调,以此来实现IRS的高度可控反射。
PIN二极管嵌入在每个IRS元件中,通过直流馈线控制其偏置电压,PIN二极管可以在“On”和“Off”状态之间切换,因此,通过智能控制器设置相应的偏置电压,可以独立实现IRS元件的不同相移。另外,为了有效控制反射幅度,可以在元件设计中采用可变电阻负载。例如,通过改变每个元件中电阻的值,可以使入射信号的不同部分能量被耗散,从而实现[0,1]中的反射幅度可控。在实际应用中,需要对每个元件的幅值和相移进行独立控制,为此需要对上述电路进行有效集成。
在实际的无线通信应用中,须根据应用场景设计IRS。为了实现实时的可重构性,也需要采用以适应用户移动性所产生的动态无线信道,因此需要数字信号控制,采用1−bit或2−bit控制。
2.2 IRS辅助的信道模型
为了具体描述IRS信号传输及信道模型,考虑基本的点对点通信系统,为了协助优化从发射器到其预期接收器的通信,在IRS平面上部署包含N个无源反射元件的IRS反射单元。此外,假设发射器和接收器都有1个天线,并且通信系统在给定的载波频率下是窄带的。IRS辅助的信道模型如图2所示。
令$ x(t) $为等效基带发射信号,通过单个反射元件从发射端传输到接收端。通过IRS反射元件n的第1段等效基带复信道系数为$\alpha_{1, n} \exp({-{\rm{j}} \xi_{1, n}})$,$n \in\{1,2, \cdots, N\}$,其中$ \alpha_{1, n} $和$ \xi_{1, n} $分别为第1段窄带等效平坦信道的幅值衰减和相移。在忽略电路非线性和相位噪声等硬件缺陷的情况下,IRS反射元件n反射的信号为
$$ s_{n}(t)=\beta_{n} \exp({{\rm{j}} \theta_{n}}) \alpha_{1, n} \exp({-{\rm{j}} \xi_{1, n}}) x(t) $$ (1) 式中:βn为复反射系数的幅度衰减,$ \;\beta_{n} \in[0,1] $,由于IRS反射元件无源,反射过程没有信号放大,并且为了简化,设计βn=1[20-21];θn为复反射系数的相移,$ \theta_{n} \in[0,2 {\text{π}}) $。
反射信号从IRS元件n到接收端,经过第2段窄带等效平坦信道,到达接收端的信号为
$$ y_{n}(t)=\alpha_{1, n} \exp({-{\rm{j}} \xi_{1, n}}) \beta_{n} \exp({{\rm{j}} \theta_{n}}) \alpha_{2, n} \exp({-{\rm{j}} \xi_{2, n}}) x(t) $$ (2) 式中$ \alpha_{2, n} $,$ \xi_{2, n} $分别为第2段窄带等效平坦信道的幅值衰减和相移。
将2段反射路径的窄带等效平坦信道分别表示为$h_{{\rm{r}}, n}=\alpha_{1, n} \exp({-{\rm{j}} \xi_{1, n}})$和$g_{n}=\alpha_{2, n} \exp({-{\rm{j}} \xi_{2, n}})$,并代入式(2),可得
$$ y_{n}(t)=h_{{\rm{r}}{,}n} \beta_{n} \exp({{\rm{j}} \theta_{n}}) g_{n} x(t) $$ (3) 因此,IRS辅助的信道可以表达为发射端到IRS反射元件n、IRS反射和IRS反射元件n到接收端3个等效信道的乘积。
只考虑IRS反射元件第1次反射的信号分量,假设IRS反射元件工作时相互之间没有信号耦合或联合处理,并且独立地反射入射信号。因此,来自所有IRS反射元件的接收信号$ y(t) $建模为各自反射信号的叠加,即
$$ y(t)=\left(\sum_{n=1}^{N} h_{{\rm{r}}, n} \beta_{n} \exp({{\rm{j}}{\theta}_n}) g_{n}\right) x(t)={\boldsymbol{h}}_{{\rm{r}}}^{{\rm{H}}} {\boldsymbol{\varTheta}} {\boldsymbol{g}} x(t) $$ (4) 式中:${\boldsymbol{h}}_{{{\rm{r}}}}^{{{\rm{H}}}}=\left[h_{{\rm{r}}, 1},h_{{\rm{r}}, 2}, \cdots, h_{{\rm{r}}, N}\right]$;${\boldsymbol{\varTheta}}$为IRS反射系数对角矩阵,${\boldsymbol{\varTheta}}=\operatorname{diag}(\beta_{1} \exp({{\rm{j}} \theta_{1}}), \;\beta_{2} \exp({{\rm{j}} \theta_{2}}), \cdots, \beta_{N} \exp({{\rm{j}} \theta_{N}}))$;${\boldsymbol{g}}= \left[g_{1},g_{2}, \cdots, g_{N}\right]$。
令LoS的等效信道为${\boldsymbol{ h}}_{{\rm{d}}} $,则整体等效信道为
$$ \boldsymbol{h}=\boldsymbol{h}_{{\rm{d}}}+\boldsymbol{h}_{{{\rm{r}}}}^{{{\rm{H}}}} {{\boldsymbol{\varTheta}}} \boldsymbol{g} $$ (5) 可实现的最大无线传输速率为
$$ R=B \log _{2}\left(1+\frac{p\left|{\boldsymbol{h}}_{{\rm{d}}}+{\boldsymbol{h}}_{{\rm{r}}}^{{\rm{H}}} {\boldsymbol{\varTheta}} {\boldsymbol{g}}\right|^{2}}{\sigma^{2}}\right) $$ (6) 式中:B为带宽;p为信号发射功率;$ \sigma^{2} $为加性高斯白噪声的功率。
由式(6)可知,当智能设备等用户与其服务基站之间的直接链路被障碍物严重阻断时,部署与基站和用户都有较好信号传播环境的IRS将智能地辅助信号反射绕过障碍,从而在它们之间创建虚拟LoS链路,能够增强到达用户接收端信号的信噪比。
2.3 典型应用场景研究
IRS以其低成本、低功耗、全双工、易部署和可扩展性等特点,在解决覆盖盲区方面具有性能优势。无论在室内还是室外环境,IRS能够通过精确控制和优化信号传输,提供更广范围的无线覆盖,改善设备活动检测的准确性和效率。同时,IRS还能够补偿多普勒效应和延迟传播效应,提升通信的可靠性和降低延迟。IRS典型应用场景如图3所示,包括精准定位、信能同传、无人机通信、边缘计算和物理层安全等。
2.3.1 精准定位
IRS在精准定位方面具有重要作用,其不仅可以与基站一起充当参考节点,还能提供LoS路径,从而实现高精度定位。近年来,针对利用IRS辅助定位的性能进行了广泛研究,涉及系统架构、硬件设计、近场环境等方面的改进。这些研究取得了显著进展,大大提升了定位精度,同时展示了IRS在显著提高定位性能方面的巨大潜力[22]。具体而言,一种改进的低复杂度定位算法基于单个基站和大型IRS,并应用于非直射信道条件下的移动用户定位场景,充分利用IRS的反射能力和优化的定位策略,可克服信号传播中的多径效应,提高定位的准确性[23]。
2.3.2 信能同传
鉴于未来无处不在的无线连接和持续稳定的能源需求,无线携能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)和无线供能通信(Wireless Powered Communication,WPC)技术正吸引越来越多的关注,而且IRS可以实现信息信号和能量信号的同步传输,两者结合的研究有着广阔的应用前景[24]。具体而言,通过结合下行无线能量波束成形和上行信息接收设计,IRS辅助的信能同传系统凭借低成本、低复杂度方式完成能量传输和接收信号强度的有效增强,有助于实现绿色通信[25]。
2.3.3 无人机通信
无人机具备作为空中基站和中继的能力,在无线通信中可以高效地传递信息。通过将IRS技术与无人机相结合,可以充分利用IRS反射信息的特点,在复杂的高楼城市等环境中构建新的信息传输路径,并扩大信号覆盖范围。此外,在无人机上合理安置IRS,利用IRS的被动波束赋形特性,通过优化无人机的信号发射功率、飞行轨迹及IRS的相位调整,能进一步提升无人机通信的传输性能[26]。
2.3.4 边缘计算
边缘计算充分利用大量的边缘资源将计算密集型任务转移至边缘侧完成处理,而计算任务卸载过程受网络连接质量的影响[27]。IRS可以利用波束赋形,增强有用信号接收功率,提升用户上下行速率。边缘计算场景下的IRS相移设计可以通过深度Q网络(Deep Q Network,DQN)来实现[28]。IRS布置在物联网设备和边缘节点之间的合适位置,可以提高卸载信道质量和降低卸载时延,进而满足边缘计算对时延和通信开销的需求。
2.3.5 物理层安全
无线信道天然的开放性和随机性,使其容易受到人为窃听等安全威胁。物理层安全技术包括基于通信加密密钥或信道特性的安全通信方法及多技术融合的保密方法[29],但这些方法在实际应用中常面临成本高、技术难等问题。IRS通过对无线通信环境的调整,为物理层安全问题带来了全新的解决方法。通过合理地优化基站预编码和IRS的反射系数,使得经过IRS的反射信号可以在合法用户端与直射链路信号叠加从而得到增强,同时与窃听用户接收到的直射链路信号相抵消,减少信息泄露[30]。Xiao Liang等[31]研究了IRS辅助的无线体域网安全传输,对IRS波束赋形、发射功率、加密密钥进行联合优化,在避免严重信息泄露的情况下,利用强化学习算法实现最大化系统效益。
3. IRS优化井下无线覆盖盲区及展望
3.1 IRS优化井下无线覆盖盲区
通过在煤矿井下部署IRS,可以利用其可调控的反射特性来优化信号的传播[32]。IRS可以调整信号的方向、波束形状和幅度,以实现对信号的聚焦、增强和定向传输。因此,利用IRS将有效克服井下环境中覆盖盲区问题,显著提高信号强度和覆盖范围。
在煤矿井下环境中,IRS可以被放置在矿井巷道墙面或综采工作面顶部,从根源上减少墙体中各类岩石物质对主要信号分量的吸收和散射。此外,针对井下普遍存在的岔道转角和大型设备遮挡等NLoS场景,将IRS部署在合适的位置后,可以通过调节反射面的参数(如反射系数),改变信号的传播方向和幅度,在NLoS场景下有效地将信号传输到接收端。IRS辅助井下无线通信系统如图4所示,IRS的部署可以实现虚拟LoS链路,使信号在巷道中进行有效传输,降低信号因遮挡产生的衰减。同时,反射面上的微小单元可以根据具体需求,调整反射信号的相位和振幅,以实现信号相干叠加和波束赋形,最终消除或减小多径衰落的影响。
IRS辅助的无线通信系统不仅能够有效提高信号传输质量,而且具有低成本与易部署的特点,利用其解决煤矿井下无线覆盖盲区问题具有巨大潜力。
3.2 未来进一步研究课题
IRS在煤矿井下的应用仍处于起步阶段,在煤矿井下实际应用IRS还需要进一步研究和优化,以克服挑战并实现可行的解决方案。
3.2.1 IRS辅助的覆盖补盲系统的能量管理
煤矿井下环境中能量供应是一个重要的问题。由于地下环境的限制,不仅无法及时且充足地完成设备充电,而且传统的能量供应方法可能不适用于IRS。研究在IRS辅助的无线通信系统中加入SWIPT[33-34]和能量收集(Energy Harvesting,EH)[35]技术,通过优化的IRS信号反射,可以在保证通信质量的同时,降低能源消耗和设备成本,有助于实现更高的经济效益。
3.2.2 基于人工智能的IRS辅助的井下通信
复杂的井下无线通信环境面临着电磁干扰、煤尘水雾、复杂信号衰落、大型移动设备阻挡等困难,这些因素给准确获取实时无线通信模型和信道状态信息带来了显著挑战。此外,设计反射系数矩阵的优化问题具有非凸性,传统的优化技术无法有效解决动态复杂环境下的IRS反射相移优化问题。因此,人工智能技术(如强化学习[36]、深度学习[36]和联邦学习[37]等)成为一种有前景的方法,来解决IRS优化通信中的信道获取和波束赋形设计等关键问题。这种方法的优势在于其能够适应复杂的通信环境和实时变化的信道条件,提供更灵活、更智能的IRS反射信号处理策略,并提升IRS在复杂矿井环境下的适应性,从而改善无线盲区覆盖的性能和可靠性。未来的研究可以进一步探索和优化人工智能技术在IRS技术中的应用,以进一步提升煤矿井下无线通信系统的性能和可持续发展能力。
3.2.3 新型IRS技术应用和IRS灵活部署
借助新型IRS技术(如有源IRS[38-39]、智能全表面[40]等),可以实现更加高效的覆盖扩展、干扰消除、安全通信、传感和定位等功能。有源IRS通过激发单元和反射单元之间的相互作用,实现对入射信号的主动调控和放大,从而提高信号的传输效率和覆盖范围。另外,智能全表面具有联合反射和折射能力,能够将表面一侧的入射信号反射和折射到位于其两侧的用户,实现与用户的全维通信。在实际的煤矿井下环境中,需要考虑具体位置部署问题[41],包括单个IRS的倾斜角度和坐标位置的优化,以及多个IRS的联合部署等,以进一步提升IRS优化通信性能的能力。此外,由于新型IRS的阵列架构(无源/有源)和运行机制(反射/透射)与传统的有源基站/中继的无线网络有所不同,因此需要重新深入研究以实现最大化网络容量的优化部署策略。
4. 结语
针对煤矿井下无线覆盖盲区问题,通过分析IRS技术的基本原理和关键特点,探讨了IRS技术在煤矿井下无线盲区覆盖中的应用前景,从部署策略、信号优化和资源分配等方面利用IRS技术优化盲区覆盖。IRS技术在提升煤矿井下信号覆盖性能、降低无线通信系统总体成本和提升矿山安全性方面具有巨大潜力。研究成果对于解决井下通信难题、提高矿山工作效率及促进基于5G的矿山数字经济发展具有重要的指导意义。未来可以进一步研究基于人工智能的IRS技术,并结合实际场景开展实验与验证,以推动IRS技术在煤矿井下无线通信中的实际应用。
-
期刊类型引用(3)
1. 曹现刚,张梦园,雷卓,段欣宇,陈瑞昊. 煤矿装备维护知识图谱构建及应用. 工矿自动化. 2021(03): 41-45 . 本站查看
2. 谢晖. 基于语义网技术的海量数字档案智能挖掘方法. 北京印刷学院学报. 2021(09): 183-186 . 百度学术
3. 侯晓焱,邢永杰. 数据标注视角下的智能类案推荐. 人民司法. 2021(28): 50-54+65 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 38
- HTML全文浏览量: 9
- PDF下载量: 10
- 被引次数: 3