基于UWB的综采工作面推进度测量系统

刘清, 刘军锋

刘清,刘军锋. 基于UWB的综采工作面推进度测量系统[J]. 工矿自动化,2024,50(4):33-40. DOI: 10.13272/j.issn.1671-251x.2023120024
引用本文: 刘清,刘军锋. 基于UWB的综采工作面推进度测量系统[J]. 工矿自动化,2024,50(4):33-40. DOI: 10.13272/j.issn.1671-251x.2023120024
LIU Qing, LIU Junfeng. UWB based measurement system for pushing progress of fully mechanized working face[J]. Journal of Mine Automation,2024,50(4):33-40. DOI: 10.13272/j.issn.1671-251x.2023120024
Citation: LIU Qing, LIU Junfeng. UWB based measurement system for pushing progress of fully mechanized working face[J]. Journal of Mine Automation,2024,50(4):33-40. DOI: 10.13272/j.issn.1671-251x.2023120024

基于UWB的综采工作面推进度测量系统

基金项目: 国家重点研发计划项目(2023YFB3211005);天地科技股份有限公司科技创新创业资金专项项目(2022-2-TD-ZD001)。
详细信息
    作者简介:

    刘清(1984—),男,河北秦皇岛人,副研究员,主要从事自动化及无人开采技术研究等方面的工作,E-mail:liuqing@tdmarco.com

  • 中图分类号: TD67

UWB based measurement system for pushing progress of fully mechanized working face

  • 摘要: 针对目前综采工作面推进度的测量和计算方式存在费时费力、累计误差大、传感器损坏后无法重新计算等问题,提出了一种基于UWB测距技术的综采工作面推进度实时测量系统。该系统采用矿用本安型测距分站与测距标志卡组合的方式,通过无线通信实现对综采工作面巷道推进度的实时测量。在综采工作面端头液压支架布置测距分站,在回采巷道固定标志点悬挂测距标志卡,通过巷道内UWB无线信号测距,当即将开采到最近的测距标志卡位置时,撤掉该处测距标志卡,后续测距标志卡接替进行巷道推进度的测量与计算,依此循环往复,不断进行更替测量。结合采煤工艺,建立了依据采煤机位置和液压支架动作的限幅中值平均滤波模型,该模型将限幅滤波、中值滤波、算术平均滤波深度融合,以剔除海量数据中由于受到测量、遮挡等影响而造成的测量偏差较大的无效数据,同时消除有效数据中的最大和最小偏差数据,进一步保证了通过算术平均运算得到的测量值的准确性和有效性,实现了综采工作面推进度的连续测量。地面测试结果表明,测距分站1的最大误差为0.32 m,误差小于0.2 m的占比为84.62%;测距分站2的最大误差为0.48 m,误差小于0.2 m的占比为76.92%。井下工业性试验结果表明:该系统与矿方实测数据日平均推进度差值为0.13 m,证明了UWB测距技术在井下巷道条件下测距的可行性和基于采煤工艺的推进度测量模型的准确性。
    Abstract: A real-time measurement system for the pushing progress of fully mechanized working face based on UWB ranging technology is proposed to address the problems of existing measurement and calculation methods, such as time-consuming, labor-intensive, large cumulative errors, and inability to recalculate after sensor damage. The system adopts a combination of mining intrinsic safety distance measurement substation and distance measurement marker card, and achieves real-time measurement of the progress of roadway pushing in the fully mechanized working face through wireless communication. At the end of the fully mechanized working face, a distance measuring sub station is arranged on the hydraulic support, and a distance measuring mark card is hung at the fixed marking point of the mining roadway. The distance is measured through UWB wireless signal in the roadway. When the mining is about to reach the nearest distance measuring mark card position, the distance measuring mark card is removed. The subsequent distance measuring mark card is replaced to measure and calculate the progress of the roadway pushing, so as to continuously replace the measurement. Based on the coal mining technology, a limited amplitude median average filtering model is established based on the position of the shearer and the action of the hydraulic support. This model deeply integrates limited amplitude filtering, median filtering, and arithmetic mean filtering to eliminate invalid data with large measurement deviations caused by measurement and occlusion in massive data. At the same time, the maximum and minimum deviation data in the effective data are eliminated, further ensuring the accuracy and effectiveness of the measurement values obtained through arithmetic mean operation. The continuous measurement of the progress of the fully mechanized working face is achieved. The ground test results show that the maximum error of ranging substation 1 is 0.32 m, and the proportion of errors less than 0.2 m is 84.62%. The maximum error of distance measurement substation 2 is 0.48 m, and the proportion of errors less than 0.2 m is 76.92%. The industrial underground test results show that the difference between the daily average advance degree of the system and the measured data of the coal mine is 0.13 m. The result proves the feasibility of UWB ranging technology in underground roadway conditions and the accuracy of the pushing progress measurement model based on coal mining technology.
  • 随着我国煤炭工业的发展,煤炭生产规模化、集约化模式日趋明显。截至2022年,原煤总产量达45.6亿t,年产千万吨级的现代化高产高效矿井达79座,全国煤矿平均单井(矿)产能提高到120万t/a以上[1]。同时,超大采高综采技术与装备持续创新发展,2018年3月,国能神东煤炭集团有限责任公司上湾煤矿8.8 m超大采高综采技术与装备成功应用[2],刷新了世界大采高综采工作面采高、产量与工效的三重记录。然而,高强度特厚煤层“大空间−强采动”的开采特点给采场矿压控制及灾害防控带来了新的挑战[3-5]。矿山采动覆岩内部岩移原位监测作为揭示岩层运动规律的有效手段,可以实时监测煤矿工作面覆岩变形及运动,及时发现灾害孕育期的先兆特征,并进行强矿压灾害超前预警,保障煤炭资源安全开采[6]

    长期以来,由于煤矿开采的特殊性和采场矿山压力显现的复杂性,难以采用经典力学和数学方法直接揭示采动岩层运动规律[7],所以其最初被视为“黑箱”问题[8-9]。研究人员主要依靠地表沉陷监测、数值模拟和相似物理模拟等手段探究覆岩结构特征及运动规律。但这些手段难以真实反映煤矿的复杂地质条件[10],仅在一定程度上体现覆岩运移部分规律,对煤层开采过程中不同层位覆岩运动特点尚缺乏全面认识。砌体梁结构模型与关键层理论的提出揭开了岩层运动过程的神秘面纱,建立了采场矿压、岩层运动和地表沉陷三者之间的定量关系[7],提供了覆岩运移数据的解读方法。

    矿山采动覆岩内部岩移原位监测技术是从20世纪60年代开始在我国逐渐发展起来的一种直接观测技术[11]。通过在覆岩内部布置监测点对采场上覆岩层的移动变形进行直接监测,实现岩层运动全程的可视化,为采动岩层稳定性评估、矿山灾害预警和矿区环境保护提供关键信息。该技术遵循岩层运动一体化监测原则,以全柱状思想为基础,建立了采动岩层内部移动与地表沉陷相协同的多维实时监测体系。该技术已成功应用于神东、大同[12-14]、彬长[15]、宁东[16]、平朔[17]等矿区,为研究工作面全生命周期覆岩运动特征奠定了重要基础。

    经过近60 a的发展,矿山采动覆岩内部岩移原位监测技术在监测精度、实时性、持续性及多维协同监测方面取得了显著进展。采用高精度数据采集系统,将岩层移动的监测精度提高到0.01 mm[6],为采动岩层稳定性评估和矿山灾害预警提供更为精确的数据。采用无线通信技术[18],对矿山开采过程中的岩层移动和变形进行实时跟踪,及时发现潜在的安全隐患。采用太阳能发电技术[15],实现监测设备长期连续运行,可以更全面地了解岩层移动的全过程及其影响规律。采用多维实时协同监测体系[6, 19],能够更全面地掌握岩层内部移动与地表沉陷之间的相互联系,为矿山开采过程中的环境保护提供有力支持。

    本文从煤炭生产及发展背景出发,分析了煤炭生产规模化、集约化趋势下,采动覆岩内部岩移原位监测技术的发展历程、研究进展和应用现状,并展望了发展前景,旨在为矿山工程领域的研究者提供参考,为煤炭工业的安全生产做出贡献。

    煤矿覆岩移动与矿山压力显现、地表沉陷、裂隙发育与流体迁移及地表沉陷直接相关[19-21],国内外诸多科研团队及专家学者开展了大量卓有成效的研究。特别是在1981年砌体梁结构模型及1996年关键层理论提出后,岩层移动与控制相关成果大幅增加,配套的岩层移动监测技术也不断推陈出新。

    目前覆岩移动相关研究可分为理论计算、室内试验和现场实测。其中应用于现场的方法有直接探测法、覆岩内部岩移原位监测及光纤感测法。与其他方法相比,覆岩内部岩移原位监测技术具有实时监测覆岩移动和变形、多层位动态自动监测、监测数据准确可靠、地形适应性强等优势。

    我国煤矿覆岩内部岩移原位监测技术起源于20世纪60年代。最早在阳泉一矿70310工作面进行应用,尽管在初步对比观测与后期分析中取得了一定的成果,但由于对岩层移动认识深度不足,未能揭示覆岩运动与地表沉陷的关系[11, 22]。直到20世纪80年代,矿压技术理论的发展,特别是砌体梁理论的提出,为采动覆岩移动数据的解读提供了理论基础[23]。钱鸣高院士于1982年通过上海大屯能源股份有限公司孔庄矿实际监测,建立了岩层动态下沉的负指数拟合曲线方程,揭示了采动影响下不同层位岩层的位移特征[24-25]

    随着20世纪80年代分布式光纤测试技术,特别是基于受激布里渊散射的分布式光纤传感测试技术的成熟[10, 26],国内外学者应用光纤感测技术开展了大量的煤层开采模型试验研究,取得了一系列关于覆岩变形破坏规律的新认识[26-29]。但由于上覆岩层大范围变形移动,岩层与光纤之间的运动关联特征及耦合关系复杂,通过应变反演计算所得的岩层移动范围存在较大误差[26-27],在采动覆岩变形监测应用中,暂未形成标准的数据后处理系统[30]

    随着20世纪90年代砌体梁结构模型与关键层理论不断发展完善,对采动覆岩移动的认识更为清晰[31-32],将监测范围缩小到关键层。通过在关键层或厚硬岩层位置布设有限的岩移测点,开展了覆岩随煤层开采的运移规律研究,为采矿工程相关基础理论问题研究提供了数据支撑[33-34]

    进入21世纪后,研究人员对地表沉陷、采场覆岩移动、采场围岩及采空区应力内在联系的认识更加深刻,提出全柱状思想[6, 21, 35]。在研究开采引起的诸如地表塌陷、突水、矿压显现等问题时,分析从煤层到地表的全部岩层的运动规律及其作用,并从中找出起控制作用的关键层,据此提出针对性的岩层控制方法。基于这一思想,在以往观测采场覆岩位移方法的基础上,发展出采动覆岩内部移动与地表沉陷相协同的多维实时监测体系,为井下工作面与地表损害预测提供了更加有效的方法[12,15-16]

    进入21世纪后,西部煤炭资源成为我国开采的重点,以神东矿区为代表的高强度开采矿井群陆续建立,如何精确高效地对地表沉陷及内部岩移进行监测成为需要解决的问题。同时,我国煤炭开采逐渐向深部转移,面临的地质条件更加复杂,需要监测的区域范围迅速扩大。为此,国内学者将无线通信、太阳能发电及无线网络技术应用到矿山采动覆岩内部岩移原位监测技术中,在多维实时协同监测、无人在线监测和深部岩移监测等方面取得了较大的突破。

    覆岩内部岩移多维实时协同监测体系基于岩层移动的全柱状思想,遵循岩层运动一体化监测原则。该体系由覆岩内部岩移监测系统、沉陷实时监测系统、采场矿压监测系统和采空区压力监测系统四大子系统组成(图1),通过对比分析矿山采动覆岩内部岩移数据与地表沉陷、采场矿压及采空区压力数据,探究多维数据的关联特征,剖析数据背后的岩层运动规律。

    图  1  覆岩内部岩移多维实时协同监测体系组成
    Figure  1.  Composition of the multidimensional real-time cooperative monitoring system for overburden movement in mining

    覆岩内部岩移原位监测系统要求在钻孔中放置带有多点引伸计的监测单元[6, 36]。每个监测单元由锚固装置、传输线缆和引伸计组成。锚固装置将与它们所锚定的地层同步运动。传输线缆将测量点与地面之间的相对运动数据传输到钻孔开口处的监测设备。

    沉陷实时监测系统主要通过使用地表沉陷监测设备[6, 19],如GPS接收器或其他高精度地表位移测量设备,来实时监测地表沉降规律。通过与覆岩内部岩移原位监测数据进行联合分析,更全面地了解采矿活动对地表沉陷的影响。

    采场矿压监测系统通过安装在矿山液压支架、支柱等关键位置的压力传感器来检测矿压变化[12]。这些传感器可实时监测压力数据,为矿山安全提供关键信息。同时,通过将矿压数据与覆岩内部岩移原位监测数据进行对比分析,可以揭示采场来压与岩层运动之间的关系。

    采空区压力监测系统主要通过埋设在采空区内部的压力传感器来测量采空区压力变化[37],掌握采空区压力分布与岩层移动和地表沉陷的时空联系。

    通过采动岩层内部移动与地表沉陷一体化布置的多维实时协同监测体系,可以更全面、准确地了解矿山开采对覆岩运动的影响,有助于及时发现潜在的安全隐患,为矿山安全防范提供科学依据。同时,根据这些数据可以更精准地确定关键层位置,避免由于参数取值差异导致的关键层判别误差,为制定有效的岩层控制方法提供依据。这种综合性监测技术对于矿山安全生产具有重要意义,并将在未来矿山开采中发挥越来越重要的作用。

    随着无线网络技术的发展,无人在线监测技术日趋成熟。无人在线监测技术的应用可以提高监测作业的效率和精度。传统的岩移监测技术主要采用人力进行观测,按照一定的时间间隔对数据进行记录。由于观测时间间隔过长,难以准确捕捉到岩层断裂等重要信息。

    将无人在线监测技术与覆岩内部岩移原位监测技术相结合,可提高监测效率和精度,为矿山安全生产提供更有力的保障[38-39]。无人在线监测技术在覆岩内部岩移原位监测中的应用,可以实现对岩层移动、地表沉陷等现象的实时监测,帮助煤矿工作人员快速分析处理监测数据,发现异常情况后进行灾害预警,为制定安全措施和组织人员撤离提供科学依据[40-41]

    在具体实施过程中,通过将无线网络技术、网络云平台及太阳能发电技术相结合,实现了对岩层移动数据的实时采集、传输和分析。太阳能电池的应用可以确保监测设备持续运行,降低运行成本,实现绿色可持续发展。

    基于无线网络传输技术、监测数据云平台及太阳能发电技术的实时监测系统[19]具有较低的维护成本和较高的可靠性。矿山采动覆岩内部岩移原位监测技术在不断优化,目前监测间隔缩短至1 s,分辨率达到0.01 mm。在平朔矿区元宝湾煤矿的实际应用中[18],成功实现了对岩层破断前回弹运动现象的精确捕捉,为矿山安全提供了有力保障。

    煤矿深部岩移监测技术的发展对于矿山安全生产和资源有效利用具有重要意义。随着煤炭资源开发进入深部,煤矿地下工程面临着越来越复杂的地质条件和安全挑战[42]

    1) 在开采深度逐渐增大的情况下,需监测的岩层数量随之增加,深部高应力导致大范围岩体变形和破裂的风险上升,这对监测技术的准确性和覆盖范围提出了更高的要求。

    2) 深部地质环境较为复杂,监测钻孔的长度、弯曲程度及孔壁裂隙等因素都可能对监测锚点的下放产生严重影响,导致锚点下放到某一深度无法继续下放等问题。此外,深部岩层的结构复杂性和不确定性也使得岩移规律研究变得更加棘手。

    为应对上述挑战,研究人员将监测用传输线缆改为高强度铠装电缆,使其具有更高的强度[15]。此外,为了掌握岩层的精确变形数据,结合分布式光纤线来监测岩层变形[15]。将分布式光纤线与覆岩内部岩移原位监测系统布置在同一钻孔中,并用灌浆料粘合,以确保光纤线与岩层结合。通过分析光纤线应变数据来修正地层移动和变形。

    这些技术创新和改进已经取得了显著成果(图2)。在陕西彬长矿区高家堡煤矿的应用中,最大监测岩层深度达到930 m,已达到千米深度煤层监测能力。这些技术上的重大突破为深部复杂地质赋存条件下的覆岩内部岩移原位监测提供了关键技术支撑。

    图  2  矿山采动覆岩内部岩移原位监测深度发展历程
    Figure  2.  Development history of in-situ monitoring depth of overburden movement in mining

    神东矿区是中国最大的煤炭生产基地之一,位于陕西省和内蒙古自治区交界处。该区域探明储量达2 236亿t,地表覆盖现代风积沙及第四系黄土,煤层为中下侏罗统延安组,煤质优良,埋藏浅,倾角小,赋存稳定。国能神东煤炭集团有限责任公司是该区域最大的煤炭生产企业,在生产过程中遇到了一系列采动损害问题,如异常压架和冒顶事故、工作面涌水溃沙事故和地面塌陷等。

    为了解决上述问题,在补连塔煤矿31401综采工作面开展了内部岩移钻孔观测工作(图3),旨在掌握浅埋煤层地表沉陷特征,揭示关键层运动对地表沉降的影响规律[36],为制定矿井安全生产保障措施提供指导。

    图  3  补连塔煤矿测点布置及岩移监测结果
    Figure  3.  The arrangement of measurement points and overburden movement monitoring results of Bulianta Coal Mine

    此次试验采用覆岩内部岩移原位监测技术,同时进行地表沉陷观测及内部岩移监测,研究浅埋煤层开采关键层运动对地表沉陷的影响。观测结果表明,覆岩主关键层对地表沉陷的动态下沉过程起控制作用,地表下沉速度随主关键层周期性破断而呈周期性的跳跃性变化。

    这一研究成果有效指导了神东矿区浅埋煤层顶板控制,降低了采动损害对矿区安全生产的影响。同时,研究成果为其他矿山在类似条件下开展浅埋煤层开采提供了宝贵经验和借鉴,有助于提高煤炭行业整体的安全生产水平。

    晋能控股集团同忻煤矿主采石炭系特厚煤层,在开采过程中频繁出现强矿压问题,严重影响矿井安全高效生产。针对同忻煤矿地质赋存条件,基于全柱状思想,提出采场矿压、覆岩内部岩移、地表沉陷“三位一体”原位监测方法,综合运用GPS测量系统、地面钻孔多点位移监测系统及采场支架工作阻力监测系统,形成了从地面到采场的三维空间立体监测手段。

    图  4  同忻煤矿测点布置及岩移监测结果
    Figure  4.  The arrangement of measurement points and overburden movement monitoring results of Tongxin Coal Mine

    基于同忻煤矿8203工作面岩层移动与钻孔变形连续观测结果(图4[12],发现覆岩内部均出现了不同程度的超前工作面变形破坏现象,采场覆岩的变形破坏呈现出“阶段性台阶跃升”特征。关键层在岩层运动中起主导作用,井下的周期来压与关键层的阶段性破断呈现出良好的对应性。

    这些成果为特厚煤层综放开采覆岩关键层破断运动规律研究提供了新的手段,揭示了特厚煤层开采充分采动条件下关键层破断运动对采场矿压显现的作用机制,有助于制定相应的顶板控制对策,降低强矿压灾害对矿井安全生产的影响。

    高家堡煤矿位于陕西省咸阳市长武县,是一座设计生产能力为5.0 Mt/a的新建现代化矿井。在矿井开采过程中,盘区煤层大巷多次发生冲击地压灾害。该矿大部分可采煤层埋深为800~1 000 m,最大埋深为1 076 m。通过对该矿地质条件调查,发现上覆岩层存在厚度达200 m以上的洛河组砂岩关键层,推测这一厚硬砂岩关键层是引发冲击地压事件的主要原因。

    为了分析覆岩移动对采场矿压的影响,于2020年11月完成了ZY1岩移监测系统与GNSS监测系统的安装工作,最大岩层监测深度达−930 m(图5)。待205 工作面回采结束后,实测ZY1 孔口地表最大下沉量约为 880 mm。205工作面采高约为10 m,下沉系数仅为0.088。综合ZY1孔内部岩移及微震监测结果发现,洛河组巨厚砂岩关键层厚度大且长期悬而未断,致使煤柱区域高应力集中,超过煤岩体强度极限,这是诱发该矿一、二盘区之间煤层大巷发生冲击地压事件的主要原因。

    图  5  高家堡煤矿测点布置及岩移监测结果
    Figure  5.  The arrangement of measurement points and overburden movement monitoring results of Gaojiabao Coal Mine

    高家堡煤矿深部开采覆岩内部岩移原位监测工作表明,通过引入先进的岩移监测系统,可以有效地监测矿井开采过程中的岩层变化,及时预警冲击地压事件的发生,并采取针对性的岩层控制措施,有效降低冲击地压显现强度,保障矿井安全生产。

    矿山采动覆岩内部岩移原位监测技术现已取得长足发展,工程应用效果显著,有效指导了煤炭安全开采工程实践。但科学发展与技术创新永无止境,未来该技术仍将在精确化、智能化和集成化3个方面持续革新并长效发展。

    位移监测设备的精度在各种关键的科学和工程领域都具有重要意义。位移监测方法的进步与技术进步密切相关,从传统的机械设备(如弹簧、齿轮、管子等),到高度专业化、使用光电感应现象的电阻率、光电(激光)、压电(压电晶体)监测设备,传感器和数据记录方法不断更新[43]。据报道,目前国际上使用的光纤传感器系统在90.7 mm的位移范围内实现了高达5 nm的分辨率[44]

    因此,矿山采动覆岩内部岩移原位监测技术需要利用尖端技术提高传感器的灵敏度、测量速度和数据分辨率,进一步提高监测精度,并对不同观测点监测数据之间的响应规律及关联特征进行对比分析。同时,为了提高监测的稳定性和准确性,在传感器铺设前需要仔细考虑并调整所处环境,比如安装位置的选择与调整、复杂钻孔条件下的精准安装等。

    早在1987年,钱鸣高院士根据大量的采场矿压监测发现,基本顶断裂前后在工作面前方的煤体存在回弹现象,但受观测手段的限制,未能测到具体数据[45]。直到 2019 年,在元宝湾煤矿近距离煤层开采实践中捕捉到煤柱失稳前后的“回弹上升”和“失稳下沉”现象[18]。捕捉到这一现象的原因有2个方面:一方面源于高频率及高精度岩移监测设备的应用;另一方面是克服了顶板遗留房采空区对监测设备安装的影响,将多个测点直接布置到煤柱顶板。测点监测结果如图6所示,测点10−1在5 s内由1.68 mm抬升到13.99 mm,抬升量达12.31 mm。抬升后迅速下沉,下沉量巨大,达到738.94 mm[18]

    图  6  测点位移抬升监测
    Figure  6.  Measurement point displacement lift monitoring

    近年来,智能化技术逐步被引入并开始应用到煤炭生产中[9, 46]。2007年以来,我国智能化开采技术得到快速发展,建立了一批中厚和较薄煤层智能化开采示范工程[47]。但在煤矿安全生产领域,我国煤矿顶板灾害智能预警及诊断水平仍亟待提高[48]

    煤矿灾害的智能预报技术涵盖了瓦斯[49-50]、火灾[51]、水害[52]、顶板[53]、粉尘[54] 5个方面。在我国,采场灾害智能预报主要集中在冲击地压灾害风险监测及智能分析[55-56]、地表沉陷及裂缝智能识别[41]、采场围岩控制及智能开采[47,57]等方面,主要监测指标参数包括微震、支架压力、围岩变形等。国际上,一些专家以顶板垮落、采动应力、离层及煤柱失稳作为评价分项,开发了基于物联网的煤矿地层监测智能预测系统[58-59]。然而,这些研究均未涉及采场直至地表的整个覆岩所有岩层整体运动的智能化分析。

    实现工作面顶板灾害的监测智能化,需要在以下2个方面取得技术突破。

    1) 工作面全生命周期灾害监测技术。为了实现工作面灾害智能预警,需要对工作面回采实现从开始到结束的全过程监测,并且采用高精度传感器、监测设备和系统,实时、准确地获取覆岩内部岩层移动、裂隙扩展、地下水位变化等关键数据。同时,借助无线通信技术、物联网技术和远程监测系统实现矿山监测数据的实时传输,确保监测信息的实时性和可靠性。目前基于全柱状思想的覆岩内部岩移多维实时协同监测技术已经成功实现从地表到井下的地表沉陷、岩层移动及采场矿压多组数据协同监测。通过无人监测技术,实现了工作面全生命周期监测。高家堡煤矿最大监测深度为−930 m,监测时间从2020年11月27日开始,到2022年5月4日结束,总计监测828 d。

    2) 矿山灾害智能化数据分析与预测技术。矿山灾害智能预警的关键在于对大量监测数据进行科学高效分析并进行精准预测。这需要发展和应用人工智能技术、大数据技术和机器学习算法,从海量监测数据中提取特征、挖掘规律,并根据历史数据建立预测模型。基于实时监测数据进行预测模型的快速更新,并与人工智能技术深度融合,实现灾害类型的自主诊断学习与智能分析,并同步进行灾害危险程度量化预警,提高矿山灾害类型及其危险程度预警的准确性和可靠性,据此可及时发现潜在的矿山灾害风险,为矿山管理和决策提供科学依据。

    智能化技术在煤矿安全生产领域具有巨大的潜力。通过实现工作面顶板灾害监测智能化,可以降低矿山灾害风险,提高矿山安全生产水平。要达到这一目标,需要在矿山灾害智能化数据分析与预测技术方面取得突破。在这方面,国内的研究和实践已经取得了一定的成果,但仍有很多工作需要继续提升。

    实现科学采矿的关键在于将采矿工程中的各个科学问题相互联系起来[9, 60],针对某一定量指标进行简单分析很难满足煤炭行业发展的需求。钱鸣高院士于1996年在砌体梁结构模型的基础上,提出了岩层控制中的关键层理论[32],强调从覆岩运动的整体层面来研究采场矿压、岩层运动与地表沉陷[7]

    目前我国已实现包括覆岩内部岩移、沉陷、采场矿压和采空区压力多维数据的实时协同监测[6, 12, 15],并借助无线通信技术将现有的数据传至网络,但还没有实现对覆岩内部岩移和流体渗流的协同监测。

    国际上,澳大利亚联邦科学与工业研究组织(CSIRO)实现了对深部岩体应力、变形和孔隙水压力的联合监测[61-62]。尽管我国在保水采煤及水害防治[60, 63-64]领域取得了丰硕的研究成果,但若能将采动岩体破裂与流体流动融入到多维协同监测中,采动岩层断裂与水害的协同治理、采动裂隙封堵及流体人工导流减灾的研究势必大受裨益。

    未来我国煤矿企业及科研机构仍需加大对矿山安全相关领域的研发投入,提升现有技术水平,努力实现覆岩内部岩移和流体渗流的协同监测;加强不同学科之间的交流与合作,共同研究矿压、流体渗流与地表沉陷等问题,以期实现有机统一。

    通过精确化、智能化和集成化的发展,矿山采动覆岩内部岩移原位监测技术将更好地应对矿山安全生产和资源高效利用的挑战,为矿业领域的可持续发展做出重要贡献。

    1) 矿山采动覆岩内部岩移原位监测技术作为一种新型智能感知技术,其优异性能及潜力在煤矿行业引起广泛关注。该技术具有耐久性好、灵敏度高、精度高和分布式监测等优点,且可实现远程实时在线监测,在煤矿工程中得到大量的应用。

    2) 在采动覆岩内部岩移原位监测技术的基础上,创建了多维数据联合实时监测体系,包括实时地表沉陷监测系统、采场矿压监测系统和采空区压力监测系统。该体系可以帮助煤炭生产企业全面了解岩层运移情况,为煤矿安全生产和资源利用提供有力支持。

    3) 采动覆岩内部岩移原位监测技术已在我国神东、大同等数十个矿区应用。这些成果有力验证了砌体梁理论、关键层理论对采动岩体运动的相关预测,为煤矿企业提供了灾害预测方法;不断推进矿山压力与岩层移动理论的深入发展,并持续扩大其适用范围。

    4) 未来,矿山采动覆岩内部岩移原位监测技术将朝着精确化、智能化和集成化的方向发展,以更好地应对矿山安全生产和资源利用效率的挑战。通过优化传感器性能和布置方案等提高监测精度和准确性;利用人工智能、大数据和物联网技术,实现自动化分析和预测,提高信息处理效率;将原位监测技术与其他技术相结合,形成完整的监测系统,以满足矿山内部岩移监测的需求。

    5) 矿山采动覆岩内部岩移原位监测技术为监测矿山采动覆岩内部岩移过程提供了重要手段,有助于发现潜在的安全隐患。通过对地表、覆岩内部及采场应力的联合实时监测,能够迅速发现采动覆岩运动及载荷传递的异常,为煤矿顶板灾害防治提供重要参考。随着煤炭资源转入深部开采,地质结构更加复杂,灾害事故多样,该技术将有更为广阔的应用前景和发展空间。

  • 图  1   UWB时域和幅度关系

    Figure  1.   Relationship between UWB time-domain and magnitude

    图  2   UWB飞行时间法测距原理

    Figure  2.   Ranging principle of the time of flight method

    图  3   DS−TWR测距法原理

    Figure  3.   Principle of the double sided-two-way ranging method

    图  4   综采工作面推进度

    Figure  4.   Pushing progress of fully mechanized mining working face

    图  5   测距分站与测距标志卡布置方案

    Figure  5.   Layout scheme for ranging substations and ranging mark cards

    图  6   基于UWB的推进度测量计算方法

    Figure  6.   Calculation method for pushing progress measurement based on UWB

    图  7   限幅中值平均滤波模型算法流程

    Figure  7.   Algorithm flow of limited amplitude median average filtering model

    图  8   基于UWB的推进度测量系统组成

    Figure  8.   Composition of pushing progress measurement system

    图  9   地面调试流程

    Figure  9.   Ground debugging process

    图  10   推进度测量系统井下安装

    Figure  10.   Underground installation of the pushing progress measurement system

    图  11   基于UWB的推进度测量系统与矿方实测当日推进度对比

    Figure  11.   Comparison between the pushing progress measurement system based on UWB and daily pushing progress measured by mine

    图  12   当日推进度差值统计

    Figure  12.   Statistics of daily pushing progress difference

    表  1   地面测试结果

    Table  1   Ground test results m

    分站1 分站2
    激光 UWB 误差 激光 UWB 误差
    0.990 0.90 −0.09 1.010 1.212 −0.20
    2.050 2.03 −0.02 1.980 2.170 −0.19
    2.990 2.97 −0.02 3.010 3.157 −0.15
    3.900 3.84 −0.06 3.960 4.091 −0.13
    4.870 4.87 0 5.030 5.086 −0.06
    6.030 6.05 0.02 6.080 6.118 −0.04
    7.230 7.25 0.02 6.940 6.987 −0.05
    8.640 8.67 0.03 8.040 8.120 −0.08
    10.030 10.07 0.04 9.050 9.090 −0.04
    12.440 12.50 0.06 10.100 10.126 −0.03
    15.869 16.06 0.19 13.800 13.698 0.10
    19.460 19.55 0.09 15.120 14.908 0.21
    22.877 23 0.12 20.200 20.098 0.10
    26.590 26.6 0.01 24.730 24.708 0.02
    27.860 28 0.14 27.650 27.680 −0.03
    29.410 29.48 0.07 29.870 29.767 0.10
    30.420 30.49 0.07 35.260 35.179 0.08
    35.290 35.41 0.12 39.780 39.750 0.03
    40.270 40.36 0.09 45.140 44.929 0.21
    45.400 45.51 0.11 50.420 50.284 0.14
    49.470 49.65 0.18 55.190 55.165 0.02
    59.290 59.48 0.19 59.910 59.545 0.36
    64.241 64.52 0.28 64.560 64.422 0.14
    71.160 71.48 0.32 69.873 69.396 0.48
    75.800 76.02 0.22 74.580 74.359 0.22
    88.419 88.74 0.32 88.330 88.302 0.03
    下载: 导出CSV

    表  2   试验巷道地质条件

    Table  2   Geological conditions of the tested roadway

    长度/m 倾向角度/(°) 形状 巷宽/m 巷高/m 标点间隔/m
    2 880 0~5 矩形 4.6 2.8 50
    下载: 导出CSV
  • [1] 刘正. 基于支架推移油缸行程的综采面推进距离算法研究[J]. 陕西煤炭,2022,41(5):113-117.

    LIU Zheng. Research on algorithm of advancing distance of fully mechanized mining face based on the support pushing cylinder stroke[J]. Shaanxi Coal,2022,41(5):113-117.

    [2] 朱朋飞,郭龙真. 基于机器视觉的煤矿井下工作面推进度智能识别方法[J]. 煤矿机械,2023,44(8):200-203.

    ZHU Pengfei,GUO Longzhen. Intelligent recognition method of advancing degree of coal mine underground working face based on machine vision[J]. Coal Mine Machinery,2023,44(8):200-203.

    [3] 翟新献,赵晓凡,郭钊洋,等. 综放开采上覆巨厚砾岩层变形垮落冲击相似模拟研究[J]. 采矿与安全工程学报,2023,40(5):1018-1030.

    ZHAI Xinxian,ZHAO Xiaofan,GUO Zhaoyang,et al. Similar simulation study on deformation and collapsing impact of overlying hugely-thick conglomerate stratum in longwall top-coal caving mining[J]. Journal of Mining & Safety Engineering,2023,40(5):1018-1030.

    [4] 王朝引. 回采速度对厚煤层综采工作面冲击显现的影响[J]. 煤炭科学技术,2019,47(8):96-101.

    WANG Chaoyin. Effect of mining speed on bump manifestation of fully-mechanized mining face in deep and thick coal seam[J]. Coal Science and Technology,2019,47(8):96-101.

    [5] 赵同彬,郭伟耀,韩飞,等. 工作面回采速度影响下煤层顶板能量积聚释放分析[J]. 煤炭科学技术,2018,46(10):37-44.

    ZHAO Tongbin,GUO Weiyao,HAN Fei,et al. Analysis on energy accumulation and release of roof under influence of mining speed[J]. Coal Science and Technology,2018,46(10):37-44.

    [6] 刘金海,孙浩,田昭军,等. 煤矿冲击地压的推采速度效应及其动态调控[J]. 煤炭学报,2018,43(7):1858-1865.

    LIU Jinhai,SUN Hao,TIAN Zhaojun,et al. Effect of advance speed on rock burst in coal mines and its dynamic control method[J]. Journal of China Coal Society,2018,43(7):1858-1865.

    [7] 李生鑫,孙珍平,刘春刚. 基于通风量与推进度的采空区自然发火数值模拟[J]. 煤矿安全,2020,51(9):196-200.

    LI Shengxin,SUN Zhenping,LIU Chungang. Numerical simulation of spontaneous combustion in goaf based on ventilation and advancing degree[J]. Safety in Coal Mines,2020,51(9):196-200.

    [8] 曹拓拓,宣德全,范振. 易自燃煤层低推进度综放工作面采空区自燃防治技术[J]. 煤矿安全,2014,45(12):92-95.

    CAO Tuotuo,XUAN Dequan,FAN Zhen. Goaf spontaneous combustion control technology of mechanized face of spontaneous combustion coal seam with low advance degree[J]. Safety in Coal Mines,2014,45(12):92-95.

    [9] 姜希印. 易自燃孤岛工作面安全推进速度研究[J]. 工矿自动化,2019,45(12):7-11.

    JIANG Xiyin. Research on safe advancing speed of spontaneous combustion isolated working face[J]. Industry and Mine Automation,2019,45(12):7-11.

    [10] 季文博,齐庆新,李宏艳,等. 沙曲矿单一工作面推进度与瓦斯涌出量关系研究[J]. 煤炭工程,2012,44(12):95-98.

    JI Wenbo,QI Qingxin,LI Hongyan,et al. Study on relationship between advancing rate of single coal mining face and gas emission value in Shaqu Mine[J]. Coal Engineering,2012,44(12):95-98.

    [11] 肖寒撼,李维光,华道友,等. 单一煤层采煤工作面瓦斯抽采量与推进度之间关系研究[J]. 中国煤炭,2018,44(3):140-142,146.

    XIAO Hanhan,LI Weiguang,HUA Daoyou,et al. Study on the relationship between advance rate and gas drainage volume of single coal seam work face[J]. China Coal,2018,44(3):140-142,146.

    [12] 邓小明,邓志龙. 基于UWB技术的煤矿无线传感器网络设计研究[J]. 煤炭技术,2023,42(6):244-247.

    DENG Xiaoming,DENG Zhilong. Design and research of coal mine wireless sensor network based on UWB technology[J]. Coal Technology,2023,42(6):244-247.

    [13] 薛光辉,李圆,张云飞. 基于激光靶向跟踪的悬臂式掘进机位姿测量系统研究[J]. 工矿自动化,2022,48(7):13-21.

    XUE Guanghui,LI Yuan,ZHANG Yunfei. Research on pose measurement system of cantilever roadheader based on laser target tracking[J]. Journal of Mine Automation,2022,48(7):13-21.

    [14] 王俊秀. UWB测距技术在煤矿井下的应用[J]. 煤矿机械,2023,44(9):145-147.

    WANG Junxiu. Application of UWB ranging technology in underground coal mine[J]. Coal Mine Machinery,2023,44(9):145-147.

    [15] 丁震,张雨晨. 煤矿井下粉尘浓度对UWB测距精度的影响研究[J]. 工矿自动化,2021,47(11):131-134.

    DING Zhen,ZHANG Yuchen. Research on the influence of coal mine dust concentration on UWB ranging precision[J]. Industry and Mine Automation,2021,47(11):131-134.

    [16] 陈伟. 基于UWB技术的煤矿精确定位系统[J]. 煤矿机械,2023,44(5):177-180.

    CHEN Wei. Coal mine precise positioning system based on UWB technology[J]. Coal Mine Machinery,2023,44(5):177-180.

    [17] 郭爱军. 基于UWB的PDOA与TOF煤矿井下联合定位方法[J]. 工矿自动化,2023,49(3):137-141.

    GUO Aijun. A joint positioning method of PDOA and TOF in coal mines based on UWB[J]. Journal of Mine Automation,2023,49(3):137-141.

    [18] 郁露,唐超礼,黄友锐,等. 基于UWB和IMU的煤矿机器人紧组合定位方法研究[J]. 工矿自动化,2022,48(12):79-85.

    YU Lu,TANG Chaoli,HUANG Yourui,et al. Research on tightly combined positioning method of coal mine robot based on UWB and IMU[J]. Journal of Mine Automation,2022,48(12):79-85.

    [19] 任昊誉,郭晨霞,杨瑞峰. 卡尔曼滤波提高UWB测距精度研究[J]. 电子测量技术,2021,44(18):111-115.

    REN Haoyu,GUO Chenxia,YANG Ruifeng. Research on improving UWB ranging accuracy by Kalman filter[J]. Electronic Measurement Technology,2021,44(18):111-115.

    [20] 泰勒. 数字滤波器原理及应用[M]. 北京:国防工业出版社,2013.

    TAYLOR F J. The principle and application of digital filter[M]. Beijing:National Defence Industry Press,2013.

    [21] 唐丽均,吴畏,刘世森. 基于灰色预测模型的井下精确人员定位方法[J]. 工矿自动化,2021,47(8):128-132.

    TANG Lijun,WU Wei,LIU Shisen. Precise personnel positioning method in underground mine based on grey prediction model[J]. Industry and Mine Automation,2021,47(8):128-132.

    [22] 张倩. 基于改进伪中值滤波和非局部均值滤波的红外图像滤波方法[J]. 工矿自动化,2014,40(12):57-60.

    ZHANG Qian. A filtering method for infrared image based on improved pseudo median filtering and non-local means filtering[J]. Industry and Mine Automation,2014,40(12):57-60.

图(12)  /  表(2)
计量
  • 文章访问数:  158
  • HTML全文浏览量:  31
  • PDF下载量:  51
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-12-06
  • 修回日期:  2024-04-17
  • 网络出版日期:  2024-05-09
  • 刊出日期:  2024-03-31

目录

/

返回文章
返回