The essence, goal and technical method of intelligent coal mine data classification and coding
-
摘要: 智能化煤矿数据归类与编码是智能化煤矿数据治理与融合共享标准体系的关键组成部分,但目前尚未形成完善的方法论体系,亟待对智能化煤矿数据归类与编码的技术目标、技术原则与关键技术流程等进行深入研究。从分析智能化煤矿高级阶段目标实现进程中数据归类与编码要解决的核心问题出发,阐明了智能化煤矿数据归类与编码的实质:智能化煤矿数据归类与编码是对智能化煤矿信息世界的认识和构建,对智能化煤矿意识世界的优化和映射,以及对智能化煤矿物理世界的改造和描述。从总体战略目标、经营战略目标和职能战略目标3个层面分析了智能化煤矿数据归类与编码的目标要求:智能化煤矿数据归类与编码要推动煤炭企业商业模式重塑,改变价值创造驱动模式,聚焦关键价值活动,实现智能化煤矿数据的科学组织。提出了智能化煤矿数据归类与编码需要遵循科学性、规范性、完整性、唯一性、有效性的基本原则。给出了智能化煤矿数据归类与编码基本思路:智能化煤矿宜采用“基准−扩展”两阶段的数据归类思路,即第1阶段采用“业务域−数据域−对象−属性−数据元”的逻辑顺序确定智能化煤矿数据的归类基准,第2阶段采用“智能应用体系−智能业务系统−系统功能−数据资源”的逻辑顺序进行数据归类校验和补充;智能化煤矿数据编码宜采用线分类的层次编码方法。基于上述基本思路,指出智能化煤矿数据归类与编码总体上需要关注确定业务域、确定数据域、识别对象类、抽取对象类属性、定义数据元5个关键步骤。Abstract: Intelligent coal mine data classification and coding is a key part of intelligent coal mine data governance and fusion sharing standard system. However, there is no perfect methodology system. It is urgent to deeply study the technical objectives, technical principles and key technical processes of intelligent coal mine data classification and coding. Based on the analysis of the core problems to be solved in the process of data classification and coding in the advanced stage goal realization of the intelligent coal mine, the essence of intelligent coal mine data classification and coding is expounded. Intelligent coal mine data classification and coding is the recognition and construction of the intelligent coal mine information world, the optimization and mapping of the intelligent coal mine consciousness world, and the transformation and description of the intelligent coal mine physical world. This paper analyzes the goal requirements of intelligent coal mine data classification and coding from three aspects of overall strategic objectives, business strategic objectives and functional strategic objectives. Intelligent coal mine data classification and coding should promote the reshaping of the business mode of coal enterprises, change the value creation driving mode, focus on key value activities, and realize the scientific organization of intelligent coal mine data. The paper proposes that the intelligent coal mine data classification and coding should follow the basic principles of scientificity, standardization, integrity, uniqueness and effectiveness. The paper also proposes the basic idea of intelligent coal mine data classification and coding. Intelligent coal mine should adopt the data classification idea of "benchmark- expansion" two stages. In the first stage, the logical sequence of "business domain - data domain - object - attribute - data element" is adopted to determine the classification benchmark of intelligent coal mine data. In the second stage, the logical sequence of "intelligent application system - intelligent business system - system functions - data resources" is adopted for data classification, verification and supplement. The hierarchical coding method of line classification should be adopted for intelligent coal mine data coding. Based on the above basic ideas, it is pointed out that in general, intelligent coal mine data classification and coding needs to focus on five key steps: determining business domain, determining data domain, identifying object classes, extracting object class attributes and defining data elements.
-
Keywords:
- intelligent coal mine /
- data classification /
- data coding /
- data element /
- metadata /
- master data /
- data standards /
- data governance
-
0. 引言
我国煤炭行业正处于高质量发展期,为响应国家“双碳”政策,煤炭行业逐渐向绿色低碳转型[1-3]。矸石是采煤和洗煤过程中排放的固体废物,是在成煤过程中与煤层伴生的一种含碳量较低、比煤坚硬的黑灰色岩石。矸石的主要成分是Al2O3和SiO2[4],发热值低,不仅会影响煤的发热量,而且燃烧时还会污染环境。煤矸识别是实现煤炭高效清洁利用不可或缺的步骤,对提高能源利用率和减少环境污染具有重要意义[5-6]。
目前,关于煤矸识别的方法主要包括基于可见光图像和基于高能射线透射的方法[7-9]。李曼等[10]提出了一种基于传统可见光图像的灰度和纹理特征差异的煤矸识别方法,选取灰度均值、纹理对比度、熵作为特征参数,采用最小二乘支持向量机作为图像识别分类器,但实际煤矿井下环境复杂,光线、粉尘等外部因素干扰会影响煤矸识别准确率。张释如等[11]利用改进YOLOv5模型对煤矸图像进行识别,在黑暗环境中也能准确划定目标边界,但该网络模型复杂,且需要大量的煤矸图像数据集,对计算机硬件设备要求较高,处理时间长,不能快速识别。郭永存等[12]采用双能X射线对煤和矸石进行透射成像识别,通过研究X射线图像目标区域中的R值均值与密度和灰分的关系,以确定煤和矸石的物质属性,但X射线具有很大辐射,对人员身体造成一定伤害,因此应用较少。
红外热成像是一种应用广泛、发展较快的新型数字化无损检测技术[13-14],具有穿透性强、不受光线影响等优点,在电力设备温度监测、工业生产缺陷监测、煤矿事故报警和煤岩动力灾害预防等领域已广泛应用[15-18]。然而红外热成像技术在煤矸识别领域中的应用较少,这是因为煤和矸石的表面温度在室温下相对接近,导致煤和矸石在红外热图像中没有明显差异。针对该问题,本文提出了一种基于水传热和红外热成像的煤矸识别方法。通过将煤和矸石与不同温度的水混合,使用红外热像仪获取煤矸表面的温度分布红外热图像,并记录温度的变化,根据煤和矸石红外热图像及温度之间的差异来识别煤和矸石。
1. 红外热成像原理
红外热成像原理如图1所示。当被测物体吸收周围环境的辐射后,温度高于绝对零度时会向外辐射红外线。首先,通过红外热像仪的镜头收集并聚焦物体表面发出的红外辐射。其次,红外辐射通过光栅进行分光,将不同波长的红外辐射分离,使红外辐射具有不同的频率分布。然后,通过探测器将分光后的红外辐射转换为电信号。最后,探测器生成的电信号经过信号处理和图像生成算法转换后,得到被测物体表面温度分布红外热图像[19-20]。
2. 煤矸红外热成像实验
2.1 实验系统
为研究不同水温下煤和矸石的红外热图像差异及表面温度变化规律,搭建煤矸红外热成像实验系统,如图2所示。
实验系统由UTi320E红外热像仪、电加热板、可调三脚架、耐高温结晶皿、烧杯、电子温度计、样品夹、计算机及煤和矸石的实验样品等组成。红外热像仪同时具有红外光和可见光2种镜头,可监测物体表面温度和实时热成像;红外光谱带宽为8~14 μm,测温范围为−40~400 ℃,测温精度为±2%,红外分辨率为320×240,热灵敏度为65 mK。红外热像仪可实现高低温自动捕捉和样品特定区域温度的实时监测,监测的热图像和温度数据可通过计算机进行后处理分析。
2.2 实验方案
根据《煤矿安全规程》[21]规定,煤矿井下各工作地点的温度不允许超过30 ℃,最低温度一般在18 ℃。为更好地模拟煤矿井下实际温度变化,实验共设置了6组方案。方案1−方案5采用水加热,水温分别设定为18,21,24,27,30 ℃;考虑到环境温度对实验结果的影响,设置了空白组(方案6)为对照实验,空白组为环境温度(22.5 ℃)条件下不进行水加热。实验前将煤和矸石样品在相同环境中放置12 h,防止煤矸初始温差对实验结果带来干扰。在整个实验过程中,水的体积均相等,每组实验共持续3 min,通过红外热像仪每间隔10 s采集煤和矸石的红外热图像,并记录表面温度的变化。
3. 煤矸红外热成像实验结果及分析
3.1 红外热图像变化
煤和矸石在不同水温条件下不同时刻的红外热图像如图3所示(左边为煤,右边为矸石)。
由图3可看出,不同水温下的煤和矸石红外热图像不同,随着水温逐渐升高,红外热图像的背景颜色由蓝逐渐变红。当水温为18,21 ℃时,即水温低于环境温度时,煤和矸石红外热图像之间的差异较为明显;当水温为24,27,30 ℃时,即水温高于环境温度时,煤和矸石红外热图像没有明显差异。在相同水温条件下,180 s时的煤和矸石红外热图像比60,120 s时的煤和矸石红外热图像更具有显著的差异性,表明随着时间增加,煤和矸石红外热图像之间的差异逐渐增大。出现这种现象的原因主要是煤和矸石红外辐射能力的差异,煤通常具有较高的红外辐射能力,而矸石的红外辐射能力较低。随着水温升高,煤的红外辐射能力逐渐增强,热量会较快地传导到周围环境中,导致红外热图像中的背景颜色呈红色。通过煤和矸石红外热图像之间的差异可以很好地识别煤和矸石,表明基于水传热和红外热成像进行煤矸识别是一种可行有效的方法。
3.2 温度变化
为研究不同水温下煤和矸石表面温度的变化规律,定义煤和矸石的表面温度变化$ \Delta t $:
$$ \Delta t = {t_{\mathrm{s}}} - {t_0} $$ (1) 式中:$ {t_{\mathrm{s}}} $为红外热像仪记录的表面温度;$ {t_0} $为初始表面温度,为消除环境温度对煤和矸石传热特性的影响,$ {t_0} $与环境温度相同。
根据式(1)可知:当$ \Delta t>0 $,表示煤和矸石表面温度大于初始温度,温度上升;当$ \Delta t<0 $,表示煤和矸石表面温度小于初始温度,温度下降。
不同水温下煤和矸石表面温度的变化随时间变化曲线如图4所示。可看出煤和矸石与不同温度的水混合发生热传导后,其表面温度会发生变化。当水温低于环境温度时,煤和矸石表面温度逐渐下降,温度变化$ \Delta t<0 $;当水温高于环境温度时,导致煤和矸石与水之间发生热传导,煤和矸石表面温度有所升高,温度变化$ \Delta t>0 $。实验开始时,煤和矸石表面温度变化均为零;随着时间增加,矸石表面温度变化大于煤表面温度变化。水温越高,矸石表面温度上升越快;在相同水温情况下,矸石表面温度变化大于煤表面温度变化。
根据图4绘制了煤和矸石表面温度变化与水温和时间的关系,如图5所示。可看出煤和矸石表面温度变化均随水温升高和时间增加呈增大趋势,但矸石表面温度变化速度大于煤。这是因为当煤和矸石与水接触时,由于热传导,导致煤和矸石表面温度均会逐渐增大,但矸石的热传导能力大于煤的热传导能力,所以矸石表面温度的变化比煤表面温度的变化大。
为了更直观地反映不同水温条件下煤和矸石表面温度变化差异的程度,计算煤和矸石在不同水温下表面温度变化的均值和方差,如图6所示,表面温度变化的均值可反映平均热传导能力,表面温度变化的方差可反映热传导稳定性。可看出矸石表面温度变化的均值和方差均大于煤,表明在不同水温下,矸石具有较好的热传导能力,即矸石通过热传导使其表面温度上升的能力较好;而煤表面温度变化的均值和方差较低,表明其热传导能力较低,热传导过程相对稳定。煤和矸石在水传热过程中表现出不同的热传导能力和稳定性,可作为区分煤和矸石的有效依据,以此实现煤矸精确识别。
为进一步研究在不同水温条件下煤和矸石之间的表面温差变化,定义煤和矸石表面温差$ \Delta t' $:
$$ \Delta t' = {t_{\mathrm{C}}} - {t_{\mathrm{G}}} $$ (2) 式中:$ {t_{\mathrm{C}}} $为煤表面温度;$ {t_{\mathrm{G}}} $为矸石表面温度。
不同水温下煤和矸石表面温差$ \Delta t' $随时间变化曲线如图7所示。可看出在相同水温下,煤和矸石表面温差随时间的增加而增大;当水温为18 ℃、时间为180 s时,煤和矸石之间的表面温差达到最大,为0.6 ℃。表明当水温低于环境温度时,煤和矸石之间会形成较大的温差,从而有利于实现煤矸准确识别。这是因为低温的水可作为一种辅助传热介质,煤和矸石在与低温的水混合后产生的温差较大,这种温差使煤和矸石在红外热图像中呈现出明显的差异,可据此进行煤矸识别。
4. 结论
1) 由于煤和矸石红外辐射能力的差异,不同水温下的煤和矸石红外热图像不同,当水温低于环境温度时,煤和矸石红外热图像之间的差异较为明显;在相同水温条件下,煤和矸石红外热图像之间的差异随着时间增加逐渐增大。
2) 煤和矸石与水之间发生热传导,导致煤和矸石表面温度变化,均随水温升高和时间增加呈增大趋势,但由于矸石的热传导能力大于煤的热传导能力,矸石表面温度变化大于煤表面温度变化。
3) 当水温为18 ℃、时间为180 s时,煤和矸石红外热图像之间差异和温差均达到最大。低温的水更有利于使煤和矸石之间产生较大的温差,进一步使煤和矸石在红外热图像中呈现明显的差异,从而实现煤和矸石红外热图像准确、快速识别。
-
表 1 智能化煤矿数据元表示规则
Table 1 Data element representation rule of intelligent coal mine
构成元素 元素说明 元素值示例 约束条件 数据编码 由数据编码规则确定的唯一标志代码 C0100101 M(必选) 中文名称 由单个或多个中文字词构成的指称 瓦斯体积分数 M(必选) 中文全拼 中文名称的全拼格式 wasinongdu C(条件选) 英文名称 由单个或多个英文字词构成的指称 gas density M(必选) 英文缩写 英文名称的缩写格式 gasdty C(条件选) 定义 基于业务逻辑对数据元的客观描述 某一瓦斯检测点某一时刻的瓦斯体积分数 M(必选) 数据类型 所有数据元值的集合 number(数字型) M(必选) 数据格式 数据元值的格式要求,包括对字符长度、数据精度、表示格式等要求的说明 n..4,2(最长4个数字字符,小数点后2位,不允许负值) M(必选) 值域 由数据类型、数据格式决定的允许值集合 [0,100)的2位小数 M(必选) 计量单位 数据元值的度量单位,应符合GB/T 3100—1993《国际单位制及其应用》的规定 %VOL M(必选) 时间戳 数据元值完整的可验证性时间标记 1662911557(北京时间:2022−09−11T23:52:37) M(必选) 位置戳 数据元值可信的位置信息标记 100602综采工作面进风巷 M(必选) 主数据标记 主数据识别程序的判定结果 1(1表示该数据元是主数据,0表示该数据元不是主数据) M(必选) 备注 数据元的附加注释 父类:安全监控与管理(业务域),瓦斯监控(数据域),瓦斯(对象) O(可选) -
[1] 何敏. 智能煤矿数据治理框架与发展路径[J]. 工矿自动化,2020,46(11):23-27. HE Min. Framework and development path of data governance in intelligent coal mine[J]. Industry and Mine Automation,2020,46(11):23-27.
[2] 王国法,王虹,任怀伟,等. 智慧煤矿2025情景目标和发展路径[J]. 煤炭学报,2018,43(2):295-305. WANG Guofa,WANG Hong,REN Huaiwei,et al. 2025 scenarios and development path of intelligent coal mine[J]. Journal of China Coal Society,2018,43(2):295-305.
[3] 谭章禄,吴琦. 基于层级链参考模型的智慧矿山建设问题分析[J]. 矿业科学学报,2022,7(2):257-266. DOI: 10.19606/j.cnki.jmst.2022.02.014 TAN Zhanglu,WU Qi. Analysis of the problems of smart mine construction based on the layer-level-chain reference model[J]. Journal of Mining Science and Technology,2022,7(2):257-266. DOI: 10.19606/j.cnki.jmst.2022.02.014
[4] 谭章禄,王美君. 智慧矿山数据治理概念内涵、发展目标与关键技术[J]. 工矿自动化,2022,48(5):6-14. DOI: 10.13272/j.issn.1671-251x.2021120090 TAN Zhanglu,WANG Meijun. Research on the concept connotation,development goal and key technologies of data governance for smart mine[J]. Journal of Mine Automation,2022,48(5):6-14. DOI: 10.13272/j.issn.1671-251x.2021120090
[5] 张鹏. 智能矿山大数据体系建设探索[J]. 工矿自动化,2021,47(增刊1):21-23,44. ZHANG Peng. Exploration on construction of big data system for intelligent mine[J]. Industry and Mine Automation,2021,47(S1):21-23,44.
[6] 王鹏,胡而已,徐金陵,等. 智能化矿山数据融合共享规范体系研究[J]. 中国煤炭,2022,48(6):19-27. DOI: 10.3969/j.issn.1006-530X.2022.06.005 WANG Peng,HU Eryi,XU Jinling,et al. Research on data fusion and sharing standard system of intelligent mine[J]. China Coal,2022,48(6):19-27. DOI: 10.3969/j.issn.1006-530X.2022.06.005
[7] 赵涵. 基于区块链的智能矿山数据共享方案研究[J]. 工矿自动化,2021,47(增刊2):45-48. ZHAO Han. Research on smart mine data sharing scheme based on blockchain[J]. Industry and Mine Automation,2021,47(S2):45-48.
[8] 谭章禄,袁慧,马营营. 基于数据共享的标准系统的有效性分析−以煤炭企业为例[J]. 科技管理研究,2019,39(4):192-196. DOI: 10.3969/j.issn.1000-7695.2019.04.027 TAN Zhanglu,YUAN Hui,MA Yingying. Analysis of validity of standard system based on data sharing:taking coal enterprises as an example[J]. Science and Technology Management Research,2019,39(4):192-196. DOI: 10.3969/j.issn.1000-7695.2019.04.027
[9] 曹代勇,郝伟. 煤地质学元数据标准化研究[J]. 煤炭学报,2008,33(3):285-288. DOI: 10.3321/j.issn:0253-9993.2008.03.011 CAO Daiyong,HAO Wei. The research for standardization of coal geology metadata[J]. Journal of China Coal Society,2008,33(3):285-288. DOI: 10.3321/j.issn:0253-9993.2008.03.011
[10] 潘涛,王继生,张骐,等. 数字矿山信息标准化基本方法探讨[J]. 工矿自动化,2014,40(2):23-26. DOI: 10.13272/j.issn.1671-251x.2014.02.007 PAN Tao,WANG Jisheng,ZHANG Qi,et al. Study on basic method of information standardization for digital mine[J]. Industry and Mine Automation,2014,40(2):23-26. DOI: 10.13272/j.issn.1671-251x.2014.02.007
[11] 杜毅博,赵国瑞,巩师鑫. 智能化煤矿大数据平台架构及数据处理关键技术研究[J]. 煤炭科学技术,2020,48(7):177-185. DU Yibo,ZHAO Guorui,GONG Shixin. Study on big data platform architecture of intelligent coal mine and key technologies of data processing[J]. Coal Science and Technology,2020,48(7):177-185.
[12] 王国法,庞义辉,刘峰,等. 智能化煤矿分类、分级评价指标体系[J]. 煤炭科学技术,2020,48(3):1-13. WANG Guofa,PANG Yihui,LIU Feng,et al. Specification and classification grading evaluation index system for intelligent coal mine[J]. Coal Science and Technology,2020,48(3):1-13.
[13] 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.
[14] 王国法,任怀伟,赵国瑞,等. 智能化煤矿数据模型及复杂巨系统耦合技术体系[J]. 煤炭学报,2022,47(1):61-74. WANG Guofa,REN Huaiwei,ZHAO Guorui,et al. Digital model and giant system coupling technology system of smart coal mine[J]. Journal of China Coal Society,2022,47(1):61-74.
[15] 谭章禄,吴琦. 智慧矿山理论与关键技术探析[J]. 中国煤炭,2019,45(10):30-40. DOI: 10.3969/j.issn.1006-530X.2019.10.008 TAN Zhanglu,WU Qi. Analysis and discussion of smart mine theory and key technologies[J]. China Coal,2019,45(10):30-40. DOI: 10.3969/j.issn.1006-530X.2019.10.008
[16] GB/T 7027—2002 信息分类和编码的基本原则与方法[S]. GB/T 7027-2002 Basic principles and methods for information classifying and coding[S].
[17] GB/T 18391.1—2009 信息技术 元数据注册系统(MDR) 第1部分: 框架[S]. GB/T 18391.1-2009 Information technology-Metadata registries (MDR)-Part 1: Framework[S].
-
期刊类型引用(0)
其他类型引用(4)