目前综采放煤工艺采用手动或电液控制方式，由于缺乏煤岩识别技术手段，放煤过程需要现场人工观察和操作，不能实现自动化放煤。由于综放比综采生产时工作面的粉尘更大，放煤操作环境条件恶劣，生产现场靠人工目测和听觉观察煤矸放落过程，煤矸识别难度大，智能化放煤控制关键技术与装备未取得突破，导致放煤智能化程度偏低，资源回收率和煤质难以保证。放煤机构精准控制是综放开采放煤智能化的关键环节，是制约综放工作面实现智能化和无人化的技术难题[1-3]。通过研究放煤过程全方位监控技术，研制放煤监控传感器，实现放煤过程的精确控制，在保证煤质的前提下提高综放工作面的采出率。以下将简要分析一下当前综放智能化开采的技术进展。
(1)综采放顶煤工作面需要人工观察放煤口的落煤情况，通过放顶煤支架摆动尾梁和收伸插板的动作来控制放煤过程。北京天地玛珂电液控制系统有限公司与大同煤矿集团有限责任公司于2013—2015年合作开展了“综放工作面煤矸放落自动识别研究”科研项目，采用振动加速度传感器实时检测放煤过程中的煤矸比例，取得了一些初步成果。所研制的无线煤矸比例探测传感器实现了每隔40 ms对煤矸放落时砸落支架尾梁产生的振动信号进行能量谱计算，当矸石落下时会产生相对煤较大的能量，据此可判断已经到了矸石放落阶段。但以振动方法判断只是对煤矸岩性特征差别大的综放工作面有一定的可信度[4]。
(2)综放工作面放煤控制采用的方法是“见矸关门”，但当煤层中有夹矸时会造成误判。专利《厚煤层放顶煤开采装置及方法》(公开号:CN107676095B，申请人:天地科技股份有限公司;北京天地玛珂电液控制系统有限公司)中提供了一种厚煤层放顶煤开采装置及方法，采用一种能够穿透煤层的雷达探头通过超宽带无线脉冲信号扫描顶煤，测量出放煤前的顶煤厚度，对放煤前的顶煤厚度进行静态测量，不能反映放煤时逐渐减少的剩余顶煤动态变化。
(3)专利《一种基于顶煤厚度变化量实时监测的智能化放煤方法》(公开号:CN109856631A，申请人:中国矿业大学;大同煤矿集团有限责任公司)，将激光三维扫描装置安装在支架下对准放煤口，放煤开始后，采用激光扫描放煤口的煤流信息，建立煤流表面三维几何特征模型，判断煤矸比例和煤流速度，是一种对已放落顶煤的实时计量方法。测量煤量累积偏差并不能精确地反映出顶煤的剩余量，是一种间接估计顶煤厚度变化的测量方法。
通过以上对综放工作面自动放煤控制的研究和实验可知，单一技术手段不能准确判断煤矸放落程度。有必要综合利用多种监测手段和技术，在放煤前、中、后3个阶段进行放煤过程全程监测。监测数据通过工作面通信网络传输到监控中心进行实时融合处理，得出未放落煤量，以此为判据结合放煤工艺来决策当前放煤口的开放程度和是否关闭，并实时反馈给支架电液控制系统，实现精确控制自动化放煤。因此，研究如何准确、快速地检测顶煤放落程度，研制放煤全过程监测传感器、研究检测算法和开发计算识别软件，对于实现智能放煤是十分必要的。
1 放落煤矸过程监测系统设计
综放工作面包括前部采煤和后部放煤两种回采工艺。前部采煤司机在液压支架内直接观察采煤机割煤运行状况，液压支架和采煤机具备了比较完善的感知系统，通过记忆割煤和电液控制支架自动跟机，实现了采煤工艺的自动化生产模式[5-6]。后部放煤工艺还没有识别煤矸放落过程监控的传感技术，靠人工现场观察放煤过程，而放煤过程中产生的粉尘浓度大，且经常有破碎煤块或矸石从放煤口迸出，操作人员只能从相邻支架间的缝隙通过矿灯增强照明来视觉观察，再辅以声音判别放落的是煤或矸石[7-9]。人工放煤工作环境恶劣，放煤过程依赖操作人员的工作经验和责任心，放煤采出率和煤质难以管控，与前端采煤自动化水平差距较大，严重制约了综采放顶煤工作面智能化和无人化发展，因此有必要建立放顶煤过程全方位实时监控系统[10]。
1.1 自动化放煤感知技术
自动化放煤系统包括感知、决策和执行3个宏观环节，感知环节由安装于支架上的高清摄像机、激光雷达和姿态位置检测等多传感器融合组成;决策环节根据感知数据进行分析处理，由工作面自动化系统完成;执行环节由放顶煤液压支架电液控制系统完成[11-12]。其工作流程为:根据顶煤放落情况及后部刮板运煤量，操纵支架尾梁摆动来控制放煤过程，尾梁接近水平时相当于关闭放煤口;尾梁垂直时相当于完全打开放煤口;通过控制后部刮板输送机的运煤量和直线度、检测采出顶煤的含矸率，实现自动化放煤闭环控制，提高放煤效率和质量，进一步配合采煤工艺，实现采煤和放煤全过程自动化。
1.2 综放液压支架感知系统设计
实现自动化放煤前提是建立监控整个放煤全过程的感知系统，所设计的支架感知部分如图1所示。将综放工作面工艺分为放煤前、放煤中和放煤后3个阶段，将放煤中细分为全煤下放、煤矸混放和全矸下放3个过程，需要对3个阶段进行全方位检测，对3个过程进行精确控制。按照放煤分“放煤前、放煤中和放煤后” 3阶段采用不同的感知技术和装备。
(1)放煤前通过探地雷达检测采煤后剩余的顶煤厚度，需要测量出采煤后顶煤的厚度，作为放煤时顶煤原始存量。采用支架顶梁前部安装透地雷达测量顶煤厚度作为放煤量的基准，测量煤层厚度的雷达可采用超宽带无线脉冲信号，能够穿透3～6 m的煤层，测量煤层厚度精度达到厘米级[13]。
(2)放煤中对放落的煤矸进行识别和计量，测量计算出已放煤量、剩余煤厚和煤矸比例。采用在支架掩护梁外侧安装三维雷达扫描未放顶煤空间，测量出剩余顶煤量，与放煤前的放煤量基准进行比对，来确定放煤过程何时终止;放煤中对顶煤体量的动态变化检测可采用激光雷达或毫米波雷达，能够满足空间测量精度的要求。
(3)放煤后对后部空间建立三维模型确认放煤效果，识别后部刮板运输机上已放落的煤炭体量和煤矸比例，提高煤矸检测的鲁棒性。放煤后对煤矸识别采用高清宽动态摄像机辅以透尘光源，通过图像灰度卷积来计算煤矸混放比例参数，用以判断全煤下放、矸石混放和全矸下放的3个过程数字量化，实现实时反馈控制精确放煤[14]。
图1 放煤全过程监测系统
Fig.1 Monitor system of the whole process of coal-caving
通过放煤前、中和后3阶段的技术综合，如图2所示。研制不同技术手段的传感装备，将测量数据实时传输给工作面自动化系统，经过自动化系统的数据分析计算和智能化处理，将放煤控制决策数据发送给液压支架电液控制系统，实现对应支架的放煤口大小和关闭控制。
图2 放煤全过程监测3阶段融合控制流程
Fig.2 Process for caved coal monitoring in 3-phases fusion
放煤过程监控技术难点在于放煤带来的煤岩粉尘造成视觉成像的信号严重衰减;其次根据放煤数据判断煤矸放落比例的信号处理时间达到秒级，才能满足 “见矸关门”决策对控制放煤实时性的要求。
2 放煤前顶煤厚度测量系统设计
准确测量出未开采煤层厚度是智能放煤的必要条件。通过穿透煤岩层测量煤层厚度，适应工作面未开采煤层的地质起伏变化，确定未开采煤层的精确厚度，提前预测放煤量，结合放煤时间、放落煤矸比例和放煤量指导放煤过程，实现精准放煤。
综放工作面智能化的关键技术是放顶煤精确控制，难点是煤矸识别。综放工作面的顶煤厚度一般要超过开采厚度，达到3～6 m甚至超过10 m，如何准确地测量出未开采的顶煤厚度和开采过程中顶煤厚度的变化，是自动化放煤的必要条件。
对综放工作面顶煤厚度的检测将从方法上和装备上进行研究，采用具有穿透能力的探地雷达能够测量出煤层的厚度，需要设计雷达射频电路满足穿透顶煤层厚度和测量精度的要求，超宽带电磁波脉冲技术能够达到信号穿透成像的性能[15]。雷达探测煤层厚度原理如图3所示。
图3 雷达测量顶煤厚度原理
Fig.3 Principle of radar measuring roof coal thickness
2.1 穿透顶煤层测量厚度技术方法
目前智能开采对综采工作面调高控制的精度为20 mm，顶板破碎的综采工作面往往留有几十厘米厚的顶煤，而综放工作面顶煤厚度一般达到3～6 m,甚至更厚。测量顶煤厚度可以采用超宽带雷达测量技术，能够兼顾煤层厚度和测量精度的要求。超宽带UWB (Ultra Wide Bandwidth)透地雷达的射频电路采用频段为0.9～5.5 GHz的无线脉冲技术，能够达到探测煤层厚度3 m以上、探测精度50 mm的顶煤测量需求[16]。
2.2 超宽带雷达探测煤层厚度系统设计
沿工作面一定间隔数量的支架上布置雷达群，利用工作面通信网络将雷达数据实时发送给监控主机，主机上运行雷达信号处理系统提取煤层厚度信息，实时发送给综放自动化控制系统，以二维和三维波形呈现顶煤厚度分布情况，实现雷达检测、波形显示、信号分析和数据存储等功能。探测软件系统结构如图4所示，集成软件运行界面如图5所示。
图4 雷达检测软件系统结构示意
Fig.4 Radar detection software structure
图5 雷达信号采集处理显示界面
Fig.5 Radar signal acquisition and processing display interface
(1)雷达信号实时显示、分析、测量和存储。雷达信号实时显示和分析结果如图6所示。
图6 雷达实时波形界面
Fig.6 Radar real-time waveform interface
(2)多雷达波形显示。系统一次可处理16套雷达所采集数据，在每个雷达测量未放顶煤的煤岩分界高度后，未安装雷达的支架上顶煤煤岩分界根据相邻的雷达位置进行预测，其结果如图7所示。查看雷达测量结果和支架预测结果，测量深度代表煤层的厚度。可“连续查看”或跟踪查看所有历史或指定时间的测量及预测结果。
图7 工作面顶煤厚度分布
Fig.7 Thickness distribution of roof coal in working face
(3)展示了所选雷达实时信号原始波形、滤波波形以及所测量出的煤岩分界位置，还包括了对当前波形的质量评价、标准差/方差，计算出煤岩分界相对于雷达天线的相对距离。
(4)雷达信号的灰度化显示。通过分析雷达信号可以测量出煤岩分界所有可能的位置，将连续多帧波形的分析结果形成信号强度对比灰度图，可对原始信号进行滤波。
(5)煤岩测距三维展示。支架预测结果可在采煤过程中不断变化，将一段时间内预测结果进行三维展示，可直观看到煤岩分界情况，如图8所示。
图8 工作面煤岩分界三维展示
Fig.8 3D display of coal and rock interface for a face
3 放煤空间三维扫描未放落煤量
综放工作面人工放煤控制采用的方法是“见矸关门”，但当煤层中有夹矸时会造成误判，通过扫描顶煤跨落过程中形成的三维空间，实时监测顶煤上部空间和尾梁上部空间，计算未放落顶煤高度、识别已放落在尾梁上的煤矸、检测放落自由落体中的煤矸，与放煤前探测的顶煤厚度进行比较，综合决策控制放煤过程。
3.1 煤岩扫描三维雷达装置
为了实时检测放煤过程中的煤矸动态变化过程，需要综合运用各种信号采集设备和技术:① 高清摄像机，提供最直观地煤矸观察，是一种二维成像;② 激光，能够测量目标深度信息，扫描形成三维放落空间模型，采用近红外波段，对浓度大的粉尘和水雾不能穿透成像;③ 热成像，可穿透粉尘和水雾，是一种二维成像，不能提供深度信息和煤矸颜色信息;④ 毫米波，通过孔径成像和扫描技术可穿透粉尘和水雾测量目标的距离[17]。
综合以上目前主流的成像和雷达技术，兼顾煤矸和围岩的动静态目标侦测，研制安装于掩护梁外侧上端的煤岩动态三维扫描模装置，通过自动除尘解决扫描镜头维护难题。三维雷达包括扫描装置和高清摄像机，三维雷达可采用激光或毫米波信号，雷达扫描过程实质上是一台高速精确的测距仪,配上一组引导信号发射和接收的旋转扫描反射棱镜，安置于支架顶梁和掩护梁结合处，扫描未跨落煤层下表面，形成三维点云数据，经过运算得到剩余顶煤的体量信息，与预设煤岩分界高度进行匹配处理，将分析结果发送给电液控制器。控制传输模块向电液控制器发出控制尾梁摆动指令，自动调节放煤口大小和自动关闭，实现放顶煤自动化。如图9所示。
图9 集成雷达与高清相机融合判断顶煤量
Fig.9 Integrated radar and camera fuse to judge the roof coal quantity
3.2 顶煤放落空间扫描方法
基于顶煤厚度变化量实时监测的智能化放煤方法，利用三维雷达实时监测顶煤厚度信息，根据顶煤厚度变化量自动调整放煤口大小和开闭时间。结合三维雷达融合高清摄像机扫描顶煤放落空间和放落中的煤矸识别，将三维扫描装置从液压支架顶梁和掩护梁的接合处伸出，三维雷达镜头面向正在放落的顶煤上方空间区域。放煤开始后，开启三维雷达实时扫描放煤后形成的空间区域，实时建立放煤后形成的三维空间模型，计算出未放落顶煤的高度，结合前面放煤前提前测量出的顶煤厚度，得出当前未放剩余顶煤厚度，传递给工作面自动化系统。
自动化系统根据放煤工艺预设经过智能决策给电液控制系统发出放煤口调节大小和关闭指令。实时监测顶煤厚度变化，是一种动态地直接测量未放落顶煤量的方法，结合放煤前的顶煤厚度静态测量，在整个放煤开闭过程无需人工现场监控干预，实现带反馈的自动化闭环放煤，准确地控制放顶煤过程，实现精准放煤。对顶煤空间实时检测与放前煤厚度测量系统，如图10所示。
图10 放中顶煤空间实时检测与放前厚度检测
Fig.10 Real-time detection of coal-caving space and detection of coal thickness before caving
3.3 后部顶煤空间扫描算法
扫描后部放煤空间的三维雷达发出激光脉冲信号，经煤矸目标表面漫反射到雷达接收器，通过计算发送和接收的时间差ToF(Time of Flight)乘以光速，然后除以2，就可以得到目标点P与激光雷达的距离S，采用扫描方式可以同步测量每个激光脉冲横向扫描角度观测值α和纵向扫描角度观测值β[18]。如图11所示。
图11 三维坐标计算
Fig.11 Calculation of 3D coordinates
针对每个扫描点可测得雷达至扫描点的斜距，再配合扫描的水平和垂直方向角，可以得到每一扫描点与雷达的空间相对坐标，计算出每个扫描点三维坐标(式(1)～(3))，处理过程如图12所示。
XP=Scos βcos α
(1)
YP=Scos βsin α
(2)
ZP=Scos β
(3)
图12 三维激光扫描总体流程 Fig.12 Overall flow of 3D laser scanning
(1)一次扫描生成一个以设备自身位置为原点、朝向为坐标轴方向的点云集合，点云中每个点仅包含自身坐标系的X,Y,Z坐标值。
(2)在不同位置多次进行扫描，不同坐标系下扫描的点云集合统一到一个坐标系下，进行拼接与后续处理。
(3)设置绝对坐标系，通过雷达在支架绝对坐标系中的三维位置，得到每次扫描点支坐标系到绝对坐标系的转换矩阵，将顶煤三维空间相对坐标转换为工作面绝对坐标。
4 煤矸识别放煤过程
“见矸关门”是人工放煤通过视听觉判断顶煤是否放完的简单有效方法。在自动化放煤控制系统中，通过视频监视和图像识别技术来计算放煤量和煤质含矸率，构建液压支架姿态与放煤量的数学模型，控制放煤量。模拟人工方法，可采用高清摄像机和振动加速度传感器来识别放落下的煤矸，其难点在于:放煤过程中放煤口粉尘浓度大，普通高清摄像头无法清晰获取煤矸成像信息;其次拍摄空间对摄像头的安装、防砸、防尘以及维护也提出了很大的挑战;有些放顶煤工作面的矸石灰度与煤炭非常接近，图像识别难度大[19]。
4.1 煤矸图像采集装置设计
用于放煤实时视频监测的高清摄像机需要研究放煤支架的安装位置、角度、除尘、抗冲击和震动等技术问题。
如图13所示，一种经过现场验证的方法是在支架掩护梁下安装摄像机，能够以较宽的视场角获得放落于后部刮板上的煤矸灰度图像。为了减少放煤粉尘对摄像机清晰度的影响，可以采取工作面上风口相邻支架的摄像机采集下风口正在放煤支架的放煤口视频图像。也可以在上邻架放落的煤矸流到本架时，进行图像采集处理，一般支架宽度为1.75 m，刮板输送机链速取1.3 m/s，上邻架放落的煤矸在1～2 s后就会到达本架。
图13 煤矸检测相机安装位置和视角选择
Fig.13 Camera location and perspective selection for coal-rock detection
4.2 煤矸灰度卷积计算
对于粗粒度区分放落煤矸，通过灰度就可实现煤矸放落比例的判断[20]。放煤时对采集的煤岩图像信号进行灰度分布、灰度均值等特征提取进行煤岩性状识别，采用灰度直方图是一种方法简单、计算量小的方法，可采用计算灰度卷积的方法。
(4)
式中，Gi为放落煤岩图像像素点灰度值;Gp为整幅图像灰度卷积。
4.3 煤矸光谱技术
煤炭成分组成复杂，单一可见光检测会受到煤矸表面附着粉尘影响，而煤岩样本在太赫兹时域光谱下有明显的特征差异。只依赖煤矸图像特征会受到煤矸表面附着粉尘的影响，可以认为是一种视觉图像噪声，采用穿透表面粉尘的光谱技术可以滤除这种噪声，拉曼和太赫兹光谱具备根据物质成份识别的功能。煤的主要成分为碳、氢和氧元素，岩石主要成分为二氧化硅等[21]。太赫兹时光谱技术为煤岩分界提供了一种新的研究方法，见表1。
表1 煤岩太赫兹光谱
Table 1 Terahertz spectrum of coal and rock
名称特征频率/THzHilbert谱边际谱特征能量/106煤样0.65 0.2024.9岩样0.850.1586.9
图14为煤矸的两种吸收率波谱，由图14可知，煤的太赫兹吸收率要明显低于矸石。
图14 煤岩吸收光谱
Fig.14 Absorption spectra of coal and rock
煤矸在量子激光照射下，可以反射波长6～12 μm的红外波段，其优势在于可穿透放煤时的粉尘实现透尘成像，再通过秒量级检测仪器对放落的煤矸进行快速分析。由于热成像波段成像反映的是物体表面温度，对放落下的煤矸区分度不好，可以在有较强喷雾的条件下采用。
4.4 振动声谱特征
采集放煤过程中的声音或振动信号，可以辅助判断煤矸放落状态。但放煤工作面的声频信号中掺杂了很多现场信号:后部运输机噪声、工作面播放语音、采煤机噪声、零散煤矸掉落、支架动作等，这些信号在后续处理中很难有效剔除，需要靠人工判断辅助煤矸识别。采用安装于支架尾梁下的加速度传感器采集放落煤矸的振动信号能够有效滤除以上的这些噪声。煤矸放落时产生一定的振动声谱特征变化，将采集到的放煤信号从功率谱上分析，观察放煤过程中信号频域能量集中在哪个频段，当煤矸硬度特征区别较大时，此方法可以使用[22]。
为了滤除噪声，有效衰减尾梁插板动作时产生的振动信号，采用有限长冲激响应FIR(Finite Impulse Response)滤波器，带通频率范围设计为9.5～10.5 kHz，阻带截止频率设计为9和11 kHz，阻带衰减设计为-55 dB[23]。图15为三路振动传感器在矸石下落前后的功率谱分布图，由图15可知在高频段(对应图中的画圈处)，矸石下落后的信号功率谱值显著增大，功率谱值能对振动能量做出间接反映。时域能量计算步骤如图16所示。
图15 不同阶段矸石放落功率谱分布
Fig.15 Power spectrum distribution of rock in different stages
图16 煤矸振动时域能量算法流程
Fig.16 Time-domain energy algorithm of coal-rock vibration
5 实验结果及分析
在某智能化综放工作面，安装了电液控制系统和采支运自动化监控系统，为了实现放煤自动化，安装了对整个放煤过程实时监控的智能传感系统，于2019年8月至2020年1月期间进行了工业试验，以下对实验情况进行说明总结。
5.1 综放工作面地质情况
在所实验的智能化综放工作面，顶煤厚度3～5 m，底煤在0.5 m以内，推进长度1 320 m，宽度260 m，煤层倾角-5°～+2°，可采储量265.3万t。采用单一走向长壁采煤法，综合机械化低位放顶煤采煤工艺，采煤机两端头斜切进刀，煤机割煤一刀，放煤一次，按“一刀一放”正规循环作业，采高3.1 m，放煤高度3 m，循环进度0.865 m，采用自然垮落法管理采空区顶板。
综放工作面共布置液压支架150台，采煤机正常割煤速度为3.0 m/min，连续移架时间为65 s/架(支架中心距为2.05 m)，折算成移架速度为1.89 m/min。工作面单架降架、移架、升架的总时间为28 s/架，打护帮板时间为28.5 s/架，支架工在架间移动的时间为12.5 s/架。
5.2 放煤检测设备安装情况
表2列出了所用到的试验装置，图17，18和19展示了试验部分传感器安装和数据采集过程。
表2 安装的放煤检测装置性能参数
Table 2 Performance parameters of installed coal caving detection device
名称型号主要参数安装位置摄像机KBA12(B)200万像素支架掩护梁下振动传感器TM-KGV01测量范围10～2 kHz磁铁吸附尾梁下测厚雷达TM-Radar010.1～5.0 m支架护帮板侧挂激光雷达ExScan2550点云精度±30 mm扫描距离4.5 m扫描空间200×300°支架顶梁与掩护梁铰接处
图17 安装于支架下摄像机对放煤的过程监控
Fig.17 Monitoring of coal caving process monitor by camera installed under support
图18 放煤过程振动信号检测
Fig.18 Vibration signal monitoring of coal caving process
图19 顶煤测厚雷达安装位置
Fig.19 Installation of roof coal thickness radar
5.3 顶煤厚度测量
全钢的综放液压支架对超宽带电磁波信号具有屏蔽作用，测量顶煤的超宽带雷达可在护帮板侧方安装，这是因为护帮板较支架顶梁的宽度稍窄，可为雷达信号的传播留有一定的空间。
试验包括以下内容:① 选择测试点，考虑对雷达测量结果要进行验证，在综放工作面选取了顶煤较薄的一段;② 运行雷达测距软件，观察雷达信号变化和灰度图特征;③ 有规律地移动雷达，并观察雷达波形及其灰度图变化;④ 结合测量位置，通过调节参考点偏移量，观察偏移量为0.2～5.5 m参数下的波形和灰度图特点。试验保存1 971条原始数据至数据库中，时间跨度从11:24:46—12:05:48，数据样本如图20所示。
图20 现场试验保存的雷达数据
Fig.20 Radar data saved in field test
根据雷达信号采集软件分析，雷达原始数据的质量等级分布见表3，其中等级5最优，等级1最差。由表3可知，雷达原始数据质量整体较好，质量等级最优占比有68.54%。
表3 现场数据质量等级分布情况
Table 3 Distribution of quality levels of field data
质量等级54321数量1 3514540562比例/%68.540.202.74028.52
结合现场观察可知，当参考点偏移量较小时，雷达信号波形对比明显，质量等级较高，易于判断煤岩分界位置。当参考点偏移量较大时，接收天线的信号强度较弱，往往难以判断煤岩分界位置。从滤波后的灰度图对信号进行判别，选取具有代表性的连续多帧信号形成的灰度图，如图21所示。从图21可知，信号具有明显规律，在雷达天线有规律的移动下形成波浪式连续线，图21(a)为11:42:17形成的二维灰度图，白色点为信号最大值所在位置，表明分界距离天线491 mm处。图21(b)为11:25:06形成二维灰度图，具有波浪式连续线，最大值位置随着时间变化在两个位置交替出现，两个位置在562 mm上下。
图21 雷达信号灰度图测量煤层厚度
Fig.21 Radar signal gray to measure coal seam thickness
5.4 雷达扫描放煤空间
综采工作面液压支架正常工作时，顶梁后端和掩护梁之间呈一定的夹角，会出现一个适合向斜上方观察顶煤的窗口空间，这个位置可以安装集成激光雷达和摄像机的的三维扫描装置，也能够保护成像装置免受顶煤矸砸落影响。通过云台转动扫描顶煤空间实现3D成像来计算剩余煤量，也可以观察顶煤放落过程。安装位置如图22所示。
图22 扫描后部放煤空间的三维雷达安装
Fig.22 3D radar installation for scanning caving coal space
图23 激光雷达及扫描煤岩点云成像
Fig.23 Laser radar and scanning point clouds for coal and rock
设计三维扫描装置考虑了煤岩粉尘干扰和镜头防护，安装示意如图22所示。三维扫描装置扫描未放落顶煤三维成像如图23所示，用一种640×480固态激光雷达扫描未放落顶煤，形成点云数据，绘出未放落顶煤下面的三维曲面轮廓成像，通过三维建模结合放煤前测量的顶煤层分布厚度，估算出未放落顶煤体量参数，用于指导当前放煤口的关闭控制。
5.5 煤矸振动信号采集
带有无线通信的加速度传感器用高强度磁铁吸附在支架尾梁下方，采集振动信号进行数据处理后绘出能量三维图如图24所示。
图24(a)的三维能量峰值聚集在10.4 kHz频率附近，持续时间30～40 ms，其他频率也有小峰值出现。煤岩识别系统计算9.5～10.5 kHz内的能量累积值，与基准能量进行比对，得出煤矸识别结果。图24(b)采用同样的处理方式，信号能量有效反映出现矸石跨落情况。
图24 时域能量算法三维视图
Fig.24 Time-domain energy algorithm 3D view
5.6 煤矸放落图像识别
采用分辨率为1 920×1 080全高清防爆摄像机安装于支架掩护梁下方，实时采集放煤过程中的煤矸放落到后部刮板运输机上的灰度视频，抽取放煤中期和后期的2帧图像，如图25所示。
图25 放顶煤煤矸垮落图像
Fig.25 Images of roof coal caving
图26 灰度直方图
Fig.26 Histogram
通过灰度卷积计算，可得到图25的卷积和Gp1=2 252 598,Gp2=4 356 455。
Gp2≫Gp1
(5)
其中，Gp2，Gp1 为一帧煤矸图像中各像素点的灰度值求和，像素点的灰度值按从“黑→灰→白”取0～255离散值，煤颜色深其灰度值小，矸石的灰度值大，将整个图像各像素点的灰度值求和，可估算出煤和矸的比例，用于判断放煤程度。p1和p2代表图25中(a)和(b)的两帧图像。
矸石灰度值要大于煤的灰度值，由以上不同放煤阶段两帧图像的灰度卷积，可判断出图25(b)已经放出大量矸石，从图26的灰度直方图也可以区分出煤矸的成分变化。
6 结 论
(1)将放煤分为“放煤前、放煤中和放煤后”3个阶段和全煤下放、煤矸混放和全矸下放3个过程，针对不同放煤阶段和放煤过程研究适用的感知技术和装备，对放顶煤全过程实时监控，为实现综采自动化智能放煤提供了必要手段。
(2)放煤前采用支架前部安装透地雷达测量顶煤厚度作为放煤量的基准，放煤前测量煤层厚度的雷达可采用超宽带无线脉冲信号，能够穿透3～6 m的煤层，测量煤层厚度精度达到厘米级。
(3)放煤中采用在支架掩护梁外侧安装三维雷达扫描未放顶煤空间，对顶煤体量的动态变化检测采用激光雷达或毫米波雷达，能够满足测量精度的技术要求，测量出剩余顶煤体量，与放煤前的放煤量基准进行比对，来确定放煤是否终止。
(4)识别已经落于后部刮板运输机的煤炭体量和煤矸比例，煤矸识别采用高清宽动态摄像机辅以透尘光源，引入煤矸混放比例参数，通过图像灰度卷积计算煤矸比例来判断全煤下放、矸石混放和全矸下放的3个过程量化数据，实现实时反馈精确控制放煤，提高煤矸检测的鲁棒性。
(5)通过放煤前、中和后3阶段的技术综合，研制相应的传感装备，将测量数据实时传输给工作面自动化系统，经过数据分析计算和智能化处理，将放煤控制决策数据发送给液压支架电液控制系统，实现相应支架的放煤口自动调整和关闭控制。
(6)通过智能化综放工作面现场工业试验，验证了采用放煤前中后全过程实时监测和控制放煤口大小及关闭，能够达到解放现场人工到安全和条件好的巷道或地面监控中心，为实现综放工作面的智能化无人开采提供了必要条件。
[1] 王国法,赵国瑞,任怀伟.智慧煤矿与智能化开采关键核心技术分析[J].煤炭学报,2019,44(1):34-41.
WANG Guofa,ZHAO Guorui,REN Huaiwei.Analysis on key technologies of intelligent coal mine and mining[J].Journal of China Coal Society,2019,44(1):34-41.
[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] 樊运策.综放工作面冒落顶煤放出控制[J].煤炭学报,2001,26(6):606-610.
FAN Yunce.Control on top coal caving in long wall top coal caving working face[J].Journal of China Coal Society,2001,26(6):606-610.
[4] 王家臣,杨胜利,黄国君,等.综放开采顶煤运移跟踪仪研制与顶煤回收率测定[J].煤炭科学技术，2013，41(1):36-39.
WANG Jiachen，YANG Shengli，HUANG Guojun，et al.Research on top coal tracker of fully mechanized top coal caving mining and measurement of top coal recovery rate[J].Coal Science and Technology，2013，41(1):36-39.
[5] 仲涛.特厚煤层综放开采煤矸流场的结构特征及顶煤损失规律研究[D].徐州:中国矿业大学，2015.
ZHONG Tao.Research on structural characteristics of coal and gangue flowing field and top coal loss regulation in super thick coal seam using top coal caving method[D].Xuzhou:China University of Mining and Technology，2015.
[6] 李刚.煤层厚度变化的透射槽波探测技术[J].煤矿开采，2016，21(5):11-13,55.
LI Gang.Transmission channel wave detection technology for coal seam thickness change[J].Coal Mining,2016,21(5):11-13,55.
[7] 范京道,徐建军,张玉良,等.不同煤层地质条件下智能化无人综采技术[J].煤炭科学技术,2019,47(3):43-52.
FAN Jingdao,XU Jianjun,ZHANG Yuliang,et al.Intelligent unmanned fully- mechanized mining technology under conditions of different seams geology[J].Coal Science and Technology,2019,47(3):43-52.
[8] 任怀伟,孟祥军,李政,等.8 m 大采高综采工作面智能控制系统关键技术研究[J].煤炭科学技术,2017,45(11):37-44.
REN Huaiwei,MENG Xiangjun,LI Zheng,et al.Study on key technology of intelligent control system applied in 8m large mining height fully mechanized face[J].Coal Science and Technology,2017,45(11):37-44.
[9] 于斌，夏洪春，孟祥斌.特厚煤层综放开采顶煤成拱机理及除拱对策[J].煤炭学报，2015，41(7):1617-1623.
YU Bin，XIA Hongchun，MENG Xiangbin.Top coal arching mechanism and arch removal strategies in fully mechanized top coal caving mining of ultra-thick coal seam[J].Journal of China Coal Society，2015，41(7):1617-1623.
[10] 田成金.煤炭智能化开采模式和关键技术研究[J].工矿自动化,2016,42(11):28-32.
TIAN Chengjin.Research of intelligent coal mining mode and key technologies[J].Industry and Mine Automation,2016,42(11):28-32.
[11] 毛善君.“高科技煤矿” 信息化建设的战略思考及关键技术[J].煤炭学报,2014,39(8):1572-1583.
MAO Shanjun.Strategic thinking and key technology of information construction of high-tech coal mine[J].Journal of China Coal Society,2014,39(8):1572-1583.
[12] 庞义辉,王国法,任怀伟.智慧煤矿主体架构设计与系统平台建设关键技术[J].煤炭科学技术,2019,47(3):35-42.
PANG Yihui,WANG Guofa,REN Huaiwei.Main structure design of intelligent coal mine and key technology of system platform construction[J].Coal Science and Technology,2019,47(3):35-42.
[13] 李亮,王昕,胡克思,等.探地雷达探测煤岩界面的方法与试验[J].工矿自动化，2015，41(9):8-11.
LI Liang，WANG Xin，HU Kesi，et al.Methods and tests of GPR for detecting coal-rock interface[J].Industry and Mine Automation，2015，41(9):8-11.
[14] 王家臣.我国放顶煤开采的工程实践与理论进展[J].煤炭学报,2018,43(1):43-51.
WANG Jiachen.Engineering practice and theoretical progress of top-coal caving mining technology in China[J].Journal of China Coal Society,2018,43(1):43-51.
[15] 王昕，丁恩杰，胡克思，等.煤岩散射特性对探地雷达探测煤岩界面的影响[J].中国矿业大学学报，2016,45(1):34-41.
WANG Xin，DING Enjie，HU Kesi，et al.The influence of coal and rock scattering characteristics on the detection of coal and rock interface by GPR[J].Journal of China University of Mining and Technology，2016，45(1):34-41.
[16] 张守祥，刘帅.脉冲雷达透地探测煤岩实验研究[J].煤炭学报，2019，44(1):340-348.
ZANG Shouxiang，LIU Shuai.Experimental study on pulse rock radar to detect coal rock[J].Journal of China Coal Society，2019，44(1):340-348.
[17] 吴婕萍,李国辉.煤岩界面自动识别技术发展现状及其趋势[J].工矿自动化,2015,41(12):44-49.
WU Jieping,LI Guohui.Development status and tendency of automatic identification technologies of coal-rock interface[J].Industry and Mine Automation,2015,41(12):44-49.
[18] 裴书玉.基于LiDAR点云数据的建筑物特征提取及建模研究[D].贵阳:贵州大学,2018:10-11.
PEI Shuyu.Research on building feature extraction and modeling based on LiDAR point cloud data[D].Guiyang:Guizhou University,2018:10-11.
[19] 孙继平.基于图像识别的煤岩界面识别方法研究[J].煤炭科学技术，2011，39(2):20-21.
SUN Jiping.Research on coal-rock interface recognition method based on image recognition[J].Coal Science and Technology,2011，39(2):20-21.
[20] 陈浜.基于视觉计算的煤岩识别方法研究[D].北京:中国矿业大学(北京),2018:27-30.
CHEN Bang.Research on coal and rock identification method based on visual calculation[D].Beijing:China University of Mining and Technology(Beijing),2018:27-30.
[21] 王昕,赵端,丁恩杰.基于太赫兹光谱技术的煤岩识别方法[J].煤矿开采,2018,23(1):13-17,91.
WANG Xin,ZHAO Duan,DING Enjie.Coal-rock identification method based on terahertz spectroscopy technology[J].Coal Mining Technology,2018,23(1):13-17,91.
[22] 张守祥,张艳丽,王永强,等.综采工作面煤矸频谱特征[J].煤炭学报,2007,32(9):971-974.
ZHANG Shouxiang,ZHANG Yanli,WANG Yongqiang,et al.Caved coal and rock spectrum on long wall face[J].Journal of China Coal Society,2007,32(9):971-974.
[23] 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 for top coal caving in fully mechanized mining face[J].Industrial and Mining Automation,2015,41(7):10-13.
