“十三五”期间，煤炭开采业智能化发展迅速，截止2019年底全国智能化工作面已建设超过200个，形成了以陕煤黄陵一号煤矿为代表的基于“有人巡视、远程干预”的可视化远程干预型智能化采煤模式成功应用[1-2]。
以信息技术为重点突破方向，国内相关科研院所和装备制造企业积极探索，促进了煤炭行业自动化、数字化、信息化的变革。专家学者对智能化采煤的发展方向、路线提出了各种见解和思路。在葛世荣教授的采煤装备“三个感知、三个自适”，袁亮院士“智能精准开采”，王国法院士“智慧矿山”“智慧煤矿”等思想和技术理论的指导下，众多学者、研究人员通过研究智能化开采装备关键技术[3-5]、精准开采地质保障技术[6-7]、采场智能围岩控制[8-10]、开采系统决策控制[11]等智能化采煤理论、技术和装备，并在煤矿现场进行原理验证、技术应用，对煤矿智能化发展提供了重要的理论、实践支撑，提升了我国煤炭行业开采技术高度。
煤炭智能化开采技术受限于井下特殊作业环境，仍需要围绕安全、高效开采两大目标，攻关智能化采煤深水区，突破环境的智能感知，采掘装备的智能决策、控制，自动化执行，形成一套智能化采煤系统。
笔者总结了我国当前推广应用的可视化远程干预的智能化采煤技术，并对该技术的局限性进行了分析，基于对复杂地质条件下智能化采煤技术、科学难题的分析提出了智能化采煤系统的基本架构和技术内涵，并分析了相应关键技术的突破方向，最后介绍了相关工程技术实践情况，希望为广大煤炭智能化开采工作者提供参考，进一步提升行业技术的发展。
1 基于可视化远程干预的智能化采煤技术现状
经过近10 a不懈努力和技术攻关，我国在采煤工作面成套装备感知、信息传输、动态决策、协调执行、高可靠性等方面突破了一系列关键技术，研制出了具有自主知识产权的综采成套装备智能系统，提出了“无人操作、有人巡视”的智能化开采生产模式，实现了综采成套装备巷道及地面远程控制的智能化采煤，引领了我国煤炭科学开采的发展方向。
1.1 基于视频监控的远程干预综采智能化
(1)可视远程干预无人化开采技术。以实现综采工作面常态化无人作业为目标，以采煤机记忆截割、液压支架自动跟机及可视化远程监控为基础，以生产系统智能化控制软件为核心，实现在巷道监控中心或地面对综采设备的智能监测与集中控制，确保工作面割煤、推移刮板输送机、移架、运输、消尘等智能化运行，达到工作面连续、安全、高效开采。
工作面视频监控技术采用视觉沉浸技术，将人的视听感官延伸到工作面，即在综采工作面安装不同类型和功能的摄像仪，分别监视煤壁和支架方向，可实时跟踪工作面采煤机附近的围岩环境，自动完成视频跟机推送、视频组合和视频拼接等功能，为采煤机、液压支架可视远程干预监控提供身临其境的视觉感受;在重点监控区域安装固定角度摄像仪，实现对刮板运输机、煤流、超前支护等工序的视频监控。利用图像处理技术对工作面生产异常情况进行自动识别，自动提醒远程人员进行重点关注。图1为通过摄像机对工作面生产时煤流中大块煤的自动识别情况。
图1 采用图像处理技术监控工作面煤流
Fig.1 Image processing used to monitor coal flow on face
这一创新技术思路诠释了无人开采的新理念，提出了“无人操作、有人巡视”的无人开采模式,即:采用拟人手法，把人的视觉、听觉延伸到工作面，将工人从危险的工作面采场解放到相对安全的巷道监控中心或地面，实现在巷道监控中心或地面对综采三机设备进行远程操控，达到工作面无人开采的目的[12-14]。工作面生产的远程监控画面如图2所示。
图2 工作面监控、视频、三维空间信息自动推送界面
Fig.2 Auto push interface of monitor,video and 3D Data
(2)综采全息远程实时增强现实技术。综采工作面增强现实系统对开采三机装备和开采场景等运动变化物体跟踪注册，通过摄像机定标、计算定位参数，确定摄像机与运动物体间的相对位置和方向;调用三维图形库，将运动参数赋予三维虚拟场景中的虚拟摄像机使之与真实环境中的摄像机保持同步;虚拟增强物体的投影注册，虚拟增强信息与真实场景的合成，建成综采工作面生产时的增强现实远程视觉跟踪控制系统，如图3所示。
图3 增强现实三维建模在综采工作面遥控中的作用
Fig.3 Role of 3D modeling based on augmented reality technology in remote control of mining face
1.2 基于巡检机器人辅助的工作面智能化
开采机器人是智能化开采系统强有力的补充，将逐步取代人类在危险的综采工作面从事的一些日常的工作。通过在采掘设备上加装具有合适光源和视觉、听觉、振动等传感器的遥控机器人，经过人工智能化处理，可以维护和管理工作面自主开采作业。图4为一种安装在工作面上监控开采生产的巡检机器人系统，可大大减少目前工作面监控设备数量。机器人技术将是未来采煤智能化技术的发展方向。
图4 工作面上的巡检机器人系统组成
Fig.4 Composition of inspection robot system on working face
1.3 基于惯性导航技术的综采智能导航
实时三维GIS(Geographic Information System,地理信息系统)系统的开发将地理信息、三维可视化及工作面相关探测技术相结合，建立了工作面地质数据模型，分析模型拓扑关系，开发形成的工作面三维可视化GIS信息系统为综采工作面智能化管理与决策提供依据。核心研究内容包括工作面三维空间定位、工作面扫描、工作面智能控制和工作面三维可视化，如图5所示。
图5 基于实时三维GIS的开采智能导航技术体系
Fig.5 Intelligent navigation based on 3D GIS
在综采工作面的“三直两平”要求中，刮板输送机直是基础。由于煤层的起伏和地质环境的变化，工作面设备的非可视测量是一个技术难题，还要考虑采煤机截割时产生的煤尘对测量结果的影响，不能简单的采用地面常规的激光定位技术和全部仪测量技术。因此，采用激光矩阵测量技术，可以实现工作面相邻支架位置偏差不超过100 mm，满足了支架对齐的要求，从而保证了输送机的平直度，如图6所示。
图6 支架对齐技术保证了支架的直线度
Fig.6 Alignment of support with straightness
1.4 现有技术的局限性
在可视化远程干预模式的智能化采煤技术推广应用过程中，“有人巡视、远程干预”生产模式逐步暴露出一定的技术局限性。远程干预方式未能解决所有生产操作需求，生产过程中仍需要就地巡视人员人工处理很多问题，其局限性见表1。
表1 可视化远程干预模式技术局限性分析
Table 1 Limitation of remote visual intervention
控制对象控制方式控制依据未解决的控制需求液压支架跟机自动远程干预支架传感系统支架视频监控自动化控制自适应性较差采场工程质量差,无法达到“三平两直一通畅”中刮板机直、顶底板平整的要求视频监控有死角,无法全覆盖支架无法对液压支架梁端距、支架与采煤机干涉等关键监控点进行有效监控采煤机记忆截割远程干预采煤机传感采煤机视频监控记忆截割无法适应煤层变化刮板输送机飘溜判断及采煤机卧刀控制由于生产粉尘造成远程视频监控质量低视频监控有死角,无法全程监控采煤机视频监控无法有效观察煤机滚筒状态大块煤等异常情况解决方案尚未成熟
通过对照传统综合机械化采煤由人来观察、判断生产状态，依据生产规程、经验进行决策，进而操作机械设备的生产方式，可视化远程干预模式智能化采煤面临以下4个方面问题:
(1)“看”的问题。基于可视化远程干预的智能化生产模式是以视频监控系统为主，解决对工作面生产状态“看”的问题。但是视频系统存在监控有效性问题，直接影响工作面展现效果，不能达到全部指导生产目的。
(2)“动”的问题。远程干预操作模式仍不能满足“无人化”生产要求，自动化功能和系统智能决策功能较弱，生产过程仍需要人参与决策、就地巡视、干预操作等。
(3)“想”的问题。缺少拥有智能化思想的软件及功能，各类开采装备间协调性还不够智能，采煤工艺方案灵活性有待进一步改进，系统缺少自适应能力。
(4)“稳”的问题。控制系统、开采装备的稳定性、可靠性需研究改进、提高。
因此，目前基于“有人巡视、远程干预”的可视化远程干预模式智能化采煤工作面，严谨定义还是“远程控制的自动化工作面”。
2 复杂地质条件下智能化采煤面临的挑战
2.1 技术挑战
为进一步拓宽智能化采煤技术的应用范围，突破可视化远程干预模式对地质条件的依赖性，增强装备控制自适应性，提升采场作业的智能化程度，需要引入更高层次的智能自适应开采、透明开采、综采机器人开采等技术发展思路[14]。通过引入矿井物联网、大数据、先进传感、千兆工业以太网、无线通信网络、面向煤矿的标准化通信协议等新技术，可以提升开采装备的感知、执行能力，在一定程度上突破了“在地质条件良好或较好的较薄煤层工作面”的限制，为一般地质条件、复杂地质条件下矿井智能化生产起到了技术引领作用，如图7所示。
(1)复杂综采工作面自适应技术。未来的智能化采煤技术必然从适应简单地质条件走向适应较复杂地质条件和复杂地质条件，实现全域地质条件下推广应用。目前，智能化采煤受限于煤层地质条件的不确定、智能化技术、手段发展不充分、开采装备水平较低，以及智能化采煤架构不明晰等问题，造成智能化采煤很难满足实际生产应用。其关键技术是综采工作面透明化，可通过超宽带雷达超前探测前方煤层地质条件变化，引导工作面三机设备适应煤层变化。
(2)综采机器人化。适用于煤矿综采工作面的自主运行、多传感器融合、高精度探测和实时响应的巡检机器人技术与装备，是实现综采智能化的基本手段。巡检机器人按照设定路线和任务需求实现工作面范围内自主导航、自主避障和自主作业等关键技术，通过高清视频、三维扫描、红外热成像和雷达探测等多传感器融合技术替代综采工作面的巡检人员进行巡视，实时监测无人工作面采煤、支护和运输过程，实时处理所采集设备、围岩和环境状况的感知数据，及时反馈给智能开采系统。
图7 智能化采煤技术发展情况
Fig.7 Development of intelligent coal mining technology in China
2.2 科学难题
智能化采煤在传统采煤方式的基础上，要实现开采装备摆脱人的直接参与，依据自主决策实现生产系统智能化运行，整个开采系统必须要解决以下问题:
(1)开采空间多元信息采集及交叉融合。传统采煤多是依赖生产人员经验分析，再做出相应控制决策，而这些决策的依据多是来源于人工感知和经验分析。如何能够将人工感知通过多功能、多参量、多维度的智能传感器进行替代，实现对煤矿复杂开采空间内煤层、环境、装备的多维对象的信息采集、交叉，继而形成一个由多元数据融合、统一的数据平台，将是后续能够提取出指导生产的有效信息的基础与关键。
(2)智能化采煤决策、控制基础理论。煤炭智能化开采决策与装备控制涉及开采装备与围岩耦合、开采装备群之间相互作用、工作面连续开采工艺选择等多种复杂因素相互关联问题。伴随着煤炭开采，多种因素相关影响、相互作用、相互关联。存在的关键基础理论主要有支架-围岩耦合作用机理、液压支架自适应控制机制、采煤机调高控制机制、装备群协同控制原理、开采行为与生产决策关联规律等。
(3)综采装备群智能化协作。综采装备作为采煤系统的核心部分，是实现割煤、落煤、支护、运煤等环节的关键。由于综采装备群是多种装备的集合，其工作对象、工作方式差异明显，但各类设备之间又相互关联。因此，需要借助现代装备制造技术进行研究，提升装备群的智能化、自动化程度。其涉及的关键问题主要有开采装备的成套化设计、特殊工序自动处置装置技术开发、关键元件稳定性以及装备智能传感内嵌式技术等。
3 智能化采煤系统架构和内涵
根据以上对智能化采煤科学问题的分析，笔者提出了以“感知、决策、执行、运维”4个维度的智能化采煤系统基本架构，如图8所示。
(1)感知:通过感知地质条件、开采环境、装备工况，改变传统综合机械化开采以及当前基于可视化远程干预的开采模式中依靠人工进行“看”来感知工作面的形式。
(2)决策:通过数据汇聚并引入到由装备行为“准则”“依据”为支撑的开采决策控制模型中，基于大数据分析、人工智能等技术应用，形成决策思想来替代原有依靠人工进行“想”的环节。
(3)执行:重点强调的是依靠以成套装备为基础的自动化、智能化执行来实现“动”的需求。
(4)运维:最后在大数据分析与历史数据挖掘的支撑下实现对开采装备、控制系统的有效维护，达到“稳”的目标。
包含以上4个环节的基本架构解决了传统综合机械化开采以及当前基于可视化远程干预的开采模式中遇到的“看、想、控、稳”的实际问题，并转化为 “感知、决策、执行、运维”技术保障，通过感知煤层赋存条件和围岩特性、开采环境状态以及装备工况，实现生产过程自主运行，降低人工直接操作，达到在提升煤炭开采工效的同时确保工作面可以连续、稳定、高效运行，成为自主感知、自主分析、自主决策，自主执行的生产系统。
图8 智能化采煤系统架构
Fig.8 Architecture of intelligent coal mining system
3.1 煤炭开采空间感知能力要素
煤层地质数据准确性直接影响智能化采煤技术有效性。当前，矿井对于地质条件的勘探主要围绕煤层结构构造勘察，目的是了解瓦斯、水文等灾害信息以及能源综合开发利用等。对于智能化开采系统，煤炭开采空间是一个随采煤过程不断动态变化，与开采装备耦合作用的对象，同时又是开采装备的工作空间，因此需要有一定的超前探测这样开采装备才能适应煤层地质条件的自然变化。需要开展的开采空间三维建模工作如图9所示。
图9 工作面三维空间模型组成
Fig.9 Composition of 3D spatial model for face
(1)开发地理信息系统是综采工作面开采空间感知的基本方式。构建面向煤矿综采工作面高精度三维动态地质模型，实现模型的动态修正，包括基于钻探、地震、生产、煤岩层探测等的综采工作面几何(网格)体元模型构建技术。研究煤层、断层、煤壁、构造、夹矸、裂隙等关键位置模型多分辨率模型构建技术。动态构建的实时三维模型如图10所示。
图10 构建的动态精确综采三维空间模型
Fig.10 A dynamic and accurate 3D space model
(2)高精度三维动态地质模型的动态修正技术。基于多信息融合的煤岩界面识别是动态修正工作面三维地质模型的关键因素。
根据煤层和顶底板灰度、颜色、纹理等光学特征，建立采煤工作面煤岩识别的成像模型。研究基于融合可见光、红外图像的煤岩界面识别技术，实现对采煤机滚筒新揭露剖面的煤岩分界位置标定，建立煤岩分界信息与顶底板岩层位置关系的数学模型，如图11所示。根据煤层和顶底板岩层介电常数等电磁波特征，采用超宽带电磁波技术可以穿透煤层探测煤岩分界位置，建立采煤工作面煤岩识别的成像模型，并与工作面地理信息系统融合，建立的基于超宽带电磁波的超前探测过程如图12所示。
图11 摄像机对煤壁侧的煤岩分界图像采集
Fig.11 Image acquisition of coal rock boundary
图12 超前探测的煤岩分界检测
Fig.12 Detection of coal-rock boundary in advance
在工作面地质钻孔的粗探数据基础上，建立煤和顶底板岩层的随采随探的精细煤岩地理体系，是综采工作面透明化开采的重要支撑。
3.2 智能分析及决策能力要素
智能化分析、决策能力包括煤炭开采空间与开采装备群之间的相互耦合、作用机理，液压支架、采煤机、刮板输送机等随开采过程煤层起伏变化而自适应耦合的感知、分析、决策机制，以及开采装备群间的协同控制逻辑，其要素分析如图13所示。
图13 智能化决策能力要素分析
Fig.13 Factor analysis of intelligent decision-making ability
(1)智能开采关联规则分析。智能化生产系统应当实现系统级数据融合、技术集成，解决目前开采过程中数据利用率低、装备群关联性差、控制决策缺乏智能的问题。研究综采工作面不同类型数据分类、估计、预测、相关性分组、关联规则以及聚类等方法，剔除耦合变量，降低数据维度。设计智能开采工艺过程的数据挖掘算法，发现主要影响因子以及数据之间的潜在关联规则。通过分析智能开采各环节关联规则实现感知、分析、决策与执行能力的优化，进而追求更高智能化程度的综采开采系统。
(2)智能开采时间序列分析。建立基于大数据的智能开采时间序列采集分析处理平台，研发适用于专家分析决策的时间序列数据分析引擎，支持时序数据、空间数据、音视频数据、生产管理数据等多种类型;开发标准算法库，实现时间序列回归、聚类和分类等大数据分析。
(3)工艺控制参量优化模型。工作面智能开采效能提升的工艺控制参量优化模型，分析工作面关键设备、地质条件、外部环境的作用机理以及耦合关系，设计多目标优化的数学模型;研究开采工艺反馈控制算法，优化采煤机速度、工作面支架与两巷超前支护策略、刮板输送机速度和泵站供液压力等参数。
(4)智能开采效能和安全的评价体系。研究综采工艺、设备、环境以及人员对智能开采效能和安全的影响因素，确定相应开采效能和安全指标，建立开采效能和安全的综合评价模型。研究不同时间尺度数据处理方法和影响采区效能的因素，建立不同时间尺度(时/日/月/年等)、多因素综合的效能提升数据模型。研究运输、通风、生产调度、人员、通信等对综采工作面安全的影响，形成安全保障优化策略。
(5)智能开采决策系统。设计开发“井下-地面-云端”的多节点、多种数据存储缓存方式、多级数据冗余的数据存储架构，制定统一通信协议，便于不同数据系统的接入。建设开采效能自主学习和安全分析决策知识库系统，研究开采效能和安全分析的表示和推理技术。设计智能开采专家决策知识库，基于深度学习技术，建立开采过程数据潜在知识的数据挖掘引擎，开发具有自主学习、迭代优化的知识库系统。
3.3 自动执行能力要素
自动执行能力依附于装备本身，是综采装备群在生产过程中能够依照控制决策实现动作精准、稳定、可靠执行的体现，虽然综采装备制造技术经过多年国产化发展，但对于智能化而言，装备在自动机构配置、自动化关键部件方面仍需要继续加大研究力度，分为五大执行要素:自适应、透明化、全方位感知、大数据决策和自主控制，要素之间的关系如图14所示。
图14 自动执行能力5要素之间关系
Fig.14 Relationship among five automation performance elements
(1)开采条件预测、适应与处理能力。研究工作面设备、开采条件对智能开采的实际影响关系，利用自适应智能开采控制理论模型，构建包含采煤机、刮板输送机、支架、两巷支护与顶底板信息的生产过程数值模型。建立基于煤层条件的智能开采技术适应性评价体系，研究智能开采的煤层适应性评价方法、顶板来压和煤壁片帮预测处置技术以及环境条件的智能协同感知技术，研发智能工作面开采条件实时预测与处置技术，保障智能工作面的安全和高效生产。
(2)智能开采装备透明化能力。建立“透明工作面”自适应智能开采控制模型，以“透明工作面”自适应智能开采控制理论模型揭示工作面开采条件、煤岩界面识别、地理信息系统和超前支护等技术之间的耦合规律，为工作面调高、俯仰采、伪斜及直线度等智能开采控制提供理论依据，包括建立工作面采煤机动态截割模板优化修正理论模型，工作面俯仰采平滑阶梯多级调整控制模型;工作面伪斜及直线度智能控制模型和软件。
(3)全方位无缝覆盖工作面感知能力。通过在综采工作面引入多径异构无线通讯网络技术，根据影响工作面物联网无线通讯性能机理，设计抗多径干扰算法和高密度、大容量、实时、低功耗异构无线通讯网络平台，研制具有遥控数据接入、人员感知定位、高带宽数据传输、无线传感器接入功能的一体化无线传感系统。引入机器人对综采工作面生产装备、环境和煤流的动态实时巡检，综合运用巡检机器人配置的高精度、高智能感知装置，实现运输机形状、地理信息系统、设备空间定位等，支撑工作面智能控制模型的建立。
(4)基于大数据的智能开采效能和安全分析决策能力。建立智能开采大数据采集分析处理平台，利用基于数据挖掘技术获取新知识的方法，针对不同类型数据采用分类、估计、预测、相关性分组、关联规则以及聚类等方法，剔除耦合变量，凭借智能开采工艺过程的数据挖掘算法，发现主要影响因子以及数据之间的潜在关联规则，为智能开采能效评估、开采安全提供决策。
(5)面向复杂工作面的综采成套装备智能自主控制能力。面向复杂工作面的综采成套装备智能控制系统建立以智能控制一体化中心为大脑，采、支、运设备为躯干，Ethernet/IP通信协议为神经网络的综采智能开采控制体系。引入多径异构无线通讯网络技术，可编程网络型智能控制装置等关键部件，实现综采成套装备硬件性能显著提升。研究复杂工作面条件下的开采工艺及关键综采设备控制对象的特征，设计分布式控制系统软件架构、多节点服务器间实时数据处理及冗余可靠性方案，开发成套装备智能控制软件。
3.4 可靠及稳健运维能力要素
可靠及稳健运维能力是智能化采煤系统运行的基础，为保证智能化采煤系统能够持续运转，开采系统自身稳定运行状态监测平台亟待建立。该能力要素应该覆盖3个层次，分别为自身系统应该具备故障的监测及警告、故障的处理管理，故障原因分析与指导进行持续性检修的能力;对厂家技术服务要求具备专家指导系统，能够支持智能化运行与系统决策能力的不断提升;对外部监管平台要求能够提供数据接口，实现更高层级的监管平台对其的监管，其平台的要素组成如图15所示。
图15 可靠、稳定运维能力要素之间关系
Fig.15 Relationship between reliable and stable operation and maintenance capacity elements
(1)建立智能开采工作面推进移动的工作可靠性模型。研究工作面关键设备、地质条件、外部环境的作用机理以及耦合关系，设计多目标优化的数学模型;研究开采工艺反馈控制算法，优化采煤机速度、工作面支架与两巷超前支护的策略、刮板输送机速度和泵站供液压力等参数。
(2)建立智能开采工作面的健康评价体系，并融入到整个矿井的效能和安全指标体系中。研究与综采区域关联的外部工艺、设备、环境以及人员对智能开采效能和安全的影响因素，确定相应开采效能和安全指标;综合运用层次分析法、模糊综合评判法、未确知测度评估方法等技术，建立开采效能和安全的综合评价模型，多尺度效能提升和安全保障的优化控制策略。
(3)建立工作面装备健康状况预警模型。基于采煤机、刮板输送机、胶带输送机及乳化液泵的设备信息、运行状态数据、环境信息(瓦斯、温度、湿度等)以及历史故障记录等数据，研究利用深度学习技术挖掘数据间的关联关系和因素，揭示不同关联因素影响下的设备状态规律，对设备健康状况进行预警和故障率预测。
(4)建立以大数据和数据挖掘技术为核心的智能开采运维数据中心。设计离线数据挖掘与在线数据实时计算并存的任务调度架构，开发模块化的数据可视化、报表、信息推送等交互式组件，以及工艺参数优化、设备健康状况预警等数据挖掘服务，建立满足不同用户需求的智能服务平台。
4 智能化采煤关键技术待突破技术
为近一步推进煤矿智能化采煤系统完善，加快煤炭开采最新技术向全域地质条件覆盖速度，当前阶段智能化技术应重点加强以下几个方面的技术研究。
4.1 开采地质环境增强感知技术
构建基于精细探测、解析的地质增强感知技术体系，以解决传统开采方式下煤层赋存的不可预知性的问题，将回采工作面地质信息由“黑箱模型”转变为“透明模型”，为煤炭智能化开采提供地质信息保障[15]。
系统性的开展地质精细勘探、地理信息解析的理论基础、技术方法的研究，并开发相应的勘探装备与数据平台，提升开采系统对工作面环境实际状态的认知并理解。研究通过激光扫描、可见光/热红外视频、随采物探等多种感知手段，辅以钻孔、地质勘探以及掘进数据形成对工作面所处地质环境信息感知[16]。图16为针对一个工作面顶底板高度探测结果。
图16 全工作面煤岩分界高度分布
Fig.16 Coal and rock boundary height of whole face
利用煤层地质信息一体化采集、处理和显示技术，将基于多维度、大数据量以及异常勘察数据汇集存储到统一的数据库中，通过多源信息融合与三维动态地质模型建模手段实现工作面三维精细物理模型构建。同时做好地质模型平台与智能化采煤系统之间的数据交互，通过地质大数据分析与挖掘为智能化开采提供地质信息化、可视化的技术支撑，提升对开采系统及装备所处外部环境的增强感知。
4.2 智能开采工艺分析决策技术
推进以综采成套装备为执行系统，依靠高效智能感知-决策模型，实现智能化采煤过程“感知、分析、决策、控制”闭环控制。研究基于液压支架承载特征感知反演的围岩失稳研判依据与控制机理，提出适应液压支架的姿态自适应控制原理，重点解决仰俯采等复杂条件下液压支架自动跟机移架、液压支架自适应控制方法、以及液压支架对围岩的自适应耦合控制等技术难点。构建基于统一平台的综采设备群姿态、位置关系的运动学模型，研究满足综采生产工艺与作业需求的综采设备群分布式协同控制原理，综采设备群在时变多因素干扰下的位姿协同控制方法，装备群协同控制与生产工艺智能结合方法，解决影响工作面连续、稳定推进的刮板输送机上窜下滑、伪斜失调、工作面端部与转载部协同推进等突出问题。
建立开采行为与生产数据之间的动态关联数据平台，特别是针对开采行为、用户习惯及设备控制需求，根据围岩-设备运行趋势相关推理算法与软件进行生产策略推送，辅助生产决策与设备控制。通过对智能化采煤后工作面生产标准化程度、装备工况状态、生产实际效率等多方面因素进行动态分析，有效评估智能化采煤控制效果。此过程中要充分发挥人员的决策思想，引入到生产评估过程，为自主评估提供总结学习模型。可以利用模糊强化学习技术实现系统自主学习，以应对自我优化需求，最终形成自优化自主生产系统。图17为一种融合开采地质环境增加感知的综采工作面智能开采工艺工序。
图17 综采工作面智能开采工艺工序计划
Fig.17 Intelligent mining process plan of fully mechanized mining face
4.3 开采装备智能化技术
开采过程中智能自适应连续推进控制技术，针对开采设备多、环境复杂多变的特点，如何综合运用开采条件实时预测与处置、煤岩界面实时识别、地理信息系统、设备定位和机器人巡检等多种技术协同工作，实现自适应连续推进控制是关键技术难题。开采过程中采煤机滚筒智能调高控制技术，如何融合地理空间信息、视频图像、设备状态等多种信息，进行煤层截割模板的动态优化修正，并对采煤机进行实时可靠的反馈控制，实现采煤机滚筒自适应调高是关键技术难题。
在煤炭行业智能化转型升级的大趋势下，迫切需要加强行业共性关键技术的研发和突破，突出技术领先优势，有效提升开采装备的市场竞争力。其次，围绕国产化关键部件稳定性提升开展相关研究，特别是开发适用于煤矿高腐蚀环境、替代进口的耐腐蚀、耐磨损系列高强度材料，以支撑高端成套装备的研制和应用。同时，研发装备智能传感系统，推进开采装备智能传感装置、大数据量传输、多维度数据展示，多感知参量融合处理的智能传感系统。充分发挥物联网技术优势，借助新兴传感检测手段，如惯性导航、超宽带、毫米波、MEMS、机器视觉、激光扫描等，实现对复杂环境中开采装备的运行检测、状态感知，如图18所示。
图18 开采装备智能化技术范围
Fig.18 Intelligent technical scope of coal mining equipment
通过对工作面综采装备的位、姿信息及随工作面连续推进条件下的运动状态感知与测量，建立起装备群之间、装备与实际生产的信息交叉、数据交互机制。同时开展基于大数据技术的开采信息动态评估与筛选技术研究，实现对质量参差不齐、不确定的海量信息进行聚合、管理，建立存储、查询、交互、预测等功能的智能分析平台。
4.4 煤矿智能巡检机器人技术
推进井下各岗位工种的机器人替代，对于践行“无人则安”的安全生产新理念，实现开采过程中作业人员持续性减少，推进煤矿安全生产形势根本性好转至关重要[17-18]。
针对井下综采少人、无人迫切需求，开展智能巡检设备替代巡检人员，解决目前综采工作面开采过程中对人员巡视、就地操作的严重依赖问题，突破工作面内无人的智能化采煤方式。重点研究适用于井下综采工作面狭长开采空间、危险恶劣作业环境、无卫星定位条件的基于轨道的巡检机器人本体，开发融合可见光/红外热成像监控、毫米波雷达测距、环境状态感知、三维激光扫描和惯性导航装置的核心感知融合平台，实现对巡检机器人运行工况监测、定位，对所处采场空间的环境感知，对开采装备灵活机动监视，研究巡检机器人感知平台面向应用业务场景的辨识技术、自我状态识别技术，实现巡检机器人自主巡检、自主避障、提升自主灵活作业能力。图19为一种在薄煤层工作面运行的巡检机器人。
图19 综采工作面巡检机器人
Fig.19 Inspection robot for fully mechanized coal face
4.5 开采系统智能运维技术
由于开采地质条件的不断变化，煤层赋存状态的不确定性，智能开采还不能完全离开人的智慧，需要发挥机器和人各自的特长，规避人机各自的短处，现阶段还不能完全离开人的干预和控制。因此，需要建立工作面自动化专家决策系统，融合“人、机、环、管”过程的数据及信息，进行深度数据挖掘，从而实现对工作面的“预测、预判、预控”[11]。开采系统健康状况预测、维护是实现智能化采煤系统正常运行的基础保障和重要支撑。
(1)设备可靠性问题。智能化离不开高可靠的综采设备，在此基础上增加感知、决策、控制和智能化功能，由单机向成套装备智能转变。研究综采装备关键部件失效模式与故障机理，加强典型故障特征与综采机电设备健康表征之间关联性分析，构建煤矿设备典型故障特征库。
(2)建立基于知识计算的装备群的健康状态智能评价理论与方法，通过获取开采系统装备群的全生命周期关键指标数据，形成融合生产调度和维护行为的开采系统双层机会维修决策模型，从而达到系统维护安全损失最小、维护成本最低、总维修时间最少的开采系统维护目标。
4.6 辅助生产环节智能化
全面发展综采工作面生产智能化调度，覆盖超前两巷支护、辅助作业和运输系统等多个方面，有助于系统性提升矿井生产智能化水平。
加大两巷超前区域设备作业工序梳理，降低人员聚集、提升工作效率，对进一步提升综采工作面智能化采煤具有重要影响[19]。需要加大推进工作面智能化超前支护装备及辅助作业平台的研究与应用。针对工作面两巷辅助作业工种，如超前单体支护、帮锚杆退除、管路拆除等作业，开展机器人化多功能作业平台装备及控制技术、智能传感技术研究，大幅减少作业人员数量，减轻工人劳动强度，推进综采工作面内装备与两巷支护装置的协同推进智能控制技术，实现工作面智能化作业水平的提升。
同时，针对煤流运输系统应该加大煤流检测原理及煤量计算方法研究，开发煤流动态扫描仪实现煤量的精准确定，研究基于多信息的大块煤岩自动识别技术，实现煤流异常体快速判别，对于装备方面应用开发大块自动高效破碎装置，保障运输系统连续、平稳运行。
4.7 综采智能服务
厂家技术服务是确保采煤装备正常运作的有效支撑与保证。近些年来智能化采煤的发展对煤矿用户与厂家技术支持均提出了新的挑战，且呈现出的不同运作方式对煤矿用户智能化开采项目的建设影响迥异。
被称为“100%等待模式”出现在智能化采煤技术推广前期，由于相关技术处于研发、实践阶段，煤矿用户之前未接触过，项目技术实施以厂家全权主导、用户被动接受。用户参与度的降低造成无法形成正反馈，使项目推进速度慢，技术部署实施困难。随着技术的推广与应用，逐渐形成了以厂家为主、用户积极参与，两方互相配合开展技术实施、项目运维的方式，一定程度上实现了技术推进有章可循，取得了一定的自动化应用成效。
因此，随着智能化开采项目的深化实施，应该突出煤矿用户主导地位，以智能化开采装备及技术为切入点，助力矿井智能化建设;厂家应该结合客户不同生产需求开展技术增值服务，为用户定制相关智能化服务内容，并纳入到实际生产应用过程中，在提升生产力的同时，削减用户成本投入、提高效益、推动采矿技术完善与提升。具体开展技术服务开展方式可包括远程智能连线、开采数据共享传输;专家通过直接服务网络与客户展开协作，分析生产数据提供指导;预测服务需求并优化装备生产率，推动采矿绩效提升等。
5 智能化采煤技术实践
针对以上智能化采煤技术研究方向，研究人员在国能集团神东榆家梁煤矿43101工作面进行了一年半时间的智能开采技术研究，主要围绕构建可动态自优化的工作面精确三维地质模型，基于激光三维扫描机器人的全工作面三维扫描模型，采煤机自主智能割煤工艺，面向成套装备的综采故障专家诊断等智能化采煤技术完成了实践与应用。
5.1 地质条件感知技术实践
为探索综采工作面智能化采煤发展方向和研究突破关键技术，以此薄煤层综采工作面为对象，提出了利用煤层定向钻探、激光三维扫描、地质三维模型建模与趋势预测、采煤机截割模板以及采煤机自主割煤控制等方法的系列解决路径，以实现工作面智能透明精准开采。
通过分析智能精准开采对地质模型精度的需求，提出了工作面前方未采区域一定范围内地质条件的“透明化”的方法。以工作面采掘地质信息为基础，依据千米钻机定向钻孔数据和差值建模方法构建“亚米级”三维地质模型并实现模型融入回采揭露的地质信息动态预测优化工作面前方10 m的“透明模型”，模型精度可以达到200 mm以内。通过部署可覆盖整个工作面的激光三维扫描系统，构建了开采过程中的采场三维数字模型，效果如图20所示，实现了工作面随采过程中快速构建当前开采循环激光三维扫描模型。
图20 综采工作面实际情况与三维扫描模型对比
Fig.20 Comparison between the actual situation of the working face and 3D scanning model
依靠工程布置绝对定位标志点实现三维激光扫描模型与地质三维模型拟合后，利用工作面绝对坐标点对三维地质模型进行剖切，提取出顶底板轮廓曲线，并对照上一开采循环的激光三维扫描模型，从而可判断下一开采循环的采煤机截割量调整，如图21所示。通过探索基于精细化地质探测技术、激光三维扫描技术、地质模型构建方法等实现了对该工作面开采地质赋存条件的感知。通过随采过程在线修正采煤机截割控制参数，初步达到了采煤机自主割煤、智能化控制效果。
图21 地质模型剖切线、激光扫描线以及地测数据对比
Fig.21 Comparison of section line of GIS model,laser scanning line and geodetic data
5.2 装备智能感知技术实践
为解决当前液压支架在生产过程中控制精度差，无法保证工作面连续推进过程中直线度控制水平，造成开采装备自动化生产程度无法近一步提升的问题[20-21]，研究人员在综采工作面开展了基于惯性导航技术的工作面直线度检测技术的工程实践。该项技术的核心是应用高精度光纤陀螺仪和定制的定位导航算法对采煤机沿刮板运输机行进的位置、姿态进行精确检测，从而描绘出工作面推进的实际形状，如图22所示。
图22 工作面直线度检测图形界面
Fig.22 Graphic interface for straightness detection of working face
基于惯性导航技术的工作面直线度检测技术在实际智能化推进过程中可有效实现工作面矫直，保持工作面直线度横向最大差值在±50 mm内。在实现工作面直线度检测的基础上，通过支架电液控制系统对每个液压支架推移行程进行单独闭环控制，超前的少推，滞后的多推，最终达成直线度控制目标。
该项方法可在工作面连续推进过程中保证综采设备沿工作面倾斜长度保持处于可控的近直线状态，确保刮板输送机、支架整齐，工作面连续生产过程中不需要人工调架，提高生产效率。
5.3 智能运维技术应用
针对综采工作面复杂的运行体系，为实现生产系统稳定、可靠运行，研究人员提出了一套面向工作面成套装备的综采故障专家诊断及预警平台。该平台采用聚类算法实现对海量历史数据的挖掘和设备运行状态动态建模。通过将运行模型与实时运行状态进行分析比较，计算实际值与模型预测值之间的偏差，当这个偏差值大于一定范围，或这一差值有继续放大的趋势时，说明设备存在某类故障苗头或劣化趋势，并提醒设备管理人员把隐患消除在萌芽状态，如图23所示。
图23 实际值与模型预测值趋势分析
Fig.23 Trend analysis of actual value and model prediction value
该平台以系列化的故障预警、原因分析、改善性建议等人机交互方式来辅助人员进行设备运行监测、故障诊断与处理，并提出改进开采设备运行的方法，提升了智能开采系统的运行稳定性。
6 结 论
(1)当前可视化远程干预的智能化采煤模式存在“看、想、动、稳”4个方面局限性，严重制约了该模式向全域地质条件的推广应用。
(2)要实现开采装备脱离人的直接参与，依据自主决策实现生产系统智能化运行，必须要解决煤炭开采空间的多元信息采集及交叉融合、智能化采煤决策控制基础理论和综采装备群的智能化及自动化提升等3个方面科学问题。
(3)智能化采煤系统是以煤炭开采空间为外部对象、开采装备为内部对象的具备自主感知、自主分析、自主决策、自主执行的智能化生产系统。
(4)智能化采煤系统具有4个能力要素，分别为对煤炭开采空间的实时感知能力、具有依据感知信息进行自主分析及决策的能力、具有根据决策实现自动执行的能力、具有可靠及稳健运维能力。
(5)智能化采煤技术及装备应该围绕多个关键技术方向开展研究，包括开采地质环境增强感知、智能决策控制、开采装备智能化、智能巡检机器人和开采系统智能运维等。
(6)为推进矿井智能化采煤整体快速发展，还需要重点关注综采工作面辅助生产环节智能化提升、智能服务以及开采装备智能制造等方面。
针对我国智能化采煤尚处于初级阶段的实际情况，智能化采煤应该围绕地质勘探与测绘、电子通信、信息处理与分析、装备智能化等方面全面开展，实现相关技术与煤炭领域需求深度融合，助力我国煤炭资源安全、高效、智能开采技术进步。
[1] 黄曾华.可视远程干预无人化开采技术研究[J].煤炭科学技术,2016,44(10):131-135,187.
HUANG Zenghua.Study on unmanned mining technology with visualized remote interference[J].Coal Science and Technology,2016,44(10):131-135,187.
[2] 黄乐亭,李首滨,黄曾华,等.综采工作面智能化技术与装备的发展[J].煤炭学报,2014,39(8):1418-1423.
HUANG Leting,LI Shoubin,HUANG Zenghua,et al.Development of intelligent technology and equipment in fully-mechanized coal mining face[J].Journal of China Coal Society,2014,39(8):1418-1423.
[3] 葛世荣.智能化采煤装备的关键技术[J].煤炭科学技术,2014,42(9):7-11.
GE Shirong.Key technology of intelligent coal mining equipment[J].Coal Science and Technology,2014,42(9):7-11.
[4] 李首滨.智能化开采研究进展与发展趋势[J].煤炭科学技术,2019,47(10):102-110.
LI Shoubin.Progress and development trend of intelligent mining technology[J].Coal Science and Technology,2019,47(10):102-110.
[5] 葛世荣,王忠宾,王世博.互联网+采煤机智能化关键技术研究[J].煤炭科学技术,2016,44(7):1-9.
GE Shirong,WANG Zhongbin,WANG Shibo.Study on key technology of internet plus intelligent coal shearer[J].Coal Science and Technology,2016,44(7):1-9.
[6] 袁亮,张平松.煤炭精准开采地质保障技术的发展现状及展望[J].煤炭学报,2019,44(8):2277-2284.
YUAN Liang,ZHANG Pingsong.Development status and prospect of geological guarantee technology for precise coal mining[J].Journal of China Coal Society,2019,44(8):2277-2284.
[7] 卢新明,阚淑婷.煤炭精准开采地质保障与透明地质云计算技术[J].煤炭学报,2019,44(8):2296-2305.
LU Xinming,KAN Shuting.Geological guarantee and transparent geological cloud computing technology of precision coal mining[J].Journal of China Coal Society,2019,44(8):2296-2305.
[8] 袁亮.面向煤炭精准开采的物联网架构及关键技术[J].工矿自动化,2017,43(10):1-7.
YUAN Liang.The framework and key technologies of the Internet of things for precise coal mining[J].Industry and Mine Automation,2017,43(10):1-7.
[9] 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 intelligent mining[J].Journal of China Coal Society,2019,44(1):34-41.
[10] 王国法,庞义辉,任怀伟,等.煤炭安全高效综采理论、技术与装备的创新和实践[J].煤炭学报,2018,43(4):903-913.
WANG Guofa,PANG Yihui,REN Huaiwei,et al.Coal safe and efficient mining theory,technology and equipment innovation practice[J].Journal of China Coal Society,2018,43(4):903-913.
[11] 任怀伟,王国法,赵国瑞,等.智慧煤矿信息逻辑模型及开采系统决策控制方法[J].煤炭学报,2019,44(9):2923-2935.
REN Huaiwei,WANG Guofa,ZHAO Guorui,et al.Smart coal mine logic model and decision control method of mining system[J].Journal of China Coal Society,2019,44(9):2923-2935.
[12] 王峰.综采无人工作面自动化开采技术研究与应用[J].工矿自动化,2015,41(7):5-9.
WANG Feng.Research and application of automation mining technology of unmanned fully-mechanized coal face[J].Industry and Mine Automation,2015,41(7):5-9.
[13] 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 intelligentized coal mining mode and key technologies[ J].Industry and Mine Automation,2016,42(11):28-32.
[14] 李首滨.煤炭智能化无人开采的现状与展望[J].中国煤炭,2019,45(4):5-12.
LI Shoubin.Present situation and prospect on intelligent unmanned mining at workface[J].China Coal,2019,45(4):5-12.
[15] 程建远,朱梦博,王云宏,等.煤炭智能精准开采工作面地质模型梯级构建及其关键技术[J].煤炭学报,2019,44(8):2285-2295.
CHENG Jianyuan,ZHU Mengbo,WANG Yunhong,et al.Cascade construction of geological model of longwall panel for intelligent precision coal mining and its key technology[J].Journal of China Coal Society,2019,44(8):2285-2295.
[16] 王存飞,荣耀.透明工作面的概念、架构与关键技术[J].煤炭科学技术,2019,47(7):156-163.
WANG Cunfei,RONG Yao.Concept,architecture and key technologies for transparent longwall face[J].Coal Science and Technology,2019,47(7):156-163.
[17] 葛世荣,胡而已,裴文良.煤矿机器人体系及关键技术[J].煤炭学报,2020,45(1):455-463.
GE Shirong,HU Eryi,PEI Wenliang.Classification system and key technology of coal mine robot[J].Journal of China Coal Society,2020,45(1):455-463.
[18] 国家煤矿安全监察局.煤矿机器人重点研发目录[EB/OL].http://www.chinacoal-safety.gov.cn/zfxxgk/fdzdgknr/tzgg/201901/ t20190109_349156.shtml.2020-05-20.
[19] 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].煤炭学报,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].Journal of China Coal Society,2019,47(3):43-52.
[20] 王国法,刘峰,庞义辉,等.煤矿智能化——煤炭工业高质量发展的核心技术支撑[J].煤炭学报,2019,44(2):349-357.
WANG Guofa,LIU Feng,PANG Yihui,et al.Coal mine intellectualization:The core technology of high quality development[J].Journal of China Coal Society,2019,44(2):349-357.
[21] 王峰.液压支架精确推移控制方案研究与应用[J].工矿自动化,2017,43(5):6-9.
WANG Feng.Research of precise pushing control scheme for hydraulic support and its application[J].Industry and Mine AutomationJ,2017,43(5):6-9.
