利用紅外與軸編碼器聯合的采煤機精準定位校準方法與試驗分析

張化乾,徐鵬鵬,李海潤,王 賓,宮三朋,馬 迅,王晨晨,姚世杰,王明明,楊 洋,,陳 璨,菅典建

(1.河南能源集團 永煤公司新橋煤礦,河南 永城 476600; 2.河南能源集團 永煤公司,河南 永城 476600; 3.河南理工大學,河南 焦作 454000; 4.鄭州普澤能源科技有限公司,河南 鄭州 450000)

采煤機的定位是實現數字化智能化采煤工作面建設亟須解決的首要難題[1]。由于煤礦井下作業環境復雜性,無線電導航、北斗定位、GPS定位需要借助外部信息源進行位置確定,因此無法適用于煤礦井下開采。目前常用于采煤機定位的方法包括,基于紅外定位、基于軸編碼器定位、慣性導航定位[2]。

基于紅外定位是將紅外發射裝置安裝在采煤機上,紅外接收裝置安裝在工作面每臺液壓支架上,采煤機運行過程中發射裝置發射脈沖,接收裝置接收脈沖,從而判斷出采煤機相對于液壓支架的位置信息[3]。紅外定位優點在于現場安裝簡單,造價低,但是,由于紅外僅能通過視距傳播,受工作面作業煤塵遮擋、管路擠壓破壞、底板起伏與燈光等環境影響,易導致支架“丟架”“跳架”“錯架”等定位誤差。

基于軸編碼器定位技術是通過采煤機行走計算編碼器齒輪轉動圈數,再采用圈數乘以周長,從而計算出采煤機的行走位移,之后依據各液壓支架的中心間距推算出采煤機所處支架號[4-8]。20世紀70年代末,美國喬治·馬歇爾航天中心為解決長壁工作面的采煤機位置監測問題,研制出基于脈沖的行程定位裝置。20世紀90年代末,Servodynamic公司推出AMI530型管軸編碼器,為精度測量提供全新的技術手段。但是,由于軸編碼器轉為煤機架號定位時,采用支架平均中心間距推算,會因支架間距的變化帶來累計誤差。軸編碼器定位優點是可實現煤機運行軌跡的高精度、連續定位,周圍環境對設備軌跡監測影響較小[9-10]。但是,根據對塔山礦、趙固二礦、平煤十礦等礦井采煤機現場實測軸編碼數據分析,軸編碼器在實際生產運行階段受設備穩定性、環境變化、設備故障、數據傳輸等原因影響,出現“缺失數據”、“轉化架號不精準”、“異常數據”等現象。

慣性導航定位是通過將陀螺儀與加速度計安裝在采煤機上,依據采煤機相對于慣性坐標系的角速度、加速度,搭建采煤機相對初始時刻的慣性坐標系模型,實現采煤機三維空間定位。鄭江濤[11]提出一種使用激光陀螺儀和加速度獲得連續式采煤機的航向和位置的方法。石金龍等[12]研發出LASC采煤機慣導定位技術。李昂[13]提出了基于捷聯慣性導航系統與軸編碼器組合的采煤機定位方法。慣性導航定位優點是可實現煤機的三維空間定位、煤機姿態監測[14-15]。但是,慣導系統存在以下問題:①測量是針對初始時刻載體狀態進行計算,受工作面斷電影響,每次都是以初始時刻的載體位置為依據進行計算,慣導設備斷電重啟后恢復定位較為復雜[16];②在計算割煤循環數,監測煤機所在架號位置等相關問題時對時效性要求較高與精準度要求不太高時,紅外定位于軸編碼器定位更加適應當前的條件[17];③慣導系統目前仍主要以國外進口為主,目前相關費用較高,其相關服務費用經濟效益不佳的礦井難以承擔[18]。

單一使用紅外定位技術、軸編碼定位技術、慣導定位技術,針對需要精準實時監測采煤機所處支架號,保障煤機軌跡的連續性[19-20]這一問題時,各項技術均存在其局限性?；诖?筆者建立了基于紅外與軸編碼器組合的采煤機定位校準方法,并通過現場試驗分析確認了煤機定位的精準性與歷史軌跡連續可靠性。在紅外異常時,采用軸編碼數據,在軸編碼異常時采用紅外數據的思路,在兩者均正常且滿足設定條件時,進行動態校正表的更新與維護。以動態校正表為媒介,在采煤機運行中動態對校正表進行更新,保障在工作面在運行階段支架出現上竄下滑,工作面曲斜時,仍可精準、實時反饋采煤機位置變化信息。

1 采煤機定位優化的基本原理

1.1 基于紅外定位的優化

1.1.1 紅外定位的基本原理

紅外采煤機定位主要是由發射器以及接收器2部分組合而成,具體關系如圖1所示。其中將發射器安裝在采煤機上,接收器安裝在支架,發射器數量為1臺,接收器與支架總數一致,當采煤機工作時,發射器不停的向支架扇形區域發射紅外信號,在接收器收到信號后向支架實時報送,之后通過紅外煤機位置分析算法輸出煤機位置數據。

圖1 采煤機紅外定位原理示意Fig.1 Schematic diagram of infrared positioning principle for shearer

1.1.2 紅外定位的基本原理

針對采煤機紅外定位,制定以下優化內容。

(1)優化紅外采煤機定位識別算法。紅外實現煤機定位的優化方案如圖2所示,根據工作面支架紅外接收器是否收到紅外發射器的信號,如果收到紅外信號,則判斷是否存在與鄰架的交互信息,若收到交互信息,按照從小到大的順序判斷下一臺支架,若未收到交互信息,按照從小到大的順序發起鄰架交互信息;如果未收到紅外信號,判斷鄰架計數器是否滿足設定數量,以避免接收器的偶然錯誤,若鄰架計數器滿足設定數量,統計紅外信號架號,再對紅外兩兩作差,去除差值較大的架號信息,排除由于線路擠壓導致的頻繁跳某臺支架的問題。若鄰架計數器未滿足數量,鄰架計數器加1,繼續判斷下臺支架。

圖2 采煤機位置識別優化流程Fig.2 Optimization flow chart of shearer position identification

(2)對煤機紅外異常結果數據過濾。由于設備自身穩定性,設備會出現“0值”、或者不在設定架號期間的數據,因此應去除該類數據的影響。

1.2 基于紅外定位的優化

1.2.1 紅外定位的基本原理

軸編碼器定位技術主要利用采煤機行走時帶動軸編碼轉動圈數計數,再利用圈數乘以周長,計算出采煤機的行走位移,之后依據各液壓中心間距推算出采煤機具體處于某臺支架處。

采煤機的行走位移:

L=n×π×D

(1)

式中,L為采煤機的行走位移;n為軸編碼轉動圈數;D為軸編碼直徑。

Scu=(Scu_1-Scu_2)/(Pos_1-Pos_2)×(Pos-Pos_2)+Scu_2

(2)

式中,Scu為待轉化軸編碼數值對應的支架號;Pos為待轉化的軸編碼數值;Scu_1為現場實測架號1;Pos_1為現場實測架號1中心位對應的軸編碼數據;Scu_2為現場實測架號2;Pos_2為現場實測架號2中心位對應的軸編碼數據。

1.2.2 軸編碼器定位優化方案

根據對現場實測軸編碼器數據分析,主要發現軸編碼器數據出現異?，F象表現為:①出現異?！?”值數據;②數據曲線會出現范圍性波動。

(1)處理異?！?”值。為了能避免現場出現的“0”值干擾,會對“0”值左右兩側各3個數值,分別與0值作差,判斷差值的絕對值是否小于0.5 m,滿足“0”值保留,否則“0”值去除。

(2)數據波動除雜。經過分析,數據波動主要是由2種誤差引起的,包括采煤機振動引起的測量誤差以及軸編碼傳感器自身測量方法帶來的誤差。為處理2種誤差引發的數據波動,采用卡爾曼濾波方法[8]進行處理?？柭鼮V波的原理是用上一個處理過的數據,振動引起的測量誤差以及軸編碼傳感器的測量誤差,以及本次的測量值來預估本次的準確值。

具體算法代碼如下:

function output = kalmanFilter(data,Q,R)

if(Q==0)&(R==0)

output = data;

else

X = 0;

P = 1;

A = 1;

H = 1;

output = zeros(size(data));

output(1) = data(1,:);

for index = 2:length(data)

X_k = A * X;

P_k = A * P * A' + Q;

Kg = P_k * H' /(H * P_k * H' + R);z_k = data(index);

X = X_k + Kg *(z_k - H * X_k);

P =(1 - Kg*H) * P_k;

if index<5

output(index) = data(index,:);

else

output(index)=X;

end

end

end

1.3 基于紅外與軸編碼的煤機位置動態校正

基于上述校正后紅外與軸編碼數據,互相校正實現煤機軌跡校正。紅外與軸編碼數據動態校正技術路徑,如圖3所示。主要涉及理念:①煤機停機期間存在數據,全部清除;②煤機開啟或者煤機狀態信號缺失期間數據,在編碼器沒有故障情況下,輸出的數據結果以編碼器數據輸出為主,在編碼器故障,且紅外變化正常條件下,以紅外數據的結果為主;③在紅外與軸編碼同時改變,且滿足設定條件時,則更新紅外與編碼器的對照表;④在紅外與軸編碼器均發生缺失故障,在非停機期間以等間隔自動填充。

圖3 紅外與軸編碼數據動態校正流程Fig.3 Flow chart of dynamic correction of infrared and axis encoded data

未校正軸編碼器數據與紅外與軸編碼的煤機位置動態校正后數據的對比如圖4所示。紅外與軸編碼數據動態校正算法實現步驟如下:

(1)判斷采煤機運行狀態,依據現場實際情況,若采煤機可以實時發送狀態信息可直接采用,若無法發送,可以依據采煤機電機電流判斷,若采煤機電機電流均為0值,定義為采煤機為“停機”狀態,若存在電機電流不為零,或者長期無電流數據,則認為

圖4 軸編碼器數據校正前后對比Fig.4 Comparison before and after data correction of axis encoder

采煤機處于“開機”或者“信號缺失”狀態。

(2)對于采煤機停機期間產生的紅外與軸編碼器數據,可認為是異常數據,過濾處理。

(3)動態校正表生成,可以根據現場實測的編碼與支架號對應信息反饋支架號與軸編碼器數據的對應關系,采用公式:

Pos=(Pos_1-Pos_2)/(Scu_1-Scu_2)×(Scu-Scu_2)+Pos_2

(3)

式中,Scu為待轉化軸編碼數值的支架號;Pos為待轉化支架號對應的軸編碼數值;Scu_1為現場實測架號1;Pos_1為現場實測架號1中心位對應的軸編碼數據;Scu_2為現場實測架號2;Pos_2為現場實測架號2中心位對應的軸編碼數據。

(4)判斷新產生跳變的數據為軸編碼數據還是紅外數據,若為軸編碼數據,計算該編碼與最近一條軸編碼數據的速度值,若速度>15 m/min,刪除,否則記錄軸編碼數據;若為紅外數據,計算該紅外與最近一條紅外數據的速度值,若速度>15 m/min或時間差<15 s,刪除,否則記錄紅外數據。

(5)根據記錄的紅外數據、軸編碼數據,依據動態對照表轉化為對應的軸編碼、紅外信息,計算當前時刻數據分別與對照的紅外數據或軸編碼數據的行程偏移量或時間偏移量。具體判斷規則如下:

①編碼器首先跳變。編碼器數據顯示采煤機位置跳變后,并在Bbias_coder_range(預設值0.05 m) 距離范圍內,紅外數據顯示采煤機位置發生跳變,認為紅外傳感器和編碼器數據均正確,更新一次動態對照表。

Bbias_coder_range=B編碼-B紅外

(4)

式中,Bbias_coder_range為編碼器與紅外跳變為同一支架之間的行程差;B編碼為采用編碼器定位轉化為支架號時,支架號變化對應的編碼器數值;B紅外為采用紅外定位支架號時,支架號變化時刻對應的最近時刻編碼器數值。

②紅外傳感器首先跳變。紅外傳感器數據顯示采煤機位置發生跳變后,并在Tcost_infrared_rang(預設值為4 s) 時間范圍內,編碼器數據顯示采煤機位置發生跳變,,紅外數據顯示采煤機位置發生跳變,認為紅外傳感器和編碼器數據均正確,更新一次動態對照表。

Tcost_infrared_rang=T編碼-T紅外

(5)

式中,Tcost_infrared_rang為編碼器與紅外跳變為同一支架之間的時間差;T編碼為采用編碼器定位轉化為支架號時,編碼器數值對應的時間值;T紅外為采用紅外定位支架號時,紅外數據變化時刻對應的時間值。

校正表動態更新與校正原理如圖5、圖6所示。

2 算法驗證及相關試驗測試

2.1 現場測試平臺搭建

由于本測試暫時不做控制反饋,所以選取現場

圖6 動態校正表更新流程Fig.6 Update flow chart of dynamic correction table

實際生產工作面作為測試場所,包括液壓支架102臺,人機操作界面1套,創力電液控1套,紅外接收傳感器102臺,紅外發射器1臺,采煤機機身攜帶軸編碼器1臺。采取現場跟蹤采煤機實際位置與地面監控人員采用手機反饋的方式,進行現場煤機位置跟蹤。本試驗主要對采煤機運行軌跡校正曲線可靠性、準確性的驗證,測試主要包括:采煤機機頭進刀、機頭回刀、中部正常割煤、機尾進刀、機尾回刀情況下的煤機定位準確性判斷。

2.2 測試結果分析

(1)單獨紅外數據的采集。分別對棗礦集團、晉能控股煤業集團下屬礦井進行部分數據的采集,跟據現場實際勘測結果采集實測現場數據,如圖7所示。

圖7 現場采煤機紅外軌跡Fig.7 Infrared track diagram of field shearer

由圖7分析可知,各廠家在單獨采用紅外傳感器運行時,數據可能會存在跳架、丟架、頻繁產生某支架等異?，F象。

(2)單獨編碼數據的采集。分別對棗礦集團、晉能控股煤業集團下屬礦井進行部分數據的采集,跟據現場實際勘測結果采集實測現場數據,如圖8所示。

圖8 現場采煤機軸編碼器軌跡Fig.8 Track diagram of shaft encoder of field shearer

根據圖8可知,各廠家在單獨采用軸編碼傳感器運行時,數據可能會存在丟失、異?！?”值等異?，F象。

(3)采用紅外與軸編碼校正后的數據采集。采用本方法后數據產生情況如圖9所示。

圖9 現場實施后校正后的采煤機軌跡Fig.9 Track diagram of shearer after correction after field implementation

從圖9可以看出,數據在經過紅外與軸編碼校正后數據跳動明顯消失;數據無間斷,會自動補充;同時測試數據截圖中可以對數據生成時間,generateTime,數據測試時間created_time分別進行統計。

現場安排1名技術人員在井下對采煤機進行掐表跟機實測,截取的部分現場實測數據與軟件運行數據部分見表1,現場實測記錄與軟件校正數據對比如圖10所示。從表1與圖10可以看出,數據現場勘測結果與校正數據運行一致性較高,可較好滿足現場實際需求。

表1 現場實測與軟件記錄對照Tab.1 Comparison between field measurement and software record

3 試驗期間遇到問題

(1)在采煤機掉頭時,容易出現跨半臺支架,由于最終展示結果單位為支架,會出現速度超越設定范圍,數據被刪除。

(2)由于現場采煤機位置確定依賴于人眼確定,容易出現誤差。

4 結語

(1)針對目前常用于采煤機定位的紅外定位與軸編碼定位出現異常數據、數據缺失、數據跳動嚴重等現象。采用閾值過濾、卡爾曼濾波等方案結合,實現紅外與軸編碼器數據深度過濾與異常數據處理。

(2)針對目前常用于采煤機定位的紅外定位與軸編碼定位,單一利用某種方法易出現的數據異常跳變、數據缺失等現象。建立紅外與軸編碼器組合校正法,實現監測到紅外或編碼器數據為異常狀態(異常狀態包括缺失、跳變、重復等現象)時,采用另一種數據進行采煤機定位。

(3)針對現場工作面支架與采煤機易發生相對運動,即工作面發生“上竄下滑”,致使軸編碼器定位不準確的問題,提出基于紅外與軸編碼的煤機位置動態校正法,本校正方法根據紅外數據與編碼器數據跳變某一支架的先后關系,搭建基于時間與編碼距離的判斷準則,實現編碼數據與紅外支架號的對照關系表刷新修訂,實現軸編碼數據與支架號碼的動態對照,保障在工作面發生“上竄下滑”時,依舊可以采用軸編碼數據進行采煤機所處位置的精準定位。