CC BY
35
© И.О. Темкин, С.С. Кубрин,
А.Л. Куляница, Е.С. Виленкин, 2015
УДК 519.7:622.6
И.О. Темкин, С.С. Кубрин, А.Л. Куляница, Е.С. Виленкин
ИСПОЛЬЗОВАНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ РОБОТИЗИРОВАННЫМИ ОЧИСТНЫМИ КОМПЛЕКСАМИ В СЛОЖНЫХ ГОРНО-ГЕОЛОГИЧЕСКИХ УСЛОВИЯХ
Данная статья посвящена вопросам применения методов интеллектуального управления робототехническими угледобывающими комплексами, способными адаптироваться к различным горно-геологическим условиям. Рассматриваются особенности технологических процессов добычи угля подземным способом как объекта управления. Оцениваются преимущества, которые дает автоматизация при подземной добычи угля, рассматриваются проблемы, с которыми сталкиваются разработчики систем автоматизации в условиях РФ. Обосновывается необходимость разработки интеллектуальной геоплатформы, как инструмента возможного решения проблемы управления работой добычного участка в сложных горногеологических условиях. Предложена модель, описывающая механизмы взаимодействия функциональных блоков системы. Обсуждаются архитектура и взаимодействие основных элементов интеллектуальной геоплатформы. Рассмотрены этапы и проблемы, которые могут возникнуть при завершении работы над прототипом системы.
Ключевые слова: подземная угледобыча, роботизированный очистной комплекс, интеллектуальная геоплатформа, математическая модель пласта, самодиагностика, риски отказов оборудования, прогнозирование рисков, интерпретация ситуаций, система мониторинга,сенсоры, мультиа-гентная система, ЭО - модель пласта.
Подземная разработка угольных месторождений представляет собой комплекс технологических процессов управление которыми - сложная задача. Эта сложность обусловлена особенностями операционной среды, в которой реализуются технологии добычи. Методы и модели управления этими технологиями должны в максимальной степени учитывать специфические особенности ряда физических процессов, которые в силу нелинейной стохастической природы ведут к трудно прогнозируемым последствиям взаимодействия технологий с горным массивом. Техногенное разрушение угольного пласта вызывает реакцию массива, проявляющуюся в виде выделения метана, притока воды из вмещающих пород, перемещений в
массиве горных пород в районе ведения работ, повышения горного давления, «зависания» кровли, вывалов, пучения почвы и т. д. Все эти неуправляемые или слабоуправляемые процессы, неопределенность горно-геологических факторов, сложная пространственная конфигурация угольного пласта и прочие, оказывают значительное влияние на эффективность функционирования очистного комплекса. Поэтому для постоянного визуального контроля развития горнотехнических процессов и управления режимами работы очистного комплекса требуется присутствие квалифицированного персонала в зоне повышенной опасности. Хорошо известно, что рабочее место оператора очистного комплекса на горнодобывающем предприятии характеризуется тяжелыми условиями физического труда и высокой нервно-психической напряженностью. Последствиями неверно принятого оператором решения, основанного на неполном учете всех влияющих на развивающиеся процессы факторов, параметров состояния технологического оборудования и динамики их изменения по ходу развития предаварийной ситуации, могут являться не только локальные повреждения оборудования или травмы персонала, но и тотальное разрушение технологического комплекса и человеческие жертвы. Вот почему вопросы разработки средств контроля состояния горного массива и режимов работы добычного оборудования, а также осуществление полной автоматизации технологических процессов добычи угля подземным способом решаются уже в течение достаточно продолжительного времени. Значительных успехов в этом направлении добились ведущие мировые производители угледобывающего оборудования: JOY, Caterpillar, предприятия группы FAMUR [1, 2, 3] а также ряд научно-исследовательских, технологических и проектных организаций Австралии (в рамках государственной программы ACARP — Australian Coal Industry's Research Program), США и стран Евросоюза [4, 5].
Практика подтверждает, что успешное внедрение средств и систем автоматизации, технологий автоматизированного управления работой в очистном забое обеспечивает:
• Увеличение общей производительности автоматизированного очистного забоя на 50-70 % за счет следующих факторов:
1) автоматического выполнения операции передвижки крепи вслед за проходящим комбайном без участия оператора;
2) автоматического выдвижения конвейера «волной» (с заданным отставанием) на фоне выполнения операции перемещения крепи;
3) увеличения скорости перемещения крепи до 18-30 м/мин путем совмещенного выполнения операций, как на передвигаемой секции, так и на соседних с ней; повышение устойчивости функционирования забойного оборудования к отказам отдельных компонентов.
• Увеличение производительности автоматизированного очистного забоя на человеко-выход в 5-7 раз, за счет сокращения численности персонала в забое до 1 комбайнера при проведении обучающей стружки и отсутствия персонала в забое при автоматическом режиме работы комплекса.
• Повышение качества добываемого угля за счет снижения зольности в результате применения:
1) передвижки секций без потери контакта с кровлей при сомкнутых бортах;
2) постоянного контроля давления в гидростойках.
• Повышение уровня общей безопасности персонала в 35 раз за счет исключения пребывания персонала в забое в период работы комплекса в автоматическом режиме.
• Повышение уровня функциональной безопасности в 5-7 раз в результате применения:
1) автоматической предстартовой диагностики состояния оборудования;
2) информирования персонала о возникновении предава-рийной ситуации путем выдачи соответствующих сообщений;
3) автоматической блокировки выполнения ошибочных или несанкционированных команд персонала;
4) регистрации параметров функционирования оборудования в устройстве «черный ящик»;
5) предупредительного оповещения персонала об изменении параметров функционирования оборудования;
• Снижение роли субъективного фактора в результате применения:
1) автоматического контроля доступа персонала к управлению;
2) блокирования выполнения недопустимых команд или их последовательностей;
• Усиление контроля за состоянием оборудования в результате применения:
1) непрерывного контроля механических, гидравлических, температурных,
электрических параметров функционирования оборудования каждые 50 мсек;
2) автоматического ведения журнала учета действий операторов и реакции
персонала на предупредительные сообщения;
3) автоматического построения карты распределения давления в гидростойках крепи для серий последовательных рабочих проходов комбайна.
Работы по созданию системы комплексного мониторинга состояния горного массива и оборудования добычных участков ведутся и в нашей стране [7, 8, 9]. Однако, определенные проблемы при разработке и внедрении подобных систем связаны с тем, что условия подземной добычи угля в России (а, следовательно, все модели и алгоритмы управления) значительно сложнее тех, которые приняты за основу при построении традиционных для мировой практики алгоритмов автоматизированного управления добычными комбайнами. Поэтому использование зарубежного опыта на угольных предприятиях РФ, как правило, невозможно. Полученные за рубежом результаты применимы, главным образом, на угольных пластах, не имеющих выраженных отклонений от идеальных.
Это ставит перед разработчиками роботизированных добычных комплексов ряд новых функциональных задач, таких как:
— реализация оперативного управления, в зависимости от наблюдаемых горно-геологических условий, режимами работы исполнительных органов комбайна и корректировка траектории резания угольного пласта;
— адаптация в режиме реального времени алгоритмов перемещения секций крепи, для обеспечения заданного уровня производительности получения продукции с установленными параметрами качества, без постоянного присутствия персонала в опасных зонах;
— непрерывный контроль состояния горно-геологических и технологических параметров, обработка и интерпретация регистрируемой информации в on-line режиме;
— визуальный контроль (если имеется такая возможность) основных зон добычного участка с помощью специальных сенсоров и технологии дополненной реальности.
Таким образом, речь идет о поиске комплексного решения управления роботизированным оборудованием добычного участка, которое будем называть интеллектуальной геоплатформой [10].
Принципы построения интеллектуальных систем управления отдельными горно-геологическими процессами (в частности, процессами газовыделения при угледобыче) были сформулированы еще в начале 90-х годов [6]. Однако, задача управления всем добычным комплексом (с автоматическим выполнением большинства функций) намного сложнее. Чтобы реализовать систему способную в зависимости от горно-геологических условий и оценки текущего состояния оперативно адаптировать режимы работы комбайна и алгоритмы управления секциями крепи необходимо производить непрерывные измерения различных параметров очистного комплекса с помощью 1500 -2000 различных датчиков с частотой 50-100 раз в секунду на всем протяжении забоя. Кроме того, необходимо:
— разработать алгоритмы управления добычным комплексом, с использованием в качестве важнейшего критерия оптимальности минимизацию прогнозных рисков [11];
— построить систему самодиагностики, которая должна быть реализована как автономная самонастраивающаяся система взаимодействия интеллектуальных датчиков, контролирующих параметры работы очистного комплекса;
— разработать достаточно точную, но, главное, совместимую с базой данных подсистем мониторинга горно-геологических и горно-технических параметров, 3D — модель пласта. для прогнозирования положения поверхности кровли и почвы пласта при выборе оптимальных траекторий движения исполнительных органов и скоростных режимов комбайна;
— разработать математическую модель, описывающую работу очистного комплекса и блок адаптивного управления распределенными элементами очистного комплекса: комбайном, лавным конвейером и секциями крепи.
Очевидно, что глобальную задачу создания интеллектуального роботизированного угледобывающего комплекса, способного автономно (без непосредственного участия человека) адаптироваться к изменяющимся сложным горно-геологическим условиям, следует решать поэтапно. Учитывая, что сегодня удалось серьезно продвинуться в вопросах комплексного мониторинга горно-геологических параметров шахты, что существуют и опробованы нами на практике эффективные методы интеллектуального анализа данных, включая технологии муль-тиагентного нейро-моделирования, можно предположить, что следующим реальным шагом к решению этой глобальной задачи может стать разработка интеллектуальной геоплатформы с применением технологий дополненной реальности. Применительно к рассматриваемой проблеме архитектура интеллектуальной геоплатформы может быть представлена следующим образом (рис.1). Как видно из рисунка, она состоит из трех условных слоев, механизмы функционирования которых представим с помощью следующих формализмов:
F1 : 1 х 1 х Ф — Е (1
1 о т ^ (1)
F : Ех вх ТхМ— Ъ
2
F : УхЪ — О
3
В представленной схеме на уровне Р1 реализуются функции первичной обработки информации, поступающей от сенсоров различной природы и назначения, при этом формируется и структурируется информационный массив системы:
1о — оперативная сенсорная информация, включающая информацию о параметрах, характеризующих состояние горного массива и состояние шахтной атмосферы;
1т — информация о режимах работы и состоянии технологического оборудования добычного участка;
1ф — информация, получаемая со специальных сенсоров и необходимая для построения адекватной 3Э модели добычного участка;
Е - информационный многомерный массив, содержащий информацию в различных форматах, которая может быть использована для решения сложных задач оценки и анализа си-
туаций, в частности, для решения задачи интерпретации сенсорных и архивных данных с различной степенью автономности и оперативности.
Компоненты, представленные в слое , связаны с решением комплекса аналитических задач, таких как:
— прогнозирование состояния угольного пласта с использованием комплекса моделей, описывающих динамику деформирования и разрушения горного массива.
М обозначает изменяющийся во времени массив пространственных и геофизических характеристик, определяющих состояние пласта;
— анализ и интерпретация данных оперативной самодиагностики добычного оборудования ;в в результате работы этого блока формируется вектор оценки рисков нарушения технологических режимов — в;
Источники информации
Состав
Обработка, хранение, конвертация данный
Обновляемые пространственные данные Оперативные данные
Специальные сенсоры, обеспечивающие мониторинг внутреннего пространства участка (лазерные сканнеры,тепловизоры, позициометры) Датчи ки состояния массива Датчики состояния шахтной атмосферы Датчики режимов работы оборудования
"V"
Векторные слои
ЗО-Цифровая модель участка
Оперативная база данных диагностики оборудования
Библиотека стандартных ситуаций
База горногеологических
данных мониторинга
Аналитическая
обработка. Интерпретация
Моделирование положения поверхности кровли и почвы пласта
Моделирование сценариев развития технологических ситуаций
Анализ параметров диагностики
Модель оценки рисков
Интерпретация данных мониторига
Визуализация, управление
Отображение актуальной разнохарактерной информации
Построение и визуализация прогноза развития ситуации
Комплексная оценка выбранного сценария
Управление робототехническим комплексом
Рис. 1. Структура интеллектуальной гео-платформы для управления роботизированным комплексом
— комплексный анализ рисков, с учетом данных геомониторинга и самодиагностики; результаты работы этого блока представляют собой массив данных, полученный как результат вычисления прогнозных значений ситуационных рисков - Т на основе многофакторных моделей.
Таким образом, работа всех блоков в данном слое нацелена на отработку задач интерпретации (распознавание, кластеризация, оценивание) текущей технологической ситуации с использованием имеющихся данных и на подготовку рациональных управляющих решений.
При разработке программного обеспечения интеллектуальной геоплатформы предполагается, что режимы функционирования будут последовательно усложняться. Единая среда и модульный принцип построения и развития геоплатформы позволяют конструировать механизмы интеллектуального управления робототехническим комплексом различной сложности, в зависимости от:
1) имеющихся возможностей системы мониторинга;
2) степени оснащенности сенсорами и контроллерами параметров работы добычного комплекса;
3) наличия возможностей реализовать гео-информацион-ную составляющую интеллектуальной системы.
Перечисленные факторы определяют набор и функциональную нагрузку компонентов, расположенных в слое F3. Здесь необходимо выделить два основных информационных потока: V — информационный массив, доступный управленческому персоналу в результате выполнения процедур визуализации. Z - информация, полученная в результате работы механизма интерпретации, которая может использоваться либо, как инструмент поддержки принятия решений, либо в режиме автоматического управления.
В настоящий момент ведутся разработки и тестирование модулей для построения прототипа интеллектуальной геоплатформы. Исследование прототипа в комплексе с системой мониторинга должны быть проведены до середины 2015 года.
СПИСОК ЛИТЕРАТУРЫ
1. Cai, D., Baafi, E. & Porter, I.. Modelling a longwall production system using flexsim 3D simulation software. In R. Singhal, E. Topal, K. Fytas, M. Yel-lishetty & A. Mehrotra (Eds.), Mine planning and equipment selection (pp. 107114). Irvine, California, USA,2012.
2. JOY Longwall Systems Product Overview verview Joy Global 2012.
3. Longwall Automation Unparalleled Control. Caterpillar. 2012.
4. A. W. Reid, P. R. McAree, P. A. Meehan and H. Gurgenci Longwall Shearer Cutting Force Estimation, J. Dyn. Sys. Meas., Control 136(3), 031008, Feb 19, 2014, pp. 320-329.
5. New mechanisation and automation of longwall and drivage equipment (NEMAEQ), Final report, Luxembourg: Publications Office of the European Union, 2011, — 132 p.
6. Puchkov L.A., Temkin I.O. Mining Ventilation: Expert System Based operative control, PROCEDINGS OF 23 APCOM Symposium, TUCSON, USA, 1992.
7. Виленкин E.C. Концепция пространственно-распределенной системы децентрализованного событийного управления технологическим процессом добыни угля очистным забоем. Уголь. 2013. — № 2. С. 29-31. ISSN 00415790.
8. Федунец Н.И., Кубрин C.C. Перспективы и проблемы построения автоматизированных радиотелеметрических систем управления технологическими процессами в шахтах и рудниках. Горный информационно-аналитический бюллетень. Труды научного симпозиума «Неделя горняка - 2009». 2010. - отд. Вып. № 1. - С. 290-301. - ISSN 0236-1493.
9. Кубрин C.C., Сукманов А.И. Методика оценки технического состояния оборудования. Автоматизация в промышленности. - М.: ИПУ РАН. 2012. № 9. - С.41 - 44. - ISSN 1819-5962.
10. Темкин И.О., Клебанов Д.А. Интеллектуальные системы управления горнотранспортными комплексами: современное состояние, задачи и механизмы решения, Горный информационно-аналитический бюллетень,2014 Международная научно-практическая конференция «Неделя горняка», Специальный выпуск, с. 257-266.
11. Темкин И.О., Бондаренко И.О Оценка рисков строительства коммуникационных тоннелей на основе экспертного анализа проектный решений. Журнал «Тяжелое машиностроение», Выпуск 8-9, 2013, 6 е.. ШИЛ
КОРОТКО ОБ АВТОРАХ -
Темкин Игорь Олегович - доктор технических наук, профессор и заведующий кафедры ИСУ НИТУ МИСиС e-mail: [email protected], Кубрин Cергей Cергеевич - доктор технических наук, профессор, заведующий лабораторией ИПКОН РАН,
Куляница Андрей Леонидович - доктор технических наук, исполнительный директор ОАО «Геоинформатика», профессор кафедры ИСУ, Виленкин Евгений Сергеевич — инженер.
UDC 519.7:622.6
THE USE OF INTELLIGENT CONTROL SYSTEMS ROBOTIC TREATMENT COMPLEXES IN DIFFICULT MINING AND GEOLOGICAL CONDITIONS
Temkin I.O., Doctor of technical Sciences, Professor and head of the General Department of MIS National University of Science and Technology "MISIS", Moscow, Russia, e-mail: [email protected],
Kubrin S.S., Doctor of technical Sciences, Professor, the head of the overall laboratory scientific station, RAS, Moscow, Russia,
Kulyanitsca A.L., Doctor of technical Sciences, Executive Director of JSC «Geoinformatics», Professor of MIS, Vilenkin E.S., engineer.
This article is about application of intelligence control methods in underground coal mining and the problem of development robotic shearer mine machine which could be adopted to a different geological conditions. Some features of underground coal mines as an object of control are considered. The main points of using automatic devices and methods of automation attached to underground coal mining in complex geological conditions of Russia is evaluated. The necessity of creating of intellectual geoplatform as a universal tool allowing to find a solution for the problem of effective and safe control in complex underground conditions is founded. The main attention of the work is focused on the model, describing the mechanisms of interactions between functional components of the system. Architecture of the geoplatform and operation of main blocs on the different levels of the system is discussed.
Key words: underground coal mining, robotics mine shearer, intellectual program geoplatform, mathematical model of coal body, self-diagnosis, risks of equipment breakdown, predicting and evaluatingof failure situation, interpretation of monitoring data, 3D models, visualization, multi-agent system.
REFERENCES
1. Cai, D., Baafi, E. & Porter, I. Modelling a longwall production system using flexsim 3D simulation software. In R. Singhal, E. Topal, K. Fytas, M. Yellishetty & A. Mehrotra (Eds.), Mine planning and equipment selection (pp. 107-114). Irvine, California, USA, 2012.
2. JOY Longwall Systems Product Overview verview Joy Global 2012.
3. Longwall Automation Unparalleled Control. Caterpillar. 2012.
4. A. W. Reid, P. R. McAree, P. A. Meehan and H. Gurgenci Longwall Shearer Cutting Force Estimation, J. Dyn. Sys. Meas., Control 136(3), 031008, Feb 19, 2014, pp. 320-329.
5. New mechanisation and automation of longwall and drivage equipment (NEMAEQ), Final report, Luxembourg: Publications Office of the European Union, 2011 — 132 pp.
6. Puchkov L.A., Temkin I.O. Mining Ventilation: Expert System Based operative control, PROCEDINGS OF 23 APCOM Symposium, TUCSON, USA, 1992.
7. Vilenkin E.S. Koncepcija prostranstvenno-raspredelennoj sistemy decentralizovannogo sobytijnogo upravlenija tehnologicheskim processom dobychi uglja ochistnym zaboem (The concept of spatially-distributed system of decentralized event-based control of technological process of coal mining clearing face), Ugol', 2013, no. 2, pp. 29-31, ISSN 0041-5790.
8. Fedunec N.I., Kubrin S.S. Perspektivy i problemy postroenija avtomatizirovannyh radio-telemetricheskih sistem upravlenija tehnologicheskimi processami v shahtah i rudnikah (Prospects and problems of automated radio control systems of technological processes in mines), Gornyj in-formacionno-analiticheskij bjulleten', Trudy nauchnogo simpoziuma «Nedelja gornjaka - 2009», 2010, otd. Vyp. No. 1, pp. 290-301, - ISSN 0236-1493.
9. Kubrin S.S., Sukmanov A.I. Metodika ocenki tehnicheskogo sostojanija oborudovanija (Methodology the evaluation of the technical condition of the equipment. Automation in industry). Avtomatizacija v promyshlennosti, Moscow, IPU RAN, 2012, no. 9, pp. 41 - 44.
10. Temkin I.O., Klebanov D.A. Intellektual'nye sistemy upravlenija gornotransportnymi kompleksami: sovremennoe sostojanie, zadachi i mehanizmy reshenija (Intelligent control systems of mining complexes: current status, challenges and mechanisms solutions). Gornyj informacionno-analiticheskij bjulleten', Mezhdunarodnaja nauchno-prakticheskaja konferencija «Nedelja gornjaka», 2014, Special'nyj vypusk, pp. 257-266.
11. Temkin I.O., Bondarenko I.S. Ocenka riskovstroitelstva kommunikacionnyh tonnelejna osnove jekspertnogo analiza proektnyh reshenij (Risk assessment the construction of the communication tunnels based on expert analysis of design solutions). Zhurnal «Tjazheloe mashinostroe-nie», Vypusk 8-9, 2013, 6 p.
