[發明專利]一種實驗室大尺度模擬煤礦采場系統并實現采場圍巖智能控制的模擬平臺與方法

在審

• 申請號: 202110030449.2
• 申請日: 2021-01-11
• 公開（公告）號: CN112906182A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 楊勝利;李明
• 申請（專利權）人: 中國礦業大學（北京）
• 主分類號: G06F30/20
• 分類號: G06F30/20;G01C21/00;G01L1/00;G01N21/84;G06N20/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種能夠在實驗室內大尺度模擬地下煤礦采場系統的實驗平臺，其特征在于，包括實驗臺，左可伸縮底座，右固定底座，開采掃描車，遙控，操縱臺，分析臺(計算機)等部分構成。所述實驗臺由下至上包括由可裝卸板塊構成的底板、推移液壓缸、群組液壓支架、液壓支架監測組件，所述實驗臺中由下至上依次鋪設多個模擬層，最下端的所述模擬層為煤層，所述推移液壓缸固定于實驗臺的左側，所述推移液壓缸與所述群組液壓支架連接，所述液壓支架監測組件設置在所述群組液壓支架中每一個支架上；所述開采掃描車包括可升降的激光掃描裝置和開采裝置，所述的開采掃描車由所述遙控控制導航，所述的激光掃描裝置與所述分析臺(計算機)連接；所述的操縱臺包括開啟、關閉按鈕，支架調姿按鈕，液壓缸推移按鈕，所述操縱臺與所述推移液壓缸連接。

2.根據權利要求1所述的一能夠在實驗室內大尺度模擬地下煤礦采場系統的實驗平臺，其特征在于，所述實驗臺箱體上端開口，包括底板，前后左右側板，所述底板包括多個由左至右依次設置有的多個條狀板條，所述條狀擋條兩端分別通過螺栓固定于兩個所述前后側板上。

3.根據權利要求1所述的能夠在實驗室內大尺度模擬地下煤礦采場系統的實驗平臺，其特征在于，所述實驗臺底座左端可在所述操縱臺控制下升降，底座右端固定。

4.根據權利要求1所述的能夠在實驗室內大尺度模擬地下煤礦采場系統的實驗平臺，其特征在于，所述傳感監測數據包括：支架數據(1.位姿數據與壓力數據：通過支架上的傳感裝置獲得；2.移架數據：通過在統一坐標系下支架的空間位置變化推導獲得)；煤壁的激光掃描圖像(通過分析處理圖像可獲得裂隙的分布)；頂板數據(1.分層厚度與強度可由鋪設時自設；2.頂板的激光掃描圖像；3.頂板垮落步距可由在各分層之間設置的應變片反映獲得)。

5.根據權利要求1所述的能夠在實驗室內大尺度模擬地下煤礦采場系統的實驗平臺，其特征在于，所述液壓支架監測組件包括3個位姿傳感器與2個壓力傳感器，傳感器分別位于所述群組液壓支架的每一臺支架上。

6.根據權利要求4所述的能夠在實驗室內大尺度模擬地下煤礦采場系統的實驗平臺，其特征在于，所述3個位姿傳感器分別為頂梁位姿傳感器，安裝于所述液壓支架頂梁下端，底梁位姿傳感器，安裝于所述液壓支架底座上端，連桿位姿傳感器，安裝于所述液壓支架連桿內測；所述2個壓力傳感器分別為頂梁立柱壓力傳感器，安裝于兩立柱之上，掩護梁液壓缸壓力傳感器，安裝于掩護梁液壓缸之上。

7.根據權利要求1所述的能夠在實驗室內大尺度模擬地下煤礦采場系統的實驗平臺，其特征在于，所述開采掃描車包含所述開采裝置和所述激光掃描裝置，所述開采裝置主要包括可升降的開采鉆頭，所述激光掃描裝置主要包括可升降激光掃描相機，所述激光掃描相機包括兩個攝像頭，可同時掃描監測煤壁和頂板的狀態，所述激光掃描裝置與所述計算機連接，將掃描圖像數據傳輸至所述計算機之上。

8.根據權利要求1所述的能夠在實驗室內大尺度模擬地下煤礦采場系統的實驗平臺，其特征在于，通過建立所述的統一坐標下采場系統各要素的位置獲取大量的支架、煤壁和頂板的相關數據，所述的統一坐標系是以實驗臺的一個頂點為坐標原點，長、寬、高的方向分別為X、Y、Z軸，可以統一描述包含所述模擬層、所述群組液壓支架、所述開采掃描車等相對位置的數學坐標系。

9.根據權利要求1所述的實驗室大尺度模擬地下煤礦采場系統的實驗平臺，實現采場圍巖智能控制的方法，其特征在于，包括以下步驟：

S1.通過所述的液壓支架傳感裝置，統一坐標系下支架相對位置獲得支架阻力數據、支架姿態數據與支架空間位置數據；通過所述開采掃描車的開采鉆頭相關參數的設置與在遙控控制下統一坐標系下開采車行駛的相關物理和數學參數獲得開采數據；通過所述開采掃描車的掃描裝置與所述計算機連接獲取煤壁與頂板的掃描圖像；

S2.通過對于所述步驟S1中的支架阻力數據、支架姿態數據、支架空間位置數據進行處理分析，分別建立包含支架阻力數據庫、支架姿態數據庫與支架位置數據庫的支架大數據庫；通過對于所述步驟S1中的煤壁與頂板掃描圖像通過圖像處理器進行拼接與處理，建立煤壁與頂板的動態圖像數據庫；

S3.通過將經過處理后分別建立的采場要素數據庫進行分析，利用機器學習的相關步驟，分別對每個采場要素的數據庫進行：1)數據預處理，2)機器學習算法模型的選擇，3)訓練與測試，4)模型優化的過程，尋找在各要素模型耦合條件下采場圍巖的最佳狀態以及各個要素的最佳參量；

S4.將所述采場要素分別可控與不可控兩類，具體包括:可控要素(支架支護力，工作面長度，割煤高度，支架位姿，初撐力，推進速度等)，不可控要素(頂板來壓，煤壁片幫，支架剛度，支架偏載等)；通過基于上述S3過程得到的最優化模型，反演系統可控要素的最佳參量，對于上述采場系統可控要素進行控制與調整，實現系統自控制與自適應；

S5.通過對于調整后的圍巖狀態進行動態的分析與評價，即重復上述S3、S4過程，實現動態不間斷下采場圍巖的相對穩定，最終能夠實現對于采場圍巖的智能化控制。