数字孪生智采工作面技术架构研究.pdf

第4 5 卷第6 期 2 0 2 0 年6 月 煤炭学报 J O U R N A L0 FC H I N AC O A LS O C I E T Y V 0 1 ．4 5N o ．6 J u n ．2 0 2 0 移动阅读 葛世荣，张帆，王世博，等．数字孪生智采工作面技术架构研究[ J ] ．煤炭学报，2 0 2 0 ，4 5 6 1 9 2 5 1 9 3 6 ．d o i 1 0 ． 1 3 2 2 5 “c n k i ．j c c s ．Z N 2 0 ．0 3 2 7 G ES h i m n g ，Z H N A GF a n ，W A N GS h i b o ，e ta 1 ．D i g i t a lt w i nf o rs m a r tc o a lm i n i n gw o r k f a c e T e c h n o l o 西c a lf r a m ea n d c o n s t r u c t i o n [ J ] ．J o u m a lo fc h i n ac o a ls o c i e t y ，2 0 2 0 ，4 5 6 1 9 2 5 一1 9 3 6 ．d o i 1 0 ．1 3 2 2 5 ／j ．c n k i ．j c c s ．z N 2 0 ．0 3 2 7 数字孪生智采工作面技术架构研究 葛世荣1 ”，张帆1 ”，王世博3 ，王忠宾3 1 ．中国矿业大学 北京 机电与信息工程学院，北京1 0 0 0 8 3 ；2 ．中国矿业大学 北京 智慧矿山与机器人研究院，北京1 0 0 0 8 3 ；3 ．中国矿业大 学机电工程学院，江苏徐州2 2 1 1 1 6 摘要为了进一步提高煤矿井下智能化采煤工作面系统自主运行和人机交互能力，达到真正的无 人化开采境界，提出数字孪生智采工作面系统 D i g i t a lT w i nS m a r 【M i n i n gW o r k f a c e 的概念、架构及 构建方法，融合应用5 G 通信技术、物联网技术和仿生智能技术，从而搭建一个智采工作面的数字 孪生远程操作平台。首次定义数字孪生智采工作面是一个数据可视化、人机强交互、工艺自优化的 高逼真采煤工作面三维镜像场景，它由物理工作面、数字工作面和数据信息3 个部分组成。介绍了 D ，I s M W 系统涉及的物理工作面、虚拟工作面、孪生数据、信息交互、模型驱动、边缘计算、沉浸式体 验、云端服务、信息物理系统、智能终端等1 0 项关键技术。新的D T S M w 系统具有开采过程仿真、 优化和监控功能，可以实现开采工艺数字孪生、开采过程数字孪生、设备性能数字孪生、生产管理数 字孪生和生产安控数字孪生。研究了智采工作面的仿生智能特性，阐述了物理模块 躯干 、信息 模块 大脑 、通信模块 神经 、控制模块 脑肌 、孪生模块 映像 的基本功能特征，特别描述了采 煤机、液压支架和刮板输送机的仿生智能要素。针对D T S M W 系统数据的高度依赖性，首次将智采 工作面复杂信息归纳为3 条信息流，用于描述采煤过程的环境、控制和能量状态。环境信息流和控 制信息流来自煤岩体对采煤机、液压支架、煤流运输机组的输入信息及其调控信息，能量信息流来 自开采装备对煤层、岩层变量调控所产生的能量交换状态信息。针对智采工作面的巨大信息流量， 提出了管理D T S M w 信息流的数据主线 D i g i t a lT h r e a d 方法，将信息流的数据分为周期性数据、随 机性数据和突发性数据进行建模处理，以确保数字孪生智采工作面的数据驱动及稳定运行。通过 对比分析，D T s M w 系统比现有远程集控中心的智能性提高了一个层次，可为中级智采工作面实现 无人化运行提供新的监控系统架构。 关键词智采工作面；数字孪生；人机交互；数字主线；智能采矿系统 中图分类号T P l l ；T D 8 2 3 ．9 7文献标志码A文章编号0 2 5 3 9 9 9 3 2 0 2 0 0 6 1 9 2 5 1 2 D i g i t a lt 、 l ，i n f o rs m a r tc o a lm i I l i n gw o r k f a c e T e c h n o l o g i c a lf r a m e a n dc o n s t r u c t i o n G ES h j r o n 9 1 ”，Z H N A GF a n1 ”，W A N GS h i b 0 3 ，W A N GZ h o n g b i n 3 1 ．S 如D o Z ∥胁c 帆池f ，E f e c ￡庇口f ＆坳r r m f 幻，lE 愕i 脚一昭。醌i 舳溉i w H i ￡y0 ，肘捌n g 口谢‰ M f o g y 讲n g ， 谪n g1 0 0 0 8 3 ，劬i M ；2 ．加￡血Ⅲe 旷 砌e f f 泓m 胁M ＆舶6 0 ￡如，铂i M 踟i w m 蚵o ，胁n i 增。蒯‰ n o f o g y ＆咖昭 ，既彬n gl 0 0 0 8 3 ，眈i n o ；3 ．＆’ o o Z 矿肘∞ n n 池fo 蒯剧e d 庇o fE ，研w e r ‘ 吨，肌i n n ‰i w ”i ￡y 旷心n 嘶口柑死如凡o f 0 ∥，x 砌。Ⅱ2 2 1 11 6 ，仍i M A b s t r a c t T h i sp a p e rp r o p o s e st h ec o n c e p t ，a r c h i t e c t u r ea n dc o n s t r u c t i o nm e t h o d so ft h ed i g i t a lt w i ns m a r tm i n i n g 收稿日期2 0 2 0 0 2 2 8修回日期2 0 2 0 0 3 2 5责任编辑郭晓炜 基金项目国家自然科学基金一山西煤基低碳联合基金重点资助项目 u 1 6 1 0 2 5 1 作者简介葛世荣 1 9 6 3 一 ，男，浙江天台人，教授。E m a i l g e s r c u m t b ．e d u ．c n 万方数据 1 9 2 6 煤炭 学报 2 0 2 0 年第4 5 卷 w o r k f a c es y s t e m D T S M W i no r d e rt of u n h e ri m p m v et h ea u t o n o m o u so p e r a t i o na n dh u m a n m a c h i n ei n t e r a c t i o nc a p a b i l i t yo fi n t e U i g e n tc o a lm i n i n gw o r k { ．a c es y s t e m ，a n da c h i e v et h et m es t a t eo fu n m a n n e dm i n i n g ．T h ef h s i o na p p l i c a ‘ t i o no f5Gc o m m u n i c a t i o nt e c h n o l o g y ，i n t e r n e to ft h i n g st e c h n o l o g ya n db i o n i ci n t e l l i g e n c et e c h n 0 1 0 9 yi sa l s oi n t r o d u c e d ，w h i c hi sm u c hh e l p f u lf o rb u i l d i n gad i g i t a lt w i nr e m o t eo p e r a t i n gp l a t f o n no fs m a r tm i n i n gw o r k f a c e ．T h ed i g i t a l t w i ns m a r tm i n i n gw o r k f a c ei s6 r s t l yd e f i n e da sat h r e e d i m e n s i o n a lm i r r o rs c e n a 打oo fc o a lm i n i n gp r o c e s sw i t hd a t aV i s u a l i z a t i o n ，h u m a n - m a c h i n ei n t e r a c t i o na n dp r o c e s so p t i m i z a t i o n ．T h en e wD T S M Ws y s t e mc o n s i s t s o ft h r e ep a n sa s p h y s i c a lw o r k f a c e ，d i g i t a lw o r k f a c ea n dd a t at r a n s m i s s i o n ．T h ek e yt e c h n o l o g i e si nt h eD T S M Ws y s t e mi n c l u d ep h y s i c a l w o r k f a c e ，v i r t u a lw o r k f a c e ，t w i nd a t a ，i n f o n n a t i o ni n t e r a c t i o n ，m o d e ld r i v e r ，e d g ec o m p u t i n g ，i m m e r s i V ee x p e r i e n c e ， c l o u ds e n r i c e ，i n f o m l a t i o np h y s i c ss y s t e m ，i n t e l l i g e n te q u i p m e n t ，e t c ．T h eD T S M Ws y s t e mc o u l da c h i e V et h ed i g i t a l t w i n so fm i n i n gm o d e l ，m i n i n gp r o c e s s ，e q u i p m e n tp e d ’o 珊a n c e ，p r o d u c t i o nm a n a g e m e n ta n ds a f e t ym o n i t o r i n g ，w h i c h w i Ui m p r o v et h em i n i n gp r o c e s ss i m u l a t i o n ，o p t i m i z a t i o na n dm o n i t o r i n gc a p a b i l i t i e s ．I nt h ep a p e r ，t h eb i o n i ci n t e l l i - g e n c ec h a r a c t e r i s t i e so ft h es m a r tm i n i n gw o r k f a c ea r ed e s c r i b e d ，a n dt h eb a s i ci n t e l l i g e n c ec h a r a c t e r i s t i c so fp h y s i c a l m o d u l e t o r s o ，i n f 0 瑚a t i o nm o d u l e b r a i n ，c o m m u n i c a t i o nm o d u l e n e r v e ，c o n t r 0 1m o d u l e b r a i nm u s c l e ，t w i n m o d u l e i m a g e a r ed i s c u s s e d ．E s p e c i a l l y ，t h eb i o n i ci n t e l l i g e n c ef b a t u r e so ft h es h e a r e r ，h y d r a u l i cs u p p o na n ds c r a p - e rc o n v e y o ra r ed e s c r i b e di nd e t a i l ．T h ec o m p l e xi n f o m a t i o nd a t ao fs m a r tm i n i n gw o r k f a c ea r es u m m a r i z e di n t 0t h r e e n o w st oc o r r e l a t et h ei n t e r a c t i o ns t a t ef r o me n v i r o n m e n t a l ，c o n t r o la n de n e r g yi nt h ec o a lm i n i n gp r o c e s s ．T h ee n v i r o n m e n t a ld a t an o wa n dc o n t r o ld a t a Ⅱo wc o m ef 而mt h ei n p u ti n f b n n a t i o na n dt h ea d a p t i v ec o n t r o li n f b r m a t i o nt ot h ec o a l c u t t i n g ，h y d r a u l i cs u p p o r ta n dc o a ln o wt r a n s p o r tu n i t ．T h ee n e r g yi n f b r m a t i o nn o wc o m e sf } o mt h ee n e 唱ye x c h a n g e s t a t ei nm i n i n ge q u i p m e n tc o Ⅱ．e s p o n d i n gt oc o a ls e a ma n dr o o fp r e s s u r eV a r i a t i o n s ．I nV i e wo ft h eh u g ea m o u n to fd a t a n o wi nt h eD T S M Ws y s t e m ，t h ed i g i t a lt h r e a dm e t h o di sp r o p o s e df o rd a t am a n a g e m e n t ，d i V i d i n gt h ed a t an o wi n t op e r i o d i cd a t a ，r a n d o md a t aa n ds u d d e nd a t af b ra c c u r a t em o d e l i n ga n dp r o c e s s i n g ，t oe n s u r et h es t a b l ed a t a - d r i V e no ft h e D T S M Ws y s t e m ．T h r o u g hac o m p a r a t i v ea n a l y s i s ，i ti sr e c o g n i z e dt h a tt h eD T S M Ws y s t e mc o u l di m p r 0 V et h ei n t e l l i g e n c eo ft h ee x i s t i n gr e m o t ec o n t r o lc e n t e ri nu n d e r g m u n dc o a lm i n i n gw o r k f a c e ，a n dp r o V i d ean e wm o n i t o r i n gs y s t e m a r c h i t e c t u r ef o rt h ef u t u r eu n m a n n e do p e m t i o no fh i g h e rl e v e ls m a nm i n i n gw o r k f a c e ． K e yw o r d s S m a r tc o a lm i n i n gw o r k f a c e ；d i g i t a lt w i n ；h u m a n c o m p u t e ri n t e r a c t i o n ；d i g i t a lt h r e a d ；i n t e l l i g e n tm i n i n g s v s t e m 煤炭开采从实现机械化开始不断变革，经历了自 动化、信息化、数字化技术发展之后，将进入智能化开 采新阶段。采煤工作面是煤矿井下开采煤炭的源头， 也是井下较多人员集中的作业场所之一，实现智能化 采煤对减人增安提效具有重大意义，也是煤炭开采技 术革命的重要任务。 智能化综采工作面可简称为智采工作面，它高度 依赖工作面单机智能化、集群自主化和远程智能管控 技术。当前，我国已建成2 2 0 余处不同层次的井下智 采工作面，煤炭产能约5 亿t ，形成了薄煤层、中厚煤 层、大采高工作面及综放工作面的智能高效开采方 式_ J 。近十年来，我国在补连塔煤矿、金鸡滩煤矿、 上湾煤矿陆续建成世界首个7 ，8 ．2 和8 ．8m 超大采 高的智采工作面“ 书1 。但是，这些智能工作面的技术 体系参差不齐，一些基础性的关键技术比较薄弱，虽 然单机智能化技术进步显著，但集群智能化技术还未 及时跟上。尤其要关注远程智能化监控技术，它是未 来真正实现工作面无人操作、远程有人监控的重要基 础。目前，智采工作面已达到了远程驾驶舱水平，能 对采煤机组进行启停、状态监控，设有全自动运行模 式和半自动运行模式，未来的智采工作面需要研究解 决以下3 个问题 1 设备互联度不够高。智采工作面设备既是 生产单元，也是感知单元，目前还存在集群感知力弱、 实时协作能力弱的问题，要运用群智能理论，仿生蚁 群、蜂群、鱼群等动物群的协同力∽J ，来构建设备互 联、信息互通、任务互助的智能采煤系统。 2 信息互通性不够强。主要表现为设备单元 独立运行，造成数据采集量不够、信息共享不畅、数 据交换困难，无法实现高效协同管控等问题，因此 需要实现采煤状态实时监控，实现物质流、能量流 和信息流的自适匹配，采用仿生传感技术，使智采 工作面具有视觉、听觉、嗅觉、触觉、动觉等类脑感 知能力‘1 0 ] 。 3 人机交互性不够好。智采工作面的目标是 实现采煤现场无人化、远程交互感控，目前的集中监 万方数据 第6 期 葛世荣等数字孪生智采工作面技术架构研究 控尚未达到智能开采所要求的自主运行为主、人工干 预为辅的交互程度，应研发基于力觉临近场、视觉目 标跟踪、增强虚拟场景化的智能交互系统⋯。12 I 。 数字孪生技术能够创建一个实时精准的虚拟监 控运行系统，为解决上述问题提供了新途径，有助于 构建更高层次的智采工作面远程操作系统。为此，笔 者提出了数字孪生智采工作面架构，旨在为未来智采 工作面实现强交互、自主化运行及远程智能监控提供 技术探索。 1 智采工作面的数字孪生概念 数字孪生 D i g i t a lT w i n ，D T 是以数字化方式创 建物理实体的虚拟模型，通过虚实交互反馈、数据融 合分析、决策迭代优化等手段，为物理实体提供更加 实时、高效、智能的运行或操作服务。13 。。数字孪生必 须依赖2 个关键要素，一是数字信息，二是虚拟孪生。 对于智能装备而言，通过构造数字孪生体，不仅能高 度逼真地反映机器实体的特征、运行和性能，还能以 超现实的形式实现机器状态监测评估和健康管 理㈩。 数字孪生被认为是工业数字化及自动化进程中 的颠覆性技术之一，目前已在航空航天装备、建筑施 工、电厂、医疗、汽车、油气开发、船舶运输、城市管理、 智慧农业等领域探索应用。1 引。波音7 7 7 是首架利用 数字孪生技术研制的客机，零部件多达3 0 0 万个，仅 通过数字孪生仿真设计就直接进入试制阶段，研发周 期缩短4 0 ％。高德纳 G a r f n e r 咨询公司预测，到 2 0 2 1 年全球约5 0 ％的大型工业企业将会使用数字孪 物理智采工作面 生技术，运行效率可提高约1 0 ％。 煤矿井下开采环境恶劣、系统庞大且生产过程复 杂，综采工作面的设备多达十几种、数量约3 0 0 台，它 们的作业条件复杂、运行动作多，对操作时序性、准确 性、快捷性要求很高，一直在追求用数字化模型来模 拟和优化采煤过程，经历过计算机辅助设计 c A D 、 虚拟现实 V R 等技术阶段。但是，这些数字化手段 解决了采煤系统形象化展示、虚拟化推演的问题，却 难以动态反映采煤流程变化，无法对采煤工作面实时 监控。 数字孪生智采工作面 D 西t a lT w i ns m a r tM i n ． i n gw o r k f a c e ，D T S M W 是一个数据可视化、人机强交 互、工艺自优化的高逼真采煤工作面三维镜像场景， 包括物理工作面、数字工作面和数据信息交互等3 个 部分，其概念模型如图1 所示。在数字孪生智采工作 面中，物理实体具有无人驾驶、集群协作的自主运行 能力，数字场景也有1 1 的远程监控、虚拟运行等仿 真映射。数字孪生智采工作面不是传统仿真模型，而 是动态反馈的数字化镜像体，它基于设备运行的感知 数据，以数字智采工作面来逼真地模拟实际采煤状 况。数据信息交互为物理工作面和孪生工作面提供 数据交互、同步反馈与交互监控功能。可以预见，数 字孪生技术将推动智能化采矿进入新时代，目前研究 尚少。文献[ 1 6 ] 提出一种基于数字孪生的综采工作 面生产系统设计与运行模式，通过综采设计与监控服 务系统驱动，实现全要素、全流程、全数据的集成和融 合，达到生产系统最优配置和装备协同安全高效开采 的目的。 数字智采l 作面 图l智采工作面的数字孪生概念模型 F i g ．1D i g “a 1t w i nc o n c e p t u a ln l o d e lo fi n t e l l i g e n tm i n i n gf a c e 2 数字孪生智采工作面技术架构 本文提出数字孪生智采工作面的技术架构如图 2 所示，它包括物理工作面、虚拟工作面、孪生数据、 信息交互、模型驱动、边缘计算、沉浸式体验、云端服 务、信息物理系统、智能终端等1 0 项关键技术。 1 物理工作面。 物理工作面是智采数字孪生模型的根基，它包括 部件级、设备级和系统级的物理体。部件级物理体是 承担生产功能的某个机器部件，例如采煤机截割部、 乳化液泵站、液压支架立柱油缸、刮板机中部槽等；设 备级物理体是智能采煤设备，主要是采煤机、液压支 架、刮板输送机等；系统级物理体是指采煤工作面系 统，它是一个包括信息流、能量流和物质流的复杂系 上∞习习 万方数据 1 9 2 8 煤炭 学报 2 0 2 0 年第4 5 卷 云服务巾心 离冈 l 运行』| 故障l 蓝崩 图2 数字孪生智采工作面技术架构 F i g ．2D i g i t a lt w i nt e c h n o l o g yf r a n l e w o r ko fs m a l lm i n i n gf a c e 统。针对不同层次的智能化目标，可对智采物理体进题，也有信息不准的难题，更有缺少决策模型而无法 行分层管控，部件级管控重点是部件功能监测、故障运用的课题。可以认为，数据感知或孪生数据将是未 预测和维护；设备级管控对单机生产操作和控制进行来智采工作面实现度的关键制约瓶颈。 分析及优化；系统级管控对设备之间的交互与协同进 4 信息交互。 行关联，形成整个工作面的智能化运行。数据交互和信息互联是物理工作面与虚拟工作 2 虚拟工作面。面、服务中心之间的信息通道。在物理工作面与虚拟 虚拟工作面要能够服从几何、物理、行为、规则的工作面之间可构建信息物理系统 C P S ，通过c o m 一 约束，对物理工作面进行数字化描述，创建映射物理p u t e r ，c o m m u n i c a t i o n ，c o n t r o l 技术，使虚实采煤工作 工作面的虚拟形态，并能够跟踪物理工作面的实时数 面之问实现有机融合与深度协作，从而为智采工作面 据、历史数据及运行状态。此外，虚拟工作面将以提供实时感知、动态控制的信息服务。在智采工作面 V R 与A R 技术实现智采工作面的虚实叠加及融合显建设泛在网，使监控设备与生产设备的传感器、变送 示，增强数字孪生工作面的沉浸性、真实性及交互性。 器、执行器、驱动器、控制器得以紧密联接，与安控系 3 孪生数据。统也同步互联。目前，5 G 地面通信技术已商业化运 孪生数据是数字孪生的驱动链，主要包括物理体用，可实现增强型移动宽带 e M B B 、超高可靠低时 数据、虚拟体数据，服务数据、知识数据及融合衍生数延通信 u R L L c 和海量机器通信 m M T c 三大应用 据。物理体数据来自采煤状态、设备性能、环境参数、场景。基于5 G 通信的物联网能支撑大规模设备自 突发扰动等感知数据。虚拟体数据包括物理过程、驱主化运行，例如，5 G 车联网构建的V 2 x 车路协同监 动因素、环境扰动、运行机制等模型数据，过程仿真、控体系⋯1 ；扎哈淖尔煤业公司露天矿的5 G 管控系统 行为仿真、过程验证、评估、分析、预测等的仿真数据。已构建全天候、全覆盖、全流程的安监体系。18 I ，这些 服务数据主要包括算法、模型、数据处理方法等功能成功实践为智采工作面信息交互提供了技术借鉴。 型服务数据，资源管理、企业管理、生产管理、煤质管5 G 数字孪生将成为未来智采工作面的重要应 理、市场分析等服务型数据。知识数据包括开采工用场景，可为智采工作面提供三维视频监控、云端监 艺、行业标准、规则约束、开采模型等数据。融合衍生管服务、增强现实、过程控制、自动驾驶、精准定位、智 数据是对以上各类数据加以转换、预处理、分类、关能安控、智能工作面、智能运维等应用场景，如图3 所 联、集成之后所形成的庞大信息数据。示。可以预计，5 G 技术将很快在煤矿井下付诸应用， 目前的智采工作面对以上5 类数据的获取、处理实现智采工作面全要素感知，为智采工作面构建全方 及运用能力还很薄弱，数据获取既有信息量不足的问位的信息交互，通过5 G D T 融合技术，将为D T s M w 了 万方数据 第6 期葛世荣等数字孪生智采工作面技术架构研究 1 9 2 9 系统提供决策、监控及智能运行的数据支持，推动智 采工作面进入中等智能化层次。 e M B B 增强移动宽带 图3 基于5 G 通信技术的智采工作面应用场景 F i g ．3A p p l i c a t i o ns c e n 州oo fi n 【e l l i g e n tm i n i n gf a c e b a s e 1o T l5 G 5 驱动模型。 数字孪生系统运行必须依靠各类准确高效的模 型驱动。首先，要建立采煤过程复杂对象、属性、关系 的定量表达模型，以满足静态及随需的、动态的建模 需要，例如当前的采煤机自动调高控制尚未嵌入截割 力模型，因而其控制难以达到最优化状态。其次，要 把各类数据通过自动或半自动方式连接到数字孪生 的定义模型中，从而建立起模型驱动的控制模式，例 如液压支架支撑力控制要能跟随顶板动态压力分布， 通过数字孪生的知识模型而实时调控支撑力。 6 边缘计算。 智采工作面的过程控制和监控会产生巨量数据， 应采用边缘计算技术，来提高视频图像等非结构化数 据分析时效性及反馈速度，既能减小数据拥堵，又能 提高远程监控实时性。智采工作面的边缘计算靠近 采煤装备智能终端就地处理和分析数据，在智采工作 面就地进行大数据分析和优化决策。近几年，移动边 缘计算 M E C 应运而生，它可作为一个在工作面运 行的云服务器。 7 沉浸式体验。 沉浸式服务是基于数据融合与服务融合而共同 实现的物理虚拟双向交互与协同过程。虚拟现 实 V R 、增强现实 A R 、混合现实 M R 的3 R 技术 是实现数字孪生的沉浸式体验的有效手段。在 D T S M w 系统中，通过沉浸式体验和多感知互动呈 现，实现智采工作面的突发情况干预、故障排查、维护 指导等远程服务功能。 当前，对采煤工作面的沉浸式体验研究还局限在 虚拟界面和数据呈现上，要实现D T S M W 系统的3 R 展现，还需要研究解决零部件精准定位、高精度传感 器定型及嵌入等技术难题。 8 云端服务。 未来智采工作面的远程监控应体现在云端监控 服务之中，因此要构建智采工作面5 G 物联网，将 D T s M w 的硬件、软件、网络等资源统筹起来，实现数 据计算、储存、处理和共享。云端服务能快速处理数 据并提供全息主动服务，从而实现采煤过程从感知到 运行的互联互通和信息交互。 数字孪生的云服务中心有两种服务类型，即功能 型服务和业务型服务b 。 功能型服务包括①面向虚拟实体的建模仿真 服务、模型组装与融合服务、模型验证和确认服务、模 型一致性分析服务等；②面向孪生数据的数据存储、 封装、清洗、关联、挖掘、融合等服务；③面向交互联 接的数据采集服务、感知接人服务、数据传输服务、协 } 义服务、接口服务等。 业务型服务包括①面向远程操作人员的虚拟 装配服务、设备维修维护服务、工艺培训服务；②面 向专业技术人员的智能监控服务、设备控制策略自适 应服务、动态优化调度服务、动态过程仿真服务等；③ 面向管理人员的智能决策服务、需求分析服务、风险 评估服务、趋势预测服务等。 9 信息物理系统。 信息物理系统 c y b e r P h y s i c a ls y s t e m ，c P s 将 智采工作面的感知、通信、计算与控制技术融为一体， 实现信息流与物理体的融合协同。c P s 是物联网的 升级，物联网主要实现感知功能，擅长于无线互联，而 c P s 还有更强大的计算和协调能力，从而实现物理系 统自治，属于新一代智能系统。智采工作面是煤矿井 下一个较为独立的智能系统，借鉴智能制造C P S 系 统旧l ，D T S M W 系统中的C P S 以传感器感知煤层环 境和机器状态，通过5 G 泛在网进行数据通信，利用 边缘计算来实时综合处理数据、做出决策，直接向采 煤装备下达指令进行自主控制，同时共享云端中心提 供的地质、流程、管理等数据信息，并远程管控整个工 作面的采煤流程，从而使采煤过程具有综合智能的实 时性、可靠性、安全性和自治性。 1 0 智能终端。 智采工作面的智能终端包括采煤机、液压支架、 刮板输送机、转载机、破碎机、带式输送机、乳化液泵 站、供电站。这些终端必须实现单机智能化运行，首 先对每套设备赋予感知化、数字化、自动化能力；其 次，要把底层传感器、控制器接L ] 及通讯标准化；然 后，构建智采工作面操作系统，具有良好的兼容性和 开放性，使得智采控制系统对其他业务系统具有开放 万方数据 1 9 3 0 煤炭学报 2 0 2 0f F 第4 5 卷 性和协作性，否则每台设备就会变成工作面的智能孤 岛。 3 数字孪生智采工作面管控功能 数字孪生对智采工作面全开采过程进行仿真和 优化，满足从工艺优化到生产流程、设备性能、生产管 理、安全保障的全流程智能化管控需求。 1 开采工艺数字孪生。模拟采煤工作面在各 种场景下的效果，从而避免不成熟、有潜在风险的开 采工艺，把开采流程适应时间减至最短。在D T S M W 上，通过预先调设多个开采参数，能在投产之前对工 艺有效性及安全性进行模拟测试和设计验证。 2 开采过程数字孪牛。对采煤工作面智能化 生产进行监控，基于D T S M W 的数字镜像平台，对变 化的生产条件进行采煤工作面运行参数调整，实现完 全自主化运行，代替人工的现场生产控制。 3 设备性能数字孪生。通过在线收集采煤设 备和工作面系统的运行数据，对设备的性能状态、能 耗峰值及停机风险进行分析和预测，从而实现智采工 作面设备的预测性维护，即通过监测数据来判别故障 趋势，提前介入维护以减少停机时问，利用数字模型 快速查证故障致因并给予及时维护。 4 生产管理数字孪生。模拟煤矿开采工艺，对 开采效果进行预测评估，从而提高煤炭开采效率。另 外，通过对工作面场景、采煤机械和整个开采流程的 数字化模拟，管理人员能以虚拟场景来测试新流程、 新工艺，从而选出可行的优化开采方法，做出最佳决 策。 5 采煤安控数字孪生。通过数字孪生场景对 生产现场进行实时监控和反馈，提前发现瓦斯超限、 突水前期、顶板来压及设备冲突、行为异常等事故征 兆，自动执行预警和相关安全措施预案，从而提前避 免事故发生，保证智采工作面的生产安全性、连续性 和稳定性。 4 数字孪生智采工作面系统构建 4 ．1 D T S M W 仿生模块创建 面向未来无人化开采的需求，建设数字孪生智采 工作面系统，必须实现采煤工作面感控要素的智能仿 生，使前述的物理工作面、虚拟工作面等1 0 项关键技 术融合为5 个智能模块，即物理模块、信息模块、通信 模块、控制模块、孪生模块，它们具有矿工采矿作业的 仿生智能特性，如图4 所示。 本文将智能仿生引人数字孪生，目的是进一步提 高采煤装备的智能性。提高智能性的有效途径是向 图4 数字孪生智采【作面的智能仿q i 特性 F 唔4J 】1 I e l l i g e l l tb i 【，1 1 i f 【l l 州“m f 1 鲫a lf w i | 1 s n l a r f 1 1 1 ．f 1 1 1 1 9f 0 【‘P 动物的智能行为学习和模拟，近年出现r 一些仿生智 能方法，例如遗传算法、蚁群优化、微粒群优化、人工 免疫、人工蜂群优化、D N A 计算等1 9 ，为提高智能采 矿能力提供了借鉴。现在的采煤装备与矿工的劳动 智能水平相比还处于较低水平，需要研究矿工的劳动 智力并将其转化为机器学习能力，使物理模块的开采 设备赋予智能“躯干”的自感调控能力，使其姿态和 力量能够自适应控制；信息模块具有“大脑”的信息 记忆、计算和决策优化能力。， 1 物理模块。这是智采工作面基础性的模块， 直接形成煤炭生产力和智能终端，必须拥有完整先进 的智能化采煤、支护、运输设备，这些设箭具有单机智 能化功能，并能够形成集群协同作业，它们的基本智 能特征描述如图5 所示。 采煤机具有鼹鼠挖掘洞穴的智能仿牛特性，使其 在割煤过程中能够实现力感调速、视觉调姿、触觉避 障、自主定位、嗅觉探测的自感调温等钾能性；液压支 架具有大象承担重载的智能仿生控制，在支护围岩时 能够用象腿调力、弓背调高、脊背感知、躯二r 调姿、自 主迈步和视觉排列等智能性；刮板输送机具有类似于 蟒蛇爬行的智能仿生行为，在移动时展现出屈伸推 进、自主伸直、自感摩擦、