圖 1 綜采工作面裝備
Figure 1. Equipment on fully mechanized working face
0. 引言
長壁綜采工作面是最高效的煤炭地下開采方法。綜采工作面是由滾筒采煤機、液壓支架、刮板輸送機、破碎機、橋式轉(zhuǎn)載機、帶式輸送機等十幾種、300多臺設(shè)備構(gòu)成的機械裝備和煤巖交互的復(fù)雜系統(tǒng)（圖1）。為了提高生產(chǎn)效率，減輕礦工的工作強度，自動化、智能化開采已成為世界煤炭開采行業(yè)共同追求的目標。王國法等[1-4]提出，智能化綜采系統(tǒng)是指綜采工作面采用具有充分全面的感知、自學(xué)習(xí)和決策、自動執(zhí)行功能的液壓支架、采煤機、刮板輸送機等機電一體化成套裝備，實現(xiàn)工作面高度自動化遠程監(jiān)控和安全高效開采，并總結(jié)了4種智能化綜采工作面建設(shè)模式：薄煤層及中厚煤層智能化無人開采模式、大采高工作面智能耦合人工協(xié)同高效開采模式、綜放工作面智能化操控與人工干預(yù)輔助放煤模式、復(fù)雜條件機械化+智能化開采模式。葛世榮等[5-6]提出智采工作面定義為一個在不同程度上無需人工干預(yù)而獨立完成采煤作業(yè)的生產(chǎn)系統(tǒng)；指出智采工作面的基礎(chǔ)是智能機器，特征是自主感控，功能是獨立作業(yè)，目的是無人化開采；明確了智采工作面應(yīng)具有自主感知、自主決策、自主控制、自主協(xié)同、自主交互等5個智能要素，并根據(jù)智能要素的水平差異將智采工作面劃分為初級、中級和高級。我國在智能化綜采工作面工程實踐方面開展了大量的研究工作，制訂了《智能化采煤工作面分類、分級技術(shù)條件與評價指標體系》[7-8]，并已建成約500個不同層次的智能化綜采工作面，逐步形成了液壓支架電液控制、采煤機記憶截割、工作面視頻監(jiān)控、采煤機慣性導(dǎo)航定位、工作面自動調(diào)直等技術(shù)[9]。
下載: 本文在前人研究基礎(chǔ)上，總結(jié)分析智能化綜采工作面面臨的問題與挑戰(zhàn)，通過綜述數(shù)字孿生發(fā)展現(xiàn)狀，尋求應(yīng)用數(shù)字孿生技術(shù)解決智能化綜采工作面現(xiàn)存問題和挑戰(zhàn)的途徑。
1. 智能化綜采工作面面臨的挑戰(zhàn)
智能化綜采工作面生產(chǎn)過程以綜采機械裝備為基礎(chǔ)，通過集成先進的傳感技術(shù)，實現(xiàn)采煤機可靠割煤與裝煤，同時保持工作面幾何關(guān)系與頂板可靠支護。因此，智能化綜采工作面無論采取何種原理方法和技術(shù)路徑，其目標都是自主完成綜采工作面可靠割煤、保持工作面幾何關(guān)系、頂板可靠支護?？煽扛蠲褐饕侵缚刂乒ぷ髅骈_采裝備始終在煤層中自適應(yīng)截割；保持工作面幾何關(guān)系是指工作面開采裝備在連續(xù)推進過程中始終保持一定的直線度；頂板可靠支護是指液壓支架與圍巖之間始終保持穩(wěn)定的耦合作用關(guān)系。
為了實現(xiàn)上述3個目標任務(wù)，綜采工作面智能控制技術(shù)可歸納為液壓支架電液控制技術(shù)（裝置）[10]、綜采裝備協(xié)同控制技術(shù)[11-12]、工作面通信技術(shù)[13]、工作面可視化技術(shù)[14]、采煤機定位技術(shù)[15-17]、采煤機自動調(diào)高技術(shù)[18-20]、工作面自動調(diào)直技術(shù)[21-22]和工作面圍巖支護控制技術(shù)[23-24]8項關(guān)鍵技術(shù)。這8項技術(shù)的內(nèi)在邏輯關(guān)系及其與智能化綜采工作面3個目標任務(wù)之間的邏輯關(guān)系如圖2所示。采煤機定位技術(shù)、工作面可視化技術(shù)、液壓支架電液控制技術(shù)（裝置）、采煤機控制裝置、刮板輸送機控制裝置及綜采工作面其他裝備的控制裝置屬于智能化綜采工作面的感知與執(zhí)行層，負責(zé)感知各裝備運行狀態(tài)，并執(zhí)行決策層確定的目標指令。工作面通信技術(shù)是智能化綜采工作面的傳輸層，將綜采裝備狀態(tài)上傳到?jīng)Q策層，同時將決策層的目標指令下發(fā)給各控制裝置。綜采裝備協(xié)同控制技術(shù)、工作面自動調(diào)直技術(shù)、采煤機自動調(diào)高技術(shù)和工作面圍巖支護控制技術(shù)屬于智能化綜采工作面的決策層。工作面自動調(diào)直技術(shù)、采煤機自動調(diào)高技術(shù)和工作面圍巖支護控制技術(shù)的決策過程須以綜采裝備協(xié)同控制技術(shù)為基礎(chǔ)，即應(yīng)該首先解決綜采裝備內(nèi)部的協(xié)調(diào)問題[25]。
智能綜采工作面面臨的挑戰(zhàn)主要體現(xiàn)在決策層、感知與執(zhí)行層，并與文獻[9，26]的觀點基本一致。
（1） 決策層的自主決策能力不能適應(yīng)復(fù)雜多變的工況。綜采工作面是由綜采裝備和煤層組成的強耦合復(fù)雜系統(tǒng)，在煤層賦存、裝備與煤巖相互作用（頂板支護、煤層截割）和裝備協(xié)同作業(yè)方面具有不確定性、多樣性、復(fù)雜性特征。這使得綜采工作面僅基于工藝流程規(guī)則的智能化控制無法滿足工作面智能作業(yè)要求，更何況綜采工作面基于規(guī)則的智能控制算法尚不完備。鑒此，智能化綜采工作面分類分級評價指標體系中對智能決策性能暫未進行考評[8]。任何決策算法必須經(jīng)過大量的實驗測試、驗證與考核，而目前還沒有能夠?qū)崿F(xiàn)綜采工作面復(fù)雜系統(tǒng)智能決策算法測試的平臺，造成大量自主決策功能需要在工作面實際生產(chǎn)過程中檢驗和完善。但井下繁重的生產(chǎn)任務(wù)、惡劣的工況條件、極高的安全要求，使得控制系統(tǒng)決策算法的測試、驗證、完善難以系統(tǒng)開展。此外，煤層開采后不復(fù)存在，完善后的控制算法無法再次獲得相同的測試條件，導(dǎo)致系統(tǒng)完善效果無法驗證。因此，決策層面臨控制算法完備性、健壯性測驗和持續(xù)完善升級的重大技術(shù)難題。
（2） 感知與執(zhí)行層不能支撐決策層的信息需求和決策指令的可靠執(zhí)行。實現(xiàn)作業(yè)執(zhí)行功能的綜采裝備長期服役于重載沖擊載荷工況與塵霧環(huán)境，導(dǎo)致綜采裝備性能劣化，乃至故障頻發(fā)[27]，綜采裝備無法可靠執(zhí)行決策層的目標指令。一方面，綜采裝備已安裝了大量傳感器以獲得支撐綜采工作面智能化的感知信息。這些數(shù)量龐大的傳感器可靠性較低，反而影響綜采工作面運行。另一方面，受限于實際工況，因無法安裝傳感器，導(dǎo)致綜采裝備的一些關(guān)鍵狀態(tài)信息無法獲得，如實現(xiàn)機械系統(tǒng)故障預(yù)測與健康管理（Prognostics and Health Management，PHM）的振動、噪聲等傳感器幾乎沒有安裝。綜采工作面環(huán)境惡劣、裝備眾多，一味地增加傳感器對綜采工作面狀態(tài)感知和可靠運行作用有限，甚至可能降低可靠性、增加投入成本。因此，如何全面獲取綜采工作面狀態(tài)信息，準確預(yù)測綜采裝備性能及其劣化程度，并根據(jù)裝備性能和生產(chǎn)任務(wù)可達性決策裝備作業(yè)強度參數(shù)，隔離或抑制早期故障傳播，是實現(xiàn)工作面自主決策、近零停機、連續(xù)運行的難題。
2. 數(shù)字孿生發(fā)展現(xiàn)狀
2.1 數(shù)字孿生的定義與內(nèi)涵
1991年，耶魯大學(xué)D. Gelernter教授在所著《Mirror Worlds》中定義了鏡像世界（Mirror Worlds）：從計算機屏幕中看到的代表真實世界的軟件模型，海量的信息通過巨大的軟件通道源源不斷地涌入模型，如此多的信息使得模型可以模擬現(xiàn)實世界每時每刻的運動[28]。2003年，密歇根大學(xué)M. Grieves教授提出產(chǎn)品生命周期管理(Product Lifecycle Management，PLM )的概念設(shè)想（圖3）：在虛擬空間構(gòu)建的數(shù)字模型與物理實體交互映射，忠實地描述物理實體全生命周期的運行軌跡[29]。D. Gelernter教授被認為是第1個數(shù)字孿生想法的提出者，而M. Grieves教授雖然沒有明確提出“數(shù)字孿生”，但被認為是數(shù)字孿生的命名者[30]。2012年，NASA的E. H. Glaessgen和美國空軍的D. S. Stargel對數(shù)字孿生進行了嚴格的學(xué)術(shù)定義：數(shù)字孿生是飛行器或系統(tǒng)集成的多物理、多尺度的概率性仿真，它使用最好的可用物理模型、更新的傳感數(shù)據(jù)和歷史飛行數(shù)據(jù)等來反映與該模型對應(yīng)的飛行實體全生命周期的真實性[31]。此外，很多學(xué)者也給出了數(shù)字孿生的定義，如：數(shù)字孿生是以數(shù)字化方式創(chuàng)建物理實體的虛擬實體，借助歷史數(shù)據(jù)、實時數(shù)據(jù)及算法模型等，模擬、驗證、預(yù)測、控制物理實體全生命周期過程的技術(shù)和手段[32]。數(shù)字孿生是一個對物理實體或流程的數(shù)字化鏡像，創(chuàng)建數(shù)字孿生的過程，集成了物理特性模型、人工智能/機器學(xué)習(xí)和傳感器數(shù)據(jù)，以建立一個可以實時更新的、現(xiàn)場感極強的“真實”模型，用來支撐物理產(chǎn)品生命周期各項活動的決策[33]。
雖然數(shù)字孿生至今沒有一個被普遍接受的統(tǒng)一定義，但其包括物理實體、虛擬實體、二者之間的連接數(shù)據(jù)（孿生數(shù)據(jù)）這一基本概念模型已被廣大學(xué)者認可。基于數(shù)字孿生的基本概念，W. Kritzinger等[34]根據(jù)物理實體和虛擬實體之間數(shù)據(jù)連接集成程度的不同，將數(shù)字孿生劃分為3種類型：數(shù)字模型（Digital Model，DM）、數(shù)字影子（Digital Shadow，DS）、數(shù)字孿生（Digital Twin，DT）。當(dāng)物理實體和虛擬實體之間的連接數(shù)據(jù)均為人工數(shù)據(jù)流時，虛擬實體被稱為數(shù)字模型（圖4（a）），人工交互數(shù)據(jù)的過程實質(zhì)是一個典型的仿真過程。從物理實體反饋到虛擬實體的數(shù)據(jù)可作為虛擬實體仿真的邊界條件或仿真結(jié)果驗證參數(shù)。從虛擬實體反饋到物理實體的數(shù)據(jù)可以是設(shè)計或控制的優(yōu)化參數(shù)和方案。當(dāng)物理實體到虛擬實體的數(shù)據(jù)連接是自動的，而虛擬實體到物理實體的數(shù)據(jù)連接是手動的，此時構(gòu)成數(shù)字影子（圖4（b））。物理實體反饋到虛擬實體的數(shù)據(jù)可以是物理實體的感知狀態(tài)數(shù)據(jù)。虛擬實體利用這些數(shù)據(jù)實現(xiàn)物理實體三維幾何再現(xiàn)[35-38]、基于狀態(tài)的維護（Condition Based Maintenance，CBM）[39-41]等仿真功能。可根據(jù)虛擬實體的仿真結(jié)果調(diào)整優(yōu)化物理實體的控制方案或?qū)ζ溥M行維修、維護。當(dāng)物理實體和虛擬實體的雙向交互數(shù)據(jù)均為自動時，才是真正意義上的數(shù)字孿生（圖4（c））。此時虛擬實體利用物理實體自動反饋的狀態(tài)數(shù)據(jù)，通過各種模擬方法實現(xiàn)對物理實體狀態(tài)退化自動預(yù)測，優(yōu)化決策出作業(yè)計劃[42-44]、維護規(guī)劃[45-47]乃至實時控制方法[48-49]。虛擬實體自動反饋決策數(shù)據(jù)到物理實體已被認為是數(shù)字孿生的典型特征之一[50]。
陶飛等[51-52]在物理實體、虛擬實體、孿生數(shù)據(jù)的基礎(chǔ)上，增加了孿生數(shù)據(jù)的傳輸通道“連接”、數(shù)字孿生的應(yīng)用功能“服務(wù)”，進而將數(shù)字孿生擴展為包括物理實體（PE）、虛擬實體（VE）、孿生數(shù)據(jù)（DD）、連接（CN）和服務(wù)（Ss）的五維模型（圖5），并對5個要素的含義進行了闡述。物理實體是數(shù)字孿生五維模型的構(gòu)成基礎(chǔ)，對物理實體的準確分析與有效維護是建立數(shù)字孿生的前提。物理實體具有層次性，按照功能及結(jié)構(gòu)一般包括單元級（Unit）、系統(tǒng)級（System）和復(fù)雜系統(tǒng)級（System of Systems）3個層級。虛擬實體包括幾何模型、物理模型、行為模型和規(guī)則模型，這些模型能夠從多時間尺度、多空間尺度對物理實體進行描述和刻畫。孿生數(shù)據(jù)是數(shù)字孿生的驅(qū)動，包括物理實體數(shù)據(jù)、虛擬實體數(shù)據(jù)、服務(wù)數(shù)據(jù)、知識數(shù)據(jù)及融合衍生數(shù)據(jù)。連接實現(xiàn)數(shù)字孿生各組成部分的互聯(lián)互通。服務(wù)是指對數(shù)字孿生應(yīng)用過程中所需的各類數(shù)據(jù)、模型、算法、仿真、結(jié)果進行服務(wù)化封裝。
2.2 數(shù)字孿生建模
2.2.1 數(shù)字孿生與建模仿真
根據(jù)數(shù)字孿生概念模型可知，虛擬實體，也就是能夠刻畫物理實體多時間尺度、多空間尺度行為的各種模型，是實現(xiàn)數(shù)字孿生的基本要素。因此，數(shù)字孿生與常規(guī)的建模和仿真有著千絲萬縷的聯(lián)系，但二者之間又存在差異。S. Reed等[50]對比分析了數(shù)字模型和數(shù)字孿生的建模過程。常規(guī)建模和仿真過程需要模型開發(fā)者人工輸入數(shù)據(jù)并進行監(jiān)督校驗，并根據(jù)物理系統(tǒng)的運行機理建立其數(shù)字模型。數(shù)字模型的仿真通常進行1次即可獲得特定工況下的解決方案。數(shù)字模型具有靜態(tài)特性，代表模型開發(fā)時物理系統(tǒng)的行為。數(shù)字孿生建模首先利用物理裝備不同階段的歷史數(shù)據(jù)進行離線模式開發(fā)。與靜態(tài)的數(shù)字模型開發(fā)不同，數(shù)字孿生模型需要開發(fā)模型生成器。模型生成器根據(jù)物理系統(tǒng)的實時數(shù)據(jù)，產(chǎn)生能刻畫物理系統(tǒng)實時行為的數(shù)字孿生模型。此外，還需要開發(fā)模型驗證規(guī)則。每次模型生成并運行后，需要根據(jù)這些驗證規(guī)則分析仿真結(jié)果，以確保模型的合理性和正確性。因此，數(shù)字孿生模型具有動態(tài)特性，其與傳統(tǒng)仿真模型的最主要區(qū)別是通過傳感器隨時獲取物理實體的數(shù)據(jù)，并隨著實體一起演變，一起成熟甚至一起衰老[53]。從仿真角度可認為數(shù)字孿生技術(shù)屬于一種在線數(shù)字仿真技術(shù)。
數(shù)字孿生模型需具備以下功能：① 準確地再現(xiàn)物理對象的性能、行為和規(guī)則，從而形成物理對象的準確映射。② 模型自主運行以模擬物理對象的各種行為，進而指導(dǎo)物理對象的操控。③ 實現(xiàn)物理對象的遠程狀態(tài)監(jiān)測。④ 可預(yù)測潛在問題。⑤ 在產(chǎn)品制造完成前驗證產(chǎn)品性能。除物理模型外，人工智能和機器學(xué)習(xí)也可應(yīng)用于數(shù)字孿生。利用人工智能，可以分析識別數(shù)據(jù)中的模式、干擾和異?，F(xiàn)象。物理模型和分析模型之間不斷地進行數(shù)據(jù)交互，以實現(xiàn)數(shù)字孿生模型實時刻畫物理對象特性[54]。
2.2.2 數(shù)字孿生建模方法
數(shù)字孿生建模方法通常包括數(shù)據(jù)驅(qū)動的數(shù)字孿生和基于模型（仿真）的數(shù)字孿生2種。
數(shù)據(jù)驅(qū)動的數(shù)字孿生通常將物理對象看作黑箱模型，利用測量數(shù)據(jù)尋求建立物理對象的輸入輸出關(guān)系。數(shù)據(jù)驅(qū)動的數(shù)字孿生系統(tǒng)通常用于預(yù)測產(chǎn)量或檢測特定的產(chǎn)品異常。但由于該種數(shù)字孿生模型基于已測量的數(shù)據(jù)建立，所以無法預(yù)測不在這些數(shù)據(jù)涵蓋范圍以內(nèi)的反常操作。數(shù)據(jù)驅(qū)動的數(shù)字孿生不需要物理對象的任何專業(yè)知識，因此很多商業(yè)化的數(shù)字孿生軟件通常采用該方法。N. Stojanovic等[55] 利用加工過程的大量歷史數(shù)據(jù)，通過大數(shù)據(jù)分析技術(shù)建立了數(shù)據(jù)驅(qū)動的可“自感知”的數(shù)字孿生模型。A. Coraddu等[56]通過搜集貨運船只狀態(tài)數(shù)據(jù)，利用深度極端學(xué)習(xí)算法建立了數(shù)據(jù)驅(qū)動的貨運船只數(shù)字孿生模型，用以估計海洋生物附著對運輸速度的影響。Pan Yue等[57]通過集成建筑信息模型（Building Information Modeling，BIM）、物聯(lián)網(wǎng)（Internet of Things，IoT）和數(shù)據(jù)挖掘（Data Mining，DM）等技術(shù)，建立了閉環(huán)數(shù)字孿生框架。數(shù)據(jù)驅(qū)動的數(shù)字孿生建模方法具有較大的局限性，數(shù)據(jù)驅(qū)動的數(shù)字孿生模型只能應(yīng)用于模型構(gòu)建數(shù)據(jù)確定的參數(shù)空間內(nèi)，在沒有任何基于物理知識約束條件下使用數(shù)據(jù)驅(qū)動進行外推預(yù)測是非常危險的。因此，使用數(shù)據(jù)驅(qū)動的數(shù)字孿生模型不能獲得建模參數(shù)空間外的其他信息，無法像基于仿真的數(shù)字孿生模型那樣進行虛擬測試和人員培訓(xùn)[58]。由于綜采工作面面臨感知數(shù)據(jù)缺乏的難題，所以數(shù)據(jù)驅(qū)動的數(shù)字孿生建模方法不適用于綜采工作面數(shù)字孿生建模。
基于仿真的數(shù)字孿生模型也稱作機理模型。這種建模方法的基本原理是第一原理模型（First Principles Models，F(xiàn)PMs），即利用工程、物理或化學(xué)機理描述刻畫物理對象的行為過程和特征。G. S. Martínez等[59]根據(jù)第一原理模型提出了基于仿真的數(shù)字孿生模型自動生成方法。模型參數(shù)估計技術(shù)能夠使在線仿真模型與目標物理系統(tǒng)保持相同的狀態(tài)，使得目標物理系統(tǒng)中一些實時的非測量信息可從模型中獲得?；诜抡娴臄?shù)字孿生原理及其應(yīng)用如圖6所示。仿真模型與目標物理系統(tǒng)同時運行，利用參數(shù)估計技術(shù)使仿真狀態(tài)始終與目標物理系統(tǒng)保持一致，進而獲得高保真的在線仿真模型。通過高保真在線仿真模型的預(yù)測，可以獲得物理系統(tǒng)無法測量的狀態(tài)參量，也稱為虛擬測試。此外，基于仿真的數(shù)字孿生模型可進一步開發(fā)為操作工人的培訓(xùn)仿真系統(tǒng)、生成優(yōu)化系統(tǒng)、故障與失效診斷系統(tǒng)等?；谏鲜鲈颍C采工作面數(shù)字孿生建模宜采用基于仿真的方法。
3. 數(shù)字孿生對智能化綜采工作面的作用
隨著煤礦智能化研究和建設(shè)工作的深入，研究者開展了數(shù)字孿生技術(shù)在煤礦采掘中的應(yīng)用研究。葛世榮等[60]提出了數(shù)字孿生智采工作面（Digital Twin Smart Mining Workface，DTSMW）的定義，即其是一個數(shù)據(jù)可視化、人機強交互、工藝自優(yōu)化的高逼真采煤工作面三維鏡像場景，包括物理工作面、數(shù)字工作面和數(shù)據(jù)信息交互3個部分，并提出數(shù)字孿生智采工作面技術(shù)架構(gòu)、關(guān)鍵技術(shù)、系統(tǒng)構(gòu)建等，其涉及物理工作面、虛擬工作面、孿生數(shù)據(jù)、信息交互、模型驅(qū)動、邊緣計算、沉浸式體驗、云端服務(wù)、信息物理系統(tǒng)、智能終端等10項關(guān)鍵技術(shù)，實現(xiàn)煤礦智采工作面感知互聯(lián)、學(xué)習(xí)預(yù)測和協(xié)同控制。丁恩杰等[61]提出利用礦山運行機理、經(jīng)驗知識、大數(shù)據(jù)分析與數(shù)字孿生建模技術(shù)融合的礦山生產(chǎn)場景可信數(shù)字孿生模型，作為智能化礦山知識服務(wù)的核心。謝嘉成等[62]提出了一種基于數(shù)字孿生的綜采工作面生產(chǎn)系統(tǒng)設(shè)計與運行模式，實現(xiàn)了對生產(chǎn)系統(tǒng)最優(yōu)配置和裝備協(xié)同安全高效開采的目的。張旭輝等[63-64]提出了數(shù)字孿生驅(qū)動掘進裝備遠程智能控制技術(shù)構(gòu)架，通過構(gòu)建掘進工作面數(shù)字孿生體，將井下人員、設(shè)備、環(huán)境相關(guān)信息呈現(xiàn)到數(shù)字空間，虛實融合，共智互驅(qū)，達到數(shù)字掘進與物理掘進智能協(xié)同的目標，破解掘進施工中人?機?環(huán)共生安全難題。丁華等[65]提出了一種數(shù)字孿生與深度學(xué)習(xí)融合驅(qū)動的采煤機健康狀態(tài)預(yù)測方法，基于物理空間多物理參數(shù)構(gòu)建數(shù)字孿生體和深度學(xué)習(xí)的關(guān)鍵零部件壽命預(yù)測模型，實現(xiàn)了采煤機實時狀態(tài)可視化與關(guān)鍵零部件剩余壽命預(yù)測，為采煤機預(yù)測性維護提供決策性指導(dǎo)。
針對智能化綜采工作面面臨的挑戰(zhàn)問題，筆者提出了綜采工作面數(shù)字孿生系統(tǒng)架構(gòu)，如圖7所示，其包括綜采工作面物理實體和虛擬實體。綜采工作面物理實體由綜采工作面裝備及其智能控制系統(tǒng)組成；虛擬實體包括機理模型和行為模型。
圖 7 綜采工作面數(shù)字孿生系統(tǒng)架構(gòu)
Figure 7. Digital twin system architecture of fully mechanized working face
（1） 綜采裝備機理模型。根據(jù)第一原理模型構(gòu)建，包括綜采裝備作業(yè)載荷模型、綜采裝備機電液耦合模型和綜采工作面視景仿真模型。綜采裝備載荷模型是根據(jù)裝備與工作面煤巖耦合作用機理和負載變化規(guī)律建立的綜合考慮煤巖屬性、裝備作業(yè)參數(shù)的數(shù)學(xué)模型，為綜采裝備機電液耦合模型提供作業(yè)載荷數(shù)據(jù)。綜采裝備機電液耦合模型是根據(jù)綜采裝備的構(gòu)成要素，基于機械動力學(xué)、流體力學(xué)和電磁場學(xué)等建立的多領(lǐng)域模型，可根據(jù)各綜采裝備控制器的作業(yè)指令和載荷模型預(yù)測的作業(yè)載荷實現(xiàn)對綜采裝備作業(yè)過程的仿真。綜采工作面視景仿真模型可通過Unity3D，3DMax等構(gòu)建，根據(jù)綜采裝備機電液耦合模型的裝備運動參數(shù)實時顯示綜采工作面作業(yè)過程。
綜采裝備機理模型的輸出數(shù)據(jù)可分為綜采裝備物理系統(tǒng)可測數(shù)據(jù)和不可測數(shù)據(jù)?？蓽y數(shù)據(jù)是指綜采裝備傳感器能夠測量的數(shù)據(jù)；不可測數(shù)據(jù)是指綜采裝備因未安裝傳感器無法測量的數(shù)據(jù)，除直接獲得的作業(yè)載荷外，還包括裝備內(nèi)部齒輪、鉸接軸等接觸載荷，這些數(shù)據(jù)是綜采裝備行為模型進行性能劣化分析預(yù)測的基礎(chǔ)。
（2） 綜采裝備行為模型。包括孿生數(shù)據(jù)庫及應(yīng)力應(yīng)變分析、性能劣化、健康狀態(tài)、故障圖譜、模型驗證分析等模型，主要用于描述綜采工作面物理實體隨時間推進的演化行為。綜采裝備行為模型可根據(jù)物理系統(tǒng)測量數(shù)據(jù)和機理模型仿真數(shù)據(jù)驗證分析綜采工作面機理模型的可信度，進而動態(tài)調(diào)整機理模型參數(shù)，以實時獲得綜采工作面的高保真機理模型；還可根據(jù)機理模型提供的載荷數(shù)據(jù)，通過有限元分析獲得裝備應(yīng)力應(yīng)變歷程，進而實現(xiàn)裝備性能劣化、健康狀態(tài)和潛在故障源的預(yù)測。
綜采裝備行為模型的輸出數(shù)據(jù)主要包括機理模型仿真數(shù)據(jù)和行為模型分析數(shù)據(jù)。這些數(shù)據(jù)為綜采工作面智能控制系統(tǒng)提供反映物理裝備運行狀態(tài)的全息信息，解決了決策層數(shù)據(jù)信息匱乏問題。
（3） 綜采工作面虛擬實體在線與離線運行。綜采工作面虛擬實體在線運行是指其與綜采工作面物理系統(tǒng)同時運行，二者之間自動傳輸數(shù)據(jù)（圖7），構(gòu)成完整的數(shù)字孿生系統(tǒng)。利用綜采工作面虛擬實體模型全面獲取綜采工作面狀態(tài)信息，準確預(yù)測綜采裝備性能及其劣化程度，并根據(jù)裝備性能和生產(chǎn)任務(wù)可達性決策裝備作業(yè)強度參數(shù)，隔離或抑制早期故障傳播，實現(xiàn)工作面自主決策、近零停機、連續(xù)運行。
綜采工作面虛擬實體離線運行是指其只與綜采裝備控制器（系統(tǒng)）同時運行，如圖8所示。
圖 8 綜采工作面虛擬實體離線運行模式
Figure 8. Off-line run mode of virtual entities of fully mechanized working face
當(dāng)仿真系統(tǒng)只包括綜采工作面機理模型、各綜采裝備控制器和綜采工作面集控中心時，該系統(tǒng)實質(zhì)為硬件在環(huán)仿真系統(tǒng)，如圖8（a）所示。除作為被控對象的綜采機械裝備由在計算機上運行的機理模型代替外，硬件在環(huán)仿真系統(tǒng)與真實綜采工作面完全相同。由于不需要體積、質(zhì)量龐大的綜采裝備，硬件在環(huán)仿真系統(tǒng)為綜采工作面控制系統(tǒng)智能控制算法在地面開發(fā)、測試、驗證和完善提供了實驗平臺。綜采工作面硬件在環(huán)仿真系統(tǒng)在文獻[66]已有詳細闡述，本文不再贅述。硬件在環(huán)仿真系統(tǒng)中的機理模型不能動態(tài)更新，只代表特定時刻的綜采機械裝備。因此作為實驗平臺只能開發(fā)基于工藝規(guī)則的智能控制算法，無法考慮綜采裝備的性能劣化。當(dāng)仿真系統(tǒng)包括綜采工作面機理模型和行為模型，并與各綜采裝備控制器和綜采工作面集控中心集成連接時，該系統(tǒng)為計算實驗系統(tǒng)[67]或可實驗的數(shù)字孿生系統(tǒng)[68]，如圖8（b）所示。該系統(tǒng)通過綜采工作面機理模型和行為模型相互連接，使得綜采工作面隨時間推演過程中的復(fù)雜特性得以涌現(xiàn)。這些涌現(xiàn)事件和特征為綜采工作面智能控制系統(tǒng)真正的自主決策復(fù)雜算法開發(fā)、驗證、評估提供了所必須的全息數(shù)據(jù)。由于缺少真實綜采工作面物理系統(tǒng)的數(shù)據(jù)，這種涌現(xiàn)特征不是某個特定綜采工作面的真實映射。將某個特定綜采工作面的歷史數(shù)據(jù)注入到行為模型，獲得綜采工作面模型驗證算法，使得綜采工作面模型能夠隨綜采工作面歷史狀態(tài)進行自動更新，這是綜采工作面數(shù)字孿生模型的離線開發(fā)。該過程也是開發(fā)綜采工作面數(shù)字孿生系統(tǒng)的必須階段。
4. 結(jié)論
（1） 通過分析智能化綜采工作面目標任務(wù)、關(guān)鍵技術(shù)及其架構(gòu)，提出了智能化綜采工作面面臨的挑戰(zhàn)為決策層的自主決策能力不能適應(yīng)復(fù)雜多變的工況、感知與執(zhí)行層不能支撐決策層的信息需求和決策目標的可靠執(zhí)行。
（2） 通過分析數(shù)字孿生內(nèi)涵及其仿真建模方法，指出智能化綜采工作面數(shù)字孿生模型宜采用基于仿真的數(shù)字孿生建模方法。
（3） 利用基于仿真的數(shù)字孿生建模方法，提出了綜采工作面數(shù)字孿生系統(tǒng)架構(gòu)。綜采裝備機理模型是根據(jù)裝備與工作面煤巖耦合作用機理和負載變化規(guī)律建立的綜合考慮煤巖屬性、裝備作業(yè)參數(shù)的數(shù)學(xué)模型。利用該模型可以獲得綜采裝備物理系統(tǒng)的不可測數(shù)據(jù)。綜采裝備行為模型用于描述綜采工作面物理實體隨時間推進的演化行為，為綜采工作面智能控制系統(tǒng)提供反映物理裝備運行狀態(tài)的全息信息，解決了決策層數(shù)據(jù)信息匱乏的問題。
（4） 綜采裝備機理模型與其控制系統(tǒng)組合，形成綜采工作面硬件在環(huán)仿真系統(tǒng)，為基于工藝規(guī)則的智能控制算法提供測試平臺。綜采裝備機理模型、行為模型與其控制系統(tǒng)組合，形成綜采工作面計算實驗系統(tǒng)，為綜采工作面智能控制系統(tǒng)真正的自主決策復(fù)雜算法開發(fā)提供測試平臺。
1) 【編者按】煤礦采掘裝備智能化是實現(xiàn)煤炭安全高效開采的技術(shù)保障。國家發(fā)展改革委、國家能源局、應(yīng)急管理部等八部委聯(lián)合印發(fā)的《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》指出，重點突破智能快速掘進、復(fù)雜條件智能綜采等技術(shù)與裝備，對于沖擊地壓、煤與瓦斯突出等災(zāi)害嚴重的礦井優(yōu)先開展智能化采掘（剝）的機器人替代。近年來，我國煤礦智能采掘裝備在定位導(dǎo)航、智能感知、智能采掘工作面示范等關(guān)鍵技術(shù)和工程應(yīng)用方面取得了一批先進成果，為實現(xiàn)煤礦采掘工作面少人化與安全高效作業(yè)提供了支撐。為進一步交流共享科研成果，探討智能采掘裝備在數(shù)字孿生、智能運維、智能決策等技術(shù)發(fā)展方向和難題，加快推動煤礦采掘作業(yè)智能化發(fā)展，保障礦山安全高效生產(chǎn)，《工礦自動化》編輯部特邀中國工程院葛世榮院士擔(dān)任客座主編，中國礦業(yè)大學(xué)王世博教授擔(dān)任客座副主編，于2022年第7期組織出版“煤礦智能采掘裝備技術(shù)與應(yīng)用”專題。在專題刊出之際，衷心感謝各位專家學(xué)者的大力支持！
來源：工礦自動化
