井下液压支柱支护系统设计

汪泽洲 唐 翔 杨 轩 田传耕

（1.安徽理工大学电气学院，安徽 淮南 232000；2.徐州工程学院信电学院，江苏 徐州 221000）

0　引言

目前，山东科技大学研制的煤炭顶板液压支架压力监测系统进行了这方面的研究。基于液压支架监测系统，实现了井上计算机实时监测功能。但液压支架监测系统采取的是有线的监测方式，有线网络压力检测方式存在检测点少且随开采工作面的推进、移架、升降架等操作导致系统布线复杂、系统布线易被扯断等缺陷。而液压支柱仅仅实现了现场监测方式，未构成液压支柱的动态监测体系，基于无线液压支柱监测系统技术还未成熟。为此，文中利用模型预测来预测井下支护的可靠性和使用寿命，以此判断井下支护是否安全。

在实现井下支护状态连续监测基础上，有效地利用监测状态信息，分析和预测井下工作面顶板状态的显现规律，实现工作面顶板灾害的前兆预警，将工作面顶板的安全控制与灾害防治提升到新的层次。

1　井下液压支柱支护系统的网络结构

本文所述的井下液压支柱安全监测系统框图，如图1所示。井上部分主要由服务器、交换机、地面工控机和配套软件系统构成；井下部分由压力无线监测节点、路由节点、网关(Sink)节点组成，井下部分是一个典型的无线传感器网络。

2.1　井下监测节点设计思路

无线监测节点主要包括压力无线监测节点、路由节点、网关(Sink)节点。其中无线检测节点是系统采集前端，直接决定采集数据是否准确性，以及采集的数据是否稳定。该节点组成部分有新型压力传感器，本安电池，CC2530通信芯片等。

图1　井下支护安全监测系统框图

（1）压力传感器采用新型定制压力传感器，最大承压达到80MPa。该传感器前端是承压弹片，后端为调理电路。测量时压力计前端贴片微弱形变产生微小的电信号，信号通过放大电路，通过单片机处理测量。

（2）无线通信芯片采用 CC2530芯片，CC2530芯片是由 TI公司制造的，芯片支持ZigBee数据传输，通过使用Z-STACK协议栈进行数据传输，具有高效性和安全性。

（3）压力检测时，对应每一个液压支柱，有一个此压力传感器，可以根据用户的需要，在注液结束以后，使用设计的新型取样口，从液压支柱的注入管中安装一个压力传感器，传感器中有一个顶针可以有效地顶开三用阀中的顶针，使液压支柱里的液体可以流入到腔内，可以有效地测量出压力，并显示在数字显示屏上。根据用户需要，可以将数字通过无线的方式传送给发成的计算机，得到实时数据。

图2　三用阀接口（取压接头）结构剖面图

2　井下液压支柱支护系统安全预警体系

2.1　模型体系

多模型建模分为数据集的收集、建立子集和模型输出数据。基于井下液压支柱的分布，设计了预警框架，如图 3所示。

图3　井下模型构架

综合液压支柱压力、压力计的压力传感器和上位机收集的数据，分别得到是U1、U2和 U3,形成 3个子模型：液压支柱子模型、压力计子模型和顶板层子模型[1]。

预测过程如下：首先利用聚合经验模态分解方法（EEMD）[2]对井下岩石监测数据进行模态分解然后，针对各子模型自身特点，模拟预测的值使用向量机（SVM），并用单整自回归移动平均模型（ARIMA）预测，对子模型所得的数值重新构成模型预测值：S1，S2，S3。最终通过传感器的数值将三个传感器的数值进行归一化信息融合处理，研究液压支柱动态规律，分析预测数值结果，为液压支柱安全监控系统提供数据。

2.2　信号的EEMD分解

通过公式Cij作为非线性信号，rn(t)作为为线性信号作为干扰。

2.3　SVM多模型输出

预警模型中SVM法一般不能直接用监测数据来作为预测样本，通过累加各子模型预测结果得到的预测值。

同理得到 U2和U3。

2.4　预测模型ARIMA

式中：d为差分阶数，p为自回归阶数，q为移动平均阶数，和为模型待定数。经过d阶差分处理后，yi转化为平稳、正态、0均值的平稳序列 yi。

2.5　实时监测结果

为了得到液压支柱的压力数值，从上位机设计了一个统计界面，可以实时得到各个压力计的数值，并可以排序。经过实地测量，可以得到实时数据柱形图。如图4所示。并可以查阅历史数据，如图5所示

图4　液压支柱压力数值

图5　液压支柱压力数据查询

3　结论

本研究通过监测实现顶板安全预警，井下液压支柱顶板状态通过综采工作面支柱收集实时压力信息，巷道围岩状态监测通过离层仪和超前压力传感器实现对顶板状态的监测。各传感器将监测到的各种数据，通过多模型软件预测矿山压力分布的情况，提高预警能力。

【参考文献】

［1］孙建平,苑一方.复杂过程的多模型建模方法研究[J].仪器仪表学报,2011,32(1)：132-137.

［2］Helske J,Luukko P.Ensemble Empirical Mode Decomposition(EEMD)and Its Complete Variant (CEEMDAN)[J].International Journal of Public Health,2015,60(5)：1-9.

［3］王明阳,周一宇,姜文利,等.固有模态函数(IMF)积检测器——以低信噪比情况下超宽带雷达信号检测为例[J].宇航学 报 ,2006,27(s1)：75-78.

［4］邵华平,覃征,游诚曦.SVM算法及其应用研究[J].兰州交通大学学报,2006,25(1)：104-106.

［5］张晓光,景晓军,陈志国等.基于 Zigbee的低功耗无线顶板压力监测系统[J].煤矿安全,2013,44(5)：130-133.

［6］陈斯,赵同彬,高建东,等.基于 ZigBee的综采工作面顶板压力无线检测系统[J].煤矿开采,2011,16(20)：107-109.

［7］孙继平.煤矿物联网特点与关键技术研究[J].煤炭学报,2011,36(1)：167-171.

［8］李凡甲,徐钊,田传耕,等.基于 WSN的煤矿井下人员定位系统防碰撞算法的研究[J].工矿自动化,2009,1(1)：7-12.