煤矿快速掘锚成套装备的数字孪生系统的制作方法

1.本发明涉及煤矿的数字孪生技术领域，尤其涉及一种煤矿快速掘锚成套装备的数字孪生系统。


背景技术：

2.煤炭是重要的基础能源。受限于煤矿地质环境、开采难度、工作面环境及安全性等问题，其开采效率、采煤质量并不高。而在科技飞速发展的时代，如何实现智能、安全、绿色、高效及便捷的煤炭生产作业，如何利用大数据来进行施工作业指导和运维决策服务，从而提升采掘效率、降低运维成本，是亟待思考和解决的问题。
3.煤矿开采工作面主要分为综采工作面和综掘工作面。相比于综采工作面，综掘工作面的智能化程度较低，而目前绝大多数巷道掘进采用的是悬臂式掘进机，装备间协同控制难度较大，施工人员工作强度大，施工环境也未得到很好的改善，且受限于现有生产工艺和掘进质量规范，掘进工作面存在高粉尘和地质条件复杂等因素，使得掘进装备位姿和工况状态的感知难度极大，这些也进一步导致了煤矿开采全生命周期的数据格式不统一和数据价值较低等问题。
4.为解决上述问题和实现智能煤矿的目标，构建以三维模型可视化、实时数据采集及交互、装备运行仿真、工作面信息感知分析、实时仿真、装备性能预测与优化、关键部件健康监测及人机交互培训等功能于一体的一种综掘工作面智能快速掘锚成套装备的数字孪生系统势在必行，且高性能计算、新一代信息技术、先进传感采集、数字仿真、智能数据分析、混合现实呈现等技术与煤矿结合也是智慧煤矿的发展需求。
5.但，现有技术只是构建以掘锚一体机为对象的运动仿真监控系统和实时状态映射方法，并未从巷道以及综掘工作面等的全域信息感知方面进行考虑构建和实现，没有构建工作面装备与煤矿巷道环境之间的耦合，缺少对综掘工作面的数字化和智慧化系统搭建，无法满足智慧煤矿的发展需求。


技术实现要素：

6.(一)要解决的技术问题
7.鉴于现有技术的上述缺点、不足，本发明提供一种煤矿快速掘锚成套装备的数字孪生系统，其解决了现有数字孪生系统未从工作面全域信息感知，以及无法将掘锚一体机与工作面进行耦合的技术问题，为煤矿井下快速掘锚成套装备的设计、施工、运维、监控提供新的解决方案，提升煤矿施工智能化水平。
8.(二)技术方案
9.为了达到上述目的，本发明采用的主要技术方案包括：
10.本发明实施例提供一种煤矿快速掘锚成套装备的数字孪生系统，包括：
11.传感采集模块、巷道监控模块、巷道环境和装备数字孪生模型、虚实状态镜像模块以及数据处理模块；
12.传感采集模块，用于采集快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息，并将采集到感知信息传输至数据处理模块；
13.巷道监控模块，用于监控快速掘锚成套装备所在工作面的巷道施工作业信息，并传输至数据处理模块；
14.巷道环境和装备数字孪生模型，包括快速掘锚成套装备孪生模型和煤矿巷道环境孪生模型；巷道环境和装备数字孪生模型与数据处理模块通过接口连通，并用于根据快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息实时更新快速掘锚成套装备孪生模型和煤矿巷道环境孪生模型的状态信息；
15.虚实状态镜像模块，用于通过数据处理模块获取信息并将真实的快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息，映射到虚拟的快速掘锚成套装备孪生模型和煤矿巷道环境孪生模型上，并通过运动学仿真方法，使得虚拟快速掘锚成套装备孪生模型与真实快速掘锚成套装备之间实现虚实联动，并保证物理世界与数字世界的一致性。
16.本发明实施例提出的煤矿快速掘锚成套装备的数字孪生系统，通过建立巷道环境和装备数字孪生模型，并通过传感采集模块采集快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息，通过巷道监控模块监控快速掘锚成套装备所在工作面的巷道施工的作业信息，可实现虚拟的快速掘锚成套装备孪生模型和煤矿巷道环境孪生模型与真实的快速掘锚成套装备以及巷道环境实现虚实联动，并保证物理世界(物理层)与数字世界(孪生层)的一致性，即可实现快速掘锚成套装备与煤矿巷道工作面之间的耦合，实现综掘工作面的数字化和智慧化系统搭建。
17.可选地，快速掘锚成套装备孪生模型包括：掘锚一体机孪生模型、锚杆台车孪生模型与连续皮带机孪生模型。
18.可选地，快速掘锚成套装备所在工作面的巷道施工的作业信息，包括：装备作业情况、施工过程、施工人员作业情况和巷道施工环境情况。
19.可选地，传感采集模块包括：截割大臂振动加速度传感器与应变计、截割滚筒高度传感器、掏槽油缸位移传感器、温/湿度传感器、一氧化碳传感器和瓦斯传感器；
20.巷道监控系统包括：本安型摄像机、全景摄像机、ai智能摄像机和隔爆摄像机。
21.可选地，还包括实时仿真模块，实时仿真模块用于对掘锚一体机孪生模型的截割大臂进行性能分析，通过将有限元方法与人工智能算法相结合，采用模型降阶技术实时计算分析截割大臂的结构性能，并以三维云图的形式显示，使得指挥人员能够观察到截割大臂在真实使用过程中结构性能的动态变化，并对潜在的结构失效风险进行提示以便指挥人员能够及时发现。
22.可选地，快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息包括：装备的运行数据、性能数据和故障报警数据和地理信息数据。
23.数字孪生系统还包括全域感知信息展示模块，全域感知信息展示模块用于将快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息，以及快速掘锚成套装备所在工作面的巷道施工的作业信息以曲线、图表和/或数字表、视频的方式进行动态展示和科技感呈现。
24.可选地，数据处理模块，包括实时数据驱动模块、历史数据存储库以及历史数据驱动模块；
25.数据处理模块，用于将来自不同模块的数据进行异常判断并进行清洗、填补和/或拼接处理，并对接收的多源异构数据进行融合，以提升感知数据价值，在生成预处理的状态和环境数据后，将其存储至历史数据存储库，通过实时数据驱动模块驱动数字孪生系统执行和展示实时状态，或者，通过历史数据驱动模块驱动数字孪生系统执行和展示历史状态。
26.可选地，对接收的多源异构数据进行融合，包括：对掘锚一体机、锚杆台车与连续皮带机的can帧数据进行转译、对重要及关键数据进行挖掘。
27.可选地，还包括人机交互界面以及虚拟操控与混合现实模块；
28.人机交互界面，用于供指挥人员操作以控制和调整数字孪生模型执行和展示实时状态或历史状态时的内容和形式；
29.虚拟操控与混合现实模块，用于供施工人员通过人机交互界面进行培训或沉浸式体验采掘施工过程。
30.可选地，还包括预测与优化模块，预测与优化模块包括：煤岩预测模块、施工优化模块、健康监测模块和状态监测模块；
31.煤岩预测模块，用于根据掘锚机运行时的掏槽深度、截割高度、各电机的电流及温度等数据进行迭代分析，以预测施工的煤岩情况；
32.施工优化模块，用于对截割滚筒的断齿率进行预测，其根据截割转速和进刀量参数，并结合前面所述煤岩预测模块的预测结果，利用bp(backpropagation，按误差逆传播算法训练的多层前馈网络)神经网络建立的预测模型，预测截割滚筒的断齿率；并生成优化施工方案以指导施工人员现场施工；
33.健康监测模块，用于对刮板机的健康状态进行评估，其对转载皮带机电流、刮板机温度和电流等参数进行数据预处理，数据预处理包括：滤波和功率谱分析；并利用gbdt(梯度提升决策树)算法建立的预测模型，评估刮板链的健康状态，提前预警设备的故障，并给出相应的维保建议；
34.状态监测模块，用于根据状态和环境数据的历史数据和实时数据进行迭代分析，以辅助井上指挥人员和井下施工人员判断当前的快速掘锚成套装备和巷道环境的状态。
35.(三)有益效果
36.本发明的有益效果是：本发明的煤矿快速掘锚成套装备的数字孪生系统，通过建立巷道环境和装备数字孪生模型，并通过传感采集模块采集快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息，通过巷道监控模块监控快速掘锚成套装备所在工作面的巷道施工的作业信息，可实现虚拟的快速掘锚成套装备孪生模型和煤矿巷道环境孪生模型与真实的快速掘锚成套装备以及巷道环境实现虚实联动，并保证物理世界与数字世界的一致性，即可实现快速掘锚成套装备与煤矿巷道环境之间的耦合，实现综掘工作面的数字化和智慧化系统搭建。能为煤矿井下快速掘锚成套装备的设计、施工、运维、监控提供新的解决方案，提升煤矿智能化水平。
附图说明
37.图1为本发明优选实施例的煤矿快速掘锚成套装备数字孪生系统的总体架构示意图；
38.图2为本发明优选实施例的煤矿快速掘锚成套装备数字孪生系统的数据互联与互
动架构示意图；
39.图3为本发明优选实施例的煤矿快速掘锚成套装备数字孪生系统的网络架构示意图。
具体实施方式
40.为了更好地解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
41.本发明实施例提出的煤矿快速掘锚成套装备的数字孪生系统，克服了现有数字孪生系统未从工作面全域信息感知，及无法将掘锚一体机与工作面进行耦合的技术问题，实现了快速掘锚成套装备与煤矿巷道环境之间的耦合，实现了综掘工作面的数字化和智慧化系统搭建。
42.为了更好地理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明，而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
43.参见图1，本发明实施例的一种煤矿快速掘锚成套装备的数字孪生系统，包括：
44.传感采集模块、巷道监控模块、巷道环境和装备数字孪生模型、虚实状态镜像模块以及数据处理模块；
45.传感采集模块，用于采集快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息，并将采集到的快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息传输至数据处理模块；
46.巷道监控模块，用于监控快速掘锚成套装备所在工作面的巷道施工的作业信息，并传输至数据处理模块；
47.巷道环境和装备数字孪生模型，包括快速掘锚成套装备孪生模型和煤矿巷道环境孪生模型；巷道环境和装备数字孪生模型与数据处理模块通过接口连通，并用于根据快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息实时更新快速掘锚成套装备孪生模型和煤矿巷道环境孪生模型的状态信息；
48.虚实状态镜像模块，用于通过数据处理模块获取信息并将真实的快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息，映射到虚拟的快速掘锚成套装备孪生模型和煤矿巷道环境孪生模型上，并通过运动学仿真方法，使得虚拟的快速掘锚成套装备孪生模型和煤矿巷道环境孪生模型与真实的快速掘锚成套装备以及巷道环境实现虚实联动，并保证物理世界与数字世界的一致性；
49.数据处理模块，用于将传感采集模块采集的数据进行存储和处理。
50.上述结构中，通过建立巷道环境和装备数字孪生模型，并通过传感采集模块采集快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息，通过巷道监控模块监控快速掘锚成套装备所在工作面的巷道施工的作业信息，可实现虚拟的快速掘锚成套装备孪生模型和煤矿巷道环境孪生模型与真实的快速掘锚成套装备以及巷道环境实现虚实联动，并保证物理世界与数字世界的一致性，即可实现快速掘锚成套装备与煤矿巷道环境之间的耦合，实现综掘工作面的数字化和智慧化系统搭建。
51.本优选实施例，采用物联网技术、多源信息融合技术、实时物理引擎技术、边缘计算、新一代通信技术等，为解决实际需求开发了多种应用模块，包括传感采集模块、巷道监控模块、巷道环境和装备数字孪生模型、虚实状态镜像模块、数据处理模块、网络传输系统、全域感知信息展示模块、实时仿真模块、人机交互界面、预测与优化模块、虚拟操控与混合现实模块及移动端手机app等，这些所含物理实体和功能模块在物理架构上呈物理层、数据层、孪生层和交互层的四层分层式架构，各层级间具备物理隔离防护，并采用标准化网络通讯协议进行通信。
52.巷道环境和装备数字孪生模型是快速掘锚成套装备和巷道环境(包含工作面)实体的映射，是其虚拟的三维模型。快速掘锚成套装备实体包括：掘锚一体机、锚杆台车与连续皮带机，可实现“探-掘-锚-支-运”工序的智能化施工。为煤矿安全施工考虑，所述快速掘锚成套装备配置了辅助操作人员。快速掘锚成套装备和巷道环境实体属架构物理层。从而，实施时，参见图3和图1，快速掘锚成套装备孪生模型包括：掘锚一体机孪生模型、锚杆台车孪生模型与连续皮带机孪生模型。
53.实施时，巷道环境和装备数字孪生模型，首先，是根据综掘工作面的地质条件、施工工艺等要求，以及物理实体的结构、几何、材料及状态等参数，利用creo等三维建模引擎来建立物理实体的三维模型；然后，将其导入三维渲染引擎进行模型轻量化处理、模型树重构、装配关系重定义、部件局部坐标系调整等，并赋予模型表面材质、贴图、纹理等进行渲染刻画；最后，导入至三维实时物理引擎中，依托三维实时物理引擎技术构建可视化数字孪生模型。巷道环境和装备数字孪生模型属孪生层。
54.巷道环境和装备数字孪生模型与快速掘锚成套装备和巷道环境实体之间通过虚实状态镜像映射模块实现虚实联动。虚实状态镜像映射模块是在实现数据互联与交互、建立孪生模型的基础上，通过运动学仿真技术，进一步实现井下物理实体模型与虚拟数字孪生模型之间的虚实联动功能，并且保证物理世界与数字世界的一致性。虚实状态镜像映射模块属孪生层。
55.实施时，传感采集模块包括：截割大臂振动加速度传感器与应变计(振动加速度传感器与应变计分别布置在截割大臂上，采集截割大臂上的振动加速度和应变大小，用于作为全域感知信息展示模块和实时仿真模块的数据输入)、截割滚筒高度传感器(安装在截割滚筒中心处，采集截割滚筒的高度数据，用于作为换算截割大臂的旋转角度来驱动大臂转动，以及用于统计最大截割高度数据)、掏槽油缸位移传感器(内置在掏槽油缸内部，用于采集油缸的位移数据，来驱动滑移架运动)、温/湿度传感器(安装在车体电气平台右侧，且要暴露在外侧，采集巷道的温度和湿度数据，用于统计巷道的环境状况)、一氧化碳传感器(安装在车体电气平台右侧，且要暴露在外侧，采集巷道的一氧化碳数据，用于判断巷道的安全状况)和瓦斯传感器(安装在车体电气平台右侧，且要暴露在外侧，采集巷道的瓦斯数据，用于判断巷道的安全状况)。传感采集模块用于感知装备和环境状态，还可以包括能够采集这些传感器所感知到的数据的仪器。传感采集模块通过网络传输系统将采集到的感知信息传输至地面的数据处理模块(或数据处理/存储服务器)。传感采集模块属架构数据层。
56.快速掘锚成套装备的运行数据包括：截割滚筒转速、截割高度、护盾主体俯仰角、后段刮板机摆角、掏槽深度、稳定器位移、左右装载机转速、左右副铲板转角和运输皮带速度等。
57.实施时，巷道监控系统包括：本安型摄像机(安装在装备电气平台侧，用于监视锚杆机、截割滚筒作业情况)、全景摄像机(安装在装备有较高点的位置，用于观看作业全景)和ai智能摄像机(安装在装备后方两侧，识别后方过道的作业情况、人员情况等，具有安全报警功能)。这些摄像机均优选使用矿用网络摄像仪，并配置电源等辅助部分，用于监控巷道施工装备的作业信息，包括：作业情况、施工过程、施工人员作业情况、巷道施工环境情况等，为综掘工作面的施工安全预警提供基础保障。作业信息的数据形式包括监控视频数据。巷道监控系统将抓取的井下作业画面信息通过网络传输系统传输到地面孪生系统终端的数据处理模块(或数据处理/存储服务器)。巷道监控系统仅包含了快速掘锚成套装备所在工作面的巷道监控信息，不是煤矿井下的全部矿区监控信息。巷道监控系统在地面部署了录像存储服务器，便于视频资料的保存及审阅。地面孪生系统终端具有对剩余硬盘空间显示和容量不足警示功能。地面孪生系统终端具有对录像资料的检索、管理和回放等功能。巷道监控系统属架构数据层。
58.实施时，参见图3，网络传输系统主要分为无线传输系统和有线传输系统。其中，无线传输系统主要由井下各终端局域网、井下5g基站、井下工业环网、各类交换机、光纤及井上5g基站等组成，有线传输系统主要由井下各终端局域网、井下工业环网、各类交换机、光纤等组成。所述网络传输系统属架构数据层。
59.实施时，参见图1，数据处理模块包含数据接收接口、数据处理中心、数据存储单元、数据分发接口，用来实现数据的接收、处理、存储及分发功能，也包括用来接收井下边缘计算的数据，最终实现数字孪生模型与物理层实体模型的同步状态更新。
60.数据处理模块对数字孪生系统有着至关重要的作用。实施时，数据处理模块，可包括实时数据驱动模块、历史数据存储库以及历史数据驱动模块。数据处理模块，用于将来自不同模块的数据进行异常判断并进行清洗、填补和/或拼接处理，并对接收的多源异构数据进行融合，以提升感知数据价值，并生成预处理后的状态和环境数据并存储至历史数据存储库，通过实时数据驱动模块驱动数字孪生系统执行和展示实时状态，或者，通过历史数据驱动模块驱动数字孪生系统执行和展示历史状态。数据存储单元可存储接收的实时数据(历史数据)、工作面施工日志、装备维保日志等数据。为了达到数字孪生系统对过往数据可追溯的要求，对实时数据的存储非常重要。历史数据驱动模块是在虚拟空间中通过历史数据驱动数字孪生系统，查看装备的历史施工过程及其他情况。数据处理模块属数据层。
61.其中，对接收的多源异构数据进行融合，包括：对掘锚一体机、锚杆台车与连续皮带机的can帧数据进行转译、对重要及关键数据进行挖掘，提升感知数据价值。
62.实施时，实时仿真模块用于对掘锚一体机孪生模型的截割大臂进行性能分析，通过将有限元方法与人工智能算法相结合，采用模型降阶技术实时计算分析截割大臂的结构性能，并以三维云图的形式显示使得指挥人员能够观察到截割大臂在真实使用过程中结构性能的动态变化，并对潜在的结构失效风险进行提示以便指挥人员能够发现。实时仿真模块在体现装备外在运行特征的同时，也揭示了内在的安全隐患。实时仿真模块属孪生层。
63.实施时，快速掘锚成套装备的状态信息和运行数据和巷道环境的状态信息包括：装备的运行数据、性能数据和故障报警数据和地理信息数据。实施时，全域感知信息展示模块用于将快速掘锚成套装备的状态信息和运行数据和巷道环境的状态信息，以及快速掘锚成套装备所在工作面的巷道施工的作业信息以曲线、图表和/或数字表的方式进行动态展
示和科技感呈现。全域感知信息展示模块属孪生层。
64.实施时，人机交互界面，用于供指挥人员操作以控制和调整数字孪生模型执行和展示实时状态或历史状态时的内容和形式。
65.实施时，虚拟操控与混合现实模块，用于供施工人员通过人机交互界面进行培训或沉浸式体验采掘施工过程。其中，虚拟操控是通过数字孪生系统与无线遥控器之间交互来控制数字孪生模型的仿真运行，混合现实是通过人员穿戴mr眼镜和数据手套来提供沉浸式的施工体验和可以查看关键部件的详细组成等。虚拟操控与混合现实模块属交互层。
66.实施时，预测与优化模块包括：煤岩预测模块、施工优化模块、健康监测模块和状态监测模块；煤岩预测模块，是根据掘锚机运行时的掏槽深度、截割高度、各电机的电流及温度等数据进行迭代分析，以施工当前的煤岩情况；施工优化模块，用于对截割滚筒的断齿率进行预测，其根据截割转速、进刀量等参数，并结合前面所述煤岩预测模块的预测结果，利用bp神经网络建立的预测模型，预测截割滚筒的断齿率，并生成优化施工方案以指导施工人员现场施工；健康监测模块，用于对对刮板机的健康状态进行评估，其对转载皮带机电流、刮板机温度和电流等参数进行滤波、功率谱分析等数据预处理，利用gbdt算法建立的预测模型，评估刮板链的健康状态，提前预警设备的故障，并给出相应的维保建议；状态监测模块，用于根据状态和环境数据的历史数据和实时数据进行迭代分析，以辅助井上指挥人员和井下施工人员判断当前的快速掘锚成套装备和巷道环境的状态。预测与优化模块属孪生层。
67.实施时，移动端手机app用于在移动端可以查看装备的运行和施工状态，主要包括工作面施工装备的装备信息、虚实状态镜像、监控视频信息、故障预警信息和感知数据、巷道(含工作面)的关键信息等。移动端手机app属交互层。
68.上述数字孪生系统的构建过程如下：
69.首先是采集巷道中装备及环境的感知信息，及对于需要边缘计算处理的数据进行采集处理；然后通过搭建的网络传输系统将巷道中的信息传输至地面的煤矿数字化指挥中心(数据处理模块或者数据处理中心)，再由数字孪生系统接收这些数据信息，孪生系统自主完成虚实状态镜像映射、预测与优化任务，以利用大数据算法、机器学习算法建立的模型进行训练学习和迭代优化，最终指导煤矿施工作业、提供运维决策服务参考建议。数字孪生系统可以部署在移动端，为煤矿智能施工提供便捷性。因数字孪生系统内置了逼真的煤矿场景，所以也可以进行人员的沉浸式操作培训及施工体验。如图1所示，图中用实线箭头表示从物理层到交互层的数据上行，用虚线箭头表示从交互层到物理层的数据下行，双向箭头表示可控制指令或者可相互交互。
70.数据层是物理层与孪生层之间的“桥梁”，数据层的结构如图2所示，主要包括数据采集层、数据传输层、数据处理与存储层等子分层。其具体实现步骤如下：
71.步骤1：数据采集层是对快速掘锚成套装备、巷道环境实体等物理实体的信息进行感知采集。数据采集层需要传感设备(如角度传感器、压力传感器、高度传感器、位移传感器、三轴及单轴振动传感器、三轴及单轴应变计、温湿度传感器、一氧化碳传感器、瓦斯传感器等用于感知装备和环境状态的本安型传感器等)、数据采集器、装备下位机控制器、监控设备(本安型摄像机、全景摄像机、ai智能摄像机等矿用网络摄像仪)等硬件进行信息采集，还需要边缘计算服务器对井下的繁重信息数据进行边缘处理，以提高数字孪生系统的实时
性能。数据采集层需采集的信息包括装备运行数据(如截割滚筒转速、截割高度、护盾主体俯仰角、后段刮板机摆角、掏槽深度、稳定器位移、左右装载机转速、左右副铲板转角、运输皮带速度等)、装备性能参数(如截割电机电流、油泵电机电流、左右刮板机电流、左右装载电机电流、各电机温度、各电机功率、截割大臂推进和举升压力、液压油位、液压油温、截割齿轮油温、刮板张紧力等)、故障报警数据(如截割电机温度、油泵电机温度、左右刮板电机温度、左右装载电机温度、油温、油位、接地[127v]、接地[220v]等)、巷道环境数据(如温度、湿度、一氧化碳浓度、瓦斯浓度等)、监控系统视频数据(如工作面监控数据、装备关键位置监控数据、巷道关键位置监控数据等)。所采集的数据主要包括但不限于上述数据。
[0072]
步骤2：数据传输层是采用无线或者有线网络传输技术将数据采集层所采集的多源异构数据传输至数据处理与存储层。数据传输层建立高效、稳定、统一的数据传输体系，并且构建规范的、标准化的数据共享交互协议，其网络架构示意如图3所示。在采集的数据中，存在着高、低频采样数据。其中，如俯仰角度、侧摆角度、油缸位移等数据，这类传感器的采样频率相对较低；而如振动传感器、应力传感器等数据等，这类传感器的采样频率相对较高。因此，对于采样频率较低的数据，采用http post请求的形式进行获取；对于采样频率较高的数据，采用sockettcp进行获取。另外，装备的工作状态、故障报警等数据通过can总线方式实时获取，之后通过交换机将can转成tcp。接着，将采集的感知信息、装备运行信息、监控视频信息及边缘处理信息接入工业环网，最后通过光纤传输至数据处理与存储层。同时，为了便于在移动端使用数字孪生系统，采用5g通信技术进行无线传输。
[0073]
步骤3：数据处理与存储层是将接收到的数据进行处理、存储及分发，需要相应的服务器支撑。数据处理与存储层主要组成部件是数据处理模块。数据处理模块包含数据接收接口(接收步骤2传输的信息)、数据处理中心、数据存储单元(存储处理后的实时数据)、数据分发接口(将处理后的实时数据和历史数据分发给孪生层相应模块)，用来实现数据的接收、处理、存储及分发功能，也包括用来接收井下边缘计算的数据。其中，数据处理中心对孪生系统有着至关重要的作用，将不同的数据进行异常判断清洗、填补、拼接，并对接收的多源异构数据进行融合，包括对can帧数据进行转译，也包括对重要及关键数据进行挖掘，提升感知数据价值；数据存储单元可存储接收的实时数据、工作面施工日志、装备维保日志等数据，便于对历史信息资料的检索、管理和回放等功能；数据分发接口包括实时数据分发和历史数据离线分发，数据分发是利用数据驱动模块与系统其他功能模块之间建立的通讯协议，通过数据分发接口将相应数据发送至其他功能模块，实现在虚拟空间中以数据驱动数字孪生系统，查看装备的施工过程，为实现过往数据可追溯、现实可监控、未来可预测建立基础。
[0074]
孪生层需由数据层发送的数据进行驱动，主要由数字孪生模型构建和各功能模块组成，需要相应的服务器支撑。其中，巷道环境和装备数字孪生模型主要指的是巷道环境(包含工作面)、掘锚一体机、锚杆台车、连续皮带机等物理实体对应的数字孪生模型。其具体构建步骤如下：
[0075]
步骤1：根据综掘工作面的地质条件、施工工艺等要求，以及物理实体的结构、几何、材料及状态等参数；
[0076]
步骤2：利用creo等三维建模引擎来建立物理实体的三维模型；
[0077]
步骤3：将其导入三维渲染引擎进行模型轻量化处理、模型树重构、装配关系重定
义、部件局部坐标系调整等，并赋予模型表面材质、贴图、纹理等进行渲染刻画；
[0078]
步骤4：导入至三维实时物理引擎中，依托三维实时物理引擎技术构建可视化数字孪生模型；
[0079]
步骤5：根据物理模型的实际运动特征，采用c#语言编写数字孪生模型中部件运动关系绑定，及编写数字孪生模型的数据接口程序进行数据信息传递。
[0080]
孪生层中的主要组成部件为，巷道环境和装备数字孪生模型、虚实状态镜像模块、全域感知信息展示模块、实时仿真模块和预测与优化模块。其中，预测与优化模块中的煤岩预测模块，用于预测井下巷道的煤岩类型，其根据掘锚机运行时的掏槽深度、截割高度、各电机的电流及温度等数据，利用随机森林算法建立的煤岩预测模型，对当前的煤岩情况进行预测。
[0081]
详细地，在煤岩预测结果基础上，预测与优化模块中的施工优化模块，用于对截割滚筒的断齿率进行预测，其根据截割转速、进刀量等参数，并结合前面煤岩预测的结果，利用bp神经网络建立的预测模型，预测截割滚筒的断齿率，并给出相应的施工指导建议，将此施工指导建议保存并发送给井下操作人员。在实际应用中发现，掘锚机的断齿情况对掘煤效率和运维有较大的影响，所以对断齿率的预测具有重要的工程应用意义。
[0082]
详细地，为了保障出煤效率，预测与优化模块中的健康监测模块，用于对对刮板机的健康状态进行评估，其对转载皮带机电流、刮板机温度和电流等参数进行滤波、功率谱分析等数据预处理，利用gbdt算法建立的预测模型，评估刮板链的健康状态，并给出相应的维保建议，将此维保建议保存并发送给井下施工人员，辅助现场施工人员判断当前状态，在一定程度上避免设备出现严重故障造成重大损失，发挥提前维护的作用。
[0083]
进一步地，交互层用于人机交互，也是终端层，主要由人机交互界面、虚拟操控、混合现实及移动端手机app等组成。
[0084]
综上可知，一种煤矿快速掘锚成套装备的数字孪生系统，构建了工作面装备与煤矿巷道环境之间的耦合，考虑了移动端使用。具体包含巷道信息智能感知、实时数据互联与交互、三维模型可视化、虚拟模型运动仿真、实时仿真、性能预测与优化、健康监测等功能模块，来实现综掘工作面状态监测、实时监控、施工指导和运维决策，同时，还可通过虚拟操控、混合现实来实现人员培训和沉浸式体验，也可通过手机移动端实现移动端的监控和使用。总之，本发明能为煤矿井下快速掘锚成套装备的设计、施工、运维、监控提供新的解决方案，实现了对综掘工作面的数字化和智慧化系统搭建，提升了煤矿智能化水平。
[0085]
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0086]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连；可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0087]
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”，可以
是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”，可以是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”，可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度低于第二特征。
[0088]
在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0089]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行改动、修改、替换和变型。

技术特征：
1.一种煤矿快速掘锚成套装备的数字孪生系统，其特征在于，包括：传感采集模块、巷道监控模块、巷道环境和装备数字孪生模型、虚实状态镜像模块以及数据处理模块；所述传感采集模块，用于采集快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息，并将采集到的快速掘锚成套装备的状态信息和运行数据和巷道环境的状态信息传输至数据处理模块；所述巷道监控模块，用于监控快速掘锚成套装备所在工作面的巷道施工的作业信息，并传输至数据处理模块；所述巷道环境和装备数字孪生模型，包括快速掘锚成套装备孪生模型和煤矿巷道环境孪生模型；所述巷道环境和装备数字孪生模型与所述数据处理模块连通，并用于根据所述快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息实时更新快速掘锚成套装备孪生模型和煤矿巷道环境孪生模型的状态信息；所述虚实状态镜像模块，用于通过数据处理模块获取信息并将真实的所述快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息映射到所述虚拟快速掘锚成套装备孪生模型和煤矿巷道环境孪生模型上，并通过运动学仿真方法，使得虚拟快速掘锚成套装备孪生模型和煤矿巷道环境孪生模型与真实快速掘锚成套装备以及巷道环境实现虚实联动，并保证物理世界与数字世界的一致性。2.如权利要求1所述的煤矿快速掘锚成套装备的数字孪生系统，其特征在于：所述快速掘锚成套装备孪生模型包括：掘锚一体机孪生模型、锚杆台车孪生模型与连续皮带机孪生模型。3.如权利要求1所述的煤矿快速掘锚成套装备的数字孪生系统，其特征在于：所述快速掘锚成套装备所在工作面的巷道施工的作业信息，包括：作业情况、施工过程、施工人员作业情况和巷道施工环境情况。4.如权利要求2所述的煤矿快速掘锚成套装备的数字孪生系统，其特征在于：所述传感采集模块包括：截割大臂振动加速度传感器与应变计、截割滚筒高度传感器、掏槽油缸位移传感器、温/湿度传感器、一氧化碳传感器和瓦斯传感器；所述巷道监控系统包括：本安型摄像机、全景摄像机、ai智能摄像机和隔爆摄像机。5.如权利要求4所述的煤矿快速掘锚成套装备的数字孪生系统，其特征在于：还包括实时仿真模块，所述实时仿真模块用于对掘锚一体机孪生模型的截割大臂进行性能分析，通过将有限元方法与人工智能算法相结合，采用模型降阶技术实时计算分析所述截割大臂的结构性能，并以三维云图的形式显示，使得指挥人员能够观察到截割大臂在真实使用过程中结构性能的动态变化，并对潜在的结构失效风险进行提示，以便指挥人员能够及时发现。6.如权利要求1所述的煤矿快速掘锚成套装备的数字孪生系统，其特征在于：所述快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息包括：装备的运行数据、性能数据和故障报警数据和地理信息数据。所述数字孪生系统还包括全域感知信息展示模块，所述全域感知信息展示模块用于将快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息，以及快速掘锚成套装备所在工作面的巷道施工的作业信息以曲线、图表和/或数字表、视频的方式进行同步动态展示和科技感呈现。
7.如权利要求5所述的煤矿快速掘锚成套装备的数字孪生系统，其特征在于：所述数据处理模块，包括实时数据驱动模块、历史数据存储库以及历史数据驱动模块；所述数据处理模块，用于将来自不同模块的数据进行异常判断并进行清洗、填补和/或拼接处理，并对接收的多源异构数据进行融合以提升感知数据价值，在生成预处理的状态和环境数据后，将其存储至历史数据存储库，通过实时数据驱动模块驱动数字孪生系统执行和展示实时状态，或者，通过历史数据驱动模块驱动数字孪生系统执行和展示历史状态。8.如权利要求7所述的煤矿快速掘锚成套装备的数字孪生系统，其特征在于：所述对接收的多源异构数据进行融合，包括：对掘锚一体机、锚杆台车与连续皮带机的can帧数据进行转译、对重要及关键数据进行挖掘。9.如权利要求7所述的煤矿快速掘锚成套装备的数字孪生系统，其特征在于：还包括人机交互界面以及虚拟操控与混合现实模块；所述人机交互界面，用于供指挥人员操作以控制和调整所述数字孪生模型执行和展示实时状态或历史状态时的内容和形式；所述虚拟操控与混合现实模块，用于供施工人员通过人机交互界面进行培训或沉浸式体验采掘施工过程。10.如权利要求7所述的煤矿快速掘锚成套装备的数字孪生系统，其特征在于：还包括预测与优化模块，所述预测与优化模块包括：煤岩预测模块、施工优化模块、健康监测模块和状态监测模块；所述煤岩预测模块，用于根据掘锚机运行时的掏槽深度、截割高度、各电机的电流及温度数据进行迭代分析，以预测施工的煤岩情况；所述施工优化模块，用于对截割滚筒的断齿率进行预测，其根据截割转速和进刀量参数，并结合所述煤岩预测模块的预测结果，利用bp神经网络建立的预测模型，预测截割滚筒的断齿率；并生成优化施工方案以指导施工人员现场施工；所述健康监测模块，用于对刮板机的健康状态进行评估，其对转载皮带机电流、刮板机温度和电流参数进行数据预处理，所述数据预处理包括：滤波和功率谱分析；并利用gbdt算法建立的预测模型，评估刮板链的健康状态，提前预警设备的故障，并给出相应的维保建议；所述状态监测模块，用于根据状态和环境数据的实时数据进行分析，以辅助井上指挥人员和井下施工人员判断当前的快速掘锚成套装备和巷道环境的状态。

技术总结
本发明涉及一种煤矿快速掘锚成套装备的数字孪生系统，包括：传感采集模块、巷道监控模块、巷道环境和装备数字孪生模型、虚实状态镜像模块以及数据处理模块；传感采集模块用于采集快速掘锚成套装备的状态信息、运行数据和巷道环境的状态信息；巷道监控模块用于监控快速掘锚成套装备所在工作面的巷道施工信息；巷道环境和装备数字孪生模型，包括快速掘锚成套装备孪生模型和煤矿巷道环境孪生模型；虚实状态镜像模块，是通过运动学仿真方法，使得虚拟快速掘锚成套装备孪生模型与真实快速掘锚成套装备实现虚实联动，并保证物理世界与数字世界的一致性。本发明能提升煤矿施工智能化水平。本发明能提升煤矿施工智能化水平。本发明能提升煤矿施工智能化水平。


技术研发人员：肖正航 李新泉 王永胜 胡冕 龚敏 吴鑫 吴士兰
受保护的技术使用者：中国铁建重工集团股份有限公司
技术研发日：2023.07.05
技术公布日：2023/10/15