采煤机井下作业中高精度传感器技术的应用分析

王燕飞

（山西焦煤华晋焦煤调度指挥中心，山西 吕梁 033000）

作为煤矿中最重要的开采设备之一，采煤机在井下作业中具有至关重要的作用[1]。然而，由于采煤机作业环境的复杂性和特殊性，以往的传感器技术难以满足采煤机对位置和状态的高精度要求[2]。随着传感器技术不断发展和创新，高精度传感器技术在许多领域中得以广泛应用，例如医疗器械、工业军事和航空航天等，并取得了瞩目成绩[3]。高精度传感器技术有多种类型，包括位移传感器、加速度传感器和压力传感器等。现有的采煤机位置检测技术多为单传感器检测，如利用红外线传感器或超声波传感器计算采煤机位置。长时间在复杂的井下作业环境中使用后，检测精度会随下降。因此本文结合高精度无线传感器网络（Wireless Sensor Network，WSN），改进了采煤机中的刮板运输机结构，提出了一种新型采煤机定位感知模型，并分析了该模型的实际检测性能。通过该高精度无线传感器技术，可以准确测量采煤机位置，为后续采煤工作保驾护航。

1 采煤机高精度定位感知模型搭建

1.1 采煤机位置检测方法

作为一种专用于煤矿开采的机械设备，采煤机具有高效、安全和节能的特点。传统煤矿开采主要依靠人工开采或使用简单的机械工具。这种方式效率低下、劳动强度大且存在安全隐患。随着工业化和智能化的推进和对能源需求的不断增长，保证煤矿开采效率并提高安全性十分重要。现有的采煤机定位检测方法主要分为有限位置检测法和红外无线位置检测法，其中有限位置检测法如图1所示。通常将齿轮传感器放置于采煤机的刮板运输机牵引旋转轴上，并内接磁性开关。通过计算采煤机运输机齿轮旋转一周所需位移量来确定当前采煤机的位置。以第一个液压支架为起始点，采煤机位移距离和支架数量之间的关系如公式（1）所示。

图1 采煤机有限位置检测法示意图

式中：Nw表示支架数量；c表示当前齿传感器的数值；C表示传感器旋转一周的计数值；lc表示齿轮旋转一周采煤机位移的距离；bz表示相邻液压支架之间的距离；k表示液压支架中心距调节系数。

红外无线传感器检测法则是在有限位置检测法的基础上，将齿轮传感器替换为红外传感器，并在每个支架上添加一块接收器。由红外发射器发射特定的红外线信号，接收器进行信号监测接收，从而达到实时监测采煤机位置的目的。位移计算如公式（2）所示。

式中：Nwl表示液压支架的平均数；Dwl表示采煤机位移距离。

在红外线信号中，接收的支架数量存在多个数值，因此需要通过取平均值来确定当前采煤机的位置。

在有限位置检测中，由于常年机械磨损和物理碰撞等因素，相邻两处支架的距离会发生变化，因此会导致最终的定位检测结果存在一定误差。在红外无线检测中，地下信号接收环境影响存在一定偏差，如果该偏差大于融合阈值，则检测结果同样存在误差。综上所述，无论有线还是无线的采煤机位置定位方法，都会因某些物理或环境因素而受干扰。

1.2 基于高精度无线传感器网络的采煤机定位感知模型构建

无线传感器（Wireless Sensor）是一种对无线通信技术的应用，用于感知和收集环境中的各种数据[4]。无线传感器网络是由大量分布式的无线传感器节点组成的网络系统[5]。每个传感器节点都具有感知、处理、通信和能量供应等功能。为了进一步提高位置检测精度，本文提出了一种利用无线传感器网络的采煤机位置定位模型，如图2所示。

图2 利用无线传感器的采煤机感知模型场景图

根据图2 可知，整个采煤机的刮板运输机分为工作方向和工作面切割方向，运输机的动力系统由多个液压支架共同构建。在每个液压支架中安置着锚节点，便于标注区分。在采煤机的工作面中，结合无线传感器网络，将采煤机的实际位移轨迹构建成移动的链式拓扑结构。在正常工作中，进行第i次循环切割时，液压支架上的锚点横、纵坐标发生偏移，与初始规定位置出现误差。此时锚节点三维坐标如公式（3）所示。

式中：bR表示相邻液压支架间的距离；j表示0～m的标号；exj表示沿着工作方向设置的锚节点基准差；i表示采煤机第i次切割循环；r表示锚节点与移动节点之间的距离；eYj表示沿着工作面方向设置的锚节点基准差；ezj表示沿着厚度方向设置的锚节点基准差；Z0表示底板与液压支架上锚节点的距离。

液压支架上分布移动节点。分别将锚节点和移动节点放置于运输机底部和液压支架的底部，以便固定位置。该模型下的采煤机定位如公式（4）所示。

式中：LQM表示布置在采煤机上的无线节点；LDRSS表示各节点信号强度；gEALG表示映射距离。

井下作业受环境因素影响，在信号采集过程中会存在一定的数据偏差。具体表现为临近锚节点处移动目标信号强，反之则信号弱。因此本文通过信号强度指示（Received Signal Strength Indication，RSSI）给出了测距误差分类，如公式（5）所示。

式中：μb表示无线射频存在的误差；μn表示短距离定位监测误差；μ0表示长距离定位监测误差；bj0表示锚节点j与移动节点之间的距离。

由公式（5）可知，将距离误差分为0m、0m～5m、5m～30m 共3 个级别，通过误差概率分布对某处锚节点进行单独测量，其基准差如公式（6）所示。

式中：θ0表示一个移动节点；Wj0表示该点的信号强度；m表示锚点数；w表示路径损耗。

通过克拉美罗下限（Cramer-RaoLowerBound，CRLB）对这些移动节点进行方差测算，如公式（7）所示。

式中：θ0表示任意一个移动节点；X、Y、Z和Q、M、N表示2 组以该节点建立的三维坐标测量值；FCRLB（θ0）表示一定范围内的节点下限值。

2 基于高精度无线传感器网络的采煤机定位仿真测试

为了验证结合高精度无线传感器的采煤机定位模型的性能，本文建立了合适的试验环境。采用TI 品牌的电子产品CC2530 硬件定位引擎的片上系统对RSSI 信号进行接收测量。信号频率设置为2.85GHz，采煤机接定位时的接收功率为45dB，接收功率的方差设置为0.7dB，路径损耗指数设置为5，其测量误差如图3所示。

图3 30m 和5m 通信距离对应的测量误差图

图3（a）为30m 通信距离对应的测量误差图，图3（b）为5m 通信距离对应的测量误差图。根据图3 观察可知，在30m 的通信测量距离内，得到的测量误差数据随测量距离逐步攀升，尤其靠近30m 时，测量的误差可接近0.8m，即RSSI 测量误差较大。反之，在0m～5m 内的检测误差偏低，整体误差不超过0.5m。说明要想提高采煤机的定位精度，对锚节点进行测量时可选择的测量半径为5m范围内。

结合上述数据，本文将仿真试验的测量环境范围为半径为5m，通信距离半径为30m，参考距离为800m。信号产生的误差系数为0.3。采用SIMULIA 仿真软件进行仿真测试。将采煤机的位移速度设置为2m/s，额定电压为1140V，功率为300W，相邻2 个液压支架间的距离设置为700m。将采煤机支架底座与锚节点之间的距离设置为150m，刮板运输机底座与移动节点之间的距离设置为1000m。锚节点、移动节点距离与定位精度误差、锚节点数量间的关系如图4所示。

图4 锚节点数目和节点距离的测量误差图

根据图4 可知，随着采煤机锚节点和移动节点间距离增加，测量误差值会随之增加，最大的误差值接近30%。因此后续设计锚节点和移动节点时，应根据实际情况尽可能缩短两者之间的距离，从而减少信号干扰，避免定位精度误差增大。随着采煤机中的锚节点数量增加，测量误差随之降低，最小误差约10%，表明定位精度增加。因此说明在一定范围内，当锚点数目增加时，该无线传感器网络的定位精度会随之提升。将本文提出的高精度传感器网络技术与其他采煤机定位技术的定位精准度进行比较，结果见表1。

表1 不同采煤机定位技术对比结果

根据表1 可知，由于超声波定位技术受传播媒介的物理因素干扰影响较大，因此相对误差值最大。而轨道里程定位技术和惯性装置定位技术主要依靠结构测量和公式计算采煤机具体位置，因此定位精度稍差。对常见的定位技术进行比较后，本文无线传感器网络定位技术的定位精确度值可达0.2m，比其他技术最大提升50%，相对误差值比轨道里程定位技术提高了25%。因此可以说明，本文提出的结合无线传感器的井下作业采煤机定位精准度较高，具有一定可行性。

3 结论

煤矿行业开采机械化为该领域的智能技术推广奠定了可靠基础。面对复杂的井下作业环境，为了进一步提高采煤机定位检测精度，本文在无线传感器网络的基础上提出了一种结合高精度无线传感器的采煤机定位感知模型。试验结果表明，相邻锚节点距离小于5m 的测量精度最高。测量误差随锚节点数目增加和节点距离缩短而降低。本文提出的高精度定位感知模型的测量相对误差小于10%，定位精准度可达0.2m。综上所述，本文提出的定位技术对采煤机井下作业的发展具有重要意义。后续会进一步研究采煤机转速、温度等影响因素。