0 引 言
随着我国煤矿综采工作面机械化、自动化水平的逐渐提高，以及在线监测监控、集中控制等智能设备的引入，个别国有大型矿井在一定程度上实现了工作面智能开采[1-2]。文献[3]提出了智能化综采的具体概念，并在总结黄陵一矿较薄煤层、金鸡滩煤矿超大采高智能综采及特厚煤层智能综放技术的基础上，指出目前技术水平下，简单的地质条件是实现智能综采的基础，地质条件是决定智能开采模式实现的瓶颈。文献[4]在系统总结不同煤厚、不同采法智能开采技术现状的基础上，指出智能综采装备对围岩活动和环境变化的适应程度是智能开采成果与否的关键，并得出设备与围岩智能适应控制的5项关键技术。文献[5]针对深部条件智能开采技术进行研究，指出高应力、强采动是深部煤层实现智能开采的理论和技术难题。文献[6-7]提出智能开采理论与技术构想，指出煤层厚度变化对智能放煤、煤矸识别技术的不利影响时制约综放智能化的关键核心问题。文献[8-10]指出，由于智能开采过程中工作面设备不是一个独立的系统，常受地质条件、煤流等外部系统影响，开机率无法达到最高水平，影响智能开采系统整体效能的发挥。文献[11-12]通过实践研究，探索特定地质条件下智能开采设备自适应、自感知控制技术及智能回采工艺，在智能装备对特定条件下的适应性研究上取得了一定的成果。基于此，笔者通过对神东地区煤矿智能综采工作面开展现场调研，采用大数据分析结合现场技术交流结论，掌握影响智能开采各环节的主控因素，并建立智能综采工作面安全开采适应性评价模型，实现对智能综采工作面开采效能和安全性的智能评价。
1 智能开采现状
1.1 智能开采调研方案
为了解我国煤矿智能工作面开采现状，对智能开采起步较早、功能完善、水平较高的神东煤炭集团矿井进行调研，调研内容包括以下4个部分。
1)智能矿井基本情况调研。分别对矿井概况、工作面地质条件、开采技术条件、装备情况进行调研。
2)智能开采工作面影响因素调研。将影响智能化开采的主要因素分为：煤层条件因素、煤层顶底板因素、地质构造因素、其他地质因素、开采技术因素，针对薄及中厚煤层、大采高工作面、高瓦斯工作面3种情况，采用专家问卷形式调研各因素在何种条件下更有利于实现智能开采。
3)智能开采影响因素重要性调研。为了解不同地质条件对智能开采效果的影响程度，采用专家问卷形式对各影响因素的重要性等级进行划分，以此作为评价模型影响指标权重选择的重要依据。
4)影响智能工作面生产的主要因素调研。对智能工作面生产过程中出现的主要问题进行调研，包括地质条件变化、设备故障等。
1.2 调研情况分析
本次智能开采调研分别对神东煤炭集团补连塔煤矿、大柳塔煤矿、上湾煤矿、锦界煤矿、榆家梁煤矿5个煤矿的7个工作面进行现场调研，调研结果见表1—表3。
表1 智能综采工作面地质条件
Table 1 Geological conditions of intelligent fully-mechanized mining face
工作面埋深/m顶板条件底板条件煤厚/m倾角/(°)夹矸情况煤层普氏系数f地质构造情况其他开采条件补连塔煤矿22310工作面12114.56 m粉砂岩为主,中粒砂岩次之2.39 m泥岩6.721^30.1^0.4 m2简单,无断层、褶曲、陷落柱低瓦斯,水文条件简单,低煤尘爆炸倾向性补连塔煤矿12512工作面3007.08^23.46 m粉砂岩1.62^5.25 m粉砂岩4.60^9.301^30.1^0.8 m粉砂岩3简单,无断层、褶曲、陷落柱低瓦斯,水文条件中等,煤尘有爆炸危险性大柳塔煤矿52601工作面98^223直接顶为0^2.80 m粉砂岩,基本顶为2.90^21.8 m细砂岩1.70^5.20 m粉砂岩6.801^30.1 m泥岩2.5简单,无断层、褶曲、陷落柱低瓦斯,水文条件简单,煤尘有爆炸危险性,煤层易自燃锦界煤矿31114工作面110直接顶为2.50 m粉砂岩,基本顶为23.40 m细砂岩0.70^2.40 m粉砂岩或泥岩3.291—2简单,无断层、褶曲、陷落柱低瓦斯,水文条件中等,煤尘有爆炸危险性,煤层易自燃上湾煤矿12305工作面220^3002.65^16.29 m细砂岩0.35^4.22 m泥岩2.16^5.551^5局部,0.17 m2^3简单,无断层、褶曲、陷落柱低瓦斯,水文条件简单,煤尘有爆炸危险性上湾煤矿12401工作面124^2448.07 m粉砂岩,砂质泥岩1.29 m泥岩7.56^10.791^50.1^0.2 m1.671条落差1.70 m断层,无褶曲、陷落柱低瓦斯,水文条件中等,煤尘有爆炸危险性榆家梁煤矿43101工作面74直接顶为0.20^2.21 m泥岩,基本顶为13.70^18.20 m细砂岩1.10^1.70 m泥岩底板1.471^3—2.7简单,无断层、褶曲、陷落柱低瓦斯,水文条件简单,煤尘有爆炸危险性,煤层易自燃
表2 智能综采工作面开采技术条件
Table 2 Mining conditions of intelligent fully-mechanized mining face
工作面面长/m采高/m截深/m俯仰采角度/(°)矿压强度来压步距/m日推进度/m平均日产量/万t补连塔煤矿22310工作面315.46.70.800-4^430^47 MPa12.1^15.613.04.0补连塔煤矿12512工作面327.47.50.8651^3明显8.0^14.013.84.0大柳塔煤矿52601工作面302.46.60.865-242 MPa16.115.03.8锦界煤矿31114工作面369.43.20.8650^135^47 MPa14.010.01.6上湾煤矿12305工作面300.54.80.8651^3缓和10.04.00.6上湾煤矿12401工作面299.28.60.8651^2强烈12.012.0^15.04.5^4.8榆家梁煤矿43101工作面351.41.3^1.70.6301^2缓和10.05.00.3
表3 智能综采工作面设备配套
Table 3 Equipment matching of intelligent fully-mechanized mining face
工作面支架采煤机带式输送机转载机超前支护形式控制系统补连塔煤矿22310工作面ZY1800/32/70DSL10003×1 600 kW700(350)ZFDC35400/27/47采煤机:联力电控支架:天地玛珂带式输送机及泵站:青岛天信补连塔煤矿12512工作面ZY21000/36.5/80DSL1000-6659SGZ1400/4800SZZ1600/700ZQL2-24500-25-47D采煤机:青岛天信支架:EEP PR401 +天地玛珂PM32带式输送机及泵站:青岛天信大柳塔煤矿52601工作面ZY1800/32/70SL1000/67693×1 600 kW700(350)M448—3.0/4.7M450—3.0/4.7采煤机、转载机、破碎机:联力电控、KJZ6+6带式输送机:青岛天信锦界煤矿31114工作面ZY12000/18/40D7LS6C-LWS638SGZ1000/3000SZZ1350/500采煤机:联力电控支架:天地玛珂PM32上湾煤矿12305工作面ZY18000/26.5/50DSL9003×1 200SZZ1588/700ZY12000/2.0/40D采煤机:联力电控支架:EEP电液控带式输送机及泵站:华宁上湾煤矿12401工作面ZY26000/40/88DMG1100/2925-WDSGZ1388/4800SZZ1588/700—采煤机:Faceboss支架:天地玛珂带式输送机及泵站:中加特榆家梁煤矿43101工作面ZY9200/09/18DMG2×200/890-WD1SGZ800/1400SZZ1000/400—采煤机:联力电控支架:天地玛珂带式输送机及泵站:中加特
1.3 智能化开采存在的困难
通过与矿方技术人员交流，认为矿井智能化开采制约因素主要有以下6点：
1)各设备控制系统厂家不同，网口协议不统一，没有统一的行业标准，实现各控制系统的数据相互调用和集中控制存在很大困难。
2)井下信号上传所用传感器数量庞大，传感器质量和信号稳定性对实现智能化开采影响较大。
3)井下现场工人文化素质低，对先进设备接受程度低，难以实现系统功能的有效利用。
4)井下工作面作业环境粉尘大，对视频及红外线等信号干扰性较大。
5)大采高工作面采高大，支架稳定性差，采高过大难以实现自动割煤、跟机拉架；工作面煤层起伏度、夹矸、地质构造等对自动化割煤影响也很大。
6)采煤机煤矸识别技术已研究多年，实现难度很大。
2 智能综采适应性评价
2.1 智能开采评价方法和指标体系研究
在实施智能开采前如何评价工作面地质赋存条件的适应程度，预判工作面在开采过程中潜在可能出现的问题及相应技术措施是智能开采工作面的前提保障。笔者通过权重法和模糊数学建立智能开采工作面评价专家系统[13]，为工作面采前地理信息系统提供静态决策支持。
基于对神东地区智能开采工作面调研结果可以看出，智能开采工作面对地质条件要求较高，能否达到真正意义上的智能开采，关键在于煤层赋存条件的适应性，即煤层条件的复杂性是否满足智能开采设备自适应、自感知要求[14]。由此研究分析国内代表性工作面地质条件及开采技术条件，建立智能工作面影响因素数据库，如煤层条件、煤层顶底板条件、地质构造特征、其他地质条件及开采技术条件等一级影响因素，各一级影响因素又分为诸多二级影响因素，进而分析相关因素对智能化综采的影响程度[15-16]，智能综采评价因素指标体系如图1所示。
图1 智能综采评价指标体系
Fig.1 Evaluation system of intelligent fully-mechanized
2.2 评价指标量化
为实现智能综采工作面开采条件适应性的自适应决策，在评价指标体系建立后，需对各评价指标进行分级量化。分级量化的标准是在充分考虑智能工作面开采特点，并借鉴智能开采成功经验，将评价因素分为“好、中、差”3个等级。根据3个等级划分，对各个评价指标进行量化，见表4。将各指标量化结果汇总整理得因素评价值矩阵R。
表4 智能开采评价指标量化
Table 4 Evaluation index of intelligent mining
序号评价因素评价等级好中差序号评价因素评价等级好中差1煤层厚度/m≥20.8^2≤0.811陷落柱影响程度≤5%5%^15%≥15%2煤层倾角/(°)≤2525^45≥4512矿井瓦斯等级低瓦斯矿井高瓦斯矿井突出矿井3煤层硬度中硬或硬煤特硬煤软煤13煤层自燃倾向不易自燃(Ⅲ级)自燃(Ⅱ级)易自燃(Ⅰ级)4节理裂隙发育程度不发育较发育发育14水文地质复杂程度简单或中等复杂非常复杂5煤层稳定性稳定或较稳定不稳定极不稳定15煤尘爆炸倾向1级或2级3级4级6直接顶稳定程度2类、3类4类1类16工作面走向长度/m≥500200^500≤2007伪顶厚度/m≤0.10.1^0.5≥0.517工作面倾斜宽度/m≥200100^200≤1008底板稳定程度Ⅳ类、Ⅴ类Ⅱ类、Ⅲ类Ⅰ类18可布置工作面数量/个≥52^5≤29褶曲影响程度01^2≥219基本顶来压强度Ⅱ类、Ⅲ类Ⅰ类Ⅳ类10断层影响程度≤0.60.6^1≥120工作面俯仰采角度/(°)≤55^15≥15
2.3 各因素权重确定
各评价因素对智能综采工作面开采效果的影响程度不尽相同，为了实现评价系统结构与功能的相互统一，各因素在评价体系中的相对重要程度通过因素权重W来表征。为了排除主观性对因素权重的影响，计算权重时，在充分借鉴现场调研的基础上，采用AHP层次分析法，分别对一级因素权重和二级因素权重进行独立计算，最终确定各因素权重。
1)建立判定矩阵。采用0～9标度法，比较各因素重要程度，得出各评价因素的相对重要性，得出判定矩阵A。
式中：n为二级因素的阶数，取值为3、4、5。
2)计算因素权重。通过计算判定矩阵各行几何平均值得出：
之后，通过归一化处理，
得出各因素权重。
3)判定矩阵一致性验算。基于所得权重结果，计算最大特征值λmax，代入判定矩阵一致性方程，得出判定矩阵随机一致性比例CR为
式中：CR为随机一致性比例；λmax为判定矩阵最大特征值，
为平均随机一致性指标，取值标准见表5。
表5 不同阶数RI取值标准
Table 5 RI value standard of different orders
指标数量345RI0.580.91.12
计算得出判定矩阵随机一致性比例CR=0.032<0.1，符合一致性要求。最终得出各因素权重见表6。由结果可以看出，煤层稳定性、工作面倾斜长度、断层影响程度权重较高，是决定智能综采效果的主控因素。
表6 智能综采评价指标因素权重
Table 6 Evaluation index factor weight of intelligent fully-mechanized mining
评价因素因素权重评价因素因素权重煤层厚度0.062陷落柱影响程度0.067煤层倾角0.037矿井瓦斯等级0.042煤层硬度0.039煤层自燃倾向0.038节理裂隙发育程度0.043水文地质复杂程度0.019煤层稳定性0.099煤尘爆炸倾向0.014直接顶稳定程度0.040工作面走向长度0.038伪顶厚度0.015工作面倾斜宽度0.094底板稳定程度0.059可布置工作面数量0.064褶曲影响程度0.051基本顶来压强度0.047断层影响程度0.075工作面俯仰采角度0.060
2.4 建立评价模型
采用优化的模糊综合评价模型对智能开采条件适应性进行综合评价，为了使评价结果更加直观，对各因素的评价按百分制算法映射为可计算的综合评价值，令评判集V={好，一般，差}={100～80，80～60，<60 }，由此可得各评判等级的分数重心分别为90、70、30。并根据此综合评价值的大小来判断评价样本属性的优劣，评价得分一方面能够反映开采条件的适应程度，另一方面也能说明此条件下智能开采效果的好坏。评价得分越高表明开采条件对智能综采的适应性越好，越有利于实现智能开采。智能开采综合评价值得分为
U=RWVT=
式中：R为因素评价值矩阵；W为因素权重；V为评判集评判等级分数。
2.5 评价模型应用
将国内智能工作面煤层赋存条件及现场实测数据代入模型，得出智能开采效果评价得分，通过对比评价得分与该智能开采工作面实际回采效果，划分评价得分的优劣区间。将神东煤炭集团5个矿井7个智能综采工作面及山西地区4个普通综采工作面开采条件代入评价模型进行计算，结果见表7。
表7 智能综采工作面综合评价得分
Table 7 Comprehensive evaluation score of intelligent fully-mechanized face
工作面名称综合评价得分实际开采效果补连塔22310工作面86.77好补连塔12512工作面85.71好大柳塔52601工作面85.54好锦界31114工作面85.21较好上湾12305工作面85.33较好上湾12401工作面85.87好榆家梁43101工作面84.79较好山西王庄8101工作面65.39一般三元中能2306工作面72.35一般霍尔辛赫3210工作面68.32一般寺河2307工作面78.49较好
对比评价结果可以看出，神东地区7个工作面的综合评价得分均在85分左右，评分高于山西地区大采高综采工作面评价得分，说明神东地区的煤层赋存条件和开采技术条件较山西地区矿井更能满足智能综采要求。
3 结 论
1)调研了神东煤炭集团智能综采工作面地质条件、开采技术水平、装备情况，总结了设备控制系统接口协议多样、传输数据量大、人员技术水平较低、工作环境粉尘大、地质条件相对复杂等目前智能综采存在的主要问题。
2)在系统调研的基础上，提出了影响智能开采效果及设备适应性的主要因素，包括煤层条件、顶底板条件、地质构造特征、其他开采条件和开采技术条件等5个一级因素和20个二级因素。
3)采用模糊综合评价法建立了煤矿智能综采工作面开采适应性评价模型，实现了智能综采工作面安全高效开采适应性智能评价。
4)应用该模型对包括调研矿井在内的11个大采高工作面进行智能开采适应性评价，结果表明，神东地区矿井评分较高，较山西地区评价矿井而言更有利于实现智能开采。
[1] 王国法,张德生.煤炭智能化综采技术创新实践与发展展望[J].中国矿业大学学报,2018,47(3):459-467.
WANG Guofa,ZHANG Desheng.Innovation practice and development prospect of intelligent fully mechanized technology for coal mining [J].Journal of China University of Mining & Technology,2018,47(3):459-467.
[2] 王显政.坚持创新驱动推动煤炭智能绿色开采与生态建设[J].中国煤炭工业,2018(1):8-10.
WANG Xianzheng.Adhere to innovation drive promote smart green mining and ecological construction of coal[J].China Coal Industry,2018(1):8-10.
[3] 王国法,范京道,徐亚军,等.煤炭智能化开采关键技术创新进展与展望[J].工矿自动化,2018,44(2):5-12.
WANG Guofa,FAN Jingdao,XU Yajun,et al.Innovation and prospect on key technologies of intelligent coal mining[J].Industry and Mine Automation,2018,44(2):5-12.
[4] 李 梅,杨帅伟,孙振明,等.智慧矿山框架与发展前景研究[J].煤炭科学技术,2017,45(1):121-128,134.
LI Mei,YANG Shuaiwei,SUN Zhenming,et al.Study on framework and development prospects of intelligent mine[J].Coal Science and Technology,2017,45(1):121-128,134.
[5] 王国法,王 虹,任怀伟，等.智慧煤矿2025情景目标和发展路径[J].煤炭学报,2018,43(2):295-305.
WANG Guofa,WANG Hong,REN Huaiwei,et al.2025 scenarios and development path of intelligent coal mine[J].Journal of China Coal Society,2018,43(2):295-305.
[6] YANG Jianjian.Intelligent recognition of cutting load of coal mining equipment based on vibration wavelet packet feature[C].Proceedings of 2017 9th International Conference on Modelling,Identification and Control(ICMIC 2017).Kunming University of Science and Technology，IEEE Control System Society Beijing Chapter，IEEE Beijing Section,2017:6.
[7] 任怀伟,孟祥军,李 政,等.8m大采高综采工作面智能控制系统关键技术研究[J].煤炭科学技术,2017,45(11):37-44.
REN Huaiwei,MENG Xiangjun,LI Zheng,et al.Study on key technology of intelligent control system applied in 8m large mining height fully-mechanized face[J].Coal Science and Technology,2017,45(11):37-44.
[8] 康红普,王国法,姜鹏飞,等.煤矿千米深井围岩控制及智能开采技术构想[J].煤炭学报,2018,43(7):1789-1800.
KANG Hongpu,WANG Guofa,JIANG Pengfei,et al.Conception for strata control and intelligent mining technology in deep coal mines with depth more than 1000m[J].Journal of China Coal Society,2018,43(7):1789-1800.
[9] 袁 亮.煤炭精准开采科学构想[J].煤炭学报,2017,42(1):1-7.
YUAN Liang.Scientific conception of precision coal mining[J].Journal of China Coal Society,2017,42(1):1-7.
[10] 宋振骐,夏洪春,卢国志.“中国制造2025”背景下中厚煤层智能开采技术发展方向[J].同煤科技,2016(1):1-5，9.
SONG Zhenqi,XIA Hongchun,LU Guozhi.Development direction of intelligent mining technology of medium-thickness coal seam under the background of "China-made 2025"[J].Science and Technology of Datong Coal Mining Administration,2016(1):1-5，9.
[11] 徐建军.煤矿智能化综采技术现状及展望[J].陕西煤炭,2017,36(3):44-47，13.
XU Jianjun.Current status and prospect of intelligent fully-mechanized mining technology in coal mine[J].Shaanxi Coal,2017,36(3):44-47，13.
[12] 范 建,于健浩.我国煤矿科学开采技术的新进展[J].煤矿开采,2014,19(5):4-7.
FAN Jian,YU Jianhao.New progress of scientific mining technology in Chinese coal mine[J].Coal Mining Technology,2014,19(5):4-7.
[13] 杨伦标,高英仪.模糊数学原理及应用[M].广州:华南理工大学出版社，2000：86-91.
[14] 王旭鸣.煤矿综采智能决策支持系统[J].煤矿机械,2015,36(9):263-265.
WANG Xuming.Intelligent decision support system for coal mine[J].Coal Mine Machinery,2015,36(9):263-265.
[15] YU Jianhao.Prediction of top-coal caving and drawing characteristics using artificial neural networks in extremely thick coal seam[C].Proceedings of 2015 International Conference on Mechanical,Electronic and Information Technology Engineering,2015.
[16] 于健浩.西南复杂难采煤层安全开采模式智能化决策[J].煤矿开采,2017,22(4):16-22.
YU Jianhao.Intelligent decision making of safety mining model under complicated geological conditions in southwest China[J].Coal Mining Technology,2017,22(4):16-22.
