依据国家《科学技术研究项目评价通则》

(GB/T22900-2022)标准

绿色矿山科学技术奖

 

贡献专业力量

 

专注于绿色矿山科技领域

  • 回到顶部
  • 400-051-6619
  • QQ客服
  • 微信二维码

绿水青山就是金山银山

矿山生态修复

绿水青山与金山银山同在

曹家滩煤矿机电副总王龙:曹家滩煤矿智能辅助运输系统建设与应用

曹家滩煤矿智能辅助运输系统经过总体规划设计,兼顾安全、环保、便捷、人性化,利用5G通信、AI摄像头、图像识别、路径规划、扫描地图、精准定位技术,可节省调度排班时间、避免车辆安全事故、提升员工工作效率。智能辅助运输系统建设以车辆精确定位信息为基础,通过车载终端实现对井下车辆实时状态的监控,结合煤矿生产过程中约车、派车、运输物料的实际情况,搭建一套专属约车系统软件,并配合副斜井行车安全防护设施和井下重要交通路口的红绿灯,优化辅助运输作业流程,可实现辅助运输业务信息化全覆盖。

 

文章来源:《智能矿山》2024年第2期理事会特刊“智能运输”专栏

作者简介:王龙,高级工程师,现任陕西陕煤曹家滩矿业有限公司机电副总工程师、《智能矿山》常务理事

作者单位:陕西陕煤曹家滩矿业有限公司

引用格式王龙.曹家滩煤矿智能辅助运输系统建设与应用[J].能矿山,2024,5(2):61-66.

 

智能辅助运输系统主要建设内容

 

曹家滩煤矿智能辅助运输系统采用B/S架构,基于物联网技术,通过网络实现数据的远程传输和访问。物联网是一种智能感知网络,通过网络收集数据信息并通过网络传输数据,进而智能感知设备对象。物联网的整个运行过程可以称为物联网技术,将物联网技术应用于曹家滩煤矿辅助运输,利用物联网的特点构建智能辅助运输系统。该系统可集成多种物联网应用,如视频监控、在线监控、安防周界、环境监控、红外成像、巡检车辆等。此外,还应实现各种物联网应用之间的信息垂直整合,具有水平数据穿透性强、业务高度集成等特点,可实现信息共享和数据集成业务应用程序之间的灵活使用。曹家滩煤矿基于物联网技术,通过使用本安型融合基站,安装智能路测单元,建设一套车辆调度管理系统,逐步实现物料运输、人员运输等辅助运输车辆的智能管控、智能规划路径与智能调度。在井下重要交通路口的每一个进出口安装AI识别摄像机和智能红绿灯,大巷沿线安设超速抓拍摄像机,实现对井下交通信号灯的智能控制。

探索应用无人驾驶相关技术,研发应用地面远程遥控驾驶和智能化自动驾驶技术,采用环境感知、定位导航、路径规划等技术,实现车辆自动启停、自主避让、自动跟车等功能。

 

智能辅助运输系统技术应用

 

曹家滩煤矿辅助运输采用无轨胶轮车方式,目前,已投入使用9种车型共计114辆无轨胶轮车进行运输。智能辅助运输系统由行车安全防护装置、车辆实时监测系统、智能红绿灯系统、约车系统、车辆调度系统及无人驾驶系统组成。辅助运输巷沿线部署行车安全防护装置、车辆车身部署设备感知类传感器、交通路口部署智能红绿灯,辅助运输业务功能均部署于车辆调度系统中。通过本安型防爆手机实现运输车辆的无线移动通信功能;在系统展示方面,通过辅助运输管理系统的一张GIS图实现运输设备和信号等动态模拟展示运输车辆、交通状态等信息。

 

行车安全防护装置

 

曹家滩煤矿辅助运输巷部分的副斜井段根据设计布置有行车安全防护装置,由缓冲组件、导向组件、吸能组件和连接组件组成。设施整体结构紧凑、颜色搭配起到警示和诱导效果。针对井下特殊环境,防护设施所采用材料均为经特殊处理的阻燃型材料,满足井下相关安全规范要求。缓冲组件由纳米材料构成,发生车辆碰撞时,其多级耗能结构耗能效果显著,防撞设施导向加缓冲,可大幅降低碰撞过程中的车辆损伤。纳米吸能安全防护装置、行车缓冲装置、柔性防跑车装置如图1—图3所示。

 

图1 纳米吸能安全防护装置

 

图2 纳米吸能行车缓冲装置

 

图3 纳米吸能柔性防跑车装置

曹家滩煤矿在副斜井共计安设22套纳米吸能柔性防跑车装置、20套纳米吸能行车缓冲装置、225套纳米吸能安全防护装置,3种方式分别从斜坡段、转弯段考虑车辆跑车的防护措施,解决了跑车时的车辆拦截需求,利用斜坡段的吸能行车缓冲装置和柔性防跑车装置实现了降低车速并拦截车辆,利用吸能安全防护装置实现了改变未及时拦截的车辆在转弯段的方向,确保了副斜井行车安全。

 

车辆实时监测系统

 

为更全面地实现对无轨胶轮车的实时监测,在无轨胶轮车上加装智能车载信息终端、甲烷监测传感器、矿用温度传感器、转速元件和水位元件等配件,可实现车辆的车速、发动机转速、车辆里程、车外甲烷浓度、水温、水位等数据的实时监测。车载信息终端及相关传感器数据通过无线模块传输至矿井无线网络,在曹家滩煤矿数据中心的服务器中进行数据处理,车载终端显示界面如图4所示。通过在车辆上加装传感器,形成成套的车载终端系统,具有数据实时上传功能,能够对车辆的运行数据进行实时监测,采集到的车辆里程数据能够服务于后续结算系统;此外,车载终端系统具有异常数据报警功能,最终能够对车辆信息进行实时管理并及时发现车辆故障,大幅提升了车辆维护管理水平。

 

红绿灯系统

 

曹家滩煤矿辅助运输场景在井下6个重要交通运输路口及副斜井弯道安装了红绿灯系统,通过摄像仪对车辆进行识别,并向网关和处理分站发送信号,处理分站分析后把指令发给红绿灯和声光报警器执行相应操作,对路口进行智能化控制及安全预警。红绿灯系统具有应急路线功能,当一键“绿灯”时,相应路线的沿线红绿灯持续保持绿灯常亮状态,其他各交叉口红绿灯自动设置红灯,以提供在特殊情况下的道路通畅。红绿灯监控及现场应用如图5、图6所示。

 

图5 红绿灯系统监控画面

 

图6 红绿灯系统现场应用

 

在井下共计6个重要交叉路口及转弯处安设红绿灯系统,按“先到先行,升井优先,大巷优先”的原则智能控制红绿灯状态,提高了井下行车效率,确保了交叉路口的行车安全。巷道若有超时未通过的车辆,如果时长超过3min,主动进行判断,设置入口处的警示提醒“内有施工车辆,请谨慎通行”,自动抓取报警图片,并推送至客户端。如果巷道内存在人员施工的情况,红绿灯系统融合人员定位系统数据,在弯道中间处设置提醒电子牌,显示“内有人员施工,请谨慎通行”,用以提醒来车注意行车安全。

 

辅助运输约车系统

 

曹家滩煤矿辅助运输约车系统充分发挥矿级管控平台业务功能,打通PC端和手机端数据,约车业务入口PC端及手机端均能发起,通过融合通信技术和移动终端定位技术,迅速定位人员和车辆,可实现一键叫车、车辆导航、路径规划、故障报备等功能,实现井下车辆的精准调度。解决了辅助运输环节中人员和物资的随时约车升入井需求。辅助运输约车系统界面如图7所示。

 

图7 辅助运输约车系统界面

 

辅助运输约车系统提高了辅助运输的工作效率及行车安全,及时掌握并解决了人与车辆的调度矛盾,降低了空驶率,最大程度地节省了司乘双方资源与时间,实现了资源整合和效益最大化。

 

辅助运输车辆调度系统

 

曹家滩煤矿通过将井下人员定位、车辆定位、车辆状态、红绿灯状态、副斜井纳米吸能柔性防跑车装置状态、井下及地面人员候车、集中装卸点视频监控进行整合,在辅助运输管理系统一张GIS图上进行实时展示,以供调度人员实时掌握井下辅助运输情况。车辆调度管理系统架构如图8所示。

 

图8 车辆调度管理系统架构

 

辅助运输车辆调度系统打通人员定位、车载终端、红绿灯、候车点及集中装卸点视频监控等辅助运输相关系统的数据,应用融合基站定位技术及GIS底图技术,实现了辅助运输系统相关单系统信息的融合展示,将生产、运营及安全口岗位重点关注数据显示在大屏,可直观地显示井下车辆位置、车辆信息,人与物料信息,大幅提高了辅助运输系统的管理水平和运行效率。辅助运输车辆调度系统界面如图9所示。

 

图9 辅助运输车辆调度系统界面

 

无人驾驶系统

 

在卡威WLR—5C型防爆新能源无轨胶轮指挥车的基础上对车辆进行全面的自动驾驶改造调校,目前已实现井下部分从入井乘车站至辅运大巷区间及地面部分井口到中央变电所路段的全路段自动驾驶功能,包括前方车辆行驶状态的识别及响应、行人和车辆的识别及响应、靠边停车、上下坡启停、弯道行驶、自动紧急制动、避障绕障、人工操作接管、远控端的车辆监控和紧急接管功能,自动驾驶最高时速达到22km/h。经中国煤炭工业协会鉴定,曹家滩煤矿无人驾驶系统为国际先进水平。无人驾驶车辆如图10所示。

 

图10 无人驾驶车辆

 

曹家滩煤矿在地面及井下部分建设完成了智能路测单元及各类信息基础设施,矿井已初步形成井下无人驾驶车辆的运行环境,建成的远程监控平台在无人和有人驾驶并存的环境下,实现了实时监测、调度和管理井下无人驾驶车辆的作业任务、行驶路径等,必要时远程接管遥控井下无人驾驶车辆。地面无人驾驶舱及视频画面实景如图11所示。

 

图11 地面无人驾驶舱及视频画面实景

 

总结

 

(1)曹家滩煤矿智能辅助运输系统在副斜井设置的纳米吸能柔性防跑车装置,会在无轨胶轮车发生刹车失灵、挂挡失败等现象时,及时动作,防止发生车辆损坏和人员伤亡的事故。

(2)智能辅助运输系统的运输车辆具备无线移动通信功能,实现了井下人员与车辆的精确定位、自动采集车辆运行状态参数监测,通过辅助运输管理模块实现了运输设备和信号等动态模拟展示、信息存储、历史记录查询,以及对井下运输车辆、交通状态进行监测和精准调度等功能。

(3)通过红绿灯系统,实现了井下重要运输交叉路口、运输区域的闯红灯、超速等违章行为自动记录。

(4)利用车联网技术、数据融合技术和多终端业务协同,实现了多终端约车和系统派车功能;在无人驾驶方面,积极探索车辆环境感知手段,实现了副斜井及主运大巷段的无人驾驶。

 

来源:智能矿山杂志