杨恩, 王世博, 宣统
(1. 江苏建筑职业技术学院 智能制造学院,江苏 徐州 221116;2. 中国矿业大学 机电工程学院,江苏 徐州 221116;3. 上海空间电源研究所,上海 200245)
在井下煤炭长壁综采工作面开采中,采煤机对开采环境的智能精准感知是实现无人工作面和智能化开采的关键基础问题之一,也是实现采煤机机器人化的核心。近10 a来,尽管国内外在无人化、智能化工作面方面取得了一些技术成果,但在以煤岩界面识别为主要代表的开采环境智能精准感知方面缺乏新原理和新技术的突破[1-3]。目前煤岩识别主要依据煤岩多种理化性状进行识别区分,相关研究成果为综采工作面煤壁煤岩界面探测关键工程应用奠定了重要基础。文献[1]针对现有煤岩界面探测识别技术研究现状进行了深入分析,归纳出采前透视、采中触觉、采后视觉三大类具有重要应用指导意义的分类方法。为解决煤岩界面识别这一行业难题,亟需从应用层面上探索综采工作面煤岩界面分布感知的新方法。
受地物高光谱遥感和岩矿地物反射光谱探测启发[4-6],笔者研究了我国典型煤和煤系岩石近红外波段(1 000~2 500 nm)反射光谱特征,获得了煤岩物质成分与光谱特征的关联规律[7-8],构建了基于光谱特征参量提取和波形匹配的煤岩识别算法[9-10],提出了基于煤岩光谱反射率与灰分产率相关性的煤岩识别方法[11],煤岩整体识别率达到90%以上。该方法根据煤岩本质物质属性不同所引起的反射光谱特征差异进行煤岩区分,识别精度高,且单条光谱采集识别总时间达毫秒级,具有较好的实时性,验证了反射光谱技术用于煤岩识别的可能性,为煤岩界面反射光谱识别的工程应用研究奠定了理论基础。……