礦井提升系統(tǒng)數(shù)字孿生快速建模方法研究

阮鍇燚 ，寇子明 ，王彥棟 ，吳 娟

（1.太原理工大學(xué) 機(jī)械與運(yùn)載工程學(xué)院, 山西 太原 030024；2.礦山流體控制國家地方聯(lián)合工程實(shí)驗(yàn)室, 山西 太原 030024）

0 引 言

礦井提升系統(tǒng)作為煤礦的咽喉要道，是聯(lián)系地上與地下的橋梁，其安全穩(wěn)定運(yùn)行對(duì)于保障整個(gè)礦井的生產(chǎn)尤為重要[1]。礦井提升系統(tǒng)由提升容器、提升機(jī)（制動(dòng)系統(tǒng)、天輪、電動(dòng)機(jī)等）、電控系統(tǒng)、裝卸載系統(tǒng)（主井）、井上下操車系統(tǒng)（副井）組成，并由提升鋼絲繩連接各部分，整個(gè)裝置分布在地上70 m至井下1 500 m 的范圍內(nèi)[2]，分布范圍廣、系統(tǒng)復(fù)雜，包含要素多，傳統(tǒng)監(jiān)測方式通過在多點(diǎn)布置視頻監(jiān)控對(duì)部分重要環(huán)節(jié)的運(yùn)行狀態(tài)進(jìn)行感知，難以把握提升系統(tǒng)的整體運(yùn)行規(guī)律，容易忽略重要信息。為了保證礦井提升系統(tǒng)的安全可靠運(yùn)行，必須實(shí)現(xiàn)礦井提升系統(tǒng)的單視角全域可視化與協(xié)同聯(lián)動(dòng)控制，將全部信息與場景進(jìn)行集成三維數(shù)字化展示。2020 年，國家八部委聯(lián)合印發(fā)了《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》，提出了加快煤礦智能化建設(shè)的步伐[3]，能源發(fā)展“十三五”規(guī)劃也將煤礦智能化轉(zhuǎn)型納入其中[4]，作為煤礦關(guān)鍵一環(huán)的礦井提升系統(tǒng)，其智能化也有將有助于整個(gè)煤礦生產(chǎn)系統(tǒng)的智能化建設(shè)。

數(shù)字孿生（Digital Twin, DT）技術(shù)是解決上述大尺度、全領(lǐng)域可視化問題，提高礦井提升系統(tǒng)整體智能化與安全化的重要手段。高德納曾將其列為顛覆性技術(shù)與十大戰(zhàn)略性科技趨勢[5-6]。目前，數(shù)字孿生技術(shù)已在醫(yī)療[7]、電力[8]、智慧城市[9]展開了廣泛地研究與應(yīng)用。數(shù)字孿生在礦井中的研究主要集中在綜采工作面與掘進(jìn)系統(tǒng)，提升系統(tǒng)方面還未開展相關(guān)研究。數(shù)字孿生在煤礦綜采工作面中，謝嘉成等[10]在對(duì)綜采生產(chǎn)系統(tǒng)進(jìn)行設(shè)計(jì)時(shí)融入數(shù)字孿生技術(shù)，并分三階段詳述了系統(tǒng)整體性設(shè)計(jì)、虛擬仿真、虛擬監(jiān)測等關(guān)鍵方案的實(shí)施過程。李娟莉等[11]基于Unity3D 設(shè)計(jì)了綜采工作面虛擬服務(wù)系統(tǒng)，實(shí)現(xiàn)了采煤機(jī)、刮板輸送機(jī)、液壓支架的三機(jī)聯(lián)動(dòng)，但孿生建模精度與速度不高。遲煥磊[12]提出了多元信息數(shù)據(jù)驅(qū)動(dòng)的綜采工作面數(shù)字孿生系統(tǒng)架構(gòu)，并圍繞信息數(shù)據(jù)采集傳輸顯示與高仿真度虛擬展示兩個(gè)主要功能設(shè)計(jì)了智能化開采監(jiān)控模型。葛世榮等[13]提出了數(shù)字孿生智采工作面架構(gòu)，并從物理、數(shù)字工作面和信息3 個(gè)層次詳述其組成，研究了智采工作面仿生智能特性。數(shù)字孿生在掘進(jìn)系統(tǒng)中，張旭輝等[14]建立了懸臂式掘進(jìn)機(jī)的HCPS 孿生系統(tǒng)，實(shí)現(xiàn)了掘進(jìn)機(jī)位姿同步與動(dòng)態(tài)修正。王巖等[15]面向井下掘進(jìn)系統(tǒng)，建立設(shè)備智能體離散邏輯模型，并在此基礎(chǔ)上應(yīng)用平行控制理論，構(gòu)建了基于數(shù)字孿生的平行控制系統(tǒng)。吳淼等[16]分析了數(shù)字孿生理論指導(dǎo)下的綜掘巷道并行施工技術(shù)流程與工藝體系，結(jié)合虛實(shí)鏈接與互譯完成了掘進(jìn)機(jī)自主糾偏，避障與自動(dòng)截割的遠(yuǎn)程控制。龔曉燕等[17]提出一種基于數(shù)字孿生技術(shù)的掘進(jìn)系統(tǒng)出風(fēng)口風(fēng)流智能調(diào)控系統(tǒng)，并通過ARI MA 時(shí)間序列預(yù)測模型對(duì)出風(fēng)口風(fēng)量進(jìn)行預(yù)測，同時(shí)借助Unity3D 引擎與Zigbee 數(shù)據(jù)采集技術(shù)實(shí)現(xiàn)虛實(shí)同步。數(shù)字孿生在礦井上述環(huán)節(jié)的研究尚處于系統(tǒng)設(shè)計(jì)階段，缺乏對(duì)孿生各環(huán)節(jié)的實(shí)施方法總結(jié)和與真實(shí)生產(chǎn)環(huán)境相結(jié)合，面臨著設(shè)備龐大傳統(tǒng)CAD 建模速度慢、成本高、精度低，傳感數(shù)據(jù)點(diǎn)分散、總量龐大的瓶頸、這也直接導(dǎo)致了孿生系統(tǒng)虛實(shí)協(xié)調(diào)聯(lián)動(dòng)實(shí)時(shí)性差。礦井提升系統(tǒng)數(shù)字孿生模型的構(gòu)建同樣面臨著上述問題，亟需研發(fā)一套數(shù)字孿生體快速建模方法。在礦井提升系統(tǒng)數(shù)字孿生框架的基礎(chǔ)上，以某礦提升系統(tǒng)為實(shí)驗(yàn)環(huán)境結(jié)合三維點(diǎn)云建模技術(shù)、數(shù)據(jù)庫技術(shù)、PLC 數(shù)據(jù)讀取技術(shù)詳細(xì)闡述了礦井提升系統(tǒng)多維多尺度數(shù)字孿生模型的快速構(gòu)建方法，實(shí)現(xiàn)了在節(jié)約大量時(shí)間成本和經(jīng)濟(jì)成本的基礎(chǔ)上構(gòu)建無延時(shí)的虛實(shí)協(xié)同聯(lián)動(dòng)的數(shù)字孿生系統(tǒng)。

1 礦井提升系統(tǒng)數(shù)字孿生架構(gòu)

礦井提升系統(tǒng)數(shù)字孿生模型是一個(gè)以機(jī)械實(shí)體為基礎(chǔ)的，同時(shí)具有部件級(jí)動(dòng)態(tài)感知能力且與環(huán)境不斷交互兼顧操作人員使用感受的動(dòng)態(tài)實(shí)體。它在空間上具有和礦井提升系統(tǒng)真實(shí)體高度相似的外觀，在時(shí)間上能夠隨著礦井提升系統(tǒng)真實(shí)體的狀態(tài)而不斷動(dòng)態(tài)演化。更深層次的，礦井提升系統(tǒng)要具有先知先覺的能力，根據(jù)現(xiàn)有數(shù)據(jù)對(duì)未來時(shí)空的狀態(tài)進(jìn)行預(yù)測并發(fā)出反向控制指令，同時(shí)對(duì)孿生模型的精度進(jìn)行評(píng)估且不斷更新，最終達(dá)到孿生共智[18]。因此，根據(jù)對(duì)提升系統(tǒng)孿生模型的具體功能要求，參考數(shù)字孿生五維模型[19]，智能掘進(jìn)機(jī)器人數(shù)字孿生體系[20]提出了如圖1 所示的孿生架構(gòu)。

圖1 礦井提升系統(tǒng)數(shù)字孿生架構(gòu)Fig.1 Digital twin architecture of mining hoisting system

整體上，礦井提升系統(tǒng)數(shù)字孿生架構(gòu)（Mining Hoisting System Digital Twin, MHSDT）可以分為5個(gè)層級(jí)，用數(shù)學(xué)關(guān)系表達(dá)如下所示：

提升系統(tǒng)實(shí)體(Hoisting System Entity, HSE)是整個(gè)數(shù)字孿生模型的基礎(chǔ)，孿生模型及孿生數(shù)據(jù)等一系列模塊都是基于其衍生、進(jìn)化及發(fā)展的。對(duì)提升系統(tǒng)進(jìn)行模塊化、功能化解耦，最終得到一系列智能傳感終端，它們不僅具有單體智能化的優(yōu)點(diǎn)，還能夠協(xié)同感知，包括智能提升容器（Smart Container,SC）、智能制動(dòng)系統(tǒng)（Smart Braking System, SBS）、智能滾筒（Smart Rotor, SR）、智能天輪（Smart Head Sheave, SHS）、智能提升鋼絲繩（Smart Wirerope,SW）。其組成用數(shù)學(xué)關(guān)系表示如下:

SR 是物理實(shí)體的最重要一環(huán)，為整個(gè)礦井提升系統(tǒng)的驅(qū)動(dòng)核心，因此設(shè)置軸編碼器、電流互感器、應(yīng)變片作為SR 的智能感官來對(duì)其轉(zhuǎn)速、電流及應(yīng)力進(jìn)行監(jiān)測，從而獲得具有關(guān)鍵價(jià)值的SR 特性-參數(shù)響應(yīng)結(jié)果。SBS 則通過布置的激光位移傳感器、油壓、溫度傳感器等回傳制動(dòng)系統(tǒng)的包括閘瓦間隙、油壓、油溫等的關(guān)鍵狀態(tài)參數(shù)，來實(shí)現(xiàn)制動(dòng)效果的透明化，以監(jiān)測評(píng)估整個(gè)礦井提升系統(tǒng)的制動(dòng)可靠性。SC 包括重量傳感器和RFID 射頻識(shí)別技術(shù)，用以實(shí)時(shí)感知提升容器的載重及所搭載的物料類別（人員、物料、維檢設(shè)備等）。SHS 之上設(shè)置有振動(dòng)傳感器、應(yīng)變傳感器、雙目相機(jī)，將天輪軸承振動(dòng)、天輪應(yīng)變、偏擺等特性實(shí)時(shí)映射。最后，通過設(shè)置應(yīng)變傳感器、霍爾傳感器、振動(dòng)傳感器等來進(jìn)一步獲取SW 的應(yīng)力應(yīng)變、內(nèi)部損傷情況與振動(dòng)量，對(duì)鋼絲繩服役情況做出關(guān)鍵性指導(dǎo)。在設(shè)備的集群協(xié)作方面，SR 通過SW 與SHS 和SC 進(jìn)行協(xié)同運(yùn)作，其運(yùn)行狀態(tài)及相關(guān)特性通過耦合與傳遞對(duì)SW、SHS 與SC 施加關(guān)鍵性影響。而SBS 則通過影響SR 來間接對(duì)其他智能終端施加影響。所有智能終端都通過千兆工業(yè)以太環(huán)網(wǎng)或無線傳感網(wǎng)絡(luò)相連，使用工業(yè)PLC 進(jìn)行集控。

提升系統(tǒng)數(shù)據(jù)層（Hoisting System Data Layer，HSDL）與HSE 中的智能傳感單元緊密相連，各個(gè)智能傳感單元的傳感數(shù)據(jù)通過工業(yè)以太環(huán)網(wǎng)和數(shù)據(jù)存取接口快速傳遞至數(shù)據(jù)模型中的云端依照時(shí)間存儲(chǔ)為行為數(shù)據(jù)，以備后續(xù)調(diào)用。同時(shí)HSDL 也將數(shù)據(jù)傳遞至HSAS，以供實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)、在線仿真、故障診斷等功能。HSDL 還接收并存儲(chǔ)來自其他各模塊的數(shù)據(jù)包括用戶體驗(yàn)反饋、日常報(bào)表等的服務(wù)交互數(shù)據(jù)；有限元分析、溫度場耦合特性等在線仿真結(jié)果；礦井提升系統(tǒng)行業(yè)標(biāo)準(zhǔn)、操作規(guī)程、常見故障與事故案例、事故處置手段經(jīng)驗(yàn)等的知識(shí)專家數(shù)據(jù)；大場景快速建模三維點(diǎn)云數(shù)據(jù)；企業(yè)考核登記、人員信息、獎(jiǎng)懲制度、內(nèi)部制度等的企業(yè)數(shù)據(jù)。

提升系統(tǒng)應(yīng)用支撐層(Hoisting System Application Support, HSAS)是整個(gè)系統(tǒng)實(shí)現(xiàn)基本功能與拓展功能的基礎(chǔ)。根據(jù)實(shí)現(xiàn)的預(yù)期功能將程序模塊化編寫，包括三維點(diǎn)云快速建模模塊封裝了將點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理與重建的全部程序，并提供點(diǎn)云數(shù)據(jù)接口；深度學(xué)習(xí)故障預(yù)測是利用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)對(duì)從HSD L 傳入的各種關(guān)鍵部件傳感信號(hào)如振動(dòng)信號(hào)和圖片信號(hào)進(jìn)行卷積提取特征、并經(jīng)歷池化、歸一化、全連接后對(duì)故障進(jìn)行自動(dòng)分類與預(yù)測并輸出結(jié)果，實(shí)現(xiàn)故障的自我診斷與關(guān)鍵元件的壽命預(yù)測；硬件在環(huán)（HIL）技術(shù)通過python 平臺(tái)開發(fā)與AMESim、Ansys、Fluent 等軟件的接口，通過真實(shí)數(shù)據(jù)驅(qū)動(dòng)其中的各個(gè)模型進(jìn)行仿真，得到動(dòng)態(tài)變化的仿真數(shù)據(jù)，并能夠在人機(jī)交互界面實(shí)時(shí)顯示；模型自我更新策略是建立模型精度與壽命評(píng)估機(jī)制，通過衡量綜合計(jì)算仿真結(jié)果與評(píng)估結(jié)果的差值來對(duì)模型進(jìn)行調(diào)整，從而形成一個(gè)動(dòng)態(tài)高精度的閉環(huán)仿真模型。

提升系統(tǒng)孿生模型（Hoisting System Digital Twin Model, HSDTM）由高精度幾何模型(Geometric Model，GM)、知識(shí)模型（Knowledge Model, KM）行為規(guī)則模型(Rule Model, RM)與機(jī)理模型（Mechanism Model，MM）組成多維多尺度模型，其表達(dá)式如下：

GM 是由三維激光雷達(dá)掃描礦井提升系統(tǒng)后獲得海量點(diǎn)云數(shù)據(jù)經(jīng)過處理渲染后所得，具有高仿真度三維虛擬場景。但GM 僅僅能夠反映物體的外部形狀，不能反映機(jī)械內(nèi)部的動(dòng)作原理及變量轉(zhuǎn)換關(guān)系，因此還需建立MM。MM 使用Simulationx、AMESim 仿真軟件搭建電機(jī)的控制系統(tǒng)、液壓系統(tǒng)，通過接口將模型與GM 中的實(shí)體模型相連接以將MM 嵌入到GM 之中。RM 行為規(guī)則模型即礦井提升系統(tǒng)各個(gè)元件的真實(shí)運(yùn)動(dòng)規(guī)律，是由傳感信息流組成的，能夠真實(shí)刻畫礦井提升系統(tǒng)的行為規(guī)律情況，RM 通過數(shù)據(jù)流驅(qū)動(dòng)MM 與GM 進(jìn)行在線仿真與運(yùn)動(dòng)狀態(tài)顯示，MM 也能將仿真結(jié)果映射于GM之上。GM、MM、RM 的配合能夠?qū)崿F(xiàn)礦井提升系統(tǒng)的虛實(shí)協(xié)同聯(lián)動(dòng)。此外孿生模型還應(yīng)該具有行業(yè)內(nèi)的相關(guān)知識(shí)和累積的經(jīng)驗(yàn)，因此建立KM，存儲(chǔ)行業(yè)標(biāo)準(zhǔn)、煤礦安全規(guī)程、提升事故及處置案例、國家政策動(dòng)向、公司條例等，方便在生產(chǎn)時(shí)進(jìn)行調(diào)用。

提升系統(tǒng)人機(jī)交互（Hoisting System Man-mchine Interactive, HSMI）是人和孿生系統(tǒng)交互影響的媒介，通過HSE、HSDL、HSAS、HSDTM 的相互配合和共同作用已構(gòu)成數(shù)字孿生的完整功能，而良好的用戶體驗(yàn)與使用感則需設(shè)計(jì)較為完美的人機(jī)交互與服務(wù)系統(tǒng)。HSMI 能夠?qū)SDTM 形成的數(shù)字孿生仿真模型進(jìn)行實(shí)時(shí)顯示，洞悉每一個(gè)部件的運(yùn)動(dòng)狀態(tài)及規(guī)律；能夠通過界面點(diǎn)擊的交互方式查看每一臺(tái)設(shè)備的健康狀態(tài)與信息；提供VR 接口，幫助體驗(yàn)人員遠(yuǎn)程沉浸式感受提升現(xiàn)場；通過動(dòng)畫等進(jìn)行模擬逃生演練與培訓(xùn)；建立虛擬反向控制引擎，通過遠(yuǎn)程控制命令借助虛實(shí)協(xié)同聯(lián)動(dòng)通道控制設(shè)備的運(yùn)行。

通過上述5 個(gè)模塊相互配合構(gòu)建了一個(gè)具有虛實(shí)雙向連接、健康狀態(tài)監(jiān)測、智能預(yù)測、人機(jī)交互、自我學(xué)習(xí)的礦井提升系統(tǒng)數(shù)字孿生架構(gòu)。

2 多維多尺度數(shù)字孿生快速建模方法

目前數(shù)字孿生模型的構(gòu)建多使用CAD 建模軟件進(jìn)行部件級(jí)建模并裝配，隨后導(dǎo)入U(xiǎn)nity3D 進(jìn)行數(shù)據(jù)驅(qū)動(dòng)以實(shí)現(xiàn)后續(xù)功能[11,21-22]。但數(shù)字孿生體是實(shí)體在另一個(gè)空間的完全映射，具有智慧與行為，因此其不應(yīng)該僅僅具有幾何一個(gè)維度，還應(yīng)該是集行為、知識(shí)的多維多尺度的復(fù)雜模型。

針對(duì)上述問題，結(jié)合多領(lǐng)域先進(jìn)建模技術(shù)，考慮孿生體多尺度層級(jí)，提出了數(shù)字孿生體的快速構(gòu)建方法，以最低的成本和最高的效率實(shí)現(xiàn)了物理實(shí)體的同步衍生。

2.1 礦井提升系統(tǒng)孿生體幾何模型構(gòu)建

2.1.1 點(diǎn)云數(shù)據(jù)獲取

為應(yīng)對(duì)大場景迅速建模要求，提出了使用三維點(diǎn)云進(jìn)行礦井提升系統(tǒng)快速幾何建模的方法。三維激光雷達(dá)通過向周圍環(huán)境快速發(fā)射激光束，根據(jù)激光反射時(shí)間和傳播速度計(jì)算獲取海量點(diǎn)云數(shù)據(jù)，最后通過集成的SLAM 算法對(duì)點(diǎn)云進(jìn)行處理得到有序點(diǎn)云。建模過程只需單人手持掃描儀圍繞場景進(jìn)行掃描即可，全系統(tǒng)及其周邊環(huán)境只需2 h 便可完成掃描，建模精度可達(dá)2 cm。針對(duì)某礦提升系統(tǒng)及周邊環(huán)境進(jìn)行現(xiàn)場掃描及建模實(shí)驗(yàn)如圖2 所示，掃描時(shí)執(zhí)行一定的路徑優(yōu)化方案以加快掃描速度：劃分掃描區(qū)域，采用多段連續(xù)掃描后將點(diǎn)云進(jìn)行拼接以減少長時(shí)間掃描過程帶來的SLAM 累計(jì)誤差；同時(shí)掃描起始點(diǎn)應(yīng)開始于主要場景之外，而后逐漸逼近主要場景；除建筑等掃描目標(biāo)，在手持掃描儀移動(dòng)時(shí)盡量保持直線掃描，如有漏掃則在所有掃描完成后進(jìn)行補(bǔ)掃；掃描過程中掃描路徑不交叉、不重合；掃描礦井提升系統(tǒng)時(shí)，應(yīng)遵循外部機(jī)房-內(nèi)部結(jié)構(gòu)-井架-地下部分的掃描順序，且井上結(jié)構(gòu)應(yīng)該和井下結(jié)構(gòu)分兩次掃描，避免掃描不全面與場景重疊；掃描的結(jié)束點(diǎn)應(yīng)與起始點(diǎn)重合，通過閉環(huán)掃描以方便后續(xù)場景的拼接。獲得副井提升系統(tǒng)點(diǎn)云數(shù)據(jù)如圖3所示。

圖2 掃描現(xiàn)場與三維激光雷達(dá)Fig.2 Field scanning and 3D lidar

圖3 副井提升系統(tǒng)點(diǎn)云數(shù)據(jù)Fig.3 Point cloud data of auxiliary hoisting system

2.1.2 點(diǎn)云預(yù)處理及三維曲面重建

觀察掃描后獲取的點(diǎn)云數(shù)據(jù)，可以發(fā)現(xiàn)由于受到掃描速度及周圍環(huán)境的影響，點(diǎn)云含有大量噪點(diǎn)，無法生成準(zhǔn)確的三維曲面模型，因此提出了一套點(diǎn)云處理及重建程序如圖4 所示，并采用C++和PCL庫聯(lián)合開發(fā)。

圖4 點(diǎn)云處理流程Fig.4 Point cloud processing flow

通過KD-Tree 算法與PCA 主成分分析法[23-24]構(gòu)建點(diǎn)云的鄰域關(guān)系并求解點(diǎn)云的法向量，并使用半徑與統(tǒng)計(jì)濾波相結(jié)合的濾波方式，濾除表面噪點(diǎn)和離群噪點(diǎn)。

任意兩點(diǎn)云之間的歐式距離d(pi,pj)計(jì)算公式如下：

其中，x、y、z為三維點(diǎn)云坐標(biāo)。半徑濾波即是在點(diǎn)云鄰域中計(jì)算該點(diǎn)云距離其他點(diǎn)云的歐式距離，通過比較歐式距離與設(shè)定閾值距離r的大小來刪除或者保留點(diǎn)云。

通過反復(fù)設(shè)定參進(jìn)行實(shí)驗(yàn)可以發(fā)現(xiàn)，點(diǎn)云鄰域數(shù)目k設(shè)定為40，采用大半徑濾波閾值距離r=0.2與小統(tǒng)計(jì)濾波閾值因子α =1.0，能夠使遠(yuǎn)離主體和接近主體的點(diǎn)云噪聲都能夠得到很好的濾除而不破壞點(diǎn)云主體，濾波后的副井點(diǎn)云如圖5 所示，濾波前點(diǎn)云數(shù)目為68 277 128 點(diǎn)，濾波后為67 388 715 點(diǎn)。

圖5 濾波后的副井提升系統(tǒng)點(diǎn)云數(shù)據(jù)Fig.5 Filtered point cloud data of auxiliary hoisting system

濾波后點(diǎn)云數(shù)目為千萬級(jí)，嚴(yán)重影響了后續(xù)處理速度，因此使用均勻體素算法對(duì)點(diǎn)云進(jìn)行降采樣以減少點(diǎn)云數(shù)目。首先按照公式(8)求得體素方格最小邊長。

其中，r為設(shè)定的體素小柵格邊長。最后使用體素網(wǎng)格內(nèi)的重心點(diǎn)代替網(wǎng)格內(nèi)的所有點(diǎn)，達(dá)到降采樣的目的，對(duì)濾波后的副井?dāng)?shù)據(jù)進(jìn)行降采樣，采樣后的點(diǎn)數(shù)目為6 737 387 點(diǎn)，精簡率達(dá)到了90%。

點(diǎn)云降采樣后，使用基于法線的改進(jìn)雙邊濾波對(duì)點(diǎn)云進(jìn)行表面平滑，以消除個(gè)別點(diǎn)云起伏產(chǎn)生的尖銳噪聲，改善點(diǎn)云質(zhì)量。該算法不僅考慮點(diǎn)到鄰域點(diǎn)的距離，而且將沿法線方向的距離也作為判斷依據(jù)。對(duì)于點(diǎn)云中的某一點(diǎn)p，首先利用點(diǎn)p的鄰域范圍內(nèi)的點(diǎn)計(jì)算點(diǎn)p的單位法向量，然后p的位置通過式(10)來更新。

其中，Nr(p)為 點(diǎn)p的 鄰域；wd、wn為給定高斯權(quán)重；q為p鄰域內(nèi)的點(diǎn)。對(duì)降采樣后的點(diǎn)云使用改進(jìn)雙邊濾波算法進(jìn)行濾波，濾波前后點(diǎn)云數(shù)目不發(fā)生變化，位置發(fā)生調(diào)整，引入高斯曲率對(duì)比濾波前后的點(diǎn)云變化，繪制出點(diǎn)云濾波前后相同100 點(diǎn)的高斯曲率如圖6 所示。

圖6 雙邊濾波前后點(diǎn)云高斯曲率對(duì)比Fig.6 Gaussian curvature contrast diagram of point cloud before and after bilateral filtering

通過對(duì)比發(fā)現(xiàn)，濾波后點(diǎn)云高斯曲率變化程度明顯平穩(wěn)于濾波前，而高斯曲率變化越小，證明點(diǎn)云越平滑，因此雙邊濾波效果良好。

對(duì)處理后的礦井提升系統(tǒng)點(diǎn)云數(shù)據(jù)進(jìn)行泊松曲面重建，生成高精度的三維曲面模型。泊松重建本質(zhì)是將曲面指示函數(shù)最小化，引入Euler-Lagrange 方程，使用散度算子求解上述泊松問題，即:

至此，曲面重建過程完成。對(duì)泊松曲面重建后的場景使用Trimble RealWorks 修補(bǔ)孔洞后再通過3ds Max 進(jìn)行貼圖得到高仿真度的幾何模型，與實(shí)景對(duì)比如圖7 所示。可以看出，使用三維點(diǎn)云建立的虛擬模型具有極高的真實(shí)度，對(duì)于大型場景也能夠很好地把握其全貌。將建模時(shí)間與該礦井原有使用CAD 技術(shù)建模相比，提高了93%。

圖7 高真實(shí)度幾何模型與實(shí)景對(duì)比Fig.7 Comparison of geometric model and real hoisting system

2.2 礦井提升系統(tǒng)孿生體行為模型建立

對(duì)礦井提升系統(tǒng)幾何維度進(jìn)行建模完成了幾何空間的映射，而數(shù)字孿生體還應(yīng)在時(shí)間維度上保持和真實(shí)提升系統(tǒng)的一致，還需進(jìn)行礦井提升系統(tǒng)的行為建模，使孿生體具有與真實(shí)體完全一致的行為。礦井提升系統(tǒng)運(yùn)動(dòng)單元極多，如果僅僅通過新增傳感器的方式采集行為數(shù)據(jù)成本較高，且需要長時(shí)間停機(jī)，因此提出了一種基于礦井提升系統(tǒng)PLC 和工業(yè)傳感網(wǎng)絡(luò)的行為建模方法。實(shí)驗(yàn)礦井提升系統(tǒng)傳感網(wǎng)絡(luò)結(jié)構(gòu)如圖8 所示。

圖8 礦井提升系統(tǒng)傳感網(wǎng)絡(luò)結(jié)構(gòu)Fig.8 Sensor network structure of mining hoisting system

該網(wǎng)絡(luò)通過多種傳感器采集傳感信號(hào)，經(jīng)過監(jiān)控分站、網(wǎng)絡(luò)交換機(jī)、千兆工業(yè)以太環(huán)網(wǎng)和核心交換機(jī)后將數(shù)據(jù)傳遞至PLC 進(jìn)行自動(dòng)控制，PLC 將數(shù)據(jù)處理后傳遞至監(jiān)控中心進(jìn)行顯示。此過程所有數(shù)據(jù)都將經(jīng)過PLC，因此通過從PLC 直接讀取數(shù)據(jù)的方式進(jìn)行行為建模，該礦使用西門子S7-400PLC,上位機(jī)采用Wincc V7.5 組態(tài)監(jiān)控軟件。

使用MPI-ETH-YC 以太網(wǎng)通訊處理器將西門子S7400 系列PLC 與上位機(jī)組態(tài)軟件進(jìn)行通訊，其內(nèi)部集成了ModbusTCP 服務(wù)器功能，上位機(jī)軟件（ModbusTCP 客戶端）可直接按照地址映射表去訪問PLC 控制系統(tǒng)的內(nèi)部寄存器地址的數(shù)據(jù)，且其可以和市面上幾乎所有的SCADA 監(jiān)控組態(tài)軟件進(jìn)行以太網(wǎng)通訊。在使用時(shí)，將ETH-YC 西門子系列模塊插入到PLC 的DB9 通訊口，并擰緊螺栓加以固定，用網(wǎng)線連接模塊和電腦。連接好后的現(xiàn)場效果圖如圖9 所示。

將電腦的本地網(wǎng)卡IP 設(shè)置成192.168.1.100。而后打開力控組態(tài)軟件，以時(shí)間為單位，按照變量地址進(jìn)行數(shù)據(jù)實(shí)時(shí)存取，將讀取后的實(shí)時(shí)行為數(shù)據(jù)依照類別存儲(chǔ)在Microsoft SQL Server 數(shù)據(jù)庫中。繪制提升系統(tǒng)運(yùn)行狀態(tài)行為模型如圖10 所示。該圖表示了一次提運(yùn)完整過程的行為模型，在該過程中東提升容器從井底裝載完成后歷經(jīng)加速、勻速與減速后運(yùn)行至井口進(jìn)行卸載，卸載完成后再從井口返回至井底重新裝載。西提升容器運(yùn)行過程與東提升容器完全相反。

圖10 礦井提升系統(tǒng)運(yùn)行狀態(tài)行為建模Fig.10 Modeling of running state behavior of mining hoisting system

圖11 為真實(shí)數(shù)據(jù)驅(qū)動(dòng)的礦井提升系統(tǒng)電機(jī)電流行為建模結(jié)果。電機(jī)勵(lì)磁電流和電機(jī)電流隨著提升速度的增加而不斷增大并在一定范圍內(nèi)波動(dòng)，在提升容器平穩(wěn)運(yùn)行時(shí)降低，而后提升容器減速至零，電機(jī)電流也重新降低至零，電機(jī)勵(lì)磁電流降至200 A。

圖11 礦井提升系統(tǒng)電機(jī)電流行為建模Fig.11 Modeling of motor current behavior in mining hoisting system

圖12 為礦井提升系統(tǒng)電機(jī)溫度行為建模結(jié)果，在提升過程中溫度波動(dòng)較大，達(dá)到10 ℃左右，而裝載卸載時(shí)較為穩(wěn)定，上下波動(dòng)不超過1.5 ℃。

圖12 礦井提升系統(tǒng)電機(jī)溫度行為建模Fig.12 Modeling of motor temperature behavior in mining hoisting system

2.3 礦井提升系統(tǒng)孿生體知識(shí)模型建立

礦井提升系統(tǒng)數(shù)字孿生體不僅涉及到機(jī)械、電氣領(lǐng)域的相關(guān)知識(shí)，還應(yīng)該包納事故數(shù)據(jù)、經(jīng)驗(yàn)法則等，將先驗(yàn)知識(shí)進(jìn)行梳理，構(gòu)建礦井提升系統(tǒng)知識(shí)模型，并存儲(chǔ)于孿生系統(tǒng)中，有助于孿生系統(tǒng)在演化過程中不斷進(jìn)行知識(shí)學(xué)習(xí)進(jìn)而輔助管理者進(jìn)行決策或最終實(shí)現(xiàn)自主決策。

以礦井提升系統(tǒng)故障知識(shí)建模為例，說明整個(gè)知識(shí)建模的過程。故障知識(shí)模型使用Microsoft SQL Server 創(chuàng)建，以故障樹理論為指導(dǎo)，包含礦井提升系統(tǒng)的故障參數(shù)表、故障信息表、故障案例表與結(jié)論表。故障參數(shù)表將礦井提升系統(tǒng)運(yùn)行過程中的所有重要特征故障信號(hào)進(jìn)行總結(jié)作為整個(gè)知識(shí)模型的觸發(fā)如圖13 所示。

圖13 礦井提升系統(tǒng)運(yùn)行參數(shù)Fig.13 Operation parameter of mining hoisting system

其中共涉及到T1～T5 五個(gè)故障樹，共14 個(gè)故障節(jié)點(diǎn)。T2X5、T1X6、T6X11、T4A1X3 為根節(jié)點(diǎn)，其余為中間節(jié)點(diǎn)。每一個(gè)故障樹都對(duì)應(yīng)著一張故障信息表，以T1 制動(dòng)系統(tǒng)為例，其對(duì)應(yīng)的故障信息表如圖14 所示。

圖14 T1 故障信息Fig.14 Fault information of T1

故障信息表中，1～12 為可以直接監(jiān)測到的故障，每一個(gè)故障都對(duì)應(yīng)著事故案例庫。事故案例庫包含經(jīng)典事故發(fā)生的時(shí)間、地點(diǎn)、具體過程、處置措施與事后恢復(fù)等的信息，幫助管理者進(jìn)行決策。13～28是未包含案例的故障，可以通過生產(chǎn)的不斷進(jìn)行而手動(dòng)添加，使知識(shí)庫更加完整。每個(gè)案例庫最后會(huì)觸發(fā)結(jié)論庫，結(jié)論庫通過計(jì)算底事件的重要度進(jìn)行優(yōu)先級(jí)排序，在診斷結(jié)果顯示了每一個(gè)底事件對(duì)應(yīng)的重要度大小、優(yōu)先級(jí)、故障原因詳細(xì)描述及維修建議。本知識(shí)模型中共涉及16 個(gè)運(yùn)行參數(shù)，對(duì)應(yīng)著16 個(gè)案例庫、16 個(gè)結(jié)論庫。最終知識(shí)模型中共含有48 個(gè)子庫。其相互推理觸發(fā)關(guān)系如圖15 所示。

圖15 知識(shí)模型相互觸發(fā)關(guān)系Fig.15 Knowledge models trigger relationship

以鋼絲繩打滑為例說明知識(shí)模型相互推理觸發(fā)關(guān)系，整個(gè)過程是基于CBR 與RBR 融合的推理機(jī)制指導(dǎo)下完成的，首先系統(tǒng)接收到故障狀態(tài)參量為鋼絲繩張力（P15），將鋼絲繩張力作為預(yù)設(shè)的知識(shí)庫觸發(fā)器，系統(tǒng)將會(huì)自動(dòng)搜尋到與其有關(guān)的故障樹子節(jié)點(diǎn)提升容器故障樹（Hoisting container），而后搜索Hoisting container 的子節(jié)點(diǎn)鋼絲繩嚴(yán)重打滑（N11），調(diào)取故障信息庫，確定故障名，根據(jù)故障名觸發(fā)案例庫（Example）,給出事故詳細(xì)信息以供參考后最終觸發(fā)結(jié)論庫(C11)，結(jié)論庫按照權(quán)重給出診斷結(jié)論，指導(dǎo)故障維修與恢復(fù)。

2.4 礦井提升系統(tǒng)孿生體建模的多尺度特征

在進(jìn)行跨空間多維建模時(shí)也應(yīng)該兼顧礦井提升系統(tǒng)的多尺度特征。礦井提升系統(tǒng)幾何空間建模按照尺度層級(jí)可以分為零件級(jí)、部件級(jí)、設(shè)備級(jí)、企業(yè)級(jí)；行為及知識(shí)建?？煞譃楹暧^與微觀。采用激光掃描的幾何建模方法能夠完成部件級(jí)和設(shè)備級(jí)建模、所建立的礦井提升系統(tǒng)模型能夠映射提升生產(chǎn)行為，即宏觀級(jí)別的行為與知識(shí)。而在孿生監(jiān)測過程中，系統(tǒng)也必須關(guān)注零件級(jí)和企業(yè)級(jí)的建模，零件級(jí)模型的狀態(tài)對(duì)應(yīng)微觀級(jí)的行為與知識(shí)模型，其微觀行為對(duì)部件級(jí)模型的功能產(chǎn)生影響，進(jìn)而影響整個(gè)設(shè)備的運(yùn)行。例如天輪軸承外圈破裂其微觀級(jí)別的行為是振動(dòng)信號(hào)異常，導(dǎo)致部件級(jí)天輪宏觀狀態(tài)偏擺加劇，最終將使整個(gè)設(shè)備故障。將整個(gè)提升系統(tǒng)按照第一節(jié)所述內(nèi)容進(jìn)行智能傳感終端拆分，使用手持式三維激光掃描儀對(duì)每個(gè)終端中的重要零部件級(jí)幾何模型進(jìn)行逆向三維重建后將其嵌入部件級(jí)幾何模型，同時(shí)借助行為建模中的傳感網(wǎng)絡(luò)對(duì)其應(yīng)力、振動(dòng)等微觀級(jí)信號(hào)采集。企業(yè)級(jí)模型則關(guān)注礦井提升系統(tǒng)的周邊環(huán)境建模與企業(yè)內(nèi)部信息數(shù)據(jù)，通過對(duì)周邊地質(zhì)、環(huán)境模型的采集與接入企業(yè)內(nèi)部互聯(lián)網(wǎng)數(shù)據(jù)，完成企業(yè)級(jí)幾何與行為知識(shí)模型的建立，企業(yè)級(jí)模型的建立使礦井孿生系統(tǒng)形成生產(chǎn)、安全、效益的動(dòng)態(tài)閉環(huán)。

3 數(shù)字孿生虛實(shí)協(xié)同聯(lián)動(dòng)與狀態(tài)監(jiān)測

礦井提升系統(tǒng)數(shù)字孿生體具有多個(gè)維度與尺度，而各個(gè)維度與尺度層級(jí)是相互連接而不是分立的，多層級(jí)幾何模型間相互連接，通過微觀與宏觀的行為模型可以驅(qū)動(dòng)幾何模型，而通過知識(shí)模型又可以輔助幾何模型進(jìn)行演化。通過Unity3D 與腳本程序，將多個(gè)維度與層級(jí)的模型進(jìn)行整合，實(shí)現(xiàn)虛實(shí)聯(lián)動(dòng)與知識(shí)推理。

將建立好的幾何模型導(dǎo)入至Unity3D 中，配置好環(huán)境與光照后，根據(jù)礦井提升系統(tǒng)部件層級(jí)間的相互運(yùn)動(dòng)關(guān)系設(shè)置父子關(guān)系。滾筒的運(yùn)動(dòng)會(huì)直接影響天輪、鋼絲繩、提升容器的運(yùn)動(dòng)，反過來上述三個(gè)部件的運(yùn)動(dòng)則不會(huì)影響滾筒的運(yùn)動(dòng)，因而滾筒是其他運(yùn)動(dòng)部件的父關(guān)系。同時(shí)制動(dòng)裝置的制動(dòng)效果會(huì)影響滾筒的運(yùn)動(dòng)情況，因此盤式制動(dòng)器是滾筒的父關(guān)系。

實(shí)現(xiàn)虛實(shí)協(xié)同聯(lián)動(dòng)本質(zhì)上就是將微觀與宏觀的行為模型的數(shù)據(jù)賦予至幾何模型，將行為模型讀取至SQL Server 中，知識(shí)模型已經(jīng)用SQL Server 存儲(chǔ)，不必再次存取，隨后，編寫運(yùn)動(dòng)控制腳本修改Unity3D 中Transform 組件的位置和旋轉(zhuǎn)參數(shù)即可達(dá)到虛擬模型與真實(shí)模型運(yùn)動(dòng)一致的目的：首先通過IP 地址、端口、用戶名、密碼與SQL Server 數(shù)據(jù)庫建立連接，再使用SQL Server 提供的數(shù)據(jù)讀取語句不斷讀取行為數(shù)據(jù)表中的內(nèi)容并存入緩存消息列表中，最后將緩存消息列表中的數(shù)據(jù)賦予運(yùn)動(dòng)模型的Transform 組件，至此完成了行為模型與虛擬模型的連接。對(duì)比真實(shí)礦井提升系統(tǒng)的行為模型與數(shù)字孿生體的行為數(shù)據(jù)如圖16 所示。

圖16 虛實(shí)聯(lián)動(dòng)效果對(duì)比Fig.16 Comparison of virtual and real linkage effect

可以看出，在提升系統(tǒng)提升的第一個(gè)行程，由于接口傳輸及第一次初始化需要時(shí)間，因此虛擬孿生體的行為相對(duì)真實(shí)體的行為有約1 s 的滯后，而在第二個(gè)行程開始后，兩條曲線完全重合，實(shí)現(xiàn)了無延時(shí)的虛實(shí)協(xié)同聯(lián)動(dòng)。虛實(shí)聯(lián)動(dòng)試驗(yàn)成功后，編寫腳本將獲得的更多微觀與宏觀的真實(shí)傳感數(shù)據(jù)賦予各個(gè)虛擬部件來實(shí)現(xiàn)真實(shí)傳感網(wǎng)絡(luò)和虛擬場景的關(guān)聯(lián)。例如在虛擬場景的提升容器上預(yù)留有重量顯示接口和速度驅(qū)動(dòng)接口，在制動(dòng)系統(tǒng)上預(yù)留有距離驅(qū)動(dòng)組件，一旦傳感網(wǎng)絡(luò)將實(shí)時(shí)信號(hào)傳入系統(tǒng)，緩存消息列表將為各種信號(hào)依據(jù)傳感器所在部件位置自動(dòng)分配流向，真實(shí)傳感網(wǎng)絡(luò)中的稱重傳感器與編碼器提供的速度、重量信號(hào)流向虛擬場景中的提升容器組件，接口讀取到數(shù)據(jù)后執(zhí)行相應(yīng)的腳本并調(diào)用transform 功能進(jìn)行重量交互式實(shí)時(shí)顯示與運(yùn)行驅(qū)動(dòng)，操作人員便可以點(diǎn)擊實(shí)時(shí)遠(yuǎn)程查看稱重傳感器的測量結(jié)果和提升容器的真實(shí)運(yùn)行狀態(tài)；真實(shí)傳感網(wǎng)絡(luò)中激光測距傳感器檢測的距離信號(hào)則流向虛擬場景中的制動(dòng)系統(tǒng)閘瓦改變其制動(dòng)狀態(tài)。至此，傳感網(wǎng)絡(luò)中的全部傳感信息通過數(shù)據(jù)傳輸、流向分配、接口接收和腳本執(zhí)行與虛擬場景形成關(guān)聯(lián)。

同樣地，通過SQL Server 提供的數(shù)據(jù)讀取語句同UI 界面上預(yù)留的數(shù)據(jù)接口建立連接，此時(shí)根據(jù)行為模型傳遞過來的狀態(tài)參數(shù)判斷是否激活規(guī)則庫，如若激活，則按照2.3 所述的融合推理機(jī)制觸發(fā)知識(shí)模型，并通過UI 界面按照優(yōu)先級(jí)展示故障診斷結(jié)論，而后給出經(jīng)典案例的同時(shí)生成故障診斷報(bào)告輔助整個(gè)系統(tǒng)進(jìn)行決策，其效果如圖17 所示。

圖17 UI 界面知識(shí)模型調(diào)用Fig.17 UI interface knowledge model calling

將上述功能集成于虛擬場景對(duì)提升系統(tǒng)的狀態(tài)進(jìn)行監(jiān)測、故障快速定位與處置。在系統(tǒng)中設(shè)置好各狀態(tài)參數(shù)的閾值并判斷實(shí)時(shí)傳感信號(hào)值是否超出閾值，如圖18 所示。

圖18 數(shù)字孿生狀態(tài)監(jiān)測及故障定位效果Fig.18 Digital twin condition monitoring and fault location effect

圖18 中天輪軸承溫度傳感信號(hào)高于閾值，天輪整體顯示紅色并發(fā)出警報(bào)，軸承溫度信息顯示溫度超標(biāo)，維檢人員可以根據(jù)系統(tǒng)發(fā)出警報(bào)的位置迅速定位到故障天輪處進(jìn)行排查，同時(shí)點(diǎn)擊下發(fā)故障診斷報(bào)告按鈕可向下級(jí)單位發(fā)送由知識(shí)模型推理的診斷報(bào)告，輔助維檢人員工作。當(dāng)鼠標(biāo)點(diǎn)擊鋼絲繩部件時(shí)，即可查看鋼絲繩各項(xiàng)實(shí)時(shí)傳感參數(shù)，由于鋼絲繩各項(xiàng)參數(shù)正常，因此顯示為綠色健康狀態(tài)。圖18左側(cè)則是對(duì)各關(guān)鍵點(diǎn)監(jiān)控傳感信號(hào)的實(shí)時(shí)顯示，以幫助監(jiān)測人員更好地對(duì)礦井提升系統(tǒng)的真實(shí)運(yùn)行狀態(tài)進(jìn)行把控。通過系統(tǒng)以部件為單位自動(dòng)監(jiān)測各項(xiàng)傳感參數(shù)，并及時(shí)發(fā)出警報(bào)以定位故障，大大增加了監(jiān)測效率，加快了故障排查速度。

4 結(jié) 論

1）使用幾何模型快速建模方法其建模效率提高了93%，真實(shí)度高，很好地解決了大場景三維虛擬孿生模型建立的問題。

2）在不新增傳感器的情況下利用工業(yè)現(xiàn)場原有傳感網(wǎng)絡(luò)構(gòu)建行為模型有助于節(jié)約孿生建模成本、避免設(shè)備停機(jī)、保證數(shù)據(jù)的實(shí)時(shí)性與真實(shí)性。

3）使用數(shù)據(jù)與腳本驅(qū)動(dòng)，將三個(gè)維度數(shù)字孿生模型融合，達(dá)到了孿生體與真實(shí)體的零延時(shí)虛實(shí)協(xié)同聯(lián)動(dòng)的目標(biāo)，并能夠讓孿生模型使用知識(shí)進(jìn)行輔助決策，實(shí)現(xiàn)了礦井提升系統(tǒng)的全域可視化、故障快速定位與排查。