Inteligentny monitoring i ocena wydajności systemów odgazowania otworów-rurociągów-pomp w kopalniach węgla oparta na CNN

Dlaczego kontrola gazów w kopalni ma znaczenie

Głęboko pod ziemią kopalnie węgla muszą nieustannie usuwać gaz metanowy, aby zapobiegać wybuchom i pozyskiwać przydatne źródło energii. Zadanie to realizuje sieć otworów, rur i pomp, które wydobywają gaz ze skały. Jednak wycieki, zatory i niestabilna praca mogą po cichu osłabiać wydajność systemu na długo przed wykryciem problemu. Badanie to pokazuje, jak starannie zaprojektowane eksperymenty i nowoczesna sztuczna inteligencja mogą przekształcić rutynowe odczyty czujników w automatyczny „check-up” systemu odgazowania, pomagając chronić górników i lepiej wykorzystywać pozyskiwany gaz.

Jak gaz jest odsysany z pokładu węgla

W typowej kopalni wierci się otwory w pokładzie węgla i łączy je z siecią rur prowadzących do wydajnych pomp próżniowych. Pompy te wytwarzają ujemne ciśnienie—zasadniczo siłę ssącą—która wyciąga metan i powietrze ze skały. Mieszanka gazów następnie przepływa stalowymi rurociągami na powierzchnię do obróbki lub wykorzystania. W teorii inżynierowie mogą śledzić ciśnienie, przepływ i stężenie gazu za pomocą czujników rozmieszczonych wzdłuż rur i użyć tych parametrów do oceny, czy system działa poprawnie. W praktyce surowe warunki pod ziemią, korozja i skomplikowane układy rur sprawiają, że dane są zaszumione i trudne do interpretacji, zwłaszcza gdy oceny opierają się wyłącznie na ludzkim osądzie.

Co się dzieje, gdy rury przeciekają lub się zatyka

Aby zrozumieć zachowanie systemu pod obciążeniem, badacze zbudowali kontrolowane eksperymenty imitujące rzeczywiste sieci odwadniające pod ziemią. Wprowadzali wycieki i zatory w określonych punktach rur i monitorowali, jak zmieniały się ciśnienie i przepływ wzdłuż linii. Gdy główny rurociąg przy pompach przeciekał, ssanie spadało gwałtownie, a mierzony przepływ wzrastał—oznaka pochłaniania dużej ilości dodatkowego powietrza, zamiast przydatnego metanu. Nieszczelności w odgałęzieniach bocznych natomiast niewiele wpływały na samą pompę, ale znacząco zmniejszały ssanie i usuwanie gazu w kolejnych otworach. Zatory dawały własne charakterystyczne wzorce: nagła zmiana tempa spadku ciśnienia wzdłuż rury, po której następowało częściowe odzyskanie. Te laboratoryjne sygnatury tworzą rodzaj biblioteki odcisków palców dla różnych typów usterek.

Przekształcenie reguł ekspertów w prosty wskaźnik

W oparciu o praktyczne standardy kopalniane zespół zaprojektował system oceny, który łączy wiele czynników w jedną miarę zadowolenia w przedziale od zera do jednego. Wskaźniki pogrupowano w dwa główne obszary: bezpieczeństwo i skuteczność. Bezpieczeństwo obejmuje to, jak powietrze rozkłada się w rejonie roboczym i ile gazu nadal uwalnia się w pobliżu pracowników. Skuteczność odzwierciedla, ile gazu jest odprowadzane dziennie, jak silne jest ssanie, jakie jest stężenie metanu i ile czystego gazu faktycznie zostaje przechwycone. Korzystając ze strukturalnej metody decyzyjnej, doświadczeni inżynierowie przypisali względne znaczenie poszczególnym czynnikom. Ostateczny wynik jest następnie mapowany na pięć klas, od doskonałej (Klasa I) do niekwalifikującej (Klasa V), na wzór sposobu, w jaki kopalnie oceniają zgodność odgazowania z krajowymi normami.

Jak sieć neuronowa uczy „wyczucia” systemu

Zamiast prosić ludzi o ciągłe stosowanie tych reguł, autorzy wytrenowali splotową sieć neuronową (CNN)—rodzaj modelu uczenia głębokiego—aby rozpoznawała jakość odgazowania bezpośrednio na podstawie danych z czujników. Podzielili szeregi czasowe siedmiu monitorowanych zmiennych na krótkie okna i ułożyli każde okno jako małą macierz, podobnie jak obraz. Taki format pozwala sieci CNN wychwycić subtelne wzorce, w jakich ciśnienie, przepływ i stężenie gazu zmieniają się razem w czasie, wliczając sygnatury odkryte w eksperymentach z nieszczelnościami. Ocena dla każdej próbki danych była najpierw uzyskiwana z metody opartej na wiedzy ekspertów, a następnie używana jako sygnał uczący dla CNN. Przy 10 000 próbek z kopalni Xinfa w Chinach architekturę sieci i ustawienia treningu dostrojono tak, by zrównoważyć dokładność i koszty obliczeniowe.

Jak dobrze działa inteligentny monitor

W najlepszych ustawieniach CNN poprawnie klasyfikował wszystkie próbki ocenione jako doskonałe, dobre lub średnie, a także niemal wszystkie te jedynie kwalifikujące. Najsłabsze wyniki występowały w rzadkich, poważnie niekwalifikujących przypadkach, gdzie poprawnie rozpoznawał około połowy. Ta luka wynika częściowo z rzadkości takich niebezpiecznych stanów—kopalnie starają się ich unikać—i częściowo z faktu, że ich odczyty czujników mogą pokrywać się z warunkami granicznymi, lecz akceptowalnymi. Mimo to model jest na tyle lekki, że może działać w czasie rzeczywistym na standardowych komputerach kopalnianych, wykorzystując te same czujniki ciśnienia, przepływu i gazu, które są już zainstalowane w większości zakładów. Autorzy twierdzą, że ponowne treningi z danymi z innych kopalń mogłyby upowszechnić podejście, a dodatkowe techniki obsługi rzadkich zdarzeń mogą poprawić wykrywanie najpoważniejszych usterek.

Co to oznacza dla bezpieczniejszego i czystszego górnictwa

Łącząc eksperymenty fizyczne, wiedzę ekspertów i uczenie głębokie, praca ta przekształca złożoną sieć odgazowania w system, który w dużym stopniu potrafi oceniać własną wydajność. Podejście oferuje operatorom kopalń ciągłą, zautomatyzowaną ocenę działania ich systemów otwór–rura–pompa, sygnalizując subtelne pogorszenia zanim staną się zagrożeniem. To może zmniejszyć ryzyko wypadków gazowych, wspierać stabilniejszą produkcję węgla i zwiększać udział metanu przechwytywanego jako użyteczne paliwo zamiast uwalnianego do atmosfery. Krótko mówiąc, inteligentniejszy monitoring gazów podziemnych nie tylko chroni górników, lecz także przyczynia się do czystszej i bardziej efektywnej eksploatacji węgla.

Cytowanie: Tong, Y., Yang, Y., Niu, J. et al. Intelligent monitoring and CNN-based performance evaluation of borehole-pipe-pump gas drainage systems in coal mines. Sci Rep 16, 11802 (2026). https://doi.org/10.1038/s41598-026-42294-5

Słowa kluczowe: bezpieczeństwo w kopalni węgla, odgazowanie, nieszczelność rurociągu, monitoring z użyciem uczenia głębokiego, pobór metanu