馬宏偉王世斌毛清華石增武張旭輝楊 征曹現(xiàn)剛薛旭升夏 晶王川偉

(1.西安科技大學(xué)機(jī)械工程學(xué)院,陜西西安 710054;2.陜西省礦山機(jī)電裝備智能監(jiān)測重點(diǎn)實(shí)驗室,陜西西安 710054;3.陜西煤業(yè)化工集團(tuán)有限責(zé)任公司,陜西 西安 710070;4.陜西陜煤榆北煤業(yè)有限公司,陜西 榆林 719000;5.陜西小保當(dāng)?shù)V業(yè)有限公司,陜西 榆林 719000)

隨著《中國制造2025》戰(zhàn)略的深入實(shí)施,國家高度重視煤炭工業(yè)智能化發(fā)展,2019-01-02 國家煤監(jiān)局發(fā)布了《煤礦機(jī)器人重點(diǎn)研發(fā)目錄》,2020-02-25國家發(fā)展改革委等八部委聯(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》。在煤炭人的共同努力下,綜采工作面智能化初見成效,而綜掘工作面智能化嚴(yán)重滯后,導(dǎo)致采快掘慢,比例失衡,嚴(yán)重影響著煤礦安全、高效、智能生產(chǎn)。

目前煤巷掘進(jìn)方式主要有4 種[1-3]:①以懸臂式掘進(jìn)機(jī)為主的綜合機(jī)械化作業(yè)方式;②連續(xù)采煤機(jī)與錨桿鉆車配套作業(yè)方式;③掘錨一體機(jī)作業(yè)方式;④包含截割、臨時支護(hù)、鉆錨等智能掘進(jìn)系統(tǒng)作業(yè)方式。美國、澳大利亞、瑞典、英國廣泛采用掘錨一體化技術(shù),實(shí)現(xiàn)了自動截割、輸送設(shè)備監(jiān)測和自動控制,以及掘進(jìn)和錨護(hù)并行作業(yè)。我國對掘進(jìn)、錨桿支護(hù)設(shè)備及自動化技術(shù)研究起步較晚,國內(nèi)的西安科技大學(xué)和西安煤礦機(jī)械有限公司、中國煤炭科工集團(tuán)太原研究院、中國鐵建重工集團(tuán)等單位在掘進(jìn)成套裝備研發(fā)方面走在前列,研發(fā)的智能掘進(jìn)成套裝備實(shí)現(xiàn)了掘進(jìn)、支護(hù)、運(yùn)輸并行連續(xù)作業(yè),并實(shí)現(xiàn)了遠(yuǎn)程監(jiān)測監(jiān)控,有效提高了掘進(jìn)效率和自動化程度。我國煤礦賦存條件復(fù)雜,掘進(jìn)工作面環(huán)境惡劣,亟需研發(fā)智能掘進(jìn)系統(tǒng),對于全面提升煤礦巷道掘進(jìn)裝備和工藝水平,最大限度的解放生產(chǎn)力,確保煤礦巷道安全、高效、綠色、智能掘進(jìn)具有極其重要的意義。

近年來,國內(nèi)外對煤礦掘進(jìn)智能化的研究不斷深入,已經(jīng)成為研究的熱點(diǎn)。主要聚焦在智能截割技術(shù)、智能導(dǎo)航技術(shù)、智能協(xié)同控制技術(shù)和遠(yuǎn)程智能測控技術(shù)等方面。

(1)智能截割技術(shù)研究現(xiàn)狀。在掘進(jìn)裝備的定形截割方面,劉治翔等運(yùn)用機(jī)器人運(yùn)動學(xué)分析方法,建立截割頭在巷道斷面坐標(biāo)系中的運(yùn)動學(xué)方程,并利用蒙特卡洛模擬方法分析了不同油缸位移傳感器誤差等級對截割頭在巷道空間內(nèi)定位精度影響規(guī)律[4]。張旭輝等提出了懸臂式掘進(jìn)機(jī)視覺伺服截割控制系統(tǒng),采用PID 控制方法建立了懸臂式掘進(jìn)機(jī)視覺伺服截割控制模型[5]。毛清華等建立了懸臂式掘進(jìn)機(jī)控制系統(tǒng)傳遞函數(shù)模型,運(yùn)用PID 控制方法實(shí)現(xiàn)了精確截割控制[6]。

在掘進(jìn)裝備的自適應(yīng)截割方面,國內(nèi)外主要研究截割臂擺速自適應(yīng)控制方法,分別為基于油缸壓力判斷和截割電流判斷的截割臂擺速調(diào)節(jié)方法。國外一些機(jī)構(gòu)如奧地利奧鋼聯(lián)、德國?？嘶舴蚬?、英國DOSCO 等主要研究基于油缸壓力判斷的截割臂擺速自適應(yīng)控制方法,研發(fā)了負(fù)載敏感型液壓閥。國內(nèi)主要對基于截割電流判斷的截割臂擺速自適應(yīng)控制方法進(jìn)行了較為深入的研究。W YANG 等將截割電機(jī)電流作為截割載荷變化的判斷依據(jù),基于PID 控制對回轉(zhuǎn)油缸的伸縮速度進(jìn)行調(diào)節(jié),實(shí)現(xiàn)了截割臂擺速自適應(yīng)控制[7]。宗凱等針對掘進(jìn)機(jī)截割過程中煤巖硬度急劇變化時,截割臂擺動速度無法迅速調(diào)節(jié)以適應(yīng)當(dāng)前截割載荷這一實(shí)際問題,提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的截割臂擺速控制策略來實(shí)現(xiàn)截割電機(jī)恒功率輸出[8]。

(2)智能導(dǎo)航技術(shù)研究現(xiàn)狀。張旭輝等以巷道中的激光束為特征,建立掘進(jìn)機(jī)機(jī)身位姿視覺測量模型,通過空間矩陣變換求解得到掘進(jìn)機(jī)的位姿信息[9]。薛光輝等通過建立基于激光靶向掃描的掘進(jìn)機(jī)位姿測量系統(tǒng)模型,從而解算出掘進(jìn)機(jī)相對巷道坐標(biāo)系的位置和姿態(tài)信息[10]。但是激光的穿透力有限,井下粉層較大的情況下定位誤差較大。慣性導(dǎo)航測量存在隨著時間增長產(chǎn)生累積誤差問題,通常需要將慣導(dǎo)和其他傳感器構(gòu)成組合測量系統(tǒng),提高測量精度[11]。于永軍等采用慣導(dǎo)與視覺組合,提高了定位精度[12]。筆者等提出基于“慣導(dǎo)+數(shù)字全站儀”的掘進(jìn)機(jī)器人系統(tǒng)位姿檢測方法,實(shí)現(xiàn)掘進(jìn)機(jī)器人系統(tǒng)精確定位定向[13]。楊文娟等提出了一種通過共面約束幾何建模和標(biāo)定提升井下視覺定位精度的新方法,有效解決了基于激光標(biāo)靶的煤礦井下移動設(shè)備精確定位難題[14]。盧新明等構(gòu)建了基于慣性導(dǎo)航儀、指北儀和具有跟蹤功能的全站儀等設(shè)備的物聯(lián)網(wǎng),實(shí)現(xiàn)了精確可靠的實(shí)時定位和掘進(jìn)機(jī)的機(jī)器人化[15]。

在智能導(dǎo)航控制方面,筆者等針對煤礦井下移動機(jī)器人自主導(dǎo)航問題,構(gòu)建了基于深度相機(jī)的機(jī)器視覺系統(tǒng),提出了一種基于深度視覺的導(dǎo)航方法[16]。張敏駿等針對傳統(tǒng)掘進(jìn)機(jī)行駛性能與糾偏控制未考慮滑移及巷道傾角的問題,建立了綜合考慮巷道傾角與履帶滑移的掘進(jìn)機(jī)糾偏運(yùn)動學(xué)模型,提出了基于神經(jīng)網(wǎng)絡(luò)PID 的掘進(jìn)機(jī)糾偏運(yùn)動控制算法,實(shí)現(xiàn)了控制參數(shù)的在線實(shí)時修正與調(diào)整,保證了控制效果的最優(yōu)性[17]。張旭輝等針對在煤礦井下高粉塵、低照度環(huán)境中,掘進(jìn)機(jī)器人定位與控制精度不高的問題,設(shè)計了一種基于視覺測量的快速掘進(jìn)機(jī)器人糾偏控制系統(tǒng),通過激光和視覺傳感器對快速掘進(jìn)機(jī)器人定位,采用PID 控制算法實(shí)現(xiàn)糾偏控制[18]。

(3)智能協(xié)同控制技術(shù)研究現(xiàn)狀。煤礦智能掘進(jìn)系統(tǒng)主要包括智能截割系統(tǒng)、智能臨時支護(hù)系統(tǒng)、智能鉆錨系統(tǒng)、智能錨網(wǎng)運(yùn)輸系統(tǒng)、智能運(yùn)輸系統(tǒng)和智能通風(fēng)除塵系統(tǒng)等多個智能子系統(tǒng)。在實(shí)現(xiàn)單個子系統(tǒng)智能控制的基礎(chǔ)上,如何實(shí)現(xiàn)對煤礦智能掘進(jìn)系統(tǒng)多個任務(wù)并行與多個子系統(tǒng)智能協(xié)同控制成為重要研究內(nèi)容之一[19]。

協(xié)同控制主要包括2 個方面[20]:①建立多個機(jī)器人之間的空間位置關(guān)系,一般通過基坐標(biāo)系標(biāo)定來實(shí)現(xiàn);②協(xié)同插補(bǔ)算法,協(xié)同插補(bǔ)算法中的關(guān)鍵技術(shù)是協(xié)同軌跡的過渡和對多個運(yùn)動單元的同步速度規(guī)劃。國內(nèi)外學(xué)者大多面向多任務(wù)、多工序、多資源、多主體的并行與協(xié)同控制問題,主要研究了強(qiáng)化學(xué)習(xí)、遺傳算法、Agent 算法、P 學(xué)習(xí)、粒子群算法等[21]。針對多機(jī)器人協(xié)同控制問題,PIERPAOLI P 等提出了多機(jī)器人行為排序的強(qiáng)化學(xué)習(xí)框架[22],CHEN J 等研究了基于深度學(xué)習(xí)的多機(jī)器人協(xié)作模型[23],KOSTAL I A NET 研究了基于分布式梯度粒子群算法的多機(jī)器人運(yùn)動規(guī)劃方法[24]。

(4)遠(yuǎn)程智能測控技術(shù)研究現(xiàn)狀。針對掘進(jìn)系統(tǒng)遠(yuǎn)程測控問題,張敏駿等提出了一種基于機(jī)載可編程控制器、機(jī)載傳感系統(tǒng)、視頻監(jiān)控系統(tǒng)以及工控機(jī)的掘進(jìn)機(jī)遠(yuǎn)程監(jiān)控系統(tǒng)[25]。陽廷軍提出了懸臂式掘進(jìn)機(jī)遠(yuǎn)程可視化控制系統(tǒng),研究了遠(yuǎn)程控制系統(tǒng)關(guān)鍵技術(shù)[26]。高旭彬提出了綜掘工作面遠(yuǎn)程可視化控制方法,研究了成套設(shè)備協(xié)同控制、智能截割、智能錨護(hù)、智能運(yùn)輸、視頻監(jiān)控等關(guān)鍵技術(shù)[27]。

王國法等[28]開展了煤礦智能化建設(shè)技術(shù)體系研究,分析了煤礦智能化建設(shè)存在的技術(shù)難題與發(fā)展方向。葛世榮等提出了數(shù)字孿生智采工作面概念和技術(shù)架構(gòu),為進(jìn)一步利用物聯(lián)網(wǎng)、5G 通信、云計算等技術(shù)實(shí)現(xiàn)智采工作面數(shù)字孿生系統(tǒng)提供了一定的指導(dǎo)[29]。吳淼等提出了一種掘支錨并行作業(yè)的施工工藝體系,結(jié)合數(shù)字孿生技術(shù)探討了煤礦綜掘工作面智能發(fā)展的關(guān)鍵技術(shù)[30]。張旭輝等以虛擬現(xiàn)實(shí)為基礎(chǔ),構(gòu)建了懸臂式掘進(jìn)機(jī)數(shù)字孿生系統(tǒng),實(shí)現(xiàn)了懸臂式掘進(jìn)機(jī)的虛擬遠(yuǎn)程控制[31]。

綜上所述,近年來在智能掘進(jìn)方面的研究不斷深入,尤其是國內(nèi)專家學(xué)者的研究成果豐富,持續(xù)推動世界掘進(jìn)智能化水平的不斷提升。由于我國煤炭賦存條件復(fù)雜,掘進(jìn)裝備和工藝呈現(xiàn)多樣化,智能掘進(jìn)面臨嚴(yán)峻挑戰(zhàn),尤其是智能截割、智能導(dǎo)航、智能協(xié)同控制、遠(yuǎn)程智能測控等已經(jīng)成為影響和制約智能掘進(jìn)快速發(fā)展的關(guān)鍵共性技術(shù)難題,迫切需要系統(tǒng)深入研究。

1 智能截割技術(shù)

煤礦巷道成形是通過掘進(jìn)機(jī)截割多個單一截面逐漸形成的,斷面自動成形受掘進(jìn)機(jī)結(jié)構(gòu)、斷面形狀、斷面地質(zhì)構(gòu)造影響。掘進(jìn)機(jī)按照截割形式主要分為縱軸式掘進(jìn)機(jī)、橫軸式掘進(jìn)機(jī)和復(fù)合型盾構(gòu)掘進(jìn)機(jī),縱軸式和橫軸式掘進(jìn)機(jī)主要通過截割頭的旋轉(zhuǎn)、截割臂的擺動來實(shí)現(xiàn)成形,而復(fù)合型盾構(gòu)掘進(jìn)機(jī)主要通過多個刀盤復(fù)合運(yùn)動成形。為了實(shí)現(xiàn)智能截割,需要深入研究智能定形截割方法和自適應(yīng)截割方法。

1.1 智能定形截割

縱軸式掘進(jìn)機(jī)智能定形截割難度較大,破解了該掘進(jìn)機(jī)的智能定形問題,其他掘進(jìn)方式的智能定形截割問題則迎刃而解。基于視覺伺服的掘進(jìn)機(jī)智能定形截割控制方法是目前先進(jìn)的智能定形截割控制方法,其系統(tǒng)構(gòu)成及工作原理如圖1所示。系統(tǒng)由截割頭位置測量模塊、控制器和掘進(jìn)機(jī)截割執(zhí)行機(jī)構(gòu)等部分組成,以控制器作為控制系統(tǒng)的主控平臺,通過截割臂視覺測量和機(jī)身位姿檢測實(shí)現(xiàn)截割頭在巷道斷面的精確位置檢測,將檢測的截割頭位置與截割規(guī)劃位置對比獲得截割控制偏差,將偏差實(shí)時反饋給掘進(jìn)機(jī)控制器,掘進(jìn)機(jī)控制器利用基于模糊PID 控制等智能控制方法控制液壓伺服系統(tǒng),從而實(shí)現(xiàn)對掘進(jìn)機(jī)的智能定形截割控制。

1.2 自適應(yīng)截割

煤礦巷道掘進(jìn)常常存在夾矸、半煤巖等截割載荷交變的工況,必須研究自適應(yīng)截割方法,優(yōu)化截割參數(shù),才能提高截割的安全性、高效性?；谶z傳算法優(yōu)化的BP(GA-BP)神經(jīng)網(wǎng)絡(luò)的掘進(jìn)機(jī)自適應(yīng)截割控制原理如圖2所示,將截割臂擺速作為控制量,通過遺傳算法優(yōu)化的BP 神經(jīng)網(wǎng)絡(luò)來保證截割電機(jī)恒功率輸出。在控制過程中,實(shí)時檢測截割電機(jī)的電壓U和電流I,截割臂驅(qū)動油缸的壓力P和截割臂振動加速度,并將其輸入GABP 神經(jīng)網(wǎng)絡(luò),將GA-BP 神經(jīng)網(wǎng)絡(luò)的輸出作為控制信號,通過控制電液比例方向閥來控制截割臂驅(qū)動油缸伸縮速度,進(jìn)而對截割臂擺速進(jìn)行控制,從而保證截割電機(jī)恒功率輸出。

圖1 視覺伺服的智能定形截割控制原理Fig.1 Schematic diagram of shape-cutting control based on visual servo

圖2 基于GA-BP 神經(jīng)網(wǎng)絡(luò)的自適應(yīng)截割控制原理Fig.2 Principle of adaptive cutting control based on GA-BP neural network

2 智能導(dǎo)航技術(shù)

掘進(jìn)系統(tǒng)按照行走形式主要分為履帶式掘進(jìn)系統(tǒng)和液壓推移式掘進(jìn)系統(tǒng)。掘進(jìn)系統(tǒng)智能導(dǎo)航技術(shù)主要包括:掘進(jìn)系統(tǒng)精確定位定向技術(shù)和智能導(dǎo)航控制技術(shù)。煤礦巷道掘進(jìn)系統(tǒng)的定位定向精度,直接影響煤礦巷道的掘進(jìn)質(zhì)量。由于煤礦井下無GPS、無北斗,如何實(shí)現(xiàn)掘進(jìn)系統(tǒng)的精確定位定向成為巷道掘進(jìn)的難題。一般情況下掘進(jìn)巷道寬度偏差為0～100 mm,因此,要求掘進(jìn)裝備的導(dǎo)航控制精度≤±50 mm,導(dǎo)航控制精度要求高,智能導(dǎo)航難題亟需突破。為實(shí)現(xiàn)掘進(jìn)裝備智能導(dǎo)航,需要深入研究以慣導(dǎo)為核心的多傳感器信息融合精確定位定向方法和智能導(dǎo)航控制方法。慣導(dǎo)與視覺融合方法和慣導(dǎo)、數(shù)字全站儀與油缸行程傳感器融合方法是目前掘進(jìn)系統(tǒng)先進(jìn)的精確定位定向方法。慣導(dǎo)與視覺融合方法的定向精度可達(dá)±0.01°、定位精度可達(dá)±40 mm,主要適用于懸臂式掘進(jìn)機(jī)、掘錨一體機(jī)等視野開闊的履帶式掘進(jìn)系統(tǒng)。慣導(dǎo)、數(shù)字全站儀與油缸行程傳感器融合方法的定向精度可達(dá)±0.01°、定位精度可達(dá)±20 mm,主要適用于液壓缸作為行走驅(qū)動的液壓推移式掘進(jìn)系統(tǒng)。

2.1 履帶式掘進(jìn)系統(tǒng)智能導(dǎo)航控制方法

采用慣導(dǎo)與視覺組合方法檢測履帶式掘進(jìn)系統(tǒng)的機(jī)身位姿,機(jī)身位姿測量原理如圖3所示,其包括單目工業(yè)相機(jī)、兩平行激光指向儀、捷聯(lián)慣導(dǎo)、雷達(dá)測距傳感器和防爆計算機(jī),圖3中,α1,β1,γ1和α2,β2,γ2含義一致,分別為偏航角,仰俯角和橫滾角。系統(tǒng)通過建立基于無跡粒子濾波與非線性緊組合機(jī)制的組合定位系統(tǒng)數(shù)學(xué)模型,對慣導(dǎo)與視覺信息進(jìn)行融合,從而獲得機(jī)身的精確位姿。

履帶式掘進(jìn)系統(tǒng)智能導(dǎo)航控制原理如圖4所示,系統(tǒng)由導(dǎo)航控制器、機(jī)身位姿檢測系統(tǒng)、行走驅(qū)動組成。通過視覺、雷達(dá)測距、捷聯(lián)慣導(dǎo)等多傳感器信息融合,實(shí)現(xiàn)掘進(jìn)系統(tǒng)精確定位定向。以掘進(jìn)系統(tǒng)精確位姿檢測為基礎(chǔ),通過神經(jīng)網(wǎng)絡(luò)PID 或模糊PID 控制等智能控制算法驅(qū)動掘進(jìn)系統(tǒng)履帶行走部,從而實(shí)現(xiàn)掘進(jìn)系統(tǒng)智能導(dǎo)航。

圖3 履帶式掘進(jìn)系統(tǒng)的機(jī)身位姿測量原理Fig.3 Principle of the fuselage pose measurement of crawler tunneling system

圖4 履帶式掘進(jìn)系統(tǒng)智能導(dǎo)航控制原理Fig.4 Principle of intelligent navigation control of crawler tunneling system

2.2 液壓推移式掘進(jìn)系統(tǒng)智能導(dǎo)航控制方法

液壓推移式掘進(jìn)系統(tǒng)采用光纖慣導(dǎo)、數(shù)字全站儀、油缸行程傳感器信息融合進(jìn)行精確定位定向檢測,其定位定向原理如圖5所示。通過高精度的光纖捷聯(lián)慣導(dǎo)測量速度和角速度增量、油缸行程傳感器測量系統(tǒng)推移行程,經(jīng)過數(shù)學(xué)解算系統(tǒng)得出煤礦智能掘進(jìn)系統(tǒng)的實(shí)時位姿。油缸行程傳感器和慣導(dǎo)組合會產(chǎn)生位置累積誤差,而數(shù)字全站儀可以測量出煤礦智能掘進(jìn)系統(tǒng)的精確位置信息,因此運(yùn)用數(shù)字全站儀修正慣導(dǎo)與油缸行程組合的位置誤差,從而實(shí)現(xiàn)煤礦智能掘進(jìn)系統(tǒng)的精準(zhǔn)位姿檢測。

液壓推移式掘進(jìn)系統(tǒng)智能導(dǎo)航控制原理如圖6所示,系統(tǒng)主要由機(jī)身位姿檢測系統(tǒng)、掘進(jìn)系統(tǒng)控制器、液壓驅(qū)動系統(tǒng)等組成。運(yùn)用卡爾曼濾波算法對“慣導(dǎo)+數(shù)字式全站儀+油缸行程”的多傳感器信息進(jìn)行融合,實(shí)現(xiàn)煤礦智能掘進(jìn)系統(tǒng)精確定位定向。將智能掘進(jìn)系統(tǒng)精確位姿檢測信息實(shí)時傳遞到神經(jīng)網(wǎng)絡(luò)PID 智能導(dǎo)航控制算法,驅(qū)動行走部液壓油缸進(jìn)行自動糾偏控制,最終實(shí)現(xiàn)液壓推移式掘進(jìn)系統(tǒng)智能導(dǎo)航控制。

3 智能協(xié)同控制技術(shù)

煤礦巷道掘進(jìn)包括掘進(jìn)、支護(hù)、鉆錨、運(yùn)輸?shù)榷嗳蝿?wù)。面向多任務(wù)、多系統(tǒng),如何確保高效、有序、智能的完成任務(wù),必須解決多任務(wù)最優(yōu)匹配,多系統(tǒng)協(xié)同控制和多任務(wù)并行控制等問題。

3.1 多任務(wù)并行控制方法

煤巷掘進(jìn)主要采用掘、錨分開的交替作業(yè)方式,據(jù)統(tǒng)計,在一個掘進(jìn)循環(huán)中,支護(hù)時間大約占到掘進(jìn)作業(yè)總時間的67%,因此支護(hù)速度成為影響提高掘進(jìn)進(jìn)尺的關(guān)鍵因素。分析煤礦智能掘進(jìn)系統(tǒng)的并行作業(yè)特征,智能掘進(jìn)系統(tǒng)屬于多任務(wù)、多工序、多主體的并行控制系統(tǒng),通過揭示多系統(tǒng)作業(yè)任務(wù)數(shù)目和完成時間等關(guān)鍵參數(shù)之間的關(guān)系,實(shí)現(xiàn)煤礦巷道智能掘進(jìn)系統(tǒng)有效、可靠的并行作業(yè)。假設(shè)由m個子系統(tǒng)組成,分別完成掘、支、鉆、錨、運(yùn)等n個掘進(jìn)作業(yè)工藝,結(jié)合子系統(tǒng)環(huán)境與自身狀態(tài)感知信息,建立基于并行作業(yè)特征的智能截割系統(tǒng)、智能臨時支護(hù)系統(tǒng)、智能鉆錨系統(tǒng)、智能錨網(wǎng)運(yùn)輸系統(tǒng)、智能運(yùn)輸系統(tǒng)等多系統(tǒng)并行控制架構(gòu),控制架構(gòu)如圖7所示,其中,X(m,n)為第m個子系統(tǒng)的第n個掘進(jìn)作業(yè)工藝;X(m,t)為第m個子系統(tǒng)在t時刻的狀態(tài);N(n,t)為該狀態(tài)下t時刻的動作;a(m,n,t)為第m個子系統(tǒng)的第n個掘進(jìn)作業(yè)工藝在t時刻的工序。

圖5 慣導(dǎo)與數(shù)字全站儀、油缸行程傳感器融合定位定向原理Fig.5 Principle of fusion positioning and orientation of inertial navigation,digital total station and cylinder stroke sensor

圖6 液壓推移式掘進(jìn)系統(tǒng)智能導(dǎo)航控制原理Fig.6 Principle of intelligent navigation control of hydraulic push-type tunneling system

圖7 基于多任務(wù)并行作業(yè)的控制架構(gòu)Fig.7 Control architecture based on multi-task parallel operation

基于掘進(jìn)作業(yè)最優(yōu)任務(wù)分配的多系統(tǒng)并行作業(yè)流程為:

(1)建立感知系統(tǒng),結(jié)合數(shù)據(jù)采集與處理模塊,構(gòu)建煤礦智能掘進(jìn)系統(tǒng)并行作業(yè)執(zhí)行知識庫,獲取各子系統(tǒng)的狀態(tài)。

(2)基于掘進(jìn)作業(yè)工藝,構(gòu)建并行作業(yè)任務(wù)分配模型,確定智能掘進(jìn)子系統(tǒng)對應(yīng)作業(yè)任務(wù)。

(3)根據(jù)各子系統(tǒng)并行作業(yè)任務(wù),構(gòu)建動作決策模型,依據(jù)智能掘進(jìn)工藝制定工序決策。

(4)根據(jù)多系統(tǒng)并行作業(yè)任務(wù)分配、動作決策與工序決策模型問題的適應(yīng)度,評價智能掘進(jìn)子系統(tǒng)的適應(yīng)度值。

(5)依據(jù)多系統(tǒng)并行作業(yè)的任務(wù)交互問題描述,建立合作機(jī)制,產(chǎn)生下一時間并行作業(yè)執(zhí)行動作,從而確定多系統(tǒng)最優(yōu)并行作業(yè)方案。

多任務(wù)并行控制方法主要有基于強(qiáng)化學(xué)習(xí)的并行作業(yè)控制方法和基于Agent 的并行控制方法。

3.1.1 基于強(qiáng)化學(xué)習(xí)的并行作業(yè)控制方法

強(qiáng)化學(xué)習(xí)是從控制論、統(tǒng)計學(xué)、心理學(xué)等發(fā)展而來的,是一種通過與環(huán)境交互進(jìn)而實(shí)現(xiàn)實(shí)時學(xué)習(xí)的方法,智能掘進(jìn)系統(tǒng)選擇“掘—支—鉆—錨—運(yùn)”動作與執(zhí)行順序,從而影響掘進(jìn)環(huán)境,環(huán)境在發(fā)生變化的同時,給予子系統(tǒng)一個反饋信息,系統(tǒng)根據(jù)反饋信息不斷地調(diào)整自己的控制策略?；趶?qiáng)化學(xué)習(xí)模型建立環(huán)境狀態(tài)與動作的映射關(guān)系,作為智能掘進(jìn)系統(tǒng)并行作業(yè)動作決策依據(jù)?；趶?qiáng)化學(xué)習(xí)的多任務(wù)并行控制原理如圖8所示,x,s,R,a,t參數(shù)分別表示子系統(tǒng)的位置信息、狀態(tài)、反饋、行為、時間步;x(i,t)為第i個子系統(tǒng)t時刻的位置信息;π(i,t)為經(jīng)強(qiáng)化學(xué)習(xí)后第i個子系統(tǒng)t時刻的動作決策信息。通過強(qiáng)化學(xué)習(xí),使得多任務(wù)按照并行作業(yè)行為規(guī)則、任務(wù)分配規(guī)則及動作決策,能夠自主實(shí)現(xiàn)多任務(wù)多工藝并行作業(yè)控制,從而提高智能掘進(jìn)系統(tǒng)的并行作業(yè)性能,減少子系統(tǒng)間的沖突。

3.1.2 基于Agent 的智能掘進(jìn)并行控制方法

Agent 可以被認(rèn)為是多系統(tǒng)中的子系統(tǒng)單元,可以對環(huán)境及其他Agent 進(jìn)行相互作用,一組Agent 通過相互協(xié)作和協(xié)商,完成一個共同的目標(biāo)?；贏gent 的智能掘進(jìn)多任務(wù)并行控制原理如圖9所示,每個Agent 是智能掘進(jìn)多任務(wù)的一個單元,將多任務(wù)控制分解為多個Agent 單元控制,即智能截割系統(tǒng),智能臨時支護(hù)系統(tǒng),智能鉆錨系統(tǒng),智能錨網(wǎng)運(yùn)輸系統(tǒng),智能運(yùn)輸系統(tǒng)等多個Agent 單元合作完成智能掘進(jìn)作業(yè)任務(wù),只需建立Agent 之間的通訊模式即能滿足多目標(biāo)任務(wù)。

圖8 基于強(qiáng)化學(xué)習(xí)方法的多任務(wù)并行控制原理Fig.8 Principle multi-task parallel control based on reinforcement learning method

圖9 基于Agent 的智能掘進(jìn)多任務(wù)并行控制原理Fig.9 Principle of multi-task parallel control of intelligent tunneling based on Agent

3.2 多系統(tǒng)智能協(xié)同控制方法

智能掘進(jìn)各子系統(tǒng)的工作存在相互約束和協(xié)調(diào),根據(jù)智能掘進(jìn)系統(tǒng)的工藝要求,建立如圖10所示的煤礦智能掘進(jìn)多系統(tǒng)協(xié)同控制系統(tǒng)框架。典型的多系統(tǒng)智能協(xié)同控制方法主要有l(wèi)eader-follower 法和基于行為法。

3.2.1 基于leader-follower 法智能協(xié)同控制

如圖11所示,通過將煤礦智能掘進(jìn)系統(tǒng)的多個子系統(tǒng)中智能截割子系統(tǒng)設(shè)置為領(lǐng)航者,其余子系統(tǒng)為跟隨者。工作過程中領(lǐng)航者接收全局信息或接收具體任務(wù)執(zhí)行方式,按照規(guī)劃好的路線運(yùn)動,而跟隨者參考編隊中與領(lǐng)航者的相對位置進(jìn)行運(yùn)動。該方法有效降低了煤礦智能掘進(jìn)系統(tǒng)的控制復(fù)雜性,使跟隨者容易定位且使編隊易于在掘進(jìn)作業(yè)工藝中實(shí)施。

3.2.2 基于行為法的智能掘進(jìn)系統(tǒng)協(xié)同控制

圖10 智能掘進(jìn)系統(tǒng)協(xié)同控制架構(gòu)Fig.10 Collaborative control architecture of intelligent tunneling system

圖11 leader-follower 法工作原理Fig.11 Principle of leader-follower

基于行為法通過研究一個子系統(tǒng)在場景中的運(yùn)動規(guī)律制定相對應(yīng)的運(yùn)動規(guī)則,進(jìn)一步擴(kuò)展到多系統(tǒng)控制上。因此,針對煤礦智能掘進(jìn)系統(tǒng)中“掘—支—鉆—錨—運(yùn)”作業(yè)的多目標(biāo)跟蹤、障礙物實(shí)時規(guī)避和隊形重建等任務(wù),通過對預(yù)先定義的智能掘進(jìn)工藝行為進(jìn)行比例加權(quán),調(diào)節(jié)加權(quán)系數(shù)以得到理想編隊的控制方法。使得智能截割系統(tǒng),智能臨時支護(hù)系統(tǒng),智能鉆錨系統(tǒng),智能錨網(wǎng)運(yùn)輸系統(tǒng),智能運(yùn)輸系統(tǒng)都具備一定的自主決策能力,包括系統(tǒng)間防碰撞與協(xié)同作業(yè)的決策能力。當(dāng)各子系統(tǒng)感知到相鄰子系統(tǒng)距離過近或前方有障礙物存在,每個子系統(tǒng)輸入都會發(fā)生相應(yīng)的變化,控制器關(guān)于速度、方向的輸出會隨之改變,進(jìn)而使整個系統(tǒng)達(dá)到預(yù)期控制效果。通過設(shè)置各子系統(tǒng)優(yōu)先級的方式,使多系統(tǒng)根據(jù)不同掘進(jìn)作業(yè)環(huán)境做出不同工藝選擇,從而合理完成協(xié)同作業(yè)任務(wù)?；谛袨榉梢詫?shí)現(xiàn)實(shí)時反饋,是一個完全分布式的控制結(jié)構(gòu),系統(tǒng)柔性較好,可以適應(yīng)動態(tài)加入新子系統(tǒng)的情況。

4 遠(yuǎn)程智能測控技術(shù)

4.1 智能測控系統(tǒng)架構(gòu)

以智能化、網(wǎng)絡(luò)化、數(shù)字化為核心,運(yùn)用物聯(lián)網(wǎng)、5G 通信技術(shù)、大數(shù)據(jù)管理技術(shù)、人工智能等現(xiàn)代信息技術(shù),研發(fā)具有智能定形截割、智能導(dǎo)航、人員安全預(yù)警、環(huán)境安全預(yù)警、設(shè)備故障預(yù)警、關(guān)鍵部位視頻監(jiān)控和數(shù)字孿生驅(qū)動的遠(yuǎn)程智能測控系統(tǒng),在地面監(jiān)控中心可以實(shí)現(xiàn)遠(yuǎn)程一鍵啟停、關(guān)鍵部位遠(yuǎn)程視頻監(jiān)控、異常狀態(tài)遠(yuǎn)程人工干預(yù)和數(shù)字孿生驅(qū)動的遠(yuǎn)程智能測控。智能測控系統(tǒng)總體架構(gòu)包含3 層,分別為本地控制層、近程集控層和遠(yuǎn)程監(jiān)控層,如圖12所示。

圖12 智能掘進(jìn)測控系統(tǒng)架構(gòu)Fig.12 Intelligent tunneling measurement and control system architecture

(1)本地控制層。在掘進(jìn)系統(tǒng)上,集成傳感檢測系統(tǒng)、本地控制系統(tǒng)、通信系統(tǒng)等,實(shí)現(xiàn)掘進(jìn)系統(tǒng)各個部分的單機(jī)智能控制,并通過工業(yè)以太網(wǎng)將整個掘進(jìn)系統(tǒng)的各個部分與近程集控層的集中控制器實(shí)時通信,將本地掘進(jìn)系統(tǒng)的人員、環(huán)境、設(shè)備、視頻等信息傳輸?shù)骄蜻M(jìn)工作面近程集控層。

(2)井下近程集控層。通過與本地監(jiān)控層的控制主機(jī)通信,實(shí)現(xiàn)本地掘進(jìn)工作面的人員安全預(yù)警、環(huán)境安全預(yù)警、設(shè)備故障預(yù)警、關(guān)鍵部位視頻監(jiān)控和數(shù)字孿生驅(qū)動的掘進(jìn)工作面遠(yuǎn)程智能測控,以及近程一鍵啟停,并且通過礦井工業(yè)環(huán)網(wǎng)可以將信息實(shí)時傳輸?shù)孛孢h(yuǎn)程監(jiān)控層。

(3)地面遠(yuǎn)程監(jiān)控層。通過礦井環(huán)網(wǎng)和地面環(huán)網(wǎng),在地面監(jiān)控中心可以實(shí)現(xiàn)人員安全預(yù)警、環(huán)境安全預(yù)警、設(shè)備故障預(yù)警、關(guān)鍵部位視頻監(jiān)控和數(shù)字孿生驅(qū)動的遠(yuǎn)程智能測控,以及遠(yuǎn)程一鍵啟停等,還具備對關(guān)鍵信息進(jìn)行實(shí)時存儲和歷史數(shù)據(jù)查詢等功能。

4.2 設(shè)備故障與安全預(yù)警技術(shù)

4.2.1 設(shè)備故障預(yù)警技術(shù)

針對掘進(jìn)工作面裝備工況復(fù)雜、故障源多等特點(diǎn),利用振動、溫度、壓力、流量、液位、電流、位姿等傳感器實(shí)時監(jiān)測掘進(jìn)裝備的運(yùn)行狀態(tài)。為了實(shí)現(xiàn)掘進(jìn)裝備故障診斷和故障預(yù)警,需深入研究多傳感器數(shù)據(jù)融合的掘進(jìn)系統(tǒng)關(guān)鍵部件的故障診斷和預(yù)警方法。

4.2.2 環(huán)境安全預(yù)警技術(shù)

根據(jù)煤礦安全規(guī)程要求,需要在智能掘進(jìn)系統(tǒng)上布置瓦斯?jié)舛取⒀鯕鉂舛?、一氧化碳濃度、二氧化碳濃度、風(fēng)量、溫度、濕度等傳感器,實(shí)時監(jiān)測井下掘進(jìn)工作面的環(huán)境參數(shù)。為了實(shí)現(xiàn)環(huán)境安全預(yù)警,需要對采集的環(huán)境信息進(jìn)行實(shí)時處理和對環(huán)境信息進(jìn)行預(yù)測。因此,需要深入研究環(huán)境信息智能預(yù)測方法,實(shí)現(xiàn)對環(huán)境信息進(jìn)行準(zhǔn)確預(yù)測,從而實(shí)現(xiàn)進(jìn)工作面的環(huán)境安全預(yù)警。

4.2.3 人員安全預(yù)警技術(shù)

目前,煤礦井下人員定位技術(shù)有了較大的發(fā)展,先進(jìn)的人員定位技術(shù)主要為視覺識別技術(shù)和UWB的無線定位技術(shù)。為了確保掘進(jìn)工作面人員安全,需深入研究截割滾筒、錨桿鉆機(jī)等關(guān)鍵部位的人員定位方法,實(shí)現(xiàn)掘進(jìn)工作面人員精確定位。掘錨過程中一旦發(fā)現(xiàn)掘截割滾筒和錨桿鉆機(jī)等關(guān)鍵部位有人員存在,立即發(fā)出報警提示,并且能對設(shè)備進(jìn)行人員安全閉鎖。

4.3 數(shù)字孿生驅(qū)動的虛擬遠(yuǎn)程測控

數(shù)字孿生驅(qū)動的虛擬遠(yuǎn)程測控系統(tǒng)如圖13所示,建立煤礦巷道掘進(jìn)系統(tǒng)三維虛擬模型和掘進(jìn)系統(tǒng)運(yùn)動學(xué)模型,將掘進(jìn)系統(tǒng)的傳感器數(shù)據(jù)實(shí)時反饋給虛擬掘進(jìn)系統(tǒng),運(yùn)用數(shù)字孿生驅(qū)動技術(shù)對掘進(jìn)系統(tǒng)虛擬模型進(jìn)行動態(tài)修正,從而實(shí)現(xiàn)掘進(jìn)系統(tǒng)的遠(yuǎn)程虛實(shí)同步控制。

圖13 數(shù)字孿生驅(qū)動的虛擬遠(yuǎn)程測控系統(tǒng)Fig.13 Virtual remote measurement and control system driven by digital twin

5 結(jié) 論

(1)針對掘進(jìn)系統(tǒng)智能截割問題,研究了智能定形截割和自適應(yīng)截割控制方法,采用基于視覺伺服的掘進(jìn)系統(tǒng)定形截割控制方法實(shí)現(xiàn)掘進(jìn)系統(tǒng)智能定形截割控制,采用基于遺傳算法優(yōu)化的BP 神經(jīng)網(wǎng)絡(luò)自適應(yīng)截割控制方法,實(shí)現(xiàn)截割滾筒的恒功率截割。

(2)針對掘進(jìn)系統(tǒng)智能導(dǎo)航問題,提出基于慣導(dǎo)與視覺信息融合方法,實(shí)現(xiàn)履帶式掘進(jìn)系統(tǒng)精確定位定向檢測;提出基于慣導(dǎo)、數(shù)字全站儀與油缸行程信息融合方法,實(shí)現(xiàn)液壓推移式掘進(jìn)系統(tǒng)的精確定位定向檢測。采用神經(jīng)網(wǎng)絡(luò)PID、模糊PID 或GA-BP 神經(jīng)網(wǎng)絡(luò)等智能控制算法,實(shí)現(xiàn)智能掘進(jìn)系統(tǒng)智能導(dǎo)航控制。

(3)針對掘進(jìn)系統(tǒng)中掘進(jìn)、支護(hù)、鉆錨、運(yùn)輸?shù)榷嘞到y(tǒng)協(xié)同控制和多任務(wù)并行控制問題,提出基于強(qiáng)化學(xué)習(xí)和基于Agent 的并行控制方法,實(shí)現(xiàn)智能掘進(jìn)系統(tǒng)多任務(wù)并行控制;提出基于leader-follower 法和基于行為法,實(shí)現(xiàn)智能掘進(jìn)系統(tǒng)的智能協(xié)同控制。

(4)針對掘進(jìn)系統(tǒng)遠(yuǎn)程智能測控問題,構(gòu)建了以智能化、網(wǎng)絡(luò)化、數(shù)字化為核心的智能掘進(jìn)測控系統(tǒng)架構(gòu)。遠(yuǎn)程智能掘進(jìn)測控系統(tǒng)具有智能定形截割、智能導(dǎo)航、人員安全預(yù)警、環(huán)境安全預(yù)警、設(shè)備故障預(yù)警、關(guān)鍵部位視頻監(jiān)控、數(shù)字孿生驅(qū)動的遠(yuǎn)程智能測控等功能,能夠?qū)崿F(xiàn)掘進(jìn)系統(tǒng)遠(yuǎn)程虛實(shí)同步控制和一鍵啟?？刂?。