毛 君，董鈺峰，盧進(jìn)南，李玉岐，張鴻宇，謝 苗，吳 霞，劉治翔，王 賀，田 博

(遼寧工程技術(shù)大學(xué) 礦產(chǎn)資源開發(fā)利用技術(shù)及裝備研究院，遼寧 阜新 123000)

煤炭作為我國的基礎(chǔ)能源和工業(yè)原料，長期以來為經(jīng)濟(jì)社會發(fā)展和國家能源安全穩(wěn)定供應(yīng)提供了有力保障。在2020年一次能源消費(fèi)中，我國煤炭能源占比達(dá)56.8%，世界煤炭能源占比27%。預(yù)計(jì)“十四五”期間，我國年均煤炭消費(fèi)量約為41億 t，占比保持在40%以上，加之我國“富煤、缺油、少氣”的資源稟賦特征，在未來相當(dāng)長的一段時(shí)期內(nèi)，煤炭仍將是我國最穩(wěn)定、最可靠的基礎(chǔ)能源。

我國煤礦多以井工開采為主，全國煤礦數(shù)量達(dá)4 700處，產(chǎn)能達(dá)40億 t/a左右，這些大型現(xiàn)代化煤礦多采用“一井一面”的集約化開采方式，每年新掘巷道長度約12 000 km，每個(gè)綜采工作面平均推進(jìn)進(jìn)度達(dá)30 m/d，綜掘工作面平均進(jìn)尺10 m/d，傳統(tǒng)的綜采綜掘方式已經(jīng)不能滿足巷道掘進(jìn)進(jìn)尺70～80 m/d的最低需求，采掘失衡問題嚴(yán)重，直接制約了煤礦安全、高效、綠色、智能發(fā)展。因此維系采掘平衡作業(yè)成為了井工煤礦高質(zhì)量發(fā)展的關(guān)鍵因素。近年來，我國雖然在煤礦的綜采工作面上形成了“記憶截割為主，人工干預(yù)為輔，無人跟機(jī)作業(yè)，有人安全巡視”的建設(shè)體系，但在掘進(jìn)、錨桿支護(hù)設(shè)備以及相關(guān)的智能技術(shù)的開發(fā)和研究領(lǐng)域內(nèi)與其他發(fā)達(dá)國家還有一定的差距，亟需應(yīng)用自主截割、自主巡航、智能監(jiān)控、多機(jī)并行等先進(jìn)技術(shù)設(shè)備，使掘進(jìn)工作面上的機(jī)械生產(chǎn)系統(tǒng)具有智能化環(huán)境感知、自主化決策控制的特點(diǎn)，實(shí)現(xiàn)掘進(jìn)自動化、系統(tǒng)高效化并行運(yùn)行，推動快速智能化掘進(jìn)健康發(fā)展。

煤礦智能化是適應(yīng)現(xiàn)代工業(yè)技術(shù)革命發(fā)展趨勢、保障國家能源安全、實(shí)現(xiàn)煤炭工業(yè)高質(zhì)量發(fā)展的核心技術(shù)支撐，作為煤礦生產(chǎn)的兩大核心環(huán)節(jié)，掘進(jìn)與綜采系統(tǒng)智能化的發(fā)展需求極為迫切。近年來，為了加快煤礦智能化發(fā)展，全面提升煤礦智能化技術(shù)水平[1-2]，我國相繼發(fā)布《煤礦機(jī)器人重點(diǎn)研發(fā)目錄》《加快煤礦智能化發(fā)展的指導(dǎo)意見》等中央和地方政策，使得綜掘工作面智能化研究取得了一定的成績[3]，主要集中在掘進(jìn)裝備自主截割、自主巡航、智能監(jiān)控、多機(jī)協(xié)同4個(gè)方面。為此筆者提出掘進(jìn)裝備自主定型定向截割、掘進(jìn)裝備自主巡航、掘進(jìn)機(jī)健康管理技術(shù)及多機(jī)多工序智能協(xié)同控制技術(shù)四大截割鉆進(jìn)裝備先進(jìn)技術(shù)并給出研究方向。

1 掘進(jìn)裝備自主定形定向截割技術(shù)

掘進(jìn)裝備的自主定形定向截割技術(shù)，是建立在對掘進(jìn)裝備的位姿和運(yùn)動軌跡精確測量的基礎(chǔ)上，并通過對截割部的控制，進(jìn)行截割斷面中心和姿態(tài)的調(diào)整，通過多次反復(fù)對截割部的控制，實(shí)現(xiàn)掘進(jìn)裝備的定形定向截割控制[4]。進(jìn)行掘進(jìn)裝備自主定形定向截割技術(shù)研究，能夠有效提高掘進(jìn)裝備的智能化水準(zhǔn)，提高掘進(jìn)效率，降低掘進(jìn)巷道的線路誤差等，同時(shí)能夠降低煤礦工人的工作強(qiáng)度以及設(shè)備操作對工人技術(shù)水平的依賴。

1.1 掘進(jìn)裝備截割路徑及截割速度規(guī)劃

1.1.1 掘進(jìn)裝備截割軌跡規(guī)劃

掘進(jìn)裝備截割軌跡規(guī)劃需要按不同截割部類型進(jìn)行區(qū)分設(shè)計(jì)，嚴(yán)進(jìn)輝等[5]進(jìn)行了2種掘進(jìn)機(jī)掘進(jìn)方式的對比研究。常用掘進(jìn)裝備截割部按截割部類型及旋轉(zhuǎn)軸線不同大致可分為懸臂縱軸式截割部、懸臂橫軸式截割部及全寬橫軸式截割部3種，它們均有各自的截割工藝和斷面截割形狀，需要針對性進(jìn)行各塊的自主定形定向截割技術(shù)研究。

(1)懸臂縱軸式截割部。懸臂縱軸式截割部截割頭一般采用截錐形狀，懸臂縱軸式截割部截割作業(yè)要求司機(jī)從巷道底部進(jìn)刀，截割頭鉆進(jìn)截深后開始橫擺，進(jìn)行水平條帶截割作業(yè)，截割頭到達(dá)巷道輪廓邊緣時(shí)，沿豎直方向截割一定距離后恢復(fù)橫向截割，如此循環(huán)，直至巷道截割完畢。不同巷道的截割路徑規(guī)劃各不相同，典型的截割路徑如圖1所示。懸臂縱軸式截割部粗截割作業(yè)完成后巷道輪廓較為嶙峋，需要司機(jī)操縱截割部對巷道輪廓進(jìn)行拉底等精截割作業(yè)，將巷道頂?shù)装逍奁?，同時(shí)使巷道輪廓滿足設(shè)備通過需求。

(2)懸臂橫軸式截割部。懸臂縱軸式截割部截割頭由2組半球狀滾筒組成，相比縱軸式截割作業(yè)同樣要求司機(jī)從巷道底部進(jìn)刀，截割路徑與縱軸式大抵相同，截割斷面的區(qū)別點(diǎn)在于懸臂橫軸式截割部在粗截割完成后側(cè)幫也會產(chǎn)生有規(guī)則的凸起，而懸臂縱軸式截割部由于截割頭形狀原因，側(cè)幫沒有明顯的欠挖現(xiàn)象，如圖2所示。

(3)全寬橫軸式截割部。全寬橫軸式截割部截割形式區(qū)別于懸臂截割形式，采用橫軸式滾筒截割機(jī)構(gòu)進(jìn)行截割，全寬橫軸式截割作業(yè)需要司機(jī)先將截割頭移至巷道頂，然后操縱截割頭自頂板處進(jìn)刀，自上而下進(jìn)行截割，單次截深不超過滾筒直徑。全寬橫軸式截割部截割巷道較為平直，巷道縱向截割斷面較為平整，巷道橫向截割斷面由于滾筒截割原因，斷面處頂?shù)装宄驶⌒危鐖D3所示。

圖3 全寬橫軸式截割部截割路徑Fig.3 Full width horizontal axis cutting section cutting path

對于以上3種主流截割部形式，需要針對性研究各自的具體截割工藝及截割頭軌跡，設(shè)計(jì)不同的自主定形定向截割控制方法。

1.1.2 機(jī)身振動特征對截割頭軌跡誤差的影響規(guī)律

掘進(jìn)設(shè)備在截割煤巖時(shí)，截割頭和煤巖會產(chǎn)生劇烈的振動沖擊，目前，主流研究方向?yàn)榻冶凼骄蜻M(jìn)機(jī)的動作機(jī)構(gòu)數(shù)學(xué)動力學(xué)模型，分析截割振動對位姿響應(yīng)造成的誤差[6]及振動傳遞對掘進(jìn)機(jī)機(jī)身部分元件造成的影響[7]?，F(xiàn)有定形定向截割技術(shù)沒有考慮截割振動對整機(jī)造成的振動、滑移等現(xiàn)象。需要根據(jù)選定的掘進(jìn)截割部類型，建立其截割頭載荷計(jì)算公式，通過截割部彎曲振動模型，分析截割部動力響應(yīng)及主振函數(shù)，通過多體動力學(xué)理論，同時(shí)考慮截割部柔性變形量，建立掘進(jìn)機(jī)在上述不同截割工藝下的動力學(xué)模型，分析機(jī)身在不同工況下的振動量，建立掘進(jìn)裝備位姿誤差模型，分析機(jī)身振動特征對截割頭軌跡誤差的影響規(guī)律，提高自主定形定向截割精度。

筆者以煤礦常用的EBZ200型掘進(jìn)機(jī)為研究對象，在MATLAB數(shù)值計(jì)算軟件構(gòu)建煤巖形成的外輪廓的仿真程序，并以EBZ200型掘進(jìn)機(jī)結(jié)構(gòu)尺寸對仿真程序中的各項(xiàng)參數(shù)進(jìn)行設(shè)置，將截割進(jìn)給量d0設(shè)定為550 mm、截割升降角度為42°。仿真得到考慮了截割頭對機(jī)身振動和沒有考慮截割頭對機(jī)身振動影響下的巷道成形外輪廓特征，如圖4所示。

圖4 巷道成形外輪廓特征對比Fig.4 Contrast of features of outer contour of roadway forming

不考慮機(jī)身振動情況相比考慮了振動情況下得到的“凹坑”與“峰脊”之間的差值更大，說明真實(shí)截割得到的巷道外輪廓比沒有考慮機(jī)身振動情況下的粗糙度更大，不利于巷道的精確截割成形。

1.1.3 掘進(jìn)速度對巷道頂板穩(wěn)定性的影響規(guī)律

巷道頂板穩(wěn)定性是影響掘進(jìn)速度的重要因素之一，現(xiàn)有巖石力學(xué)對空頂區(qū)穩(wěn)定性的研究較多，楊可[8]應(yīng)用運(yùn)動方程從巷道頂板節(jié)點(diǎn)應(yīng)力和外力計(jì)算出巷道頂板上該節(jié)點(diǎn)的速度和位移量，之后利用該節(jié)點(diǎn)速度得出應(yīng)變速率，再由應(yīng)變速率得出新的節(jié)點(diǎn)應(yīng)力形成循環(huán)，并采用FLAC3D軟件進(jìn)行循環(huán)迭代，采用不同迭代次數(shù)模擬對比不同掘進(jìn)速度情況下的頂板狀態(tài)。

但現(xiàn)有頂板力學(xué)分析中缺乏掘進(jìn)機(jī)截割過程中巷道頂板穩(wěn)定性的瞬時(shí)力學(xué)分析，為實(shí)現(xiàn)掘進(jìn)裝備推進(jìn)速度的合理控制，需要分析截割斷面及頂板結(jié)構(gòu)特征，得到截割斷面的頂板穩(wěn)定機(jī)理，構(gòu)建掘進(jìn)裝備的多體動力學(xué)模型，引入由機(jī)身振動特征和截割部振動特征耦合作用下的垂直和水平支護(hù)動載荷激勵方程，構(gòu)建圍巖—掘進(jìn)裝備的系統(tǒng)耦合動力學(xué)模型。研究不同掘進(jìn)速度及工況下圍巖振動的傳遞特性，分析掘進(jìn)速度對巷道頂板穩(wěn)定性的影響規(guī)律，從而合理規(guī)劃截割路徑及截割速度。

1.2 自主定形定向截割控制技術(shù)

近年來，國內(nèi)部分高等院校及科研院所進(jìn)行了自主定形定向截割的深入研究，張介夫等[9]得到了掘進(jìn)機(jī)截割頭部在巷道空間運(yùn)行的位置方位和掘進(jìn)截割臂內(nèi)的伸縮缸長度、截割懸臂擺角2者之間的空間幾何對應(yīng)關(guān)系，為頭部在截割工作過程中形成的橫截?cái)嗝嫣卣魈峁┝斯ぷ髀窂?謝亞洲等[10]使用多傳感器的交互測試技術(shù)，對截割頭在截割過程中的巷道環(huán)境情況進(jìn)行不間斷監(jiān)測感知，以此建立新型自適應(yīng)截割的控制理論方案，實(shí)現(xiàn)對掘進(jìn)截割頭轉(zhuǎn)速、動臂的擺動角速度和工作負(fù)載之間的智能化控制;劉志森等[11]通過調(diào)整水平回轉(zhuǎn)油缸、升降油缸的進(jìn)給速度，實(shí)現(xiàn)了對截割臂的擺動速度的自動控制及截割電機(jī)的恒功率穩(wěn)定運(yùn)行。但現(xiàn)有研究技術(shù)只能實(shí)現(xiàn)半自動化控制，距離實(shí)現(xiàn)完全的無人化掘進(jìn)還有一定差距。

掘進(jìn)機(jī)自主定形定向截割控制技術(shù)研究需要以掘進(jìn)機(jī)位姿監(jiān)測技術(shù)為基礎(chǔ)，恒功率截割技術(shù)能夠有效降低截割振動量，同時(shí)提高掘進(jìn)機(jī)截割效率，記憶截割技術(shù)能夠有效降低掘進(jìn)機(jī)信息采集及處理的工作量，同時(shí)降低自主定形定向截割的控制難度。通過對掘進(jìn)機(jī)位姿監(jiān)測技術(shù)、恒功率截割技術(shù)及記憶截割技術(shù)的研究，能夠有效的提高自主定形定向截割控制技術(shù)的可行性，同時(shí)為后續(xù)智能化截割的研究提供理論依據(jù)。

通過信息采集技術(shù)采集掘進(jìn)裝備及巷道的位置參數(shù)，同時(shí)分別建立以巷道及掘進(jìn)機(jī)為坐標(biāo)系的掘進(jìn)機(jī)位姿模型，并建立掘進(jìn)機(jī)位姿監(jiān)測系統(tǒng)，通過實(shí)時(shí)監(jiān)測系統(tǒng)獲取掘進(jìn)機(jī)相對巷道的實(shí)時(shí)位姿數(shù)據(jù)。通過分析掘進(jìn)機(jī)各部件工作特性，建立掘進(jìn)機(jī)參考系，設(shè)計(jì)掘進(jìn)機(jī)數(shù)據(jù)采集系統(tǒng)，通過數(shù)據(jù)采集系統(tǒng)實(shí)時(shí)獲得掘進(jìn)機(jī)截割頭狀態(tài)，為掘進(jìn)機(jī)定形定向截割系統(tǒng)提供理論參數(shù)[12]。

掘進(jìn)機(jī)在截割巷道過程中由于煤巖性質(zhì)變化原因易出現(xiàn)負(fù)載擾動現(xiàn)象。由于截割部截割過程中截割功率變更困難，考慮通過PID控制法控制截割部橫擺速度來實(shí)現(xiàn)掘進(jìn)機(jī)恒功率截割技術(shù)[13]。具體研究原理如圖5所示。

圖5 恒功率截割控制原理Fig.5 Constant power cutting control principle

由斷面輪廓界定自主截割范圍，斷面輪廓指掘進(jìn)機(jī)截割過程中截割頭經(jīng)過的最外圍邊界點(diǎn)集合。在不同巷道掘進(jìn)作業(yè)前，針對設(shè)計(jì)該巷道的斷面輪廓，以斷面輪廓控制截割作業(yè)邊緣，從而實(shí)現(xiàn)自主截割邊界控制。通過位姿監(jiān)測合理規(guī)劃截割頭路徑，再采用PLC驅(qū)動截割部按規(guī)劃路徑在斷面輪廓內(nèi)截割，同時(shí)優(yōu)化掘進(jìn)機(jī)截割控制系統(tǒng)，使截割部能夠按既定路線進(jìn)行自主定形定向截割。為簡化截割部控制算法及系統(tǒng)，考慮采用記憶截割技術(shù)進(jìn)行優(yōu)化。掘進(jìn)機(jī)能夠存儲前期截割過程截割部動作參數(shù)，并按上一次截割斷面過程進(jìn)行自主截割。掘進(jìn)機(jī)下步截割前通過對前斷面截割路徑、截割速度等參數(shù)的分析，推斷現(xiàn)有成型斷面形狀、斷面煤巖屬性，通過對截割電機(jī)電流突變量情況的分析，推斷截割斷面硬巖點(diǎn)。

記憶截割控制原理同時(shí)需要考慮掘進(jìn)機(jī)機(jī)身位置，掘進(jìn)機(jī)在截割過程中區(qū)別于連采機(jī)，相對巷道存在機(jī)身移動現(xiàn)象。掘進(jìn)機(jī)記憶截割需要通過位姿檢測系統(tǒng)檢測并記錄掘進(jìn)機(jī)的位姿情況，即掘進(jìn)機(jī)相對巷道既定截割斷面的位姿情況、掘進(jìn)機(jī)行走馬達(dá)轉(zhuǎn)速及壓力情況，通過行走馬達(dá)轉(zhuǎn)速分析掘進(jìn)機(jī)截割過程中相對巷道的位姿變換情況，通過行走馬達(dá)壓力起伏記錄掘進(jìn)巷道前端地表平整度情況，在下次截割過程中進(jìn)行記憶導(dǎo)向。通過對截割頭位姿及掘進(jìn)機(jī)位姿的記憶減少現(xiàn)截割過程中參數(shù)采集及截割控制工作量，同時(shí)降低恒功率截割誤差率，具體研究原理如圖6所示。

圖6 記憶截割控制原理Fig.6 Memory cutting control principle

1.3 掘進(jìn)機(jī)遠(yuǎn)程自主截割控制技術(shù)

智能掘進(jìn)機(jī)器人數(shù)字孿生系統(tǒng)的關(guān)鍵在于數(shù)字孿生模型、數(shù)據(jù)傳輸、數(shù)據(jù)感知與多機(jī)協(xié)同控制[14]。對于數(shù)字孿生模型，包括虛擬數(shù)字模型和以掘進(jìn)機(jī)器人運(yùn)動學(xué)模型為基礎(chǔ)的數(shù)字孿生驅(qū)動模型。虛擬數(shù)字孿生模型可以通過Unity3D，3DMax等構(gòu)建，利用動態(tài)編程實(shí)現(xiàn)掘進(jìn)機(jī)器人動作綁定;利用機(jī)器人技術(shù)實(shí)現(xiàn)虛擬場景與現(xiàn)實(shí)的統(tǒng)一，通過其運(yùn)動學(xué)模型驅(qū)動虛擬模型動作。數(shù)據(jù)傳輸?shù)年P(guān)鍵在于如何低延遲、完整的將掘進(jìn)機(jī)器人狀態(tài)信息和工況環(huán)境信息傳輸至協(xié)同控制中心，同時(shí)將控制指令低延遲、無損耗的下發(fā)至控制器中。為了保證通信的實(shí)時(shí)性及數(shù)據(jù)的可操作性，通過將RS232，CAN，工業(yè)以太網(wǎng)等多種通信方式相結(jié)合，構(gòu)建以數(shù)據(jù)庫技術(shù)為核心的數(shù)據(jù)交互平臺實(shí)現(xiàn)整個(gè)數(shù)字孿生系統(tǒng)的數(shù)據(jù)傳輸與通信。利用多傳感器技術(shù)實(shí)現(xiàn)掘進(jìn)機(jī)器人多個(gè)關(guān)鍵部位的實(shí)時(shí)狀態(tài)監(jiān)測。以煤礦井下巷道掘進(jìn)過程中的經(jīng)驗(yàn)為基礎(chǔ)設(shè)計(jì)智能掘進(jìn)機(jī)器人工序，在實(shí)現(xiàn)單機(jī)控制的基礎(chǔ)上，構(gòu)建協(xié)同控制器按照巷道掘進(jìn)工序?qū)崿F(xiàn)遠(yuǎn)程自動截割控制技術(shù)。

為實(shí)現(xiàn)在虛擬場景中實(shí)時(shí)再現(xiàn)真實(shí)場景變化狀態(tài)，除了獲取真實(shí)場景的孿生數(shù)據(jù)，還需要建立相應(yīng)的數(shù)字孿生驅(qū)動模型，包括:① 建立掘進(jìn)機(jī)虛擬模型和虛擬場景，并完成虛擬模型動作編程及虛擬模型與虛擬場景的耦合;② 建立掘進(jìn)機(jī)運(yùn)動學(xué)模型，求解其正逆解，利用孿生數(shù)據(jù)驅(qū)動虛擬模型動作，在虛擬場景中還原掘進(jìn)機(jī)運(yùn)行狀態(tài)。

掘進(jìn)機(jī)自動截割控制的前提是根據(jù)巷道斷面類型、掘進(jìn)工藝和截割頭外輪廓等參數(shù)規(guī)劃截割頭運(yùn)動軌跡。以截割軌跡規(guī)劃為目標(biāo)，視覺測量實(shí)際截割頭位姿為基礎(chǔ)坐標(biāo)點(diǎn)，控制截割頭實(shí)時(shí)位置及行走軌跡。為得到掘進(jìn)機(jī)各關(guān)節(jié)運(yùn)動控制量，求解掘進(jìn)機(jī)運(yùn)動學(xué)逆解，同時(shí)配合由理論軌跡點(diǎn)及視覺測量點(diǎn)構(gòu)建的反饋控制系統(tǒng)，實(shí)現(xiàn)掘進(jìn)機(jī)自動截割過程的動態(tài)控制。

數(shù)字孿生遠(yuǎn)程自主截割的基礎(chǔ)在于數(shù)據(jù)采集，掘進(jìn)機(jī)位姿數(shù)據(jù)和巷道環(huán)境數(shù)據(jù)為遠(yuǎn)程自主截割的核心數(shù)據(jù)，2者構(gòu)成數(shù)字孿生驅(qū)動的數(shù)據(jù)來源。利用感知數(shù)據(jù)在本地防爆計(jì)算機(jī)上搭建可視化輔助截割系統(tǒng)，實(shí)現(xiàn)掘進(jìn)過程的實(shí)時(shí)在線監(jiān)測。同時(shí)通過防爆計(jì)算機(jī)將感知數(shù)據(jù)發(fā)送至遠(yuǎn)程控制端，提前構(gòu)建掘進(jìn)裝備虛擬三維模型，根據(jù)數(shù)字孿生驅(qū)動模型實(shí)現(xiàn)虛擬裝備同步動作，如圖7所示。遠(yuǎn)程控制端可實(shí)現(xiàn)虛擬遠(yuǎn)程控制和視頻監(jiān)控功能。虛擬遠(yuǎn)程控制可設(shè)置手動和自動2種操作模式。手動模式是通過人機(jī)交互方式實(shí)現(xiàn)遠(yuǎn)程截割控制;自動模式是通過規(guī)劃截割頭運(yùn)動軌跡，利用掘進(jìn)機(jī)逆解求解各關(guān)節(jié)控制量，將控制指令下發(fā)至PLC，驅(qū)動掘進(jìn)機(jī)運(yùn)行，并實(shí)時(shí)修正掘進(jìn)機(jī)工作狀態(tài)。

圖7 掘進(jìn)機(jī)虛擬操縱平臺Fig.7 Tunneling machine virtual operation platform

2 掘進(jìn)裝備自主巡航技術(shù)

2.1 掘進(jìn)巷道環(huán)境感知技術(shù)

智能化礦山建設(shè)穩(wěn)步推進(jìn)，掘進(jìn)裝備智能化迫在眉睫，國內(nèi)多名相關(guān)學(xué)者對掘進(jìn)巷道環(huán)境感知技術(shù)進(jìn)行了深入的探討研究。李茂林等[15]運(yùn)用截割頭截割感知技術(shù)，根據(jù)測量得到的數(shù)據(jù)分析了在不同截割工況下的煤巖數(shù)據(jù)，并面對不同的工況和施工要求，設(shè)計(jì)出了針對掘進(jìn)機(jī)的運(yùn)動控制系統(tǒng)，基本實(shí)現(xiàn)了掘進(jìn)機(jī)在巷道內(nèi)進(jìn)行采煤工作的可靠性，提高了掘進(jìn)的效率。楊健健等[16]通過以多種環(huán)境感知技術(shù)為基礎(chǔ)，探尋了存在傾角狀況下多機(jī)組多機(jī)構(gòu)協(xié)同控制的自適應(yīng)控制算法，研究了以粒子群算法最優(yōu)化為基礎(chǔ)的控制策略方法，提高了掘進(jìn)工作面的智能化程度。孫彥景等[17]提出了以物聯(lián)網(wǎng)的安全生產(chǎn)過程監(jiān)控系統(tǒng)為基礎(chǔ)的新模式，通過使用多種類別傳感設(shè)備監(jiān)測生產(chǎn)環(huán)境、過程、設(shè)備進(jìn)行信息采集，完成煤礦生產(chǎn)多場景全過程信息監(jiān)測，實(shí)現(xiàn)生產(chǎn)事故的感知、預(yù)警、決策的智能化。史海岐[18]通過應(yīng)用隨鉆測量定向鉆進(jìn)技術(shù)，揭示了該技術(shù)具有鉆孔軌跡偏差小、鉆孔效率高、設(shè)備要求低等優(yōu)勢。

以上學(xué)者分別對多種智能感知技術(shù)及有線隨鉆測量系統(tǒng)進(jìn)行深入研究，研究表明相應(yīng)技術(shù)比較成熟，可為智能化礦山實(shí)現(xiàn)提供重要技術(shù)支撐;為實(shí)現(xiàn)掘進(jìn)裝備的自主巡航功能，首先應(yīng)對掘進(jìn)巷道三維地質(zhì)環(huán)境進(jìn)行分析，利用多種傳感器融合式技術(shù)實(shí)現(xiàn)掘進(jìn)裝備的自主移動導(dǎo)航功能。

2.1.1 傳感器感知技術(shù)

礦山感知技術(shù)主要是基于“物聯(lián)網(wǎng)+”平臺，將物聯(lián)網(wǎng)技術(shù)與煤礦產(chǎn)業(yè)相融合的一種產(chǎn)物。隨著智慧礦山的不斷推進(jìn)，對于井下工作的可視化、數(shù)字化等智慧化建設(shè)正逐步實(shí)現(xiàn)。礦山感知技術(shù)主要包含以下方面:① 井下無線傳感器網(wǎng)絡(luò);② 井下人員定位技術(shù);③ 井下環(huán)境檢測技術(shù);④ 井下信息融合技術(shù)。通過以上方式實(shí)現(xiàn)礦山井下環(huán)境檢測、人員定位、緊急避險(xiǎn)等安全措施，有效減少了安全事故的發(fā)生。

推進(jìn)物聯(lián)網(wǎng)技術(shù)融入礦山生產(chǎn)，借鑒相關(guān)經(jīng)驗(yàn)、技術(shù)。推動2者相融合，并增加分布式傳感器和執(zhí)行器參與其中，如圖8所示。

圖8 煤礦感知物聯(lián)網(wǎng)系統(tǒng)[19]Fig.8 Coal mine sensing Internet of things system actuators[19]

掘進(jìn)巷道三維建模與成型質(zhì)量檢測技術(shù)。在掘進(jìn)裝備上固設(shè)三維激光掃描裝置，實(shí)時(shí)捕捉巷道空間數(shù)據(jù);通過激光SLAM、點(diǎn)云算法等對所檢測巷道信息做拼接處理，形成巷道三維模型，進(jìn)而實(shí)現(xiàn)對巷道成形質(zhì)量的準(zhǔn)確監(jiān)控，激光掃描技術(shù)應(yīng)用如圖9所示。

圖9 巷道三維建模技術(shù)[20]Fig.9 Roadway 3D modeling technology[20]

3D激光掃描建模技術(shù)是利用激光掃描儀在物體表面記錄對象點(diǎn)的位置和反射率為基礎(chǔ)進(jìn)行的，由計(jì)算機(jī)構(gòu)建被掃描物體3D模型。3D激光掃描建模技術(shù)，能夠快速集中的掃描對象，并根據(jù)掃描對象的大量數(shù)據(jù)，構(gòu)建對象精確的3D模型。

激光掃描儀獲取的目標(biāo)點(diǎn)坐標(biāo)是相對于激光掃描儀本身的，在構(gòu)建巷道三維模型前，需將目標(biāo)點(diǎn)的相對坐標(biāo)轉(zhuǎn)換為相對大地的絕對坐標(biāo)。在激光掃描儀獲取目標(biāo)點(diǎn)的信息后，通過坐標(biāo)轉(zhuǎn)換程序?qū)⑵滢D(zhuǎn)換以大地坐標(biāo)為基準(zhǔn)的坐標(biāo),如圖10所示。

圖10 井下礦-280 m 水平巷道局部點(diǎn)云模型[21]Fig.10 Underground mine -280 m horizontal roadway local point cloud model[21]

2.1.2 多傳感器融合式感知技術(shù)

煤礦井下的環(huán)境感知技術(shù)一般采用傳感器獲取單項(xiàng)環(huán)境參數(shù)，目前煤礦井下常用的環(huán)境感知傳感器主要包括上述的紅外線傳感器、激光傳感器、視覺傳感器、聲吶等，激光傳感器及視覺傳感器由其可靠性較為常用。煤礦井下環(huán)境復(fù)雜多變，采用單一傳感器獲取單項(xiàng)參數(shù)的方法存在獲取參數(shù)少，受外界環(huán)境影響波動大等缺陷，已經(jīng)無法滿足感知及高精定位要求。

井下常用設(shè)備定位使用傳感器大致可分為激光傳感器、通信傳感器、視覺傳感器、慣性傳感器等，其主要特征見表1。

表1 相關(guān)定位傳感器技術(shù)特征Table 1 Technical characteristics of correlation positioning sensor

激光傳感器和視覺傳感器技術(shù)特征具備一定的互補(bǔ)特性，同樣通信傳感器與慣性傳感器也呈現(xiàn)互補(bǔ)作用，傳統(tǒng)巷道掘進(jìn)環(huán)境感知研究中，往往考慮利用單一傳感器實(shí)現(xiàn)相應(yīng)功能，經(jīng)過大量的試驗(yàn)經(jīng)驗(yàn)，其效果往往差強(qiáng)人意。為此，本文將以上4種傳感器進(jìn)行融合利用，取長補(bǔ)短，利用多種算法，實(shí)現(xiàn)高精度巷道感知。

巷道環(huán)境感知系統(tǒng)關(guān)鍵點(diǎn)在于電荷耦合器件圖像傳感器與激光雷達(dá)數(shù)據(jù)源接入、激光雷達(dá)和電荷耦合器件圖像傳感器攝像機(jī)的標(biāo)定、目標(biāo)圖像的預(yù)處理、檢測及分割。

環(huán)境感知系統(tǒng)主要包括電荷耦合器件圖像傳感器與激光雷達(dá)數(shù)據(jù)源接入、激光雷達(dá)和電荷耦合器件圖像傳感器攝像機(jī)的標(biāo)定、目標(biāo)圖像的預(yù)處理、檢測及分割等，并將WIFI定位與慣性傳感器的導(dǎo)航相結(jié)合起來，利用加速度計(jì)對步態(tài)進(jìn)行檢測，采用陀螺儀或磁力級推導(dǎo)設(shè)備航向，把步長、方向等數(shù)據(jù)與建立的WIFI數(shù)據(jù)庫結(jié)合起來，通過地圖匹配粒子算法確定出最終位置，實(shí)現(xiàn)掘進(jìn)巷道環(huán)境感知功能如圖11所示。

圖11 多傳感器融合環(huán)境感知系統(tǒng)Fig.11 Multi-sensor fusion environment perception system

2.1.3 掘進(jìn)巷道頂板、瓦斯和水隨鉆測量系統(tǒng)

煤礦井下安全探測技術(shù)采用有線隨鉆測量系統(tǒng)，如圖12所示。

圖12 有線隨鉆測量系統(tǒng)[7]Fig.12 Wired Measurement while drilling system[7]

隨鉆測量探管檢測鉆頭軌跡相關(guān)數(shù)據(jù)，依靠通纜鉆桿和通纜式送水器將數(shù)據(jù)傳遞到孔口監(jiān)視器，利用隨鉆測量軟件分析數(shù)據(jù)，從而將孔傾角、方位角等信息顯示出來，同時(shí)模擬鉆孔軌跡。操作人員根據(jù)監(jiān)視器所示信息實(shí)時(shí)接收鉆孔信息，也能夠?qū)崟r(shí)控制孔底馬達(dá)的工具面向角，從而控制鉆孔能夠按照設(shè)計(jì)軌跡進(jìn)行鉆進(jìn)。此項(xiàng)技術(shù)適用于以下鉆孔工況:

(1)瓦斯抽放鉆孔作業(yè)。為了便于瓦斯抽采作業(yè)安全高效快速進(jìn)行，特將抽采鉆機(jī)安置在煤層厚度大且通風(fēng)性良好的穩(wěn)定性煤層中，可保證鉆孔高滲透性，促進(jìn)抽采作業(yè)進(jìn)行。采用有線隨鉆測量系統(tǒng)在松軟煤層條件下進(jìn)行高位水平長鉆孔作業(yè)，從孔內(nèi)部向下鉆多分支梳狀鉆孔，通過調(diào)節(jié)鉆孔深度、角度及速度等參數(shù)可實(shí)現(xiàn)對松軟煤層中塌孔、鉆孔不成型、鉆孔效率低和孔深不達(dá)標(biāo)等問題的解決。

(2)地質(zhì)構(gòu)造等勘探孔。將此項(xiàng)技術(shù)作為井下資源、地質(zhì)構(gòu)造及地質(zhì)異常體的補(bǔ)充探測技術(shù)，可進(jìn)一步查明構(gòu)造發(fā)育、儲煤量及水文地質(zhì)等信息，將該技術(shù)作為物探普查后的精查，可獲得實(shí)時(shí)、足量的信息。

(3)探放水孔。煤礦采掘過程中，可能受到水害的影響，在采空區(qū)、老硐內(nèi)及巷道掘進(jìn)方向上，可能存在大量積水，對人身安全造成嚴(yán)重影響。利用此項(xiàng)技術(shù)進(jìn)行探放水作業(yè)，精確控制鉆孔方向，準(zhǔn)確鉆至積水區(qū)域，將積水放出，保證掘進(jìn)作業(yè)的安全進(jìn)行。

2.2 掘進(jìn)裝備自主移動導(dǎo)航技術(shù)

煤礦井下作業(yè)環(huán)境復(fù)雜多變，設(shè)備的定位及可視化研究是實(shí)現(xiàn)井下自動化無人化的必要階段，國內(nèi)相關(guān)學(xué)者對掘進(jìn)裝備的自主定位導(dǎo)航進(jìn)行了深入研究。盧新明等[22]構(gòu)建了多種傳感器、測繪儀器和控制器集成的掘進(jìn)機(jī)物聯(lián)網(wǎng)聯(lián)結(jié)，提出了一種新型煤礦井下定位方式，能夠完成對井下環(huán)境不間斷精準(zhǔn)感知并進(jìn)行準(zhǔn)確交互，為實(shí)現(xiàn)安全高效高精度的自動化掘進(jìn)作業(yè)奠定了基礎(chǔ)。田原等[23]結(jié)合慣性導(dǎo)航方位檢測技術(shù)和掘進(jìn)機(jī)姿態(tài)檢驗(yàn)方法，實(shí)現(xiàn)以四點(diǎn)式光靶為基礎(chǔ)的掘進(jìn)機(jī)械定位方式，在滿足慣性導(dǎo)航系統(tǒng)行進(jìn)精度情況下實(shí)現(xiàn)了掘進(jìn)機(jī)械的自動導(dǎo)航精確定位。段笑蔚等[24]提出了超寬帶TW-TOF距離測量技術(shù)的精準(zhǔn)定位定向方法，有效提高了測量距離測量精確率，降低了人工作業(yè)參與率。

筆者對多種定位技術(shù)進(jìn)行了功能原理分析，需要針對不同地質(zhì)條件的煤礦進(jìn)行不同種類定位技術(shù)的組合選用，增加掘進(jìn)設(shè)備自主移動導(dǎo)航技術(shù)的適應(yīng)性及實(shí)用性。

2.2.1 基于機(jī)器視覺的掘進(jìn)機(jī)定位技術(shù)

利用放置在巷道中的攝像機(jī)拍攝安裝在掘進(jìn)裝備上的激光標(biāo)靶，測得掘進(jìn)裝備坐標(biāo)相對于攝像機(jī)坐標(biāo)的旋轉(zhuǎn)角度與距離，利用測得的旋轉(zhuǎn)角度與距離求解掘進(jìn)裝備相對于巷道的位姿，如圖13所示。

圖13 基于機(jī)器視覺的位姿監(jiān)測系統(tǒng)[2]Fig.13 Position and attitude monitoring system based on machine vision[2]

立體視覺技術(shù)是在掘進(jìn)裝備上架設(shè)2臺相對位置已知的攝像機(jī)，通過2臺攝像機(jī)獲得不同的2幅圖像，通過2幅圖匹配點(diǎn)的二維坐標(biāo)，計(jì)算出巷道的三維空間信息，設(shè)備安裝示意圖如圖14所示。

圖14 截割頭定位立體視覺系統(tǒng)安裝示意[2]Fig.14 Schematic diagram of installation of cutting head positioning stereo vision system[2]

2.2.2 基于激光測距的掘進(jìn)機(jī)定位技術(shù)

通過扇面激光發(fā)射器將扇形激光發(fā)射到掘進(jìn)機(jī)上，通過掘進(jìn)機(jī)上安裝的接受器接收發(fā)射信號,對發(fā)射器和接收器之間的距離進(jìn)行測量。得出掘進(jìn)機(jī)相對于巷道的位置，如圖15所示。

圖15 基于線結(jié)構(gòu)光的掘進(jìn)機(jī)位姿檢測系統(tǒng)Fig.15 Pose detection system of roadheader based on line structured light

2.2.3 基于全站儀的掘進(jìn)機(jī)定位技術(shù)

利用全站儀測量安裝在掘進(jìn)機(jī)上的棱鏡相對于全站儀的距離與角度，以全站儀坐標(biāo)為基準(zhǔn)，計(jì)算出安裝在掘進(jìn)機(jī)上的棱鏡坐標(biāo)，從而得出掘進(jìn)機(jī)相對于巷道的位姿信息，如圖16所示。

圖16 掘進(jìn)裝備位姿監(jiān)測系統(tǒng)Fig.16 Position and posture monitoring system of roadheader

2.2.4 超寬帶位姿檢測系統(tǒng)—UPDS系統(tǒng)結(jié)構(gòu)

采用位置已知的4臺UWB基站依靠TW-TOF測距原理對固定在掘進(jìn)機(jī)上的3臺基站進(jìn)行測量，計(jì)算出掘進(jìn)機(jī)上3臺基站的位置信息，從而求解出掘進(jìn)機(jī)相對巷道的位姿信息，包括掘進(jìn)直線度，左右傾角與前后傾角，從而計(jì)算出目標(biāo)點(diǎn)的位置，如圖17所示。

圖17 傳感器與執(zhí)行器布置情況[2]Fig.17 Arrangement of sensors and actuators[2]

2.2.5 基于慣性導(dǎo)航技術(shù)的掘進(jìn)機(jī)定位技術(shù)

掘進(jìn)機(jī)的慣性導(dǎo)航是利用安裝在掘進(jìn)機(jī)上的慣性導(dǎo)航裝置中的陀螺儀以及加速度傳感器，測量掘進(jìn)機(jī)的傾角及加速度，利用積分運(yùn)算得出掘進(jìn)機(jī)的位姿信息。慣性導(dǎo)航無需外部設(shè)備，依靠掘進(jìn)機(jī)本身即可獲得掘進(jìn)機(jī)的位姿，如圖18所示。目前該種掘進(jìn)機(jī)導(dǎo)航方式應(yīng)用較廣泛。

圖18 掘進(jìn)機(jī)位姿檢測系統(tǒng)結(jié)構(gòu)Fig.18 Structure diagram of the roadheader’s pose detection system

3 掘進(jìn)機(jī)健康管理技術(shù)

掘進(jìn)機(jī)健康管理技術(shù)是依靠故障預(yù)警、故障診斷、壽命評估等關(guān)鍵技術(shù)，構(gòu)建掘進(jìn)機(jī)的全生命周期健康管理和維護(hù)決策平臺，實(shí)現(xiàn)掘進(jìn)機(jī)預(yù)測性維護(hù)的技術(shù)。本章結(jié)合掘進(jìn)機(jī)健康管理技術(shù)發(fā)展現(xiàn)狀，梳理出掘進(jìn)機(jī)健康管理技術(shù)所面臨的挑戰(zhàn)，并針對所面臨的挑戰(zhàn)針對性的提出擬解決的科學(xué)問題。

3.1 故障預(yù)警技術(shù)

故障預(yù)警技術(shù)是通過提取故障特征信息，對系統(tǒng)未來可能發(fā)生的故障進(jìn)行預(yù)測，在故障發(fā)生之前給出報(bào)警，以達(dá)到“提前發(fā)現(xiàn)征兆、適時(shí)維護(hù)設(shè)備、確保作業(yè)連續(xù)”的目的。孟玲霞等[25]在研發(fā)的齒輪箱狀態(tài)監(jiān)測系統(tǒng)基礎(chǔ)上，提出了一種基于CEEMD-MFICA盲源分離等信號預(yù)處理方法，提出了盲源分離等信號預(yù)處理方法及早期故障預(yù)警方法，實(shí)現(xiàn)時(shí)頻域綜合早期故障預(yù)警。向建平等[26]基于數(shù)據(jù)采集與監(jiān)視控制(SCADA)系統(tǒng)的PSO-BP算法，采用粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法，建立主軸承故障預(yù)警模型，實(shí)現(xiàn)風(fēng)電機(jī)組主軸承的故障預(yù)警。白秀春等[27]提出一種基于多特征參數(shù)綜合的改進(jìn)高斯混合模型-灰色關(guān)聯(lián)度法-熵權(quán)法(GMM-GRA-EWM)的故障預(yù)警方法，根據(jù)已確定的預(yù)警特征參數(shù)，建立多參數(shù)綜合預(yù)警模型，實(shí)現(xiàn)液壓回路小泄漏的故障預(yù)警。

近年來，掘進(jìn)機(jī)故障預(yù)警技術(shù)得到了一定發(fā)展，但針對微小故障特征提取、工作載荷與異常載荷識別，現(xiàn)有故障預(yù)警技術(shù)在實(shí)際工程應(yīng)用中尚存在以下不足:

(1)現(xiàn)有技術(shù)對于掘進(jìn)機(jī)運(yùn)行參數(shù)微小突變特征提取困難，導(dǎo)致故障初期征兆難以被及時(shí)提取和發(fā)現(xiàn)，一旦發(fā)現(xiàn)故障，則故障已經(jīng)演化到一定程度，留給故障預(yù)警的時(shí)間較短。

(2)掘進(jìn)機(jī)作業(yè)環(huán)境復(fù)雜多變，系統(tǒng)運(yùn)行載荷變化范圍大，無法精確識別異常信號是否對系統(tǒng)故障產(chǎn)生影響。

3.2 故障診斷技術(shù)

故障診斷技術(shù)通過快速準(zhǔn)確的定位故障源，擬定解決故障解決方案，通過最優(yōu)決策減少系統(tǒng)恢復(fù)既定功能和性能的成本，以達(dá)到“精確定位故障，采取合理措施，輔助分析決策”的目的。王大虎等[24]提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)算法的部分?jǐn)嗝婢蜻M(jìn)機(jī)液壓系統(tǒng)故障診斷系統(tǒng)設(shè)計(jì)方法，利用模糊算法將輸入數(shù)據(jù)模糊化，再利用模糊神經(jīng)網(wǎng)絡(luò)模型對輸入樣本進(jìn)行處理，實(shí)現(xiàn)少數(shù)斷面掘進(jìn)機(jī)液壓系統(tǒng)故障診斷。彭余等[29]基于信息融合的多尺度狀態(tài)監(jiān)測方法對液壓馬達(dá)的磨損情況分析，為液壓馬達(dá)磨損程度提供了依據(jù)，有利于液壓馬達(dá)故障智能診斷和維護(hù)。劉勇[30]采用故障樹分析法和分類邏輯判斷法，提出行走機(jī)構(gòu)故障快速排查方法，對掘進(jìn)機(jī)行走機(jī)構(gòu)進(jìn)行故障診斷。楊健健等[31]通過構(gòu)建PSO-BP神經(jīng)網(wǎng)絡(luò)，解決BP網(wǎng)絡(luò)存在的收斂速度慢和局部極小值問題，提高BP網(wǎng)絡(luò)的診斷精度和收斂速度，實(shí)現(xiàn)掘進(jìn)機(jī)截割部的有效故障診斷。

現(xiàn)有基于數(shù)據(jù)驅(qū)動的故障診斷技術(shù)研究相對比較成熟，但仍存在以下問題:

(1)現(xiàn)有技術(shù)對于數(shù)據(jù)采集、故障診斷方法研究較少，沒有充分利用掘進(jìn)機(jī)與巷道斷面耦合作用機(jī)理相關(guān)研究成果以及產(chǎn)品研制、測試的數(shù)據(jù)。

(2)現(xiàn)有措施一般都是根據(jù)地面測試結(jié)果設(shè)定閾值，不具備自主更新診斷參數(shù)的能力，由于地面和井下的環(huán)境和數(shù)據(jù)都存在差異，導(dǎo)致故障診斷時(shí)存在一定偏差。

3.3 剩余壽命評估技術(shù)

剩余壽命評估技術(shù)是根據(jù)掘進(jìn)機(jī)工作狀態(tài)下的實(shí)際運(yùn)行載荷，構(gòu)建出“正?！惓！А钡墓收涎莼Ｐ?，進(jìn)而預(yù)知掘進(jìn)機(jī)關(guān)鍵零部件的剩余壽命，以達(dá)到“預(yù)測剩余壽命、提前制定預(yù)案、適時(shí)停機(jī)更換”的目的。趙申坤等[32]基于數(shù)據(jù)驅(qū)動和貝葉斯理論，提出了一種機(jī)械系統(tǒng)剩余壽命預(yù)測方法，通過建立系統(tǒng)的狀態(tài)隨機(jī)模型以及狀態(tài)模型參數(shù)的貝葉斯模型，實(shí)現(xiàn)了航空發(fā)動機(jī)RUL預(yù)測。石慧等[33]基于核密度估計(jì)與隨機(jī)濾波理論，對齒輪箱連續(xù)退化狀態(tài)的概率密度函數(shù)進(jìn)行非參數(shù)估計(jì)，利用實(shí)時(shí)狀態(tài)監(jiān)測數(shù)據(jù)更新隨機(jī)濾波遞推模型參數(shù)，預(yù)測齒輪箱的實(shí)時(shí)剩余壽命。KUNDU P等[34]在考慮工況參數(shù)和狀態(tài)監(jiān)測信號等參數(shù)的基礎(chǔ)上，通過建立威布爾加速失效時(shí)間回歸模型，對軸承剩余使用壽命進(jìn)行預(yù)測。BAPTISTA M等[35]研究了卡爾曼濾波器對剩余壽命估計(jì)的適用性，證明了其具有較好的精度和收斂性。VERSTRAETE D等[36]提出了一種新型非馬氏、變分、基于推理的剩余壽命估計(jì)模型。上述研究針對通用機(jī)械剩余使用壽命預(yù)測展開，為開發(fā)掘進(jìn)機(jī)零部件剩余使用壽命預(yù)測算法與模型奠定了理論基礎(chǔ)。

現(xiàn)有剩余壽命估計(jì)技術(shù)在掘進(jìn)機(jī)上應(yīng)用效果不佳，主要體現(xiàn)在:

(1)掘進(jìn)機(jī)產(chǎn)生故障的主要原因:① 由于突發(fā)事件(斷齒、機(jī)身振動等)引起的系統(tǒng)故障;② 由于關(guān)鍵零部件的性能退化(液壓系統(tǒng)密封磨損、機(jī)械部件磨損等)引起的故障，現(xiàn)有技術(shù)缺乏對相關(guān)理論的研究。

(2)基于數(shù)據(jù)驅(qū)動的剩余壽命估計(jì)技術(shù)，沒有充分挖掘多源數(shù)據(jù)和相似樣本信息，如掘進(jìn)機(jī)截齒斷裂能夠?qū)е陆馗铍姍C(jī)電流、電壓、油壓、振動等多種信號異常。

3.4 擬解決的科學(xué)問題

針對現(xiàn)有掘進(jìn)機(jī)健康管理技術(shù)所面臨的微小故障特征提取、工作載荷與異常載荷識別、掘進(jìn)機(jī)與巷道斷面耦合作用機(jī)理、故障閾值自主更新、突發(fā)事件風(fēng)險(xiǎn)識別、多源信息融合等技術(shù)研究不足的問題，本節(jié)擬提出跨時(shí)空域度的監(jiān)測信息多源數(shù)據(jù)融合技術(shù)研究、掘進(jìn)機(jī)與斷面巖層耦合作用機(jī)理研究、突發(fā)事件風(fēng)險(xiǎn)識別模型構(gòu)建、自學(xué)習(xí)健康管理系統(tǒng)研發(fā)4點(diǎn)科學(xué)問題。

3.4.1 跨時(shí)空域度的監(jiān)測信息多源數(shù)據(jù)融合技術(shù)

現(xiàn)有掘進(jìn)機(jī)健康管理使用的數(shù)據(jù)主要是單臺掘進(jìn)機(jī)在單一巷道的運(yùn)行數(shù)據(jù)，相鄰工作面或相鄰礦區(qū)在地質(zhì)條件上具有一定的相似性，為提高故障信息的利用率，降低健康管理技術(shù)研發(fā)成本，提升故障信息診斷精度，需要運(yùn)用小波變換、稀疏分解、多維度融合離散熵等方法，獲取掘進(jìn)機(jī)機(jī)械系統(tǒng)及其動力系統(tǒng)的壓力、流量、油位、油溫、振動、電流、電壓等微小故障特征信息，搭建地質(zhì)條件相似區(qū)域、同類設(shè)備的產(chǎn)品測試數(shù)據(jù)、歷史故障數(shù)據(jù)云端平臺，研究跨時(shí)空域度的多源信息算法，提高故障信息利用率。

3.4.2 掘進(jìn)機(jī)與斷面巖層耦合作用機(jī)理

掘進(jìn)機(jī)受巷道賦存條件變化影響，系統(tǒng)運(yùn)行載荷波動大，不利于微小特征的識別與提取，為了精確識別故障特征，需要分析并提取無故障狀態(tài)和有故障狀態(tài)下的掘進(jìn)機(jī)關(guān)鍵零部件運(yùn)行載荷特征，勘測掘進(jìn)機(jī)應(yīng)用巷道的巷道斷面物理屬性、地質(zhì)構(gòu)造、水文地質(zhì)條件等地質(zhì)信息，構(gòu)建無故障狀態(tài)和有故障狀態(tài)的掘進(jìn)機(jī)與巷道斷面耦合動力學(xué)模型，獲取掘進(jìn)機(jī)異常載荷特征變化規(guī)律。

3.4.3 突發(fā)事件風(fēng)險(xiǎn)識別模型構(gòu)建

突發(fā)事件是由于不可知的地質(zhì)條件引發(fā)的，在傳統(tǒng)掘進(jìn)機(jī)健康管理系統(tǒng)中對于突發(fā)事件的考慮較少，為了確保掘進(jìn)機(jī)安全穩(wěn)定運(yùn)行，需要利用對掘進(jìn)機(jī)與巷道斷面耦合作用機(jī)理研究成果、故障狀態(tài)和無故障狀態(tài)掘進(jìn)機(jī)運(yùn)行載荷特征信息，針對性的研究突發(fā)事件影響下的掘進(jìn)機(jī)系統(tǒng)運(yùn)行載荷變化規(guī)律，基于可靠性統(tǒng)計(jì)、失效物理模型、大數(shù)據(jù)等技術(shù)手段，提高突發(fā)事件誘導(dǎo)的故障響應(yīng)速度和監(jiān)測精度。

3.4.4 自學(xué)習(xí)健康管理系統(tǒng)研發(fā)

人工智能技術(shù)能夠在層次結(jié)構(gòu)特征中發(fā)現(xiàn)更多的隱藏信息，在自適應(yīng)控制、模型重構(gòu)、信息特征提取等方面具有較好的數(shù)據(jù)適應(yīng)性，為了實(shí)現(xiàn)掘進(jìn)機(jī)健康管理系統(tǒng)自主迭代，需要利用人工智能、大數(shù)據(jù)、數(shù)據(jù)孿生等新一代高新技術(shù)，驗(yàn)證多源數(shù)據(jù)融合技術(shù)、掘進(jìn)機(jī)與斷面巖層耦合作用機(jī)理、突發(fā)事件風(fēng)險(xiǎn)識別模型，修正對掘進(jìn)機(jī)關(guān)鍵零部件的性能退化、參數(shù)退化、突變特征建模中的誤差，實(shí)現(xiàn)自動提取故障特征，自主修正故障診斷模型。

4 多機(jī)多工序智能協(xié)同控制技術(shù)

煤礦智能化掘進(jìn)裝備系統(tǒng)包含自動化截割系統(tǒng)、自動化臨時(shí)支護(hù)系統(tǒng)、智能錨固系統(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(gè)智能子系統(tǒng)。在實(shí)現(xiàn)單個(gè)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(gè)任務(wù)并行與多個(gè)子系統(tǒng)智能協(xié)同控制成為重要研究內(nèi)容[37]。

綜掘工作面多工序智能化協(xié)同控制系統(tǒng)基于掘進(jìn)機(jī)、臨時(shí)支護(hù)、錨固機(jī)組、第一輸送機(jī)、帶式輸送機(jī)、通風(fēng)除塵設(shè)備的協(xié)調(diào)聯(lián)動機(jī)制，面向綜掘工作面成套裝備的大型化、復(fù)雜化、差異化問題，實(shí)現(xiàn)人機(jī)雙向交流與各工序之間的協(xié)調(diào)聯(lián)動。

依據(jù)智能化掘進(jìn)系統(tǒng)里掘進(jìn)行進(jìn)、臨時(shí)支護(hù)、錨固、物資運(yùn)輸?shù)冉M合掘進(jìn)系統(tǒng)協(xié)同控制與多決策共同控制方面存在的問題，謝嘉成等[38]建立了多因素共同耦合“三機(jī)”形式的數(shù)學(xué)、Agent模型，建立一種新型以MAS的虛擬現(xiàn)實(shí)為基礎(chǔ)的協(xié)同規(guī)劃理論方法，滿足對多種掘進(jìn)裝備狀態(tài)工況下綜采“三機(jī)”的協(xié)同實(shí)時(shí)感知控制要求。周信等[39]基于采煤機(jī)的高精度定位，多傳感信息物聯(lián)網(wǎng)融合技術(shù)理論，改進(jìn)后的Elman神經(jīng)網(wǎng)絡(luò)，創(chuàng)立了多種設(shè)備的工作姿態(tài)、性能的協(xié)同理論控制方式，滿足了組合設(shè)備狀態(tài)情況下綜采“三機(jī)”的并行實(shí)時(shí)預(yù)測控制要求。馬宏偉等[40]以強(qiáng)化學(xué)習(xí)與Agent為基礎(chǔ)的協(xié)同控制理論方法以及基于leader-follower法與設(shè)備系統(tǒng)行為法，對智能掘進(jìn)裝備系統(tǒng)進(jìn)行多決策協(xié)同控制和智能化并行控制。

多機(jī)多工序智能協(xié)同控制技術(shù)主要包含設(shè)備自感知技術(shù)及系統(tǒng)各單元控制方法。首先需要構(gòu)建探測、掘進(jìn)、支護(hù)等多工序流程模型，分析探測距離、掘支效率、清運(yùn)速度等作業(yè)參數(shù)間的關(guān)聯(lián)關(guān)系，如圖19所示。以此為基礎(chǔ)建立多工序間協(xié)同作業(yè)機(jī)制，建立作業(yè)效率評價(jià)指標(biāo)體系，結(jié)合多源信息融合技術(shù)提取效能評估數(shù)據(jù)，優(yōu)化多工序快速協(xié)同作業(yè)效能，構(gòu)建特征分離-數(shù)據(jù)推斷-決策分析一體化多工序決策模型，提出多工序快速協(xié)同作業(yè)決策方法。為實(shí)現(xiàn)多工序快速安全作業(yè)，構(gòu)建巷道掘進(jìn)作業(yè)環(huán)境風(fēng)險(xiǎn)因素智能評估系統(tǒng)，制定巷道掘進(jìn)作業(yè)環(huán)境風(fēng)險(xiǎn)等級評價(jià)準(zhǔn)則，同時(shí)分析截割突變載荷、支護(hù)沖擊地壓等影響下掘進(jìn)機(jī)器人失穩(wěn)因素，研究不同等級環(huán)境風(fēng)險(xiǎn)下掘進(jìn)作業(yè)的強(qiáng)制穩(wěn)定控制方法，提出基于失穩(wěn)風(fēng)險(xiǎn)評價(jià)準(zhǔn)則的軟冗余切換控制技術(shù)，實(shí)現(xiàn)多工序快速安全作業(yè)。

圖19 多工序協(xié)同控制技術(shù)體系構(gòu)架Fig.19 Multi process collaborative control technology architecture

4.1 設(shè)備自感知技術(shù)

要實(shí)現(xiàn)掘進(jìn)機(jī)組多機(jī)多工序智能協(xié)同控制，首先要對設(shè)備的自感知技術(shù)進(jìn)行研究，實(shí)現(xiàn)設(shè)備自感知的關(guān)鍵是對多傳感器群組獲得的多源信息的相關(guān)性和互補(bǔ)性進(jìn)行深入研究，從而向決策系統(tǒng)提供有效信息。傳感器組包括慣性導(dǎo)航器件、位移傳感器、加速度傳感器、紅外傳感器以及激光雷達(dá)等傳感器和探測器。

首先，基于計(jì)算機(jī)信息處理技術(shù)建立掘進(jìn)機(jī)組多傳感器信息融合系統(tǒng)，即研究設(shè)備多信息融合的規(guī)則、機(jī)制，并根據(jù)這些規(guī)則、機(jī)制在計(jì)算機(jī)中對信息進(jìn)行分析處理，以時(shí)間順序?yàn)橹骶€進(jìn)行信息的全面優(yōu)化和融合。利用多傳感器信息之間的關(guān)聯(lián)性與統(tǒng)一性，通過規(guī)則的算法，對機(jī)組的研究對象進(jìn)行全面、準(zhǔn)確的檢測與模式識別，使信息融合系統(tǒng)對目標(biāo)具備更智能的感知能力，提高整個(gè)系統(tǒng)的智能決策水平。以數(shù)據(jù)處理方式的不同為依據(jù)，信息融合技術(shù)可分為3種形式:直接融合、特征融合和決策融合，在合理選擇信息融合的方式時(shí)，要綜合考慮數(shù)據(jù)源、數(shù)據(jù)類型、目標(biāo)信息等特點(diǎn)。智能掘進(jìn)工作面的系統(tǒng)多信息融合模型如圖20所示。信息源可作為自動截割的信息融合信息源，其中掘進(jìn)機(jī)組位姿、截割臂空間位置可直接融合，然后與從斷面圖像、煤層圖像等傳感器獲得的斷面形狀、斷面煤質(zhì)特征等特征向量進(jìn)行特征融合，再與截割電機(jī)功率進(jìn)行決策融合，為自動截割提供評判的決策和依據(jù)。

圖20 智能掘進(jìn)工作面的系統(tǒng)多信息融合模型[41]Fig.20 System multi-information fusion model of intelligent mining face[41]

然后，系統(tǒng)的多信息采集融合控制技術(shù)的基本含義為對掘進(jìn)工作面的多個(gè)設(shè)備進(jìn)行多源信息的采集，并根據(jù)信息分析結(jié)果完成多機(jī)聯(lián)動控制，達(dá)到智能快速掘進(jìn)的目的。這種控制技術(shù)分為功能聯(lián)動控制和模式聯(lián)動控制2種控制技術(shù)，前一種指控制內(nèi)的多個(gè)設(shè)備針對一個(gè)目標(biāo)點(diǎn)的協(xié)同控制，后一種指在同種模式下的多設(shè)備協(xié)同控制。以臨時(shí)支護(hù)移架為例，當(dāng)系統(tǒng)接收到截割作業(yè)完成的信號后，隨即發(fā)出移設(shè)支架的指令，此時(shí)煤巷圖像、側(cè)幫圖像、頂板圖像的監(jiān)測裝置及掘進(jìn)機(jī)組位姿傳感器等自動提高圖像分辨率和監(jiān)測精度，同時(shí)臨時(shí)支架的移架系統(tǒng)立即啟動，立柱、側(cè)幫護(hù)板等協(xié)調(diào)動作，支護(hù)初撐力補(bǔ)償系統(tǒng)啟動，護(hù)幫板、立柱壓力傳感器實(shí)時(shí)檢測支撐強(qiáng)度，通過對傳感器和設(shè)備的動作協(xié)調(diào)聯(lián)動，達(dá)到支架降架、移架的支護(hù)效果。

在研究掘進(jìn)工作面的多信息采集融合控制技術(shù)的基礎(chǔ)上，對掘進(jìn)工作面各設(shè)備的多坐標(biāo)系進(jìn)行規(guī)范統(tǒng)一，完善各設(shè)備的坐標(biāo)信息，在實(shí)現(xiàn)單機(jī)獨(dú)立運(yùn)行的同時(shí)能夠在系統(tǒng)坐標(biāo)系下完成多機(jī)的智能精準(zhǔn)定位，建立掘進(jìn)機(jī)群組的歸一化管理系統(tǒng)，使得設(shè)備運(yùn)動及位姿可監(jiān)可控，多源信息實(shí)時(shí)互通。

4.2 系統(tǒng)各單元控制方法

智能掘進(jìn)機(jī)組的多工序作業(yè)包括但不限于截割、鏟運(yùn)、行走、臨時(shí)支護(hù)、錨固、通風(fēng)除塵、供水、運(yùn)輸、監(jiān)測等。多工序智能協(xié)同控制系統(tǒng)通過算法和程序?qū)⒏鲉卧目刂瓢凑找欢ǖ囊?guī)則和制度集成，在研究規(guī)則和算法之前，要先明確掘進(jìn)機(jī)組各個(gè)單元自身的運(yùn)行特性和控制方法。

截割單元主要完成煤巖的切割、破碎和斷面形狀的修正，截割質(zhì)量受制于傳動系統(tǒng)和控制系統(tǒng)可靠性，基于截齒與煤巖相互作用的接觸模型，通過截割部各環(huán)節(jié)的運(yùn)動微分方程，建立煤巖-截割機(jī)構(gòu)的耦合動力學(xué)模型，研究斷面形狀突變、巖石組織突變等多種工況下耦合動力模型的動態(tài)響應(yīng)，得到基于煤巖識別的截割部運(yùn)動控制規(guī)則。研究在圍巖壓力分配、支護(hù)沖擊、截割振動擾動等因素影響下，截割部的動態(tài)響應(yīng)，從而得到基于環(huán)境變化的截割部控制規(guī)則的動態(tài)修正方法?；陔娨罕壤y和電液伺服閥控制技術(shù)、油缸位移傳感器精度和截割頭幾何因素的影響，研究截割部執(zhí)行機(jī)構(gòu)制造特性和延遲特性對截割誤差的影響，從而得到基于材料和時(shí)間軸的截割部控制規(guī)則補(bǔ)償策略。

綜掘系統(tǒng)臨時(shí)支護(hù)的控制基于超前支護(hù)與巷道圍巖耦合動力學(xué)模型，研究立柱油缸的支護(hù)力控制。首先基于塊系覆巖理論，建立超前支架-頂板耦合動力學(xué)模型，根據(jù)截齒與巷道巖石接觸模型和行走部與底板相互作用力學(xué)模型推導(dǎo)截割部與巷道圍巖的耦合動力學(xué)模型，將其作為綜掘機(jī)組對巷道圍巖的擾動激勵來源，研究基于截割擾動作用下的超前支架動態(tài)響應(yīng)特性，從而建立立柱初撐力補(bǔ)償模型。基于巷道頂?shù)装彘_挖特性，構(gòu)建實(shí)時(shí)地壓監(jiān)測和大數(shù)據(jù)集中處理平臺，研究立柱支撐力控制動態(tài)補(bǔ)償方法。

4.3 多工序協(xié)同控制技術(shù)難點(diǎn)

掘進(jìn)與支護(hù)之間的協(xié)同配合是當(dāng)下掘進(jìn)工作面作業(yè)過程中最為突出的問題，支護(hù)作業(yè)的機(jī)械化、高效化在實(shí)現(xiàn)的過程中遇到重重阻礙。實(shí)現(xiàn)這一目標(biāo)有2個(gè)關(guān)鍵點(diǎn)，一是臨時(shí)支護(hù)方面，另一個(gè)是鉆錨注的單次工藝。首先，為加強(qiáng)支護(hù)效果并達(dá)到掘進(jìn)相關(guān)裝備的主動性支護(hù)的目的，需要研發(fā)一種柔性的可自移的臨時(shí)支護(hù)系統(tǒng)，這將會為后期錨桿鉆進(jìn)實(shí)現(xiàn)永久支護(hù)打下基礎(chǔ);其次，為加強(qiáng)“掘-支”工藝的連續(xù)性，需要研發(fā)一種可實(shí)現(xiàn)鉆錨注一體化的錨桿及其輔助鉆進(jìn)機(jī)構(gòu)，進(jìn)而真正實(shí)現(xiàn)“掘-支”平行作業(yè);最后，為提升支護(hù)作業(yè)的同步智能化水平，研制支持鉆錨注一體化錨桿作業(yè)的支護(hù)機(jī)器人并研發(fā)與臨時(shí)支護(hù)緊密配合的自動鋪錨網(wǎng)技術(shù)，取代依靠人力安裝錨桿的傳統(tǒng)手段，建立鉆錨注自動化的支護(hù)系統(tǒng)。

在綜合機(jī)械化掘進(jìn)的煤巷中，采用“掘-支”協(xié)同控制的方案，煤巷的臨時(shí)支護(hù)依靠超前液壓支架完成，超前液壓支架與掘錨設(shè)備聯(lián)合作業(yè)，進(jìn)而在煤巷的掘進(jìn)中實(shí)現(xiàn)掘進(jìn)、錨固、支護(hù)共同作業(yè)，進(jìn)一步提高掘進(jìn)工作面的作業(yè)效率。在非水平巷道的掘進(jìn)中，研究掘進(jìn)、支護(hù)聯(lián)合作業(yè)與多機(jī)組、多缸的協(xié)同控制方法，為快速掘進(jìn)巷道的自動化、穩(wěn)定化、高效化的護(hù)頂作業(yè)提供理論與技術(shù)支持。

5 結(jié) 論

(1)進(jìn)行不同截割頭軌跡及速度規(guī)劃分析，提高掘進(jìn)作業(yè)速度及精確性，同時(shí)提出不同掘進(jìn)速度下掘進(jìn)巷道頂板穩(wěn)定性分析方法;進(jìn)行自主定形定向截割控制技術(shù)研究，優(yōu)化現(xiàn)有自主定形定向截割控制算法，提高自主定形定向截割效率;通過數(shù)采系統(tǒng)重構(gòu)數(shù)字孿生虛擬模型，采用掘進(jìn)機(jī)虛擬操縱平臺實(shí)現(xiàn)掘進(jìn)機(jī)遠(yuǎn)程自動截割控制。

(2)通過掘進(jìn)巷道環(huán)境感知技術(shù)，構(gòu)建掘進(jìn)巷道虛擬模型巷道安全系統(tǒng)，保證了安全的掘進(jìn)作業(yè)環(huán)境。推進(jìn)物聯(lián)網(wǎng)平臺感知技術(shù)發(fā)展，利用激光掃描及多種算法，形成巷道三維點(diǎn)云模型;對比傳統(tǒng)單一傳感器進(jìn)行巷道環(huán)境感知的局限性，對激光、通信、視覺及慣性等傳感器等進(jìn)行技術(shù)互補(bǔ)性融合，利用多種融合算法，實(shí)現(xiàn)高精度巷道感知;采用隨鉆測量系統(tǒng)進(jìn)行瓦斯監(jiān)測和超前探水作業(yè)，保證煤礦井下作業(yè)安全;將視覺感知技術(shù)、激光測距技術(shù)、全站儀、超寬帶定位技術(shù)等融入井下巷道的設(shè)備定位系統(tǒng)中，對巷道內(nèi)掘進(jìn)機(jī)的位姿進(jìn)行實(shí)時(shí)監(jiān)測，提升巷道掘進(jìn)作業(yè)的精確度與掘進(jìn)效率。

(3)通過結(jié)合掘進(jìn)機(jī)健康管理技術(shù)發(fā)展現(xiàn)狀，梳理出掘進(jìn)機(jī)健康管理技術(shù)在故障預(yù)警技術(shù)、故障診斷技術(shù)、壽命評估技術(shù)3個(gè)方面存在的不足，并針對所面臨的挑戰(zhàn)針對性的提出了跨時(shí)空域度的監(jiān)測信息多源數(shù)據(jù)融合技術(shù)、掘進(jìn)機(jī)與斷面巖層耦合作用機(jī)理、突發(fā)事件風(fēng)險(xiǎn)識別模型、自學(xué)習(xí)健康管理系統(tǒng)4項(xiàng)擬解決的科學(xué)問題。

(4)深入探討了多傳感器信息融合技術(shù)，研究了掘進(jìn)系統(tǒng)截割單元及臨時(shí)支護(hù)單元的控制方法，分析了多源信息分析處理及優(yōu)化策略，以自動截割系統(tǒng)和超前臨時(shí)支架移架系統(tǒng)為例，闡明了多傳感器信息融合的運(yùn)行機(jī)制，提出多工序協(xié)同控制技術(shù)難點(diǎn)及實(shí)現(xiàn)這一目標(biāo)需要解決的2個(gè)關(guān)鍵點(diǎn)。