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

(遼寧工程技術大學 礦產資源開發(fā)利用技術及裝備研究院，遼寧 阜新 123000)

煤炭作為我國的基礎能源和工業(yè)原料，長期以來為經濟社會發(fā)展和國家能源安全穩(wěn)定供應提供了有力保障。在2020年一次能源消費中，我國煤炭能源占比達56.8%，世界煤炭能源占比27%。預計“十四五”期間，我國年均煤炭消費量約為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，在未來相當長的一段時期內，煤炭仍將是我國最穩(wěn)定、最可靠的基礎能源。

我國煤礦多以井工開采為主，全國煤礦數(shù)量達4 700處，產能達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，每個綜采工作面平均推進進度達30 m/d，綜掘工作面平均進尺10 m/d，傳統(tǒng)的綜采綜掘方式已經不能滿足巷道掘進進尺70～80 m/d的最低需求，采掘失衡問題嚴重，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量發(fā)展的關鍵因素。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，人工干預為輔，無人跟機作業(yè)，有人安全巡視”的建設體系，但在掘進、錨桿支護設備以及相關的智能技術的開發(fā)和研究領域內與其他發(fā)達國家還有一定的差距，亟需應用自主截割、自主巡航、智能監(jiān)控、多機并行等先進技術設備，使掘進工作面上的機械生產系統(tǒng)具有智能化環(huán)境感知、自主化決策控制的特點，實現(xiàn)掘進自動化、系統(tǒng)高效化并行運行，推動快速智能化掘進健康發(fā)展。

煤礦智能化是適應現(xiàn)代工業(yè)技術革命發(fā)展趨勢、保障國家能源安全、實現(xiàn)煤炭工業(yè)高質量發(fā)展的核心技術支撐，作為煤礦生產的兩大核心環(huán)節(jié)，掘進與綜采系統(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水平[1-2]，我國相繼發(fā)布《煤礦機器人重點研發(fā)目錄》《加快煤礦智能化發(fā)展的指導意見》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]，主要集中在掘進裝備自主截割、自主巡航、智能監(jiān)控、多機協(xié)同4個方面。為此筆者提出掘進裝備自主定型定向截割、掘進裝備自主巡航、掘進機健康管理技術及多機多工序智能協(xié)同控制技術四大截割鉆進裝備先進技術并給出研究方向。

1 掘進裝備自主定形定向截割技術

掘進裝備的自主定形定向截割技術，是建立在對掘進裝備的位姿和運動軌跡精確測量的基礎上，并通過對截割部的控制，進行截割斷面中心和姿態(tài)的調整，通過多次反復對截割部的控制，實現(xiàn)掘進裝備的定形定向截割控制[4]。進行掘進裝備自主定形定向截割技術研究，能夠有效提高掘進裝備的智能化水準，提高掘進效率，降低掘進巷道的線路誤差等，同時能夠降低煤礦工人的工作強度以及設備操作對工人技術水平的依賴。

1.1 掘進裝備截割路徑及截割速度規(guī)劃

1.1.1 掘進裝備截割軌跡規(guī)劃

掘進裝備截割軌跡規(guī)劃需要按不同截割部類型進行區(qū)分設計，嚴進輝等[5]進行了2種掘進機掘進方式的對比研究。常用掘進裝備截割部按截割部類型及旋轉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，需要針對性進行各塊的自主定形定向截割技術研究。

(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)要求司機從巷道底部進刀，截割頭鉆進截深后開始橫擺，進行水平條帶截割作業(yè)，截割頭到達巷道輪廓邊緣時，沿豎直方向截割一定距離后恢復橫向截割，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，需要司機操縱截割部對巷道輪廓進行拉底等精截割作業(yè)，將巷道頂?shù)装逍奁?，同時使巷道輪廓滿足設備通過需求。

(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)同樣要求司機從巷道底部進刀，截割路徑與縱軸式大抵相同，截割斷面的區(qū)別點在于懸臂橫軸式截割部在粗截割完成后側幫也會產生有規(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構進行截割，全寬橫軸式截割作業(yè)需要司機先將截割頭移至巷道頂，然后操縱截割頭自頂板處進刀，自上而下進行截割，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⌒?，如圖3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，設計不同的自主定形定向截割控制方法。

1.1.2 機身振動特征對截割頭軌跡誤差的影響規(guī)律

掘進設備在截割煤巖時，截割頭和煤巖會產生劇烈的振動沖擊，目前，主流研究方向為建立懸臂式掘進機的動作機構數(shù)學動力學模型，分析截割振動對位姿響應造成的誤差[6]及振動傳遞對掘進機機身部分元件造成的影響[7]?，F(xiàn)有定形定向截割技術沒有考慮截割振動對整機造成的振動、滑移等現(xiàn)象。需要根據(jù)選定的掘進截割部類型，建立其截割頭載荷計算公式，通過截割部彎曲振動模型，分析截割部動力響應及主振函數(shù)，通過多體動力學理論，同時考慮截割部柔性變形量，建立掘進機在上述不同截割工藝下的動力學模型，分析機身在不同工況下的振動量，建立掘進裝備位姿誤差模型，分析機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型掘進機為研究對象，在MATLAB數(shù)值計算軟件構建煤巖形成的外輪廓的仿真程序，并以EBZ200型掘進機結構尺寸對仿真程序中的各項參數(shù)進行設置，將截割進給量d0設定為550 mm、截割升降角度為42°。仿真得到考慮了截割頭對機身振動和沒有考慮截割頭對機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，說明真實截割得到的巷道外輪廓比沒有考慮機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)定性是影響掘進速度的重要因素之一，現(xiàn)有巖石力學對空頂區(qū)穩(wěn)定性的研究較多，楊可[8]應用運動方程從巷道頂板節(jié)點應力和外力計算出巷道頂板上該節(jié)點的速度和位移量，之后利用該節(jié)點速度得出應變速率，再由應變速率得出新的節(jié)點應力形成循環(huán)，并采用FLAC3D軟件進行循環(huán)迭代，采用不同迭代次數(shù)模擬對比不同掘進速度情況下的頂板狀態(tài)。

但現(xiàn)有頂板力學分析中缺乏掘進機截割過程中巷道頂板穩(wěn)定性的瞬時力學分析，為實現(xiàn)掘進裝備推進速度的合理控制，需要分析截割斷面及頂板結構特征，得到截割斷面的頂板穩(wěn)定機理，構建掘進裝備的多體動力學模型，引入由機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動載荷激勵方程，構建圍巖—掘進裝備的系統(tǒng)耦合動力學模型。研究不同掘進速度及工況下圍巖振動的傳遞特性，分析掘進速度對巷道頂板穩(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

近年來，國內部分高等院校及科研院所進行了自主定形定向截割的深入研究，張介夫等[9]得到了掘進機截割頭部在巷道空間運行的位置方位和掘進截割臂內的伸縮缸長度、截割懸臂擺角2者之間的空間幾何對應關系，為頭部在截割工作過程中形成的橫截斷面特征提供了工作路徑;謝亞洲等[10]使用多傳感器的交互測試技術，對截割頭在截割過程中的巷道環(huán)境情況進行不間斷監(jiān)測感知，以此建立新型自適應截割的控制理論方案，實現(xiàn)對掘進截割頭轉速、動臂的擺動角速度和工作負載之間的智能化控制;劉志森等[11]通過調整水平回轉油缸、升降油缸的進給速度，實現(xiàn)了對截割臂的擺動速度的自動控制及截割電機的恒功率穩(wěn)定運行。但現(xiàn)有研究技術只能實現(xiàn)半自動化控制，距離實現(xiàn)完全的無人化掘進還有一定差距。

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

通過信息采集技術采集掘進裝備及巷道的位置參數(shù)，同時分別建立以巷道及掘進機為坐標系的掘進機位姿模型，并建立掘進機位姿監(jiān)測系統(tǒng)，通過實時監(jiān)測系統(tǒng)獲取掘進機相對巷道的實時位姿數(shù)據(jù)。通過分析掘進機各部件工作特性，建立掘進機參考系，設計掘進機數(shù)據(jù)采集系統(tǒng)，通過數(shù)據(jù)采集系統(tǒng)實時獲得掘進機截割頭狀態(tài)，為掘進機定形定向截割系統(tǒng)提供理論參數(shù)[12]。

掘進機在截割巷道過程中由于煤巖性質變化原因易出現(xiàn)負載擾動現(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現(xiàn)掘進機恒功率截割技術[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，斷面輪廓指掘進機截割過程中截割頭經過的最外圍邊界點集合。在不同巷道掘進作業(yè)前，針對設計該巷道的斷面輪廓，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驅動截割部按規(guī)劃路徑在斷面輪廓內截割，同時優(yōu)化掘進機截割控制系統(tǒng)，使截割部能夠按既定路線進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進行優(yōu)化。掘進機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行自主截割。掘進機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，通過對截割電機電流突變量情況的分析，推斷截割斷面硬巖點。

記憶截割控制原理同時需要考慮掘進機機身位置，掘進機在截割過程中區(qū)別于連采機，相對巷道存在機身移動現(xiàn)象。掘進機記憶截割需要通過位姿檢測系統(tǒng)檢測并記錄掘進機的位姿情況，即掘進機相對巷道既定截割斷面的位姿情況、掘進機行走馬達轉速及壓力情況，通過行走馬達轉速分析掘進機截割過程中相對巷道的位姿變換情況，通過行走馬達壓力起伏記錄掘進巷道前端地表平整度情況，在下次截割過程中進行記憶導向。通過對截割頭位姿及掘進機位姿的記憶減少現(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 掘進機遠程自主截割控制技術

智能掘進機器人數(shù)字孿生系統(tǒng)的關鍵在于數(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)字模型和以掘進機器人運動學模型為基礎的數(shù)字孿生驅動模型。虛擬數(shù)字孿生模型可以通過Unity3D，3DMax等構建，利用動態(tài)編程實現(xiàn)掘進機器人動作綁定;利用機器人技術實現(xiàn)虛擬場景與現(xiàn)實的統(tǒng)一，通過其運動學模型驅動虛擬模型動作。數(shù)據(jù)傳輸?shù)年P鍵在于如何低延遲、完整的將掘進機器人狀態(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。為了保證通信的實時性及數(shù)據(jù)的可操作性，通過將RS232，CAN，工業(yè)以太網等多種通信方式相結合，構建以數(shù)據(jù)庫技術為核心的數(shù)據(jù)交互平臺實現(xiàn)整個數(shù)字孿生系統(tǒng)的數(shù)據(jù)傳輸與通信。利用多傳感器技術實現(xiàn)掘進機器人多個關鍵部位的實時狀態(tài)監(jiān)測。以煤礦井下巷道掘進過程中的經驗為基礎設計智能掘進機器人工序，在實現(xiàn)單機控制的基礎上，構建協(xié)同控制器按照巷道掘進工序實現(xiàn)遠程自動截割控制技術。

為實現(xiàn)在虛擬場景中實時再現(xiàn)真實場景變化狀態(tài)，除了獲取真實場景的孿生數(shù)據(jù)，還需要建立相應的數(shù)字孿生驅動模型，包括:① 建立掘進機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 建立掘進機運動學模型，求解其正逆解，利用孿生數(shù)據(jù)驅動虛擬模型動作，在虛擬場景中還原掘進機運行狀態(tài)。

掘進機自動截割控制的前提是根據(jù)巷道斷面類型、掘進工藝和截割頭外輪廓等參數(shù)規(guī)劃截割頭運動軌跡。以截割軌跡規(guī)劃為目標，視覺測量實際截割頭位姿為基礎坐標點，控制截割頭實時位置及行走軌跡。為得到掘進機各關節(jié)運動控制量，求解掘進機運動學逆解，同時配合由理論軌跡點及視覺測量點構建的反饋控制系統(tǒng)，實現(xiàn)掘進機自動截割過程的動態(tài)控制。

數(shù)字孿生遠程自主截割的基礎在于數(shù)據(jù)采集，掘進機位姿數(shù)據(jù)和巷道環(huán)境數(shù)據(jù)為遠程自主截割的核心數(shù)據(jù)，2者構成數(shù)字孿生驅動的數(shù)據(jù)來源。利用感知數(shù)據(jù)在本地防爆計算機上搭建可視化輔助截割系統(tǒng)，實現(xiàn)掘進過程的實時在線監(jiān)測。同時通過防爆計算機將感知數(shù)據(jù)發(fā)送至遠程控制端，提前構建掘進裝備虛擬三維模型，根據(jù)數(shù)字孿生驅動模型實現(xiàn)虛擬裝備同步動作，如圖7所示。遠程控制端可實現(xiàn)虛擬遠程控制和視頻監(jiān)控功能。虛擬遠程控制可設置手動和自動2種操作模式。手動模式是通過人機交互方式實現(xiàn)遠程截割控制;自動模式是通過規(guī)劃截割頭運動軌跡，利用掘進機逆解求解各關節(jié)控制量，將控制指令下發(fā)至PLC，驅動掘進機運行，并實時修正掘進機工作狀態(tài)。

圖7 掘進機虛擬操縱平臺Fig.7 Tunneling machine virtual operation platform

2 掘進裝備自主巡航技術

2.1 掘進巷道環(huán)境感知技術

智能化礦山建設穩(wěn)步推進，掘進裝備智能化迫在眉睫，國內多名相關學者對掘進巷道環(huán)境感知技術進行了深入的探討研究。李茂林等[15]運用截割頭截割感知技術，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，設計出了針對掘進機的運動控制系統(tǒng)，基本實現(xiàn)了掘進機在巷道內進行采煤工作的可靠性，提高了掘進的效率。楊健健等[16]通過以多種環(huán)境感知技術為基礎，探尋了存在傾角狀況下多機組多機構協(xié)同控制的自適應控制算法，研究了以粒子群算法最優(yōu)化為基礎的控制策略方法，提高了掘進工作面的智能化程度。孫彥景等[17]提出了以物聯(lián)網的安全生產過程監(jiān)控系統(tǒng)為基礎的新模式，通過使用多種類別傳感設備監(jiān)測生產環(huán)境、過程、設備進行信息采集，完成煤礦生產多場景全過程信息監(jiān)測，實現(xiàn)生產事故的感知、預警、決策的智能化。史海岐[18]通過應用隨鉆測量定向鉆進技術，揭示了該技術具有鉆孔軌跡偏差小、鉆孔效率高、設備要求低等優(yōu)勢。

以上學者分別對多種智能感知技術及有線隨鉆測量系統(tǒng)進行深入研究，研究表明相應技術比較成熟，可為智能化礦山實現(xiàn)提供重要技術支撐;為實現(xiàn)掘進裝備的自主巡航功能，首先應對掘進巷道三維地質環(huán)境進行分析，利用多種傳感器融合式技術實現(xiàn)掘進裝備的自主移動導航功能。

2.1.1 傳感器感知技術

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

推進物聯(lián)網技術融入礦山生產，借鑒相關經驗、技術。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)網系統(tǒng)[19]Fig.8 Coal mine sensing Internet of things system actuators[19]

掘進巷道三維建模與成型質量檢測技術。在掘進裝備上固設三維激光掃描裝置，實時捕捉巷道空間數(shù)據(jù);通過激光SLAM、點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，進而實現(xiàn)對巷道成形質量的準確監(jiān)控，激光掃描技術應用如圖9所示。

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

3D激光掃描建模技術是利用激光掃描儀在物體表面記錄對象點的位置和反射率為基礎進行的，由計算機構建被掃描物體3D模型。3D激光掃描建模技術，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)，構建對象精確的3D模型。

激光掃描儀獲取的目標點坐標是相對于激光掃描儀本身的，在構建巷道三維模型前，需將目標點的相對坐標轉換為相對大地的絕對坐標。在激光掃描儀獲取目標點的信息后，通過坐標轉換程序將其轉換以大地坐標為基準的坐標,如圖10所示。

圖10 井下礦-280 m 水平巷道局部點云模型[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

煤礦井下的環(huán)境感知技術一般采用傳感器獲取單項環(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)境復雜多變，采用單一傳感器獲取單項參數(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，已經無法滿足感知及高精定位要求。

井下常用設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 相關定位傳感器技術特征Table 1 Technical characteristics of correlation positioning sensor

激光傳感器和視覺傳感器技術特征具備一定的互補特性，同樣通信傳感器與慣性傳感器也呈現(xiàn)互補作用，傳統(tǒng)巷道掘進環(huán)境感知研究中，往往考慮利用單一傳感器實現(xiàn)相應功能，經過大量的試驗經驗，其效果往往差強人意。為此，本文將以上4種傳感器進行融合利用，取長補短，利用多種算法，實現(xiàn)高精度巷道感知。

巷道環(huán)境感知系統(tǒng)關鍵點在于電荷耦合器件圖像傳感器與激光雷達數(shù)據(jù)源接入、激光雷達和電荷耦合器件圖像傳感器攝像機的標定、目標圖像的預處理、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數(shù)據(jù)源接入、激光雷達和電荷耦合器件圖像傳感器攝像機的標定、目標圖像的預處理、檢測及分割等，并將WIFI定位與慣性傳感器的導航相結合起來，利用加速度計對步態(tài)進行檢測，采用陀螺儀或磁力級推導設備航向，把步長、方向等數(shù)據(jù)與建立的WIFI數(shù)據(jù)庫結合起來，通過地圖匹配粒子算法確定出最終位置，實現(xiàn)掘進巷道環(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，同時模擬鉆孔軌跡。操作人員根據(jù)監(jiān)視器所示信息實時接收鉆孔信息，也能夠實時控制孔底馬達的工具面向角，從而控制鉆孔能夠按照設計軌跡進行鉆進。此項技術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)安全高效快速進行，特將抽采鉆機安置在煤層厚度大且通風性良好的穩(wěn)定性煤層中，可保證鉆孔高滲透性，促進抽采作業(yè)進行。采用有線隨鉆測量系統(tǒng)在松軟煤層條件下進行高位水平長鉆孔作業(yè)，從孔內部向下鉆多分支梳狀鉆孔，通過調節(jié)鉆孔深度、角度及速度等參數(shù)可實現(xiàn)對松軟煤層中塌孔、鉆孔不成型、鉆孔效率低和孔深不達標等問題的解決。

(2)地質構造等勘探孔。將此項技術作為井下資源、地質構造及地質異常體的補充探測技術，可進一步查明構造發(fā)育、儲煤量及水文地質等信息，將該技術作為物探普查后的精查，可獲得實時、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)、老硐內及巷道掘進方向上，可能存在大量積水，對人身安全造成嚴重影響。利用此項技術進行探放水作業(yè)，精確控制鉆孔方向，準確鉆至積水區(qū)域，將積水放出，保證掘進作業(yè)的安全進行。

2.2 掘進裝備自主移動導航技術

煤礦井下作業(yè)環(huán)境復雜多變，設備的定位及可視化研究是實現(xiàn)井下自動化無人化的必要階段，國內相關學者對掘進裝備的自主定位導航進行了深入研究。盧新明等[22]構建了多種傳感器、測繪儀器和控制器集成的掘進機物聯(lián)網聯(lián)結，提出了一種新型煤礦井下定位方式，能夠完成對井下環(huán)境不間斷精準感知并進行準確交互，為實現(xiàn)安全高效高精度的自動化掘進作業(yè)奠定了基礎。田原等[23]結合慣性導航方位檢測技術和掘進機姿態(tài)檢驗方法，實現(xiàn)以四點式光靶為基礎的掘進機械定位方式，在滿足慣性導航系統(tǒng)行進精度情況下實現(xiàn)了掘進機械的自動導航精確定位。段笑蔚等[24]提出了超寬帶TW-TOF距離測量技術的精準定位定向方法，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進行了功能原理分析，需要針對不同地質條件的煤礦進行不同種類定位技術的組合選用，增加掘進設備自主移動導航技術的適應性及實用性。

2.2.1 基于機器視覺的掘進機定位技術

利用放置在巷道中的攝像機拍攝安裝在掘進裝備上的激光標靶，測得掘進裝備坐標相對于攝像機坐標的旋轉角度與距離，利用測得的旋轉角度與距離求解掘進裝備相對于巷道的位姿，如圖13所示。

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

立體視覺技術是在掘進裝備上架設2臺相對位置已知的攝像機，通過2臺攝像機獲得不同的2幅圖像，通過2幅圖匹配點的二維坐標，計算出巷道的三維空間信息，設備安裝示意圖如圖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機定位技術

通過扇面激光發(fā)射器將扇形激光發(fā)射到掘進機上，通過掘進機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行測量。得出掘進機相對于巷道的位置，如圖15所示。

圖15 基于線結構光的掘進機位姿檢測系統(tǒng)Fig.15 Pose detection system of roadheader based on line structured light

2.2.3 基于全站儀的掘進機定位技術

利用全站儀測量安裝在掘進機上的棱鏡相對于全站儀的距離與角度，以全站儀坐標為基準，計算出安裝在掘進機上的棱鏡坐標，從而得出掘進機相對于巷道的位姿信息，如圖16所示。

圖16 掘進裝備位姿監(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)結構

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機上的3臺基站進行測量，計算出掘進機上3臺基站的位置信息，從而求解出掘進機相對巷道的位姿信息，包括掘進直線度，左右傾角與前后傾角，從而計算出目標點的位置，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 基于慣性導航技術的掘進機定位技術

掘進機的慣性導航是利用安裝在掘進機上的慣性導航裝置中的陀螺儀以及加速度傳感器，測量掘進機的傾角及加速度，利用積分運算得出掘進機的位姿信息。慣性導航無需外部設備，依靠掘進機本身即可獲得掘進機的位姿，如圖18所示。目前該種掘進機導航方式應用較廣泛。

圖18 掘進機位姿檢測系統(tǒng)結構Fig.18 Structure diagram of the roadheader’s pose detection system

3 掘進機健康管理技術

掘進機健康管理技術是依靠故障預警、故障診斷、壽命評估等關鍵技術，構建掘進機的全生命周期健康管理和維護決策平臺，實現(xiàn)掘進機預測性維護的技術。本章結合掘進機健康管理技術發(fā)展現(xiàn)狀，梳理出掘進機健康管理技術所面臨的挑戰(zhàn)，并針對所面臨的挑戰(zhàn)針對性的提出擬解決的科學問題。

3.1 故障預警技術

故障預警技術是通過提取故障特征信息，對系統(tǒng)未來可能發(fā)生的故障進行預測，在故障發(fā)生之前給出報警，以達到“提前發(fā)現(xiàn)征兆、適時維護設備、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)基礎上，提出了一種基于CEEMD-MFICA盲源分離等信號預處理方法，提出了盲源分離等信號預處理方法及早期故障預警方法，實現(xiàn)時頻域綜合早期故障預警。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神經網絡算法，建立主軸承故障預警模型，實現(xiàn)風電機組主軸承的故障預警。白秀春等[27]提出一種基于多特征參數(shù)綜合的改進高斯混合模型-灰色關聯(lián)度法-熵權法(GMM-GRA-EWM)的故障預警方法，根據(jù)已確定的預警特征參數(shù)，建立多參數(shù)綜合預警模型，實現(xiàn)液壓回路小泄漏的故障預警。

近年來，掘進機故障預警技術得到了一定發(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)有故障預警技術在實際工程應用中尚存在以下不足:

(1)現(xiàn)有技術對于掘進機運行參數(shù)微小突變特征提取困難，導致故障初期征兆難以被及時提取和發(fā)現(xiàn)，一旦發(fā)現(xiàn)故障，則故障已經演化到一定程度，留給故障預警的時間較短。

(2)掘進機作業(yè)環(huán)境復雜多變，系統(tǒng)運行載荷變化范圍大，無法精確識別異常信號是否對系統(tǒng)故障產生影響。

3.2 故障診斷技術

故障診斷技術通過快速準確的定位故障源，擬定解決故障解決方案，通過最優(yōu)決策減少系統(tǒng)恢復既定功能和性能的成本，以達到“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網絡算法的部分斷面掘進機液壓系統(tǒng)故障診斷系統(tǒng)設計方法，利用模糊算法將輸入數(shù)據(jù)模糊化，再利用模糊神經網絡模型對輸入樣本進行處理，實現(xiàn)少數(shù)斷面掘進機液壓系統(tǒng)故障診斷。彭余等[29]基于信息融合的多尺度狀態(tài)監(jiān)測方法對液壓馬達的磨損情況分析，為液壓馬達磨損程度提供了依據(jù)，有利于液壓馬達故障智能診斷和維護。劉勇[30]采用故障樹分析法和分類邏輯判斷法，提出行走機構故障快速排查方法，對掘進機行走機構進行故障診斷。楊健健等[31]通過構建PSO-BP神經網絡，解決BP網絡存在的收斂速度慢和局部極小值問題，提高BP網絡的診斷精度和收斂速度，實現(xiàn)掘進機截割部的有效故障診斷。

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

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

(2)現(xiàn)有措施一般都是根據(jù)地面測試結果設定閾值，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，導致故障診斷時存在一定偏差。

3.3 剩余壽命評估技術

剩余壽命評估技術是根據(jù)掘進機工作狀態(tài)下的實際運行載荷，構建出“正常—異?！А钡墓收涎莼Ｐ?，進而預知掘進機關鍵零部件的剩余壽命，以達到“預測剩余壽命、提前制定預案、適時停機更換”的目的。趙申坤等[32]基于數(shù)據(jù)驅動和貝葉斯理論，提出了一種機械系統(tǒng)剩余壽命預測方法，通過建立系統(tǒng)的狀態(tài)隨機模型以及狀態(tài)模型參數(shù)的貝葉斯模型，實現(xiàn)了航空發(fā)動機RUL預測。石慧等[33]基于核密度估計與隨機濾波理論，對齒輪箱連續(xù)退化狀態(tài)的概率密度函數(shù)進行非參數(shù)估計，利用實時狀態(tài)監(jiān)測數(shù)據(jù)更新隨機濾波遞推模型參數(shù)，預測齒輪箱的實時剩余壽命。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)的基礎上，通過建立威布爾加速失效時間回歸模型，對軸承剩余使用壽命進行預測。BAPTISTA M等[35]研究了卡爾曼濾波器對剩余壽命估計的適用性，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模型。上述研究針對通用機械剩余使用壽命預測展開，為開發(fā)掘進機零部件剩余使用壽命預測算法與模型奠定了理論基礎。

現(xiàn)有剩余壽命估計技術在掘進機上應用效果不佳，主要體現(xiàn)在:

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

(2)基于數(shù)據(jù)驅動的剩余壽命估計技術，沒有充分挖掘多源數(shù)據(jù)和相似樣本信息，如掘進機截齒斷裂能夠導致截割電機電流、電壓、油壓、振動等多種信號異常。

3.4 擬解決的科學問題

針對現(xiàn)有掘進機健康管理技術所面臨的微小故障特征提取、工作載荷與異常載荷識別、掘進機與巷道斷面耦合作用機理、故障閾值自主更新、突發(fā)事件風險識別、多源信息融合等技術研究不足的問題，本節(jié)擬提出跨時空域度的監(jiān)測信息多源數(shù)據(jù)融合技術研究、掘進機與斷面巖層耦合作用機理研究、突發(fā)事件風險識別模型構建、自學習健康管理系統(tǒng)研發(fā)4點科學問題。

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

現(xiàn)有掘進機健康管理使用的數(shù)據(jù)主要是單臺掘進機在單一巷道的運行數(shù)據(jù)，相鄰工作面或相鄰礦區(qū)在地質條件上具有一定的相似性，為提高故障信息的利用率，降低健康管理技術研發(fā)成本，提升故障信息診斷精度，需要運用小波變換、稀疏分解、多維度融合離散熵等方法，獲取掘進機機械系統(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，搭建地質條件相似區(qū)域、同類設備的產品測試數(shù)據(jù)、歷史故障數(shù)據(jù)云端平臺，研究跨時空域度的多源信息算法，提高故障信息利用率。

3.4.2 掘進機與斷面巖層耦合作用機理

掘進機受巷道賦存條件變化影響，系統(tǒng)運行載荷波動大，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)下的掘進機關鍵零部件運行載荷特征，勘測掘進機應用巷道的巷道斷面物理屬性、地質構造、水文地質條件等地質信息，構建無故障狀態(tài)和有故障狀態(tài)的掘進機與巷道斷面耦合動力學模型，獲取掘進機異常載荷特征變化規(guī)律。

3.4.3 突發(fā)事件風險識別模型構建

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

3.4.4 自學習健康管理系統(tǒng)研發(fā)

人工智能技術能夠在層次結構特征中發(fā)現(xiàn)更多的隱藏信息，在自適應控制、模型重構、信息特征提取等方面具有較好的數(shù)據(jù)適應性，為了實現(xiàn)掘進機健康管理系統(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，驗證多源數(shù)據(jù)融合技術、掘進機與斷面巖層耦合作用機理、突發(fā)事件風險識別模型，修正對掘進機關鍵零部件的性能退化、參數(shù)退化、突變特征建模中的誤差，實現(xiàn)自動提取故障特征，自主修正故障診斷模型。

4 多機多工序智能協(xié)同控制技術

煤礦智能化掘進裝備系統(tǒng)包含自動化截割系統(tǒng)、自動化臨時支護系統(tǒng)、智能錨固系統(tǒng)、智能錨網運輸系統(tǒng)、智能運輸系統(tǒng)和智能通風除塵系統(tǒng)等多個智能子系統(tǒng)。在實現(xiàn)單個子系統(tǒng)智能控制的基礎上，如何實現(xiàn)對煤礦智能掘進系統(tǒng)多個任務并行與多個子系統(tǒng)智能協(xié)同控制成為重要研究內容[37]。

綜掘工作面多工序智能化協(xié)同控制系統(tǒng)基于掘進機、臨時支護、錨固機組、第一輸送機、帶式輸送機、通風除塵設備的協(xié)調聯(lián)動機制，面向綜掘工作面成套裝備的大型化、復雜化、差異化問題，實現(xiàn)人機雙向交流與各工序之間的協(xié)調聯(lián)動。

依據(jù)智能化掘進系統(tǒng)里掘進行進、臨時支護、錨固、物資運輸?shù)冉M合掘進系統(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”形式的數(shù)學、Agent模型，建立一種新型以MAS的虛擬現(xiàn)實為基礎的協(xié)同規(guī)劃理論方法，滿足對多種掘進裝備狀態(tài)工況下綜采“三機”的協(xié)同實時感知控制要求。周信等[39]基于采煤機的高精度定位，多傳感信息物聯(lián)網融合技術理論，改進后的Elman神經網絡，創(chuàng)立了多種設備的工作姿態(tài)、性能的協(xié)同理論控制方式，滿足了組合設備狀態(tài)情況下綜采“三機”的并行實時預測控制要求。馬宏偉等[40]以強化學習與Agent為基礎的協(xié)同控制理論方法以及基于leader-follower法與設備系統(tǒng)行為法，對智能掘進裝備系統(tǒng)進行多決策協(xié)同控制和智能化并行控制。

多機多工序智能協(xié)同控制技術主要包含設備自感知技術及系統(tǒng)各單元控制方法。首先需要構建探測、掘進、支護等多工序流程模型，分析探測距離、掘支效率、清運速度等作業(yè)參數(shù)間的關聯(lián)關系，如圖19所示。以此為基礎建立多工序間協(xié)同作業(yè)機制，建立作業(yè)效率評價指標體系，結合多源信息融合技術提取效能評估數(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。為實現(xiàn)多工序快速安全作業(yè)，構建巷道掘進作業(yè)環(huán)境風險因素智能評估系統(tǒng)，制定巷道掘進作業(yè)環(huán)境風險等級評價準則，同時分析截割突變載荷、支護沖擊地壓等影響下掘進機器人失穩(wěn)因素，研究不同等級環(huán)境風險下掘進作業(yè)的強制穩(wěn)定控制方法，提出基于失穩(wěn)風險評價準則的軟冗余切換控制技術，實現(xiàn)多工序快速安全作業(yè)。

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

4.1 設備自感知技術

要實現(xiàn)掘進機組多機多工序智能協(xié)同控制，首先要對設備的自感知技術進行研究，實現(xiàn)設備自感知的關鍵是對多傳感器群組獲得的多源信息的相關性和互補性進行深入研究，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等傳感器和探測器。

首先，基于計算機信息處理技術建立掘進機組多傳感器信息融合系統(tǒng)，即研究設備多信息融合的規(guī)則、機制，并根據(jù)這些規(guī)則、機制在計算機中對信息進行分析處理，以時間順序為主線進行信息的全面優(yōu)化和融合。利用多傳感器信息之間的關聯(lián)性與統(tǒng)一性，通過規(guī)則的算法，對機組的研究對象進行全面、準確的檢測與模式識別，使信息融合系統(tǒng)對目標具備更智能的感知能力，提高整個系統(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，要綜合考慮數(shù)據(jù)源、數(shù)據(jù)類型、目標信息等特點。智能掘進工作面的系統(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，其中掘進機組位姿、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、斷面煤質特征等特征向量進行特征融合，再與截割電機功率進行決策融合，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的基本含義為對掘進工作面的多個設備進行多源信息的采集，并根據(jù)信息分析結果完成多機聯(lián)動控制，達到智能快速掘進的目的。這種控制技術分為功能聯(lián)動控制和模式聯(lián)動控制2種控制技術，前一種指控制內的多個設備針對一個目標點的協(xié)同控制，后一種指在同種模式下的多設備協(xié)同控制。以臨時支護移架為例，當系統(tǒng)接收到截割作業(yè)完成的信號后，隨即發(fā)出移設支架的指令，此時煤巷圖像、側幫圖像、頂板圖像的監(jiān)測裝置及掘進機組位姿傳感器等自動提高圖像分辨率和監(jiān)測精度，同時臨時支架的移架系統(tǒng)立即啟動，立柱、側幫護板等協(xié)調動作，支護初撐力補償系統(tǒng)啟動，護幫板、立柱壓力傳感器實時檢測支撐強度，通過對傳感器和設備的動作協(xié)調聯(lián)動，達到支架降架、移架的支護效果。

在研究掘進工作面的多信息采集融合控制技術的基礎上，對掘進工作面各設備的多坐標系進行規(guī)范統(tǒng)一，完善各設備的坐標信息，在實現(xiàn)單機獨立運行的同時能夠在系統(tǒng)坐標系下完成多機的智能精準定位，建立掘進機群組的歸一化管理系統(tǒng)，使得設備運動及位姿可監(jiān)可控，多源信息實時互通。

4.2 系統(tǒng)各單元控制方法

智能掘進機組的多工序作業(yè)包括但不限于截割、鏟運、行走、臨時支護、錨固、通風除塵、供水、運輸、監(jiān)測等。多工序智能協(xié)同控制系統(tǒng)通過算法和程序將各單元的控制按照一定的規(guī)則和制度集成，在研究規(guī)則和算法之前，要先明確掘進機組各個單元自身的運行特性和控制方法。

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)的運動微分方程，建立煤巖-截割機構的耦合動力學模型，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，得到基于煤巖識別的截割部運動控制規(guī)則。研究在圍巖壓力分配、支護沖擊、截割振動擾動等因素影響下，截割部的動態(tài)響應，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、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)行機構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間軸的截割部控制規(guī)則補償策略。

綜掘系統(tǒng)臨時支護的控制基于超前支護與巷道圍巖耦合動力學模型，研究立柱油缸的支護力控制。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模型推導截割部與巷道圍巖的耦合動力學模型，將其作為綜掘機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)響應特性，從而建立立柱初撐力補償模型。基于巷道頂?shù)装彘_挖特性，構建實時地壓監(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)補償方法。

4.3 多工序協(xié)同控制技術難點

掘進與支護之間的協(xié)同配合是當下掘進工作面作業(yè)過程中最為突出的問題，支護作業(yè)的機械化、高效化在實現(xiàn)的過程中遇到重重阻礙。實現(xiàn)這一目標有2個關鍵點，一是臨時支護方面，另一個是鉆錨注的單次工藝。首先，為加強支護效果并達到掘進相關裝備的主動性支護的目的，需要研發(fā)一種柔性的可自移的臨時支護系統(tǒng)，這將會為后期錨桿鉆進實現(xiàn)永久支護打下基礎;其次，為加強“掘-支”工藝的連續(xù)性，需要研發(fā)一種可實現(xiàn)鉆錨注一體化的錨桿及其輔助鉆進機構，進而真正實現(xiàn)“掘-支”平行作業(yè);最后，為提升支護作業(yè)的同步智能化水平，研制支持鉆錨注一體化錨桿作業(yè)的支護機器人并研發(fā)與臨時支護緊密配合的自動鋪錨網技術，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系統(tǒng)。

在綜合機械化掘進的煤巷中，采用“掘-支”協(xié)同控制的方案，煤巷的臨時支護依靠超前液壓支架完成，超前液壓支架與掘錨設備聯(lián)合作業(yè)，進而在煤巷的掘進中實現(xiàn)掘進、錨固、支護共同作業(yè)，進一步提高掘進工作面的作業(yè)效率。在非水平巷道的掘進中，研究掘進、支護聯(lián)合作業(yè)與多機組、多缸的協(xié)同控制方法，為快速掘進巷道的自動化、穩(wěn)定化、高效化的護頂作業(yè)提供理論與技術支持。

5 結 論

(1)進行不同截割頭軌跡及速度規(guī)劃分析，提高掘進作業(yè)速度及精確性，同時提出不同掘進速度下掘進巷道頂板穩(wěn)定性分析方法;進行自主定形定向截割控制技術研究，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)重構數(shù)字孿生虛擬模型，采用掘進機虛擬操縱平臺實現(xiàn)掘進機遠程自動截割控制。

(2)通過掘進巷道環(huán)境感知技術，構建掘進巷道虛擬模型巷道安全系統(tǒng)，保證了安全的掘進作業(yè)環(huán)境。推進物聯(lián)網平臺感知技術發(fā)展，利用激光掃描及多種算法，形成巷道三維點云模型;對比傳統(tǒng)單一傳感器進行巷道環(huán)境感知的局限性，對激光、通信、視覺及慣性等傳感器等進行技術互補性融合，利用多種融合算法，實現(xiàn)高精度巷道感知;采用隨鉆測量系統(tǒng)進行瓦斯監(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、激光測距技術、全站儀、超寬帶定位技術等融入井下巷道的設備定位系統(tǒng)中，對巷道內掘進機的位姿進行實時監(jiān)測，提升巷道掘進作業(yè)的精確度與掘進效率。

(3)通過結合掘進機健康管理技術發(fā)展現(xiàn)狀，梳理出掘進機健康管理技術在故障預警技術、故障診斷技術、壽命評估技術3個方面存在的不足，并針對所面臨的挑戰(zhàn)針對性的提出了跨時空域度的監(jiān)測信息多源數(shù)據(jù)融合技術、掘進機與斷面巖層耦合作用機理、突發(fā)事件風險識別模型、自學習健康管理系統(tǒng)4項擬解決的科學問題。

(4)深入探討了多傳感器信息融合技術，研究了掘進系統(tǒng)截割單元及臨時支護單元的控制方法，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)和超前臨時支架移架系統(tǒng)為例，闡明了多傳感器信息融合的運行機制，提出多工序協(xié)同控制技術難點及實現(xiàn)這一目標需要解決的2個關鍵點。