楊健健，葛世榮 ，王飛躍，羅文杰，張雨晨 ，胡興濤，朱 濤，吳 淼

(1.中國(guó)礦業(yè)大學(xué)(北京) 機(jī)電與信息工程學(xué)院，北京 100083; 2.中國(guó)礦業(yè)大學(xué)(北京) 智慧礦山與機(jī)器人研究院，北京 100083; 3.中國(guó)科學(xué)院自動(dòng)化研究所 復(fù)雜系統(tǒng)管理與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100190; 4.北京天地華泰礦業(yè)管理股份有限公司，北京 100083)

《國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》(以下簡(jiǎn)稱(chēng)《綱要》)已正式公布。《綱要》規(guī)劃部署的碳達(dá)峰、碳中和路線圖對(duì)未來(lái)的發(fā)展具有重要的意義。在碳達(dá)峰、碳中和的目標(biāo)要求下，發(fā)揮煤礦企業(yè)實(shí)施主體作用，加快煤礦智能化建設(shè)，深化煤炭清潔安全高效生產(chǎn)和利用，加速煤炭行業(yè)的綠色發(fā)展。

我國(guó)約有90%的煤炭資源以井工方式開(kāi)采，井下開(kāi)采的首先工序是掘挖出地下運(yùn)輸和通風(fēng)巷道，必須做到“采掘并重，掘進(jìn)先行”。當(dāng)前，巷道掘進(jìn)的智能化進(jìn)展落后于采煤，出現(xiàn)嚴(yán)重的采掘進(jìn)度失衡、井下作業(yè)人員依然很多的局面，其中的關(guān)鍵技術(shù)瓶頸之一是無(wú)法實(shí)現(xiàn)掘進(jìn)-支護(hù)-錨固的平行快速協(xié)同作業(yè)。目前，我國(guó)煤礦每年巷道掘進(jìn)量超過(guò)12 000 km，綜掘工作面掘進(jìn)班組作業(yè)人員20萬(wàn)～30萬(wàn)人[1-4]。因此，智能化快速掘進(jìn)對(duì)于煤礦安全生產(chǎn)的減人增安提效具有重要意義，也是我國(guó)煤礦智能化發(fā)展的主要方向，被列入了國(guó)家2019年發(fā)布的《煤礦機(jī)器人重點(diǎn)研發(fā)目錄》和2020年發(fā)布的《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見(jiàn)》之中。

因全斷面掘進(jìn)機(jī)(煤礦盾構(gòu)機(jī))使用滾刀切割實(shí)現(xiàn)破巖，一次性完成巷道斷面成形，但其結(jié)構(gòu)復(fù)雜，造價(jià)昂貴，對(duì)惡劣工況適應(yīng)性差，在全國(guó)東部、中部、西部等不同區(qū)域不宜普適推廣。筆者聚焦國(guó)家急需的量大面廣部分?jǐn)嗝婢蜻M(jìn)機(jī)(懸臂式、連采式、掘錨式，簡(jiǎn)稱(chēng)掘進(jìn)機(jī))所面臨的智能化快速掘進(jìn)問(wèn)題開(kāi)展研究。

由于數(shù)字孿生技術(shù)僅能依據(jù)物理實(shí)體的實(shí)際數(shù)據(jù)預(yù)測(cè)其未來(lái)的變化，或基于專(zhuān)家經(jīng)驗(yàn)提出針對(duì)某一特定場(chǎng)景的優(yōu)化方案，無(wú)法評(píng)估多種方案、多種參數(shù)下的系統(tǒng)表現(xiàn)，導(dǎo)致其優(yōu)化控制容易陷入局部最優(yōu)。為了更有效、更全面的實(shí)施煤礦井下的安全快掘工作，在極其復(fù)雜的掘進(jìn)工作面生產(chǎn)系統(tǒng)中生成大量場(chǎng)景，并在試錯(cuò)實(shí)驗(yàn)中涌現(xiàn)分析出系統(tǒng)的全局最優(yōu)控制方案，自適應(yīng)地進(jìn)行優(yōu)化控制，提出了平行掘進(jìn)系統(tǒng)(Parallel Tunneling System)的概念、關(guān)鍵技術(shù)、技術(shù)架構(gòu)及其方法。基于新時(shí)代3個(gè)世界對(duì)應(yīng)的3類(lèi)哲學(xué)，經(jīng)典哲學(xué)討論的Being，過(guò)程哲學(xué)討論的Becoming以及人工世界重要的Believing，王飛躍于1994年即提出影子系統(tǒng)的思想，并于2004年的“平行系統(tǒng)方法與復(fù)雜系統(tǒng)的管理與控制”一文中為應(yīng)對(duì)復(fù)雜系統(tǒng)難以建模與實(shí)驗(yàn)不足等問(wèn)題，提出了平行系統(tǒng)的思想，試圖用一種適合復(fù)雜系統(tǒng)的計(jì)算理論與方法解決社會(huì)經(jīng)濟(jì)系統(tǒng)中的重要問(wèn)題，其主要觀點(diǎn)是利用大型計(jì)算模型、預(yù)測(cè)并誘發(fā)引導(dǎo)復(fù)雜系統(tǒng)現(xiàn)象，通過(guò)整合人工社會(huì)、計(jì)算實(shí)驗(yàn)和平行系統(tǒng)等方法，形成新的計(jì)算研究體系。

1 當(dāng)前煤礦掘進(jìn)的現(xiàn)狀及分析

針對(duì)掘進(jìn)工作面的掘進(jìn)割煤、臨時(shí)支護(hù)、鉆孔錨固這3個(gè)控制流程，當(dāng)前掘進(jìn)工作面的技術(shù)現(xiàn)狀是根據(jù)不同的掘進(jìn)裝備特點(diǎn)采用不同的作業(yè)過(guò)程，如圖1所示。

圖1 懸臂式、連采機(jī)、掘錨式等巷道掘進(jìn)過(guò)程Fig.1 Cantilever type,continuous mining machine,anchor type roadway excavation process

面對(duì)上述技術(shù)現(xiàn)狀存在的掘進(jìn)工況的多場(chǎng)景、掘進(jìn)裝備的多設(shè)備、掘進(jìn)過(guò)程的多聯(lián)動(dòng)等特性，智能掘進(jìn)技術(shù)必須具備掘-支-錨群體設(shè)備聯(lián)動(dòng)協(xié)同作業(yè)特點(diǎn)，如圖2所示。

圖2 掘-支-錨群體設(shè)備協(xié)同系統(tǒng)Fig.2 Collaborative system of excavation-bolt-anchor group equipment

目前，雖然智能掘進(jìn)技術(shù)已取得了一些進(jìn)步，提出了護(hù)盾式、掘錨式等掘-支-錨多裝備的樣機(jī)設(shè)計(jì)，但從設(shè)備適用性及裝備配套性角度，仍存在個(gè)體裝備設(shè)計(jì)不嚴(yán)謹(jǐn)、樣機(jī)改型成本高、裝備控制不精準(zhǔn)、巷道場(chǎng)景多樣不適應(yīng)、群體設(shè)備難一致協(xié)同等諸多問(wèn)題，如圖3所示。

造成上述問(wèn)題的首要原因是缺少煤礦特殊生產(chǎn)環(huán)境下群體設(shè)備聯(lián)動(dòng)協(xié)同控制的基礎(chǔ)理論研究，主要表現(xiàn)為對(duì)智能掘進(jìn)所需的設(shè)備模型、場(chǎng)景實(shí)驗(yàn)、數(shù)據(jù)驅(qū)動(dòng)等基礎(chǔ)理論缺少研究，具體存在以下問(wèn)題:

1.1 群體設(shè)備控制缺“代理模型”

綜掘工作面智能化進(jìn)展緩慢，其主要制約因素是工作面環(huán)境惡劣(瓦斯、高溫、高濕、高粉塵等環(huán)境因素與冒頂、片幫、底臌等安全因素的交互作用)、空間狹小(狹長(zhǎng)封閉空間)、裝備繁多(掘進(jìn)機(jī)、臨時(shí)支架、鉆錨設(shè)備等)，缺少能夠表征巷道復(fù)雜環(huán)境、群體掘進(jìn)設(shè)備、圍巖壓力特性等物理世界的人工模型，無(wú)法合理的指導(dǎo)裝備設(shè)計(jì)與研發(fā)、掘進(jìn)過(guò)程的控制與優(yōu)化。其中智能掘進(jìn)包含多個(gè)掘進(jìn)裝備，單個(gè)掘進(jìn)裝備由于其具有感知、規(guī)劃和決策能力，而其獨(dú)立裝備的軟硬件平臺(tái)也是由多個(gè)復(fù)雜的模塊構(gòu)成，非常適合使用代理模型的“Agent”技術(shù)對(duì)其進(jìn)行建模，用于處理類(lèi)似多傳感器數(shù)據(jù)融合、多規(guī)劃任務(wù)調(diào)度和多決策優(yōu)化等任務(wù)，從而保證系統(tǒng)可靠工作。

1.2 多種巷道場(chǎng)景缺“計(jì)算實(shí)驗(yàn)”

快掘擾動(dòng)下巷道圍巖失穩(wěn)機(jī)制和變形破壞機(jī)理，以及應(yīng)力分布與演變規(guī)律，需要揭示快掘巷道圍巖與臨時(shí)支架應(yīng)力耦合機(jī)理，是強(qiáng)度高、結(jié)構(gòu)緊湊、敏捷高效的臨時(shí)支護(hù)裝備設(shè)計(jì)和快掘巷道可靠臨時(shí)支護(hù)實(shí)現(xiàn)的基礎(chǔ)和依據(jù)，鉆孔網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)對(duì)于錨固質(zhì)量的控制起到關(guān)鍵作用，綜上，巷道掘進(jìn)環(huán)境的不可預(yù)測(cè)與不可假設(shè)實(shí)驗(yàn)，基于支護(hù)安全等考慮，缺失各類(lèi)掘進(jìn)場(chǎng)景下的掘進(jìn)截割、支護(hù)驗(yàn)證、錨固優(yōu)化等計(jì)算實(shí)驗(yàn)，不能有效可靠完成智能掘進(jìn)的支護(hù)、錨固最優(yōu)技術(shù)實(shí)現(xiàn)。因此，依據(jù)不同地質(zhì)條件、巷道環(huán)境約束與復(fù)雜特性開(kāi)展地質(zhì)圍巖耦合壓力計(jì)算實(shí)驗(yàn)，包括截割擾動(dòng)帶來(lái)的空頂下頂板壓力計(jì)算、臨時(shí)支護(hù)靜動(dòng)應(yīng)力計(jì)算、鉆錨網(wǎng)絡(luò)優(yōu)化與拓?fù)溆?jì)算實(shí)驗(yàn)等。

1.3 并行聯(lián)動(dòng)協(xié)同缺“虛實(shí)互動(dòng)”

依據(jù)智能掘進(jìn)的掘-支-錨群體設(shè)備協(xié)同控制要素中構(gòu)建的人工模型，開(kāi)展了各種巷道場(chǎng)景下的計(jì)算實(shí)驗(yàn)，獲取了可優(yōu)化控制解，但人工模型畢竟與物理世界有多種因素的差異，需要實(shí)際工作場(chǎng)景的實(shí)時(shí)數(shù)據(jù)孿生，才能完成智能掘進(jìn)的模型計(jì)算與數(shù)據(jù)驅(qū)動(dòng)的平行控制，因此，缺失虛實(shí)互動(dòng)的數(shù)據(jù)與模型交互，不能實(shí)現(xiàn)智能掘進(jìn)設(shè)備與控制的滾動(dòng)優(yōu)化。完成平行掘進(jìn)的計(jì)算場(chǎng)景與掘-支-錨群體物理設(shè)備的控制數(shù)據(jù)之間的動(dòng)態(tài)交互，構(gòu)建數(shù)據(jù)實(shí)時(shí)通信網(wǎng)絡(luò)及高性能計(jì)算平臺(tái)。

國(guó)外在煤巷掘進(jìn)中試驗(yàn)截割、支護(hù)平行作業(yè)方式聯(lián)合作業(yè)機(jī)組，連續(xù)采煤機(jī)和掘錨一體機(jī)已在澳大利亞、美國(guó)等國(guó)家使用，實(shí)際應(yīng)用效果較好。德國(guó)艾柯夫公司CM2H-37型連續(xù)采煤機(jī)，2016年在南非煤巷開(kāi)拓中表現(xiàn)優(yōu)異，整機(jī)可靠性高，掘進(jìn)速度快。在西歐海爾布隆礦場(chǎng)應(yīng)用的山特維克公司MB770 FLP型掘錨機(jī)，具有自動(dòng)化截割和半自動(dòng)化錨桿支護(hù)功能，大大縮短了掘進(jìn)周期。美國(guó)久益環(huán)球公司2019年在波蘭Budryk煤礦開(kāi)始運(yùn)營(yíng)的12CM30型掘錨機(jī)，適用于中厚煤層，采用Faceboss控制平臺(tái)，可以實(shí)現(xiàn)同時(shí)截割和錨固[5-8]。

但受限于國(guó)外煤炭開(kāi)采規(guī)模和能源結(jié)構(gòu)，國(guó)外煤礦智能掘進(jìn)研究近年來(lái)進(jìn)展不明顯，掘進(jìn)機(jī)裝備智能化相關(guān)研究發(fā)展停滯，對(duì)于智能掘進(jìn)群體設(shè)備聯(lián)動(dòng)控制技術(shù)，尤其在掘進(jìn)-支護(hù)-錨固協(xié)同一體化基礎(chǔ)理論研究上沒(méi)有突出成果。

2 基于ACP理論的平行控制方法及國(guó)內(nèi)外研究現(xiàn)狀

平行系統(tǒng)的本質(zhì)就是把復(fù)雜系統(tǒng)中“虛”和“軟”的部分，通過(guò)可定量、可實(shí)施、可重復(fù)、可實(shí)時(shí)的計(jì)算實(shí)驗(yàn)，使之硬化，以解決實(shí)際復(fù)雜系統(tǒng)中不可準(zhǔn)確預(yù)測(cè)、難以拆分還原、無(wú)法重復(fù)實(shí)驗(yàn)等問(wèn)題。楊林瑤等[10]提出平行系統(tǒng)是由物理子系統(tǒng)、描述子系統(tǒng)、預(yù)測(cè)子系統(tǒng)、引導(dǎo)子系統(tǒng)構(gòu)成的數(shù)字4胞胎架構(gòu)，平行系統(tǒng)原理如圖4所示。

平行系統(tǒng)的核心是ACP方法[11-13]，主要由3部分完成:① 人工系統(tǒng)(A):由實(shí)際系統(tǒng)的數(shù)據(jù)驅(qū)動(dòng)，借助系統(tǒng)機(jī)理、知識(shí)表示與機(jī)器學(xué)習(xí)等手段，針對(duì)實(shí)際系統(tǒng)中的各類(lèi)元素和問(wèn)題，構(gòu)建可計(jì)算、可重構(gòu)、可編程的軟件定義的對(duì)象、軟件定義的流程、軟件定義的關(guān)系等，進(jìn)而將這些對(duì)象、流程、關(guān)系等組合成軟件定義的人工系統(tǒng)，利用人工系統(tǒng)對(duì)復(fù)雜系統(tǒng)問(wèn)題進(jìn)行建模;② 計(jì)算實(shí)驗(yàn)(C):基于人工系統(tǒng)這一“計(jì)算實(shí)驗(yàn)室”，利用計(jì)算實(shí)驗(yàn)，設(shè)計(jì)各類(lèi)智能體的組合及交互規(guī)則，產(chǎn)生各類(lèi)場(chǎng)景，運(yùn)行產(chǎn)生完備的場(chǎng)景數(shù)據(jù)，并借助機(jī)器學(xué)習(xí)、平行動(dòng)態(tài)規(guī)劃、數(shù)據(jù)挖掘等手段，對(duì)數(shù)據(jù)進(jìn)行分析，求得各類(lèi)場(chǎng)景下的最優(yōu)策略;③ 平行執(zhí)行(P):將人工系統(tǒng)與實(shí)際系統(tǒng)同時(shí)并舉，通過(guò)一定的方式進(jìn)行虛實(shí)互動(dòng)，以平行執(zhí)行引導(dǎo)和管理實(shí)際系統(tǒng)。從流程上而言，平行系統(tǒng)通過(guò)數(shù)據(jù)獲取、人工系統(tǒng)建模、計(jì)算實(shí)驗(yàn)場(chǎng)景推演、實(shí)驗(yàn)解析與預(yù)測(cè)、管控決策優(yōu)化與實(shí)施、虛實(shí)系統(tǒng)實(shí)時(shí)反饋、實(shí)施效果實(shí)時(shí)評(píng)估來(lái)完成閉環(huán)處理過(guò)程。王飛躍教授提出了平行控制應(yīng)用于復(fù)雜系統(tǒng)優(yōu)化問(wèn)題基本框架[14]。筆者在此基礎(chǔ)上將平行理論與掘進(jìn)體系相結(jié)合構(gòu)建的基于ACP的平行掘進(jìn)系統(tǒng)架構(gòu)體系如圖5所示。

圖5 基于ACP的平行掘進(jìn)系統(tǒng)架構(gòu)體系Fig.5 Parallel tunneling system architecture based on ACP

從流程上而言，平行系統(tǒng)通過(guò)開(kāi)源數(shù)據(jù)獲取、人工系統(tǒng)建模、計(jì)算實(shí)驗(yàn)場(chǎng)景推演、實(shí)驗(yàn)解析與預(yù)測(cè)、管控決策優(yōu)化與實(shí)施、虛實(shí)系統(tǒng)實(shí)時(shí)反饋、實(shí)施效果實(shí)時(shí)評(píng)估的閉環(huán)處理過(guò)程，實(shí)現(xiàn)從實(shí)際系統(tǒng)的“小數(shù)據(jù)”輸入人工系統(tǒng)，基于博弈、對(duì)抗、演化等方式生成人工系統(tǒng)“大數(shù)據(jù)”，再通過(guò)學(xué)習(xí)與分析獲取針對(duì)具體場(chǎng)景的“小知識(shí)”，并通過(guò)虛實(shí)交互反饋逐步精細(xì)化針對(duì)當(dāng)前場(chǎng)景的“精準(zhǔn)知識(shí)”的過(guò)程。

隨著智能礦山需要實(shí)現(xiàn)智能掘進(jìn)快速、安全、高效的目標(biāo)越來(lái)越迫切，亟需突破制約掘-支-錨群體設(shè)備協(xié)同控制方法的理論與技術(shù)瓶頸。

掘-支-錨平行控制模型與方法的研究正是實(shí)現(xiàn)智能掘進(jìn)群體設(shè)備協(xié)同控制方法的理論基礎(chǔ)與關(guān)鍵環(huán)節(jié)，如圖7所示，其中，學(xué)習(xí)與培養(yǎng)描述智能、實(shí)驗(yàn)與評(píng)估預(yù)測(cè)智能和管理與控制引導(dǎo)智能皆屬于計(jì)算實(shí)驗(yàn)的部分，相互合作反饋。

基于此，下面從平行控制方法的智能體建模、計(jì)算實(shí)驗(yàn)、數(shù)據(jù)驅(qū)動(dòng)的平行控制等方面，分析國(guó)內(nèi)外研究現(xiàn)狀與發(fā)展動(dòng)態(tài)。

(1)平行控制中的智能體建模研究。對(duì)復(fù)雜系統(tǒng)進(jìn)行建模時(shí)，目前，人工系統(tǒng)建模的主要手段就是智能體建模(Agent Programming)，其主要特征就是集自主性、交互性、學(xué)習(xí)與進(jìn)化自適應(yīng)能力等于一身，使之成為建模的基本元素[15]。智能體(Agent)，又稱(chēng)代理系統(tǒng)，是在20世紀(jì)80年代中期興起的屬于分布式人工智能的一個(gè)概念。當(dāng)前，智能體系統(tǒng)的成功使得分布式人工智能(Distributed Artificial Intelligent,DAI)有了更加現(xiàn)代化的定義:多智能體系統(tǒng)的研究、構(gòu)建和應(yīng)用。

空中交通控制和沖突管理系統(tǒng)是智能體技術(shù)最先應(yīng)用的幾個(gè)領(lǐng)域，在智能交通系統(tǒng)的研究領(lǐng)域里，越來(lái)越多的研究者將智能車(chē)建模為智能體[16]CRONOS,OPAC,SCOOT,SCAT,PRODYN,RHODES[17-19]等交通控制系統(tǒng)。在智能體系統(tǒng)建模的基本要素方面，從任務(wù)類(lèi)型上可被看作為由感知[20]、規(guī)劃[21]和決策[22]多個(gè)智能體組成的異構(gòu)智能體混合系統(tǒng)。具體實(shí)例在智能車(chē)建模方法上，利用車(chē)載激光雷達(dá)、深度相機(jī)等感知模型狀態(tài)、環(huán)境約束等綜合信息[23]，完成換道、避障等決策，與云端交互實(shí)時(shí)數(shù)據(jù)完成共享信息。

(2)多場(chǎng)景計(jì)算實(shí)驗(yàn)研究。對(duì)復(fù)雜系統(tǒng)進(jìn)行計(jì)算實(shí)驗(yàn)時(shí)，目前使用的計(jì)算實(shí)驗(yàn)方法主要是指優(yōu)化計(jì)算實(shí)驗(yàn)，即快速、高效地確定影響實(shí)驗(yàn)結(jié)果的最優(yōu)實(shí)驗(yàn)條件[24]，同時(shí)考慮到計(jì)算實(shí)驗(yàn)融合多主體建模、博弈論等理論方法，通過(guò)“自下而上”建模來(lái)刻畫(huà)復(fù)雜系統(tǒng)中各要素的動(dòng)力學(xué)特征及主體間的動(dòng)態(tài)交互，被認(rèn)為是復(fù)雜系統(tǒng)的涌現(xiàn)行為及演化規(guī)律研究的有效方法[25-26]。解決了計(jì)算實(shí)驗(yàn)存在的標(biāo)定、設(shè)計(jì)、分析和驗(yàn)證等問(wèn)題[27]。與此同時(shí)，計(jì)算實(shí)驗(yàn)也必須遵循復(fù)制(replication)，隨機(jī)化(randomization)和分塊化(blocking)的3個(gè)實(shí)驗(yàn)設(shè)計(jì)的基本原理[28]。計(jì)算實(shí)驗(yàn)方法也為我國(guó)學(xué)者提出的綜合集成法[29]和綜合集成研討廳體系[30]提供一種經(jīng)濟(jì)快速、“虛”實(shí)結(jié)合進(jìn)行復(fù)雜系統(tǒng)行為分析和決策評(píng)估的有效手段。

優(yōu)化計(jì)算方法已經(jīng)開(kāi)始應(yīng)用于城市公共交通和城市建設(shè)等方面，為解決城市交通行駛和排車(chē)等問(wèn)題，可以利用人工交通社會(huì)的方法[31]，利用計(jì)算實(shí)驗(yàn)方法進(jìn)行量化分析和檢驗(yàn)。同時(shí)，面向制造業(yè)關(guān)心的產(chǎn)品設(shè)計(jì)、決策、故障檢測(cè)、診斷等問(wèn)題涌現(xiàn)了一些數(shù)字孿生的方法研究[32-37]，例如WANG等[38]開(kāi)發(fā)了一種用于精準(zhǔn)配準(zhǔn)的數(shù)字孿生方法;YERATAPALLY等[39]對(duì)鋁合金材料斷裂問(wèn)題進(jìn)行研究，使用數(shù)字孿生建構(gòu)了微觀結(jié)構(gòu)的多尺度框架模型，對(duì)影響疲勞壽命的可觀察之前的材料損傷累積進(jìn)行了預(yù)測(cè)，并發(fā)展了一種基于診斷樹(shù)的健康管理方法。

(3)虛實(shí)互動(dòng)的平行控制研究。虛實(shí)互動(dòng)的平行控制研究主要是在社會(huì)物理信息系統(tǒng)(Cyber Physical Social Systems，CPSS)下對(duì)復(fù)雜系統(tǒng)進(jìn)行多模態(tài)感知，進(jìn)而構(gòu)建各類(lèi)軟件定義的多尺度復(fù)雜系統(tǒng)，并在計(jì)算機(jī)中完成對(duì)實(shí)際復(fù)雜系統(tǒng)的解析、建模。利用軟件定義的人工系統(tǒng)利用計(jì)算實(shí)驗(yàn)的方法進(jìn)行實(shí)驗(yàn)、預(yù)測(cè)、自學(xué)習(xí)、自?xún)?yōu)化，并反饋到實(shí)際系統(tǒng)和人工系統(tǒng)中，進(jìn)而完成對(duì)復(fù)雜系統(tǒng)的控制，實(shí)現(xiàn)虛實(shí)互動(dòng)的平行智能[40]。

虛實(shí)互動(dòng)的平行控制研究在交通、物流、能源、醫(yī)療健康、機(jī)器人、區(qū)塊鏈等領(lǐng)域得到了廣泛應(yīng)用[41]。在交通領(lǐng)域，劉騰等[42]提出基于ACP方法的智能車(chē)智能指揮與控制系統(tǒng)，即平行駕駛系統(tǒng)，并指出智能車(chē)指揮與控制系統(tǒng)實(shí)驗(yàn)平臺(tái)的構(gòu)成。在物流領(lǐng)域，鄭松等[43]采用數(shù)據(jù)引擎作為人工社會(huì)中的基本計(jì)算單元，研究自動(dòng)化集裝箱碼頭信息控制系統(tǒng)，得出數(shù)據(jù)引擎技術(shù)是實(shí)現(xiàn)平行系統(tǒng)的有效辦法。在能源領(lǐng)域，鄧建玲等[44]指出只有利用虛擬人工模型，采用平行系統(tǒng)，才能建立能源5.0。并明確指出能源5.0核心是構(gòu)建與實(shí)際能源系統(tǒng)同構(gòu)的虛擬人工能源系統(tǒng)，通過(guò)虛擬人工能源系統(tǒng)的計(jì)算實(shí)驗(yàn)，確定優(yōu)化控制策略。在醫(yī)療健康領(lǐng)域，張梅等[45]提出平行手術(shù)，即采用人工場(chǎng)景模擬醫(yī)生和患者情況通過(guò)虛實(shí)互動(dòng)的平行執(zhí)行功能在線優(yōu)化手術(shù)方案。邱天雨等[46]則提出通過(guò)構(gòu)建人工痛風(fēng)診療系統(tǒng)以模擬和表達(dá)實(shí)際痛風(fēng)治療系統(tǒng)。在機(jī)器人領(lǐng)域，白天翔等[47]將平行系統(tǒng)思想與機(jī)器人領(lǐng)域結(jié)合，為無(wú)人機(jī)、無(wú)人車(chē)、無(wú)人船在復(fù)雜環(huán)境中實(shí)驗(yàn)、學(xué)習(xí)與工作提供安全的平臺(tái)。在區(qū)塊鏈領(lǐng)域，袁勇、王飛躍[48]提出通過(guò)實(shí)際區(qū)塊鏈與人工區(qū)塊鏈系統(tǒng)的平行互動(dòng)與協(xié)同演化，為目前的區(qū)塊鏈技術(shù)增加計(jì)算實(shí)驗(yàn)與平行決策功能。

開(kāi)展平行理論與智能掘進(jìn)相關(guān)聯(lián)的基礎(chǔ)理論及創(chuàng)新應(yīng)用研究，雖然存在一些受限條件，掘進(jìn)系統(tǒng)的代理模型及人工系統(tǒng)建模環(huán)節(jié)需要涵蓋完整的煤礦井下巷道掘進(jìn)場(chǎng)景才能保證安全性，不足的是當(dāng)前數(shù)據(jù)集盡管規(guī)模很龐大，但卻并不能滿(mǎn)足方案與場(chǎng)景多樣性的需求。原因在于巷道環(huán)境復(fù)雜多樣，在這樣的環(huán)境下要實(shí)現(xiàn)快速、準(zhǔn)確、可靠的環(huán)境感知，需要采集大規(guī)模多樣性數(shù)據(jù)，導(dǎo)致數(shù)據(jù)采集階段需要大量的人力工作;另一方面，由于巷道下的環(huán)境復(fù)雜異變，因此對(duì)大規(guī)模的多樣性數(shù)據(jù)進(jìn)行標(biāo)定比較困難且容易出錯(cuò)，無(wú)法保證數(shù)據(jù)集的有用性。但在煤礦F5G打通信息傳遞通道，并且掘-支-錨一體化關(guān)鍵技術(shù)日益發(fā)展的研究階段，開(kāi)展平行理論與智能掘進(jìn)的交叉應(yīng)用研究很有理論可行性與技術(shù)必要性。

本文提出智能掘進(jìn)復(fù)雜系統(tǒng)的掘-支-錨平行控制理論與方法研究，針對(duì)巷道復(fù)雜環(huán)境下的群體設(shè)備離散控制現(xiàn)狀，運(yùn)用整體系統(tǒng)論的方法，完成掘進(jìn)系統(tǒng)的掘進(jìn)、支護(hù)、鉆錨群體設(shè)備代理模型的構(gòu)建，根據(jù)多場(chǎng)景下復(fù)雜系統(tǒng)的計(jì)算實(shí)驗(yàn)克服掘進(jìn)巷道環(huán)境復(fù)雜、惡劣的工程驗(yàn)證難題，最終實(shí)現(xiàn)智能掘進(jìn)平行控制方法的理論創(chuàng)新與方法驗(yàn)證。

3 平行掘進(jìn)的關(guān)鍵技術(shù)

3.1 整體方案

本文以智能掘進(jìn)復(fù)雜系統(tǒng)為研究對(duì)象，重點(diǎn)考慮掘-支-錨系統(tǒng)的整體控制理論與方法，結(jié)合智能化掘進(jìn)相關(guān)研究基礎(chǔ)和方法，融入當(dāng)前國(guó)內(nèi)外復(fù)雜系統(tǒng)研究的最新科研進(jìn)展，基于平行控制基礎(chǔ)理論及ACP(Artificial,Computing,Parallel)方法框架，運(yùn)用代理控制理念及自適應(yīng)動(dòng)態(tài)規(guī)劃多智能體研究方法，開(kāi)展智能掘進(jìn)復(fù)雜系統(tǒng)的掘-支-錨平行控制基礎(chǔ)理論與方法研究。平行掘進(jìn)解決方案如圖6所示。

圖6 平行掘進(jìn)解決方案Fig.6 Parallel tunneling solution

平行掘進(jìn)系統(tǒng)的構(gòu)建關(guān)鍵是利用信息技術(shù)對(duì)掘進(jìn)系統(tǒng)中的各個(gè)獨(dú)立智能體(子系統(tǒng))及掘進(jìn)機(jī)糾偏智能體、掘進(jìn)機(jī)截割智能體、臨時(shí)支護(hù)智能體、鉆錨機(jī)智能體、掘支協(xié)同智能體與支錨協(xié)同智能體的關(guān)鍵動(dòng)態(tài)屬性進(jìn)行數(shù)據(jù)采集;利用現(xiàn)代通信技術(shù)將各個(gè)采集點(diǎn)的數(shù)據(jù)進(jìn)行實(shí)時(shí)傳輸;利用數(shù)字建模、虛擬技術(shù)、可視化技術(shù)、可視計(jì)算等方法建立與現(xiàn)實(shí)相對(duì)應(yīng)的人工掘進(jìn)系統(tǒng)，將各采集點(diǎn)的數(shù)據(jù)實(shí)時(shí)導(dǎo)入人工掘進(jìn)系統(tǒng)，使得人工系統(tǒng)成為與現(xiàn)實(shí)系統(tǒng)相對(duì)應(yīng)的平行系統(tǒng);在平行系統(tǒng)中利用各種智能算法、優(yōu)化算法對(duì)現(xiàn)實(shí)中的掘進(jìn)系統(tǒng)的掘進(jìn)作業(yè)進(jìn)行預(yù)測(cè)、優(yōu)化并將結(jié)果反饋給現(xiàn)實(shí)系統(tǒng)，從而實(shí)現(xiàn)對(duì)現(xiàn)實(shí)掘進(jìn)系統(tǒng)的優(yōu)化控制與ACP閉環(huán)方法。

3.2 平行掘進(jìn)的關(guān)鍵技術(shù)體系

3.2.1 智能掘進(jìn)復(fù)雜系統(tǒng)智能體(Agent)建模與驗(yàn)證

(1)確定智能掘進(jìn)復(fù)雜系統(tǒng)的基本元素，包括巷道環(huán)境、掘進(jìn)設(shè)備、人員認(rèn)知3個(gè)主要集合，開(kāi)展多智能體的結(jié)構(gòu)、功能、關(guān)系分級(jí)建模，第1步根據(jù)智能掘進(jìn)的設(shè)備主要素，建立掘進(jìn)、臨時(shí)支護(hù)、鉆錨三大設(shè)備智能體模型。智能體的工程仿真如圖7所示。

圖7 智能體工程仿真Fig.7 Engineering simulation diagram of agent

(2)根據(jù)智能體的行為差異，其組成還有不同分級(jí)代理模型，見(jiàn)表1，基于代理編程理念的智能體建模有利于面向?qū)嵗脑?、空間、交互等通信機(jī)制。根據(jù)掘進(jìn)巷道認(rèn)知的空間尺寸、煤巖截割硬度、斷面成型條件、底板路面條件、圍巖壓力規(guī)律和鉆孔網(wǎng)絡(luò)拓?fù)涞拳h(huán)境描述數(shù)據(jù)建立認(rèn)知數(shù)據(jù)庫(kù)。

表1 智能體的組成Table 1 Composition of an agent

(3)確定掘-支-錨多智能體的行為集合，根據(jù)單體行為和群體行為分別建立不同的行為特征模型，構(gòu)建掘進(jìn)機(jī)的截割行為、定位行為、糾偏行為特征模型，應(yīng)包含機(jī)構(gòu)控制Agent、負(fù)載交互Agent、定位傳感Agent和履帶糾偏Agent，依次完成臨時(shí)支護(hù)行為、鉆孔錨固行為特征模型與行為判斷依據(jù)，在此基礎(chǔ)上，還要建立行為交互Agent，如截割負(fù)載引起的機(jī)身徑跳、履帶側(cè)滑等偏差行為，臨時(shí)支護(hù)與鉆孔空間資源競(jìng)爭(zhēng)的行為Agent，支護(hù)初撐力與圍巖耦合的響應(yīng)行為Agent。

(4)提出無(wú)模型、自學(xué)習(xí)、數(shù)據(jù)驅(qū)動(dòng)的多智能體強(qiáng)化學(xué)習(xí)方法(Multi Agent Reinforcement Learning,MARL)建模，通過(guò)強(qiáng)化學(xué)習(xí)智能體與被控對(duì)象在閉環(huán)系統(tǒng)中不斷進(jìn)行交互，觀察掘進(jìn)巷道環(huán)境的實(shí)時(shí)狀態(tài)提取信號(hào)控制所需要的智能掘進(jìn)復(fù)雜系統(tǒng)狀態(tài)信息和反饋獎(jiǎng)勵(lì)信息，以累計(jì)回報(bào)收益最大為建模驗(yàn)證目標(biāo)。

3.2.2 隨機(jī)約束下多場(chǎng)景掘-支-錨人工模型計(jì)算實(shí)驗(yàn)

在微觀精細(xì)化分級(jí)構(gòu)建代理模型的基礎(chǔ)上,涌現(xiàn)各類(lèi)因設(shè)備控制、環(huán)境變化、人機(jī)交互等宏觀現(xiàn)象，并通過(guò)與實(shí)際掘進(jìn)系統(tǒng)的物理實(shí)體對(duì)比交互,不斷培育和優(yōu)化智能掘進(jìn)代理模型系統(tǒng)，研究掘-支-錨多智能體的人工模型計(jì)算實(shí)驗(yàn)標(biāo)定問(wèn)題，主要包括單個(gè)智能體行為模型的標(biāo)定，巷道環(huán)境模型的標(biāo)定和智能體行為交互與生長(zhǎng)培育規(guī)則的標(biāo)定，具體涉及到掘進(jìn)感知、決策、控制行為的模型標(biāo)定，掘進(jìn)定位定向控制、臨時(shí)支護(hù)圍巖壓力耦合關(guān)系的模型標(biāo)定以及鉆孔優(yōu)化和錨固質(zhì)量的評(píng)價(jià)準(zhǔn)則標(biāo)定，從而能對(duì)物理實(shí)體與智能體人工模型在定性和定量上確定相似性可信度。

通過(guò)快速精準(zhǔn)掘進(jìn)與安全高效支護(hù)為目標(biāo)驅(qū)動(dòng)，以可控因素與涌現(xiàn)因素為事件驅(qū)動(dòng)。構(gòu)建智能掘進(jìn)代理系統(tǒng)的計(jì)算實(shí)驗(yàn)基本框架，如圖8所示。其中，xi和yj分別為智能掘進(jìn)代理模型系統(tǒng)的輸入與輸出，i=1,2,…,m,j=1,2,…,n；uk和vl分別為影響人工系統(tǒng)的可控因素或決策與不可控因素或事件，k=1,2,…,p,l=1,2,…,q。

圖8 智能掘進(jìn)代理系統(tǒng)的計(jì)算實(shí)驗(yàn)基本框架Fig.8 Basic framework of computational experiment of intelligent tunneling agent system

筆者團(tuán)隊(duì)在掘進(jìn)機(jī)、鉆錨機(jī)運(yùn)動(dòng)學(xué)計(jì)算實(shí)驗(yàn)、巷道空間運(yùn)動(dòng)學(xué)約束及圍巖壓力動(dòng)力學(xué)計(jì)算實(shí)驗(yàn)方面建立了掘進(jìn)機(jī)截割頭正向運(yùn)動(dòng)學(xué)(DKP)模型[49]，如圖9所示。將掘進(jìn)機(jī)的機(jī)械機(jī)構(gòu)建模為一系列平移或旋轉(zhuǎn)關(guān)節(jié)串聯(lián)而成的運(yùn)動(dòng)鏈，其中，a1,a2為機(jī)構(gòu)間的寬距；d2,d3分別為掘進(jìn)支架的高度與掘進(jìn)機(jī)結(jié)構(gòu)頭的長(zhǎng)度；θ2,θ3為旋轉(zhuǎn)結(jié)構(gòu)的旋轉(zhuǎn)角；XYZ為三維坐標(biāo)軸；O1為掘進(jìn)機(jī)回轉(zhuǎn)臺(tái)回轉(zhuǎn)中心；O2為截割臂升降擺動(dòng)中心。

圖9 掘進(jìn)機(jī)截割頭正向運(yùn)動(dòng)學(xué)(DKP)模型Fig.9 Forward kinematics (DKP) model of roadheader cutting head

圖10 截割頭空間極限位置數(shù)學(xué)模型Fig.10 Mathematical model of spatial limit position of cutting head

運(yùn)用D-H方法分別建立鉆錨車(chē)頂?shù)淖鴺?biāo)系，并得到其運(yùn)動(dòng)學(xué)模型[50]，如圖11所示。

圖11 鉆錨車(chē)頂鉆臂的運(yùn)動(dòng)學(xué)模型Fig.11 Kinematics model of drill arm on drill anchor roof

基于蒙特卡洛偽隨機(jī)數(shù)方法的鉆錨車(chē)鉆臂的適用性工作空間計(jì)算實(shí)驗(yàn)[50]，分析了鉆錨車(chē)鉆臂適用的巷道尺寸范圍及運(yùn)動(dòng)空間約束關(guān)系，如圖12所示，并得到根據(jù)巷道尺寸范圍設(shè)計(jì)鉆錨的方法。

圖12 鉆錨車(chē)鉆臂的適用性工作空間計(jì)算實(shí)驗(yàn)仿真Fig.12 Calculation experiment of applicability workspace of drill arm of drill anchor truck

鉆錨裝備的計(jì)算實(shí)驗(yàn)中構(gòu)建了支護(hù)質(zhì)量代理模型[51]，如圖13所示，分析實(shí)際巷道的頂板和底板圍巖性狀在代理模型計(jì)算實(shí)驗(yàn)中的近似效果。

圖13 基于靜態(tài)代理模型獲得最優(yōu)錨護(hù)網(wǎng)絡(luò)的斷面分布和位移云圖Fig.13 Based on the static agent model,the section distribution and displacement nephogram of the optimal anchor protection network are obtained

根據(jù)智能掘進(jìn)代理系統(tǒng)計(jì)算實(shí)驗(yàn)，需要完成:① 決定哪些影響智能掘進(jìn)的可控和涌現(xiàn)因素對(duì)系統(tǒng)的輸出最有影響;② 決定如何設(shè)置有影響的可控因素us以便使系統(tǒng)的輸出接近希望的目標(biāo);③ 決定如何設(shè)置有影響的可控因素us以便使輸出的動(dòng)態(tài)變化波動(dòng)小;④ 決定如何設(shè)置有影響的可控因素us以便使不可控的因素變量vs的作用最小。

最后，利用并行計(jì)算的完成多智能體的機(jī)理模型、經(jīng)驗(yàn)?zāi)Ｐ鸵约盎谥悄芫蜻M(jìn)認(rèn)知的單體模型、組織模型及人機(jī)交互模型的計(jì)算實(shí)驗(yàn)，建立離散化方法和任務(wù)調(diào)度方法，實(shí)現(xiàn)多場(chǎng)景多任務(wù)的掘進(jìn)復(fù)雜系統(tǒng)大規(guī)模計(jì)算實(shí)驗(yàn)。

3.2.3 數(shù)據(jù)驅(qū)動(dòng)下虛實(shí)交互平行掘進(jìn)控制方法

首先，建立基于虛實(shí)數(shù)據(jù)交互機(jī)制的智能掘進(jìn)平行系統(tǒng)，通過(guò)3.2.2節(jié)中闡述的計(jì)算實(shí)驗(yàn)的最優(yōu)方案與策略，利用基于代理控制(Agent-Based Control,ABC)方法，構(gòu)建智能掘進(jìn)代理系統(tǒng)的決策處理模塊，具體建立估計(jì)模塊、仲裁模塊和控制融合模塊，通過(guò)估計(jì)模塊對(duì)智能掘進(jìn)代理模型系統(tǒng)狀態(tài)的估計(jì)與對(duì)實(shí)際智能掘進(jìn)控制器的內(nèi)部狀態(tài)劃分，輔助控制代理模型做出行為決策。

然后根據(jù)掘-支-錨多智能體的行為Agent的判決，具體涉及空間及動(dòng)力學(xué)計(jì)算結(jié)果，由仲裁模塊選擇代理模型的執(zhí)行優(yōu)先級(jí)。同時(shí)，以多目標(biāo)優(yōu)化及系統(tǒng)協(xié)同聯(lián)動(dòng)的控制目標(biāo)，建立智能掘進(jìn)多智能體代理系統(tǒng)的多目標(biāo)優(yōu)化控制策略。

4 平行掘進(jìn)的技術(shù)難點(diǎn)

(1)異構(gòu)異源復(fù)雜系統(tǒng)的代理模型與物理模型的可信度分析。智能掘進(jìn)系統(tǒng)因其掘-支-錨的行為一致性、巷道地質(zhì)及圍巖壓力復(fù)雜性，其整體具備不可分與不可知的復(fù)雜系統(tǒng)屬性，如何根據(jù)實(shí)體與模型映射的“簡(jiǎn)單的一致”原理，從對(duì)簡(jiǎn)單對(duì)象的確定行為及其行為間相互作用的基本一致的認(rèn)識(shí)出發(fā)，如何通過(guò)綜合集成，從行為生成的角度出發(fā)，自下而上地建立異構(gòu)異源復(fù)雜系統(tǒng)的代理模型;又如何充分考慮物理模型的主動(dòng)性和隨機(jī)性，分析兩者間的相似性可信度。

(2)復(fù)雜系統(tǒng)的行為與約束涌現(xiàn)機(jī)制的分析與評(píng)估。智能掘進(jìn)復(fù)雜系統(tǒng)的非結(jié)構(gòu)環(huán)境下煤巖截割、支護(hù)圍巖壓力耦合、鉆錨空間拓?fù)渑c網(wǎng)絡(luò)優(yōu)化等的隨機(jī)性、不可知性，如何利用人為因素的評(píng)價(jià)依據(jù)來(lái)構(gòu)建符合涌現(xiàn)機(jī)理的設(shè)備行為與隨機(jī)約束下的計(jì)算實(shí)驗(yàn)，如何評(píng)測(cè)計(jì)算實(shí)驗(yàn)的可信性，如何評(píng)估建立決策機(jī)制的可行性。

(3)復(fù)雜系統(tǒng)平行控制的運(yùn)行機(jī)制與實(shí)現(xiàn)。如何利用智能掘進(jìn)復(fù)雜系統(tǒng)代理模型和計(jì)算實(shí)驗(yàn)方法，通過(guò)物理系統(tǒng)與代理模型的交互運(yùn)行和過(guò)程演繹，構(gòu)成“平行系統(tǒng)”，如何基于數(shù)據(jù)驅(qū)動(dòng)的交互協(xié)議與接口，開(kāi)展平行系統(tǒng)的對(duì)比、借鑒、實(shí)驗(yàn)，進(jìn)而如何施行“平行執(zhí)行”，最后如何在實(shí)行復(fù)雜系統(tǒng)的智能化控制和管理的滾動(dòng)優(yōu)化原則下，建立復(fù)雜系統(tǒng)研究的決策方式和方法體系。

5 結(jié)論與展望

(1)對(duì)智能掘進(jìn)復(fù)雜系統(tǒng)論的理論研究，由過(guò)去離散的掘進(jìn)、支護(hù)、鉆錨控制環(huán)節(jié)研究，提出智能掘進(jìn)掘-支-錨復(fù)雜系統(tǒng)的整體性控制論研究。對(duì)平行控制理論的場(chǎng)景應(yīng)用特色，提出了智能掘進(jìn)的平行控制模型與方法，實(shí)現(xiàn)平行掘進(jìn)的控制理論對(duì)于無(wú)人化智能掘進(jìn)的指導(dǎo)作用，即通過(guò)對(duì)構(gòu)建的代理模型與巷道空間運(yùn)動(dòng)學(xué)、代理模型與圍巖壓力動(dòng)力學(xué)計(jì)算實(shí)驗(yàn)，完成智能操控。

(2)提出智能掘進(jìn)復(fù)雜系統(tǒng)的掘-支-錨代理模型研究，突破現(xiàn)有串行掘進(jìn)時(shí)序控制技術(shù)的限制，切實(shí)解決限制掘進(jìn)效率的掘-支-錨離散控制方法瓶頸。

(3)開(kāi)展隨機(jī)約束下多場(chǎng)景掘-支-錨人工模型計(jì)算實(shí)驗(yàn)設(shè)計(jì)，有效克服現(xiàn)有掘進(jìn)環(huán)境惡劣，不確定約束環(huán)節(jié)下的工程驗(yàn)證不可實(shí)現(xiàn)性。

(4)需要進(jìn)一步通過(guò)掘進(jìn)物理系統(tǒng)與掘進(jìn)代理模型的交互運(yùn)行和過(guò)程演繹，驗(yàn)證智能掘進(jìn)的平行系統(tǒng)理論，基于數(shù)據(jù)驅(qū)動(dòng)的交互協(xié)議與接口，開(kāi)展平行系統(tǒng)的對(duì)比、借鑒、實(shí)驗(yàn)，從而施行“平行執(zhí)行”，實(shí)現(xiàn)復(fù)雜系統(tǒng)的智能化控制和管理的滾動(dòng)優(yōu)化。