煤礦遠(yuǎn)程智能掘進(jìn)面臨的挑戰(zhàn)與研究進(jìn)展

張旭輝，楊文娟，薛旭升，張 超，萬繼成，毛清華，雷孟宇， 杜昱陽(yáng)，馬宏偉，趙友軍，李曉鵬，胡成軍，田勝利

(1.西安科技大學(xué) 機(jī)械工程學(xué)院，陜西 西安 710054；2.西安煤礦機(jī)械有限公司，陜西 西安 710032；3.陜西敏思特科技股份有限公司，陜西 西安 710054；4.中煤(天津)地下工程智能研究院有限公司，天津 300120；5.山東天河科技股份有限公司，山東 濟(jì)寧 273500)

目前國(guó)內(nèi)外采礦業(yè)面臨同樣抉擇，高效安全、節(jié)能減排成為共同目標(biāo)。電驅(qū)替代、遠(yuǎn)程作業(yè)、設(shè)備互聯(lián)、大數(shù)據(jù)分析、集成交互作業(yè)成為采礦業(yè)發(fā)展的新趨勢(shì)。國(guó)外提出“Digitalization(數(shù)字化)、Automation(自動(dòng)化)、Sustainability(可持續(xù))”戰(zhàn)略，支撐“安全、低碳、高效和可靠”發(fā)展，數(shù)字孿生、實(shí)時(shí)邊緣計(jì)算、人工智能、自主可交互監(jiān)控、云計(jì)算、預(yù)測(cè)模擬等內(nèi)容成為下一步煤礦發(fā)展的關(guān)鍵技術(shù)。我國(guó)在“機(jī)械化換人、自動(dòng)化減人”生產(chǎn)理念引導(dǎo)下，煤礦智能化發(fā)展步伐強(qiáng)健有力，煤礦機(jī)器人應(yīng)用推進(jìn)迅速。國(guó)內(nèi)研究者針對(duì)掘進(jìn)智能化進(jìn)行了深入研究，煤炭學(xué)報(bào)、煤炭科學(xué)技術(shù)等期刊通過策劃煤礦快速智能掘進(jìn)理論與技術(shù)、煤礦快速掘進(jìn)技術(shù)與裝備等專題，系統(tǒng)總結(jié)和分析了采掘工作面智能化建設(shè)面臨的機(jī)遇與挑戰(zhàn)，王國(guó)法、王虹、吳淼、馬宏偉等為掘進(jìn)發(fā)展摹畫出發(fā)展技術(shù)路線，有力促進(jìn)了國(guó)內(nèi)在采掘智能化方面的協(xié)同攻關(guān)，有效緩解了“采掘失衡”，為智能礦山的建設(shè)提供強(qiáng)有力的支撐。

國(guó)內(nèi)學(xué)者針對(duì)掘進(jìn)智能化發(fā)展理念不清晰，裝備智能化不完備、相關(guān)標(biāo)準(zhǔn)與規(guī)范缺失、支撐理論與關(guān)鍵技術(shù)儲(chǔ)備不足等問題，做了大量有益的工作。遠(yuǎn)程智能掘進(jìn)是實(shí)現(xiàn)少人甚至無人化掘進(jìn)作業(yè)的最終愿景，目前尚缺乏指導(dǎo)這一方面的理論框架和技術(shù)體系，不利于當(dāng)前掘進(jìn)智能化良性發(fā)展。因此筆者聚焦煤礦巷道近程或地面遠(yuǎn)程智能掘進(jìn)場(chǎng)景控制需求，探討掘進(jìn)裝備遠(yuǎn)程智能控制技術(shù)構(gòu)架、使能技術(shù)及相關(guān)研究進(jìn)展，對(duì)單體鉆錨、運(yùn)輸設(shè)備的自動(dòng)化技術(shù)不做深入介紹，僅關(guān)注掘-支-運(yùn)平行作業(yè)、設(shè)備群協(xié)同等遠(yuǎn)程控制內(nèi)容。

煤礦巷道掘進(jìn)受井下巷道特殊的非結(jié)構(gòu)化環(huán)境及相對(duì)復(fù)雜的工藝環(huán)節(jié)制約，設(shè)備選型和智能管控策略各異，且掘進(jìn)設(shè)備定位精度直接影響巷道走向和斷面成形質(zhì)量，因此巷道近程或地面遠(yuǎn)程智能掘進(jìn)的技術(shù)難度更大。國(guó)內(nèi)外研究機(jī)構(gòu)在煤礦巷道遠(yuǎn)程掘錨方面做了深入研究。澳大利亞1993年開始遠(yuǎn)程掘錨研究，2000年ABM20掘進(jìn)機(jī)在Tahmoor，Tower煤礦分別試驗(yàn)200多米，最高班進(jìn)尺僅為8 m，試驗(yàn)中發(fā)生瓦斯突出，由于工人距巷道270多米，未發(fā)生任何人員傷害。2009年山特維克研發(fā)的AutoCut技術(shù)在澳大利亞Mandalong煤礦應(yīng)用，通過可編程序列表適應(yīng)各種運(yùn)行條件，自動(dòng)控制掏槽油缸和截割油缸實(shí)現(xiàn)截割滾筒移動(dòng)，實(shí)現(xiàn)底板和頂板平滑過渡，同時(shí)采用頂板地圖(roof mapping)功能，以鉆孔同時(shí)測(cè)量巖層硬度方法，構(gòu)建了頂板巖層硬度地圖，為頂板錨桿支護(hù)做出決策。

近幾年，國(guó)內(nèi)在遠(yuǎn)程智能掘進(jìn)技術(shù)體系方面的研究有力促進(jìn)了成套設(shè)備的進(jìn)步。王國(guó)法等提出改進(jìn)掘進(jìn)工藝技術(shù)模式，攻克快速支護(hù)、掘進(jìn)裝備定位導(dǎo)航、自主連續(xù)掘進(jìn)、遠(yuǎn)程智能管控和高效無人掘進(jìn)成套裝備等關(guān)鍵技術(shù)難題，探索實(shí)現(xiàn)配套裝備自動(dòng)化、智能化、一體化掘進(jìn)模式，構(gòu)建適用于不同煤層條件的煤礦智能化快速掘進(jìn)工藝技術(shù)與裝備體系。王虹等認(rèn)為需要圍繞安全、高效掘進(jìn)兩大目標(biāo)，攻關(guān)定位導(dǎo)航、自動(dòng)支護(hù)、自適應(yīng)截割等智能掘進(jìn)關(guān)鍵技術(shù)，突破環(huán)境智能感知、掘進(jìn)裝備智能決策、自動(dòng)化執(zhí)行等技術(shù)難題，構(gòu)建“邊緣感知、平臺(tái)決策、設(shè)備執(zhí)行、遠(yuǎn)程運(yùn)維”4 個(gè)維度的智能掘進(jìn)系統(tǒng)基本架構(gòu)。吳淼等提出了掘進(jìn)機(jī)器人群組設(shè)備多機(jī)協(xié)同完成鉆探、掘進(jìn)、臨時(shí)支護(hù)、永久支護(hù)等巷道智能化開拓作業(yè)的智能掘進(jìn)理論，以智能感知技術(shù)、自主控制技術(shù)、群組協(xié)同技術(shù)為核心，構(gòu)建“感知-控制-探、掘、護(hù)、錨”3個(gè)層次的智能化掘進(jìn)技術(shù)體系，以實(shí)現(xiàn)煤礦綜合掘進(jìn)機(jī)器人化裝備的協(xié)同作業(yè)。王步康系統(tǒng)分析了適應(yīng)不同地質(zhì)條件的掘進(jìn)裝備與掘進(jìn)工藝，從巷道掘進(jìn)基礎(chǔ)理論研究、裝備智能化與成套化、掘進(jìn)機(jī)器人、現(xiàn)代感知技術(shù)等層面預(yù)測(cè)了未來發(fā)展方向與趨勢(shì)。胡興濤等研究“掘進(jìn)機(jī)位姿感知、工作面環(huán)境感知、設(shè)備狀態(tài)感知”的空間一體化感知體系，提出按照“以智能化超前感知為基礎(chǔ)，以多源數(shù)據(jù)計(jì)算為中心，以安全智能快速掘進(jìn)為目標(biāo)”的原則研究煤礦巷道智能化掘進(jìn)的自主感知、基于 F5G 通訊技術(shù)多源數(shù)據(jù)、圖像傳輸和存儲(chǔ)技術(shù)、大數(shù)據(jù)云計(jì)算和控制軟件技術(shù)等協(xié)同工藝?yán)碚摵完P(guān)鍵技術(shù)，對(duì)煤礦巷道智能化高效掘進(jìn)提供有效技術(shù)探索。馬宏偉等給出了制約煤礦巷道掘進(jìn)的智能截割、智能導(dǎo)航、智能協(xié)同控制和遠(yuǎn)程智能測(cè)控四大關(guān)鍵技術(shù)解決思路及方法，研發(fā)的護(hù)盾推移式煤礦巷道掘進(jìn)機(jī)器人系統(tǒng)成套裝備2020年應(yīng)用于陜煤渝北小保當(dāng)煤礦，構(gòu)建數(shù)字孿生驅(qū)動(dòng)的遠(yuǎn)程掘進(jìn)管控系統(tǒng)實(shí)現(xiàn)了地面監(jiān)控室掘進(jìn)可視化，在遠(yuǎn)程智能決策方面做出了有益探索。總體而言，雖然綜采工作面建設(shè)為智能掘進(jìn)發(fā)展奠定了多方面的技術(shù)基礎(chǔ)和組織經(jīng)驗(yàn)保障，近幾年智能遠(yuǎn)程掘進(jìn)也取得了很多基礎(chǔ)理論和關(guān)鍵技術(shù)方面的突破，但是尚存在一些亟待協(xié)同攻關(guān)的難題。

因此，針對(duì)巷道近程或地面遠(yuǎn)程智能掘進(jìn)場(chǎng)景控制需求，筆者研究數(shù)字孿生驅(qū)動(dòng)下的掘進(jìn)裝備遠(yuǎn)程智能控制模型及技術(shù)體系，介紹了遠(yuǎn)程虛擬呈現(xiàn)、精確位姿感知、孿生數(shù)據(jù)共享、虛實(shí)同步驅(qū)動(dòng)、工藝記憶截割、設(shè)備群碰撞預(yù)警等方面的研究進(jìn)展，為解決智能決策、精確定位、軌跡規(guī)劃、碰撞預(yù)警、人機(jī)協(xié)同等方面難題提供新的參考，為實(shí)現(xiàn)井下少人掘進(jìn)奠定基礎(chǔ)。

1 遠(yuǎn)程智能掘進(jìn)技術(shù)分析及解決方案

我國(guó)綜采工作面智能化技術(shù)發(fā)展迅速，經(jīng)過引進(jìn)消化、技術(shù)創(chuàng)新和自主研發(fā)等階段攻關(guān)，2020年底國(guó)內(nèi)已建成近400個(gè)智能綜采工作面。以陜西黃陵為代表“智能控制+遠(yuǎn)程干預(yù)”的智能化開采模式在全國(guó)多個(gè)礦區(qū)建成運(yùn)行，以工作面慣性導(dǎo)航系統(tǒng)和高精度磁致伸縮行程傳感器應(yīng)用為代表的工作面自動(dòng)找直技術(shù)，以地質(zhì)建模構(gòu)建數(shù)字煤層為代表的“透明工作面”智能開采技術(shù)，代表不同階段的智能化少人開采的技術(shù)路徑，積累了大量智能化方面的技術(shù)和經(jīng)驗(yàn)。中國(guó)礦業(yè)大學(xué)、西安科技大學(xué)等單位對(duì)數(shù)字孿生驅(qū)動(dòng)采掘工作面智能化技術(shù)進(jìn)行了較為深入研究，為行業(yè)智能化發(fā)展提供了參考。圖1為綜采工作面虛擬遠(yuǎn)程控制系統(tǒng)框圖。

相比于綜采工作面，目前絕大多數(shù)巷道掘進(jìn)采用的懸臂式掘進(jìn)機(jī)施工尚采用人工操作，施工時(shí)掘進(jìn)機(jī)司機(jī)通過目視斷面上的激光光斑控制掘進(jìn)機(jī)截割頭，巷道中心軸線靠精確調(diào)整的激光指向儀設(shè)定激光光斑保證，掘進(jìn)工程質(zhì)量很大程度上取決于司機(jī)的經(jīng)驗(yàn)和熟練程度?？紤]掘進(jìn)工作面工況存在的高粉塵、低照度、復(fù)雜地質(zhì)條件等因素，現(xiàn)有掘進(jìn)質(zhì)量規(guī)范下掘進(jìn)裝備的位姿和工況狀態(tài)檢測(cè)難度極大，表現(xiàn)在：成形截割精度要求高(安全規(guī)程要求小于100 mm)，機(jī)身和截割頭位姿測(cè)量精度直接影響巷道成形斷面誤差，定向精度導(dǎo)致的巷道開拓誤差對(duì)后繼施工影響較大等。因此，煤礦井下掘進(jìn)裝備的動(dòng)態(tài)、精確定位技術(shù)已經(jīng)成為提升采掘效率，解決“采掘失衡”難題的行業(yè)共識(shí)。

遠(yuǎn)程掘進(jìn)應(yīng)該包含本地控制和遠(yuǎn)程控制內(nèi)容，前者是后者的依托和基礎(chǔ)。井下巷道掘進(jìn)設(shè)備的姿態(tài)精確測(cè)量、自主定位與導(dǎo)航、掘進(jìn)斷面自動(dòng)成形監(jiān)控，以及人員定位與防護(hù)、錨固作業(yè)自動(dòng)化、掘-支-運(yùn)設(shè)備自主聯(lián)動(dòng)、掘進(jìn)過程可視化監(jiān)測(cè)和實(shí)時(shí)通信都是遠(yuǎn)程掘進(jìn)需要解決的問題。如圖2所示，設(shè)備精確位姿測(cè)量解決“在哪里”的問題，最為關(guān)鍵；其次自主定位與導(dǎo)航解決“去哪里”的問題，關(guān)系到掘進(jìn)方向是否正確，也是巷道截割質(zhì)量評(píng)價(jià)的關(guān)鍵，需要設(shè)備群的協(xié)同。

圖1 數(shù)字孿生驅(qū)動(dòng)的綜采工作面遠(yuǎn)程控制技術(shù)原理Fig. 1 Principle of remote control technology based on DT of mechanized longwall mining

圖2 煤礦遠(yuǎn)程智能掘進(jìn)技術(shù)需求分析Fig.2 Technical demands for remote intelligent mining

煤礦井下巷道掘進(jìn)本地控制的實(shí)質(zhì)是將掘進(jìn)設(shè)備作為“移動(dòng)機(jī)器人+串聯(lián)機(jī)械手”組合體，利用機(jī)器人正、逆運(yùn)動(dòng)學(xué)求解，以設(shè)計(jì)路徑參數(shù)為目標(biāo)，以實(shí)時(shí)測(cè)量數(shù)據(jù)為反饋，達(dá)到伺服控制、軌跡跟蹤的結(jié)果，形成要求的形狀和尺寸的高質(zhì)量巷道。解決了上述井下問題，在掘進(jìn)工作面遠(yuǎn)端或地面遠(yuǎn)程控制時(shí)，除了關(guān)注井下工作面設(shè)備工況和控制狀態(tài)，需要解決數(shù)據(jù)直觀呈現(xiàn)的問題，為監(jiān)控人員提供更多決策信息能夠在自動(dòng)作業(yè)過程中對(duì)異常狀態(tài)進(jìn)行人為干預(yù)，達(dá)到“人機(jī)協(xié)同”遠(yuǎn)程掘進(jìn)控制的目的。因此，提升井下掘進(jìn)機(jī)智能化水平，以機(jī)器人技術(shù)、數(shù)字工作面、精確定位、自主導(dǎo)航、定形截割構(gòu)建本地控制理論和技術(shù)基礎(chǔ)，解決遠(yuǎn)程控制中的多維數(shù)據(jù)呈現(xiàn)、設(shè)備群碰撞、掘進(jìn)工藝建模和人機(jī)協(xié)同機(jī)制問題，是遠(yuǎn)程智能掘進(jìn)的關(guān)鍵。

針對(duì)煤礦井下采煤和掘進(jìn)施工復(fù)雜度高、監(jiān)測(cè)數(shù)據(jù)量大，協(xié)同控制難度大，“自動(dòng)控制+人工視頻干預(yù)”的控制方案難以實(shí)現(xiàn)工作面常態(tài)化自動(dòng)生產(chǎn)等問題，近幾年煤炭行業(yè)多家研究單位將數(shù)字孿生(DT)和虛擬現(xiàn)實(shí)(VR)引入采掘工作面設(shè)備群遠(yuǎn)程智能控制決策系統(tǒng)，提出“慣導(dǎo)+”或“視覺+”等多種方法有效解決煤礦井下采掘工作面設(shè)備精確定位、自主導(dǎo)航和自主截割難題，“數(shù)字煤層、虛實(shí)同步、數(shù)據(jù)驅(qū)動(dòng)、實(shí)時(shí)修正、虛擬碰撞、截割預(yù)測(cè)、人機(jī)協(xié)同”的煤礦井下設(shè)備遠(yuǎn)程控制技術(shù)體系已經(jīng)成為行業(yè)解決采掘工作面智能化的共識(shí)，這對(duì)破解目前煤礦井下工作面煤巖界面預(yù)測(cè)、少人或無人自動(dòng)截割控制、設(shè)備群間異常檢測(cè)等難題起到了重要推動(dòng)作用。

在前期研究基礎(chǔ)上，筆者提出了數(shù)字孿生驅(qū)動(dòng)掘進(jìn)裝備遠(yuǎn)程智能控制技術(shù)構(gòu)架，通過構(gòu)建掘進(jìn)工作面數(shù)字孿生體，將井下人員、設(shè)備、環(huán)境相關(guān)信息呈現(xiàn)到數(shù)字空間，虛實(shí)融合，共智互驅(qū)，達(dá)到數(shù)字掘進(jìn)與物理掘進(jìn)智能協(xié)同的目標(biāo)，破解掘進(jìn)施工中人-機(jī)-環(huán)共生安全難題。為了聚焦遠(yuǎn)程控制任務(wù)，提出以掘進(jìn)為控制時(shí)空參考的掘-支-運(yùn)作業(yè)機(jī)制，以掘進(jìn)定位、定向?qū)Ш胶投ㄐ谓馗顬楹诵?，自?dòng)鉆錨和高效轉(zhuǎn)運(yùn)輔助的遠(yuǎn)程控制構(gòu)架。圖3為數(shù)字孿生驅(qū)動(dòng)掘進(jìn)裝備遠(yuǎn)程控制模型及技術(shù)體系示意，圖4為遠(yuǎn)程智能掘進(jìn)的系統(tǒng)架構(gòu)。

圖3 數(shù)字孿生驅(qū)動(dòng)掘進(jìn)裝備遠(yuǎn)程智能控制模型及技術(shù)體系Fig.3 DT-driven remote intelligent control model and technical system of tunneling equipment in coal mine

圖4 遠(yuǎn)程智能掘進(jìn)總體控制架構(gòu)Fig.4 Overall control architecture of remote intelligent driving

該遠(yuǎn)程控制系統(tǒng)主要功能：

(1)基于激光點(diǎn)-線特征的掘進(jìn)機(jī)機(jī)身和截割臂視覺測(cè)量，獲得井下巷道掘進(jìn)設(shè)備移動(dòng)中的精確位姿(包括位置和姿態(tài))和截割臂實(shí)時(shí)位姿數(shù)據(jù)，結(jié)合掘進(jìn)機(jī)參數(shù)解算出截割頭的運(yùn)動(dòng)軌跡。

(2)利用(1)的結(jié)果，實(shí)現(xiàn)人工示教軌跡規(guī)劃，破解復(fù)雜工況和環(huán)境下的掘進(jìn)機(jī)軌跡規(guī)劃難題，即熟練司機(jī)操作機(jī)身和截割臂完成一個(gè)截割循環(huán)，實(shí)時(shí)記錄位姿信息數(shù)據(jù)，下一個(gè)截割循環(huán)采用記憶數(shù)據(jù)控制掘進(jìn)全過程中的機(jī)身和截割臂運(yùn)動(dòng)，實(shí)現(xiàn)自動(dòng)化截割、自動(dòng)刷幫等工藝環(huán)節(jié)。

(3)以巷道、掘-支-運(yùn)設(shè)備群等靜態(tài)信息，加上掘進(jìn)中的巷道動(dòng)態(tài)變化和設(shè)備實(shí)時(shí)位姿等數(shù)據(jù)，建立設(shè)備位姿顯示、運(yùn)動(dòng)學(xué)、協(xié)調(diào)控制、自主決策等方面的數(shù)學(xué)模型，構(gòu)建掘進(jìn)工作面人-機(jī)-環(huán)數(shù)字孿生體。

(4)掘進(jìn)監(jiān)控中，以物理世界——井下掘進(jìn)工作面設(shè)備群實(shí)時(shí)數(shù)據(jù)，驅(qū)動(dòng)虛擬世界——掘進(jìn)工作面孿生體，實(shí)現(xiàn)虛實(shí)同步運(yùn)動(dòng)和虛擬設(shè)備群位姿實(shí)時(shí)修正，從而保證虛擬空間呈現(xiàn)場(chǎng)景可以作為遠(yuǎn)程控制的決策依據(jù)。

(5)在虛擬空間可以借助牛頓力學(xué)碰撞模型，實(shí)現(xiàn)無傳感器數(shù)據(jù)的設(shè)備群全方位碰撞檢測(cè)和預(yù)警(通過幾何膨脹或閾值設(shè)定)，與有人值守的遠(yuǎn)程控制端人工決策有機(jī)結(jié)合，可以大大提高遠(yuǎn)程掘進(jìn)異常干預(yù)的自主性和智能化，為遠(yuǎn)程掘進(jìn)常態(tài)化提供技術(shù)支撐。

2 煤礦遠(yuǎn)程智能掘進(jìn)面臨的主要挑戰(zhàn)

掘進(jìn)工作面智能化的研究不斷深入，近幾年已經(jīng)成為煤礦智能化研究的熱點(diǎn)，但是在相關(guān)基礎(chǔ)理論、設(shè)備定位、定向?qū)Ш脚c糾偏、成形截割、協(xié)同控制等方面還存在不足。

2.1 掘進(jìn)狀態(tài)感知基礎(chǔ)理論研究不足

煤礦井下存在低照度、高粉塵、水霧、振動(dòng)，以及電磁干擾等因素影響，很多地面成熟技術(shù)及設(shè)備在井下實(shí)際應(yīng)用存在嚴(yán)峻挑戰(zhàn)，甚至不能使用。機(jī)電設(shè)備位姿、工況等感知元件的安裝也由于防爆、供電等特殊要求存在諸多難題。遠(yuǎn)程控制模式下需要井下設(shè)備更多、更全面的感知傳感器，為遠(yuǎn)程監(jiān)控人員提供設(shè)備位姿、工況數(shù)據(jù)、設(shè)備與環(huán)境變化等方面信息，避免“盲人摸象”，保障設(shè)備可靠性同時(shí)實(shí)現(xiàn)多維數(shù)據(jù)可視化呈現(xiàn)。礦井環(huán)境下的不同感知手段適應(yīng)性設(shè)計(jì)理論、多設(shè)備協(xié)同控制決策，以及遠(yuǎn)程控制網(wǎng)絡(luò)實(shí)時(shí)性等方面的基礎(chǔ)研究應(yīng)該引起廣泛重視。比如井下視覺應(yīng)用應(yīng)進(jìn)一步探討防爆玻璃折射影響下的礦用相機(jī)建模與校正、礦用相機(jī)非線性成像系統(tǒng)優(yōu)化設(shè)計(jì)理論與方法。

2.2 掘進(jìn)機(jī)定位問題尚待突破

掘進(jìn)工作面設(shè)備定向與定形截割、設(shè)備群碰撞預(yù)警與協(xié)同控制，都受制于位姿測(cè)量的準(zhǔn)確性和可靠性。針對(duì)掘進(jìn)機(jī)的精確位姿測(cè)量問題，國(guó)內(nèi)外眾多高校、研究機(jī)構(gòu)開展了卓有成效的研究。目前掘進(jìn)機(jī)的自動(dòng)位姿測(cè)量方法中全站儀導(dǎo)向技術(shù)對(duì)環(huán)境要求較高，慣性導(dǎo)航技術(shù)定位時(shí)間累積誤差大，羅盤類傳感器精度易受外界電磁干擾，視覺測(cè)量要克服井下惡劣工作環(huán)境以及相機(jī)拍攝姿態(tài)等方面影響。視覺測(cè)量技術(shù)由于非接觸、無累計(jì)誤差等優(yōu)勢(shì)得到廣泛關(guān)注，也在掘進(jìn)機(jī)位姿測(cè)量方面得到一定程度的應(yīng)用。但是掘進(jìn)巷道工況環(huán)境惡劣，粉塵質(zhì)量濃度高、伴隨有水霧、雜光干擾，以及采掘振動(dòng)影響等因素對(duì)圖像測(cè)量的穩(wěn)定性和可靠性影響很大。因此，如何實(shí)現(xiàn)綜掘工作面復(fù)雜工作環(huán)境中掘進(jìn)機(jī)的精準(zhǔn)定位、高效開采活動(dòng)成為了礦山工程領(lǐng)域發(fā)展過程中面臨的科學(xué)難題。

2.3 掘進(jìn)機(jī)定向?qū)Ш脚c成形截割亟待深入研究

懸臂式掘進(jìn)機(jī)的定向掘進(jìn)是解決巷道掘進(jìn)方向控制的關(guān)鍵問題。巷道施工中根據(jù)位姿誤差信息對(duì)機(jī)身進(jìn)行控制，連續(xù)的航向位姿形成定向?qū)Ш綄?shí)際路徑，結(jié)合截割臂的運(yùn)動(dòng)控制可以實(shí)現(xiàn)巷道斷面的成形控制。非全斷面掘進(jìn)設(shè)備需要控制機(jī)身和截割頭，實(shí)現(xiàn)預(yù)定截割軌跡的跟蹤控制，全斷面掘進(jìn)設(shè)備相對(duì)簡(jiǎn)單，僅需關(guān)注航向方向位移為掘進(jìn)進(jìn)尺提供參考。由于懸臂式掘進(jìn)機(jī)掘進(jìn)使用最廣、最靈活，但工藝復(fù)雜、一般使用在地質(zhì)復(fù)雜場(chǎng)合，因此，國(guó)內(nèi)外對(duì)其成形截割控制研究較多?，F(xiàn)有研究對(duì)重載非完整約束的懸臂式掘進(jìn)機(jī)器人開展較多，思路是將截割臂當(dāng)做一個(gè)移動(dòng)機(jī)械臂，進(jìn)行統(tǒng)一的運(yùn)動(dòng)學(xué)建模實(shí)現(xiàn)掘進(jìn)機(jī)的機(jī)器人化，實(shí)現(xiàn)懸臂式掘進(jìn)機(jī)自動(dòng)截割。但是由于機(jī)身位姿測(cè)量的成本和技術(shù)限制，基于機(jī)身位姿測(cè)量數(shù)據(jù)和規(guī)劃軌跡的全局軌跡(包括機(jī)身軌跡和截割頭軌跡2部分)跟蹤控制還處于研究階段。

2.4 設(shè)備群協(xié)同應(yīng)用研究不夠

智能協(xié)同控制技術(shù)是智能掘進(jìn)機(jī)器人系統(tǒng)的核心。掘進(jìn)工作面實(shí)現(xiàn)掘-錨-支-運(yùn)-通過程中，設(shè)備群協(xié)同是實(shí)現(xiàn)多工序并行作業(yè)的技術(shù)基礎(chǔ)。在實(shí)現(xiàn)單個(gè)設(shè)備智能控制的基礎(chǔ)上，如何通過對(duì)煤礦掘進(jìn)多個(gè)任務(wù)并行、多個(gè)設(shè)備智能協(xié)同控制成為重要研究?jī)?nèi)容之一。目前，掘進(jìn)工作面作業(yè)線上各設(shè)備獨(dú)立，缺乏信息感知、交流、互通功能，實(shí)時(shí)協(xié)作能力弱、人機(jī)交互性差，掘進(jìn)工藝流程缺乏統(tǒng)一規(guī)范，要實(shí)現(xiàn)巷道智能化快速掘進(jìn)，就必須建立掘進(jìn)設(shè)備各子系統(tǒng)之間的并行協(xié)同控制機(jī)制。

2.5 遠(yuǎn)程控制實(shí)時(shí)性等基礎(chǔ)技術(shù)未引起重視

我國(guó)煤礦賦存條件復(fù)雜，掘進(jìn)工作面環(huán)境惡劣，存在煤層起伏大、頂板松軟、夾矸與片幫并存、水與瓦斯突出等一系列問題，且不同礦區(qū)差異大，掘進(jìn)作業(yè)本地控制的自動(dòng)化、智能化難度較大。雖然地面一鍵啟動(dòng)、數(shù)據(jù)驅(qū)動(dòng)遠(yuǎn)程監(jiān)控、三維可視化監(jiān)測(cè)等技術(shù)得到一定應(yīng)用，但是對(duì)井下采掘工作面的遠(yuǎn)程控制基礎(chǔ)理論和技術(shù)研究基本處于空白，行業(yè)還存在“快”即為實(shí)時(shí)，控制沒有模型的理解誤區(qū)。因此，煤礦網(wǎng)絡(luò)控制系統(tǒng)實(shí)時(shí)性保障技術(shù)、網(wǎng)絡(luò)通信系統(tǒng)實(shí)時(shí)性、數(shù)字孿生驅(qū)動(dòng)的遠(yuǎn)程掘進(jìn)控制系統(tǒng)模型等基礎(chǔ)理論及技術(shù)研究應(yīng)該高度重視，這是實(shí)現(xiàn)真正意義上的遠(yuǎn)程控制必經(jīng)之路。

3 遠(yuǎn)程智能掘進(jìn)關(guān)鍵技術(shù)研究進(jìn)展

3.1 “DT+VR”井下掘進(jìn)人-機(jī)-環(huán)智能管控技術(shù)

(1)煤礦智能掘進(jìn)工作面數(shù)字孿生技術(shù)。隨著信息技術(shù)與煤礦相關(guān)專業(yè)的深度融合，少人化、無人化、機(jī)器人化、智能化等先進(jìn)生產(chǎn)理念在煤炭行業(yè)快速推廣。馬宏偉、袁亮、程建遠(yuǎn)、毛善君等等提出了基于虛擬現(xiàn)實(shí)的數(shù)字礦山設(shè)想并進(jìn)行了大量研究。煤礦“透明”地質(zhì)條件是實(shí)現(xiàn)智能快速掘進(jìn)的重要基礎(chǔ)之一。目前，相關(guān)專家、學(xué)者在基于智能鉆探、智能物探、地質(zhì)數(shù)據(jù)數(shù)字化、地質(zhì)信息智能化更新和地質(zhì)信息可視化等多源數(shù)據(jù)的綜合地質(zhì)建模上開展了大量研究，以滿足煤礦智能快速掘進(jìn)和精準(zhǔn)開采的地質(zhì)條件需求，如圖5所示。

西安合智宇信息科技有限公司聯(lián)合陜西黃陵煤礦研發(fā)了一種基于數(shù)字煤層的綜采工作面精準(zhǔn)開采系統(tǒng)，并進(jìn)行了工業(yè)性試驗(yàn)。該系統(tǒng)首先建立初始三維數(shù)字煤層模型，通過綜采設(shè)備慣導(dǎo)、里程計(jì)、雷達(dá)、角度傳感器等動(dòng)態(tài)感知采煤機(jī)實(shí)際行走軌跡和截割軌跡進(jìn)行模型動(dòng)態(tài)修正，最后根據(jù)修正后模型動(dòng)態(tài)規(guī)劃采煤機(jī)截割軌跡曲線。

圖5 地質(zhì)建模與三維“透明”呈現(xiàn)Fig.5 Transparent geological modeling and 3D rendering

張旭輝等提出煤礦虛擬工作面構(gòu)建與采掘設(shè)備操控技術(shù)構(gòu)架，建立了煤礦井下裝備智能控制的“人-信息-物理系統(tǒng)”(HCPS)交互機(jī)制，如圖6，7所示，為實(shí)現(xiàn)掘進(jìn)工作面物理空間與掘進(jìn)信息虛擬空間的深度融合與交互奠定了基礎(chǔ)。結(jié)合數(shù)字工作面模型，試驗(yàn)驗(yàn)證了數(shù)字孿生驅(qū)動(dòng)的懸臂式掘進(jìn)機(jī)智能操控系統(tǒng)可行性，為煤礦井下綜采綜掘工作面設(shè)備的遠(yuǎn)程智能監(jiān)測(cè)與控制提供了全新的思路。

(2)煤礦井下視覺成像系統(tǒng)標(biāo)定基礎(chǔ)理論。近年來，智能視覺技術(shù)在煤礦井下迅猛發(fā)展，在固定設(shè)備及場(chǎng)合視覺監(jiān)測(cè)、煤流檢測(cè)、人員定位及異常狀態(tài)識(shí)別，甚至工作面直線度和設(shè)備位姿測(cè)量方面得到一定的工程應(yīng)用。但是影響圖像質(zhì)量的防爆玻璃折射、采掘振動(dòng)影響，以及高粉塵、低照度和雜光干擾環(huán)境下的應(yīng)用性研究基本空白，影響了測(cè)量的穩(wěn)定性和精度。

圖6 掘進(jìn)虛擬工作面構(gòu)建及軌跡預(yù)測(cè)機(jī)理Fig.6 Mechanism of the virtual face construction and the trajectory prediction

圖7 掘進(jìn)設(shè)備數(shù)字孿生數(shù)據(jù)驅(qū)動(dòng)技術(shù)構(gòu)架Fig.7 Technical framework of DT-driven excavating equipment

掘進(jìn)過程中的機(jī)身振動(dòng)引起測(cè)量不準(zhǔn)確，利用機(jī)載穩(wěn)像、消抖算法等方法保證機(jī)器視覺測(cè)量穩(wěn)定性，是精準(zhǔn)掘進(jìn)的必然要求。YANG等研究了振動(dòng)工況下礦用防爆相機(jī)的成像模糊機(jī)理，構(gòu)建基于非均勻模糊核的礦用相機(jī)參數(shù)化幾何模型描述振動(dòng)或運(yùn)動(dòng)引起的圖像非均勻模糊，并建立基于變分參數(shù)優(yōu)化更新方程來評(píng)估與優(yōu)化參數(shù)分布，利用獲取的非均勻模糊核完成迭代盲復(fù)原算法，實(shí)現(xiàn)單圖像盲去模糊，為井下視覺測(cè)量提供了高質(zhì)量圖像。圖9為振動(dòng)工況下線特征模糊建模與去模糊效果。圖9(a) 為繞軸旋轉(zhuǎn)的三維空間點(diǎn)模型示意，其中表示相機(jī)坐標(biāo)系，(,,)是在目標(biāo)坐標(biāo)系的三維空間點(diǎn)，(,)為點(diǎn)的成像點(diǎn)。圖9(b)為運(yùn)動(dòng)模擬測(cè)試平臺(tái)，圖9(c)，(d)為激光點(diǎn)-線特征圖像處理前后對(duì)比，圖9(e)，(f)局部表達(dá)了激光束運(yùn)動(dòng)模糊處理前后效果，其中坐標(biāo)單位為像素點(diǎn)個(gè)數(shù)，經(jīng)過處理后激光束模糊圖像的均方根誤差從8.267 pixel減小到0.065 pixel，表明去模糊后的激光束位置更接近真實(shí)值。

3.2 煤礦井下掘進(jìn)機(jī)位姿精準(zhǔn)測(cè)量理論

懸臂式掘進(jìn)機(jī)機(jī)身及截割頭位姿的實(shí)時(shí)、準(zhǔn)確測(cè)量是實(shí)現(xiàn)煤礦巷道掘進(jìn)定向?qū)Ш胶投ㄐ谓馗畹幕A(chǔ)和核心內(nèi)容。針對(duì)掘進(jìn)機(jī)的自動(dòng)位姿測(cè)量技術(shù)方面的研究，專家學(xué)者們提出了多種不同的技術(shù)方案，并取得了一定的研究成果。目前方法主要有iGPS測(cè)量技術(shù)、基于全站儀的導(dǎo)向和定位、慣性測(cè)量技術(shù)、超寬帶測(cè)量技術(shù)、空間交匯測(cè)量技術(shù)和視覺測(cè)量等?；谌緝x的測(cè)量系統(tǒng)由于掘進(jìn)過程中巷道內(nèi)粉塵質(zhì)量濃度大，測(cè)量環(huán)境惡劣，加之棱鏡光路易遮擋，測(cè)量結(jié)果穩(wěn)定性亟待解決?；趹T性傳感器的掘進(jìn)機(jī)位姿測(cè)量系統(tǒng)存在時(shí)間累積誤差，難以長(zhǎng)程連續(xù)地提供位置參量，目前研究熱點(diǎn)是如何將井下采掘與施工工藝有機(jī)結(jié)合解決工程難題。

圖8 引入玻璃折射的礦用相機(jī)建模與畸變校正Fig.8 Lens modeling and distortion correction for mining Camera with glass refraction

基于立體視覺的掘進(jìn)機(jī)機(jī)身位姿檢測(cè)技術(shù)，在礦井下的應(yīng)用主要集中于對(duì)車輛與人員的監(jiān)控，而應(yīng)用于機(jī)身定位方面的文獻(xiàn)較少。吳淼研究團(tuán)隊(duì)研究基于空間交匯測(cè)量技術(shù)的懸臂式掘進(jìn)機(jī)位姿自主測(cè)量方法，得到懸臂式掘進(jìn)機(jī)在固定坐標(biāo)系下的位姿狀態(tài)。西安科技大學(xué)近年來系統(tǒng)研究了煤礦井下移動(dòng)目標(biāo)的位姿測(cè)量問題，在采掘工作面智能化建設(shè)中得到一定程度的驗(yàn)證。

..“視覺”組合定位

張旭輝等提出“視覺+”位姿測(cè)量方法，基于激光點(diǎn)-線特征標(biāo)靶的懸臂式掘進(jìn)機(jī)機(jī)身及截割頭位姿單目視覺測(cè)量方案，以巷道設(shè)計(jì)走向數(shù)據(jù)為基準(zhǔn)，建立巷道坐標(biāo)系實(shí)現(xiàn)掘進(jìn)裝備機(jī)體的全位姿檢測(cè)，為進(jìn)一步實(shí)現(xiàn)智能截割、糾偏控制、定向掘進(jìn)提供基礎(chǔ)數(shù)據(jù)，該方案包括機(jī)身全局定位和截割頭局部定位2個(gè)子系統(tǒng)，前者獲得機(jī)身在巷道坐標(biāo)系下的空間位姿，后者獲得截割頭在掘進(jìn)機(jī)身坐標(biāo)系下的空間位姿，圖10為視覺定位系統(tǒng)示意。其中，，，分別為巷道坐標(biāo)系、激光束標(biāo)靶坐標(biāo)系、多點(diǎn)LED標(biāo)靶坐標(biāo)系；，，和分別為掘進(jìn)機(jī)機(jī)身坐標(biāo)系、后置相機(jī)坐標(biāo)系、前置相機(jī)坐標(biāo)系、截割頭坐標(biāo)系，，，為掘進(jìn)頭工作時(shí)的受力?？紤]視覺測(cè)量可能存在的遮擋、丟幀等問題，實(shí)際測(cè)試時(shí)該系統(tǒng)采用低成本慣導(dǎo)，以多傳感器融合保證動(dòng)態(tài)測(cè)量的穩(wěn)定性。

(1)基于兩激光線的2P3L測(cè)量方法?？紤]多點(diǎn)特征和直線特征合作標(biāo)靶在高粉塵水霧、低照度的煤礦井下環(huán)境中具有更強(qiáng)的抗遮擋能力，課題組創(chuàng)新設(shè)計(jì)了多點(diǎn)LED標(biāo)靶和平行安裝的激光指向儀形成兩激光束標(biāo)靶，通過構(gòu)建基于線特征的單目視覺2P3L測(cè)量數(shù)學(xué)模型，解算得到懸臂式掘進(jìn)機(jī)機(jī)身的位置和姿態(tài)參數(shù)，結(jié)合多點(diǎn)激光標(biāo)靶測(cè)量截割臂位姿結(jié)果，實(shí)現(xiàn)了掘進(jìn)機(jī)的精確定位、定向?qū)Ш胶投ㄐ谓馗羁刂啤?019年在山西某礦掘進(jìn)巷道進(jìn)行了工業(yè)性試驗(yàn)(圖11)，，方向測(cè)量誤差均小于±40 mm，滿足了巷道掘進(jìn)質(zhì)量評(píng)價(jià)要求，表明了井下巷道長(zhǎng)距離單目視覺位姿測(cè)量的可行性。

圖9 礦用圖像模糊建模與去模糊Fig.9 Fuzzy modeling and deblur of mine image

圖10 基于激光點(diǎn)-線特征的懸臂式掘進(jìn)機(jī)定位系統(tǒng)Fig.10 Position estimation based on laser point and line characteristics for Roadheader

(2)基于三激光線的3P3L測(cè)量方法。上述兩激光束(2P3L)方法參數(shù)標(biāo)定過程復(fù)雜，在井下環(huán)境的測(cè)量穩(wěn)定性尚需進(jìn)一步提高。理論分析可知，3條激光線及以上，都可以構(gòu)建空間測(cè)量模型，但是4線以上會(huì)提高現(xiàn)場(chǎng)安裝難度，也容易造成特征線的空間交叉，導(dǎo)致多激光線特征難以提取。因此，該團(tuán)隊(duì)研發(fā)了一種新型三激光束掘進(jìn)機(jī)機(jī)身位姿單目視覺測(cè)量系統(tǒng)，以3束激光作為圖像特征信息源，構(gòu)建基于3點(diǎn)3線(3P3L)定位特征的掘進(jìn)機(jī)機(jī)身位姿測(cè)量模型，利用基于最小化重投影誤差方法獲得了掘進(jìn)機(jī)機(jī)身位姿的最優(yōu)解，提高了系統(tǒng)位姿測(cè)量精度和穩(wěn)定性。圖12為2021年12月基于三激光線的掘進(jìn)機(jī)定位系統(tǒng)在陜北大海則煤礦井下運(yùn)行中提取的線特征，測(cè)量精度比2P3L至少提高1倍。在巷道低照度、高粉塵和多種雜光干擾情況下，3P3L獲得了更高測(cè)量精度和穩(wěn)定性，特別是降低了視覺系統(tǒng)在井下現(xiàn)場(chǎng)的標(biāo)定難度。

圖11 基于2P3L的掘進(jìn)機(jī)輔助截割井下試驗(yàn)Fig.11 Testing of visual cutting system based on 2P3L of Boom-type roadheader underground roadway

圖12 井下巷道復(fù)雜背景下三激光束特征提取結(jié)果(局部)Fig.12 Feature extraction results of three laser beams under the complex background of underground roadway(Local)

..慣導(dǎo)組合定位

筆者研究了基于多傳感器信息融合的組合導(dǎo)航位姿檢測(cè)方法，采用微機(jī)電系統(tǒng)捷聯(lián)慣導(dǎo)的姿態(tài)導(dǎo)航算法和地磁導(dǎo)航算法，利用卡爾曼濾波融合多源信息來抑制航向角的漂移，結(jié)合四元數(shù)和改進(jìn)的航姿參考系統(tǒng)算法，確定巡檢機(jī)器人的姿態(tài)信息,實(shí)現(xiàn)機(jī)器人實(shí)時(shí)位姿測(cè)量。馬宏偉等采用光纖慣導(dǎo)、油缸行程傳感器和數(shù)字全站儀信息融合進(jìn)行精確定位定向檢測(cè)，考慮油缸行程傳感器和慣導(dǎo)組合會(huì)產(chǎn)生位置累積誤差，而數(shù)字全站儀可以測(cè)量出煤礦智能掘進(jìn)機(jī)器系統(tǒng)精確位置信息，通過建立基于數(shù)字全站儀的慣導(dǎo)與油缸行程組合位置誤差修正模型，試現(xiàn)了煤礦智能掘進(jìn)機(jī)器人系統(tǒng)的精準(zhǔn)位姿檢測(cè)。

3.3 定向?qū)Ш脚c糾偏技術(shù)

煤礦井下掘進(jìn)設(shè)備導(dǎo)航目前有基于慣性導(dǎo)航、慣導(dǎo)+組合導(dǎo)航方式、基于視覺導(dǎo)航方式、慣導(dǎo)+視覺組合方式。吳淼教授團(tuán)隊(duì)深入研究了掘進(jìn)機(jī)導(dǎo)航系統(tǒng)，提出的二維里程輔助自主導(dǎo)航方法，分析掘進(jìn)機(jī)滑移特點(diǎn)研制出一種外置式二維里程的測(cè)量裝置，實(shí)現(xiàn)了二維里程輔助的組合導(dǎo)航算法。該裝置和實(shí)驗(yàn)系統(tǒng)如圖13，14所示。

圖13 二維里程測(cè)量裝置Fig.13 Two-dimensional mileage measuring device

圖14 掘進(jìn)機(jī)定位試驗(yàn)系統(tǒng)Fig.14 Roadheader positioning system

在實(shí)現(xiàn)掘進(jìn)機(jī)位姿檢測(cè)的基礎(chǔ)上，須完成掘進(jìn)機(jī)的自主糾偏以保證巷道截割質(zhì)量。針對(duì)工況復(fù)雜且存在封閉邊界的受限巷道空間，吳淼等將綜掘巷道環(huán)境自適應(yīng)劃分為區(qū)域柵格，提出掘進(jìn)機(jī)糾偏影響度作為模型降維與簡(jiǎn)化的指標(biāo)，結(jié)合掘進(jìn)機(jī)自身運(yùn)動(dòng)特點(diǎn)與實(shí)際工況，建立掘進(jìn)機(jī)在柵格場(chǎng)景中的自主糾偏運(yùn)動(dòng)模型，實(shí)現(xiàn)了結(jié)合PID算法與神經(jīng)網(wǎng)絡(luò)的自主糾偏算法，并采用EBZ-55 掘進(jìn)機(jī)與模擬巷道驗(yàn)證了糾偏算法的可行性。該糾偏系統(tǒng)結(jié)構(gòu)如圖15所示，其中，()為系統(tǒng)輸入；()為系統(tǒng)輸出；，，分別為PID的比例、積分和微分環(huán)節(jié)參數(shù)。

圖15 掘進(jìn)機(jī)自主糾偏控制系統(tǒng)結(jié)構(gòu)Fig.15 Control system of the auto rectification

基于視覺導(dǎo)航的懸臂式掘進(jìn)機(jī)自動(dòng)定向掘進(jìn)控制方法，以巷道中激光指向儀的激光點(diǎn)和激光束為特征，采用單目視覺技術(shù)構(gòu)建了基于門形結(jié)構(gòu)的掘進(jìn)機(jī)機(jī)身位姿視覺測(cè)量模型，通過空間矩陣變換解算巷道中機(jī)身位姿。根據(jù)懸臂式掘進(jìn)機(jī)運(yùn)動(dòng)特點(diǎn)確定掘進(jìn)機(jī)糾偏控制策略，基于懸臂式掘進(jìn)機(jī)運(yùn)動(dòng)學(xué)建立掘進(jìn)機(jī)定向掘進(jìn)運(yùn)動(dòng)控制模型，采用Backstepping方法，選取合適的Lyapunov函數(shù)設(shè)計(jì)掘進(jìn)機(jī)軌跡跟蹤控制器，有效解決掘進(jìn)機(jī)軌跡跟蹤控制問題，如圖16，17所示。

圖16 機(jī)身軌跡跟蹤結(jié)果Fig.16 Trajectory tracking of roadhead

圖17 機(jī)身軌跡跟蹤誤差Fig.17 Trajectory tracking error of roadhead

3.4 掘進(jìn)機(jī)智能截割控制技術(shù)

吳淼團(tuán)隊(duì)多年堅(jiān)持智能掘進(jìn)技術(shù)研究，對(duì)自適應(yīng)控制、記憶截割進(jìn)行了很多有創(chuàng)意的探索。針對(duì)井下掘進(jìn)機(jī)截割智能化程度低、截割臂擺速不能根據(jù)煤巖硬度進(jìn)行自適應(yīng)調(diào)節(jié)的問題，研究了基于多種傳感器信息掘進(jìn)機(jī)截割臂自適應(yīng)截割控制策略和掘進(jìn)機(jī)姿態(tài)調(diào)整模型辨識(shí)與精準(zhǔn)控制方法；針對(duì)煤礦掘進(jìn)機(jī)機(jī)器人化和無人化的目標(biāo)，提出了一種懸臂式掘進(jìn)機(jī)煤矸智能截割控制系統(tǒng)與方法，提高掘進(jìn)機(jī)截割煤矸的效率和智能化程度；針對(duì)常見及復(fù)雜構(gòu)造斷面，提出了懸臂式掘進(jìn)機(jī)斷面成型軌跡多目標(biāo)優(yōu)化方法。

另外，為實(shí)現(xiàn)從人工截割到自主截割，吳淼課題組提出一種縱軸式掘進(jìn)機(jī)記憶截割控制方法，如圖18所示，該方法可對(duì)人工示范的過程進(jìn)行記憶學(xué)習(xí)及智能優(yōu)化，并一鍵式觸發(fā)掘進(jìn)機(jī)按所學(xué)路徑信息自動(dòng)截割后續(xù)斷面，還可根據(jù)實(shí)際截割情況對(duì)路徑進(jìn)行微調(diào)，以避開煤巖過硬的位置。地面試驗(yàn)結(jié)果表明，系統(tǒng)運(yùn)行穩(wěn)定可靠，控制精度較高。但是該方法未將機(jī)身運(yùn)行考慮進(jìn)截割頭位姿跟蹤環(huán)節(jié)，限制了使用效果。

圖18 懸臂式掘進(jìn)機(jī)記憶截割控制原理Fig.18 Principle of memory control for roadheader

筆者所在課題組研究了懸臂式掘進(jìn)機(jī)視覺伺服控制技術(shù)，提出采用視覺實(shí)時(shí)位姿測(cè)量和電液伺服控制，采用軌跡規(guī)劃與人工示教相結(jié)合的方式，實(shí)現(xiàn)復(fù)雜運(yùn)動(dòng)環(huán)境下的掘進(jìn)機(jī)機(jī)身視覺伺服和截割頭運(yùn)動(dòng)軌跡跟蹤控制?？紤]不同地質(zhì)條件和底板穩(wěn)定性影響，先利用視覺位姿測(cè)量方法，實(shí)時(shí)記錄人工操作機(jī)身和截割臂的軌跡完成一個(gè)截割循環(huán)，隨后下一個(gè)截割循環(huán)采用記憶數(shù)據(jù)控制掘進(jìn)全過程中的機(jī)身和截割臂運(yùn)動(dòng)，實(shí)現(xiàn)自動(dòng)化截割、自動(dòng)刷幫等工藝環(huán)節(jié)，避免了掘進(jìn)機(jī)在不同工況和環(huán)境下的軌跡規(guī)劃難題。圖19為懸臂式掘進(jìn)機(jī)的人工示教記憶截割控制系統(tǒng)原理框圖。

圖19 基于視覺測(cè)量的“人工示教”記憶截割系統(tǒng)原理Fig.19 Diagram of the manual memory cutting control system based on vision position estimation

系統(tǒng)以截割頭跟蹤截割斷面為目標(biāo)，視覺實(shí)時(shí)測(cè)量的截割頭位姿(包括截割頭相對(duì)機(jī)身的位姿和機(jī)身位姿)為反饋量。為保證斷面成形精度，基于截割頭位置信息建立截割頭軌跡跟蹤控制模型，以截割頭位姿為反饋確定截割頭位置偏差，利用控制算法輸出控制命令，使升降油缸及回轉(zhuǎn)油缸驅(qū)動(dòng)截割臂擺動(dòng)工作，同時(shí)按照截割工藝要求調(diào)整機(jī)身位置，使之處于合理姿態(tài)并在截割軌跡跟蹤時(shí)利用前鏟板和后支腿固定機(jī)身。

此技術(shù)的關(guān)鍵是掘進(jìn)機(jī)機(jī)身的實(shí)時(shí)位姿測(cè)量，基于三激光束的視覺測(cè)量系統(tǒng)高精度、穩(wěn)定性是其中的核心技術(shù)，最大優(yōu)勢(shì)是可以解決巷道斷面形狀、尺寸大小不同引起的截割路徑自動(dòng)規(guī)劃困境，尤其是機(jī)身有滑動(dòng)狀態(tài)時(shí)機(jī)身控制難題。

3.5 掘進(jìn)工作面群組協(xié)同與數(shù)字孿生驅(qū)動(dòng)技術(shù)

按照掘-支-運(yùn)工序并行提高掘進(jìn)效率是目前行業(yè)努力的方向，通過建立掘進(jìn)機(jī)群組位姿和運(yùn)動(dòng)關(guān)聯(lián)模型，對(duì)多機(jī)群組的時(shí)空坐標(biāo)系進(jìn)行統(tǒng)一，在單機(jī)設(shè)備自動(dòng)化的基礎(chǔ)上進(jìn)行多機(jī)群組的精準(zhǔn)定位與智能導(dǎo)航，解決多機(jī)協(xié)同并行作業(yè)沖突的問題。多設(shè)備協(xié)同包括2方面：① 建立多個(gè)設(shè)備之間的空間位置關(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(duì)多個(gè)運(yùn)動(dòng)單元的同步速度規(guī)劃。

國(guó)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。吳淼團(tuán)隊(duì)提出了一種綜掘巷道掘支錨聯(lián)合并行施工工藝技術(shù)系統(tǒng)，構(gòu)建了數(shù)字孿生理論指導(dǎo)下的綜掘巷道并行施工技術(shù)流程與工藝體系，研究了掘進(jìn)機(jī)器人遠(yuǎn)程可視化導(dǎo)控、臨時(shí)支護(hù)機(jī)器人可靠性撐頂、鉆錨機(jī)器人多工位錨護(hù)為基礎(chǔ)功能的綜掘巷道智能并行作業(yè)模式，如圖20所示。同時(shí)，探討了數(shù)字孿生技術(shù)驅(qū)動(dòng)綜掘巷道并行施工技術(shù)系統(tǒng)，通過遠(yuǎn)程可視化智能調(diào)控系統(tǒng)完成了掘進(jìn)機(jī)自主糾偏、障礙物感知以及自動(dòng)截割等智能化革新。

圖20 基于ACP的平行掘進(jìn)系統(tǒng)架構(gòu)體系Fig.20 Parallel tunneling system architechure based on ACP

馬宏偉團(tuán)隊(duì)針對(duì)陜煤小保當(dāng)煤礦地質(zhì)特點(diǎn)，研發(fā)了護(hù)盾式煤礦掘進(jìn)機(jī)器人系統(tǒng)，對(duì)掘進(jìn)工作面群組協(xié)同進(jìn)行了研究和實(shí)踐。針對(duì)煤礦智能掘進(jìn)系統(tǒng)的多任務(wù)、多工序、多主體并行作業(yè)特征，通過揭示多系統(tǒng)作業(yè)任務(wù)數(shù)目和完成時(shí)間等關(guān)鍵參數(shù)之間的關(guān)系。假設(shè)由個(gè)子系統(tǒng)組成，分別完成掘、支、鉆、錨、運(yùn)等個(gè)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(shí)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)。基于掘進(jìn)作業(yè)最優(yōu)任務(wù)分配的多系統(tǒng)并行控制架構(gòu)如圖21所示。

圖21 煤礦智能掘進(jìn)系統(tǒng)多任務(wù)并行控制架構(gòu)Fig.21 Multi-task parallel control structure of mining intelligent tunneling system

另外，王妙云等構(gòu)建了“虛擬設(shè)備”碰撞預(yù)警機(jī)制，針對(duì)煤礦綜采工作面設(shè)備數(shù)量多、位置關(guān)系復(fù)雜，設(shè)備間碰撞檢測(cè)手段匱乏、預(yù)警困難等問題，結(jié)合虛擬現(xiàn)實(shí)技術(shù)、多傳感器信息融合技術(shù)和包圍盒碰撞檢測(cè)技術(shù)，以虛擬環(huán)境開發(fā)平臺(tái)為基礎(chǔ)，提出一種設(shè)備遠(yuǎn)程控制過程中的虛擬射線與包圍盒相結(jié)合的方法，實(shí)現(xiàn)了設(shè)備間碰撞檢測(cè)和預(yù)警監(jiān)測(cè)，圖22為運(yùn)行中虛擬空間碰撞預(yù)警。

圖22 設(shè)備群虛擬碰撞預(yù)警系統(tǒng)截圖(局部) Fig.22 Screenshot of virtual collision warning monitoring system for equipment group(Local)

3.6 “DT+VR”遠(yuǎn)程智能掘進(jìn)技術(shù)

虛擬現(xiàn)實(shí)技術(shù)有助于解決多維信息空間的數(shù)據(jù)處理問題，建立人、設(shè)備、環(huán)境有機(jī)融合的多維空間，實(shí)現(xiàn)復(fù)雜或危險(xiǎn)作業(yè)環(huán)境下的工業(yè)設(shè)備順利作業(yè)。張旭輝等提出了一種“數(shù)字煤層、虛實(shí)同步、數(shù)據(jù)驅(qū)動(dòng)、實(shí)時(shí)修正、虛擬碰撞、截割預(yù)測(cè)、人機(jī)協(xié)同”的煤礦井下設(shè)備遠(yuǎn)程控制技術(shù)體系。結(jié)合數(shù)字孿生和虛擬仿真等技術(shù)，提出面向煤礦井下裝備智能控制的人-信息-物理系統(tǒng)HCPS交互機(jī)制，實(shí)現(xiàn)掘進(jìn)工作面物理空間與掘進(jìn)信息虛擬空間的深度融合與交互。

通過煤礦智能掘進(jìn)系統(tǒng)的數(shù)字孿生系統(tǒng)分析，提出適應(yīng)掘-支-運(yùn)平行作業(yè)的智能掘進(jìn)機(jī)器人數(shù)字孿生系統(tǒng)，確定掘進(jìn)數(shù)字孿生體技術(shù)參考框架基礎(chǔ)上，構(gòu)建面向掘進(jìn)的數(shù)字孿生系統(tǒng)成熟度模型，設(shè)計(jì)智能掘進(jìn)數(shù)字孿生系統(tǒng)應(yīng)用實(shí)例，實(shí)現(xiàn)智能掘進(jìn)機(jī)器人群的掘-支-運(yùn)平行作業(yè)過程協(xié)同控制。圖23為遠(yuǎn)程虛擬操控系統(tǒng)界面，圖24為小保當(dāng)煤礦智能掘進(jìn)機(jī)器人數(shù)字孿生遠(yuǎn)程控制系統(tǒng)。

圖23 懸臂式掘進(jìn)機(jī)遠(yuǎn)程虛擬操控系統(tǒng)人機(jī)界面Fig.23 Man-machine interface of remote virtual control system of Roadheader

圖24 煤礦智能掘進(jìn)機(jī)器人數(shù)字孿生遠(yuǎn)程控制界面Fig.24 DT-based remote control interface of the mining intelligent driving robots

3.7 遠(yuǎn)程網(wǎng)絡(luò)控制系統(tǒng)實(shí)時(shí)性

近幾年工業(yè)通信網(wǎng)絡(luò)在掘進(jìn)工作面得到迅速發(fā)展和應(yīng)用。通過部署礦用5G設(shè)備實(shí)現(xiàn)掘進(jìn)巷道工作區(qū)域5G網(wǎng)絡(luò)穩(wěn)定覆蓋，利用5G網(wǎng)絡(luò)可實(shí)現(xiàn)掘進(jìn)機(jī)運(yùn)行狀態(tài)、機(jī)載傳感器、機(jī)載工業(yè)視頻等數(shù)據(jù)傳輸至掘進(jìn)工作面監(jiān)控中心及地面調(diào)度信息中心，為掘進(jìn)機(jī)遠(yuǎn)程控制解決了數(shù)據(jù)和視頻傳輸方面的瓶頸。

但是許多網(wǎng)絡(luò)協(xié)議導(dǎo)致的網(wǎng)絡(luò)延遲是時(shí)變的，如DeviceNet、無線網(wǎng)絡(luò)和Ethernet，作為遠(yuǎn)程控制系統(tǒng)通信通道時(shí)必須引起高度重視。具有控制功能的遠(yuǎn)程掘進(jìn)系統(tǒng)本質(zhì)上是典型的網(wǎng)絡(luò)控制系統(tǒng)，應(yīng)該考慮不同鏈路的監(jiān)測(cè)數(shù)據(jù)和控制數(shù)據(jù)的差異，特別是為了滿足控制性能要求和系統(tǒng)穩(wěn)定性，需要對(duì)NCS采樣周期進(jìn)行正確的選擇。

考慮時(shí)延的網(wǎng)絡(luò)控制系統(tǒng)典型結(jié)構(gòu)如圖25所示，其中，()為系統(tǒng)輸入；()為考慮網(wǎng)絡(luò)時(shí)延的系統(tǒng)輸出；()為經(jīng)過網(wǎng)絡(luò)的傳感器反饋值；()網(wǎng)絡(luò)控制系統(tǒng)控制器輸出；()為執(zhí)行器輸出；()為被控對(duì)象輸入函數(shù)；為傳感器到控制器的時(shí)延;為控制器到執(zhí)行器的時(shí)延。

圖25 具有時(shí)延的網(wǎng)絡(luò)控制系統(tǒng)簡(jiǎn)化控制結(jié)構(gòu)Fig.25 Diagram of time-delay network control system

網(wǎng)絡(luò)時(shí)延可以通過構(gòu)建合理觀測(cè)器進(jìn)行補(bǔ)償校正，但以傳感器時(shí)間驅(qū)動(dòng)為前提，采樣速率和信息傳遞時(shí)間間隔會(huì)導(dǎo)致系統(tǒng)網(wǎng)絡(luò)資源占用問題，嚴(yán)重時(shí)會(huì)影響系統(tǒng)穩(wěn)定性，必須進(jìn)行優(yōu)化以獲得良好的系統(tǒng)控制性能。圖26為不同控制中采樣周期與性能之間的關(guān)系，其中，，，為系統(tǒng)性能變化的3個(gè)關(guān)鍵點(diǎn)，對(duì)應(yīng)的采樣周期分別為，，。對(duì)采用1個(gè)特定采樣策略的連續(xù)系統(tǒng)，其性能是固定的，但是對(duì)于一般離散控制，若沒有其他不確定因素，其控制性能惟一決定于所采用的采樣頻率。與點(diǎn)對(duì)應(yīng)的采樣間隔由系統(tǒng)的采樣速率和通信帶寬確定。對(duì)于網(wǎng)絡(luò)控制系統(tǒng)，在一定的采樣時(shí)間(點(diǎn)以前)內(nèi)，性能逐漸提高，在和之間，達(dá)到較為理想的性能。由圖26可知，點(diǎn)出現(xiàn)在點(diǎn)右側(cè)，是網(wǎng)絡(luò)時(shí)延導(dǎo)致的。當(dāng)系統(tǒng)采樣間隔變小，網(wǎng)絡(luò)傳輸負(fù)載變大，引起網(wǎng)絡(luò)競(jìng)爭(zhēng)的耗時(shí)增加和數(shù)據(jù)丟失的可能性增大，從而降低網(wǎng)絡(luò)性能，網(wǎng)絡(luò)堵塞導(dǎo)致長(zhǎng)延時(shí)(點(diǎn))。因此，遠(yuǎn)程控制系統(tǒng)設(shè)計(jì)時(shí)要選取合理的采樣周期，使得系統(tǒng)工作在圖26所示理想應(yīng)用區(qū)域(，點(diǎn)之間)?？梢姾侠淼牟蓸勇蕦?duì)系統(tǒng)性能具有重要的作用。

圖26 網(wǎng)絡(luò)控制系統(tǒng)采樣率與性能關(guān)系Fig.26 Correlation between sampling rate and performance of network control system

因此，在設(shè)計(jì)遠(yuǎn)程掘進(jìn)控制系統(tǒng)時(shí)，必須針對(duì)控制器、傳感器和執(zhí)行器的特點(diǎn)研究網(wǎng)絡(luò)時(shí)延對(duì)網(wǎng)絡(luò)控制系統(tǒng)的影響，還要確定合理的采樣速率和信息傳遞的時(shí)間間隔，以保證網(wǎng)絡(luò)控制系統(tǒng)的性能和效率。

具體軟件架構(gòu)設(shè)計(jì)時(shí)可以采取以下措施：① 合理解決本地控制的實(shí)時(shí)性問題，為掘進(jìn)機(jī)成形截割中的視覺伺服，軌跡跟蹤設(shè)置最高優(yōu)先級(jí)，“視覺+”位姿測(cè)量、掘進(jìn)設(shè)備運(yùn)動(dòng)學(xué)解算次之，界面顯示刷新優(yōu)先級(jí)最低，遠(yuǎn)程下發(fā)的截割軌跡指令序列、碰撞預(yù)警等信息設(shè)為不同中斷級(jí)別；② 合理安排設(shè)備協(xié)同時(shí)序，以掘進(jìn)作業(yè)為主線，在一個(gè)斷面循環(huán)中安排鉆、錨、運(yùn)網(wǎng)等工序，不同類型設(shè)備按時(shí)間、空間合理布局，實(shí)現(xiàn)并行作業(yè)，共同完成一個(gè)掘進(jìn)循環(huán)；③ 合理解決本地與遠(yuǎn)程控制任務(wù)分工問題，“DT+VR”遠(yuǎn)程決策、“虛擬設(shè)備”碰撞預(yù)警需要一定的計(jì)算力，安排在地面遠(yuǎn)程控制端，僅將碰撞預(yù)警和決策數(shù)據(jù)下發(fā)執(zhí)行，2者的基礎(chǔ)是來自現(xiàn)場(chǎng)的實(shí)時(shí)數(shù)據(jù)，要考慮上傳數(shù)據(jù)的通信帶寬和速率，可建立孿生體數(shù)據(jù)庫(kù)，保障數(shù)據(jù)可靠性同時(shí)方便數(shù)據(jù)復(fù)用。

總之，掘進(jìn)工作面遠(yuǎn)程控制涉及掘-支-運(yùn)-通等多種設(shè)備，雖然從遠(yuǎn)程控制實(shí)時(shí)性要求角度分析，各環(huán)節(jié)的要求并不高，但是要實(shí)現(xiàn)并行作業(yè)和智能管控，甚至無人作業(yè)，就必須在上層集控層面充分考慮掘進(jìn)生產(chǎn)節(jié)拍、各環(huán)節(jié)執(zhí)行周期等，方能保障可靠銜接，安全協(xié)同。

4 結(jié) 論

(1)“DT+VR”遠(yuǎn)程決策方案已經(jīng)在綜采工作面建設(shè)中得到重視和一定程度應(yīng)用，掘進(jìn)工作面掘-支-運(yùn)并行作業(yè)設(shè)備群協(xié)同難，遠(yuǎn)程控制數(shù)據(jù)繁雜，難以滿足人為干預(yù)決策方面需求等問題，更適合構(gòu)建掘進(jìn)工作面數(shù)字孿生體，將井下人員、設(shè)備、環(huán)境相關(guān)信息呈現(xiàn)到數(shù)字空間，實(shí)現(xiàn)虛實(shí)融合，共智互驅(qū)，達(dá)到數(shù)字掘進(jìn)與物理掘進(jìn)智能協(xié)同的目標(biāo)，破解掘進(jìn)施工中人-機(jī)-環(huán)共生安全難題。

(2)無論“慣導(dǎo)+”“視覺+”位姿測(cè)量，都是目前解決煤礦狹長(zhǎng)巷道長(zhǎng)距離定位的手段，以非接觸式視覺測(cè)量手段，作為視覺里程計(jì)與慣導(dǎo)配合，或者單獨(dú)使用激光點(diǎn)、線特征實(shí)現(xiàn)巷道移動(dòng)設(shè)備定位測(cè)量，通過解決礦用相機(jī)畸變校正、振動(dòng)去模糊等技術(shù)后，具有高性價(jià)比、簡(jiǎn)單實(shí)用的特點(diǎn)，具有良好的應(yīng)用前景。

(3)建立在掘進(jìn)機(jī)定位數(shù)據(jù)基礎(chǔ)上的“人工示教”記憶截割是解決目前底板不穩(wěn)定、掘進(jìn)軌跡規(guī)劃難的有效途徑，基于視覺位姿實(shí)時(shí)測(cè)量的掘進(jìn)機(jī)機(jī)身和截割臂姿態(tài)伺服控制，可以解決懸臂式掘進(jìn)機(jī)巷道斷面成形截割中的軌跡規(guī)劃和跟蹤控制難題。此方法也適合全斷面類掘進(jìn)設(shè)備的智能化。

(4)掘進(jìn)工作面設(shè)備群協(xié)同控制中的各設(shè)備位姿測(cè)量是目前普遍存在的難題，基于激光合作標(biāo)靶的方法能有效獲得設(shè)備間位置和姿態(tài)數(shù)據(jù)，相比單一測(cè)距傳感器具有很大優(yōu)勢(shì)。另外，借助虛擬場(chǎng)景中設(shè)備牛頓力學(xué)碰撞等方法，利用“虛擬設(shè)備”實(shí)現(xiàn)無傳感器的碰撞檢測(cè)與預(yù)警具有重要價(jià)值。

(5)煤礦遠(yuǎn)程控制中的通信網(wǎng)絡(luò)實(shí)時(shí)性是系統(tǒng)控制性能的保證，不同工業(yè)控制網(wǎng)絡(luò)協(xié)議的網(wǎng)絡(luò)時(shí)延具有時(shí)變性，具體在設(shè)計(jì)控制系統(tǒng)時(shí)，有必要考慮控制器、傳感器和執(zhí)行器網(wǎng)絡(luò)時(shí)延對(duì)網(wǎng)絡(luò)控制系統(tǒng)的影響，合理確定采樣速率和信息傳遞的時(shí)間間隔，以保證網(wǎng)絡(luò)控制系統(tǒng)的性能和效率。

煤礦遠(yuǎn)程智能掘進(jìn)是掘進(jìn)技術(shù)及裝備的一次新的革命，在國(guó)家戰(zhàn)略驅(qū)動(dòng)和行業(yè)各方努力下，近幾年已經(jīng)取得了非常大的發(fā)展，但是要實(shí)現(xiàn)智能化少人掘進(jìn)的目標(biāo)還需要產(chǎn)學(xué)研用的通力合作推動(dòng)。數(shù)字孿生驅(qū)動(dòng)下的產(chǎn)業(yè)變革和技術(shù)提升，應(yīng)該是煤炭行業(yè)采掘智能化的有效技術(shù)途徑，以此為牽引，其中的瓶頸問題解決會(huì)目標(biāo)更明確，關(guān)鍵技術(shù)的突破會(huì)更快促進(jìn)掘進(jìn)工作面邁入智能化時(shí)代。

[1] 王國(guó)法,任世華,龐義輝,等. 煤炭工業(yè)“十三五”發(fā)展成效與“雙碳”目標(biāo)實(shí)施路徑[J]. 煤炭科學(xué)技術(shù),2021,49(9):1-8.

WANG Guofa,REN Shihua,PANG Yihui,et al. Development achievements of China’s coal industry during the 13th Five-Year Plan period and implementation path of “dual carbon” target[J]. Coal Science and Technology,2021,49(9):1-8.

[2] 王國(guó)法,杜毅博. 智慧煤礦與智能化開采技術(shù)的發(fā)展方向[J]. 煤炭科學(xué)技術(shù),2019,47(1):1-10.

WANG Guofa,DU Yibo. Development direction of intelligent coal mine and intelligent mining technology[J]. Coal Science and Technology,2019,47(1):1-10．

[3] MINExpo. Komatsu mining busines reports[R]. https://www. komatsu. jp/en/-/media/home/ir/library/annual/en/2021/kmt_kr21e_print. pdf?rev=-1&hash=08BCFE5496B11DFD939563C5934D

7717/ 2021-12-28.

[4] 王國(guó)法,任懷偉,龐義輝,等. 煤礦智能化(初級(jí)階段)技術(shù)體系研究與工程進(jìn)展[J]. 煤炭科學(xué)技術(shù),2020,48(7):1-27.

WANG Guofa,REN Huaiwei,PANG Yihui,et al. Research and engineering progress of intelligent coal mine technical system in early stages[J]. Coal Science and Technology,2020,48(7):1-27.

[5] 王虹,王步康,張小峰,等. 煤礦智能快掘關(guān)鍵技術(shù)與工程實(shí)踐[J]. 煤炭學(xué)報(bào),2021,46(7):2068-2083.

WANG Hong,WANG Bukang,ZHANG Xiaofeng,et al. Key technology and engineering practice of intelligent rapid heading in coal mine[J]. Journal of China Coal Society,2021,46(7):2068-2083.

[6] 楊健健,張強(qiáng),吳淼,等. 巷道智能化掘進(jìn)的自主感知及調(diào)控技術(shù)研究進(jìn)展[J]. 煤炭學(xué)報(bào),2020,45(6):2045-2055.

YANG Jianjian,ZHANG Qiang,WU Miao,et a1．Research progress of autonomous perception and control technology for intelligent heading [J]. Journal of China Coal Society,2020,45(6):2045-2055．

[7] 楊健健,葛世榮,王飛躍,等. 平行掘進(jìn):基于ACP理論的掘-支-錨智能控制理論與關(guān)鍵技術(shù)[J]. 煤炭學(xué)報(bào),2021,46(7):2100-2111.

YANG Jianjian,GE Shirong,WANG Feiyue,et a1. Parallel tunneling:Intelligent control and key technologies for tunneling,supporting and anchoring based on ACP theory[J]. Journal of China Coal Society,2021,46(7):2100-2111.

[8] 馬宏偉,王世斌,毛清華,等. 煤礦巷道智能掘進(jìn)關(guān)鍵共性技術(shù)[J]. 煤炭學(xué)報(bào),2021,46(1):310-320.

MA Hongwei,WANG Shibin,MAO Qinghua,et al. Key common technology of intelligent heading in coal mine roadway[J]. Journal of China Coal Society,2021,46(1):310-320.

[9] 王步康. 煤礦巷道掘進(jìn)技術(shù)與裝備的現(xiàn)狀及趨勢(shì)分析[J]. 煤炭科學(xué)技術(shù),2020,48(11):1-11.

WANG Bukang. Current status and trend analysis of readway driving technology and equipment in coal mine[J]. Coal Science and Technology,2020,48(11):1-11.

[10] 胡興濤,朱濤,蘇繼敏,等. 煤礦巷道智能化掘進(jìn)感知關(guān)鍵技術(shù)[J]. 煤炭學(xué)報(bào),2021,46(7):2123-2135.

HU Xingtao,ZHU Tao,SU Jimin,et al. Key technology of intelligent drivage perception in coal mine roadway[J]. Journal of China Coal Society,2021,46(7):2123-2135.

[11] 張旭輝,張超,王妙云,等. 數(shù)字孿生驅(qū)動(dòng)的懸臂式掘進(jìn)機(jī)虛擬操控技術(shù)[J]. 計(jì)算機(jī)集成制造系統(tǒng),2021,27(6):1617-1628.

ZHANG Xuhui,ZHANG Chao,WANG Miaoyun,et al. Digital twin-driven virtual control technology of cantilever roadheader [J]. Computer Integrated Manufacturing Systems,2021,27(6):1617-1628.

[12] 康紅普,王國(guó)法,王雙明,等. 煤炭行業(yè)高質(zhì)量發(fā)展研究[J]. 中國(guó)工程科學(xué),2021,23(5):130-138.

KANG Hongpu,WANG Guofa,WANG Shuangming,et al. High-quality development of China’s coal industry[J]. China Engineering Science,2021,23(5):130-138.

[13] 王國(guó)法,任懷偉,趙國(guó)瑞,等. 煤礦智能化十大“痛點(diǎn)”解析及對(duì)策[J]. 工礦自動(dòng)化,2021,47(6):1-11.

WANG Guofa,REN Huaiwei,ZHAO Guorui,et al. Analysis and countermeasures of ten “pain points” of intelligent coal mine [J]. Industry and Mine Automation,2021,47(6):1-11.

[14] 袁亮. 煤炭精準(zhǔn)開采科學(xué)構(gòu)想[J]. 煤炭學(xué)報(bào),2017,42(1):1-7.

YUAN Liang. Scientific conception of precision coal mining[J]. Journal of China Coal Society,2017,42(1):1-7.

[15] 王國(guó)法,王虹,任懷偉,等. 智慧煤礦2025情景目標(biāo)和發(fā)展路徑[J]. 煤炭學(xué)報(bào),2018,43(2):295-305.

WANG Guofa,WANG Hong,REN Huaiwei,et al. 2025 scenarios and development path of intelligent coal mine[J]. Journal of China Coal Society,2018,43(2):295-305.

[16] 王虹. 煤礦智能化技術(shù)創(chuàng)新論壇——掘錨一體化智能高效掘進(jìn)研究進(jìn)展與發(fā)展趨勢(shì)[Z/OL]. (2020-06-30)[2022-01-04].

WANG Hong. Coal mine intelligent technology innovation Forum-Research progress and development trend of intelligent and efficient tunneling of anchor digging integration[Z/OL]. (2020-06-30) [2022-01-04].

[17] 朱偉,王虹,李首濱,等. 煤礦采掘裝備核心控制技術(shù)現(xiàn)狀和發(fā)展趨勢(shì)[J]. 煤炭科學(xué)技術(shù),2020,48(12):153-160.

ZHU Wei,WANG Hong,LI Shoubin,et al. Current status and development trend of core control technology for coal mining and tunneling equipment[J]. Coal Science and Technology,2020,48(12):153-160.

[18] 吳淼,李瑞,王鵬江,等. 基于數(shù)字孿生的綜掘巷道并行工藝技術(shù)初步研究[J]. 煤炭學(xué)報(bào),2020,45(S1):506-513.

WU Miao,LI Rui,WANG Pengjiang,et al. Preliminary study on the parallel technology of fully mechanized roadway based on digital twin[J]. Journal of China Coal Society,2020,45(S1):506-513.

[19] 張超,張旭輝,張楷鑫,等. 數(shù)字孿生驅(qū)動(dòng)掘進(jìn)機(jī)遠(yuǎn)程自動(dòng)截割控制技術(shù)[J]. 工礦自動(dòng)化,2020,46(9):15-20,32.

ZHANG Chao,ZHANG Xuhui,ZHANG Kaixin,et al. Digital twin driven remote automatic cutting control technology of roadheader[J]. Industry and Mine Automation,2020,46(9):15-20,32.

[20] 呂佳峻. 基于數(shù)字孿生的TBM虛擬掘進(jìn)系統(tǒng)研究與實(shí)現(xiàn)[D]. 杭州:浙江大學(xué),2021.

Lü Jiajun. Research and implementation of TBM virtual tunneling system based on digital twin[D]. Hangzhou:Zhejiang University,2021.

[21] 李娟莉,沈宏達(dá),謝嘉成,等. 基于數(shù)字孿生的綜采工作面工業(yè)虛擬服務(wù)系統(tǒng)[J]. 計(jì)算機(jī)集成制造系統(tǒng),2021,27(2):445-455.

LI Juanli,SHEN Hongda,XIE Jiacheng,et al. Industrial virtual service system of fully mechanized mining face based on digital twin[J]. Computer Integrated Manufacturing Systems,2021,27(2):445-455.

[22] 馬宏偉,王鵬,張旭輝,等. 煤礦巷道智能掘進(jìn)機(jī)器人系統(tǒng)關(guān)鍵技術(shù)研究[J]. 西安科技大學(xué)學(xué)報(bào),2020,40(5):751-759.

MA Hongwei,WANG Peng,ZHANG Xuhui,et al. Research on key technology of intelligent tunneling robotic system in coalmine[J]. Journal of Xi’an University of Science and Technology,2020,40(5):751-759.

[23] 袁亮,張平松. 煤炭精準(zhǔn)開采透明地質(zhì)條件的重構(gòu)與思考[J]. 煤炭學(xué)報(bào),2020,45(7):2346-2356.

YUAN Liang,ZHANG Pingsong. Framework and thinking of transparent geological conditions for precise mining of coal[J]. Journal of China Coal Society,2020,45(7):2346-2356.

[24] 程建遠(yuǎn),朱夢(mèng)博,王云宏,等. 煤炭智能精準(zhǔn)開采工作面地質(zhì)模型梯級(jí)構(gòu)建及其關(guān)鍵技術(shù)[J]. 煤炭學(xué)報(bào),2019,44(8):2285-2295．

CHENG Jianyuan,ZHU Mengbo,WANG Yunhong,et al．Cascade construction of geological model of longwall panel for intelligent precision coal mining and its key technology [J]. Journal of China Coal Society,2019,44(8):2285-2295．

[25] 程建遠(yuǎn),劉文明,朱夢(mèng)博,等. 智能開采透明工作面地質(zhì)模型梯級(jí)優(yōu)化試驗(yàn)研究[J]. 煤炭科學(xué)技術(shù),2020,48(7):118-126．

CHENG Jianyuan,LIU Wenming,ZHU Mengbo,et al. Experimental study on cascade optimization of geological models in intelligent mining transparency working face[J]. Coal Science and Technology,2020,48(7):118-126.

[26] 毛善君,崔建軍,令狐建設(shè),等. 透明化礦山管控平臺(tái)的設(shè)計(jì)與關(guān)鍵技術(shù)[J]. 煤炭學(xué)報(bào),2018,43(12):3539-3548．

MAO Shanjun,CUI Jianjun,LINGHU Jianshe,et al. System design and key technology of transparent mine management and control platform[J]. Journal of China Coal Society,2018,43(12):3539-3548．

[27] 毛善君. 灰色地理信息系統(tǒng)——?jiǎng)討B(tài)修正地質(zhì)空間數(shù)據(jù)的理論和技術(shù)[J]. 北京大學(xué)學(xué)報(bào)(自然科學(xué)版),2002，38(4):556-562.

MAO Shanjun. Gray geographical information system：The theory and technology of correct geological spatial data dynamically[J]. Acta Scientiarum Naturalium Universitatis Pekinensis,2002,38(4):556-562.

[28] 李旭,吳雪菲,田野,等. 基于數(shù)字煤層的綜采工作面精準(zhǔn)開采系統(tǒng)[J],工礦自動(dòng)化,2021,47(11):16-21.

LI Xu,WU Xuefei,TIAN Ye,et al. Digital coal seam-based precision mining system for fully mechanized working face[J]. Industry and Mine Automation,2021,47(11):16-21.

[29] 張旭輝. 西安科技大學(xué),西安煤礦機(jī)械有限公司. 煤礦虛擬工作面構(gòu)建與綜采設(shè)備操控技術(shù)研究及應(yīng)用[Z]. 中國(guó)煤炭工業(yè)協(xié)會(huì). 2017-12-18

[30] YANG Wenjuan,ZHANG Xuhui,MA Hongwei. Geometrically driven underground camera modeling and calibration with coplanarity constraints for Boom-type roadheader[J]. IEEE Transactions on Industrial Electronics,2021,68(9):8919-8929.

[31] YANG Wenjuan,ZHANG Xuhui,MA Hongwei,et al. Non-central refractive camera calibration using co-planarity constraints for a photogrammetric system with an optical sphere cover[J]. Optics and Lasers in Engineering,2021,139,106487.

[32] YANG Wenjuan,ZHANG Xuhui,MA Hongwei,et al,Laser beams-based localization methods for boom-type roadheader using underground camera non-uniform blur model[J]. IEEE Access,2020,8,190327-190341.

[33] 陶云飛,宗凱,張敏駿,等. 基于iGPS的掘進(jìn)機(jī)單站多點(diǎn)分時(shí)機(jī)身位姿測(cè)量方法[J]. 煤炭學(xué)報(bào),2015,40(11):2611-2616.

TAO Yunfei,ZONG Kai,ZHANG Minjun,et al. A position and orientation measurement method of single-station,multipoint and time-sharing for roadheader body based on iGPS[J]. Journal of China Coal Society,2015,40(11):2611-2616.

[34] 陶云飛,楊健健,李嘉賡,等. 基于慣性導(dǎo)航技術(shù)的掘進(jìn)機(jī)位姿測(cè)量系統(tǒng)研究[J]. 煤炭技術(shù),2017,36(1):235-237.

TAO Yunfei,YANG Jianjian,LI Jiageng,et al. Research on position and orientation measurement system of heading machine based on inertial navigation technology[J]. Coal Technology,2017,36(1):235-237.

[35] 符世琛,李一鳴,楊健健,等. 基于超寬帶技術(shù)的掘進(jìn)機(jī)自主定位定向方法研究[J]. 煤炭學(xué)報(bào),2015,40(11):2603-2610.

FU Shichen,LI Yiming,YANG Jianjian,et al. Research on autonomous positioning and orientation method of roadheader based on ultra wide-band technology[J]. Journal of China Coal Society,2015,40(11):2603-2610.

[36] 吳淼,賈文浩,華偉,等. 基于空間交匯測(cè)量技術(shù)的懸臂式掘進(jìn)機(jī)位姿自主測(cè)量方法[J]. 煤炭學(xué)報(bào),2015,40(11):2596-2602.

WU Miao,JIA Wenhao,HUA Wei,et al. Autonomous measurement of position and attitude of boom-type roadheader based on space intersection measurement [J]. Journal of China Coal Society,2015,40(11):2596-2602.

[37] 雷孟宇,張旭輝,楊文娟,等. 煤礦掘進(jìn)裝備視覺位姿檢測(cè)與控制研究現(xiàn)狀與趨勢(shì)[J/OL]. 煤炭學(xué)報(bào):1-14[2021-12-03]. DOI:10. 13225/j. cnki. jccs. JJ21. 0534.

LEI Mengyu,ZHANG Xuhui,YANG Wenjuan,et al. Current status and trend of research on visual pose detection and control of tunneling equipment in coal mines[J/OL]. Joumal of China Coal Society:1-14[2021-12-03]. DOI:10. 13225/j. cnki. jccs. JJ21. 0534.

[38] 楊文娟,張旭輝,馬宏偉,等. 懸臂式掘進(jìn)機(jī)機(jī)身及截割頭位姿視覺測(cè)量系統(tǒng)研究[J]. 煤炭科學(xué)技術(shù),2019,47(6):50-57.

YANG Wenjuan,ZHANG Xuhui,MA Hongwei,et al. Research on position and posture measurement system of body and cutting head for boom-type roadheader based on machine vision[J]. Coal Science and Technology,2019,47(6):50-57.

[39] 張旭輝,劉博興,張超,等. 掘進(jìn)機(jī)全站儀與捷聯(lián)慣導(dǎo)組合定位方法[J]. 工礦自動(dòng)化,2020,46(9):1-7.

ZHANG Xuhui,LIU Boxing,ZHANG Chao,et al. Roadheader positioning method combining total station and strapdown inertial navigation system[J]. Industry and Mine Automation,2020,46(9):1-7.

[40] 馬宏偉,毛金根,毛清華,等. 基于慣導(dǎo)/全站儀組合的掘進(jìn)機(jī)自主定位定向方法[J/OL]. 煤炭科學(xué)技術(shù):1-7[2021-12-03]. http://kns.cnki.net/kcms/detail/11.2402.TD.20210512.1417.006.html.

MA Hongwei,MAO Jingen,MAO Qinghua,et al. Automatic positioning and orientation method of roadheader based on combination of ins and digital total station[J/OL]. Coal Science and Technology:1-7[2021-12-03].http://kns.cnki.net/kcms/detail/11.2402.TD.20210512.1417.006.html.

[41] 馬宏偉,王鵬,張旭輝,等. 煤礦巷道智能掘進(jìn)機(jī)器人系統(tǒng)關(guān)鍵技術(shù)研究[J]. 西安科技大學(xué)學(xué)報(bào),2020,40(5):751-759.

MA Hongwei,WANG Peng,ZHANG Xuhui,et al. Research on key technology of intelligent tunneling robotic system in coal mine [J]. Journal of Xi’an University of Science and Technology,2020,40(5):751-759.

[42] 張旭輝,張楷鑫,張超,等. 懸臂式掘進(jìn)機(jī)視覺位姿檢測(cè)系統(tǒng)外參標(biāo)定方法[J/OL]. 機(jī)械科學(xué)與技術(shù):1-8 [2021-12-23]. https://doi. org /10. 13433/j. cnki. 1003-8728. 20200534.

ZHANG Xuhui,ZHANG Kaixin,ZHANG Chao,et al. External parameter calibration method of cantilever roadheader visual pose detection system[J]. Mechanical Science and Technology for Aerospace Engineering:1-8 [2021-12-23]. https://doi. org /10. 13433/ j. cnki. 1003-8728，20200534.

[43] 沈陽(yáng),王鵬江,吉曉冬,等. 二維里程輔助的掘進(jìn)機(jī)自主導(dǎo)航方法研究[J/OL]. 儀器儀表學(xué)報(bào):1-19[2021-12-02]. http://kns. cnki. net /kcms/detail/11. 2179. TH. 20210827. 0902. 002. html.

SHEN Yang,WANG Pengjiang,JI Xiaodong,et al. Research on autonomous navigation method of roadheader aided by two-dimensional mileage[J/OL]. Chinese Journal of Scientific Instrument:1-19[2021-12-02]. http://kns. cnki. net/kcms/detail/11. 2179. TH. 20210827. 0902. 002. html.

[44] 張敏駿,蔡岫航,呂馥言,等. 受限巷道空間區(qū)域柵格化掘進(jìn)機(jī)自主糾偏研究[J]. 儀器儀表學(xué)報(bào),2018,39(3):62-70.

ZHANG Minjun,CAI Xiuhang,Lü Fuyan,et al. Research on roadheader auto rectification in limited roadway space based on regional grid [J],Chinese Journal of Scientific Instrument,2018,39(3):62-70.

[45] 吳淼,沈陽(yáng),吉曉冬,等. 懸臂式掘進(jìn)機(jī)行走軌跡及偏差感知方法[J]. 煤炭學(xué)報(bào),2021,46(7):2046-2056.

WU Miao,SHEN Yang,JI Xiaodong,et al. Trajectory and deviation perception method of boom-type roadheader[J]. Journal of China Coal Society,2021,46(7):2046-2056.

[46] 張旭輝,周創(chuàng),張超,等. 基于視覺測(cè)量的快速掘進(jìn)機(jī)器人糾偏控制研究[J]. 工礦自動(dòng)化,2020,46(9):21-26.

ZHANG Xuhui,ZHOU Chuang,ZHANG Chao,et al. Research on deviation correction control of rapid tunneling robot based on vision measurement[J]. Industry and Mine Automation,2020,46(9):21-26.

[47] 張旭輝,趙建勛,楊文娟,等. 懸臂式掘進(jìn)機(jī)視覺導(dǎo)航與定向掘進(jìn)控制技術(shù)[J]. 煤炭學(xué)報(bào),2021,46(7):2186-2196.

ZHANG Xuhui,ZHAO Jianxun,YANG Wenjuan,et al. Vision-based navigation and directional heading control technologies of boom-type roadheader[J]. Journal of China Coal Society,2021,46(7):2186-2196.

[48] 王蘇彧,馬登成,任澤,等. 懸臂式掘進(jìn)機(jī)斷面成型軌跡多目標(biāo)優(yōu)化方法研究[J]. 儀器儀表學(xué)報(bào),2021,41(8):183-192.

WANG Suyu,MA Dengcheng,REN Ze,et al. A multi-objective optimization method for cantilever roadheader section forming trajectory[J]. Chinese Journal of Scientific Instrument,2021,41(8):183-192.

[49] 張敏駿,吉曉冬,李旭,等. 掘進(jìn)機(jī)姿態(tài)調(diào)整模型辨識(shí)方法與精準(zhǔn)控制[J]. 西安交通大學(xué)學(xué)報(bào),2021,55(6):9-17.

ZHANG Minjun,JI Xiaodong,LI Xu,et al. Identification method and precise control of attitude adjustment model of roadheader [J]. Journal of Xi’an Jiaotong University,2021,55(6):9-17.

[50] 王鵬江,楊陽(yáng),王東杰,等. 懸臂式掘進(jìn)機(jī)煤矸智能截割控制系統(tǒng)與方法[J/OL]. 煤炭學(xué)報(bào):1-11 [2021-12-03]. DOI:10. 13225/j. cnki. jccs. JJ21. 0130.

WANG Pengjiang,YANG Yang,WANG Dongjie,et al. Intelligent cutting control system and method of coal and gangue in robotic roadheader[J/OL]. Journal of China Coal Society:1-11[2021-12-03]. DOI:10. 13225/j. cnki. jccs. JJ21. 0130.

[51] 田劼,楊陽(yáng),陳國(guó)強(qiáng),等. 懸臂掘進(jìn)機(jī)巷道自動(dòng)截割成形控制方法的探索[J]. 煤炭工程,2008,40(12):83-85.

TIAN Jie,YANG Yang,CHEN Guoqiang,et al. Discovery on automatic cutting and profile control method for boom-type roadheader [J]. Coal Engineering,2008,40(12):83-85.

[52] 張旭輝,趙建勛,張超. 懸臂式掘進(jìn)機(jī)視覺伺服截割控制系統(tǒng)研究[J/OL]. 煤炭科學(xué)技術(shù):1-8[2022-01-04]. http://kns. cnki. net/kcms/ detail /11. 2402. TD. 20200227. 1657. 034. html.

ZHANG Xuhui,ZHAO Jianxun,ZHANG Chao. Cantilever machine visual servoing cutting control system research [J/OL]. Coal science and technology:1-8 [2022-01-04]. http://kns. cnki. net/kcms/detail/ 11. 2402. TD. 20200227. 1657. 034. html.

[53] 楊文娟,張旭輝,張超,等. 懸臂式掘進(jìn)機(jī)器人巷道成形智能截割控制系統(tǒng)研究[J]. 工礦自動(dòng)化,2019,45(9):40-46.

YANG Wenjuan,ZHANG Xuhui,ZHANG Chao,et al. Research on intelligent cutting control system for roadway forming of boom-type tunneling robot [J]. Industry and Mine Automation,2019,45(9):40-46.

[54] 張超,張旭輝,毛清華,等. 煤礦智能掘進(jìn)機(jī)器人數(shù)字孿生系統(tǒng)研究及應(yīng)用[J]. 西安科技大學(xué)學(xué)報(bào),2020,40(5):813-822.

ZHANG Chao,ZHANG Xuhui,MAO Qinghua,et al. Research and application of digital twin system for intelligent tunneling equipment in coal mine[J]. Journal of Xi’an University of Science and Technology,2020,40(5):813-822.

[55] 王妙云,張旭輝,馬宏偉,等. 遠(yuǎn)程控制綜采設(shè)備碰撞檢測(cè)與預(yù)警方法[J]. 煤炭科學(xué)技術(shù),2021,49(9):110-116.

WANG Miaoyun,ZHANG Xuhui,MA Hongwei,et al. Collision detection and pre-warning method for remotely controlled fully-mechanized mining equipment [J]. Coal Science and Technology,2021,49(9):110-116.

[56] 張旭輝,王妙云,張雨萌,等. 數(shù)據(jù)驅(qū)動(dòng)下的工業(yè)設(shè)備虛擬仿真與遠(yuǎn)程操控技術(shù)研究[J]. 重型機(jī)械,2018(5):14-17.

ZHANG Xuhui,WANG Miaoyun,ZHANG Yumeng,et al. Virtual simulation and remote control technology with data-driven for industrial equipment[J]. Heavy Machinery,2018(5):14-17.

[57] 顧義東,孟瑋. 煤礦5G無線通信系統(tǒng)建設(shè)構(gòu)想[J]. 工礦自動(dòng)化,2021,47(10):1-6,13.

GU Yidong,MENG Wei. Coal mine 5G wireless communication system construction concept[J]. Industry and Mine Automation,2021,47(10):1-6,13.

[58] 王國(guó)法. 建設(shè)“5G+”智能化煤礦,向“質(zhì)”高點(diǎn)邁進(jìn)[N]. 中國(guó)煤炭報(bào),2020-08-06(3).

WANG Guofa. Construction of “5G+” intelligent coal mine,To the high point of “quality”[N]. China Coal Journal,2020-08-06(3).

[59] 張旭輝,王孫安. 基于以太網(wǎng)的工業(yè)系統(tǒng)設(shè)備層實(shí)時(shí)通信系統(tǒng)研究[J]. 重型機(jī)械,2008(5):13-18.

ZHANG Xuhui,WANG Sun’an. Industrial real-time communication

based on ethernet for the equipment level [J]. Heavy Machinery,2008(5):13-18.