陕煤集团神木红柳林矿业有限公司（简称红柳林煤矿） 针对矿井采掘生产衔接紧张难题，借助智能先进的掘锚一体机设备，建设了智能快速掘进系统，并根据实际情况不断优化系统工艺，探索掘锚一体机远程自动截割控制的难题。

通过采集地质探测数据，数据入湖治理，三维地质建模，机器学习等技术，建立掘锚一体机虚拟模型和虚拟场景，并完成虚拟模型动作编程及虚拟模型与虚拟场景耦合，求解掘锚一体机运动学正逆解，实现掘锚一体机与虚拟模型交互，掘锚一体机截割头能稳定跟随规划轨迹，同一时刻虚拟界面显示的掘锚一体机截割头位姿与实际位姿一致，在掘锚一体机虚拟场景中再现设备运行状态，进而实现稳定、可靠、直观的远程监控。

掘锚一体机远程自动截割控制总体方案

红柳林煤矿以MB670-1 型掘锚一体机为研究对象，在前期机身位姿监测研究基础上，构建了基于数据治理、分析、学习驱动掘锚一体机远程自动截割控制方案，包括数据感知、数据治理、数据建模、数据学习、数据驱动、远程自动截割控制等过程。

为实现掘进工作面掘锚机自适应巷道煤层变化的智能掘进，以带有地理坐标的高精度三维动态地质模型为基础，提出了掘锚机推进路径模拟算法，实现对掘锚机未来连续n 循环推进轨迹的模拟。根据高精度三维动态地质模型自适应煤层变化掘进控制基线规划算法，规划底板和顶板截割层位，实现对掘锚机推进方向俯仰角与掘进方向截割的控制。掘进工作面智能截割系统总体运行过程分为6 个步骤，如图1所示。

图1　掘进工作面智能截割系统总体运行过程

（1） 掘进巷道开口位置形成后，测量掘进巷道初始位置坐标及巷道顶、底板高程，记录掘进设备初始位置、倾角及掘锚机掘进方向，输入掘进路径规划系统。若揭露煤层顶、底板分界面较为清晰、完整，可同时测量煤层顶、底板线，用以修正掘进工作面高精度三维动态地质模型。

（2） 规划截割系统基于掘进工作面高精度三维动态地质模型，规划出掘进工作面前方n 循环顶、底板截割路径，并对比相邻两循环规划截割路径，得到对应的截割滚筒预计调整参量。

（3） 规划截割系统接到掘锚机请求后，将第一循环顶、底板规划截割路径分别与掘进巷道初始顶、底板线进行对比，计算每个顶板截割控制点对应的滚筒调整参量，构成第一循环滚筒调整参量数列。

（4） 将顶、底板截割路径对应的滚筒调整参量发至掘锚机截割路径规划模块，控制掘锚机进行自动截割。在割煤过程中，如果发现异常情况，必要时可进行远程人工干预，切换掘锚机控制模式为手动模式，不再执行对应滚筒剩余调整参量。同时记录截割滚筒高度及掘锚机牵引位置（坐标）、倾角和方向。

（5） 根据设备反馈信息，生成掘锚机实际截割路径。判断底板截割路径是否被人工干预，若存在干预，则重新进行截割路径规划；若未被干预，则将实际截割路径返回系统，参与下一循环滚筒调整参量修正计算。

（6） 截割路径规划系统再次接到掘锚机请求后，将第n-1 循环掘锚机实际截割路径与第n 循环规划截割路径对比，修正滚筒调整参量，得到第n 循环顶板截割路径对应滚筒实际调整参量数列，以及底板截割路径对应滚筒实际调整参量数列，重复步骤4~6。受滚筒调整累计误差和掘锚机倾角误差影响，若调整参量超出滚筒调整约束范围，则将第n-1 循环设备反馈信息与实际截割路径作为初始参数，重复步骤2，重新规划截割路径；若顶板路径被人工干预后，调整参量超出滚筒约束范围，同样重新规划截割路径；若掘进工作面高精度三维动态地质模型更新，也要重新规划截割路径。

掘锚一体机自动截割控制感知数据采集

掘锚一体机状态数据和环境数据构成自动截割的数据来源。

（1） 环境数据

采用平行激光指向仪、后置相机组成的机身位姿测量系统，由红外LED标靶、前置相机组成的截割头位姿测量系统，超声波传感器等实时获取掘锚一体机状态数据。采用气体传感器、粉尘传感器等在线获取环境数据。

（2） 感知数据

利用感知数据在本地防爆计算机上搭建可视化辅助截割系统，实现掘进过程的实时在线监测。防爆计算机将感知数据发送至远程控制端，根据数字建模驱动模型实现虚拟装备同步动作。

远程控制端可实现虚拟远程控制和视频监控功能。远程控制可设置手动和自动2种操作模式。

手动模式为通过人机交互方式实现远程截割控制；自动模式为通过规划截割头运动轨迹，利用掘锚一体机逆求解各关节控制量，将控制指令下发至PLC，驱动掘锚一体机运行，并实时修正掘锚一体机工作状态。掘锚机机载组合导航系统如图2所示。

（a）掘锚机组合导航系统设备链路            （b）掘锚机组合导航系统设备布置

图2　掘锚机机载组合导航系统

掘锚一体机三维地质建模

巷道掘进为实时动态过程，建立动态更新的红柳林煤矿智能掘进巷道地质模型。巷道掘进前地质建模主要数据来源于钻探、物探、地质写实，随巷道延伸，控制巷道层位实测数据点增多，融入周围已掘巷道地质信息，实时更新掘进地质模型。红柳林煤矿智能掘进巷道三维地质模型构建的技术路线如图3 所示。

图3　智能掘进巷道三维地质模型构建技术路线

（1） 数据准备

结合掘进工作面所有地质探测工程的成果资料，划分出煤层顶部坐标、底部坐标、断层范围等，并将顶底坐标及构造范围变换到统一的坐标系和零点中。

（2） 地质模型建立

结合采样点坐标及构造范围，导入建模数据，确定模型边界，建立断层网格、煤层层面、线框模型，划分地层网格等步骤建立工作面三维地质静态模型。

（3） 三维地质建模

将矿井已掘巷道最新地质数据导入原先模型数据库中，重复建模步骤生成新模型，再根据克里金插值方法插值出智能掘进要求的均匀网格，建立掘进工作面三维地质动态模型，最后将地质模型导入可视化平台进行展示。

掘锚一体机自动截割控制

红柳林煤矿掘锚一体机自动截割控制主要分为3 个方面。

（1） 掘锚一体机自动截割控制的前提为根据巷道断面类型、掘进工艺和截割头外轮廓等参数规划截割头运动轨迹。以截割轨迹规划为目标，视觉测量实际截割头位姿为基础坐标点，控制截割头实时位置及行走轨迹。

（2） 为得到掘锚一体机各关节运动控制量，求解掘锚一体机运动学逆解，配合由理论轨迹点及视觉测量点构建的反馈控制系统，实现掘锚一体机自动截割过程的动态控制。

（3） 采用视觉测量方法感知掘进机状态信息，建立掘进机虚拟模型及求解掘进机运动学正逆解，实现数字孪生驱动掘进机自动截割，并在远程控制端再现掘进机运动状态，实现远程监测。

红柳林煤矿掘锚一体机自动截割控制实践应用结果表明，掘进机截割头能稳定跟随规划轨迹，且同一时刻虚拟界面显示的掘进机截割头位姿与实际位姿一致。掘锚一体机自动截割远程监控系统界面如图4 所示。

图4　掘锚一体机自动截割远程监控系统界面

掘锚机滚筒在割煤过程中随截割速度、截割深度、煤质岩性等不同，对象模型参数具有非线性特征，采用BP神经网络模型预测截割轨迹的方法训练模型，分为以下4 个步骤。

（1） 数据集预处理

确定BP神经网络模型输入输出变量，归一化预处理输入数据集，并将预处理后的数据集划分成为训练集以及测试集2个部分。

（2） 构造BP预测模型

利用训练集对模型进行迭代训练，每次迭代后判断误差是否满足设定要求，若满足则结束循环，若不满足则再进行下一次迭代，并使迭代计数加一。将迭代次数达到迭代上限，仍不满足误差要求，重置神经网络并重新开始训练。

（3） 模型参数寻优

训练模型使用随机搜索，对超参数进行寻优，选取合适的超参数。

（4） 模型参数预测

利用测试集对训练完成的网络模型进行测试，记录误差。记忆截割轨迹预测采用逐点预测方式，每隔固定距离设置1 个预测节点，同时为截割数据采样点。BP神经网络的输入数据为在采样点多次连续循环截割中获得的掘锚机滚筒高度值，网络输出数据为预测对应节点处的截割滚筒高度值。

结 语

红柳林煤矿智能快速掘进自动截割系统包括智能掘进环境监测，掘锚机截割工况、位姿感知采集，已掘巷道三维扫描，掘锚一体机组合导航等硬件系统，以及云平台底座、数据入湖治理、巷道三维建模、自动截割模型训练、信息联动控制等。实现了掘进工作面多机协同控制和地面分控中心远程自动操控，代表了目前快速掘进系统在机械化、自动化、信息化领域的最高水平，助推了快速掘进技术类型的创新和发展。

策划：赵瑞 编辑：宫在芹