煤矿掘进机的机器人化研究现状与发展

基于煤矿巷道掘进智能化、无人化的发展要求,综述了悬臂式掘进机综掘技术、连续采煤机掘进技术和掘锚一体化掘进技术3条掘进作业线的国内外发展现状,依据国家煤炭安全监察局发布的《煤矿机器人重点研发目录》中对煤矿掘进机器人的规划,从感知、决策、执行3个层面分析了煤矿掘进机的机器人化应具备的特征,感知层通过多类传感器对煤矿井下巷道环境信息进行采集感知,决策层分析和求解作业任务,并融合感知层传输的环境信息,制定规划出最适合的控制策略,执行层接收决策层的指令,对机器人化掘进群组的位姿和运动进行控制。系统阐述了机器人化掘进群组关键技术:掘进机器人的自主定位、煤岩识别与自动截割、远程监控与故障检测等技术;临时支护机器人的自动支护技术;钻锚机器人的平行钻锚技术;辅助装载输送机器人的同步运输技术等。对比分析国际先进机器人化掘进装备和群组,结合我国煤矿巷道掘进技术与装备的现状,提出了煤矿掘进机的机器人化技术与装备发展思路和研究方向:冲击致裂-快速掘进新技术;远程前探-精准惯导新技术;协同掘支-自适护顶新装备;钻锚一体-智能锚固新装备,实现钻探-掘进-支护-锚固-运输协同作业的机器人化掘进群组快速掘进技术,最终达到煤矿巷道掘进作业少人化、无人化的目标。

巷道智能化掘进的自主感知及调控技术研究进展

针对当前煤矿巷道综掘工作面的智能化程度较低,掘进效率低下的问题,分析了煤矿综掘工作面实现智能化快速掘进的关键技术--自主感知和调控技术。首先,探讨了智能化快掘创新方法与理论,以智能感知技术、自主控制技术、群组协同技术为核心,构建智能化快速掘进技术体系,以实现煤矿综合掘进机器人化装备的探-掘-护-锚一体化协同作业。其次,重点阐述了智能化掘进的自主感知技术,包括基于超宽带原理的位姿感知、基于双频激电法的超前探测、基于SLAM原理的环境感知、基于变迁记忆故障Petri网的故障感知等;自主调控技术,包括基于群体智能算法的智能截割、基于遗传变异粒子群算法的路径规划、基于BP神经网络PID算法的自主纠偏等。再次,详细论述了智能临时支护感知,包括围岩压力、顶底板状况、支架位姿等多维信息的感知,研究了非水平场景下掘支协同与多机组多缸联动的自适应控制方法;介绍了智能永久支护感知,包括围岩位移感知和支护装备受力变形感知,探讨了锚护网络结构优化方法,提出了基于粒子群优化算法的自适应钻进控制策略。最后,展望了煤矿巷道智能化掘进的自主感知及调控技术的发展方向。

井工巷道环境建模与掘进障碍检测方法研究

针对煤矿井下狭长密闭巷道内掘进机难定位、难定向的问题,进行了基于激光雷达的井下巷道环境建模与掘进障碍检测方法研究,用于判断巷道边缘形状,预测掘进机行进方向。建立了井下掘进机运动学模型与激光雷达观测模型,解算掘进机在井巷内部的掘进距离、位置等相关掘进参数,将狭长密闭的巷道环境建模问题转换为数理上的概率统计与数学模型预测问题。同时,对激光SLAM环境建模算法进行分析,将可行性巷道环境建模算法进行优化改进,进一步提高巷道环境建模线条特征提取的精确度。试验结果表明:基于激光雷达的井下巷道环境建模与掘进障碍检测方法,可以有效解决掘进机在井下掘进过程无地图指导的问题,当距离阈值参数为0.05,角度阈值参数为0.06时,HectorSLAM算法可以精确提取片帮巷道边缘形状,对巷道中的障碍做出识别,为预测掘进机行进方向和判断巷道形状提供保障。

面向煤矸识别的近红外反射光谱数据预处理方法

利用近红外反射光谱进行煤矸识别时,光谱采集装置距工作面的探测距离变化及粉尘干扰会对近红外反射光谱产生影响。为选取最佳的煤矸近红外反射光谱预处理方法,收集了外观相近的无烟煤和矸石样本,在实验室搭建了由近红外光谱仪、准直镜、卤素灯等组成的光谱采集装置,采集了不同探测距离(1.2,1.5,1.8 m)和粉尘浓度(200,500,800 mg/m^(3))下的煤矸近红外反射光谱。通过对煤矸近红外反射光谱特征分析,发现探测距离和粉尘浓度变化对煤矸近红外反射光谱曲线波形和吸收谷位置无明显影响,即不会改变光谱特征吸收波长点,但对煤矸近红外反射光谱的反射率产生明显影响,即光谱反射率随着探测距离和粉尘浓度的增大而减小,会造成煤矸近红外反射光谱漂移。为增强煤矸近红外反射光谱吸收特征,利用微分、标准正态变量变换和多项式平滑3种方法对光谱数据进行预处理,并将经过预处理的煤矸近红外反射光谱数据输入至粒子群优化BP神经网络模型进行煤矸识别。实验结果表明,微分预处理方法对探测距离和粉尘浓度变化下采集的煤矸近红外反射光谱数据的优化效果最佳,能有效消除探测距离和粉尘浓度变化对光谱反射率的影响。