煤礦懸臂式掘進機智能控制技術研究及進展

張旭輝，劉永偉，毛清華，楊文娟

(西安科技大學，機械工程學院，陜西 西安 710054)

0 前言

煤炭仍是我國未來一段時間的主體能源。國際能源署(IEA)和中國工程院預測，2030年中國煤炭需求占全球煤炭消費比重仍在50%左右。截止到2014年，我國煤礦井下綜采率為89.96%，而綜掘率僅為48.12%，隨著井下綜采工作面裝備的自動化、智能化水平提升，掘進效率低下導致的采掘失衡已經成為現代化大型礦井面臨的難題[1]。針對這一難題，國內外研究機構和學者，在智能綜掘、掘錨一體、全斷面掘進等裝備的研發方面成績顯著，裝備可靠性、智能化水平得到了快速發展。

目前，鉆爆破巖掘進、懸臂式掘進機、連續采煤機、掘錨聯合機組以及全斷面掘進機五個方向的巷道掘進技術仍然會持續發展，各有所長。鉆爆破巖掘進適于全硬巖巷道掘進，在很長一段時間內仍是硬巖掘進的主要方式；全斷面掘進機將逐步取代鉆爆破巖掘進，特別是在地質條件變化小的巷道掘進中可有效提高效率；懸臂式掘進機主要用于硬度較低的全巖巷道和半煤巖巷道，近年來得到大力發展，是目前主要的煤礦井下巷道掘進方式；連續采煤及和掘錨聯合機組掘進效率較高，在一些條件適宜的煤巷掘進中得到應用較多。

本文對懸臂式掘進機智能控制關鍵技術進行分析和總結，在分析現有掘進機不足的基礎上，以智能掘進為目標，將工業機器人控制理念和技術引入懸臂式掘進機，詳細闡述懸臂式掘進機數學建模、精確定位、智能控制、遠程控制，以及掘進機狀態監測與故障診斷等方面技術，實現懸臂式掘進機的定位、定向和斷面成形的自動控制，對提升掘進智能化水平具有重要意義。

1 懸臂式掘進機智能控制需求分析

懸臂式掘進機集切割、裝載、運輸、行走功能于一身，要實現剝離煤巖、裝載運出、機器本身的行走調動以及噴霧除塵等功能，具有投資少、施工準備時間短和再利用性高等特點，可以連續開挖、無爆破震動、能更自由地決定支護巖石的適當時機，有效減少超挖。

懸臂式掘進機高效服務煤礦井下巷道成形智能掘進，需具備以下要求：

(1)巷道斷面成形 懸臂式掘進機僅能截割巷道部分斷面，要用于任何斷面形狀的隧道，需多次上下左右連續移動截割頭來完成工作。

(2)位姿精確測量 具有多種傳感器，可以確定掘進機自身位置和姿態，保證定向掘進精度，滿足掘進施工要求。

(3)掘進自動控制 建立懸臂式掘進機控制數學模型，實現掘進機運動學、動力學方程的正解和逆解，分別獲得截割頭的位姿和掘進的控制量，完成掘進施工自動控制。

(4)控制方式靈活 考慮掘進作業的實際工況，具有本地控制、遠程遙控等多種控制方式，為少人或無人掘進奠定基礎。

(5)可靠性高 具備掘進機關鍵部件的狀態監測，可以實現故障診斷與預測維護，提升設備可靠性，保證掘進機開機率。

近年來，國內煤礦巷道掘進裝備及技術發展迅速，懸臂式掘進機裝機功率不斷提升，施工效率也有了較大提高，但巷道掘進仍然存在一些不足：掘進面是盲巷作業，易造成粉塵集聚，依靠操作人員坐在或站在操控臺上手動控制，視線受限影響操作人員對現場的準確判斷，易造成超挖欠挖且存在潛在人員安全隱患；自動化、智能化程度低，在截割斷面成形控制、掘進機位姿調整等方面依靠操作人員的經驗進行，斷面形狀難以符合施工要求；控制截割臂擺動時，以激光指向為觀測基準，靠經驗實現擺動臂的運動控制，易造成截割負載過大，影響掘進機的使用壽命。

2 煤礦懸臂式掘進機智能控制關鍵技術

2.1 掘進機自主定位技術

掘進機自主定位技術是指掘進機機身的定位和定向，檢測掘進機在巷道中的位置和姿態。目前掘進機自主定位技術的主要研究方法有：

(1)基于機器視覺的掘進機定位技術。基于機器視覺技術的掘進機機身定位技術是在掘進機機身上安裝特殊的標識物，利用在巷道后方固定的攝像機拍攝含有標識物的圖片，通過圖像預處理、特征點提取、利用視覺測量原理計算出掘進機坐標系與攝像機坐標系之間的平移量和旋轉角。中國煤炭科工集團太原研究院[2]通過搭建地面試驗系統得到位置測量誤差在3.5 mm內，航向角度的誤差在0.5°內，俯仰角和橫滾角的測量誤差在0.1°。文獻[3]在機身上安裝十字激光標靶，通過固定巷道中的攝像機拍攝機身，求解5個變量。

上述兩種方法都是基于可見光，井下掘進工作面粉塵大、光環境復雜，基于可見光的視覺測量其圖像處理復雜；由于攝像機是固定在巷道中，不測量攝像機與掘進機之間的距離，還不能完全實現掘進機的自主定位。

(2)基于激光測距的掘進機定位技術。基于激光測距的掘進機位姿檢測方法中是將激光發射器或者激光接收器固定安裝在巷道中，通過測量發射器與接收器之間的距離，實現掘進機的定位。由于激光的漫發射，激光測距傳感器在高粉塵環境中測量精度會有所下降。中國礦業大學的吳淼課題組[4]利用激光測距傳感器和傾角傳感器設計了掘進機位姿檢測系統，借助掘進機機身上安裝的激光接收器接收扇形激光發射器的激光信號，計算掘進機相對于激光發射器的位置，利用傾角傳感器檢測掘進機的橫滾角和俯仰角，借助安裝在機身上的激光測距儀檢測機身與截割斷面間的距離。陶云飛[5]提出了基于iGPS的掘進機位姿檢測技術，在掘進機機身上安裝多個不共面的接收器，利用單站多點分時的方法計算多點相對于發射器的坐標，從而計算掘進機機身相對于激光發射器的坐標與旋轉角度。吳淼課題組[6]還提出了基于空間交匯測量技術的掘進機位姿檢測方法，在掘進機后方的巷道中安裝共面的多激光接收器，通過旋轉激光發射器，記錄激光發射器的旋轉角度以及發射器相對應激光發射器之間的距離，通過坐標系轉換關系計算出掘進機的位姿。測光測距方法只能實現直巷道中掘進機位姿測量，且在直巷道中距離不能太長，無法實現掘進機的完全自主定位。

(3)基于全站儀的掘進機定位技術。基于全站儀的掘進機定位技術[7]是通過測量儀器到目標點的直線距離以及水平角和垂直角，以全站儀建立坐標系，求解目標點的坐標，以得到掘進機在巷道中的絕對位姿。全站儀的測量方式有兩種：棱鏡定位系統和激光標靶導向系統，前者在掘進機機身上安裝不共線的三個發射棱鏡，利用全站儀測量三個反射棱鏡全站儀測量發射棱鏡的坐標以及內置傾角傳感器的數據；后者在掘進機機身上安裝激光接收標靶，通過激光測量全站儀與標靶之間的距離；同時全站儀內安裝的傾角傳感器測得此時的俯仰角和橫滾角，通過測量三個不共線的激光標靶計算出掘進機機身位姿。全站儀雖然測量精度高，但需要單站多點測量，適合測量靜態目標，不適合實時測量掘進機的位姿，另外井下盲巷中環境復雜，會影響全站儀的測量精度。

(4)基于超寬帶的掘進機定位技術。該技術是利用三個以上相對距離已知的基站對同一目標進行距離測量，通過三角定理計算目標點的位置。崔柳[8]對于基于UWB的掘進機姿態測量方法進行研究，通過Matlab仿真和實驗研究證明了該方法的可行性。符世琛[9-10]提出了具有高跟隨性的定位基站自主標定策略，實現了掘進機完全自主定位。該方法中基站的布局會影響姿態橫滾角和俯仰角的測量精度，需多組基站或者使用其他傳感器校正結果。

(5)基于慣性導航技術的掘進機定位技術。慣性導航技術[11]是通過陀螺儀和加速度傳感計測量掘進機的三軸角速度和三軸加速度信息，通過積分運算得到掘進機的姿態與位置信息，是一種不依賴外部信息的自主導航技術。慣性導航系統的無源特性特別符合在井下的使用要求，目前慣性導航系統在煤礦井下救援機器人[12]、綜采工作面直線度測量與控制[13]等的研究與應用正得到國內外的廣泛關注。目前國內研究機構引進澳大利亞聯邦科學與工業研究組織(CSIRO)的LASC系統用于煤礦井下綜采工作面設備位姿和直線度測量，但在綜掘工作面尚無應用報道。

慣性導航系統測量的位置和角度誤差會隨著時間的累積逐漸增大，與其他傳感器融合使用和實時校正就變得尤為關鍵。目前天津大學的黃東[14]利用單目視覺測量與慣導融合對掘進機的實時位姿測量進行了研究。童敏明[15]研究了基于超聲波與慣導融合的掘進機定位系統，利用超聲波測量的距離數據對慣導數據進行校正。張春草[16]針對傾角傳感器在掘進時強振動環境下失效問題，研究了傾角傳感器與慣導融合的掘進機定位技術，掘進機的姿態檢測誤差不超過0.06°。

2.2 掘進機智能控制技術

掘進機的智能控制有掘進機行走部的智能路徑跟蹤和掘進機截割臂自動斷面成形截割兩部分。目前關于行走部的智能路徑跟蹤研究較少，凌睿[17]建立了行走部的動力學模型，提出了一種基于有限狀態機切換的高階滑模控制方法，并設計了控制系統。

掘進機截割頭在空間中的行走軌跡決定了截割斷面的形狀，因此截割軌跡規劃和軌跡跟蹤是掘進機自動成形截割控制的關鍵。王蘇彧[18，19]把截割過程分為掃底、自動截割、護幫三個步驟，對每個步驟分別進行軌跡規劃；同時針對不同工況下，類S路徑截割效率降低的情況，提出了人工示范，截割系統學習記憶的方法。為實現掘進機截割頭軌跡的精確控制，科研人員研究了很多的掘進機截割頭控制算法。凌睿[17]建立了掘進機截割臂的動力學模型，使用二階滑模控制算法設計了截割臂的控制系統。 張介夫[20]使用具有反饋的電液比例閥對截割部進行控制，提出基于電液比例控制的PID恒功率自動調速控制系統。張付凱[21]為了實現斷面的精確成形，使用了自適應迭代學習控制算法實現對截割軌跡的跟蹤。田劼[22]對控制系統中的每個組成環節建立了傳遞函數，建立掘進機自動截割控制系統的傳遞函數模型，對傳遞函數進行了動態特性分析。王蘇彧[23]研究了掘進機自動成形截割控制誤差的來源，提出了控制邊界誤差的方法。

2.3 掘進機遠程監控技術

掘進工作面的作業環境惡劣，為消除安全隱患，實現工作面的無人化作業，需要對掘進機進行遠程監控。掘進機的遠程監控是實時監視掘進機的工況信息，自動或手動的根據工況信息控制掘進機實現巷道掘進。王蘇彧[24]等設計的遠程監控系統實現對掘進機的工況數據監視并可以手柄控制掘進機，同時實現了對掘進面的視頻監視。由于所有的信息是平面顯示，對于巷道掘進和掘進機不熟練的操作人員是無法快速通過數據和視頻畫面判斷井下情況，因此在遠程端只能由經驗豐富的人員操作。

西安科技大學張旭輝[25]為解決遠程監控中設備位姿數據或視頻信息難以直觀決策的難題，提出借助虛擬現實(Virtual Reality，VR)構建掘進工作面虛擬場景模型，研發了掘進機虛擬操控系統，以掘進機位姿傳感器數據動態修正虛擬場景和虛擬樣機位姿，操作人員遠程依據實時修正的場景實現遠程掘進作業，提出的"數據驅動、虛實同步、遠程干預、人機協作"控制策略為實現煤礦巷道掘進作業高效高質量提供了很好的思路。

2.4 掘進機狀態監視與故障診斷技術

近年來掘進機智能化的不斷發展，掘進機的故障診斷技術也得到了長足的進步[26]。從最初的針對掘進機的液壓、電氣、機械等單獨部件的采用信息閾值作為判斷故障的條件，近年來發展為針對掘進機不同的問題越來越多的故障診斷方法被使用，如聲發射法[27]、基于數據挖掘技術的決策樹診斷法[28]、主成分分析法[29]、專家系統診斷法[30]、神經網絡法[31]以及故障樹診斷法[32]等。針對整個系統的故障診斷推理，尹同舟[33]提出基于PSO-BP、故障樹、故障Petri網等復合網絡拓撲結構的掘進機故障診斷技術，討論了多種網絡拓撲結構的掘進機故障診斷理論模型，豐富了掘進機故障診斷的理論方法。

3 煤礦智能掘進系統發展趨勢

懸臂式掘進機的信息化、自動化和智能化是其發展方向，國內外在精確定位、巷道成形截割、智能截割、遠程控制等方面做了大量研究，極大地推進了煤礦巷道掘進效率和成形質量，表現在：

(1)煤礦井下精確定位技術。基于視覺的導航技術雖然可以高精度地測量掘進機機身位姿，但基于可見光的視覺測量不適合井下高粉塵、昏暗的環境；井下環境會對基于激光的導航技術的測量精度受到影響，同時難以完全實現掘進機自主定位；慣性導航技術是無源導航技術，環境適應能力強，但時間累積誤差大。采用多傳感器融合技術是解決目前井下生產裝備精確定位的趨勢。將慣導與激光測距儀、里程計等傳感器信息進行融合，實現懸臂式掘進機在井下巷道中的定位問題是目前研究的熱點，但是需要解決截割振動影響下的傳感器穩定性問題，摜導平臺減震和魯棒性好的算法研究勢在必行。

(2)煤礦掘進裝備機器人技術。懸臂式掘進機是一個基于液壓驅動的移動機械臂系統，是非線性、多輸入、多輸出系統。數學模型無法準確表達系統，普通的控制算法無法實現掘進機截割臂的精準軌跡跟蹤。隨著綜掘工作面自動化水平提高，很多學者提出基于精確定位和遠程操控實現掘進機作業過程，將工業機器人控制理念用于煤礦井下巷道掘進，提高掘進質量和效率，在位姿精確測量的前提下實現綜掘工作面的少人甚至無人作業。懸臂式掘進機機器人技術包括控制系統建模、運動學正/逆解、多傳感器數據融合處理，可視化掘進過程人機交互，以及智能控制算法(如模糊控制、滑模變結構控制、自適應神經網絡控制等)等技術。

(3)掘進機遠程監控技術。綜掘工作面生產過程存在開采效率低，粉塵嚴重造成工人操作看不清、勞動強度大等問題，國內學者對虛擬工作面模型構建、煤礦設備遠程操控、多傳感器數據三維表達、3DVR數字模型碰撞檢測，以及多信息智能操控決策等技術進行深入研究，采用虛擬現實技術構建數字綜掘工作面，實現“虛實同步、數據驅動、遠程干預、人機協作”的掘進機控制策略，達到了設備遠程監控的目標。

(4)掘進機狀態檢測與故障診斷技術。高采高效掘進作業對設備的可靠性提出了更高要求，對掘進機工況進行全面監測，獲得掘進機液壓、電氣、機械方面的狀態數據，通過信號處理、特征提取和模式識別，實現故障的預警預報是發展趨勢。針對掘進機工況復雜、故障源多、機械傳動鏈長等特點，利用溫度、壓力、流量、液位、供電、位姿等數據，進行多傳感器數據融合處理，研究多種狀態監測技術及參數數據融合，實現掘進機部件或者整機安全評估。同時，對掘進機關鍵機械部位進行在線振動測試，對超過振動限值或振動明顯變化進行診斷處理，利用頻譜分析等技術實現故障判定和準確定位，并依據監測數據進行故障趨勢分析，為故障預警和預測維護提供支撐。

4 結論

國內外在掘進機定向掘進、自動截割成形控制、智能控制和遠程操控等方面取得了很大進展，有效提高了煤礦綜采作業的質量和效率。但是由于煤礦環境所限，一些地面精確定位技術難以在井下巷道使用，導致懸臂式掘進機作業過程中的定位、定向和定形掘進還有很多急需解決的難題，相信隨著組合捷聯摜導、虛擬現實、控制魯棒性設計等方面技術的進一步研究，上述問題必將得到解決。

參考文獻:

[1] 王焱金,張建廣,馬昭. 綜掘裝備技術研究現狀及發展趨勢[J]. 煤炭科學技術,2015,11: 87-90+21.

[2] 田原. 基于機器視覺的掘進機空間位姿檢測技術研究[J]. 礦山機械, 2013, 41(2):27-30.

[3] 杜雨馨, 劉停, 童敏明, 等. 基于機器視覺的懸臂式掘進機機身位姿檢測系統[J]. 煤炭學報, 2016, 41(11): 2897-2906.

[4] 吳淼,劉建功,魏景生,等.掘進機機身位姿參數測量系統及其方法:中國,200910091050.4[P].2011-02-02.

[5] 賈文浩, 陶云飛, 張敏駿, 等. 基于 iGPS 的煤巷狹長空間中掘進機絕對定位精度研究[J]. 儀器儀表學報, 2016, 37(8): 1920-1926.

[6] 吳淼, 賈文浩, 華偉, 等. 基于空間交匯測量技術的懸臂式掘進機位姿自主測量方法[J]. 煤炭學報, 2015 (11): 2596-2602.

[7] 楊文平, 胡鵬, 樊綱. 掘進機自動定向技術探究[J]. 煤礦機械, 2016, 37(8): 46-48.

[8] 崔柳，徐會軍，劉治翔，等．基于超寬帶定位的掘進機姿態監測仿真與實驗研究[J]．煤炭學報，2017,42(S1) : 267-274.

[9] 符世琛, 李一鳴, 楊健健, 等. 基于超寬帶技術的掘進機自主定位定向方法研究[J]. 煤炭學報, 2015, 40(11): 2603-2610.

[10] 符世琛, 李一鳴, 宗凱, 等. 面向掘進機的超寬帶位姿檢測系統精度分析[J]. 儀器儀表學報, 2017, 38(8): 1978-1987.

[11] 董進武. 慣性導航技術淺析[J]. 儀表技術, 2017 (1): 41-43.

[12] 溫良, 葉錦嬌, 張立亞. 煤礦救災機器人超聲波和慣性導航技術[J]. 煤礦安全, 2017, 48(6): 127-130.

[13] 南源桐.基于捷聯慣導的綜采工作面直線度測量技術研究[D].西安科技大學，2016.

[14] 黃東, 楊凌輝, 羅文, 等. 基于視覺/慣導的掘進機實時位姿測量方法研究[J]. 激光技術, 2017 (2017 年 01): 19-23.

[15] 童敏明, 杜雨馨, 李高軍, 等. 多傳感器的掘進機定位系統研究[J]. 煤礦機械, 2013, 34(6): 146-148.

[16] 張春草, 張劍波, 朱國力. 基于多傳感器融合的 TBM 姿態角測量方法[J]. 華中科技大學學報: 自然科學版, 2015, 43(12): 48-51.

[17] 凌睿. 懸臂式掘進機器人高階滑模控制研究[D]. 重慶: 重慶大學, 2009.

[18] 王蘇彧, 田劼, 吳淼. 縱軸式掘進機截割軌跡規劃及邊界控制方法研究[J]. 煤炭科學技術, 2016, 44(4): 89-94,118.

[19] 王蘇彧. 懸臂式掘進機記憶截割及自動截割控制方法研究[D]. 北京: 中國礦業大學 (北京), 2014.

[20] 張介夫. 縱軸掘進機自動截割成形和恒功率截割控制技術研究[D]. 哈爾濱工業大學, 2013.

[21] 張付凱, 王福忠, 高慶華. 掘進機截割臂運動軌跡的迭代學習控制[J]. 電子測量與儀器學報, 2014, 28(12): 1355-1362.

[22] 田劼, 王紅堯, 吳淼. 掘進自動截割成形控制系統動態特性分析[J]. 工礦自動化, 2015, 41(6): 40-44.

[23] 王蘇彧, 田劼, 吳淼. 縱軸式掘進機自動截割斷面邊界控制誤差分析[J]. 工礦自動化, 2016,42(5): 14-18.

[24] 王蘇彧, 杜毅博, 薛光輝, 等. 掘進機遠程控制技術及監測系統研究與應用[J]. 中國煤炭, 2013 (4): 63-67.

[25] 張旭輝，馬宏偉，王天龍，等. 一種掘進機遠程控制系統及方法[P]. 中國：CN103867205A, 2014-06-18.

[26] 黃華. 故障診斷系統在煤礦機械中的應用[J]. 安全, 2013, 34(5): 10-12.

[27] 蘆螢螢. 基于聲發射法掘進機故障診斷研究[J]. 煤礦機械, 2012, 33(8): 268-270.

[28] 張天瑞, 于天彪, 趙海峰, 等. 數據挖掘技術在全斷面掘進機故障診斷中的應用[J]. 東北大學學報: 自然科學版, 2015, 36(4): 527-531.

[29] 楊潔, 侯寶革, 付曉, 等. 基于主成分分析的掘進機故障診斷方法[J]. 煤礦機械, 2014, 35(8): 276-278.

[30] 邵晉敏．EBZ160TY 型掘進機故障診斷專家系統的研究[J]．煤礦機械，2013，34( 6) : 265-267．

[31] 張洪瑾. 基于模糊神經網絡的掘進機液壓系統故障診斷研究[D]. 南京理工大學, 2013.

[32] 楊福云. 懸臂式掘進機液壓系統可靠性分析[D]. 太原: 太原理工大學, 2014.

[33] 尹同舟. 基于復合網絡拓撲結構的懸臂式掘進機故障診斷方法[D]. 中國礦業大學, 2017.