摘要：针对煤矿巷道掘进智能化建设情况,探讨了现阶段分别以连采机、掘锚一体机、全断面掘进系统、掘锚机为核心的四大类智能快速掘进成套装备发展现状,分析了四大类智能快掘装备与地质条件适用性,提出了实现煤矿智能化掘进需要解决的关键技术的问题,探讨了以信息传输与智能分析技术、智能感知技术、精确定位导航技术,自主定型定向截割技术、掘进机远程自主截割控制技术以及多级多工序智能协同控制技术为基础的智能化掘进实现途径;基于复杂地质条件下煤矿巷道掘进亟待解决的关键问题,提出了以掘进作业功能需求、掘进工艺要求为依据的系统化分析、模块化设计、功能优化组合的设计方法;研究了以虚控实、虚实结合的多级数字孪生构架,基于掘进巷道设备、环境、地质构造多维信息再现实现掘进机远程控制;提出了单机智能化、系统协同化、井下智控与地面远程监控相协同的控制方法。开发了新型的无重复碾压柔性超前支护技术、截割部多级伸缩截割技术、智能锚固机组多钻机并行作业等技术,研制了具有掘、支、锚、运、探多工序并行作业的新型快速掘进作业联合机组,提出了掘进机器人、超前支护机器人、锚固机器人、辅助运输机器人组柔性并行作业技术;提出了基于数据驱动的多机多工序协同控制行为规划决策方法。提出构建完整的煤矿井下跨系统全时空信息数字感知体系,构建集井下现场生产状态、掘进巷道空间信息、掘进装备状态、风险信息等多参量、多尺度、全时空特性的数据感知智能化监控平台,实现虚拟系统与实际掘进系统实时通信,通过数据驱动规划分析实现智能化、少人化掘进。

摘要：目前井下掘进设备作业一般采取视距遥控或远程视频监控方式,巷道断面成形质量取决于人工操作经验或视频数据传输质量。针对该问题,结合智能掘进系统实时监控和真实场景再现需求,研究了基于数字孪生的智能掘进工作面三维场景再现技术,完成了数字孪生系统架构设计、传感器数据采集处理、数字孪生模型创建、模型驱动算法开发、显示界面设计。根据神东某矿掘锚一体机工作面的工况条件,开发了一套三维场景再现系统,内嵌数字孪生体、数据监控与驱动仿真模块,集成设备传感器、动作指令等数据,实现对掘进系统的物理设备状态实时监测、数字三维模型同步展示、数据分析管理以及智能掘进工艺仿真。实践证明,该系统能够实时同步精准映射设备状态、巷道空间信息,实现场景真实再现。与视频远程控制的方式相比,改善了操作体验和准确度,有效提升了掘进智能化水平,保障了巷道掘进效率和施工质量。

摘要：针对煤矿智能化快速发展,煤矿掘进面临新的机遇和挑战,笔者对我国煤矿快速掘进20 a的发展进行全面综述,以期理清掘进工艺、关键工序的技术及装备、成套装备的发展脉络及趋势,以便更好地推动掘进智能化的高速健康发展。在掘进工艺方面,双巷掘进开辟了截割、支护在不同巷道同时作业的新途径;掘锚同步工艺,时间-空间多维同步快速掘进工艺打破了先掘后支、及时全部支护的传统,创立了掘锚同步、迎头必要支护与多维空间永久支护动态匹配的分区支护方法。在掘进装备方面,形成了以纵轴、全宽横轴截割滚筒为主,全断面截割滚筒为辅的截割滚筒结构形式,并且在高功率密度减速器及整机设计理念不断突破的基础上,成功研制纵轴截割功率达315 kW、全宽横轴截割功率达560 kW的系列高效截割系统。在锚护装备方面,由传统的单体锚杆钻机发展出锚杆钻机、一键操作流程化钻机、钻机集群等,在有限空间内钻机的数量和作业安全性得到大幅提升,作业流程得到大幅简化,锚孔识别、锚护路径自动规划等智能化技术已进入工业性试验阶段。柔性运输系统的发明解决了掘进面短距离高效转载难题。在成套装备配置上,形成了以连续采煤机、掘锚一体机、掘锚机(掘进机+机载锚杆钻机)、煤矿全断面掘进机为龙头的四大类快速掘进系统,在四大快速掘进系统下,又分别形成了不同的作业线,实现了对不同地质条件巷道快速掘进的全覆盖。掘进工程系统层级上实现了具有成套装备的远程控制、集中控制、视频监测、闭锁联动、人员接近预警等智能化功能。回顾快速掘进的发展历程,提出完善时间-空间多维同步快速掘进理论、以智能掘进搜集透明地质的基础大数据、加强掘进巷道辅助作业工艺及设备研究、加强装备的智能化核心技术研发等智能掘进的发展方向。

摘要：目前TBM智能掘进系统偏向于定制开发,耦合性较强,造成代码冗余高、复用率低、开发设计门槛高等诸多问题。为解决上述问题,设计了TBM关键参数智能掘进系统技术框架,采用低无代码模式降低开发门槛,通过模块化开发实现了系统较低的耦合度。在此基础上,以算法模型与系统软件分属不同服务的方式,集成来自不同算法开发人员的模型,实现了系统软件与算法模型的快速集成,用于TBM智能掘进过程中关键参数的预测及控制。实践表明,该系统在吉林引松项目TBM施工中应用效果良好,对提升TBM掘进效率具有重要意义。

摘要：虽然智能掘进技术已取得了一些进步,提出了护盾式、掘锚式等掘-支-锚多装备的样机设计,但从设备适用性及装备配套性角度,仍存在个体装备设计不严谨、样机改型成本高、装备控制不精准、巷道场景多样不适应、群体设备难一致协同等诸多问题。造成上述问题的首要原因是缺少煤矿特殊生产环境下群体设备联动协同控制的基础理论研究,主要表现为对智能掘进所需的设备模型、场景实验、数据驱动等基础理论缺少研究。针对掘进复杂系统难以建模与实验不足等问题,提出了平行掘进系统的研究思想,试图用一种适合复杂系统的计算理论与方法解决智能化掘进现存问题,主要利用大型计算模型、预测并诱发引导复杂系统现象,通过整合人工社会、计算实验和平行系统等方法,形成新的计算研究体系。以智能掘进复杂系统为研究对象,重点考虑掘-支-锚系统的整体控制理论与方法,结合智能化掘进相关研究基础和方法,融入当前国内外复杂系统研究的最新科研进展,基于平行控制基础理论及ACP(Artificial,Computing,Parallel)方法框架,运用代理控制理念及自适应动态规划多智能体研究方法,开展智能掘进复杂系统的掘-支-锚平行控制基础理论与方法研究。针对巷道复杂环境下的群体设备离散控制现状,运用整体系统论的方法,完成掘进系统的掘进、支护、钻锚群体设备代理模型的构建,根据多场景下复杂系统的计算实验克服掘进巷道环境复杂、恶劣的工程验证难题,最终实现智能掘进平行控制方法的理论创新与方法验证。

摘要：冲击地压矿井易发生巷道及设备变形、人员伤亡等事故,严重影响矿山企业安全、效率和效益,智能化掘进为煤矿安全高效生产提供了可行路径。本文以义煤集团耿村煤矿为研究对象,首先探讨了智能化掘进工作面建设关键技术,并在13120工作面设计了一套能化综掘装备方案,研发了掘进机自主定位导航、自动仿形截割、井下掘进数据信息自动检测与预警、掘进工作面主要设备一键启停、顶板压力动态监测、掘进机智能远程集控。最后,分析了耿村煤矿13120工作面智能化掘进在安全效益、减人提效和推动作用等方面的积极作用,同时也提出下一步冲击地压矿井智能化掘进工作面建设方向和建议。

摘要：国内各大院所和科研机构都在对工程地质和支护设计优化等方面进行不断的研究,随着煤巷时效连续控顶理论与高效长锚固技术等相关技术的推广应用,掘进效率和支护强度都得到了提高,装备保障的提升迫在眉睫。研发煤矿一般及复杂地质条件下的安全智能快速掘进系统,是解决煤矿普遍存在的采掘失调问题,建立科学稳定平衡的生产秩序,促进煤矿转型升级,达到绿色科学开采的关键。

摘要：为了推进深部复杂条件巷道安全高效智能掘进,总结分析了TBM装备煤矿应用情况,结合陕西高家堡煤矿西区辅运大巷工程地质特征,从TBM掘进机型、掘进性能参数、地质条件适应性等三个方面,提出煤矿TBM掘进适应性条件,明确采用敞开式TBM的科学原理,并基于应用实践提出了掘进系统主参数适应性设计和工程运输系统适应性技术。研究表明:复杂地质条件选用敞开式TBM更为灵活,更有利于巷道卡机等灾害防控,而系统适应性设计则应主要考虑刀盘、护盾部件的防灾减灾能力,满足矿井对设备应用的特殊需求,如刀盘系统采用大直径滚刀,以提高硬岩巷道刀具寿命,提高扩挖间隙以满足扩挖需求。

摘要：掘进机位姿准确快速测量是煤矿巷道智能掘进的前提和基础。目前悬臂式掘进机位姿测量存在非绝对位姿测量、测量精度低、布置复杂或仅能测量少数位姿参数等问题,无法满足智能掘进需要。针对上述问题,在基于激光靶向跟踪的悬臂式掘进机位姿测量方法的基础上,设计了一种基于激光靶向跟踪的悬臂式掘进机位姿测量系统。该系统由激光跟踪装置和激光标靶组成,激光跟踪装置安装在巷道后方,发射激光到安装在悬臂式掘进机机身上的激光标靶上并跟踪激光标靶移动,通过求解激光跟踪装置、激光标靶、掘进机和巷道等坐标系间的转换矩阵即可测得掘进方向位置、偏距、高度、偏向角、俯仰角和翻滚角6个绝对位姿参数,实现了悬臂式掘进机在巷道大地坐标系中绝对位姿的全参数实时测量。分析了该系统的误差影响因素,仿真得到了其误差分布规律:随着掘进距离增加,掘进机姿态测量误差在一定范围内变化,偏距和高度测量误差呈线性增加趋势;在5~80 m测量范围内,掘进机偏向角、俯仰角和翻滚角测量误差分别小于1.4,1,0.03°,掘进方向位置测量误差小于5 mm,偏距和高度测量误差均小于20 mm。利用履带式机器人底盘搭建了位姿测量实验系统,开展了其在模拟巷道中的位姿测量实验,结果表明,掘进方向位置、偏距和高度测量误差均小于5 mm,偏向角测量误差小于1°,俯仰角测量误差小于0.6°,翻滚角测量误差可忽略不计,与仿真结果一致,证明了该系统的可靠性。

摘要：对国内外盾构施工中机器学习方法的应用研究现状进行文献调研,针对盾构掘进参数、地层类别与不良地质、地表沉降、姿态偏差和刀具磨损等5个主题,分析梳理机器学习方法及模型输入输出参数的选择情况,归纳总结现有研究的不足和问题,并从模型泛化能力、盾构施工多源异构数据降维压缩与协同融合、基于数据-物理双驱动的盾构智能掘进控制、盾构隧道施工大数据等方面对未来的研究给出了展望,以期为基于机器学习和数据驱动的盾构施工智能化研究和实践提供指导。