基于地质信息感知的掘进机切割轨迹规划与控制（适用于“爆掘型”掘进机）

《AUTOMATION IN CONSTRUCTION》：Planning and control of boom-type roadheader cutting trajectory based on geological information perception

本文提出一种集成多源地质感知、轨迹优化与多参数协同控制的智能掘进系统，通过远场地震反射检测宏观地质结构，结合近场改进U-Net识别微观裂缝，构建透明地质模型，实现复杂地质条件下的高效、安全掘进。

　　

郑东|张旭辉|杨文娟|王燕|雷梦宇|万继成

西安科技大学机械工程学院，中国西安710054

摘要

臂式掘进机的控制主要依赖于人工经验，未能整合道路的实时地质信息。在复杂的深部地质条件下，这一问题更加突出，导致切割过程中的盲目性高、效率低以及设备磨损严重。本文提出了一种智能切割系统，该系统集成了多源地质感知、轨迹规划和控制功能。该系统通过远场地震反射检测宏观结构，并利用近场改进的U-Net视觉技术识别微裂缝，将两者融合以构建一个透明的地质模型。基于该模型，采用改进的蚁群算法优化轨迹，并采用多参数协同PID控制来调整切割参数，从而能够准确适应复杂的地质环境。实验表明，与恒参数控制相比，该系统在隧道掘进效率、能耗控制以及轨迹跟踪精度方面取得了显著提升，为深部资源的安全高效开采提供了支持。

引言

随着煤炭开采活动不断向深部地下环境扩展，巷道掘进越来越面临复杂的地质条件。断层、坍塌柱和含水层等异常结构频繁出现，对掘进效率和作业安全构成了重大挑战[1]。传统的掘进方法仍然严重依赖人工经验和离线地质勘探[2]，难以实现实时感知和动态适应工作面前方的地质条件。因此，开发一种集成地质感知、决策和自动控制的智能掘进系统已成为安全高效开发深部资源的关键要求[3]。

如图1所示，臂式掘进机是巷道掘进的核心设备，其切割轨迹规划和控制策略直接决定了掘进性能和设备使用寿命。尽管传感和机电一体化技术的进步提高了掘进机的自动化水平，但现有的控制策略仍主要依赖于预设程序或操作员经验，缺乏适应工作面前方地质条件的能力[4]。面对异质性和多结构的深部岩层时，这种固定的切割模式容易导致切割头过载、工具磨损加剧甚至设备故障[5]。因此，将实时地质信息整合到掘进机的决策和控制循环中对于实现安全、高效和可持续的掘进至关重要[6]。

准确的地质感知是智能切割的前提。目前掘进过程中使用的先进检测技术主要包括地震波、电阻率和电磁方法等地球物理方法。其中，地震反射方法因其广泛的检测范围和相对较高的分辨率而被广泛用于识别掘进面前方的隐蔽结构[7]。然而，大多数现有研究主要集中在远场宏观结构的检测上，对近场围岩中微裂缝的发育关注较少[7]。实际上，巷道段中裂缝的分布和几何特性对岩体稳定性和切割性能起着关键作用，但使用传统的地球物理技术难以准确捕捉这些信息。近年来，基于机器视觉的围岩表面识别技术成为提取近场地质信息的有前景的方法[8]。

为了解决这些限制，本研究提出了一种针对臂式掘进机的智能切割框架，该框架结合了远场地震反射检测和近场机器视觉识别技术，构建了掘进面的透明地质模型。基于这种多尺度地质表示，开发了改进的蚁群算法进行自适应切割轨迹规划，并设计了多参数协同控制策略以根据地质条件动态调整切割参数。该系统旨在建立从地质感知到智能决策和控制的闭环工作流程，从而能够准确适应复杂的深部地质环境。

本研究的主要贡献如下：

(1) 开发了一种集成了远场地震反射检测和近场视觉裂缝识别的综合地质感知系统，实现了从宏观结构到微裂缝的多尺度感知。

(2) 提出了一种基于改进的U-Net的围岩裂缝识别方法，该方法结合了注意力机制，显著提高了复杂地下环境中的分割精度和鲁棒性。

(3) 建立了一个由透明地质模型驱动的切割轨迹规划和多参数协同控制框架，为臂式掘进机的智能和自适应操作提供了系统解决方案。

相关研究

相关工作

本研究提出的方法涉及两个主要方面：地质信息感知和臂式掘进机的智能控制。本节回顾了这两个领域的相关研究进展。

方法

本节详细阐述了所提出的智能切割系统的核心方法，按照从地质感知到自适应控制的逻辑流程进行介绍。首先介绍了整体集成框架，然后详细描述了多尺度地质感知模块、地质驱动的轨迹规划算法和多参数协同控制策略。

实验

本节从三个层次评估了所提出的地质驱动智能切割系统：地质感知精度、轨迹规划效果和多参数协同控制性能。通过实验室规模实验和现场测试，在不同地质条件下验证了该闭环框架的鲁棒性和工程适用性。

结论

本文提出了一种针对臂式掘进机的综合智能切割框架，该框架通过透明地质模型将多尺度地质感知、地质驱动的轨迹规划和多参数协同控制相结合。通过弥合地质认知与设备执行之间的长期差距，该框架为复杂地质条件下的自适应和智能巷道掘进提供了系统解决方案。

(1)

作者贡献声明

郑东：撰写 – 审稿与编辑，撰写 – 原始草案，方法论设计。张旭辉：监督，资源调配，项目管理，资金获取，概念构思。杨文娟：监督，资金获取。王燕：验证，软件开发。雷梦宇：形式分析，数据整理。万继成：可视化处理，验证，调查。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文所述的工作。

致谢

本研究得到了国家自然科学基金（项目编号：52474181、52204176和52504173）以及陕西省关键核心技术研究与发展项目（项目编号：2024CY2-GJHX-35）的支持。作者感谢审稿人对改进手稿提出的有益意见和建议。