煤矿井下无人化综采机组的智能感知与协同控制基础研究

In view of the key challenges of the horizon controlling, autonomous navigation and self-adaption supporting roof of the unmanned working face in a coal mine, the project proposes a new real-time identification method of coal rock interface, a method of a shearer’s self-positioning and a sensing method of hydraulic support and surrounding rock coupling state. Through revealing the recognition mechanism of coal and rock with hyperspectral image, the measurement principle of bio-directional distance with UWB (Ultra-Wideband), the coupling mechanism of hydraulic support and surrounding rock, we can obtain the online coal-rock interface recognition method, the underground local positioning method, the self-adaption controlling method of hydraulic supports. The technical system and prototype of recognition coal and rock, determination position and attitude of mining equipment, controlling hydraulic support will be built. The outcomes of the project will provide a critical foundation to achieve intelligent and cooperation controlling of underground mechanized mining equipments.

针对煤矿井下无人化综采机组自动调高、自主巡航与围岩自适应支护的关键难题，本项目提炼出综采工作面煤岩界面实时识别新方法、井下采煤机自主定位方法、液压支架与围岩耦合状态自主感知方法三个关键科学问题进行研究，通过揭示高光谱识别煤岩机理、超宽带UWB双向测距原理、液压支架与围岩耦合作用机制，获得煤岩界面在线识别方法、综采机组局部精准定位方法、液压支架自适应支护控制方法，构建煤岩高光谱实时识别、综采机组定位定姿、液压支架支护控制的技术体系和原理样机，为实现井下综采智能化机组的智能感知与协同控制奠定关键基础。

实现智能化无人开采是国际煤炭开采领域共同追求的前沿技术，也是解决我国煤矿安全、高效、绿色开采问题的技术跨越。煤岩界面实时识别、采煤机自主定位方法、液压支架与围岩耦合状态自主感知是制约智能化综采工作面的技术瓶颈，本项目针对该技术瓶颈，通过对典型煤岩样品进行光谱测量，建立了75种煤岩试样的可见-近红外波段反射光谱曲线及其物质成分的数据库，开发了基于显著差异性光谱的四种煤岩识别算法，揭示了碳质成分对煤系岩石光谱特征的影响规律。以此研制了高光谱煤岩识别装置，识别准确率不低于90%，可实现煤岩实时识别。通过深入分析UWB信号在粗糙岩壁上的反射散射模型及路径损耗规律，获得了信号的有效传播距离，以此研发了井下UWB定位基站，构建了井下局域定位系统，提出了基于变分贝叶斯无迹卡尔曼滤波的非视距测距信息平滑处理方法、随工作面推进的迁移循环定位策略，建立了IMU误差模型，构建了基于误差状态的IMU与UWB的紧融合定位模型，实现了误差在线补偿，为采煤机的端头校准提供基准。通过分析液压支架的承载力学模型及支架刚-液平面运动模型与耦合模型，获得了支架合力作用点精确求解方程和感知方法，提出了支架支护控制方法、基于变论域模糊控制的支架-围岩自适应控制策略，研发了支架状态无线感知网络和自适应控制装置，可实现支架群组－围岩系统的稳定支护。

内容获取失败，请点击重试