鉆孔機(jī)器人鉆進(jìn)工況智能感知與自適應(yīng)控制機(jī)理研究

王清峰，陳 航，陳玉濤

(1.瓦斯災(zāi)害監(jiān)控與應(yīng)急技術(shù)國家重點實驗室，重慶 400037； 2.中煤科工集團(tuán)重慶研究院有限公司，重慶 400039)

瓦斯抽采孔鉆進(jìn)是煤礦瓦斯治理的重要環(huán)節(jié)，也是一個復(fù)雜的生產(chǎn)過程[1]。在鉆孔施工過程中，鉆進(jìn)控制參數(shù)處于受多個隨機(jī)變量影響的時變系統(tǒng)中，參數(shù)的實時監(jiān)測和調(diào)整十分困難。雖然煤礦鉆機(jī)已逐步配備了壓力表、傳感器、顯示屏等用于顯示主要參數(shù)，但是施工人員往往只能觀察到幾個主要的壓力參數(shù)，無法全面收集所有工況參數(shù)與控制參數(shù)，更難以及時對各種數(shù)據(jù)進(jìn)行篩選、計算與決策，最終導(dǎo)致參數(shù)調(diào)整操作不準(zhǔn)確或者滯后。此外，由于經(jīng)驗、能力等方面的差異，不同的施工人員即使面對同樣的數(shù)據(jù)，也可能做出不同甚至是截然相反的判斷。這種完全依靠人員經(jīng)驗和現(xiàn)場觀察的鉆進(jìn)操作模式已經(jīng)嚴(yán)重制約了煤礦鉆探技術(shù)的發(fā)展。

近年來，隨著煤礦自動化鉆機(jī)的出現(xiàn)[2-4]，鉆進(jìn)控制參數(shù)自動調(diào)節(jié)技術(shù)也應(yīng)運(yùn)而生。王清峰等[5]通過傳感器采集鉆機(jī)的旋轉(zhuǎn)壓力、推進(jìn)壓力、推進(jìn)速度等關(guān)鍵參數(shù)，開發(fā)了基于液壓系統(tǒng)聯(lián)動的控制參數(shù)自動調(diào)節(jié)技術(shù)；翁寅生等[6]使用編碼器、流量傳感器等構(gòu)建了鉆機(jī)主要參數(shù)監(jiān)測系統(tǒng)，對輸出轉(zhuǎn)速、推進(jìn)速度、實時位移、排渣風(fēng)量等進(jìn)行實時監(jiān)測，以便人員及時調(diào)整參數(shù)；馬斌等[7]研究了分布式傳感器設(shè)置方法，對比傳感器檢測數(shù)據(jù)與給定閾值，根據(jù)對比結(jié)果實施相關(guān)機(jī)構(gòu)的調(diào)整。綜合分析可知，已有技術(shù)雖然通過傳感器對鉆機(jī)主要參數(shù)進(jìn)行監(jiān)控，但是控制參數(shù)的調(diào)整仍是人工操作，或者與根據(jù)經(jīng)驗設(shè)定的簡單閾值比較后再調(diào)整，均未能脫離或弱化對于人工經(jīng)驗的依賴。

為提高瓦斯抽采孔鉆進(jìn)過程中控制參數(shù)調(diào)節(jié)的智能化程度，筆者以建立邊界條件的數(shù)學(xué)模型為主要手段，揭示鉆孔機(jī)器人鉆進(jìn)工況智能感知與自適應(yīng)控制機(jī)理，并結(jié)合差分進(jìn)化算法開發(fā)鉆進(jìn)參數(shù)自適應(yīng)調(diào)節(jié)技術(shù)，最終實現(xiàn)鉆進(jìn)參數(shù)自適應(yīng)調(diào)節(jié)。

1 邊界條件及鉆進(jìn)狀態(tài)分類

1.1 邊界條件分析

分析了大量現(xiàn)場施工案例[8-9]，綜合考慮施工效率、現(xiàn)場安全及設(shè)備狀態(tài)等，擬將最高鉆進(jìn)效率作為鉆進(jìn)自適應(yīng)控制的目標(biāo)，以卡鉆概率、排渣順暢性和錨固穩(wěn)定性為邊界條件，建立智能感知與自適應(yīng)控制機(jī)理的數(shù)學(xué)模型，即在同時滿足卡鉆概率較低、排渣順暢、錨固穩(wěn)定3個條件下，機(jī)器人可以以最大速度鉆進(jìn)。

1.2 鉆進(jìn)狀態(tài)分類

通過3個邊界條件感知鉆進(jìn)工況，首先需要根據(jù)邊界條件對工況進(jìn)行分類。

1)額定鉆進(jìn)狀態(tài)：至少一個邊界條件恰好達(dá)到臨界值，此時鉆孔機(jī)器人的鉆進(jìn)效率較高、卡鉆概率低、排渣順暢、機(jī)身錨固穩(wěn)定，應(yīng)保持當(dāng)前鉆進(jìn)速度。

2)保守鉆進(jìn)狀態(tài)：3個邊界條件均未達(dá)到臨界值，此時鉆進(jìn)效率較低?？赏ㄟ^提高鉆進(jìn)速度使鉆孔機(jī)器人達(dá)到額定鉆進(jìn)狀態(tài)。

3)過激鉆進(jìn)狀態(tài)：至少一個邊界條件已經(jīng)超過臨界值，存在發(fā)生較大鉆孔事故的可能性。應(yīng)立即降低鉆進(jìn)速度，使鉆孔機(jī)器人達(dá)到額定鉆進(jìn)狀態(tài)。

2 智能感知與自適應(yīng)控制機(jī)理數(shù)學(xué)建模

通過建立鉆孔機(jī)器人3個邊界條件的數(shù)學(xué)模型，構(gòu)建智能感知與自適應(yīng)控制機(jī)理數(shù)學(xué)模型體系，對比邊界條件的實時求解值與臨界值，實現(xiàn)對當(dāng)前鉆進(jìn)狀態(tài)種類的感知，從而為鉆進(jìn)參數(shù)自適應(yīng)控制提供依據(jù)。

2.1 卡鉆概率數(shù)學(xué)模型

鉆進(jìn)系統(tǒng)為非線性時變系統(tǒng)，卡鉆風(fēng)險時刻存在卻又難以量化，因此提出用卡鉆系數(shù)kx對卡鉆概率進(jìn)行量化描述。

通過對大量現(xiàn)場鉆進(jìn)數(shù)據(jù)進(jìn)行分析后發(fā)現(xiàn)，旋轉(zhuǎn)壓力、推進(jìn)壓力、推進(jìn)速度、旋轉(zhuǎn)壓力變化率及推進(jìn)壓力變化率等5個因素對卡鉆概率的影響程度各不相同，且單個因素的影響程度在不同的地質(zhì)條件中也非定值。因此采用加權(quán)平均的方法建立卡鉆系數(shù)數(shù)學(xué)模型：

(1)

2.2 排渣順暢性數(shù)學(xué)模型

在鉆進(jìn)過程中，卡鉆、垮孔等鉆孔事故會引起孔內(nèi)介質(zhì)壓力增大[10-11]。排渣順暢時，孔內(nèi)排渣介質(zhì)壓力應(yīng)為鉆孔深度和傾角的函數(shù)，即：

pC=f(d,θ)

(2)

式中：pC為排渣順暢介質(zhì)壓力；d為鉆孔深度；θ為鉆孔傾角。

排渣順暢時的介質(zhì)壓差為介質(zhì)源輸出壓力減去孔內(nèi)介質(zhì)壓力，即：

Δp0=p0-pC=p0-f(d,θ)

(3)

式中：Δp0為排渣順暢時的壓差；p0為介質(zhì)源輸出壓力。

排渣順暢性的數(shù)學(xué)模型為：

(4)

式中：SC為排渣順暢系數(shù)；Δp為實時壓差；pr為實測介質(zhì)壓力，且pr>pC；SC1為最小排渣系數(shù)，其值為可實現(xiàn)排渣的最小的SC值。

2.3 錨固穩(wěn)定性數(shù)學(xué)模型

鉆孔機(jī)器人錨固狀態(tài)受力如圖1所示。圖1中，慣性力Fa1和Fa2的方向隨機(jī)身振動方向而改變，可能與圖示方向相反，以圖示方向為正值，反向時取負(fù)值。摩擦力f1和f2實際分別作用在上下各2支錨固油缸上，為便于說明，圖示集中于1支油缸上。

1—下錨固油缸；2—鉆孔機(jī)器人機(jī)身；3—上錨固油缸；θ—鉆孔傾角；N1—上錨固正壓力；N2—下錨固正壓力； f1—上錨固油缸與巷道頂面間的摩擦力；f2—下錨固油缸與巷道底面間的摩擦力；Ft—推進(jìn)反作用力；Fa1—豎直方向慣性力；Fa2—水平方向慣性力。

分析圖1可知，鉆進(jìn)過程中錨固穩(wěn)定的條件為總摩擦力不小于推進(jìn)反作用力的水平分量與振動水平慣性力之和。當(dāng)機(jī)身向下振動達(dá)到振幅時，振動加速度豎直分量a1向上且達(dá)到最大值，則：

f1+f2≥Ftcosθ+Fa2

f1=μ1(2pNSN-Fa1-Ftsinθ)

f2=μ2(2pNSN+Fa1+Ftsinθ)

Fa1=ma1

Fa2=ma2

Ft=ptSt

式中：μ1為上錨固與巷道頂面間的靜摩擦系數(shù)；μ2為下錨固與巷道底面間的靜摩擦系數(shù)；pN為錨固油缸工作壓力；SN為錨固油缸活塞面積；m為鉆孔機(jī)器人質(zhì)量；a1為振動加速度豎直分量；a2為振動加速度水平分量；pt為推進(jìn)油缸工作壓力。

聯(lián)立以上6式求得：

(5)

當(dāng)機(jī)身向上振動達(dá)到振幅時，振動加速度豎直分量a1向下且達(dá)到最大值，同理可求得：

(6)

鉆孔機(jī)器人錨固穩(wěn)定性的數(shù)學(xué)模型為：

pt≤min(ptd,ptu)

(7)

(8)

(9)

式中ptd、ptu分別為機(jī)身向下、向上振動達(dá)到振幅時推進(jìn)油缸工作壓力的最大值。

3 基于差分進(jìn)化算法的自適應(yīng)控制技術(shù)

3.1 鉆進(jìn)參數(shù)自適應(yīng)優(yōu)化原理

根據(jù)鉆進(jìn)工況智能感知與自適應(yīng)控制機(jī)理的數(shù)學(xué)模型，設(shè)計鉆進(jìn)參數(shù)自適應(yīng)優(yōu)化原理，如圖2所示。

圖2 鉆進(jìn)參數(shù)自適應(yīng)優(yōu)化原理框圖

首先，鉆孔機(jī)器人將鉆進(jìn)系統(tǒng)實時反饋的參數(shù)與鉆進(jìn)參數(shù)適配庫進(jìn)行相似性對比分析，識別當(dāng)前鉆進(jìn)巖層的巖性，并根據(jù)分析與識別結(jié)果匹配適配庫中已有的最接近的初始控制向量；然后，根據(jù)鉆進(jìn)工況智能感知與自適應(yīng)控制機(jī)理的數(shù)學(xué)模型，采用差分進(jìn)化算法[12-16]進(jìn)行控制向量優(yōu)化，直到有邊界條件達(dá)到臨界值；再采用鉆孔機(jī)器人控制系統(tǒng)輸出優(yōu)化后的控制向量控制鉆進(jìn)系統(tǒng)施工。

3.2 控制向量迭代優(yōu)化算法

鉆孔機(jī)器人通過鉆進(jìn)參數(shù)對比和圖像識別等手段實現(xiàn)當(dāng)前鉆進(jìn)巖層的巖性識別[17-19]和可鉆性分級[20-21]，并結(jié)合大量鉆進(jìn)試驗數(shù)據(jù)和歷史鉆進(jìn)數(shù)據(jù)建立多種巖性的鉆進(jìn)參數(shù)適配庫。該適配庫中，鉆孔機(jī)器人對應(yīng)每種巖性可能有多個控制向量滿足要求，其控制向量空間為：

(10)

式中：Cin為第i種巖性對應(yīng)的第n個控制向量；Si1n為孔深；pi1n為第n個控制向量的旋轉(zhuǎn)壓力；pi2n為第n個控制向量的推進(jìn)壓力；pi3n為第n個控制向量的排渣介質(zhì)壓力；vi1n為第n個控制向量的推進(jìn)速度；vi2n為第n個控制向量的旋轉(zhuǎn)速度；Qi1n為第n個控制向量的排渣介質(zhì)流量；Yi為對不同巖性的賦值。

假設(shè)第j個控制向量為初始控制向量，即：

(11)

式中Cij的右上標(biāo)代表迭代次數(shù)。

將式(11)代入式(12)進(jìn)行控制向量的迭代優(yōu)化，直到鉆孔機(jī)器人滿足最高效率要求，且至少有一個邊界條件恰好達(dá)到臨界值：

(12)

4 地面鉆進(jìn)試驗

為測試自適應(yīng)控制技術(shù)的實用性與響應(yīng)時間，將其編程導(dǎo)入ZYWL-4000R型鉆孔機(jī)器人進(jìn)行地面鉆進(jìn)試驗，如圖3所示。選用3塊不同種類的巖石模擬鉆進(jìn)過程中的巖性變化，從左到右依次為砂巖、花崗巖和泥巖。

圖3 地面鉆進(jìn)試驗

設(shè)置鉆孔機(jī)器人鉆進(jìn)方式為恒壓鉆進(jìn)，穩(wěn)定旋轉(zhuǎn)壓力為11.0 MPa，穩(wěn)定推進(jìn)壓力為8.5 MPa。試驗鉆孔10個，分別記錄穩(wěn)定鉆進(jìn)和穿層突變的旋轉(zhuǎn)壓力、推進(jìn)壓力及推進(jìn)速度。試驗數(shù)據(jù)如表1 所示。

表1 地面鉆進(jìn)試驗數(shù)據(jù)

穿層時壓力參數(shù)由突變值回歸到穩(wěn)定值的響應(yīng)時間如表2所示。

表2 壓力參數(shù)回歸響應(yīng)時間

分析表1、表2中試驗數(shù)據(jù)可知，鉆孔機(jī)器人最初在砂巖中鉆進(jìn)時，旋轉(zhuǎn)壓力和推進(jìn)壓力基本穩(wěn)定在設(shè)定的穩(wěn)定壓力值附近，略有波動；與該穩(wěn)定壓力值匹配的自動推進(jìn)速度在12.5～12.7 mm/s內(nèi)輕微波動。從砂巖變化到花崗巖時，由于巖石硬度突然增大，鉆進(jìn)受阻，旋轉(zhuǎn)壓力突變到15.2～16.8 MPa，推進(jìn)壓力突變到9.4～10.2 MPa，壓力值與波動均明顯增大；經(jīng)過2.4～3.0 s的控制向量自適應(yīng)優(yōu)化，旋轉(zhuǎn)壓力下降并穩(wěn)定在11.0～11.5 MPa，推進(jìn)壓力下降并穩(wěn)定在8.0～8.4 MPa，推進(jìn)速度也自動降低到5.0～5.2 mm/s。從花崗巖變化到泥巖時，由于巖石硬度突然減小，鉆進(jìn)阻力明顯減小，旋轉(zhuǎn)壓力突變到6.9～7.5 MPa，推進(jìn)壓力突變到4.2～4.8 MPa，壓力值明顯減小，但波動再次增大；經(jīng)過2.6～3.0 s的控制向量自適應(yīng)優(yōu)化，旋轉(zhuǎn)壓力增大并穩(wěn)定在11.0～11.5 MPa，推進(jìn)壓力下降并穩(wěn)定在8.0～8.4 MPa，推進(jìn)速度也自動增大到19.4～19.7 mm/s。

對照鉆進(jìn)狀態(tài)分類可知，在由砂巖到花崗巖的變化過程中，自適應(yīng)控制技術(shù)實現(xiàn)了鉆孔機(jī)器人由過激鉆進(jìn)狀態(tài)向額定鉆進(jìn)狀態(tài)的自適應(yīng)調(diào)節(jié)；而在由花崗巖到泥巖的變化過程中，則實現(xiàn)了鉆孔機(jī)器人由保守鉆進(jìn)狀態(tài)向額定鉆進(jìn)狀態(tài)的自適應(yīng)調(diào)節(jié)。

5 結(jié)論

1)以最高鉆進(jìn)效率作為自適應(yīng)控制目標(biāo)，根據(jù)煤礦鉆孔施工經(jīng)驗，選擇了卡鉆概率、排渣順暢性和錨固穩(wěn)定性作為建立鉆孔機(jī)器人鉆進(jìn)工況智能感知與自適應(yīng)控制機(jī)理的邊界條件，并根據(jù)邊界條件將鉆進(jìn)狀態(tài)分為額定、保守和過激3類。

2)通過分析旋轉(zhuǎn)壓力、推進(jìn)壓力及壓力變化率等參數(shù)對卡鉆概率的影響，采用加權(quán)平均法建立了卡鉆系數(shù)數(shù)學(xué)模型；通過分析順暢排渣介質(zhì)壓差和實測壓差的關(guān)系，建立了排渣順暢性數(shù)學(xué)模型；通過分析鉆孔機(jī)器人在錨固力、推進(jìn)反作用力、錨固摩擦力及慣性力的共同作用下的受力情況，建立了錨固穩(wěn)定性的數(shù)學(xué)模型。

3)綜合邊界條件的數(shù)學(xué)模型，構(gòu)建了鉆孔機(jī)器人鉆進(jìn)工況智能感知與自適應(yīng)控制機(jī)理數(shù)學(xué)模型體系，通過對比邊界條件的實時求解值與臨界值，實現(xiàn)了對當(dāng)前鉆進(jìn)狀態(tài)種類的感知，為鉆進(jìn)參數(shù)自適應(yīng)控制提供依據(jù)。

4)根據(jù)鉆進(jìn)工況智能感知與自適應(yīng)控制機(jī)理，開發(fā)了基于差分進(jìn)化算法的自適應(yīng)控制技術(shù)，對鉆孔機(jī)器人控制向量進(jìn)行自動優(yōu)化。地面鉆進(jìn)試驗表明，智能感知與自適應(yīng)控制技術(shù)能控制鉆孔機(jī)器人在鉆進(jìn)巖層突變時較快地實現(xiàn)對控制參數(shù)的自動調(diào)節(jié)，使鉆孔機(jī)器人始終保持高效、穩(wěn)定的鉆進(jìn)狀態(tài)。