盾构岩机作用载荷(盾构推力、刀盘转矩)对于装备设计、现场施工等尤为重要,但现有理论或统计模型参数多、计算繁杂,为提升盾构数字化设计、数字孪生水平,高效精准地进行载荷赋值仍需探索。针对已有机器学习算法重视各地层比例与力学参数...盾构岩机作用载荷(盾构推力、刀盘转矩)对于装备设计、现场施工等尤为重要,但现有理论或统计模型参数多、计算繁杂,为提升盾构数字化设计、数字孪生水平,高效精准地进行载荷赋值仍需探索。针对已有机器学习算法重视各地层比例与力学参数等,却忽视地层空间位置关系的现状,融合图像、数据序列进行多特征信息表征,提出一种基于卷积神经网络(CNN)、双向长短期记忆(BiLSTM)与注意力机制(Attention)的数据驱动型超大直径泥水盾构岩机作用载荷预测方法。首先,利用K-means算法对地质纵剖面图进行地层信息提取并切片,对切片图像进行CNN特征提取,结合装备运行数据形成多特征融合数据集;其次,采用BiLSTM网络提取输入特征的双向时序信息,以注意力机制为后续特征进行权重再分配;最后,利用灰狼优化算法(gray wolf optimizer,GWO)对深度学习网络超参数寻优。研究结果表明:GWO-CNN-BiLSTM-Attention模型相比BP(BP神经网络)、PSO-BP(粒子群优化的BP神经网络)、LSTM(长短期记忆网络)对盾构推力、刀盘转矩的预测效果更佳,R2均超过0.9,平均相对误差<1%;由于融入了地层位置信息,模型对岩机作用载荷问题具有更强的适用性。展开更多
煤矿井下作业环境复杂多变,钻探成为煤矿开采的必备环节。钻杆加卸是钻探过程中的重要步骤,传统的人工钻杆加卸方式不仅耗时费力,而且劳动强度极大,对工人的身体健康构成严重威胁。为了提高煤矿井下钻机的钻杆加卸效率,降低劳动强度,提...煤矿井下作业环境复杂多变,钻探成为煤矿开采的必备环节。钻杆加卸是钻探过程中的重要步骤,传统的人工钻杆加卸方式不仅耗时费力,而且劳动强度极大,对工人的身体健康构成严重威胁。为了提高煤矿井下钻机的钻杆加卸效率,降低劳动强度,提升作业安全性,探讨并总结当前煤矿井下智能化钻机配套钻杆自动加卸技术,发现多轴液驱机械手式换杆技术具有高度的灵活性和适应性,可作为解决多规格钻具自动加卸问题的有效方案。基于当前机械手关键技术的研究,分析得出动态路径规划方法是多轴机械手式钻杆加卸系统研究的难点,在总结当前机械手动态轨迹规划领域研究进展的基础上,分析现有路径规划方法的优缺点,特别是在动态环境下的适应性表现。在此基础上,研究了基于快速随机搜索树(Rapidly-exploring Random Tree,RRT)算法的混合轨迹规划策略在复杂环境下的应用,展示了这些方法在提升机械手路径规划精度、减少操作时间以及增强系统鲁棒性方面展现出的显著优势。针对未来研究方向,提出了进一步提升机械手动态轨迹规划算法性能,增强机械手自主作业能力,推动煤矿井下自动化技术全面应用的建议。展开更多
基金浙江省“尖兵”“领雁”研发攻关计划(2024C01058)浙江省“十四五”第二批本科省级教学改革备案项目(JGBA2024014)+2 种基金2025年01月批次教育部产学合作协同育人项目(2501270945)2024年度浙江大学本科“AI赋能”示范课程建设项目(24)浙江大学第一批AI For Education系列实证教学研究项目(202402)。
文摘盾构岩机作用载荷(盾构推力、刀盘转矩)对于装备设计、现场施工等尤为重要,但现有理论或统计模型参数多、计算繁杂,为提升盾构数字化设计、数字孪生水平,高效精准地进行载荷赋值仍需探索。针对已有机器学习算法重视各地层比例与力学参数等,却忽视地层空间位置关系的现状,融合图像、数据序列进行多特征信息表征,提出一种基于卷积神经网络(CNN)、双向长短期记忆(BiLSTM)与注意力机制(Attention)的数据驱动型超大直径泥水盾构岩机作用载荷预测方法。首先,利用K-means算法对地质纵剖面图进行地层信息提取并切片,对切片图像进行CNN特征提取,结合装备运行数据形成多特征融合数据集;其次,采用BiLSTM网络提取输入特征的双向时序信息,以注意力机制为后续特征进行权重再分配;最后,利用灰狼优化算法(gray wolf optimizer,GWO)对深度学习网络超参数寻优。研究结果表明:GWO-CNN-BiLSTM-Attention模型相比BP(BP神经网络)、PSO-BP(粒子群优化的BP神经网络)、LSTM(长短期记忆网络)对盾构推力、刀盘转矩的预测效果更佳,R2均超过0.9,平均相对误差<1%;由于融入了地层位置信息,模型对岩机作用载荷问题具有更强的适用性。
文摘煤矿井下作业环境复杂多变,钻探成为煤矿开采的必备环节。钻杆加卸是钻探过程中的重要步骤,传统的人工钻杆加卸方式不仅耗时费力,而且劳动强度极大,对工人的身体健康构成严重威胁。为了提高煤矿井下钻机的钻杆加卸效率,降低劳动强度,提升作业安全性,探讨并总结当前煤矿井下智能化钻机配套钻杆自动加卸技术,发现多轴液驱机械手式换杆技术具有高度的灵活性和适应性,可作为解决多规格钻具自动加卸问题的有效方案。基于当前机械手关键技术的研究,分析得出动态路径规划方法是多轴机械手式钻杆加卸系统研究的难点,在总结当前机械手动态轨迹规划领域研究进展的基础上,分析现有路径规划方法的优缺点,特别是在动态环境下的适应性表现。在此基础上,研究了基于快速随机搜索树(Rapidly-exploring Random Tree,RRT)算法的混合轨迹规划策略在复杂环境下的应用,展示了这些方法在提升机械手路径规划精度、减少操作时间以及增强系统鲁棒性方面展现出的显著优势。针对未来研究方向,提出了进一步提升机械手动态轨迹规划算法性能,增强机械手自主作业能力,推动煤矿井下自动化技术全面应用的建议。
