⚡ ingeniería eléctrica

Integrated perception, decision, and control for tricone blasthole drilling: System development and field validation

Este artículo presenta un sistema de control inteligente que integra la percepción de la formación, la toma de decisiones y el control para la perforación de barrenos con tricono, demostrando mediante pruebas de campo un aumento del 33,6 % en la tasa de penetración, una reducción del 45,3 % en el consumo de energía y una detección eficaz de condiciones anormales.

Autores originales: pu liu, zujie zou, dong fan, binjie he, longpeng wang

Publicado 2026-10-23

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: pu liu, zujie zou, dong fan, binjie he, longpeng wang

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En lo profundo de las minas a cielo abierto que alimentan la energía del mundo, una enorme máquina conocida como equipo de perforación rotativa perfora agujeros en la tierra. Estos agujeros, llamados barrenos, son el punto de partida para la voladura de roca con el fin de extraer carbón o mineral. La calidad de estos agujeros determina qué tan eficientemente se romperá la roca más adelante, lo que impacta directamente en la seguridad y la productividad de toda la mina. Durante décadas, el éxito de esta operación ha dependido en gran medida de la habilidad e intuición de un operador humano sentado en la cabina. A medida que la broca de perforación pasa de un suelo blando a una roca dura, o encuentra una fractura oculta, el operador debe adivinar constantemente cómo ajustar la velocidad y la presión de la máquina. Si la suposición es errónea, la broca puede detenerse, la punta puede romperse o el agujero puede perforarse demasiado lentamente, desperdiciando tiempo y energía. El desafío siempre ha sido que la roca bajo tierra es impredecible, y la respuesta de la máquina ante ella es compleja, lo que dificulta su automatización sin un sistema que pueda realmente "sentir" el terreno y reaccionar instantáneamente.

Un equipo de investigadores del Instituto de Investigación CCTEG Xi'an y la Universidad de Minería y Tecnología de China ha desarrollado una nueva forma de resolver este problema. Crearon un sistema de control inteligente que actúa como un cerebro unificado para el equipo de perforación, vinculando tres funciones críticas: la detección de la roca, la toma de decisiones y el control de los movimientos de la máquina. A diferencia de los sistemas antiguos que trataban estas tareas por separado, este nuevo enfoque las conecta en un ciclo continuo. El sistema vigila constantemente múltiples señales de la perforación, tales como la velocidad a la que gira la broca, la fuerza con la que presiona hacia abajo y la potencia que consumen los motores. Utiliza estos datos para identificar el tipo de roca que está perforando actualmente y para estimar qué tan fácil o difícil es romper esa roca. Basándose en este entendimiento, el sistema selecciona automáticamente la mejor configuración de velocidad y presión, y luego ordena a la máquina seguir esas configuraciones con precisión, incluso cuando las condiciones del terreno cambian debajo de la broca.

Para probar este sistema, los investigadores lo llevaron a una mina de carbón real a cielo abierto y lo pusieron a prueba en un equipo de perforación ZY250E. No se limitaron a ejecutar la máquina en una simulación informática; perforaron 322 barrenos reales, cubriendo una distancia total de más de 5,400 metros. El entorno era hostil, con temperaturas descendiendo a menos 25 grados Celsius y vientos fuertes, proporcionando una prueba rigurosa para la tecnología. Los resultados mostraron que el sistema podía identificar el tipo de roca con una precisión de más del 85 por ciento. Más importante aún, pudo detectar cuándo la perforadora estaba a punto de atascarse —una situación peligrosa conocida como atascamiento de la broca— al notar cambios sutiles en el comportamiento de la máquina antes de que el problema se volviera crítico. Cuando el sistema detectó un evento de atascamiento, reaccionó en aproximadamente dos segundos, emitiendo una alarma y deteniendo la perforación para evitar daños.

El impacto en la eficiencia fue significativo. En simulaciones que involucraban roca dura, las configuraciones recomendadas por el sistema aumentaron la velocidad de avance de la perforación en un 33.6 por ciento en comparación con la operación manual de un operador humano. Al mismo tiempo, la energía utilizada para perforar cada metro de agujero disminuyó un 45.3 por ciento. En las pruebas de campo, la velocidad promedio de perforación alcanzó los 35 metros por hora, lo cual es superior al objetivo de diseño estándar del equipo. Para un agujero típico de 18 metros de profundidad, la máquina terminó el trabajo en unos 13 minutos menos que antes, lo que representa una ganancia de eficiencia de más del 30 por ciento. Los agujeros perforados por el sistema también fueron precisos, con un diámetro que se mantuvo dentro de los 3 milímetros del objetivo y una variación de profundidad de menos del 1 por ciento.

Los investigadores también demostraron que el sistema podía manejar lo inesperado. Cuando la perforadora encontraba un cambio repentino en la roca, el sistema ajustaba sus recomendaciones instantáneamente. Si la roca se volvía más dura, la máquina reducía su rotación y aumentaba su presión hacia abajo para mantener la estabilidad. Si la roca se suavizaba, aceleraba para maximizar el progreso. Esta coordinación ocurría automáticamente, sin que el operador tuviera que intervenir. El sistema también mantenía una vigilancia de seguridad separada que operaba independientemente de los controles normales de perforación. Esta rama de seguridad monitoreaba la máquina en busca de signos de problemas, tales como una caída repentina de la velocidad o un pico en el torque del motor, que son advertencias tempranas de una broca atascada. Cuando estos signos aparecían, el sistema intervenía de inmediato, demostrando que podía proteger el equipo y al operador de daños en condiciones del mundo real.

Aunque el estudio se limitó a un tipo específico de equipo de perforación y a una sola mina, los resultados sugieren que integrar la percepción, la toma de decisiones y el control en un solo sistema es un camino viable hacia la automatización minera. El sistema demostró que es posible ir más allá de la simple automatización, donde una máquina solo sigue un conjunto fijo de reglas, hacia un enfoque más inteligente donde la máquina entiende su entorno y se adapta a él. Al combinar la capacidad de identificar tipos de roca, elegir la configuración adecuada y reaccionar ante el peligro, los investigadores han demostrado que la perforación puede hacerse más rápida, segura y eficiente. El trabajo confirma que, con la tecnología adecuada, la incertidumbre del mundo subterráneo puede gestionarse con un nivel de precisión que los operadores humanos por sí solos no pueden lograr de manera constante.

Resumen Técnico: Percepción, Decisión y Control Integrados para la Perforación de Agujeros de Voladura con Tricono

Planteamiento del Problema
La perforación de agujeros de voladura con tricono en cielo abierto requiere un ciclo cerrado coordinado de percepción de la formación, selección de parámetros, control de actuadores y detección de condiciones anormales para garantizar la eficiencia y la seguridad. Los equipos de perforación convencionales suelen implementar estas funciones de forma independiente, lo que limita la transferencia de información y la respuesta coordinada. En las operaciones manuales, la evaluación de la litología, la selección de parámetros y el manejo de condiciones anormales dependen en gran medida de la experiencia del operador. Si bien investigaciones existentes han avanzado en componentes individuales —como la percepción de la formación mediante aprendizaje automático, la supervisión de seguridad mediante detección temporal y el control robusto para subsistemas específicos—, estas capacidades rara vez se integran en un marco unificado. Esta separación es particularmente limitante para la perforación con tricono asistida por aire, donde las estimaciones de la formación deben actualizar dinámicamente los puntos de consigna, los actuadores deben seguir estos puntos de consigna a pesar de la incertidumbre y una capa de seguridad debe anular el control normal durante las anomalías.

Metodología
Los autores desarrollaron un sistema de control inteligente organizado en torno a un marco de percepción–decisión–control, validado mediante simulación fuera de línea y pruebas de campo en un equipo de perforación de tricono ZY250E. La arquitectura del sistema consta de dos ramas paralelas: un bucle de perforación normal adaptativo y una rama de supervisión de seguridad independiente.

Percepción de la Formación:
- Identificación de la Litología: Utiliza un clasificador de fusión de Bosque Aleatorio–Perceptrón Multicapa (RF–MLP). Los datos de series temporales multifuente (velocidad de avance, velocidad de rotación, pares motores) se procesan a través de dos ramas: extracción de características estadísticas (media, varianza, picos) y extracción de características estructurales mediante incrustación de grafos no euclidianos (grafos de visibilidad dirigida).
- Evaluación de la Perforabilidad: Tras la clasificación, un método de evaluación cuantitativa continua caracteriza la perforabilidad de la formación, actualizándose cada 3 segundos mediante una ventana deslizante de 5 segundos, para dar soporte al ajuste de parámetros en línea.
Toma de Decisiones de Parámetros Operativos:
- Emplea un método de coincidencia de casos de K-Vecinos Más Cercanos (KNN). Se construye una base de casos históricos fuera de línea utilizando datos de alta calidad (eficiencia, consumo de energía, estabilidad).
- En la etapa en línea, la perforabilidad de la formación actual y el estado del equipo forman un vector de consulta. Se recuperan casos históricos similares, y sus parámetros operativos se ponderan y fusionan para generar velocidades de avance y rotación recomendadas, actualizadas cada 3 segundos.
Control de Seguimiento de Parámetros de Perforación:
- Un controlador $H_\infty$ robusto regula los sistemas de avance y rotación.
- Las variaciones en la dureza de la formación se modelan como incertidumbres acotadas dentro de la dinámica de la sarta de perforación. El controlador garantiza el seguimiento estable de los puntos de consigna recomendados mientras atenúa los efectos de los cambios de formación y las perturbaciones externas.
Detección de Condiciones Anormales e Intervención de Seguridad:
- Opera independientemente del bucle de control normal para detectar eventos como el atascamiento de la broca.
- Utiliza un método de clasificación temporal que integra un Modelo de Mezcla Gaussiana–Modelo Oculto de Markov (GMM–HMM) y una Red de Memoria a Largo Corto Plazo Bidireccional–Campo Aleatorio Condicional (BiLSTM–CRF).
- El sistema extrae características temporales multiescala (tendencia, fluctuación, complejidad) de datos multifuente. Cuando la probabilidad estimada de atascamiento de la broca supera un umbral del 70%, el sistema activa comandos inmediatos de parada de perforación y alarma.

Resultados Clave
El sistema fue evaluado en 322 agujeros de voladura (5,426.7 m de perforación) en una mina de carbón a cielo abierto bajo diversas condiciones geológicas y factores ambientales (temperaturas de hasta −25 °C).

Desempeño de la Decisión de Parámetros: En simulaciones fuera de línea de una formación dura representativa, los parámetros recomendados por el algoritmo aumentaron la tasa de penetración media en un 33.6% en comparación con la operación manual y redujeron el consumo de energía relativo por unidad de avance en un 45.3%. La mejora se atribuyó a una mejor coordinación entre las velocidades de avance y rotación más que simplemente a un aumento de la potencia de salida.
Validación de Campo (Perforación Normal): El sistema alcanzó una tasa de penetración media de 35 m/h (superando el valor de diseño del equipo de 30 m/h). Para un agujero típico de 18 metros, el tiempo operativo medio disminuyó aproximadamente 13 minutos, lo que corresponde a un aumento de eficiencia de más del 30%. La precisión de la identificación de la litología superó el 85%.
Validación de Campo (Condiciones Anormales): El sistema detectó 34 de 38 eventos de atascamiento de la broca, logrando una tasa de detección del 89.5% con un tiempo de respuesta medio de aproximadamente 2 segundos.
Métricas de Ingeniería: La desviación del diámetro del agujero se mantuvo dentro de ±3 mm, y la desviación de la profundidad no superó el 1%. El tiempo de respuesta remota fue inferior a 200 ms con una pérdida de paquetes inferior al 1%.

Significancia y Reivindicaciones
El artículo afirma demostrar la viabilidad de integrar la percepción de la formación, la toma de decisiones de parámetros, el control de seguimiento y la intervención de seguridad en un sistema de perforación con tricono unificado a escala de campo. El estudio establece que un marco coordinado de percepción–decisión–control puede manejar eficazmente las incertidumbres dinámicas de formaciones rocosas heterogéneas y proporcionar intervenciones de seguridad oportunas.

Los autores señalan que la validación se limitó a una sola mina y al equipo ZY250E. Expresan explícitamente que la aplicación a otros sitios o equipos requeriría el reentrenamiento o la recalibración de los modelos de percepción y decisión utilizando datos específicos del sitio, así como una nueva identificación del sistema y el ajuste de los parámetros de control. El artículo concluye que la generalización entre distintos sitios y plataformas debe evaluarse en trabajos futuros.

Más como este