⚡ engenharia elétrica

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

Este artigo apresenta um sistema de controle inteligente que integra percepção de formação, tomada de decisão e controle para a perfuração de furos com tricone, demonstrando, por meio de testes de campo, um aumento de 33,6% na taxa de penetração, uma redução de 45,3% no consumo de energia e detecção eficaz de condições anormais.

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

Publicado 2026-10-23

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

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

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Nas profundezas das minas a céu aberto que alimentam a energia do mundo, uma máquina massiva conhecida como sonda de perfuração rotativa perfura buracos na terra. Esses buracos, chamados de furos de explosão, são o ponto de partida para a detonação da rocha para extrair carvão ou minério. A qualidade desses furos determina o quão eficientemente a rocha se quebrará mais tarde, o que impacta diretamente a segurança e a produtividade de toda a mina. Por décadas, o sucesso desta operação dependeu fortemente da habilidade e intuição de um operador humano sentado na cabine. À medida que a broca se move de um solo macio para uma rocha dura, ou encontra uma fratura oculta, o operador deve constantemente adivinhar como ajustar a velocidade e a pressão da máquina. Se o palpite estiver errado, a broca pode travar, a ponta pode quebrar ou o furo pode ser perfurado muito lentamente, desperdiçando tempo e energia. O desafio sempre foi que a rocha no subsolo é imprevisível, e a resposta da máquina a ela é complexa, tornando difícil a automação sem um sistema que possa verdadeiramente "sentir" o solo e reagir instantaneamente.

Uma equipe de pesquisadores do Instituto de Pesquisa CCTEG Xi'an e da Universidade de Mineração e Tecnologia da China desenvolveu uma nova maneira de resolver este problema. Eles criaram um sistema de controle inteligente que atua como um cérebro unificado para a sonda de perfuração, ligando três funções críticas: sentir a rocha, decidir o que fazer e controlar os movimentos da máquina. Ao contrário de sistemas antigos que tratavam essas tarefas separadamente, esta nova abordagem as conecta em um ciclo contínuo. O sistema monitora constantemente múltiplos sinais da perfuração, como a velocidade com que a broca gira, quanta força está empurrando-a para baixo e quanta potência os motores estão usando. Ele utiliza esses dados para identificar o tipo de rocha através da qual está perfurando no momento e para estimar o quão fácil ou difícil é quebrar essa rocha. Com base nesse entendimento, o sistema seleciona automaticamente as melhores configurações de velocidade e pressão e, em seguida, comanda a máquina para seguir essas configurações precisamente, mesmo conforme as condições do solo mudam sob a broca.

Para testar este sistema, os pesquisadores o levaram a uma mina de carvão a céu aberto real e o colocaram à prova em uma sonda ZY250E. Eles não apenas rodaram a máquina em uma simulação de computador; eles perfuraram 322 furos reais, cobrindo uma distância total de mais de 5.400 metros. O ambiente era severo, com temperaturas caindo para menos 25 graus Celsius e ventos fortes, proporcionando um teste rigoroso para a tecnologia. Os resultados mostraram que o sistema conseguia identificar o tipo de rocha com uma precisão de mais de 85 por cento. Mais importante ainda, ele conseguia detectar quando a perfuração estava prestes a travar — uma situação perigosa conhecida como travamento de broca — ao notar mudanças sutis no comportamento da máquina antes que o problema se tornasse crítico. Quando o sistema sentia um evento de travamento, ele reagia em cerca de dois segundos, emitindo um alarme e parando a perfuração para evitar danos.

O impacto na eficiência foi significativo. Em simulações envolvendo rocha dura, as configurações recomendadas pelo sistema aumentaram a velocidade de avanço da perfuração em 33,6 por cento em comparação com a operação manual por um operador humano. Ao mesmo tempo, a energia usada para perfurar cada metro de furo caiu 45,3 por cento. Nos testes de campo, a velocidade média de perfuração atingiu 35 metros por hora, o que é superior ao alvo de projeto padrão da sonda. Para um furo típico de 18 metros de profundidade, a máquina terminou o trabalho em cerca de 13 minutos a menos do que antes, representando um ganho de eficiência de mais de 30 por cento. Os furos perfurados pelo sistema também foram precisos, com o diâmetro permanecendo dentro de 3 milímetros do alvo e a profundidade variando menos de 1 por cento.

Os pesquisadores também demonstraram que o sistema podia lidar com o inesperado. Quando a perfuração encontrava uma mudança repentina na rocha, o sistema ajustava suas recomendações instantaneamente. Se a rocha se tornasse mais dura, a máquina diminuía sua rotação e aumentava sua pressão descendente para manter a estabilidade. Se a rocha amolecesse, ela acelerava para maximizar o progresso. Essa coordenação acontecia automaticamente, sem que o operador precisasse intervir. O sistema também mantinha uma vigilância de segurança separada que operava independentemente dos controles normais de perfuração. Este ramo de segurança monitorava a máquina em busca de sinais de problemas, como uma queda súbita de velocidade ou um pico no torque do motor, que são avisos precoces de uma broca presa. Quando esses sinais apareciam, o sistema intervinha imediatamente, provando que poderia proteger o equipamento e o operador de danos em condições do mundo real.

Embora o estudo tenha sido limitado a um tipo específico de sonda de perfuração e uma única mina, os resultados sugerem que integrar percepção, tomada de decisão e controle em um único sistema é um caminho viável para a automação da mineração. O sistema provou que é possível ir além da automação simples, onde uma máquina apenas segue um conjunto fixo de regras, para uma abordagem mais inteligente, onde a máquina entende seu ambiente e se adapta a ele. Ao combinar a capacidade de identificar tipos de rocha, escolher as configurações corretas e reagir ao perigo, os pesquisadores mostraram que a perfuração pode ser tornada mais rápida, segura e eficiente. O trabalho confirma que, com a tecnologia certa, a incerteza do mundo subterrâneo pode ser gerenciada com um nível de precisão que os operadores humanos sozinhos não conseguem alcançar de forma consistente.

Resumo Técnico: Percepção, Decisão e Controle Integrados para Perfuração de Furos de Bancada com Tricone

Definição do Problema
A perfuração de furos de bancada com tricone em minas a céu aberto requer um ciclo fechado coordenado de percepção da formação, seleção de parâmetros, controle de atuadores e detecção de condições anormais para garantir eficiência e segurança. As perfuratrizes convencionais normalmente implementam essas funções de forma independente, o que limita a transferência de informações e a resposta coordenada. Nas operações manuais, a avaliação da litologia, a seleção de parâmetros e o tratamento de condições anormais dependem fortemente da experiência do operador. Embora pesquisas existentes tenham avançado em componentes individuais — como a percepção da formação usando aprendizado de máquina, supervisão de segurança usando detecção temporal e controle robusto para subsistemas específicos — essas capacidades raramente são integradas em um arcabouço unificado. Essa separação é particularmente limitante para a perfuração com tricone assistida por ar, onde as estimativas de formação devem atualizar dinamicamente os pontos de ajuste (setpoints), os atuadores devem rastrear esses pontos apesar das incertezas e uma camada de segurança deve sobrepor o controle normal durante anomalias.

Metodologia
Os autores desenvolveram um sistema de controle inteligente organizado em torno de um arcabouço de percepção–decisão–controle, validado por meio de simulação offline e testes de campo em uma perfuratriz tricone ZY250E. A arquitetura do sistema compreende dois ramos paralelos: um laço de perfuração normal adaptativo e um ramo de supervisão de segurança independente.

Percepção da Formação:
- Identificação de Litologia: Utiliza um classificador de fusão Random Forest–Multilayer Perceptron (RF–MLP). Dados de séries temporais multifonte (velocidade de avanço, velocidade de rotação, torques do motor) são processados através de dois ramos: extração de características estatísticas (média, variância, picos) e extração de características estruturais usando incorporação de grafos não euclidianos (grafos de visibilidade direcionada).
- Avaliação de Perfurabilidade: Após a classificação, um método de avaliação quantitativa contínua caracteriza a perfurabilidade da formação, atualizado a cada 3 segundos usando uma janela deslizante de 5 segundos, para suportar o ajuste de parâmetros online.
Tomada de Decisão de Parâmetros Operacionais:
- Emprega um método de correspondência de casos baseado em K-Nearest-Neighbor (KNN). Uma base de casos históricos é construída offline utilizando dados de alta qualidade (eficiência, consumo de energia, estabilidade).
- Na etapa online, a perfurabilidade da formação atual e o estado da perfuratriz formam um vetor de consulta. Casos históricos semelhantes são recuperados, e seus parâmetros operacionais são ponderados e fundidos para gerar velocidades de avanço e de rotação recomendadas, atualizadas a cada 3 segundos.
Controle de Rastreamento de Parâmetros de Perfuração:
- Um controlador robusto $H_\infty$ regula os sistemas de avanço e rotação.
- As variações de dureza da formação são modeladas como incertezas limitadas dentro da dinâmica da coluna de perfuração. O controlador garante o rastreamento estável dos pontos de ajuste recomendados, enquanto atenua os efeitos das mudanças de formação e distúrbios externos.
Detecção de Condições Anormais e Intervenção de Segurança:
- Opera independentemente do laço de controle normal para detectar eventos como o travamento da broca.
- Utiliza um método de classificação temporal integrando um Modelo de Mistura Gaussiana–Modelo Oculto de Markov (GMM–HMM) e um Bidirectional Long Short-Term Memory–Conditional Random Field (BiLSTM–CRF).
- O sistema extrai características temporais multiescala (tendência, flutuação, complexidade) de dados multifonte. Quando a probabilidade estimada de travamento da broca excede um limiar de 70%, o sistema aciona comandos imediatos de parada de perfuração e alarme.

Principais Resultados
O sistema foi avaliado em 322 furos de bancada (5.426,7 m de perfuração) em uma mina de carvão a céu aberto sob diversas condições geológicas e fatores ambientais (temperaturas de até −25°C).

Desempenho de Decisão de Parâmetros: Em simulações offline de uma formação dura representativa, os parâmetros recomendados pelo algoritmo aumentaram a taxa de penetração média em 33,6% em comparação com a operação manual e reduziram o consumo de energia relativo por unidade de avanço em 45,3%. A melhoria foi atribuída à melhor coordenação entre as velocidades de avanço e de rotação, em vez de apenas um aumento na potência de saída.
Validação de Campo (Perfuração Normal): O sistema alcançou uma taxa de penetração média de 35 m/h (excedendo o valor de projeto da perfuratriz de 30 m/h). Para um furo típico de 18 metros, o tempo operacional médio diminuiu aproximadamente 13 minutos, correspondendo a um aumento de eficiência de mais de 30%. A precisão da identificação litológica excedeu 85%.
Validação de Campo (Condições Anormais): O sistema detectou 34 de 38 eventos de travamento de broca, alcançando uma taxa de detecção de 89,5% com um tempo de resposta médio de aproximadamente 2 segundos.
Métricas de Engenharia: O desvio do diâmetro do furo permaneceu dentro de ±3 mm, e o desvio de profundidade não excedeu 1%. O tempo de resposta remota foi inferior a 200 ms com perda de pacotes abaixo de 1%.

Significância e Alegações
O artigo afirma demonstrar a viabilidade de integrar percepção de formação, tomada de decisão de parâmetros, controle de rastreamento e intervenção de segurança em um sistema unificado de perfuração com tricone em escala de campo. O estudo estabelece que um arcabouço coordenado de percepção–decisão–controle pode lidar efetivamente com as incertezas dinâmicas de formações rochosas heterogêneas e fornecer intervenções de segurança oportunas.

Os autores observam que a validação foi limitada a uma única mina e à perfuratriz ZY250E. Eles declaram explicitamente que a aplicação a outros locais ou equipamentos exigirá o retreinamento ou recalibração dos modelos de percepção e decisão usando dados específicos do local, bem como nova identificação do sistema e ajuste dos parâmetros de controle. O artigo conclui que a generalização entre diferentes locais e plataformas deve ser avaliada em trabalhos futuros.

Mais como este