Integrated perception, decision, and control for tricone blasthole drilling: System development and field validation
本文提出了一种集成了钻进感知、决策与控制于一体的三锥钻孔智能控制系统，并通过现场试验证明了其使钻进速率提高了33.6%，能耗降低了45.3%，并能有效检测异常情况。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在为世界提供能源的露天矿场深处，一种被称为旋转钻机的大型机器正在向大地钻孔。这些被称为“爆破孔”的孔洞是后续通过爆破开采煤炭或矿石的起点。这些孔的质量决定了随后岩石破碎的效率，从而直接影响整个矿山的安全性与生产率。几十年来，这项作业的成功在很大程度上依赖于坐在驾驶室内的操作员的技能与直觉。当钻头从软土进入硬岩，或者遇到隐藏的裂缝时，操作员必须不断猜测如何调整机器的速度和压力。如果判断错误，钻头可能会卡死，钻头可能会损坏，或者钻孔速度过慢，从而浪费时间和能源。挑战在于，地下的岩层是不可预测的，且机器对它的反应非常复杂，这使得如果不具备一个能够真正“感知”地面并做出瞬时反应的系统，就很难实现自动化。
来自西安矿业研究设计院（CCTEG）与中国矿业大学的研究团队开发了一种新方法来解决这一问题。他们创建了一个智能控制系统，充当钻机的“统一大脑”，将三个关键功能联系在一起：感知岩石、决策以及控制机器运动。与以往将这些任务分开处理的旧系统不同，这种新方法将它们连接成一个连续的闭环。系统会不断监测来自钻机的多种信号，例如钻头的转速、下压力以及电机的功率消耗。它利用这些数据来识别当前正在钻进的岩石类型，并估算该岩石的破碎难易程度。基于这种理解，系统会自动选择最佳的速度和压力设置，并指挥机器精确地执行这些设置，即使地下的地质条件发生变化也是如此。
为了测试该系统，研究人员将其带到真实的露天煤矿中，并在一台 ZY250E 钻机上进行了实战演练。他们不仅仅是在计算机模拟中运行机器，而是实际钻探了 322 个爆破孔，总长度超过 5,400 米。环境十分恶劣，气温降至零下 25 摄氏度且伴有强风，为这项技术提供了严苛的测试。结果显示，该系统识别岩石类型的准确率超过了 85%。更重要的是，它能够通过察觉机器行为的细微变化，在问题变得严重之前，检测出钻机即将被卡住的情况——这是一种危险的情况，被称为“钻卡”。当系统感应到卡钻事件时，它能在约两秒钟内做出反应，发出警报并停止钻进，以防止设备损坏。
其对效率的影响非常显著。在涉及硬岩的模拟实验中，系统推荐的设置比人工操作下的钻进速度提高了 33.6%。与此同时，每米孔深的能耗降低了 45.3%。在实地测试中，平均钻进速度达到了每小时 35 米，高于该型钻机的标准设计目标。对于一个典型的 18 米深孔，机器完成作业的时间比以前缩短了约 13 分钟，这意味着效率提升了 30% 以上。此外，由系统钻出的孔径非常精准，直径与目标的偏差在 3 毫米以内，深度变化小于 1%。
研究人员还展示了该系统处理突发状况的能力。当钻机遇到岩石性质的突然变化时，系统会立即调整其推荐参数。如果岩石变硬，机器会减慢旋转速度并增加下压力以保持稳定性；如果岩石变软，则会加速以最大化进度。这种协调是自动完成的，无需操作员干预。系统还维持着一个独立于正常钻进控制之外的独立安全监控分支。该安全分支负责监测机器是否有异常迹象，例如转速骤降或电机扭矩激增，这些都是钻卡的前兆。一旦出现这些迹象，系统会立即介入，证明了它能够在现实条件下保护设备和操作人员的安全。
尽管这项研究仅限于一种特定类型的钻机和一座矿山，但其结果表明，将感知、决策和控制集成到一个系统中是实现矿山自动化的可行路径。该系统证明，我们完全可以超越那种仅仅遵循固定规则的简单自动化，转向一种让机器理解并适应环境的智能化方法。通过结合识别岩石类型、选择正确设置以及应对危险的能力，研究人员展示了钻探可以变得更快、更安全且更高效。这项工作证实，通过适当的技术，地下世界的这种不确定性是可以被精准管理的，其精度是仅靠人类操作员无法持续达到的。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。