煤矿掘进多行为协同控制智能决策模型

• Published in: 工矿自动化 Vol. 49; no. 6; pp. 120 - 127
• Main Authors: 王宏伟, 郄晨飞, 付翔, 李进, 王浩然
• Format: Journal Article
• Language: Chinese
• Published: 太原理工大学 矿业工程学院,山西 太原 030024 2023; 太原理工大学 安全与应急管理工程学院,山西 太原 030024; 太原理工大学 矿业工程学院,山西 太原 030024%太原理工大学 山西省煤矿智能装备工程研究中心,山西 太原 030024; 太原理工大学 山西省煤矿智能装备工程研究中心,山西 太原 030024; 太原理工大学 机械与运载工程学院,山西 太原 030024%太原理工大学 山西省煤矿智能装备工程研究中心,山西 太原 030024
• Subjects: excavation action event set; 多行为协同控制; 智能决策; 最优时序规划; 掘进动作事件集; multi-behavior collaborative control; intelligent decision-making; 掘进工作面; excavation working face; collaborative work; optimal time series planning; 协同作业
• ISSN: 1671-251X
• DOI: 10.13272/j.issn.1671-251x.18114

TD632; 智能决策支持的掘进多行为协同控制是煤矿掘进工作面智能化的核心之一,掘进多行为协同控制的最优时序规划是智能决策的关键.针对煤矿掘进多行为控制模式单一、固化、协同作业能力差等问题,设计了一种煤矿掘进多行为协同控制智能决策模型,实现了掘进多行为在最优时序下的协同作业.首先,提出了掘进多行为协同控制智能决策方法,确定了掘进多行为可行时序规划集和多目标最优时序规划策略;其次,根据掘进现场的规定和工艺要求,确定了掘进动作事件集,通过对事件集中两两动作事件之间时间关系的分析,求出掘进多行为时间关系约束矩阵;然后,根据时间点关系约束矩阵转换方法,将掘进多行为时间关系约束矩阵转换为时间点关系约束矩阵,再求出掘进多行为可行时序规划集;最后,定义不同掘进目标下的求解函数,求得不同掘进目标的最优时序.实验结果表明,在不同掘进目标下,按照模型决策出的掘进动作最优时序规划结果,掘进机器人可无干涉协同作业,且掘进作业1个工作循环的执行时间与决策模型计算的时间基本一致.