一种巷道掘进过程中掘进效率预测方法及系统与流程

本发明涉及巷道掘进管理，特别是一种巷道掘进过程中掘进效率预测方法及系统。

背景技术：

1、巷道掘进技术在矿山开发、隧道建设等领域具有至关重要的作用，随着传感器技术、数据处理技术以及自动化控制技术的发展，现代掘进设备能够在复杂环境中执行高效的掘进任务，传统的掘进方法依赖人工操作，效率较低且误差较大，而如今，先进的掘进设备通过传感器采集运行状态、环境信息以及路径数据，实现了部分自动化，然而，即使在现代掘进系统中，掘进效率的准确预测依然是一个技术难点，现有技术中，虽然可以通过传感器实时收集设备数据，但在如何利用这些数据优化掘进路径和提高效率预测的精度方面仍存在不足，现有路径规划方法大多依赖历史数据和静态模型，未能充分整合设备的实时数据，导致掘进路径规划的灵活性和精准性不足，且掘进效率的预测模型通常没有考虑设备的实际运动状态和巷道环境的复杂性，使得预测结果的精准度不高。

技术实现思路

1、鉴于上述现有的巷道掘进过程中掘进效率预测方法及系统中存在的问题，提出了本发明。

2、因此，本发明所要解决的问题在于掘进路径规划的灵活性和精准性不足，掘进效率预测结果的精准度不高。

3、为解决上述技术问题，本发明提供如下技术方案：一种巷道掘进过程中掘进效率预测方法，其包括，部署传感器收集掘进设备数据，并获取掘进设备点云坐标进行优化后规划掘进路径；基于掘进路径计算掘进距离和速度，并根据掘进距离和速度预测掘进效率；生成掘进效率报告进行展示，并存储至数据库中。

4、作为本发明所述巷道掘进过程中掘进效率预测方法的一种优选方案，其中：所述部署传感器收集掘进设备数据指安装磁制位移传感器和惯性导航传感器获取掘进设备数据，使用激光扫描获取掘进巷道环境数据，并发送至控制中心进行预处理。

5、作为本发明所述巷道掘进过程中掘进效率预测方法的一种优选方案，其中：所述获取掘进设备点云坐标进行优化后规划掘进路径指通过掘进设备数据获取掘进设备点云数据，并通过掘进巷道环境数据获取掘进环境点云数据；

6、对于设备点云数据中每个点，通过kd-tree在环境点云数据中位置最近的点，计算点和点的欧式距离，设定距离阈值，若点和点的欧式距离小于等于距离阈值，则将点和点组成点对，若大于距离阈值，则将点和点从设备点云数据和环境点云数据中剔除；

7、初始化旋转矩阵r为单位矩阵，平移向量t为0；

8、应用刚性变换使用旋转矩阵r和平移向量对设备点云数据进行初步配准：

9、

10、其中为初步配准后的设备点云数据中的点；

11、计算初步配准后的设备点云数据中的点和设备点云数据点之间距离误差，定义优化目标为：

12、

13、其中n为设备点云数据中点的总数；

14、通过svd分解更新旋转矩阵r，使用梯度下降法更新平移向量t，并迭代计算优化目标e直至优化目标e小于迭代阈值后停止，输出停止迭代时计算的、旋转矩阵和平移向量，基于更新设备点云数据：

15、

16、其中为更新的设备点云数据中的点，为学习率；

17、获取掘进目标位置，基于更新的设备点云数据使用最短路径算法生成最短掘进路径。

18、作为本发明所述巷道掘进过程中掘进效率预测方法的一种优选方案，其中：所述基于掘进路径计算掘进距离和速度指获取最短掘进路径后识别最短掘进路径中的路径拐点，获取路径拐点坐标，将两个相邻的路径拐点连线视为掘进段，计算每个掘进段的距离，并实时监测掘进设备工作时间，记录掘进设备在掘进段的掘进开始时间和掘进结束时间计算掘进时间，根据掘进段距离和掘进时间计算每个掘进段的掘进设备掘进速度。

19、作为本发明所述巷道掘进过程中掘进效率预测方法的一种优选方案，其中：所述根据掘进距离和速度预测掘进效率包括，

20、基于设备点云数据计算协方差矩阵，并提取最短掘进路径中每个路径点的点云坐标，基于上一个掘进段的掘进速度和掘进时间计算掘进设备在最短掘进路径中当前时间路径点，同步根据设备点云数据提取当前时间坐标点，基于旋转矩阵和平移向量构建高斯混合模型计算初步掘进效率：

21、

22、其中m为路径点数量，k为高斯成分数量，为第j个高斯成分的权重，为高斯成分拟合的概率密度函数；

23、基于设备当前时间坐标点和路径目标点计算全局误差：

24、

25、计算最短路径的总长度l，并基于全局误差调整初步掘进效率形成最终掘进效率：

26、

27、将计算的最终掘进效率发送至控制中心。

28、作为本发明所述巷道掘进过程中掘进效率预测方法的一种优选方案，其中：所述生成掘进效率报告进行展示指控制中心获取最终掘进效率根据最短掘进路径和掘进开始时间生成掘进效率报告进行展示，同步将掘进设备数据与掘进效率报告进行同步展示。

29、作为本发明所述巷道掘进过程中掘进效率预测方法的一种优选方案，其中：所述存储至数据库中指控制中心生成掘进效率报告和掘进设备数据后存储至本地数据库中，并通过分布式存储系统将存储数据进行云端多重备份，定期对本地数据库中存储数据进行安全性检测。

30、本发明的另外一个目的是提供一种巷道掘进过程中掘进效率预测系统，其包括，数据收集模块，用于获取掘进设备数据和掘进巷道环境数据发送至控制中心提取点云数据；

31、优化路径模块，用于对点云数据进行优化，并根据优化的点云数据规划最短掘进路径；

32、效率预测模块，用于根据最短掘进路径的距离和掘进速度预测掘进效率；

33、展示存储模块，用于根据预测掘进效率生成掘进效率报告，并将掘进效率报告和掘进设备数据存储至数据库中。

34、一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述巷道掘进过程中掘进效率预测方法的步骤。

35、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述巷道掘进过程中掘进效率预测方法的步骤。

36、本发明有益效果为：本发明通过收集掘进设备数据和巷道环境数据提取点云数据，并对点云数据进行优化，基于优化的点云数据规划最短掘进路径，降低巷道掘进工作量，同时根据最短掘进路径基于高斯混合模型和全局误差预测掘进效率，提高了掘进预测的精准性和灵活性，有助于提高巷道掘进效率。

技术特征：

1.一种巷道掘进过程中掘进效率预测方法，其特征在于：包括，

2.如权利要求1所述的巷道掘进过程中掘进效率预测方法，其特征在于：所述部署传感器收集掘进设备数据指安装磁制位移传感器和惯性导航传感器获取掘进设备数据，使用激光扫描获取掘进巷道环境数据，并发送至控制中心进行预处理。

3.如权利要求2所述的巷道掘进过程中掘进效率预测方法，其特征在于：所述获取掘进设备点云坐标进行优化后规划掘进路径指通过掘进设备数据获取掘进设备点云数据，并通过掘进巷道环境数据获取掘进环境点云数据；

4.如权利要求3所述的巷道掘进过程中掘进效率预测方法，其特征在于：所述基于掘进路径计算掘进距离和速度指获取最短掘进路径后识别最短掘进路径中的路径拐点，获取路径拐点坐标，将两个相邻的路径拐点连线视为掘进段，计算每个掘进段的距离，并实时监测掘进设备工作时间，记录掘进设备在掘进段的掘进开始时间和掘进结束时间计算掘进时间，根据掘进段距离和掘进时间计算每个掘进段的掘进设备掘进速度。

5.如权利要求4所述的巷道掘进过程中掘进效率预测方法，其特征在于：所述根据掘进距离和速度预测掘进效率包括，

6.如权利要求5所述的巷道掘进过程中掘进效率预测方法，其特征在于：所述生成掘进效率报告进行展示指控制中心获取最终掘进效率根据最短掘进路径和掘进开始时间生成掘进效率报告进行展示，同步将掘进设备数据与掘进效率报告进行同步展示。

7.如权利要求6所述的巷道掘进过程中掘进效率预测方法，其特征在于：所述存储至数据库中指控制中心生成掘进效率报告和掘进设备数据后存储至本地数据库中，并通过分布式存储系统将存储数据进行云端多重备份，定期对本地数据库中存储数据进行安全性检测。

8.一种如权利要求1-7任一所述的巷道掘进过程中掘进效率预测方法的巷道掘进过程中掘进效率预测系统，其特征在于：包括，

9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的巷道掘进过程中掘进效率预测方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的巷道掘进过程中掘进效率预测方法的步骤。

技术总结
本发明公开了一种巷道掘进过程中掘进效率预测方法及系统，涉及巷道掘进管理技术领域，包括部署传感器收集掘进设备数据，并获取掘进设备点云坐标进行优化后规划掘进路径；基于掘进路径计算掘进距离和速度，并根据掘进距离和速度预测掘进效率；生成掘进效率报告进行展示，并存储至数据库中。本发明通过收集掘进设备数据和巷道环境数据提取点云数据，并对点云数据进行优化，基于优化的点云数据规划最短掘进路径，降低巷道掘进工作量，同时根据最短掘进路径基于高斯混合模型和全局误差预测掘进效率，提高了掘进预测的精准性和灵活性，有助于提高巷道掘进效率。

技术研发人员：朱铁景,曹晓静,范文昌,娄东利,毕博,赵宁,甄逢俊,白茹
受保护的技术使用者：山东新巨龙能源有限责任公司
技术研发日：
技术公布日：2024/12/30