急倾斜煤层钻孔破煤作业数字孪生动态控制方法与流程

本发明涉及钻孔爆破控制，尤其涉及急倾斜煤层钻孔破煤作业数字孪生动态控制方法。

背景技术：

1、随着煤矿智能化开采水平不断提升，钻孔作业、致裂作业和安全监测越来越依赖数字化、自动化与智能化技术。低层次的参数记录和单机监控已经难以满足复杂煤层条件下的作业需求，尤其是在急倾斜煤层中，由于大倾角和复杂覆岩结构共同作用，煤体受力状态、裂隙演化规律和作业风险演变均表现出更强的不确定性。公开研究表明，急倾斜煤层条件下更容易出现大范围悬顶、较强动载扰动、裂隙扩展不均和煤体破碎离散等现象，因此，同样的钻孔方案或致裂参数在不同区域往往产生明显不同的作业结果，这使传统依赖经验和静态设计的方式难以满足现场动态管控要求。

2、目前，控制钻孔爆破的技术主要包括三类：第一类是钻机数字化监控和远程管理技术，主要实现参数采集、状态监测、报警和远程运维，但缺少针对急倾斜煤层钻孔破煤过程的专用数字孪生闭环；第二类是自动化定向钻机、钻孔机器人及连续管智能钻井技术，其重点在于孔位设计、轨迹控制和装备自动化执行，但尚未将急倾斜煤层条件下的地质力学约束、裂隙演化、块度变化和抛出风险统一纳入闭环控制；第三类是通用矿山数字孪生平台技术，虽然具备数据融合、三维建模和可视化管理能力，但大多停留在通用平台层面，缺乏面向急倾斜煤层钻孔破煤作业单元的专项动态管控方案。

技术实现思路

1、为解决上述技术问题，本发明提供急倾斜煤层钻孔破煤作业数字孪生动态控制方法。本发明的技术方案如下：

2、急倾斜煤层钻孔破煤作业数字孪生动态控制方法，包括：

3、s1，采集目标急倾斜煤层上次钻孔爆破后的预设钻孔爆破参数类型的多种原始参数数据，将多种原始参数数据进行时空统一并生成标准化特征向量；

4、s2，构建由多个孪生子模型构成的数字孪生模型，将标准化特征向量输入数字孪生模型中，由数字孪生模型输出预测钻孔状态向量；

5、s3，根据预测钻孔状态向量与标准化特征向量生成预测钻孔状态与实际钻孔状态之间的向量偏差，并根据向量偏差生成钻孔爆破控制模式；

6、s4，当钻孔爆破控制模式为参数重构模式时，根据向量偏差和目标急倾斜煤层的多种地理参数生成钻孔粒子群优化算法，根据钻孔粒子群优化算法和目标急倾斜煤层的当前工程优先级生成最优爆破参数组；

7、s5，将最优爆破参数组下发到目标急倾斜煤层现场的钻孔爆破设备中并执行本次钻孔爆破，根据目标急倾斜煤层现场本次钻孔爆破后的预设钻孔爆破参数类型的多种原始参数数据反馈优化钻孔粒子群优化算法，将优化后的钻孔粒子群优化算法用于下次钻孔爆破。

8、优选的，所述s1在将多种原始参数数据进行时空统一并生成标准化特征向量时，包括：

9、s11，对于多种原始参数数据中的钻孔坐标数据和激光扫描点云数据，根据预先确定的坐标系转换矩阵，将钻孔坐标数据和激光扫描点云数据由设备坐标系转换到矿井坐标系中，得到初始钻孔坐标序列和初始点云数据；

10、s12，对于多种原始参数数据中的地质参数类型数据、爆破参数类型数据和反馈监测参数类型数据，通过关联对应空间位置实现空间绑定，并将其映射到矿井坐标系中，得到初始地质参数类型数据、初始爆破参数类型数据和初始反馈监测参数类型数据；

11、s13，通过采集设备时间戳和同步函数补偿不同采集设备之间的时间偏移，将初始钻孔坐标序列、初始点云数据、初始地质参数类型数据、初始爆破参数类型数据和初始反馈监测参数类型数据转换为统一的时间标签，得到标准钻孔坐标序列、标准点云数据、标准地质参数类型数据、标准爆破参数类型数据和标准反馈监测参数类型数据；

12、s14，由标准钻孔坐标序列、标准点云数据、标准地质参数类型数据、标准爆破参数类型数据和标准反馈监测参数类型数据构成标准化特征向量。

13、优选的，所述s2包括：

14、s21，构建三维地质结构模型、钻孔状态向量模型、爆破破煤动力学混合预测模型、抛出运移模型和风险状态模型，并由这些孪生子模型构成数字孪生模型；

15、s22，将标准化特征向量输入数字孪生模型中，由数字孪生模型中的每个孪生子模型输出其对应的子状态，由所有孪生子模型输出的子状态构成预测钻孔状态向量。

16、优选的，所述s3包括：

17、s31，根据标准化特征向量生成实际钻孔状态向量；

18、s32，获取预测钻孔状态向量与实际钻孔状态向量之间的欧氏距离，作为预测钻孔状态与实际钻孔状态之间的向量偏差；

19、s33，根据预设三级偏差阈值构建多个偏差区间，判断向量偏差所在的偏差区间，并根据向量偏差所在的偏差区间生成钻孔爆破控制模式。

20、优选的，当钻孔爆破控制模式为参数重构模式时，所述s4包括：

21、s41，获取实际钻孔状态向量，根据预测钻孔状态向量与实际钻孔状态向量构建初始综合目标函数；

22、s42，根据向量偏差调整初始综合目标函数中的预设权重系数组，得到优化权重组；

23、s43，根据目标急倾斜煤层的多种地理参数生成专属约束；

24、s44，使用优化权重组替换初始综合目标函数中的预设权重系数组，并结合专属约束生成钻孔粒子群优化算法；

25、s45，根据钻孔粒子群优化算法和目标急倾斜煤层的当前工程优先级生成最优爆破参数组。

26、优选的，所述s41包括：

27、s411，获取预测钻孔状态向量中的煤体破碎影响区域面积，计算煤体破碎影响区域面积与目标破煤区域面积的差值得到破煤差值，计算破煤差值和目标破煤区域面积的比值作为破碎覆盖偏差；

28、s412，获取实际钻孔状态向量中的实际块度标准差和实际块度均值，计算实际块度标准差和实际块度均值的比值作为块度不均匀度；

29、s413，获取标准化特征向量中的标准抛出范围数据，计算标准抛出范围数据超出预设允许抛出区域的抛出面积，计算预设允许抛出区域的面积与抛出面积之间的差值作为外置面积，计算外置面积和预设允许抛出区域的比值作为抛出超限率；

30、s414，根据预设权重系数组、破碎覆盖偏差、块度不均匀度和抛出超限率构建初始综合目标函数。

31、优选的，所述s42包括：

32、s421，根据预先训练得到的调节系数和向量偏差之间的关系，确定初始综合目标函数中的预设权重系数组中每个权重系数对应的调节系数；

33、s422，根据每个权重系数对应的调节系数调整每个权重系数得到多个优化权重；

34、s423，由所有优化权重构成优化权重组。

35、优选的，所述s45包括：

36、s451，在参数可行域随机生成多个初始爆破参数组，并为每个初始爆破参数组配置随机的粒子群速度，得到多个爆破参数组；

37、s452，将每个爆破参数组输入数字孪生模型中，得到每个爆破参数组的单组预测钻孔状态向量，并根据实际钻孔状态向量和每个爆破参数组的单组预测钻孔状态向量计算每个爆破参数组对应的破碎覆盖偏差、块度不均匀度和抛出超限率；

38、s453，通过帕累托占优策略根据每个爆破参数组对应的粒子群速度、破碎覆盖偏差、块度不均匀度和抛出超限率，从多个爆破参数组中筛选多个非支配解，将所有非支配解配置在外部档案集中；

39、s454，从外部档案集中选择一个非支配解作为全局最优解；

40、s455，根据钻孔粒子群优化算法和全局最优解更新所有爆破参数组的粒子群速度；

41、s456，重复执行s52-s55，直到达到最大迭代次数时停止迭代；

42、s457，停止迭代时，根据目标急倾斜煤层的当前工程优先级从存放在外部档案集中的多个非支配解中选择一个最优解作为最优爆破参数组。

43、优选的，所述s5包括：

44、s51，将最优爆破参数组下发到目标急倾斜煤层现场的钻孔爆破设备中并执行本次钻孔爆破；

45、s52，采集目标急倾斜煤层现场本次钻孔爆破后的预设钻孔爆破参数类型的多种原始参数数据；

46、s53，根据多种原始参数数据构建监测参数数据向量，计算监测参数数据向量和预测钻孔状态向量之间的向量偏差作为综合偏差；

47、s54，若综合偏差大于预设偏差阈值，则根据多种原始参数数据修正数字孪生模型的模型参数，并重新优化钻孔粒子群优化算法，将优化后的钻孔粒子群优化算法用于下次钻孔爆破。

48、优选的，所述s5在将最优爆破参数组下发到目标急倾斜煤层现场的钻孔爆破设备中并执行钻孔爆破时，还包括：

49、s55，构建轨迹偏差修正分支，包括：在将最优爆破参数组下发到目标急倾斜煤层现场的钻孔爆破设备中并执行钻孔爆破的过程中，实时监测钻井轨迹，当实测轨迹偏离设计轨迹且偏离程度超过预设偏离阈值时，生成纠偏指令；

50、s56，构建爆破破煤覆盖不足与块度不合格补偿分支，包括：获取多种原始参数数据中的煤体的块度分布，若块度分布中大块率超标或者覆盖区域未达目标，则生成补偿爆破指令；

51、s57，构建抛出越界与震动超限限幅分支，包括获取多种原始参数数据中的残渣抛散范围和爆破震动速度，当残渣抛散范围超出允许区域或爆破震动速度大于震动阈值时，生成远程限幅指令；

52、s58，将轨迹偏差修正分支、爆破破煤覆盖不足与块度不合格补偿分支和抛出越界与震动超限限幅分支配置到目标急倾斜煤层现场的钻孔爆破设备中，其中，轨迹偏差修正分支、爆破破煤覆盖不足与块度不合格补偿分支和抛出越界与震动超限限幅分支可独立触发或协同触发，且纠偏指令、补偿爆破指令和远程限幅指令均经过数字孪生模型验证后下发。

53、上述所有可选技术方案均可任意组合，本发明不对一一组合后的结构进行详细说明。

54、借由上述方案，本发明的有益效果如下：

55、相比传统控制钻孔爆破的技术，本发明并不满足于一般性的远程监控、数据展示或装备自动化，而是专门针对急倾斜煤层钻孔破煤场景，建立映射多种状态类型的数字孪生模型，并在数字孪生模型输出的预测钻孔状态向量基础上实现联合预测（能够将急倾斜煤层条件下的地质力学约束、裂隙演化、块度变化和抛出风险统一纳入闭环控制），再依据现场的多种原始参数数据对数字孪生模型和钻孔粒子群优化算法进行在线修正，形成完整的动态管控闭环。

56、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。