[發明專利]一種礦山智能開采數字孿生多智能體協同控制方法

在審

• 申請號: 202211209148.7
• 申請日: 2022-09-30
• 公開（公告）號: CN115437257A
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 張帆;王健豪
• 申請（專利權）人: 中國礦業大學（北京）
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種礦山智能開采數字孿生多智能體協同控制方法，實現該方法的設備包括井上設備和井下設備，其特征在于：

所述井上設備包括工業互聯網服務器和數字孿生監控平臺；

所述井下設備包括采煤機、液壓支架和刮板輸送機；

所述井上設備通過光鏈路與所述井下設備進行通信；

所述井下設備物理實體通過礦山物聯網與所述井下設備的數字孿生體連接，實現信息的映射交互與反饋；

所述采煤機配置慣性導航系統和里程計，分別用于采集采煤機的姿態信息，包括俯仰角、橫滾角、航向角和定位信息；

所述液壓支架的推移千斤配置行程傳感器，用于液壓支架的推移位置監測；

所述液壓支架的頂梁配置礦用本安型高度傳感器，用于測量采煤工作面的高度；

所述液壓支架的立柱底腔配置壓力傳感器，用于監測頂梁壓力和頂板壓力；

所述井下設備配置深度視覺測量RGB-D相機，用于獲取礦山智能開采工作面采煤機、液壓支架和刮板輸送機的三維空間位姿信息；

所述液壓支架配置光電定位傳感器和無線射頻傳輸模塊，用于礦山智能開采工作面多智能體的定位識別與無線通信；

所述數字孿生監控平臺配置主控制器，所述液壓支架配置分控制器，主控制器與分控制器之間通過SPI接口進行數據傳輸；支架分控制器用于監測液壓支架的運行工況，并控制支架進行相應的推溜、移架、護幫、護頂、循環割煤動作，各支架控制器之間通過CAN總線接口、或MODBUS總線接口、或PROFIBUS總線接口、或RS-485總線接口、或工業以太網接口、或5G無線接口進行信息傳輸；其特征還在于，

所述礦山智能開采數字孿生多智能體協同控制方法，包括以下實現步驟：

步驟1，利用Solidworks建立礦山智能開采工作面采煤機、液壓支架和刮板輸送機的數字孿生體；

步驟2，所述礦山智能開采工作面液壓支架各類傳感器信號通過工業以太網絡或5G無線網絡傳輸到數字孿生監控平臺，實現對液壓支架位姿、運行狀態和采煤機相對位置的監控；

步驟3，所述數字孿生監控平臺采用多頭注意力機制算法對礦山智能開采工作面采煤機和液壓支架多智能體進行特征信息提取；

步驟4，當每個智能體提取特征信息之后，利用多頭注意力機制與其他智能體進行信息交互，然后再經過一個全連接層，得到智能體的狀態動作值函數，最后將這些動作值加權相加，并利用DQN訓練模式學習策略進行模型訓練；

步驟5，礦山多智能體利用已訓練好的模型策略進行匹配，并通過優化調整誤差指令，將其傳輸給液壓支架電磁閥驅動模塊，進而矯正液壓支架動作。

2.根據權利要求1所述的礦山智能開采數字孿生多智能體協同控制方法，其特征在于，

所述礦山智能開采數字孿生平臺采用注意力機制算法，訓練液壓支架和采煤機的動作值模型，其公式為

其中：Att(Q,K,V)為自注意力值，權值為各個樣本與各條信息間相關或相似程度的分布；Q、K、V分別表示查詢向矩陣量、鍵向量矩陣和值向量矩陣；為激活函數，通常采用softmax。

3.根據權利要求1所述的礦山智能開采數字孿生多智能體協同控制方法，其特征在于，進一步包括如下步驟：

步驟1，采煤機上安裝慣性導航系統和里程計，實時采集采煤機的姿態信息，包括俯仰角、橫滾角、航向角，結合里程儀數據，實現采煤機的精準定位，并根據其運行軌跡即可獲得刮板輸送機的直線度，為礦山智能開采工作面調直控制和液壓支架的推移操作提供數據支持；

步驟2，根據礦山智能開采工作面采煤機切割動作和RGB-D相機測量距離，每五臺液壓支架安裝一臺RGB-D相機，將RGB-D相機所采集的采煤機和液壓支架的姿態信息傳輸至數字孿生監控平臺，并對獲取的視頻進行圖像處理，從而實現對礦山智能開采設備的實時跟蹤；

步驟3，數字孿生監控平臺根據接收的信息進行訓練決策，對主控制器發送一定的信號，主控制器再將信號傳輸至分控制器；

步驟4，數據指令從分控制器傳輸到液壓支架的電磁閥驅動電路，通過驅動液壓回路執行千斤頂的伸縮動作，并通過數字孿生監控平臺融合分析、交互反饋智能礦山智能開采設備的實時運行數據，自動實現跟機、推溜、拉架、移機動作驅動。

4.根據權利要求1所述的礦山智能開采數字孿生多智能體協同控制方法，其特征在于，所述數字孿生體的構建步驟包括：

步驟1，所述礦山智能開采工作面物理實體通過多維映射形成數字孿生模型，通過模型驅動和數據驅動，對礦山智能開采工作面物理實體進行虛擬映射和仿真鏡像，并將映射、仿真數據傳輸到孿生數據中心；

步驟2，將礦山智能開采工作面物理實體的實時數據反饋至孿生數據中心；

步驟3，將孿生數據中心的映射、仿真數據和實時數據進行多源融合；

步驟4，孿生數據中心對融合數據進行深度學習與優化迭代，并利用多頭注意力機制算法進行模型訓練和優化，從而形成最優協同控制策略。