基于改进1DCNN-LSTM的防冲钻孔机器人钻进煤岩性状识别

摘要

防冲钻孔机器人是高地应力矿井卸压作业的关键装备，其对钻进煤岩性状识别准确度直接影响钻孔卸压效率和卸压效果。本文针对当前煤岩钻进状态识别手段多依赖于人工经验，存在识别精度低、响应时间长、无法满足无人化钻孔卸压需求的问题，基于一维卷积神经网络(1DCNN)和长短时记忆网络(LSTM)并结合模拟实验提出了一种钻进过程煤岩性状识别方法。通过加入卷积块注意力机制(CBAM),提升模型识别准确率，并采用改进蜣螂优化(IDBO)算法对模型中超参数进行寻优，确定最优的网络参数组合。搭建煤岩钻进模拟试验台，制作6种典型煤岩试块，采集回转速度、回转扭矩、推进速度和推进压力等4类传感信号，开展相应的对比测试分析。结果表明：所提方法具有较高的钻进煤岩识别准确率，达到97.00%,明显优于1DCNN和1DCNN-LSTM,以及逻辑回归、支持向量机(SVM)、决策树、随机森林、K聚类、Transformer等方法。

关键词

防冲钻孔机器人 / 钻进煤岩识别 / 一维卷积神经网络(1DCNN) / 长短时记忆神经网络(LSTM) / 改进蜣螂优化(IDWO)算法

基金资助

国家自然科学基金(52304184)