阅读说明：本技术 竖井掘进机调向控制方法、系统、竖井掘进机及存储介质 (Direction adjusting control method and system for vertical shaft heading machine, vertical shaft heading machine and storage medium ) 是由 刘飞香 刘在政 李政 邹盛国 朱晨 何韬 郑际镜 王丹 任庆成 陈连德 马建兵 于 2020-06-05 设计创作，主要内容包括：本申请公开了一种竖井掘进机的调向控制方法,所述调向控制方法包括获取竖井掘进机的掘进数据；其中,所述掘进数据包括开挖直径、水平偏移信息、掘进机俯仰角、掘进机滚动角、刀盘转速、刀盘扭矩、贯入度和推进速度；将所述掘进数据输入至调向控制参数预测模型,并利用所述调向控制参数预测模型输出所述掘进数据对应的纠偏参数；控制所述竖井掘进机的纠偏扶正装置执行所述纠偏参数对应的调向控制操作。本申请能够提高竖井掘进机调向控制的纠偏精度,提高成井质量。本申请还公开了一种竖井掘进机的调向控制系统、一种存储介质及一种竖井掘进机,具有以上有益效果。(The application discloses a direction-adjusting control method of a vertical shaft heading machine, which comprises the steps of obtaining heading data of the vertical shaft heading machine; the tunneling data comprises the excavation diameter, horizontal deviation information, a tunneling machine pitch angle, a tunneling machine rolling angle, a cutter head rotating speed, a cutter head torque, penetration and a propelling speed; inputting the tunneling data into a direction-adjusting control parameter prediction model, and outputting deviation-correcting parameters corresponding to the tunneling data by using the direction-adjusting control parameter prediction model; and controlling a deviation correction righting device of the vertical shaft heading machine to execute direction adjusting control operation corresponding to the deviation correction parameters. The method and the device can improve the deviation rectification precision of the direction adjustment control of the vertical shaft heading machine and improve the well forming quality. The application also discloses a direction-adjusting control system of the vertical shaft heading machine, a storage medium and the vertical shaft heading machine, and the vertical shaft heading machine has the beneficial effects.)

竖井掘进机调向控制方法、系统、竖井掘进机及存储介质

技术领域

本申请涉及竖井施工技术领域，特别涉及一种竖井掘进机的调向控制方法、一种竖井掘进机的调向控制系统、一种竖井掘进机及一种存储介质。

背景技术

随着人们对地下空间的重视及大量需求，竖井施工越来越多，其中竖井施工的地下工程包括地下停车场，采矿巷道及地下防御工事等。对于一些大直径竖井及长距离的竖井施工对井筒偏斜精度要求较高，目前大多数竖井施工都是通过离线测量，在掘进一段距离后测量井筒偏斜，在下一段掘进行程中依赖人工经验进行手动调节纠偏，这种纠偏方案存在纠偏过度或者纠偏不足的情况，使得最后成井质量不理想。

因此，如何提高竖井掘进机调向控制的纠偏精度，提高成井质量是本领域技术人员目前需要解决的技术问题。

发明内容

本申请的目的是提供一种竖井掘进机的调向控制方法、一种竖井掘进机的调向控制系统、一种竖井掘进机及一种存储介质，能够提高竖井掘进机调向控制的纠偏精度，提高成井质量。

为解决上述技术问题，本申请提供一种竖井掘进机的调向控制方法，该调向控制方法包括：

获取竖井掘进机的掘进数据；其中，所述掘进数据包括开挖直径、水平偏移信息、掘进机俯仰角、掘进机滚动角、刀盘转速、刀盘扭矩、贯入度和推进速度；

将所述掘进数据输入至调向控制参数预测模型，并利用所述调向控制参数预测模型输出所述掘进数据对应的纠偏参数；

控制所述竖井掘进机的纠偏扶正装置执行所述纠偏参数对应的调向控制操作。

可选的，还包括：

获取历史掘进数据；其中，所述历史掘进数据包括所述竖井掘进机和/或其他竖井掘进机在历史时间段内调向控制操作过程中对应的工作参数；

对所述历史掘进数据执行数据清洗操作得到历史纠偏特征参数；其中，所述历史纠偏特征参数包括每次纠偏过程对应的历史开挖直径、历史水平偏移信息、历史掘进机俯仰角、历史掘进机滚动角、历史刀盘转速、历史刀盘扭矩、历史贯入度、历史推进速度、历史纠偏油缸行程、历史推进油缸行程和历史掘进机掘进行程；

利用所述历史纠偏特征参数训练机器学习模型得到所述调向控制参数预测模型。

可选的，利用所述历史纠偏特征参数训练机器学习模型得到所述调向控制参数预测模型包括：

利用所述历史纠偏特征参数分别训练BP神经网络模型和支持向量机；

利用训练后的BP神经网络模型和训练后的支持向量机构建所述调向控制参数预测模型；

相应的，利用所述调向控制参数预测模型输出所述掘进数据对应的纠偏参数包括：

利用所述训练后的BP神经网络模型输出所述掘进数据对应的第一临时纠偏参数；

利用所述训练后的支持向量机输出所述掘进数据对应的第二临时纠偏参数；

根据所述第一临时纠偏参数和所述第二临时纠偏参数的平均值生成所述纠偏参数。

可选的，在利用所述调向控制参数预测模型输出所述掘进数据对应的纠偏参数之后，还包括：

将所述纠偏参数存储至本地纠偏数据库；

当所述本地纠偏数据库中的纠偏参数的数量大于预设值时，根据所述纠偏参数和历史纠偏特征参数对所述调向控制参数预测模型执行自学习操作和自更新操作。

可选的，利用所述调向控制参数预测模型输出所述掘进数据对应的纠偏参数包括：

向所述调向控制参数预测模型输入所述掘进数据以便所述调向控制参数预测模型输出所述纠偏参数；其中，所述纠偏参数包括目标纠偏油缸行程、目标推进油缸行程和目标掘进机掘进行程。

可选的，所述纠偏扶正装置包括所述竖井掘进机的主梁、纠偏油缸和推进油缸；

相应的，控制所述竖井掘进机的纠偏扶正装置执行所述纠偏参数对应的调向控制操作包括：

控制所述竖井掘进机的纠偏扶正装置在预设工作状态下运行所述目标掘进机掘进行程，以便对所述竖井掘进机的主梁执行所述纠偏参数对应的调向控制操作；

其中，当所述纠偏扶正装置处于所述预设工作状态时，所述纠偏油缸执行所述目标纠偏油缸行程对应的第一控制操作，所述推进油缸执行所述目标推进油缸行程对应的第二控制操作。

本申请还提供了一种竖井掘进机的调向控制系统，该系统包括：

数据获取模块，用于获取竖井掘进机的掘进数据；其中，所述掘进数据包括开挖直径、水平偏移信息、掘进机俯仰角、掘进机滚动角、刀盘转速、刀盘扭矩、贯入度和推进速度；

纠偏参数生成模块，用于将所述掘进数据输入至调向控制参数预测模型，并利用所述调向控制参数预测模型输出所述掘进数据对应的纠偏参数；

调向控制模块，用于控制所述竖井掘进机的纠偏扶正装置执行所述纠偏参数对应的调向控制操作。

本申请还提供了一种存储介质，其上存储有计算机程序，所述计算机程序执行时实现上述竖井掘进机的调向控制方法执行的步骤。

本申请还提供了一种竖井掘进机，包括：

数据采集装置，用于获取竖井掘进机的掘进数据；其中，所述掘进数据包括开挖直径、水平偏移信息、掘进机俯仰角、掘进机滚动角、刀盘转速、刀盘扭矩、贯入度和推进速度；

调向控制装置，用于将所述掘进数据输入至调向控制参数预测模型，并利用所述调向控制参数预测模型输出所述掘进数据对应的纠偏参数；

纠偏扶正装置，用于根据所述纠偏参数执行对应的调向控制操作，以便调整所述竖井掘进机的掘进方向。

可选的，所述数据采集装置包括用于获取所述水平偏移信息、所述掘进机俯仰角和所述掘进机滚动角的测斜装置：其中，所述测斜装置包括激光垂准仪、摄像头、计算机和双轴倾斜仪；所述激光垂准仪用于向感光靶发射激光；所述摄像头用于拍摄所述激光垂准仪的激光在所述感光靶上的激光照射图像；所述计算机用于根据所述激光照射图像中激光在所述感光靶上的位置生成水平偏移信息；所述双轴倾斜仪用于检测所述掘进机俯仰角和所述掘进机滚动角。

本申请提供了一种竖井掘进机的调向控制方法，包括获取竖井掘进机的掘进数据；其中，所述掘进数据包括开挖直径、水平偏移信息、掘进机俯仰角、掘进机滚动角、刀盘转速、刀盘扭矩、贯入度和推进速度；将所述掘进数据输入至调向控制参数预测模型，并利用所述调向控制参数预测模型输出所述掘进数据对应的纠偏参数；控制所述竖井掘进机的纠偏扶正装置执行所述纠偏参数对应的调向控制操作。

本申请先获取竖井掘进机的掘进数据，并将掘进数据输入至调向控制参数预测模型。调向控制参数预测模型能够根据输入的掘进数据输出对应的纠偏参数，进而实现纠偏参数的自动化生成，无需人工参与纠偏参数的计算。在得到纠偏参数后，竖井掘进机的纠偏扶正装置按照纠偏参数执行相应的调向控制操作，实现了竖井掘进机的自动化调向控制。本申请相对于传统方案中依赖工作经验的手动调节纠偏，能够提高竖井掘进机调向控制的纠偏精度，提高成井质量。本申请同时还提供了一种竖井掘进机的调向控制系统、一种存储介质和一种竖井掘进机，具有上述有益效果，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例所提供的一种竖井掘进机的调向控制方法的流程图；

图2为本申请实施所提供的一种调向控制参数预测模型的训练方法的流程图；

图3为本申请实施例所提供的一种测斜系统的结构示意图；

图4为本申请实施例所提供的一种扶正纠偏装置的结构示意图；

图5为本申请实施例所提供的一种纠偏油缸布置俯视图；

图6为本申请实施例所提供的一种推进油缸布置俯视图；

图7为本申请实施例所提供的一种智能调向控制系统的实现流程图；

图8为本申请实施例所提供的一种调向控制参数预测模型的训练流程图；

图9为本申请实施例所提供的一种基于BP神经网络的神经网络控制器结构示意图；

图10为本申请实施例所提供的一种模型自训练自更新流程图；

图11为本申请实施例所提供的一种竖井掘进机的调向控制系统的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

下面请参见图1，图1为本申请实施例所提供的一种竖井掘进机的调向控制方法的流程图。

具体步骤可以包括：

S101：获取竖井掘进机的掘进数据；

其中，本实施例可以应用于竖井掘进机的施工过程中，本实施例可以采用实时测量的方式获取竖井掘进机的掘进数据，也可以采用离线测量的方式获取竖井掘进机的掘进数据。掘进数据可以包括开挖直径、水平偏移信息、掘进机俯仰角、掘进机滚动角、刀盘转速、刀盘扭矩、贯入度和推进速度。

具体的，水平偏移信息可以为描述竖井掘进机中心轴(即竖井掘进机底部刀盘中心轴)在水平方向上位移状态的信息。本实施例可以通过在竖井掘进机上安装相应测斜系统以获取竖井掘进机的水平偏移信息、掘进机俯仰角和掘进机滚动角。作为一种可行的实施方式，本实施例可以按照预设周期获取竖井掘进机的水平偏移信息、掘进机俯仰角和掘进机滚动角，即一次获取的竖井掘进机的水平偏移信息、掘进机俯仰角和掘进机滚动角为同一时刻在竖井掘进机的信息。可选的，掘进数据中还可以包括竖井掘进机的开挖直径。

S102：将所述掘进数据输入至调向控制参数预测模型，并利用所述调向控制参数预测模型输出所述掘进数据对应的纠偏参数；

其中，本步骤建立在已经获取竖井掘进机的掘进数据的基础上，利用调向控制参数预测模型输出掘进数据对应的纠偏数据。在本步骤之前可以存在训练调向控制参数预测模型的操作，即先获取竖井掘进机和/或其他竖井掘进机在历史时间段内调向控制操作过程中对应的工作参数，上述工作参数可以包括每一组水平偏移信息、掘进机俯仰角和掘进机滚动角对应的纠偏参数。也就是说，工作数据中可以存在每一次调向控制操作时掘进数据与纠偏参数的对应关系。本实施例可以将工作数据作为训练调向控制参数预测模型的样本，使得训练后的调向控制参数预测模型具有根据实时掘进数据生成对应优选的纠偏参数的能力。因此，在本步骤将掘进数据输入至调向控制参数预测模型后，调向控制参数预测模型输出的纠偏参数为优选的纠偏参数。

S103：控制所述竖井掘进机的纠偏扶正装置执行所述纠偏参数对应的调向控制操作。

其中，本步骤建立在已经得到纠偏参数的基础上，纠偏参数为用于指导调向控制的操作，使得竖井掘进机的掘进轨迹趋近或符合预设掘进轨迹。作为一种可行的实施方式，本实施例可以根据纠偏参数生成对应的控制指令，利用PLC控制器控制所述竖井掘进机的纠偏扶正装置执行所述纠偏参数对应的调向控制操作。当然，本实施例还可以将纠偏参数以可视化的方式显示在用户界面，以便工作人员根据纠偏参数执行手动纠偏操作。

本实施例先获取竖井掘进机的掘进数据，并将掘进数据输入至调向控制参数预测模型。调向控制参数预测模型能够根据输入的掘进数据输出对应的纠偏参数，进而实现纠偏参数的自动化生成，无需人工参与纠偏参数的计算。在得到纠偏参数后，竖井掘进机的纠偏扶正装置按照纠偏参数执行相应的调向控制操作，实现了竖井掘进机的自动化调向控制。本实施例相对于传统方案中依赖工作经验的手动调节纠偏，能够提高竖井掘进机调向控制的纠偏精度，提高成井质量。

请参见图2，图2为本申请实施所提供的一种调向控制参数预测模型的训练方法的流程图，本实施例是对图1对应的实施例中提到的调向控制参数预测模型的生成过程的进一步介绍，可以将本实施例与图1对应的实施例相结合得到进一步的实施方式，本实施例可以包括以下步骤：

S201：获取历史掘进数据；

其中，本步骤先获取历史掘进数据作为训练调向控制参数预测模型的样本来源，历史掘进数据包括所述竖井掘进机和/或其他竖井掘进机在历史时间段内调向控制操作过程中对应的工作参数，即根据历史掘进数据可以确定在某一历史掘进数据的情况下对应的纠偏参数。历史时间段指调向控制操作对应的时间段。

S202：对所述历史掘进数据执行数据清洗操作得到历史纠偏特征参数；

其中，历史掘进数据中可以包括历史时间段内所有的工作参数，本实施例可以通过数据清洗操作得到历史纠偏特征参数。具体的，所述历史纠偏特征参数包括每次纠偏过程对应的历史开挖直径、历史水平偏移信息、历史掘进机俯仰角、历史掘进机滚动角、历史刀盘转速、历史刀盘扭矩、历史贯入度、历史推进速度、历史纠偏油缸行程、历史推进油缸行程和历史掘进机掘进行程；

S203：利用所述历史纠偏特征参数训练机器学习模型得到所述调向控制参数预测模型。

其中，本实施例可以利用历史纠偏特征参数对单个机器学习模型进行训练，也可以对多个机器学习模型进行训练。具体的，若本实施例对单个机器学习模型进行训练，在训练后可以直接将该机器学习模型作为调向控制参数预测模型。若本实施例分别对多个机器学习模型进行训练，则可以利用所有训练后的机器学习模型的构建调向控制参数预测模型。若使用多个机器学习模型构建调向控制参数预测模型，在利用调向控制参数预测模型生成掘进数据对应的纠偏参数时，可以由调向控制参数预测模型所包括的各个机器学习模型分别计算临时纠偏参数，然后根据每一机器学习模型对应的权重值计算所有临时纠偏参数对应的纠偏参数。

举例说明上述内容，利用所述历史纠偏特征参数训练机器学***均值生成所述纠偏参数。本实施例采用神经网络系统与支持向量机两种算法对智能调向控制模型进行预测，取两者平均值可减小因单一算法上的缺陷带来的误差，提高调向控制的精确性。

作为一种可行的实施方式，在利用所述调向控制参数预测模型输出所述掘进数据对应的纠偏参数之后，还可以将所述纠偏参数存储至本地纠偏数据库；当所述本地纠偏数据库中的纠偏参数的数量大于预设值时，根据所述纠偏参数和历史纠偏特征参数对所述调向控制参数预测模型执行自学习操作和自更新操作。通过上述操作通过增加训练样本实现调向控制参数预测模型的自学习和自更新，提高调向控制参数预测模型输出纠偏参数的精准度。

作为对于上述实施例的进一步介绍，利用所述调向控制参数预测模型输出所述掘进数据对应的纠偏参数的具体过程可以包括：向所述调向控制参数预测模型输入所述掘进数据以便所述调向控制参数预测模型输出所述纠偏参数；其中，所述纠偏参数包括目标纠偏油缸行程、目标推进油缸行程和目标掘进机掘进行程。

作为一种可行的实施方式，本实施例中竖井掘进机的纠偏扶正装置可以包括所述竖井掘进机的主梁、纠偏油缸和推进油缸；相应的，控制所述竖井掘进机的纠偏扶正装置执行所述纠偏参数对应的调向控制操作包括：控制所述竖井掘进机的纠偏扶正装置在预设工作状态下运行所述目标掘进机掘进行程，以便对所述竖井掘进机的主梁执行所述纠偏参数对应的调向控制操作。其中，当所述纠偏扶正装置处于所述预设工作状态时，所述纠偏油缸执行所述目标纠偏油缸行程对应的第一控制操作，所述推进油缸执行所述目标推进油缸行程对应的第二控制操作。

下面通过在实际应用中的实施例说明一种竖井掘进机实现智能调向控制的方案，本竖井掘进机可以包括：

数据采集装置，用于获取竖井掘进机的掘进数据；其中，所述掘进数据包括开挖直径、水平偏移信息、掘进机俯仰角、掘进机滚动角、刀盘转速、刀盘扭矩、贯入度和推进速度；

调向控制装置，用于将所述掘进数据输入至调向控制参数预测模型，并利用所述调向控制参数预测模型输出所述掘进数据对应的纠偏参数；

纠偏扶正装置，用于根据所述纠偏参数执行对应的调向控制操作，以便调整所述竖井掘进机的掘进方向。

进一步的，所述数据采集装置包括用于获取所述水平偏移信息、所述掘进机俯仰角和所述掘进机滚动角的测斜装置：其中，所述测斜装置包括激光垂准仪、摄像头、计算机和双轴倾斜仪；所述激光垂准仪用于向感光靶发射激光；所述摄像头用于拍摄所述激光垂准仪的激光在所述感光靶上的激光照射图像；所述计算机用于根据所述激光照射图像中激光在所述感光靶上的位置生成水平偏移信息；所述双轴倾斜仪用于检测所述掘进机俯仰角和所述掘进机滚动角。

请参见图3，图3为本申请实施例所提供的一种测斜系统的结构示意图，测斜装置包括激光垂准仪301、感光靶302、摄像头303、气管304、计算机305和双轴倾斜仪306。本实施例中测斜系统是通过激光垂准仪的激光在感光靶的位置来判断竖井掘进机的水平偏移信息，气管用于吹走感光靶和摄像头上的尘土或泥沙提高摄像头拍摄画面的清晰程度。

请参见图4，图4为本申请实施例所提供的一种扶正纠偏装置的结构示意图，扶正纠偏装置可以包括竖井掘进机主梁401，纠偏油缸402，推进油缸403，刀盘404，图5为本申请实施例所提供的一种纠偏油缸布置俯视图，图6为本申请实施例所提供的一种推进油缸布置俯视图，图6中的实心黑点用于表示油缸内置行程传感器。

本实施例中的竖井掘进机还可以包括智能调向控制系统，请参见图7，图7为本申请实施例所提供的一种智能调向控制系统的实现流程图，智能调向控制系统的工作过程可以包括以下步骤：

步骤1、数据收集与处理；

本步骤对与先获取的海量竖井掘进历史掘进数据进行清洗，去除无效数据、无用字段、重复数据，筛选出特征信息存放至工程数据库中，最终得到的特征信息包括开挖直径(D)、位置偏差E＝(E1，E2，E3，E4)^T(E1为向X轴偏差，E2为Y轴偏差，E3为俯仰角，E4为侧滚角)、刀盘转速N、刀盘扭矩T、贯入度P、推进速度V、纠偏油缸行程S1和S2及推进油缸行程H1、H2、H3、H4及完成一次纠偏过程掘进机掘进的行程L。

步骤2、调向控制参数预测模型离线训练；

请参见图8，图8为本申请实施例所提供的一种调向控制参数预测模型的训练流程图。在本步骤中可以利用BP神经网络与支持向量机方法对工程数据库的纠偏油缸行程参数、推进油缸行程参数和完成一次纠偏过程掘进机掘井的行程L进行数据挖掘和机器学***均，既避免了单一的数学方法在进行数据预测时造成的计算误差，同时合理的发挥模型各自的优势，提高预测的准确度。

具体的，在训练BP神经网络过程中，可以向将步骤1得到的特征信息输入BP神经网络，对神经网络进行线下学习训练,得到调向控制参数预测结果YBPNet。由于BP神经网络具有结构简单、易于实现的优点，且具有良好的非线性品质和灵活有效的学习方式，能进行大规模的并行信息处理，对非线性系统具有很强的模拟能力，因此可以采用三层前馈型BP神经网络控制器控制竖井掘进机的纠偏与扶正。请参见图9，图9为本申请实施例所提供的一种基于BP神经网络的神经网络控制器结构示意图。掘进状态参数矩阵X作为输入矩阵，调向控制参数矩阵Y作为输出，设置该神经网络控制器输入层节点数为n1＝9，输入信号X＝(X1,X2,X3,X4,X5,X6,X7,X8,X9)^T＝(D,E1,E2,E3,E4,N,T,P,V)^T，隐含层节点数n2＝n，输出层节点数n3＝7，输出信号Y＝(Y1,Y2,Y3,Y4,Y5,Y6,Y7)^T＝(S1,S2,H1,H2,H3,H4,L)^T。选取掘进参数数据库中的80％的数据进行训练，余下20％的数据进行测试，得到一个成熟的神经网络BPNet，获得调向控制参数预测结果YBPNet。

在训练支持向量机过程中，可以利用支持向量机将掘进状态参数矩阵X作为输入，调向控制参数矩阵Y作为输出，对其进行数据回归；选取掘进参数数据库中80％的数据进行训练，20％的数据进行测试，得到一个成熟的回归学习机svm，获得调向控制参数预测结果Ysvm；

在得到训练后的BP神经网络和支持向量机的基础上，本实施例可以将BP神经网络获得的调向控制参数预测结果与支持向量机获得的调向控制参数预测结果进行数学平均：Y＝(YBPNet+Ysvm)/2，获得调向控制参数预测模型Y。

步骤3、智能调向控制；

竖井掘进机掘进过程中，实时采集当前掘进参数X＝(D,E1,E2,E3,E4,N,T,P,V)^T输入到调向控制参数预测模型Y，得到指导掘进调向控制参数Y＝(S1,S2,H1,H2,H3,H4,L)^T。通过模型参数输出单元将调向控制参数实时显示在主控制室上位机操作界面上，手动模式下操作手根据调向控制参数手动操作控制纠偏油缸与推进油缸行程完成调向，自动模式下PLC控制器根据调向控制参数自动控制纠偏油缸与推进油缸行程完成调向。

当然本实施例还可以存在智能调向控制模型自学习更新的操作，请参见图10，图10为本申请实施例所提供的一种模型自训练自更新流程图，本实施例可以将智能调向控制模型自学习自更新单元设置在主控室上位机操作界面单元，竖井掘进机掘进过程中将掘进参数实时保存，并将掘进参数X与调向控制参数筛选添加存放至工程数据库，数据库可以手动操作更新训练新模型或者当工程数据库数据增加10％时，控制单元自动在停机时间进行智能调向控制模型进行自学习和自更新，然后用新的调向控制参数预测模型替换当前的调向控制参数预测模型。

上述实施例采用神经网络系统与支持向量机两种算法对智能调向控制模型进行预测，取两者平均值可减小因单一算法上的缺陷带来的误差，同时智能调向控制模型可以实现自学***，为实现竖井掘进机自动掘进提供强力支撑。

请参见图11，图11为本申请实施例所提供的一种竖井掘进机的调向控制系统的结构示意图，该系统可以包括：

数据获取模块100，用于获取竖井掘进机的掘进数据；其中，所述掘进数据包括开挖直径、水平偏移信息、掘进机俯仰角、掘进机滚动角、刀盘转速、刀盘扭矩、贯入度和推进速度；

纠偏参数生成模块200，用于将所述掘进数据输入至调向控制参数预测模型，并利用所述调向控制参数预测模型输出所述掘进数据对应的纠偏参数；

调向控制模块300，用于控制所述竖井掘进机的纠偏扶正装置执行所述纠偏参数对应的调向控制操作。

本实施例先获取竖井掘进机的掘进数据，并将掘进数据输入至调向控制参数预测模型。调向控制参数预测模型能够根据输入的掘进数据输出对应的纠偏参数，进而实现纠偏参数的自动化生成，无需人工参与纠偏参数的计算。在得到纠偏参数后，竖井掘进机的纠偏扶正装置按照纠偏参数执行相应的调向控制操作，实现了竖井掘进机的自动化调向控制。本实施例相对于传统方案中依赖工作经验的手动调节纠偏，能够提高竖井掘进机调向控制的纠偏精度，提高成井质量。

进一步的，还包括：

历史数据获取模块，用于获取历史掘进数据；其中，所述历史掘进数据包括所述竖井掘进机和/或其他竖井掘进机在历史时间段内调向控制操作过程中对应的工作参数；

数据清洗模块，用于对所述历史掘进数据执行数据清洗操作得到历史纠偏特征参数；其中，所述历史纠偏特征参数包括每次纠偏过程对应的历史开挖直径、历史水平偏移信息、历史刀盘转速、历史刀盘扭矩、历史贯入度、历史推进速度、历史纠偏油缸行程、历史掘进机俯仰角、历史掘进机滚动角、历史推进油缸行程和历史掘进机掘进行程；

模型训练模块，用于利用所述历史纠偏特征参数训练机器学习模型得到所述调向控制参数预测模型。

进一步的，模型训练模块包括：

训练单元，用于利用所述历史纠偏特征参数分别训练BP神经网络模型和支持向量机；

模型构建单元，用于利用训练后的BP神经网络模型和训练后的支持向量机构建所述调向控制参数预测模型；

相应的，纠偏参数生成模块200包括：

数据输入单元，用于将所述掘进数据输入至调向控制参数预测模型；

第一临时参数输出单元，用于利用所述训练后的BP神经网络模型输出所述掘进数据对应的第一临时纠偏参数；

第二临时参数输出单元，用于利用所述训练后的支持向量机输出所述掘进数据对应的第二临时纠偏参数；

均值计算单元，用于根据所述第一临时纠偏参数和所述第二临时纠偏参数的平均值生成所述纠偏参数。

进一步的，还包括：

数据存储单元，用于在利用所述调向控制参数预测模型输出所述掘进数据对应的纠偏参数之后，将所述纠偏参数存储至本地纠偏数据库；

自学习更新单元，用于当所述本地纠偏数据库中的纠偏参数的数量大于预设值时，根据所述纠偏参数和历史纠偏特征参数对所述调向控制参数预测模型执行自学习操作和自更新操作。

进一步的，纠偏参数生成模块200用于将所述掘进数据输入至调向控制参数预测模型，还用于向所述调向控制参数预测模型输入所述掘进数据以便所述调向控制参数预测模型输出所述纠偏参数；其中，所述纠偏参数包括目标纠偏油缸行程、目标推进油缸行程和目标掘进机掘进行程。

进一步的，所述纠偏扶正装置包括所述竖井掘进机的主梁、纠偏油缸和推进油缸；

相应的，调向控制模块300具体为用于控制所述竖井掘进机的纠偏扶正装置在预设工作状态下运行所述目标掘进机掘进行程，以便对所述竖井掘进机的主梁执行所述纠偏参数对应的调向控制操作的模块；

其中，当所述纠偏扶正装置处于所述预设工作状态时，所述纠偏油缸执行所述目标纠偏油缸行程对应的第一控制操作，所述推进油缸执行所述目标推进油缸行程对应的第二控制操作。

本实施例利用测斜系统的通过激光垂准仪的激光在感光靶的位置来判断竖井掘进机的平面偏移情况，利用双轴倾斜仪来测量竖井掘进机的俯仰角和滚动角的值，将测量所得的值读入智能调向控制系统中来调节纠偏油缸与推进油缸的行程进行纠偏扶正，其中智能调向控制系统通过将竖井掘进大数据经过清洗后，借助机器学***滑完成对应的纠偏扶正，自动调节纠偏油缸及推进油缸完成竖井掘进机的纠偏与扶正。本实施例具有工作效率块，准确性高，并且适用于不同开挖直径、不同地层及不同竖井掘进机。

由于系统部分的实施例与方法部分的实施例相互对应，因此系统部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。

本申请还提供了一种存储介质，其上存有计算机程序，该计算机程序被执行时可以实现上述实施例所提供的步骤。该存储介质可以包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本申请还提供了一种电子设备，可以包括存储器和处理器，所述存储器中存有计算机程序，所述处理器调用所述存储器中的计算机程序时，可以实现上述实施例所提供的步骤。当然上述电子设备还可以包括各种网络接口，电源等组件。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的状况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。