煤炭工程

作者：梁西栋,张思华,蔺成森,丁自伟,张超凡

单位：1. 陕西正通煤业有限责任公司，陕西 咸阳 7136992. 山东能源集团西北矿业有限公司，陕西 西安 7100213. 西安科技大学 能源与矿业工程学院，陕西 西安 710054

关键词：全断面隧道掘进机,巷道掘进,深度学习,位姿预测,SCSSA-CNN-BiLSTM模型,

在煤矿巷道掘进过程中，全断面隧道掘进机（TBM）的掘进路径可能会因环境的不确定性和复杂性而偏离预定轴线。为了提升TBM位姿预测的准确性，提出了一种基于优化深度学习算法的TBM掘进位姿预测模型, 对收集的TBM 掘进参数进行数据提取与清洗，利用卷积神经网络（CNN）提取数据的空间特征, 利用双向长短期记忆网络（BiLSTM）学习数据的时间依赖关系。为进一步优化模型性能，采用融合正余弦和柯西变异的麻雀优化算法（SCSSA）优化CNN-BiLSTM 模型的超参数。结果表明，优化后的模型在多个误差指标上表现显著提升，包括平均绝对误差（MAE）、平均绝对百分比误差（MAPE）、均方误差（MSE）和均方根误差（RMSE），同时相关系数（R）和决定系数（R2）等性能指标也有所提高。具体来说，SCSSA-CNN-BiLSTM模型在预测TBM掘进的滚动角、俯仰角、方位角和水平偏差等位姿参数时，决定系数R2可以达到0.9982、0.9944、0.9936和0.9865，验证了该模型在煤矿巷道TBM掘进位姿预测中的高效性和准确性。

来源：2025年第11期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2025年第11期