针对煤矿井下狭长受限空间条件下掘锚设备协同作业过程的碰撞检测与避碰路径规划难题，提出了基于深度强化学习（Deep Reinforcement Learning，DRL）的煤矿掘进巷道掘锚设备碰撞检测与避碰路径规划方法。利用激光雷达将巷道环境进行实时重建，在虚拟环境中建立掘进设备与钻锚设备的路径规划训练模型，在构建的掘进工作面虚拟三维场景下，采用混合层次包围盒法进行掘锚设备、钻锚设备以及掘进巷道间的虚拟碰撞检测。针对掘锚设备的运动特性，本文在SAC（Soft Actor-Critic）算法的基础上引入多智能体经验共享机制，提出了MAES-SAC（Multi-Agent Experience Sharing）算法，通过定义智能体的状态空间和动作空间，并设计相应的奖惩机制，对智能体进行训练。仿真结果表明，相比于PPO算法和SAC算法，MAES-SAC算法平均奖励值分别提高了8.21%与7.43%，最高奖励值分别提高了0.25%与0.14%，达到最高奖励值的步数分别缩短与3.06%和6.63%，标准差分别减少了10.07%与6.99%。最后，搭建了掘锚设备避碰路径规划与碰撞感知系统实验平台，通过虚实运动同步性测试和掘锚设备避碰轨迹规划实验，验证了掘锚设备避碰路径规划的可行性和准确性，该方法为煤矿井下掘进设备群碰撞感知与协同避碰路径规划提供了一种新的思路，对推动煤矿井下掘进工作面智能化建设具有重要意义。

0引言
1掘锚设备避碰路径规划总体方案
2 煤矿巷道掘锚设备避碰策略
2.1 煤矿井下掘锚设备运动学分析
2.2 掘进工作面虚拟三维场景构建
2.3 煤矿掘进工作面掘锚设备碰撞检测
3 基于多智能体的掘锚设备路径规划
3.1 MAES-SAC算法
3.2 状态空间设计
3.3 动作空间设计
3.4 奖惩函数设计
3.5 训练结果分析
3.6 仿真分析
4 实验验证与性能评估
4.1掘锚设备协同移动实验环境搭建
4.2掘锚设备虚实运动同步性测试
4.3掘锚设备路径规划功能验证及分析
5 结论

杨文娟,张冉,张旭辉,等.掘进巷道狭长受限空间的掘锚设备避碰路径规划方法研究[J/OL].煤炭科学技术,1-13[2025-01-13].http://kns.cnki.net/kcms/detail/11.2402.td.20250109.1535.001.html.