基于煤矿井下使用的先进检测钻机，提出了一种实时获取钻孔深度的方法。利用位移传感器测量钻机进给装置在钻进过程中的行程，提出了计算钻进深度的公式。多个传感器进行相同的测量，提高了测量精度和可靠性。采用多传感器数据融合算法，结合计算方程，得到最终钻孔深度。给出了多传感器自适应加权融合算法的必要推导和计算过程。为了优化融合结果，可以通过自适应模式下每个传感器对应的算法找到加权系数，从而优化融合结果。在钻机的进给装置上安装了三种位移传感器，并在实验室试验中模拟了钻井过程。测试证明，与三个传感器的平均值方法相比，多传感器和自适应加权融合算法获得的数据具有更高的精度，并且在融合过程中方差最小的传感器具有最显著的加权系数。获得的钻孔深度数据比使用单个传感器的测量数据通过平均值方法获得的数据更准确。当传感器的测量精度突然下降时，测量数据的加权系数最小，因此对测量结果影响不大。实验验证了该方法的有效性和容错性，提高了测量精度。

1. [1] L.Shu，N.Zhu，J.Chen等人，“煤与瓦斯突出危险性精确识别的理论方法与技术”，中国煤炭学会学报，第45卷，第5期，第1614-1625页，2020年。
2. [2] X.Fang，Y.Geng，M.Wang等人，“千米定向钻井：高瓦斯煤层的同时开采”，中国矿业大学学报，第41卷，第6期，第885-892页，2012年。
3. [3] 石振中，李庆庆，姚克尧，“煤矿井下智能定向钻进的发展路径及关键技术分析”，中国煤炭学会学报，第45卷，第6期，第2217-2224页，2020年。
4. [4] R.Gao，L.Hao，B.Liu等人，“基于改进ResNet网络的地下钻杆计数方法研究”，《工业与矿山自动化》，第46卷，第10期，第32-37页，2020年。
5. [5] T.Lu，S.Liu，B.Wang等人，“利用弹性波测量深钻深度”，《地球物理学进展》，第30卷，第5期，第2176-2180页，2015年。
6. [6] B.Yan和Q.Zhang，“基于VC++的钻井深度校准器数据采集软件设计”，《工业仪表与自动化》，第46卷，第3期，第28-31页，2017年。
7. [7] T.Fan，Y.Zhang，R.Zhao等人，“基于钻孔TEM智能立体成像的快速开挖超前探测方法”，中国煤炭学会学报，第46卷，第2期，第578-590页，2021年。
8. [8] 姚北洋，王永洋，姚永洋等人，“中国地下煤矿复杂地质条件下钻探技术和设备的进展”，《煤炭地质与勘探》，第48卷，第2期，第1-7页，2020年。
9. [9] G.Thonhauser，“使用实时数据进行自动钻井性能分析”，ErdolErdgas Kohle，第120卷，第12期，第170-173页，2004年。
10. [10] V.Yurkevich、S.Bykov和P.Emel'yanov，“钻井过程中形成轨迹的测量”，《测量技术》，第49卷，第8期，第783-786页，2006年。
11. [11] L.Wang，L.Chen，P.Zhang等人，“随钻测井钻孔深度测量装置的设计”，《煤炭地质与勘探》，第45卷，第3期，第144-146页，2017年。
12. [12] B.Wang，“基于光电编码器的深度测量系统设计”，《测井技术》，第44卷，第4期，第343-346357页，2020年。
13. [13] J.Zhang和X.Wang，“煤矿向上钻孔深度的高精度测量技术”，《煤矿安全》，第51卷，第7期，第132-135页，2020年。
14. [14] H.Li，Y.Hu，Y.Wu等人，“地下钻孔深度的高精度测量技术研究”，《岩土工程勘察》，第43卷，第12期，第80-86页，2015年。
15. [15] J.Gu、M.Meng、A.Cook等人，“机器人假眼系统中的智能传感器融合”，《高级计算杂志》。智力。智力。通知。，第8卷，第3期，第313-323页，2004年。
16. [16] Z.Zu，Z.Xu，Y.Sun等人，“基于无量纲多源信息融合技术的煤层底板突水风险评估方法研究”，《采矿与安全工程学报》，第30卷，第6期，第911-916页，2013年。
17. [17] H.Zhang，K.Wei，A.Tchameni等人，“基于多井数据融合的不确定性分析预测方法”，《地球系统工程》，第21卷，第3期，第142-150页，2018。
18. [18] X.Luo，P.Zhan，X.Huang等人，“基于加权D-S证据理论和多域特征融合的岩体失稳预测方法”，中国煤炭学会学报，第45卷，第10期，第3446-3452页，2020年。
19. [19] N.Zheng、Y.Du和Q.Bai，“基于传感器技术和迭代最大后验估计的机器人导航算法”，《高级计算杂志》。智力。智力。通知。，第23卷，第2期，第282-286页，2019年。
20. [20] H.Liu、H.Wang和X.Li，“基于空间目标的异构传感器的融合识别系统设计”，《信号处理》，第26卷，第2期，第203-207页，2010年。
21. [21]Y.Tang，D.Zhou，S.Xu等人，“基于加权置信熵的多传感器数据融合不确定性测量”，《传感器》，第17卷，第4期，第928-943页，2017年。
22. [22]李振中，陈瑞瑞，张斌，“同类多传感器数据融合的自适应加权估计算法研究”，兰州理工大学学报，第32卷，第4期，第78-82页，2006年。
23. [23]Z.Zyada、Y.Kawai、T.Matsuno等人，“人道主义排雷模糊传感器融合”，《高级计算杂志》。智力。智力。通知。，第11卷，第7期，第735-744页，2007年。
24. [24]H.Wang和Q.Zhang，“基于自适应权重优化和多传感器信息融合的煤岩界面动态识别”，信息融合，第51卷，第114-1282019页。
25. [25]S.Xiao，Z.Zhang，X.Huang，“基于数据融合的多通道光纤位移传感器”，《光学与精密工程》，第21卷，第11期，第2764-27702013页。