改进鲸鱼优化算法在矿用巡检机器人路径规划中的应用

针对矿用巡检机器人在井下搜索误差大、碰撞时间长的问题,将柯西-高斯变异原理引入鲸鱼优化算法(WOA),实现了矿用巡检机器人目标寻优的全局性搜索。经对比验证,该改进鲸鱼优化算法(MWOA)寻优轨迹更加明显,体现了其优越性。

矿用巡检机器人关键技术分析

依据井下的特殊环境和巡检机器人的研究及应用现状,探讨了矿用巡检机器人移动平台、自主导航与定位、智能控制、自主充电、后台管理及在线故障诊断等关键技术,讨论了矿用巡检机器人未来的发展趋势,指明智能化、小型化及模块化的发展方向,为矿用巡检机器人的进一步发展提供有力参考依据。

探析矿用巡检机器人在煤矿中的应用

近年来,我国煤矿行业在煤矿中普遍应用矿用巡检机器人,可以提高煤炭生产率,对促进煤矿行业健康有序发展有着重要的意义。基于此,本文以主要从矿用机器人系统的重要构成、矿用巡检机器人研究和应用现状以及矿用巡检机器人的重要技术三个方面进行详细分析,希望可以为有需要的人提供参考意见。

矿用巡检机器人轻量化多轴机械臂的应用

煤矿巡检工作一直以人工为主,在皮带运输过程中由于输送带运行速度快、物料飞落等不安全因素,易造成巡检人员受伤,给煤矿安全生产造成很大的困扰。因此采用矿用巡检机器人对运输中的带式输送机进行巡检,搭载轻量化多轴机械臂可实现对带式输送机底部、侧方的细微巡检,避免盲区,实现对整个带式输送机的全方位可视化巡检。从而对带式输送机运行中存在的故障隐患进行准确判断,确保煤矿高效安全生产。

矿用巡检机器人轻量化多轴机械臂的应用

煤矿巡检一直以人工为主,在皮带运输过程中由于输送带运行速度快、物料飞落等不安全因素,易造成巡检人员伤害,给煤矿安全生产造成很大的困扰,因此采用矿用巡检机器人对运输中的带式输送机进行巡检,搭载轻量化多轴机械臂可实现对带式输送机底部、侧方的细微巡检,避免盲区,实现对整个带式输送机的全方位可视化巡检。从而对带式输送机运行中存在的故障隐患准确判断,确保煤矿高效安全生产。

矿用智能巡检机器人无标定视觉伺服控制研究

针对矿用智能巡检机器人无标定视觉伺服控制中采用基于传统的卡尔曼滤波(KF)的图像雅可比矩阵存在估计值不准确、鲁棒性差的问题,提出了一种具有长短期记忆(LSTM)的卡尔曼滤波算法(KFLSTM算法)。KFLSTM算法使用LSTM弥补由KF算法产生的估计误差,将滤波增益误差、状态估计向量误差、观测误差用于LSTM的在线训练,利用训练后的LSTM模型对雅可比矩阵进行最优估计,通过提高雅可比矩阵估计值的准确性和稳定性来改善视觉伺服控制的实时性和鲁棒性。建立了基于KFLSTM算法的无标定视觉伺服模型,将最优雅可比矩阵作为控制器的输入,使控制器输出较准确的关节角速度,从而控制机械臂的实时运行。将KFLSTM算法应用到矿用智能巡检机器人六自由度视觉伺服仿真实验中,结果表明:应用KFLSTM算法得到的图像误差收敛速度相较于传统KF算法提高了100%~142%,图像特征误差更小,定位精度为0.5像素,且机器人末端执行器运动平稳,具有较强的抗噪声干扰能力,可有效提高矿用智能巡检机器人的作业精度与效率,并增强其工作的稳定性与安全性。

矿用智能巡检机器人关键技术研究

介绍了矿用智能巡检机器人研究现状,针对目前矿用智能巡检机器人的特点,从移动平台、定位与导航、图像识别、自主充电、后台管理及诊断等方面详细分析了矿用智能巡检机器人的关键技术:移动平台是矿用智能巡检机器人的重要组成部分,不同的移动平台工作方式不同,应根据巡检场所的环境特点选择轮式、履带式或者轨道式移动平台,平台设计时还需考虑防爆、防潮、防振、防尘等问题;定位与导航技术是矿用智能巡检机器人实现智能化和完全自主移动最关键的技术,从目前井下使用情况来看,轮式和履带式矿用智能巡检机器人定位与导航可采用激光雷达+SLAM技术,轨道式矿用智能巡检机器人由于巡检线路固定,定位与导航适合采用RFID技术;图像识别技术是矿用智能巡检机器人使用比较普遍的一项重要技术,通过拍摄设备图像,判别设备运行状况,根据矿用智能巡检机器人结构及组网方式不同,图像识别的数据处理分为后台处理和就地处理;自主充电技术是矿用智能巡检机器人长期自主工作后补充电能的重要手段,在电池设计时不仅要考虑增大电池容量,还要考虑电池的自主充电能力,才能实现机器人无人值守智能化巡检,体积小、质量轻、储量大的电池本安化是目前研究的难点;矿用智能巡检机器人在巡检过程中会采集到大量数据,其必须具备后台管理和数据分析诊断功能,但目前矿用智能巡检机器人受供电、网络传输技术等因素的影响,无法对采集的数据进行实时处理或上传,需要进一步研制出更加高效的后台管理及在线故障诊断系统。指出了数据分析智能化、移动平台轻量化、功能模块化、巡检定位精确化是矿用智能巡检机器人的发展趋势,为矿用智能巡检机器人关键技术的进一步研究提供参考。