Mobile platform of rocker-type coal mine rescue robot

After a coal mine disaster,especially a gas and coal dust explosion,the space-restricted and unstructured underground terrain and explosive gas require coal mine rescue robots with good obstacle-surmounting performance and explosion-proof capability. For this type of environment,we designed a mobile platform for a rocker-type coal mine rescue robot with four independent drive wheels.The composition and operational principles of the mobile platform are introduced,we discuss the flameproof design of the rocker assembly,as well as the operational principles and mechanical structure of the bevel gear differential and the main parameters are provided.Motion simulation of the differential function and condition of the robot running on virtual,uneven terrain is carried out with ADAMS.The simulation results show that the differential device can maintain the main body of the robot at an average angle between two rockers.The robot model has good operating performance.Experiments on terrain adaptability and surmounting obstacle performance of the robot prototype have been carried out.The results indicate that the prototype has good terrain adaptability and strong obstacle-surmounting performance.

A novel explosion-proof walking system: Twin dual-motor drive tracked units for coal mine rescue robots

A new explosion-proof walking system was designed for the coal mine rescue robot(CMRR) by optimizing the mechanical structure and control algorithm. The mechanical structure innovation lies mainly in the dual-motor drive tracked unit used, which showed high dynamic performance compared with the conventional tracked unit. The control algorithm, developed based on decision trees and neural networking, facilitates autonomous switching between "Velocity-driven Mode" and "Torquedriven Mode". To verify the feasibility and effectiveness of the control strategy, we built a self-designed test platform and used it to debug the control program; we then made a robot prototype and conducted further experiments on single-step, ramp, and rubble terrains. The results show that the proposed walking system has excellent dynamic performance and the control strategy is very efficient, suggesting that a robot with this type of explosion-proof walking system can be successfully applied in Chinese coal mines.

智能采煤机器人关键技术

采煤机是综采工作面的核心装备,研发智能采煤机器人是实现综采工作面智能化的关键。综合分析当前采煤机机器人化研究进程中的传感检测、位姿控制、速度控制、截割轨迹规划与跟踪控制等技术的研究现状,提出研发智能采煤机器人必须破解的“智能感知、位姿控制、速度控制、截割轨迹规划与跟踪控制、位-姿-速协同控制”五大关键技术,并给出解决方案。针对智能感知问题,提出了构建智能感知系统思路,给出了智能采煤机器人智能感知系统的架构,实现对运行状态、位姿、环境等全面感知,为智能采煤机器人安全、可靠运行提供保障;针对位姿控制问题,提出了智能PID位姿控制思路,给出了改进遗传算法的PID位姿控制方法,实现了智能采煤机器人位姿精准控制;针对速度控制问题,提出了融合“力-电”异构数据的截割载荷测量思路,给出了基于神经网络算法的截割载荷测量方法,实现了截割载荷的精准测量;提出牵引与截割速度自适应控制思路,给出了人工智能算法牵引与截割速度决策方法和滑模自抗扰控制的牵引与截割速度控制方法,实现了智能采煤机器人速度精准自适应控制;针对截割轨迹规划与跟踪控制问题,提出了截割轨迹精准规划思路,给出了融合地质数据和历史截割数据的截割轨迹规划模型,实现了截割轨迹的精准规划;提出了截割轨迹精准跟踪控制思路,给出了智能插补算法的截割轨迹跟踪控制方法,实现了智能采煤机器人截割轨迹高精度规划与精准跟踪控制;针对“位-姿-速”协同控制问题,提出了“位-姿-速”协同控制参数智能优化思路,给出了基于多系统互约束的改进粒子群“位-姿-速”协同控制参数优化方法,实现了智能采煤机器人智能高效作业。深入研究五大关键技术破解思路,有利于加快推动研发高性能、高效率、高可靠的智能采煤机器人。

基于改进人工势场算法的煤矿井下机器人路径规划

路径规划是煤矿机器人在煤矿井下狭小巷道空间中应用亟待解决的关键技术之一。针对传统人工势场(APF)算法在狭小巷道环境中规划出的路径可能离巷道边界过近,以及在障碍物附近易出现目标不可达和路径振荡等问题,提出了一种基于改进APF算法的煤矿机器人路径规划方法。参考《煤矿安全规程》有关规定建立了巷道两帮边界势场,将机器人行驶路径尽量规划在巷道中间,以提高机器人行驶安全性;在障碍物斥力势场中引入调节因子,以解决目标不可达问题;引入转角限制系数以平滑规划出的路径,减少振荡,提高规划效率,保证规划路径的安全性。仿真结果表明:当目标点离障碍物很近时,改进APF算法可成功规划出能够抵达目标点的路径;改进APF算法规划周期数较传统算法平均减少了14.48%,转向角度变化累计值平均减少了87.41%,曲率绝对值之和平均减少了78.09%,表明改进APF算法规划的路径更加平滑,路径长度更短,规划效率和安全性更高。

基于SLAM技术的矿区巷道巡检机器人路径规划优化

针对矿区巷道环境复杂、道路狭窄等特点,提出了一种基于SLAM(SimultaneousLocalizationandMapping)技术的矿区巷道巡检机器人路径规划优化方法,实现机器人的自主定位和地图构建。采用激光雷达、RGB-D相机等多种传感器相融合,获取矿区三维点云数据,并使用SLAM算法实时构建矿区三维地图。同时,通过配准当前获取的点云数据与已构建的地图,实现机器人在矿区内的自主定位。针对矿山中存在的狭窄、弯曲、分支等复杂环境,提出了一种增量式A~*优化算法用于路径规划。该算法在传统A~*算法的基础上,引入了路径平滑、走廊宽度约束等优化策略,能生成满足矿区复杂环境约束的平滑可行路径。算法采用增量式方式更新,只需对改变的局部区域重新进行路径搜索,大大减少了整体路径规划的计算耗时。通过试验验证该算法性能,结果表明:与传统路线规划方法相比,该算法能够快速、精准地完成巡检任务,为矿区巷道巡检机器人推广应用提供了参考。

金属矿山井下采场六足机器人运动分析及步态规划

六足机器人因其结构特殊带来的良好越障能力成为仿生机器人研究的热点,然而,金属矿山井下采场矿石堆积、崎岖不平的特点,给这类机器人的行走稳定性、越障性带来更多的挑战。因此,为使六足机器人在井下具有更好的通过性,对其运动能力和步态规划进行了相关研究。首先仿照自然界六足生物,设计六足机器人结构,对其腿部进行运动学分析;然后规划了用于采场的直行步态,结合采场路面环境设计了一种直线—摆线复合轨迹提升越障性,同时分析了机器人爬坡稳定性,对爬坡步态进行了优选;最后对规划步态进行仿真和现场模拟试验。仿真和试验结果表明,所规划的足端轨迹能跨越抬腿高度85%的障碍物,并且对矿石堆积形成的采场路面有更好的避障能力;三角步态爬坡时在坡底和坡顶过渡阶段容易打滑,而横向步态可以实现平滑的过渡,爬坡性能更佳。

某钨矿露地联采关键地压灾害监测预警研究

某钨矿形成了露地联采的开采局面,面临着井下群采空区与隔离间柱稳定性、露采边坡稳定性、露地相互影响等关键地压灾害问题。设计建设了最先进的66通道微震监测系统、测量机器人与边坡雷达等地压监测预警系统。文章详细介绍了一次典型的岩体失稳垮塌的成功预警案例。上述综合性的地压监测手段将为矿山安全生产提供重要的技术支撑。

融合金字塔结构与注意力机制的煤矿井下巡检机器人PT目标检测算法

近年来,煤矿机器人已成为现代煤机装备领域的研究热点,多数煤矿的主煤流运输系统基本实现了连续化、机械化和自动化,因此对主运输巷道内的安全监控与巡检效率提出了更高的要求,而精准的目标检测是实现煤矿井下智能化安全监控的必要保障,但现有的目标检测算法应用于复杂恶劣的煤矿井下巷道环境,存在目标检测精度较低的问题。面向井下低照明、环境杂乱的特殊工况检测需求,制作了井下巷道环境内目标物数据集,完成数据集标注并展开多维度分析;提出一种基于金字塔结构与注意力机制融合的PT目标检测算法,利用注意力机制模块替换金字塔结构中的卷积模块,在控制特征计算量的同时提高对全局特征的提取能力,实现目标物局部特征与全局特征融合的提取效果,提高了图像中目标感兴趣区域特征的表达能力。最后,面向煤矿井下巡检机器人应用场景,将提出的PT算法与传统经典的Faster R-CNN、YOLOv4算法进行对比分析。结果表明:所提出的PT目标检测算法能够有效识别复杂环境下巷道内目标物,相较于主流的Faster R-CNN、YOLOv4目标检测网络,PT算法有更好的综合识别能力,识别煤矿人员的准确率分别提升了2.90%和4.30%,识别井下障碍的准确率分别提升0.20%和4.80%,识别矿井裂缝的准确率分别提升了4.40%和8.60%,识别井下设备的准确率分别提升了3.00%和8.70%。因此,PT目标检测算法能够更好地适应井下环境,目标检测算法较其他算法能够获得更高的准确率与检测速度,可为井下巷道安控系统建设提供理论依据与技术支撑。

动态协同算法在挖掘机器人控制的优化研究

针对矿用挖掘机器人的控制耦合特性,提出了动态协同优化控制算法。首先,将机器人的设计优化系统解耦到水平/垂直运动空间中,以减弱各液压回路之间的强耦合关系,将空间姿态系数引入水平/垂直运动空间的主/辅反馈控制回路,在各控制回路之间弱耦合的前提下,获得各液压回路的精确动态控制信号,最终实现了机器人整体系统的最优控制。最后,通过实验和仿真验证了所提出的动态协同优化控制算法的有效性,机器人空间姿态控制中具有较优的瞬态调节性能和稳定性。

煤矿机器人技术产业痛点及智能化分级标准

探讨了我国煤矿机器人行业的发展现状、痛点以及未来趋势。在“机器人+”大时代背景下,从机器人企业数量、地域分布、产业园区建设、优势赛道、国家政策等层面阐述了我国机器人产业发展情况,并阐述国内互联网和制造业大厂入局机器人带来的变革与挑战;重点分析了煤矿机器人技术及产业痛点,指出了煤矿机器人实现智能化应具备的3大能力;提出了应加强其供应链、标准体系等方面建设;详细介绍了煤矿机器人L_(0)~L_(5)的分级标准。

基于集成神经网络和改进极限学习机的矿井移动机器人故障检测

矿井移动机器人作为一种自主运动的智能设备,广泛应用于采矿、输送和装载等工作中。然而,由于其在恶劣环境下运行,往往长时间无法得到检修维护,导致故障频发,影响了井下安全高效生产。如何及时准确地对机器人进行故障检测,提高其可靠性和生产效率成为一个亟待解决的问题。提出了一种基于集成神经网络和改进极限学习机的矿井移动机器人故障检测方法。该方法融合了多个神经网络模型,并通过改进极限学习机算法来提高检测精度和效率。首先,基于集成学习思想将传统卷积神经网络、递归神经网络和自编码器等多个预训练模型集成为一个更强大的检测模型。其次,在极限学习机的基础上引入了自适应权重调整策略,提高了算法的自适应能力和准确性。将所提出的方法在某矿山数据集上进行了试验,结果表明:该方法在检测区分度较低或异常数据较多的情况下性能优异,有助于实现高精度和高效率的故障检测。

基于改进A^(*)算法的矿用机器人救援路径规划及仿真分析

【目的】煤矿井下灾后现场情况复杂,针对传统A^(*)算法的煤矿机器人救援路径规划存在路径不安全、效率低等问题,结合栅格地图及救援机器人可沿任意方向移动的特点,多方面对传统A^(*)算法进行改进。【方法】首先,引入了机器人尺寸叠加到障碍物的概念,以确保路径的安全性。其次,通过优化启发函数,降低偏离最佳路径节点的扩展数量,减少冗余节点与路径转折,降低了计算复杂度。最后,采用动态调整算法将路径转折角圆弧化,对所得路径平滑处理,提高了路径的可操作性。最终获得路径代价更小、耗时更短、转弯次数更少的优化路径。基于改进的A^(*)算法,利用MATLAB开展了不同尺寸及不同障碍物覆盖率下救援机器人路径规划的仿真模拟试验。【结果】结果表明:相较于传统A^(*)算法,在崎岖环境地图中改进的A^(*)算法使搜索节点降低了26.51%、计算时长减少了80.42%、路径长度缩短了31.85%、转向次数减少了44.44%,提高了路径的搜索效率和平滑程度。【结论】改进的A^(*)算法为复杂工况环境下煤矿机器人的救援工作提供了一定的理论基础。

基于改进A*和势场法的轮式煤矿救援机器人路径规划

煤矿救援机器人在非结构化井下巷道环境中执行搜救任务,传统的路径规划算法用于搜索空间较大或者复杂度较高的非结构化环境时,可能会面临效率低、非最优路径和平滑度较差等问题;此外,巷道存在复杂的交叉口等环境特征,机器人在该区域容易偏离预设路线或与路口壁面发生剐蹭。为了克服这些问题并提高机器人的导航精度,提出了针对轮式煤矿救援机器人的路径规划算法改进方案:①改进启发式全局路径规划A*算法,通过分层邻域搜索与剪枝的方法改进邻域搜索方式,优化代价函数以更好地平衡实际代价和启发式代价的影响,更准确地评估每个节点的代价,使其适应实际情况且缩减了计算量,并利用B样条方法对路径进行平滑处理;②利用随机样本一致算法(RANSAC)构建煤矿巷道壁面的几何模型,以便提取交叉路口特征点坐标纳入规划系统,利用B样条曲线基函数的局部支撑性优化路径,当后续添加路径优化点时,仅影响相应区间的曲线形状,对路径的其余部分不产生影响;③根据构建的环境几何模型和提取的特征点建立综合局部势场,引入调整系数优化势场分布,并使用粒子群算法(PSO)优化的PID算法实现运动控制,增强机器人针对巷道交叉口等复杂环境通行的适应能力。通过MATLAB和机器人操作系统(ROS)仿真验证了算法原理与应用的可行性,结果表明该方法可以实现在复杂交叉环境中路径规划、自主行驶等功能。

煤矿井下移动机器人同步定位关键技术研究

同步定位是实现智能矿山设备自动化的关键技术,然而由于煤矿复杂的工况环境使得激光雷达的同步定位容易退化,导致移动机器人定位和测绘失败。基于此,提出了一种鲁棒的激光雷达同步定位方法。该方法通过集成激光雷达和惯性测量单元(IMU)数据来检测和补偿退化的场景。利用扰动模型检测由于线、面特征约束不足而导致退化的方向和程度,从而获得退化的因子和矢量。将IMU预积分得到的位姿投影到平面特征上,用于局部地图匹配,实现两步退化补偿。最后通过因子图优化实现了全局一致的激光雷达同步定位。

基于灰色关联分析的矿用机器人焊接工艺设计

矿用机器人焊接工艺设计过于依赖人工经验而导致设计效率不高,若能实现以前相似实例的重用可有效提高设计效率。通过灰色关联分析完成焊接工艺相似实例的匹配,并采用其他相似度算法验证其计算结果的有效性,结果表明基于灰色关联分析的相似实例匹配方法具有可行性。

融合改进A^(*)算法与动态窗口法的煤矿足式机器人路径规划

为提高煤矿足式机器人路径规划算法的运行效率、搜索精度及避障灵活性,提出了一种融合改进A^(*)算法与动态窗口法(DWA)的煤矿足式机器人路径规划方法。首先对A^(*)算法进行改进,通过去冗余节点策略减短规划路径的长度,通过改进邻域搜索方式和代价函数提高路径规划速度,采用分段二阶贝塞尔曲线进行路径平滑。将改进A^(*)算法规划出的路径节点依次作为局部路径规划DWA的局部目标点进行算法融合,筛选邻近的障碍物节点,从而再次缩短路径长度,并通过调整DWA代价函数中的权值比例提升避障性能。针对机器人遇到无法避开的障碍物而陷入“假死”状态的问题,以当前初始点为起点,重新调用融合算法,即重新进行全局路径规划,将得到的新节点代替原有的局部目标点,按照新路径进行后续工作。仿真结果表明:在保证机器人行走安全稳定的基础上,改进A^(*)算法较传统A^(*)算法的计算时间缩短了65%,路径长度缩短了24.1%,路径节点数量减少了27.65%,最终得出的路径更为平滑;融合算法进一步提升了全局路径规划能力,在多障碍物环境下能够绕开新增的动态和静态障碍物;机器人遇到“L”型障碍物进入“假死”状态时,在“假死”位置重新进行全局路径规划,更新行走路径,成功到达了最终目标点。基于融合算法的JetHexa六足机器人路径规划实验结果验证了融合算法的有效性和优越性。

基于模糊控制算法的矿山爆破机器人路径规划

针对矿山爆破机器人工作环境的复杂性和不确定性,为提高其在这种挑战性环境中的自主操作性和安全性,结合视觉导航原理和模糊控制算法提出一种未知环境下的局部路径规划策略。该策略充分利用机器人搭载的摄像头和激光雷达进行环境探测,实时获取障碍物和目标信息,通过模糊控制器调整机器人的运动偏转角度及步长,从而有效地避开障碍物并到达预定目标点。仿真结果表明,该策略不但能使机器人以最优的路径到达目标点,而且显著降低了机器人在多障碍物环境下发生碰撞的风险,提高了矿山爆破机器人的工作效率和安全性。

面向多人-多机复杂协作任务的煤矿XR智能运维系统

随着煤矿智能化的发展与煤矿机器人的研发应用,煤矿操作员与煤矿机器人之间的高效协作对于井下复杂任务起到至关重要的作用。为优化多工种煤矿操作员与多机器人协作的复杂运行关系,基于数字孪生理念与在XR领域的长期实践,开展面向多人-多机复杂协作任务的煤矿XR智能运维系统设计与关键技术研究。首先,针对复杂任务中2类煤矿操作员(包括集控操作员与就地操作员)与2类煤矿机器人(包括探测机器人与作业机器人)协作的典型场景,设计了系统总体架构,将系统划分为物理子系统、VR运维子系统与AR运维子系统3部分,并对各部分的内容、功能以及3部分之间的协同运行关系进行介绍;然后,对系统涉及的VR运维子系统构建、AR运维子系统构建以及通讯网络构建等关键技术进行剖析,对各关键技术对应的解决方案进行了探讨,并实现了2类煤矿操作员、2类煤矿机器人与VR/AR运维子系统的集成运行;最后,在实验室环境下模拟井下复杂环境搭建了试验场地,在试验场地中设定了任务点与具体任务,对系统的可行性与有效性进行测试验证。试验结果表明,煤矿XR智能运维系统能够在不同复杂任务对应的多人-多机协作情形中发挥作用。通过VR运维子系统与AR运维子系统的协同运行,可实现虚拟空间和物理空间的协同感知、决策与控制,能够在虚拟空间中对物理空间的复杂任务进行迭代、优化和验算,形成了人-人、人-机、机-机交互协作的智能运行模式。

煤矿机器人防爆外壳纤维复合增强材料研究与应用

针对传统金属材料制作井下机器人防爆外壳整体重量大、续航时间短、制造和使用成本高等问题,安徽玄离智能科技股份有限公司研发了纤维复合增强材料作为井下巡检机器人的防爆外壳。对可做煤矿机器人防爆外壳的纤维增强复合材料相关性能和安全性控制进行了深入研究;巡检机器人采用这种自主研发的轻量化复合增强材料后,机器人总重量只有220 kg,是采用传统金属材料制作同类产品重量的1/10,可以节省90%以上的设备制造成本,并可大幅降低能耗,从而增加了续航时间,进一步提升了产品性能。

煤矿环境下改进Informed-RRT*路径规划算法研究

为解决煤矿机器人视觉SLAM地图中传统路径规划Informed-RRT*算法收敛速度慢、生成路径代价高、甚至无法找到路径等问题,对视觉SLAM建图进行了研究,提出了一种基于八叉树地图的路径规划方法。首先构建稠密点云地图并生成八叉树地图,将八叉树地图转化为易于路径规划的二维栅格地图,在此地图基础上结合人工势场和Informed-RRT*路径规划方法,提出了一种改进Informed-RRT*路径规划算法。仿真结果表明,该算法比传统Informed-RRT*算法速度提升了29.74%,具有更高的搜索效率和更快的收敛速度,获得了更好的路径规划效果。