基于改进概率路线图算法的煤矿机器人路径规划方法

路径规划是煤矿机器人在煤矿井下非结构化狭长受限空间中应用亟待解决的关键技术之一。针对传统概率路线图(PRM)算法在空间狭长封闭巷道环境中难以保障采样的节点均匀分布于自由空间中导致路径规划失效,以及节点可能距离障碍物较近导致规划的路径可通行性差等问题,提出了一种基于改进PRM算法的煤矿机器人路径规划方法。在构造阶段引入人工势场法,将落在障碍物中的节点沿与其距离最近自由空间中的节点连线方向推至自由空间,并在障碍物边缘建立斥力场,实现节点的均匀分布且使其距离障碍物有一定距离;在查询阶段融合D^(*)Lite算法,当遇到动态障碍物或前方无法通行时可实现路径的重规划。仿真结果表明:改进PRM算法的节点均匀分布在自由空间中,且均距离障碍物一定距离,提高了路径规划的安全性;当节点数为100个时,改进PRM算法成功率较传统PRM算法提高了25%;随着节点数增加,传统PRM算法和改进PRM算法路径规划成功次数均呈增长趋势,但改进PRM算法在效率方面优势更明显;当节点数为400个时,改进PRM算法运行效率较传统PRM算法提高了35.13%,且规划的路径更平滑,路径长度更短;当障碍物突然出现时,改进PRM算法能够实现路径的重规划。

曲柄摇杆四足机器人实验教学平台设计

为适应新工科人才培养的要求,针对机械类专业课程实践教学环节教学方法陈旧等问题,基于曲柄摇杆机构设计了一款四足机器人实验教学平台,用于机械原理、机械设计等主干课程的实践创新教学环节。该四足机器人的结构设计方案源于哺乳动物运动过程,分析了其运动方式及不同腿部结构对于运动过程的影响,确定机器人机构运动方案;以D-H矩阵变换为数学工具,建立了机器人运动学模型;考虑实验平台应满足较高的经济性和互换性要求,最大程度采用了标准件的数量。对机器人进行了虚拟仿真分析,完成直线与奔跑两种状态的步态规划,实现了四足机器人的整体协调运动,验证了设计的合理性。实践表明,该教学平台的成功设计,丰富了机械类核心课程实践教学内容,对于提高学生的动手实践能力和思维创新能力有着显著的效果。

Delta煤矸分拣机器人实验平台设计

煤矸智能分选对提高原煤分选效率,降低工人劳动强度具有重要意义,也是实现煤矿智能化建设中重要环节之一。设计了基于机器视觉的煤矸分拣机器人教学科研实验平台,该实验平台由Delta并联机器人、图像采集设备、抓取机构和传送带组成。通过工业相机获取煤矸图像进行预处理,并提取煤矸图像的灰度与纹理特征信息,采用支持向量机(SVM)进行煤矸数据集训练与分类检测识别。最终,利用该实验平台进行了机器人标定和煤矸图像识别分拣实验,验证了该实验平台的可行性。

我国煤矿煤机智能技术与装备发展研究

煤机装备是煤炭开采技术变革、煤炭能源生产体系的关键支撑,受“双碳”战略目标、智能煤矿建设浪潮的驱动,我国煤机装备产业将朝着智能、绿色、安全、高效方向转型升级;煤机市场的机遇与挑战并存,煤机智能技术与装备发展成为迫切需求。本文立足我国煤炭智能化开采尚处于初级阶段的发展实际,梳理了煤机智能技术与装备的发展现状与趋势,剖析了煤机智能装备关键技术体系,涵盖煤矿智能装备支撑、智能综采综放、智能快速掘进、主/辅助运输系统智能感知与控制、煤矿机器人等技术;提出了关键基础材料和先进加工工艺、柔性制造和虚拟仿真、装备再制造、第五代移动通信+工业互联网深度融合、工业大数据与人工智能、物联网智能感知与互联、信息物理与数字孪生系统等煤机智能装备产业发展方向。研究建议,加强煤机智能技术与装备攻关,完善煤机人才支撑体系,规划引导与产业布局优化并举,建立煤机研制创新生态系统,以此推动煤机装备高质量发展。

智能表面工程

表面工程自其诞生以来,经历了从传统表面工程向复合表面工程、纳米表面工程及表面工程自动化的发展,正在信息技术、生物技术、纳米科技等前沿领域中萌生。随着智能时代的来临,智能表面工程应运而生。智能表面工程是对摩擦表面赋予智能调控性能,使之具有自感知、自适应、自愈合能力,从而实现摩擦学行为的智能控制。介绍皮肤自感知、关节自感知、消化道自适应和表皮自愈合等人体表面智能性,触屏自感知表面、损伤自感知表面、摩擦自感知表面和触压自感知表面等自感知表面创新,自适应表面变色、自适应调光涂层、自适应疏水涂层、自清洁除尘表面、自适应隐身表面、自硬化耐磨表面和自减摩超滑表面等自适应表面创新,植物自愈合、自愈合聚合物膜、自愈合导电皮肤、自愈合离子皮肤、自修复防腐涂层、自愈合蛋白质体、自愈合关节软骨和自愈合磨损划痕等自愈合表面创新。以往的表面工程是对材料表面强化以提高其物理、化学、力学性能的技术和方法,而智能表面工程则是赋予材料表面自润滑、自抗磨、自耐蚀、自修复等功能的智能表面技术和方法。未来的智能装备离不开摩擦智能,摩擦智能必须有智能表面。智能表面制造须要深入研究仿生科学与表面工程技术交叉融合,因此在摩擦学、仿生学、低碳学等领域尚有许多需要探索的关键理论和技术问题,一旦取得突破,将促进智能表面工程领域的显著进步。可以预见,摩擦智能表面工程将支撑智能装备制造技术的发展,创造出更快、更强、更稳的机械系统;仿生智能表面工程将使机器人更智能地实现对自身运动的感觉、对空间的感知和对外部刺激的反应;低碳智能表面工程将降低摩擦系统能耗、减少建筑领域碳排放,从而使摩擦学及表面工程研究与人类命运共同体紧密结合在一起。

基于激光雷达的煤矿井底车场地图融合构建方法研究

煤矿智能化是煤炭行业高质量发展的技术支撑,关键岗位的机器人替代是实现煤炭少人化、无人化的高效开采的发展趋势。即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)是煤矿机器人自主移动与导航的关键技术之一。煤矿井下为典型非结构化环境,空间狭长局促,结构复杂多变,照明情况不均匀,对煤矿井下SLAM提出了严峻挑战。总结了煤矿井下地图构建研究现状,针对LeGO-LOAM算法的回环检测仍存在的不足,利用SegMatch算法改进LeGO-LOAM的回环检测模块,且使用ICP算法进行全局图优化,提出了一种融合LeGO-LOAM和SegMatch的改进算法,阐述了该算法的原理和实现步骤;开展了煤矿井下模拟场景试验,对比分析改进前后SLAM算法的建图效果以及精度,试验结果表明改进算法构建的地图回环效果更好,估计轨迹更平滑、精确;结合导航需求研究了二维占据栅格地图的构建方法,试验验证了该方法所构建的栅格地图精度,结果表明有效滤除动态障碍物等离群噪点后的栅格地图具有0.01 m的建图精度,且所需存储空间较点云地图降低了3个数量级。研究成果有助于煤矿井下非结构环境下SLAM和煤矿机器人实时定位和自主移动。

煤矿副井矿车装载物智能识别方法

基于卷积神经网络实现煤矿副井矿车装载物自动分类在实际应用中因触发条件简易导致误判与漏判情况,且非矿车物体经过检测区域时会引起司控道岔误动作。针对该问题,提出了基于目标检测模型的煤矿副井矿车装载物智能识别方法。在煤矿副井井口安装工业相机采集矿车装载物图像并进行人工标注,构建矿车识别数据集,对Faster R-CNN,YOLOv4,SSD 3种目标检测模型的识别准确率与实时性进行评估,根据评估结果,得出YOLOv4模型更适用于矿车装载物识别任务的结论;为降低模型大小,提高识别速度,对YOLOv4模型进行改进,采用轻量级网络MobileNet替换原有主干特征提取网络CSPDarknet53,构建MobileNetv3-YOLOv4模型,测试结果表明MobileNetv3-YOLOv4模型的平均精度均值(mAP)为95.03%,识别速度为44帧/s,较YOLOv4模型分别提高了0.77%,27帧/s;为方便现场应用和部署,提高矿车装载物识别模型在嵌入式平台上的性能,提出了基于层间融合和模型量化的模型加速方法,并将加速前后的MobileNetv3-YOLOv4模型移植到Jetson TX2进行矿车装载物识别现场试验,结果表明识别速度由MobileNetv3-YOLOv4模型加速前的18.3帧/s提升至35.42帧/s,mAP为94.68%,满足现场实时、精确检测需求,且仅在矿车经过检测区域时启动检测任务,避免了因其他物体引起的司控道岔误动作现象。

基于RRT^(*)-DR算法的机械臂避障路径规划

为使机械臂在障碍物环境下快速规划较优路径,提出了一种基于动态区域采样的改进RRT^(*)-DR路径规划算法,将整个规划过程分为快速探索路径和优化初始路径两个步骤。首先利用半目标导向扩展快速探索,找到连接起始点和目标点的路径。随后利用动态区域采样方法,始终在当前最优路径的周边范围内采样,优先密化当前最优路径附近的节点树,节省计算资源,使初始路径经过迭代快速向渐进最优路径收敛。同时,提出一种近障碍节点变步长机制,有选择性地缩短靠近障碍节点的扩展步长,可有效减少碰撞检测失败次数,提高算法效率。最后,在MATLAB和ROS系统下进行路径规划算法仿真,结果表明RRT^(*)-DR算法可在更短时间内实现路径规划,同时有效缩小路径代价。进一步通过实体机器人路径规划避障实验,验证了该算法的实用性和有效性。

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。

基于磁场模型的矿用钢丝绳检测信号特性试验研究

电磁检测是矿用钢丝绳缺陷可靠的检测手段之一。基于电磁法的矿用钢丝绳缺陷检测,目前存在缺陷与信号特性表征规律不明确的问题,定量识别时存在无关信号特性,影响识别准确性。采用三维磁偶极子理论计算、Maxwell模拟仿真与试验相互验证的方法,总结漏磁信号特性与缺陷变化之间的表征关系。首先建立磁场环境下的钢丝绳三维磁偶极子理论模型,应用模型对标准缺陷处进行磁场理论计算并进行Maxwell模拟仿真;分别提取理论值与仿真值的峰/谷绝对值、波宽、峰谷差值、峰谷值宽度四项信号特性,进行缺陷与信号的表征分析;最后设计缺陷进行试验验证,得到试验数值的斯皮尔曼相关系数。试验结果表明:缺陷的宽度、深度与峰/谷绝对值、波宽、峰谷差值3个信号特征值呈正相关,与峰谷值宽度无明显相关性;缺陷长度与峰/谷绝对值呈先上升后下降的趋势,与波宽、峰谷差值、峰谷值宽度呈正相关。并且发现宽度缺陷信号幅值最强,长度缺陷信号幅值最弱,深度信号幅值居中,峰谷差值和峰谷绝对值与缺陷相关性最高。该研究具有一定的工程指导价值。

基于奇异摄动的刚柔耦合Delta机器人非线性混合控制

在高速运动中,Delta并联机器人杆件发生的弹性变形和振动对运动性能的影响不可忽略。针对有限元法离散柔性杆时出现方程维度高且难以适用于主动控制的问题,通过假设模态法和Kane方法,对Delta刚柔耦合并联机器人进行动力学建模。通过添加闭链刚柔耦合系统运动学位置、速度、加速度约束方程,建立了闭链形式的Delta并联机器人的刚柔耦合动力学方程。针对Delta并联机器人刚柔耦合动力学模型复杂度高的问题,利用奇异摄动法,将刚柔耦合动力学模型依据时间尺度分解为快变和慢变两个子系统。为避免扰动的影响并保证收敛性,针对慢变系统设计了非奇异终端滑模控制器;为抑制弹性振动对运动的影响,针对快变系统设计了LQR最优控制器,并将两个子系统的控制器合并为刚柔耦合系统的非线性混合控制器。仿真对比实验证明,所设计的混合控制器不仅保持了更高精度的轨迹跟踪,而且实现了明显的振动抑制效果,为Delta刚柔耦合并联机器人的主动跟踪控制和振动抑制提供了新思路。

综采工作面轨道式巡检机器人结构设计与分析

煤炭是国家经济发展和能源安全的保障,由于我国富煤贫油少气的能源结构[1],智能化开采技术与传统采煤工艺的结合就显得尤为重要[2]。双碳背景下,国家逐步加大对矿山智能化、绿色化开采力度,大力发展高端矿山装备制造业,推动我国煤炭开采成套装备研发制造以及智能化开采。随着智能化的发展,煤矿综采工作面临的发展瓶颈——直线度问题,严重影响了标准化开采,是一个亟待解决的问题[3-5]。

矿山数字孪生构建方法与演化机理

新一代信息技术与煤炭开采技术深度融合,为智能矿山技术发展提供关键技术支撑,将促进煤炭工业创新、绿色、安全、高效发展。数字孪生作为煤矿智能化无人开采的核心技术,是人工智能理论方法与数字化技术的有机结合,数字孪生有望解决煤矿智能化无人开采中物理世界和信息世界交互与共智的关键技术难题,对推动矿山全生命周期智能化建设和煤炭工业高质量发展具有重要意义。本文基于数字孪生技术和平行智能理论,提出了矿山数字孪生的概念框架、体系架构、关键技术、基础理论和构建方法体系;提出了物理模型、仿真模型、机理模型和数据模型相互耦合的矿山数字孪生演化理论模型,据此进一步解析了面向矿山智能开采应用场景的数字孪生模型构建方法与演化过程,研究了矿山数字孪生系统与物理系统的理论模型、同步映射与协同演化机制,探讨并揭示了矿山数字孪生的演化机理;最后以矿山智采工作面数字孪生实际应用为例,通过模拟矿山生产场景数字孪生模型演化与协同控制,验证矿山生产场景的数字孪生建模效果并对其技术特征进行解析,实现描述、建模、演化、预测相结合的矿山数字孪生系统模型。本文旨在通过矿山数字孪生技术内涵、方法、机理等理论新型研究范式,为矿山数字孪生技术应用落地提供理论指导,对未来智能矿山研究和工业互联网在煤矿应用提供有益的启发与借鉴。

基于PSO-BP神经网络的临时支架支撑力自适应控制

为了使临时支架的支撑力更好地与矿压相适应,提高支架的支护能力,以双联自移式临时支架为研究对象,提出了基于粒子群优化(PSO)-BP神经网络的临时支架支撑力自适应控制方法。利用PSO算法的全局搜索能力及快速收敛特性对BP神经网络的初始权值进行优化,提高BP神经网络的收敛速度;再通过优化后的BP神经网络实现PID参数在线自调整,构建PSO-BP神经网络优化PID控制器,使临时支架的支撑力更快速、准确地达到预定值,实现临时支架支撑力自适应控制,避免因支护力和顶板压力不匹配而对顶板造成破坏。用单位阶跃信号模拟临时支护支架的期望初撑力进行实验验证,结果表明,与BP神经网络优化PID控制器及传统PID控制器相比,PSO-BP神经网络优化PID控制器可以更快、更准确地达到预期的初撑力,调整时间仅为0.5 s且基本不存在超调。根据实际地质条件仿真模拟开挖支护过程中支架受到的顶板压力,研究3种控制器的支撑力自适应控制效果,结果表明,在PSO-BP神经网络优化PID控制器的控制下,系统误差仅为0.02 MPa,误差最小,控制效果最好。

基于障碍物尺度的封闭狭长空间路径规划研究

栅格法广泛应用于移动机器人环境建模和路径规划中。为了解决在狭长空间如煤矿巷道环境中,障碍物、机器人和空间尺寸失调,以机器人中心点到自身轮廓最远距离的2倍为栅格尺寸建模容易导致路径规划失败的问题,采用以影响机器人通行的障碍物大小为基准设定栅格尺寸、机器人尺寸在地图上占据多个栅格的狭长空间地图建模方法,利用障碍物碰撞检测函数对传统A^(*)算法进行改进,仿真研究了改进算法在狭长空间中的全局路径规划的有效性,开展了实际环境下的路径规划实验。研究结果表明,采用提出的栅格建模方法和改进A^(*)算法可得到一条起始点到终点的无碰撞路线,可完成狭长空间的复杂环境路径规划。

矿用输送带钉扣机穿钉机构运动误差分析

针对矿用输送带钉扣机传动机构的尺寸误差和铰链间隙误差会造成输送带压扣不紧、钉不透的问题,以钉扣机穿钉机构为研究对象,考虑了穿钉机构中尺寸误差以及铰链间隙误差对运动输出误差的影响,分析了机构的运动可靠性。首先,建立穿钉机构的运动学模型,并基于连续接触模型、有效长度理论等得到机构末端输出位置与各构件参数之间的变化规律。其次,建立了考虑尺寸误差、铰链间隙误差的误差模型,分别得到了运动输出误差的均值与方差。最后得到了各误差对输出运动精度和可靠性的影响规律。通过引入误差传递函数,分别得到了机构尺寸误差与铰链误差对运动输出的影响程度。仿真结果表明,铰链误差对运动输出误差的影响程度比杆长误差影响大,在钉扣机设计和装配阶段,应重点控制铰链C和铰链E的间隙误差,可有效提高钉扣机构运动输出精度。

煤炭工业互联网技术研究综述

煤炭工业互联网是加速煤炭领域高质量发展的重要引擎,可有效驱动能源领域设备智能化、产业数字化。给出了煤炭工业互联网体系架构,从感知层、传输层、赋能平台、工业APP、信息安全5个方面分析了煤炭工业互联网技术研究现状和发展方向。感知层在实现超低功耗、精准感知、高可靠性、能量自动捕获等方面取得进步,但仍存在感知手段单一、易受环境因素影响等问题,目前还无法充分满足矿井泛在感知需求,可从新型传感器研发、低功耗和能量收集技术、抗电磁干扰技术、智能感知技术等方面进一步提高感知层智能化水平。传输层现有的以太网、4G、WiFi等技术无法满足智慧矿山高可靠、高带宽、低延迟的传输要求,5G技术可满足全矿井泛在感知需求,但在井下应用中仍存在最大射频功率受限、无法可靠应对井下应急场景等问题,因此目前井下还不能完全使用5G替代传统通信网络。赋能平台是煤炭工业互联网推动智能化的中枢和核心,指出大数据是赋能平台的关键要素,煤炭工业机理模型和诊断决策模型是赋能平台的灵魂,数字孪生技术可为煤炭行业生产、决策、管理等环节赋能。工业APP可为煤炭产业链各环节提供服务,帮助煤炭行业攻克高风险、工艺继承创新难、产业链协同难等难题,但是煤炭领域工业APP的发展应用仍不成熟。信息安全是煤矿智能化建设的保障,需要从物理信息安全、网络信息安全、系统信息安全、数据信息安全和应用信息安全等方面采取措施,提升安全防护水平。

有源中点箝位型五电平逆变器SHE-MPC研究

针对大功率有源中点箝位五电平(5L-ANPC)逆变器的低次谐波和电容电压平衡问题,提出一种基于特定谐波消除脉宽调制(SHEPWM)的模型预测控制(MPC)方法。首先,通过求解特定谐波消除(SHE)方程组得到全调制比下的所有开关角度,并设计目标函数选择其最优开关模式,实现SHE;然后,采用MPC方法,通过设计成本函数选择最佳开关状态,减小整体开关频率的同时实现电容电压和中点电位的平衡。硬件在环(HIL)实验结果验证了理论分析的正确性及控制策略的有效性。

露天矿山无人驾驶运输技术现状及发展趋势研究

随着近几年无人驾驶通用技术的发展,无人驾驶运输在露天矿山封闭作业场景中得到了快速应用推广与发展。主要探讨了无人驾驶技术应用于矿山运输领域的研究现状及发展方向。综合分析了露天矿山的运输安全风险。根据具体用途,将无人驾驶技术细分为线控技术、环境感知技术、定位导航技术、路径规划技术、决策控制技术、通讯网络及调度技术,并剖析和比较了各关键技术具体实现方式的优缺点。综合以上对各关键技术的研究分析,得出结论:多技术融合实现环境感知、定位导航、路径规划和决策控制是当前矿山无人驾驶技术发展的必然趋势。

基于正交试验的钢丝绳探伤仪结构参数优化

在钢丝绳损伤检测中,探伤仪结构设计对钢丝绳损伤检测精度至关重要。针对现有基于电磁的钢丝绳探伤仪各结构参数及参数各种组合研究不充分的问题,提出了一种基于正交试验的钢丝绳探伤仪结构参数优化方法。基于径向磁环磁场分布的理论数学模型和等效磁路理论模型,分析得出影响钢丝绳探伤仪检测精度的结构参数有磁铁长度、磁铁厚度、衔铁厚度、衔铁长度和倒角参数。通过正交试验方法研究了各参数之间的影响等级及影响显著性:各参数对钢丝绳探伤仪检测精度的影响等级为磁铁厚度、磁铁长度、衔铁长度、衔铁厚度和倒角情况,磁铁厚度、磁铁长度和衔铁长度影响显著,在设计钢丝绳探伤仪时应优先考虑,衔铁厚度及倒角显著性不强,可以忽略;磁铁厚度和磁铁长度(<70 mm)的影响随着水平的增长整体呈正相关关系,随着磁铁厚度和磁铁长度的增大,检测精度会明显提升;而衔铁长度整体呈负相关关系,长度越长,检测精度越差。根据上述分析结果,确定了钢丝绳探伤仪各参数优化数值,并对优化前后的钢丝绳探伤仪的磁力线分布、磁场分布及径向、轴向各相位磁感应强度的分布进行对比验证。结果表明:基于正交试验优化后的钢丝绳探伤仪,磁力线分布均匀,对钢丝绳的励磁效果达到2 T以上,漏磁信号明显,不同相位下的损伤信号区别较大;与优化前的钢丝绳探伤仪相比具有磁感应强度大幅度提高、空域分布明显改善、对传感器位置(提离值)的要求相对宽泛的优势,径向检测精度提升了40%左右,轴向检测精度提高约80%,对钢丝绳损伤的感知效果明显提升。