商德勇，章 林，牛艷奇，范 迅

（1.中國(guó)礦業(yè)大學(xué)（北京） 機(jī)電與信息工程學(xué)院，北京 100083；2.中國(guó)礦業(yè)大學(xué)（北京） 智慧礦山與機(jī)器人研究院，北京 100083；3.蕪湖國(guó)營(yíng)機(jī)械廠，安徽 蕪湖 241000）

0 引 言

煤礦智能化是適應(yīng)現(xiàn)代工業(yè)技術(shù)革命發(fā)展趨勢(shì)、保障國(guó)家能源安全、實(shí)現(xiàn)煤炭工業(yè)高質(zhì)量發(fā)展的核心技術(shù)支撐［1－3］。 大力推進(jìn)智能系統(tǒng)、智能裝備的技術(shù)創(chuàng)新和應(yīng)用，全面提升我國(guó)煤礦智能化水平，對(duì)于提升煤礦安全生產(chǎn)水平、保障煤炭穩(wěn)定供應(yīng)具有重要意義［4－5］。 《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見(jiàn)》（發(fā)改能源〔2020〕283 號(hào)）的發(fā)布對(duì)指導(dǎo)我國(guó)煤礦智能化建設(shè)具有重要的里程碑意義。 國(guó)家《能源技術(shù)革命創(chuàng)新行動(dòng)計(jì)劃（2016—2030 年）》提出，到2030 年實(shí)現(xiàn)煤炭智能化開(kāi)采。 同時(shí)，國(guó)家煤礦安全監(jiān)察局公布了《煤礦機(jī)器人重點(diǎn)研發(fā)目錄》對(duì)五大類38 種煤礦機(jī)器人分別提出了具體的研發(fā)應(yīng)用要求，希望通過(guò)“機(jī)器換人”來(lái)實(shí)現(xiàn)煤礦作業(yè)的“少人則安、無(wú)人則安”。 可見(jiàn)，煤礦智能裝備是煤礦智能化發(fā)展的重要保障和支撐條件，推進(jìn)煤礦機(jī)器人研發(fā)及產(chǎn)業(yè)化應(yīng)用，提高智能裝備的成套化和國(guó)產(chǎn)化水平，也是煤炭行業(yè)技術(shù)發(fā)展、技術(shù)攻關(guān)一個(gè)重要方向［6－7］。

在煤炭生產(chǎn)過(guò)程中，原煤中不可避免地混有矸石。 由于矸石的發(fā)熱值低，不僅會(huì)降低煤炭的發(fā)熱量，還是主要的污染源之一，因此將矸石從原煤中分選出來(lái)是提高原煤質(zhì)量，煤炭清潔利用的一個(gè)必不可少的處理流程。 智能化煤礦要重點(diǎn)建設(shè)十大智能系統(tǒng)［8－9］，其中煤炭分選智能化系統(tǒng)的建設(shè)是煤礦智能化建設(shè)的一項(xiàng)主要內(nèi)容。 《中國(guó)制造2025—能源裝備實(shí)施方案》（發(fā)改能源〔2016〕1274 號(hào)）明確要求研制智能化分選裝備，重點(diǎn)研發(fā)千萬(wàn)噸級(jí)／年模塊化智能分選裝備及智能化控制系統(tǒng)。 基于信息傳感、人工智能、視頻監(jiān)控等技術(shù)對(duì)原煤的分選過(guò)程進(jìn)行自動(dòng)化、少人化操控是智能分選系統(tǒng)的發(fā)展方向。亟需一種煤矸在線分揀機(jī)器人對(duì)原煤輸送帶上的煤和矸石自動(dòng)識(shí)別并分揀，對(duì)大幅提高選矸質(zhì)量和分選效率，具有較大的社會(huì)和經(jīng)濟(jì)效益。

1 煤矸分揀機(jī)器人技術(shù)研究現(xiàn)狀

1.1 煤矸分選方法研究現(xiàn)狀

目前我國(guó)主要有手選和機(jī)選2 種選矸方法，手工選矸方式是分揀原煤中夾雜大塊矸石的主要環(huán)節(jié)，通過(guò)人工將煤流中的大塊矸石分揀出來(lái)，放入手選帶式輸送機(jī)兩側(cè)的溜槽。 手工選矸工人勞動(dòng)強(qiáng)度大，且生產(chǎn)效率低，工作環(huán)境惡劣，現(xiàn)場(chǎng)粉塵嚴(yán)重影響工人的身體健康，矸石的分揀率受工人素質(zhì)和管理水平等因素的影響，選矸質(zhì)量難以保證。 第二種是機(jī)選，可進(jìn)一步細(xì)分為干法選矸和濕法選矸［10］，但這種方法一般都要將原煤塊進(jìn)行破碎，這將造成環(huán)境污染或部分精煤的無(wú)法分選，且部分場(chǎng)合不適合機(jī)選。

在煤矸自動(dòng)化分揀系統(tǒng)研究方面，袁華昕［11］采用輻射較小的X 射線進(jìn)行矸石分選研究，馬憲民［12］提出了煤矸石在線識(shí)別與自動(dòng)分選系統(tǒng)，曹現(xiàn)剛等［13－14］在實(shí)驗(yàn)室環(huán)境下設(shè)計(jì)了一種多臺(tái)機(jī)械臂的煤矸分揀機(jī)器人，研究了面向煤矸分揀機(jī)器人的多臂協(xié)同控制策略，取得了較好的效果。

1.2 煤矸自動(dòng)識(shí)別技術(shù)研究現(xiàn)狀

要實(shí)現(xiàn)煤矸自動(dòng)分選，如何自動(dòng)識(shí)別煤和矸石是關(guān)鍵環(huán)節(jié)。 煤矸識(shí)別主要是依據(jù)煤與矸石不同的物理性質(zhì)對(duì)二者進(jìn)行區(qū)分，主要指煤矸的密度、灰度、紋理、硬度、輻射性、導(dǎo)磁性等。 目前可用于井上地面煤矸識(shí)別的方法主要有伽馬射線法和圖像識(shí)別法。 伽馬射線法是針對(duì)煤和矸石對(duì)不同能量的γ射線吸收率不同而建立的一種識(shí)別方法，可以實(shí)現(xiàn)煤和矸石在線識(shí)別，它對(duì)被測(cè)煤矸石的厚度范圍有一定限制，但這種方法設(shè)備復(fù)雜昂貴，射線泄漏可能造成環(huán)境污染，危害工人的身體健康。 隨著人工智能和計(jì)算機(jī)視覺(jué)技術(shù)的飛速發(fā)展，讓機(jī)器人擁有感知圖像內(nèi)容的能力成為當(dāng)今研究的熱點(diǎn)。 圖像法選煤是利用圖像識(shí)別系統(tǒng)對(duì)煤和矸石進(jìn)行拍照采集圖像信息，通過(guò)人工智能識(shí)別技術(shù)對(duì)圖像進(jìn)行分類識(shí)別。在該研究領(lǐng)域中，基于煤和矸石圖像的灰度信息研究最為廣泛。 劉富強(qiáng)等［15］在理論上探索圖像處理和模式識(shí)別技術(shù)在煤礦自動(dòng)選矸中的應(yīng)用，孫繼平等［16］利用煤巖圖像等實(shí)現(xiàn)了對(duì)煤巖的識(shí)別，取得了一定成果。 譚春超［17］采用粒子群算法進(jìn)行優(yōu)化，改善了系統(tǒng)的識(shí)別效率。 郭永存等［18］研究了X 射線探測(cè)的光電智能分選技術(shù)，TRIPATHY 和REDDY等［19－20］首次采用顏色特征實(shí)現(xiàn)煤矸分選，豐富了煤矸分選的應(yīng)用范圍。 李曼等［21］在實(shí)驗(yàn)室環(huán)境下對(duì)圖像法進(jìn)行了試驗(yàn)。 王家臣等［22］研究了基于多特征多照度融合的SVM 分類器性能。 各國(guó)專家學(xué)者對(duì)煤矸識(shí)別做了許多卓有成效的研究，國(guó)內(nèi)研究的焦點(diǎn)主要集中在利用灰度共生矩陣對(duì)煤矸實(shí)現(xiàn)自動(dòng)識(shí)別，隨著人工智能AI 技術(shù)和深度智能自學(xué)習(xí)技術(shù)的發(fā)展，還缺少對(duì)煤矸圖像預(yù)處理、顏色、紋理、形狀以及分類器的深層次綜合研究，煤矸識(shí)別成功率還有待提高，煤矸識(shí)別理論及算法還有待進(jìn)一步深入研究。

2 機(jī)器人工作原理及結(jié)構(gòu)

并聯(lián)機(jī)器人具有結(jié)構(gòu)剛度大、速度快等優(yōu)點(diǎn)，在物料的搬運(yùn)、包裝、分揀等方面有著無(wú)可比擬的優(yōu)勢(shì)。 通過(guò)配置視覺(jué)傳感器，可實(shí)現(xiàn)煤矸石的快速分揀。

煤矸在線分揀機(jī)器人系統(tǒng)如圖1 所示，主要由輸送帶單元、圖像處理與識(shí)別單元、煤矸抓取機(jī)構(gòu)以及Delta 并聯(lián)機(jī)器人本體4 部分組成。

圖1 Delta 機(jī)器人煤矸分揀系統(tǒng)Fig.1 Delta robotic coal－gangue sorting system

煤與矸石在輸送帶上屬于二維平面上的物體識(shí)別，因此需搭載一個(gè)攝像頭并采用Eye－to－Hand 的安裝方式。 同時(shí)利用旋轉(zhuǎn)編碼器的位置反饋原理對(duì)識(shí)別到的矸石進(jìn)行實(shí)時(shí)位置跟蹤。 煤矸分揀系統(tǒng)通過(guò)圖像采集和識(shí)別得到目標(biāo)矸石的抓取位置坐標(biāo)P（x，y，z） ，將矸石位置坐標(biāo)通過(guò)TCP 網(wǎng)絡(luò)傳輸?shù)終eMotion 控制器中的信息數(shù)據(jù)庫(kù)中，并觸發(fā)一個(gè)鎖存事件用于記錄編碼器反饋的位置信息。 假設(shè)編碼器實(shí)時(shí)反饋數(shù)值用Ve1表示，鎖存器中記錄的初始編碼器數(shù)值用Ve0表示，目標(biāo)物體在輸送帶移動(dòng)的距離由式（1）得到：

式中：Fc為輸送帶比例因子（輸送帶位移與編碼器位置變換量比值）。

假設(shè)目標(biāo)物體在輸送帶移動(dòng)的方向?yàn)樽鴺?biāo)點(diǎn)x軸正方向，則目標(biāo)物體在輸送帶坐標(biāo)系下的實(shí)時(shí)坐標(biāo)為P′（x＋L，y，z），若此時(shí)通過(guò)煤矸分選系統(tǒng)綜合標(biāo)定得到輸送帶坐標(biāo)系與機(jī)器坐標(biāo)系關(guān)系，則可將輸送帶坐標(biāo)系下實(shí)時(shí)坐標(biāo)點(diǎn)P′轉(zhuǎn)換成機(jī)器人坐標(biāo)系下的實(shí)時(shí)坐標(biāo)，最后機(jī)器人控制系統(tǒng)根據(jù)反饋回來(lái)的輸送帶速度和實(shí)時(shí)位置信息對(duì)目標(biāo)物體的抓取軌跡進(jìn)行規(guī)劃，完成對(duì)煤矸石的跟蹤抓取工作。

如圖1 所示，CCD 工業(yè)相機(jī)安裝在Delta 并聯(lián)機(jī)器人工作空間之外，CCD 相機(jī)采集煤矸石圖片并將圖像信息傳到圖像識(shí)別軟件中進(jìn)行識(shí)別，若識(shí)別結(jié)果為矸石，則將矸石的位置信息傳輸?shù)終emotion控制器中的信息數(shù)據(jù)庫(kù)中，機(jī)器人控制系統(tǒng)通過(guò)得到的矸石位置信息和反饋回來(lái)的編碼器數(shù)值信息，控制氣動(dòng)機(jī)械手爪完成對(duì)目標(biāo)矸石的抓取。當(dāng)矸石被成功抓取后，Kemotion 控制器系統(tǒng)自動(dòng)刪除信息數(shù)據(jù)庫(kù)中的相關(guān)矸石位置數(shù)據(jù)信息，系統(tǒng)進(jìn)入下一個(gè)工作循環(huán)，機(jī)器人視覺(jué)分揀系統(tǒng)框圖如圖2 所示。

圖2 視覺(jué)分揀系統(tǒng)框Fig.2 Block ofvisual sorting system

3 機(jī)器人系統(tǒng)設(shè)計(jì)及試驗(yàn)驗(yàn)證

3.1 硬件選型設(shè)計(jì)

機(jī)器人硬件系統(tǒng)主要由3 部分組成：

1）圖像采集系統(tǒng)，包括：①CCD 工業(yè)相機(jī)：分辨率和幀率是工業(yè)相機(jī)選取的2 個(gè)重要的性能指標(biāo)，通常相機(jī)分辨率越高，幀率性能就會(huì)相對(duì)降低，可根據(jù)實(shí)際要求選擇與之相匹配的相機(jī)參數(shù)。 本系統(tǒng)需要對(duì)輸送帶上的煤與矸石的紋理特征進(jìn)行采集，因此要分辨物體的細(xì)節(jié)特征，同時(shí)幀率選取較低時(shí)，相應(yīng)的曝光時(shí)間則會(huì)延長(zhǎng)，容易出現(xiàn)運(yùn)動(dòng)模糊現(xiàn)象。因此選擇分辨率和幀率都能滿足實(shí)際工程要求的CCD 相機(jī)。 本系統(tǒng)選擇DALSA 的Genie Nano M2590 NIR 型工業(yè)相機(jī)，視覺(jué)檢測(cè)范圍500 mm×700 mm，檢測(cè)精度0.1 mm，可以滿足需求。 ②光源：穩(wěn)定的光源對(duì)于圖像處理結(jié)果的穩(wěn)定性十分重要。 選取合適的光源和打光方式能夠顯著提升目標(biāo)物體成像質(zhì)量，提高識(shí)別物體與背景的對(duì)比度，降低圖像提取的難度，本系統(tǒng)選擇性價(jià)比較高的熒光燈作為煤矸分揀系統(tǒng)的光源，光源的布置及打光方式如圖3所示。 ③鏡頭：選用Computar M1614－MP 型號(hào)鏡頭。

圖3 識(shí)別光源區(qū)Fig.3 Light source area for coal recognition

2）主控制器：控制系統(tǒng)選用KeMotion R5000 系列機(jī)器人控制器，并運(yùn)行VxWorks 實(shí)時(shí)操作系統(tǒng)?？刂破髦屑劝薘C 機(jī)器人控制系統(tǒng)，同時(shí)也添加了軟PLC 控制系統(tǒng)模塊。 兩個(gè)模塊內(nèi)存共享，實(shí)現(xiàn)協(xié)同控制，RC 部分主要實(shí)現(xiàn)機(jī)器人運(yùn)動(dòng)控制，而軟PLC 系統(tǒng)負(fù)責(zé)外部邏輯電路、電氣控制以及實(shí)時(shí)的外部信號(hào)采樣處理。

3）伺服驅(qū)動(dòng)：包括伺服電機(jī)及其驅(qū)動(dòng)器。 采用3 臺(tái)大扭矩，過(guò)載能力強(qiáng)的多摩川系列TBL－iⅢAC伺服電機(jī)，選用CoolDrive R4 型伺服驅(qū)動(dòng)器驅(qū)動(dòng)。

Delta 并聯(lián)機(jī)器人型號(hào)為D3P－1100，其工作空間為（D×H）1 100 mm×370 mm，最大有效負(fù)載6 kg，重復(fù)定位精度為±0.1 mm，最大加速度120 m／s2，最大速度7 m／s，滿足試驗(yàn)要求。

按照上述方案搭載的試驗(yàn)平臺(tái)如圖4 所示。

圖4 Delta 并聯(lián)機(jī)器人試驗(yàn)樣機(jī)Fig.4 The experimental prototype of Delta robot

3.2 圖像分類識(shí)別算法設(shè)計(jì)

筆者基于ROI 和背景差分法對(duì)復(fù)雜背景下的煤矸圖像進(jìn)行有效圖像分割并提取，針對(duì)“矸石偽裝（矸石上沾有煤粉）”造成識(shí)別率不穩(wěn)定等問(wèn)題進(jìn)行了算法改進(jìn)，最后融合灰度和紋理特征組成特征向量組，選取合適的核函數(shù)及影響參數(shù)值，將煤矸樣本數(shù)據(jù)進(jìn)行訓(xùn)練得到SVM 分類器，再利用得到的SVM 分類器對(duì)煤矸樣本進(jìn)行在線識(shí)別分類。 煤矸分類識(shí)別算法流程如圖5 所示。

圖5 煤矸圖像SVM 識(shí)別流程Fig.5 Flow of coal gangue image SVM recognition

3.3 軟件系統(tǒng)功能設(shè)計(jì)

軟件系統(tǒng)功能設(shè)計(jì)由圖像識(shí)別功能和機(jī)器人運(yùn)動(dòng)控制功能2 部分組成。

1）圖像識(shí)別功能模塊采用循環(huán)工作模式，輸送帶處于持續(xù)工作狀態(tài)，系統(tǒng)軟件實(shí)時(shí)監(jiān)控IO 端口信號(hào)，當(dāng)檢測(cè)有高電平，觸發(fā)CCD 相機(jī)采集煤矸圖像并將圖像數(shù)據(jù)傳入圖像處理單元，經(jīng)過(guò)預(yù)處理、圖像分割、中心抓取位置定位、灰度與紋理特征提取、分類識(shí)別等操作，最后提取目標(biāo)矸石位置坐標(biāo)信息傳入到目標(biāo)信息數(shù)據(jù)庫(kù)，再由運(yùn)動(dòng)控制器規(guī)劃抓取路徑，通過(guò)機(jī)械爪完成矸石抓取。

2）機(jī)器人運(yùn)動(dòng)控制功能模塊采用循環(huán)工作方式，實(shí)時(shí)讀取目標(biāo)信息數(shù)據(jù)庫(kù)中矸石位置。 當(dāng)發(fā)現(xiàn)數(shù)據(jù)傳入時(shí)，Kemotion 控制器的編碼器模塊將會(huì)觸發(fā)一個(gè)鎖存事件，用于記錄此時(shí)編碼器讀數(shù)與輸送帶速度信息，對(duì)矸石進(jìn)行實(shí)時(shí)跟蹤。 機(jī)器人控制器根據(jù)反饋回來(lái)的編碼器數(shù)值計(jì)算得到矸石的實(shí)時(shí)位置，根據(jù)輸送帶速度，確定矸石的抓取位置，通過(guò)運(yùn)動(dòng)學(xué)逆解得到各驅(qū)動(dòng)電機(jī)運(yùn)動(dòng)軌跡，完成矸石的分揀。

目標(biāo)信息數(shù)據(jù)庫(kù)起到了一個(gè)信息傳遞的作用，將圖像識(shí)別功能與機(jī)器人運(yùn)動(dòng)控制功能聯(lián)系起來(lái)，提高了系統(tǒng)的利用效率和協(xié)調(diào)穩(wěn)定性。 煤矸分揀機(jī)器人系統(tǒng)的軟件流程如圖6 所示。

圖6 系統(tǒng)軟件流程Fig.6 Flow of system software

3.4 試驗(yàn)驗(yàn)證

模擬實(shí)際生產(chǎn)環(huán)境進(jìn)行煤矸在線識(shí)別分揀試驗(yàn)。 煤矸在線識(shí)別試驗(yàn)過(guò)程如圖7 所示，煤與矸石依次通過(guò)視覺(jué)采集區(qū)域，通過(guò)識(shí)別算法識(shí)別矸石并將矸石的坐標(biāo)信息通過(guò)TCP 協(xié)議傳送到目標(biāo)信息數(shù)據(jù)庫(kù)中；煤矸自動(dòng)識(shí)別抓取試驗(yàn)如圖8 所示，通過(guò)控制機(jī)器人氣動(dòng)機(jī)械爪實(shí)現(xiàn)矸石的抓取操作。 由于試驗(yàn)條件和機(jī)器人承載重量限制，試驗(yàn)只對(duì)質(zhì)量在6 kg 以下的煤和矸石測(cè)試樣本隨機(jī)組合，得到5 組煤矸混合測(cè)試樣本組，每組樣本的矸石數(shù)量不同，每組測(cè)試樣本交替排列依次通過(guò)視覺(jué)采集區(qū)，圖像識(shí)別試驗(yàn)結(jié)果見(jiàn)表1。 試驗(yàn)結(jié)果表明，該結(jié)構(gòu)的煤矸在線分揀并聯(lián)機(jī)器人可有效識(shí)別煤矸石并自動(dòng)完成分揀，識(shí)別和分揀效果較好。 同時(shí)，經(jīng)試驗(yàn)證實(shí)對(duì)于重量小的矸石、分揀速率越高，通過(guò)配置不同負(fù)載的機(jī)器人，可以實(shí)現(xiàn)煤矸石的自動(dòng)分揀的要求。

表1 煤矸石識(shí)別測(cè)試結(jié)果Table 1 Recognition test results of coal gangue

圖7 煤矸在線識(shí)別Fig.7 Online recognition experiment of coal and gangue

圖8 煤矸石分揀試驗(yàn)Fig.8 Experiment of coal gangue separate

4 機(jī)器人關(guān)鍵技術(shù)探討

煤矸分揀工作環(huán)境復(fù)雜，煤矸石重量和形狀不規(guī)則呈隨機(jī)性分布，目前Delta 型并聯(lián)機(jī)器人主要應(yīng)用于恒定負(fù)載場(chǎng)合使用，國(guó)內(nèi)外對(duì)變負(fù)載下的高速并聯(lián)分揀機(jī)器人理論研究較少。 對(duì)高速、變負(fù)載并聯(lián)分揀機(jī)器人而言，將桿件視為剛體的傳統(tǒng)分析方法將不再適用，不能真正解決由桿件柔性引起的彈性變形與誤差控制等問(wèn)題。 涉及具有彈性構(gòu)件的并聯(lián)機(jī)器人的研究尚處于初步階段，許多關(guān)鍵技術(shù)問(wèn)題還有待分析、論證。 為了提高煤矸分揀機(jī)器人的識(shí)別效率和穩(wěn)定控制性能，實(shí)現(xiàn)工業(yè)化推廣和應(yīng)用，筆者認(rèn)為該構(gòu)型的煤矸分揀并聯(lián)機(jī)器人以下幾個(gè)關(guān)鍵技術(shù)有待進(jìn)一步深入研究：

1）研究高速、變負(fù)載條件下彈性變形、鉸接間隙等多因素對(duì)機(jī)器人運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)數(shù)學(xué)模型誤差的傳遞機(jī)理與耦合特征，為機(jī)器人的自適應(yīng)穩(wěn)定性控制提供理論支撐［23］。

2）研究基于深度學(xué)習(xí)的特征提取、分類決策機(jī)理和算法，實(shí)現(xiàn)煤矸多特征交互融合智能圖像識(shí)別，提供一種圖像識(shí)別成功率高的算法，解決煤矸圖像識(shí)別不穩(wěn)定的問(wèn)題。

3）研究高速、變負(fù)載等多因素?cái)_動(dòng)效應(yīng)的并聯(lián)機(jī)器人自適應(yīng)智能控制原理和策略，解決由于變負(fù)載擾動(dòng)以及機(jī)器人動(dòng)力學(xué)模型不確定性對(duì)機(jī)器人控制不穩(wěn)定的問(wèn)題。

5 結(jié) 論

1）綜述現(xiàn)有煤矸分揀機(jī)器人現(xiàn)狀基礎(chǔ)上，結(jié)合并聯(lián)機(jī)器人結(jié)構(gòu)簡(jiǎn)單，速度快等特點(diǎn)，提出將Delta型并聯(lián)機(jī)器人應(yīng)用到煤矸分揀領(lǐng)域。

2）介紹了煤矸在線分揀并聯(lián)機(jī)器人的基本原理和工作流程，設(shè)計(jì)了機(jī)器人的軟硬件系統(tǒng)，提出了一種融合煤矸灰度和紋理特征的分類算法流程，并對(duì)軟件系統(tǒng)進(jìn)行了功能設(shè)計(jì)。

3）試驗(yàn)結(jié)果表明，Delta 型并聯(lián)機(jī)器人應(yīng)用于煤矸在線分揀是完全可行的，相比目前機(jī)械臂式機(jī)器人，其分揀速度和效率大大提高，可滿足工程現(xiàn)場(chǎng)需求，實(shí)現(xiàn)了煤礦“機(jī)械化換人、自動(dòng)化減人”，達(dá)到企業(yè)減員增效的目的。

4）并聯(lián)機(jī)器人用于煤矸石的自動(dòng)分揀是初步探索，針對(duì)研究過(guò)程中遇到的問(wèn)題，提出了后續(xù)研究擬重點(diǎn)解決的關(guān)鍵技術(shù)和基礎(chǔ)理論，為煤矸在線分揀機(jī)器人的應(yīng)用推廣提供理論支撐。