張?jiān)疲?潘祥生， 陳曉晶， 霍振龍， 任書文， 季亮

（1. 中煤科工集團(tuán)常州研究院有限公司，江蘇 常州 213015；2. 天地（常州）自動(dòng)化股份有限公司，江蘇 常州 213015）

0 引言

煤礦機(jī)械化、自動(dòng)化、信息化和智能化是安全高效綠色現(xiàn)代化煤礦的發(fā)展方向[1-2]。國(guó)家能源局、科學(xué)技術(shù)部最新印發(fā)的《“十四五”能源領(lǐng)域科技創(chuàng)新規(guī)劃》將煤炭精準(zhǔn)智能化洗選加工技術(shù)作為重點(diǎn)任務(wù)之一，并要求形成煤炭精確分選技術(shù)工藝及裝備[3]。煤炭洗選是將煤中矸石和雜質(zhì)去除的過程，對(duì)提高原煤質(zhì)量和推進(jìn)煤炭清潔高效利用具有重要意義。煤矸隨主運(yùn)輸膠帶升井后，作業(yè)人員需在地面揀矸膠帶處對(duì)矸石進(jìn)行分揀，對(duì)于直徑小于200 mm的矸石一般采用機(jī)械動(dòng)篩法進(jìn)行處理，針對(duì)大于200 mm的大塊矸石，仍采用人工揀矸的方式進(jìn)行分揀，這種方式分揀效率較低，現(xiàn)場(chǎng)揀矸環(huán)境惡劣，作業(yè)人員勞動(dòng)強(qiáng)度大。

隨著智能檢測(cè)和機(jī)器人控制技術(shù)的不斷發(fā)展，應(yīng)用智能選矸機(jī)器人實(shí)現(xiàn)煤矸智能化分選逐漸成為趨勢(shì)。智能選矸機(jī)器人具有煤矸智能識(shí)別、目標(biāo)精確定位、矸石快速分揀等功能[4-5]，能夠替代作業(yè)人員進(jìn)行煤矸分揀作業(yè)，可大幅降低作業(yè)人員勞動(dòng)強(qiáng)度，提高矸石分揀效率。目前，選矸機(jī)器人技術(shù)研發(fā)和應(yīng)用進(jìn)展迅速，涉及到的關(guān)鍵技術(shù)大體可劃分為煤矸識(shí)別技術(shù)和分揀執(zhí)行機(jī)構(gòu)控制技術(shù)，即機(jī)器人設(shè)備根據(jù)煤矸識(shí)別結(jié)果執(zhí)行分揀動(dòng)作將煤矸有效分離。目前，國(guó)內(nèi)已有一些煤礦應(yīng)用智能選矸機(jī)器人進(jìn)行煤矸分選[6-7]，但由于煤矸分揀環(huán)境復(fù)雜，智能選矸機(jī)器人實(shí)際應(yīng)用中在算法識(shí)別效率和分揀系統(tǒng)可靠性方面存在難點(diǎn)，關(guān)鍵技術(shù)仍需進(jìn)一步攻關(guān)。本文主要介紹了智能選矸機(jī)器人應(yīng)用與研究現(xiàn)狀，針對(duì)實(shí)際應(yīng)用難點(diǎn)分析了智能選矸機(jī)器人研究過程中的關(guān)鍵技術(shù)及其存在的問題，指出了智能選矸機(jī)器人今后的研究方向，為選矸機(jī)器人產(chǎn)品進(jìn)一步研發(fā)提供參考。

1 選矸機(jī)器人應(yīng)用與研究現(xiàn)狀

瑞典、德國(guó)等歐美發(fā)達(dá)國(guó)家于20世紀(jì)中期就開始致力于礦石分選設(shè)備的研究，無論是從技術(shù)原理還是產(chǎn)品形態(tài)等方面，都對(duì)國(guó)內(nèi)選矸機(jī)器人研發(fā)具有一定的借鑒意義[8]。2003年，瑞典Comex公司為不少礦業(yè)公司提供了礦石分選解決方案，其研制的采用X射線投射原理的分選設(shè)備可用于分揀非金屬和金屬礦石。由線掃描相機(jī)和X射線分析儀構(gòu)成的識(shí)別裝置，利用基于工業(yè)PC的控制系統(tǒng)和礦石分離算法，可通過礦石物理特性進(jìn)行顆粒形狀識(shí)別，以區(qū)分不同類型的礦石，并可對(duì)礦石顆粒位置尺寸進(jìn)行計(jì)算，由陣列式高壓氣動(dòng)噴嘴組成的分揀作業(yè)執(zhí)行機(jī)構(gòu)使目標(biāo)礦石改變拋離軌跡，從而達(dá)到礦石分離的目的。德國(guó)Commodas Ultrasort公司基于近紅外射線（Near Infrared Spectrometry，NIS）的礦物識(shí)別技術(shù)，采用高壓氣動(dòng)噴嘴分揀方式研制了礦石分選機(jī)，應(yīng)用效果良好。2011年，俄羅斯Rados公司研制的礦石分揀機(jī)采用基于X射線熒光光譜分析技術(shù)，可通過同時(shí)測(cè)量礦石表面的4種金屬含量對(duì)礦石進(jìn)行分類，并研制了打板式分離執(zhí)行系統(tǒng)作為礦石分揀執(zhí)行機(jī)構(gòu)[8]（圖1），控制電磁擋板裝置使礦石下落軌跡偏離，實(shí)現(xiàn)礦石分類。

圖1 打板式分揀執(zhí)行機(jī)構(gòu)和氣動(dòng)噴嘴分揀執(zhí)行機(jī)構(gòu)Fig. 1 Plate and pneumatic nozzle sorting actuator

進(jìn)入到21世紀(jì)，國(guó)內(nèi)開始引進(jìn)和研究用于煤礦領(lǐng)域的智能選矸機(jī)器人裝備，隨著機(jī)器視覺和機(jī)器人技術(shù)的不斷發(fā)展，國(guó)內(nèi)機(jī)器人廠商和科研院所經(jīng)過不斷的技術(shù)革新，在借鑒國(guó)外礦石分選設(shè)備采用X射線和陣列式高壓氣動(dòng)噴嘴的基礎(chǔ)上，研制出了具有自主知識(shí)產(chǎn)權(quán)的選矸機(jī)器人產(chǎn)品。除了利用X射線識(shí)別法之外，還應(yīng)用圖像處理技術(shù)和深度學(xué)習(xí)算法進(jìn)行煤矸識(shí)別，可有效對(duì)煤矸類別和位置進(jìn)行識(shí)別。針對(duì)特定現(xiàn)場(chǎng)的分揀環(huán)境，研制了選矸用桁架機(jī)器人[9]、并聯(lián)機(jī)器人[10-11]和工業(yè)機(jī)器人系統(tǒng)，一定程度上實(shí)現(xiàn)了煤矸快速分選，并在煤礦現(xiàn)場(chǎng)成功應(yīng)用。目前，以陣列式高壓氣動(dòng)噴嘴作為分揀執(zhí)行機(jī)構(gòu)的選矸機(jī)器人應(yīng)用較為成熟[12]，優(yōu)點(diǎn)是能夠適配較高的膠帶帶速，可對(duì)小塊煤矸進(jìn)行快速分離。但其在大體積、大質(zhì)量矸石分揀環(huán)境和煤矸密集分布的情況下具有局限性。

針對(duì)現(xiàn)場(chǎng)大塊矸石分揀特殊環(huán)境的需求，研制出了以桁架機(jī)器人[13-14]、并聯(lián)機(jī)器人和六軸工業(yè)機(jī)器人等不同類型機(jī)器人為主體配合末端機(jī)械手作為選矸機(jī)器人的分揀執(zhí)行機(jī)構(gòu)，機(jī)械臂在工作空間內(nèi)按照既定的運(yùn)動(dòng)軌跡完成移動(dòng)和抓取操作，實(shí)現(xiàn)矸石的快速分揀。桁架選矸機(jī)器人分揀執(zhí)行機(jī)構(gòu)如圖2所示。桁架選矸機(jī)器人有X，Y，Z三個(gè)方向的移動(dòng)副和末端機(jī)械手繞Z軸方向旋轉(zhuǎn)的旋轉(zhuǎn)副，具有控制簡(jiǎn)單、承載能力強(qiáng)的特點(diǎn)。但由于機(jī)械臂矸石分揀動(dòng)作對(duì)于矸石定位精度的要求較高，在大量煤矸密集分布狀態(tài)下，機(jī)械手下放的目標(biāo)抓取點(diǎn)必須在煤矸間隙，在下放過程中機(jī)械手不能與目標(biāo)上表面進(jìn)行接觸，因此，需要利用附加的排列裝置使煤矸先進(jìn)行規(guī)則排列。大塊煤矸經(jīng)過排列裝置時(shí)容易發(fā)生堵塞，且排列裝置需要足夠長(zhǎng)的膠帶線來布置，現(xiàn)場(chǎng)應(yīng)用受限。因此，桁架選矸機(jī)器人在進(jìn)行大塊矸石抓取動(dòng)作時(shí)，需考慮機(jī)械手適應(yīng)性問題。

圖2 桁架選矸機(jī)器人分揀執(zhí)行機(jī)構(gòu)Fig. 2 Sorting actuator of trussed gangue sorting robot

傳統(tǒng)并聯(lián)機(jī)器人因承受負(fù)載較小，無法在煤礦矸石分揀現(xiàn)場(chǎng)使用。趙明輝等[10]研究了一款選矸用的雙臂并聯(lián)機(jī)器人，在分揀動(dòng)作上創(chuàng)造性地提出用“撥離”代替“抓取”的方式，將矸石分離到膠帶一側(cè)，“撥爪”結(jié)構(gòu)可根據(jù)矸石的大小進(jìn)行調(diào)節(jié)，該方法為解決大質(zhì)量矸石分揀問題提供了新的思路。并聯(lián)選矸機(jī)器人分揀執(zhí)行機(jī)構(gòu)如圖3所示。

圖3 并聯(lián)選矸機(jī)器人分揀執(zhí)行機(jī)構(gòu)Fig. 3 Sorting actuator of parallel gangue sorting robot

目前國(guó)內(nèi)應(yīng)用較多的智能選矸機(jī)器人產(chǎn)品有TDS智能干選機(jī)[6]、GPRT智能煤矸分選機(jī)器人[15]、RDS智能選矸機(jī)器人和BIS-R智能機(jī)器人揀矸系統(tǒng)[16]。主流選矸機(jī)器人系統(tǒng)工作原理見表1。

表1 主流選矸機(jī)器人系統(tǒng)工作原理Table 1 Working principles of main gangue sorting robot systems

從應(yīng)用與研究現(xiàn)狀來看，智能選矸機(jī)器人主要基于X射線和圖像識(shí)別原理，利用高壓氣動(dòng)分揀和桁架機(jī)器人抓取進(jìn)行煤矸分離。智能選矸機(jī)器人分揀執(zhí)行機(jī)構(gòu)主要有桁架式、并聯(lián)式、串聯(lián)式等類型，響應(yīng)速度快，常常以“撥”和“抓”的形式將矸石分離。在膠帶運(yùn)輸過程中，智能選矸機(jī)器人“撥”需考慮不同矸石尺寸的兼容性及運(yùn)動(dòng)路徑的優(yōu)化，“抓”需考慮機(jī)械手的作業(yè)空間及機(jī)器人的承載能力。

2 智能選矸機(jī)器人關(guān)鍵技術(shù)

智能選矸機(jī)器人的出現(xiàn)提升了原煤的入選率，降低了工人勞動(dòng)強(qiáng)度，實(shí)現(xiàn)了煤炭高效洗選和綠色生產(chǎn)的目標(biāo)，有著巨大的應(yīng)用前景和商業(yè)價(jià)值，其關(guān)鍵技術(shù)成為煤礦機(jī)器人研究的熱點(diǎn)。從技術(shù)架構(gòu)來看，智能選矸機(jī)器人是計(jì)算機(jī)、機(jī)械、自動(dòng)化、通信等多學(xué)科交叉的產(chǎn)物，其產(chǎn)品結(jié)構(gòu)主要由煤矸識(shí)別系統(tǒng)和分揀作業(yè)執(zhí)行系統(tǒng)組成。近年來，機(jī)器視覺和機(jī)器人技術(shù)的迅速發(fā)展與應(yīng)用，為現(xiàn)階段智能選矸機(jī)器人關(guān)鍵技術(shù)的攻破提供了更多技術(shù)手段。

2.1 圖像識(shí)別技術(shù)

近年來，圖像識(shí)別技術(shù)已被廣泛應(yīng)用于煤矸識(shí)別中，與傳統(tǒng)煤矸識(shí)別技術(shù)中的X射線、γ射線識(shí)別法相比，圖像識(shí)別技術(shù)需要以工業(yè)相機(jī)、深度相機(jī)作為圖像采集單元，以視覺工控機(jī)、智能運(yùn)算平臺(tái)作為數(shù)據(jù)處理主機(jī)，通過圖像識(shí)別算法對(duì)煤矸圖像進(jìn)行分析，以對(duì)煤矸進(jìn)行識(shí)別。煤矸圖像識(shí)別技術(shù)可分為基于傳統(tǒng)計(jì)算機(jī)視覺的煤矸識(shí)別方法和基于深度學(xué)習(xí)的煤矸識(shí)別方法，具有智能化程度較高、識(shí)別效率高和硬件組成簡(jiǎn)單等優(yōu)勢(shì)。

馬憲民等[17]利用煤與矸石的灰度均值和灰度方差的概率分布特征，將其與閾值進(jìn)行比較實(shí)現(xiàn)了煤矸識(shí)別。何敏等[18]提出了基于支持向量機(jī)和紋理識(shí)別煤矸的方法，以灰度均值、灰度共生矩陣最大值、二階矩、對(duì)比度、相關(guān)性、熵6個(gè)參數(shù)作為支持向量機(jī)的訓(xùn)練特征進(jìn)行煤矸識(shí)別，該方法存在較高的特征空間維數(shù)，在試驗(yàn)樣本環(huán)境下識(shí)別算法較為快速準(zhǔn)確，但對(duì)于復(fù)雜的煤矸分布環(huán)境，算法準(zhǔn)確率和普適性還有待提高。孫繼平等[19]嘗試將煤矸圖像進(jìn)行多尺度分解并結(jié)合灰度共生矩陣提取煤矸紋理特征，實(shí)驗(yàn)結(jié)果顯示該方法比常規(guī)方法提取的特征更有效。Li Lihong等[20]提出了基于紋理分析的自適應(yīng)窗口，考慮了圖像的灰度特征，同時(shí)利用圖像的空間信息，提高了煤矸識(shí)別精度，但無法實(shí)現(xiàn)矸石的自動(dòng)識(shí)別與定位。

2012年以后，以卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)算法在圖像分類領(lǐng)域展示出了強(qiáng)大潛力，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法在工業(yè)場(chǎng)景中的應(yīng)用越來越多。由于深度學(xué)習(xí)算法識(shí)別率較高、魯棒性強(qiáng)，在煤矸識(shí)別方面得到了快速推廣應(yīng)用[21-22]。針對(duì)煤矸識(shí)別算法識(shí)別率低、定位精度差、時(shí)延長(zhǎng)等問題，曹現(xiàn)剛等[23]研究了基于卷積神經(jīng)網(wǎng)絡(luò)的煤矸識(shí)別算法，提高了識(shí)別率和定位精度。郜亞松等[24]提出了一種基于改進(jìn)型輕量級(jí)深度識(shí)別網(wǎng)絡(luò)模型的煤矸識(shí)別方法，提高了模型識(shí)別精度和召回率。沈科等[25]將改進(jìn)后的YOLOv5s模型應(yīng)用于煤矸目標(biāo)檢測(cè)中，利用自校正卷積提取特征，并融合多尺度特征信息，成功降低了模型復(fù)雜度并提高了煤矸識(shí)別的實(shí)時(shí)性，有效提高了煤矸識(shí)別精度和速度。

從目前研究狀況看，基于深度學(xué)習(xí)的煤矸識(shí)別技術(shù)較傳統(tǒng)煤矸識(shí)別技術(shù)具有硬件設(shè)備簡(jiǎn)單、識(shí)別效率高等優(yōu)勢(shì)，其利用深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)煤矸圖像數(shù)據(jù)集進(jìn)行訓(xùn)練，自動(dòng)提取煤矸圖像特征，并不斷優(yōu)化網(wǎng)絡(luò)模型使得模型更加健壯，可準(zhǔn)確地輸出煤矸檢測(cè)結(jié)果和位置信息，為后續(xù)的機(jī)器人分揀執(zhí)行動(dòng)作提供依據(jù)。但由于煤炭行業(yè)的特殊性和復(fù)雜性，基于深度學(xué)習(xí)的煤矸識(shí)別技術(shù)作為選矸機(jī)器人的關(guān)鍵技術(shù)之一，仍需進(jìn)一步研究。

（1） 煤矸數(shù)據(jù)集高效構(gòu)建方法研究?；谏疃葘W(xué)習(xí)的目標(biāo)檢測(cè)算法在文字識(shí)別、人臉識(shí)別、車輛識(shí)別、安全行為檢測(cè)等領(lǐng)域已有非常成熟的應(yīng)用。不同于其他行業(yè)，煤炭行業(yè)的特殊性使得煤矸識(shí)別領(lǐng)域目前仍缺失大規(guī)模的煤矸圖像數(shù)據(jù)集。而數(shù)據(jù)依賴是深度學(xué)習(xí)中最嚴(yán)重的問題之一，與傳統(tǒng)的機(jī)器學(xué)習(xí)方法相比，深度學(xué)習(xí)對(duì)海量訓(xùn)練數(shù)據(jù)的依賴性非常強(qiáng)，因?yàn)樗枰罅康臄?shù)據(jù)來理解數(shù)據(jù)的潛在模式。現(xiàn)有針對(duì)煤矸目標(biāo)檢測(cè)算法的研究大多是在小樣本煤矸數(shù)據(jù)集上進(jìn)行算法的訓(xùn)練，模型性能受數(shù)據(jù)集大小和質(zhì)量的直接影響。深度學(xué)習(xí)模型與算法內(nèi)在優(yōu)異的性能十分依賴于數(shù)據(jù)標(biāo)注，但目前數(shù)據(jù)標(biāo)注仍然主要依靠人工來完成，這種方式成本高，周期長(zhǎng)。煤矸分揀現(xiàn)場(chǎng)環(huán)境較為復(fù)雜，獲取到的煤矸圖像常受到噪聲影響，圖像模糊，或被遮擋等，且無統(tǒng)一標(biāo)注標(biāo)準(zhǔn)。如何自動(dòng)標(biāo)注大規(guī)模低質(zhì)量數(shù)據(jù)是一項(xiàng)極具挑戰(zhàn)的任務(wù)，因此需研究煤矸數(shù)據(jù)集高效構(gòu)建方法。

（2） 煤矸識(shí)別算法的泛化性提升研究。不同礦區(qū)、不同地域的煤矸賦存特性和表面特征狀態(tài)均具有差異性，現(xiàn)有研究煤矸識(shí)別算法的模型一般都是針對(duì)某一礦區(qū)的煤矸構(gòu)建的，并不適配多個(gè)現(xiàn)場(chǎng)，需要構(gòu)建一種新型的算法模型，不僅要對(duì)煤矸訓(xùn)練集有很好的擬合能力，而且應(yīng)對(duì)未知煤矸數(shù)據(jù)集有很好的泛化能力。

（3） 煤矸識(shí)別算法實(shí)時(shí)性優(yōu)化方法研究。為了提高煤矸識(shí)別算法的泛化性，一些學(xué)者對(duì)煤矸數(shù)據(jù)集進(jìn)行了處理，例如利用圖像增強(qiáng)技術(shù)對(duì)圖像數(shù)據(jù)張量進(jìn)行濾波、形態(tài)學(xué)處理、數(shù)據(jù)擴(kuò)充、背景增強(qiáng)等運(yùn)算，增加識(shí)別模型對(duì)煤矸復(fù)雜環(huán)境的泛化能力。但傳統(tǒng)圖像識(shí)別算法下的圖像預(yù)處理、特征提取、煤矸識(shí)別是分開設(shè)計(jì)的，且與深度學(xué)習(xí)算法間的融合受到算法本身因素的制約，雖然其泛化性較好，但實(shí)時(shí)性較差。當(dāng)面臨多矸石分揀任務(wù)時(shí)，機(jī)器人連續(xù)高效的分揀動(dòng)作對(duì)煤矸識(shí)別算法的實(shí)時(shí)性要求更高。因此，煤矸識(shí)別算法的實(shí)時(shí)性優(yōu)化也是圖像識(shí)別的關(guān)鍵技術(shù)內(nèi)容。

2.2 機(jī)器人分揀執(zhí)行機(jī)構(gòu)智能控制技術(shù)

智能控制技術(shù)是通過定性與定量相結(jié)合的方法，針對(duì)對(duì)象環(huán)境和任務(wù)復(fù)雜性與不確定性，自主實(shí)現(xiàn)復(fù)雜信息處理及優(yōu)化決策控制功能的技術(shù)。研究針對(duì)選矸分揀執(zhí)行機(jī)構(gòu)的智能控制技術(shù)，可使機(jī)器人滿足復(fù)雜工況環(huán)境對(duì)其作業(yè)精度和運(yùn)動(dòng)狀態(tài)等重要參數(shù)的較高要求，是使選矸機(jī)器人完成既定作業(yè)任務(wù)的關(guān)鍵，其主要包括以下關(guān)鍵技術(shù)。

2.2.1 面向非結(jié)構(gòu)多約束環(huán)境的選矸機(jī)械臂運(yùn)動(dòng)規(guī)劃技術(shù)

選矸機(jī)械臂運(yùn)動(dòng)規(guī)劃是在滿足機(jī)器人運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)的約束下，根據(jù)現(xiàn)場(chǎng)實(shí)際矸石分揀任務(wù)要求，對(duì)機(jī)器人運(yùn)行軌跡有關(guān)的各項(xiàng)參數(shù)進(jìn)行規(guī)劃，使機(jī)器人滿足精度、穩(wěn)定性和分揀任務(wù)要求。運(yùn)動(dòng)規(guī)劃問題是提高機(jī)械臂自主性和智能化的關(guān)鍵科學(xué)問題[26]，是機(jī)械臂完成各種復(fù)雜作業(yè)任務(wù)的前提，特別是針對(duì)非規(guī)則結(jié)構(gòu)障礙物及復(fù)雜分布狀態(tài)的機(jī)械臂路徑規(guī)劃問題[27-29]。趙明輝[30]針對(duì)采用串聯(lián)機(jī)械臂分揀矸石存在分揀速度慢，且無法分揀大塊矸石的問題，研制了雙臂并聯(lián)矸石分揀機(jī)器人并研究采用五次多項(xiàng)式插值函數(shù)進(jìn)行機(jī)械臂軌跡規(guī)劃，提高了分揀速度。針對(duì)選矸機(jī)器人分揀效率低和揀矸過程中的避障問題，夏晶等[31]提出了煤矸分揀機(jī)器人動(dòng)態(tài)揀取避障路徑規(guī)劃算法。朱子祺等[32]提出了基于G-RRT*算法的選矸機(jī)器人路徑規(guī)劃算法，提高了路徑規(guī)劃效率。

在復(fù)雜煤矸分揀環(huán)境下，選矸機(jī)械臂要在多個(gè)障礙物（煤塊、矸石）之間穿行，控制分揀目標(biāo)（矸石）沿一條合理路徑從膠帶帶面空間剔除，障礙物均為不規(guī)則物體且呈離散排列。同時(shí)，膠帶處于低速運(yùn)行狀態(tài)，目標(biāo)在動(dòng)態(tài)移動(dòng)環(huán)境下機(jī)械臂避障難度較大。常用的運(yùn)動(dòng)規(guī)劃算法在求解這類問題時(shí)可能會(huì)消耗大量的時(shí)間，在面對(duì)特定環(huán)境時(shí)，存在算法收斂速度慢、實(shí)時(shí)性差的缺點(diǎn)，無法滿足機(jī)械臂動(dòng)態(tài)路徑規(guī)劃的實(shí)時(shí)性要求。研究面向非結(jié)構(gòu)多約束環(huán)境的機(jī)械臂路徑規(guī)劃技術(shù)是選矸機(jī)械臂能否成功應(yīng)用的前提，機(jī)械臂在執(zhí)行矸石分揀作業(yè)的同時(shí)，必須能夠針對(duì)靜態(tài)和動(dòng)態(tài)障礙物進(jìn)行及時(shí)避障，并在既定的速度和加速度下沿實(shí)時(shí)規(guī)劃出的路徑進(jìn)行移動(dòng)分揀作業(yè)。目前，基于人工勢(shì)場(chǎng)法的被動(dòng)式避障算法[33]、基于PRM（Probabilistic Road Map，概率路圖法）和RRT（Rapidly-exploring Random Trees，快速擴(kuò)展隨機(jī)樹算法）的全局動(dòng)態(tài)規(guī)劃算法[34-35]已被用來解決非結(jié)構(gòu)多約束環(huán)境下機(jī)械臂運(yùn)動(dòng)規(guī)劃問題。

2.2.2 基于力反饋的機(jī)械臂主動(dòng)柔順控制技術(shù)

機(jī)械臂柔順控制技術(shù)是解決機(jī)器人作業(yè)質(zhì)量的關(guān)鍵，在復(fù)雜工業(yè)場(chǎng)景中已有應(yīng)用[36]。目前選矸機(jī)器人控制系統(tǒng)均采用基于位置的開環(huán)控制模式，通過視覺系統(tǒng)提供的矸石目標(biāo)抓取位置來引導(dǎo)機(jī)械臂執(zhí)行矸石分揀動(dòng)作?；诩兾恢每刂频臋C(jī)器人具備一定適應(yīng)外界可變環(huán)境的能力，但在矸石分揀作業(yè)過程中，通常要求機(jī)械臂跟蹤矸石目標(biāo)并達(dá)到與移動(dòng)矸石的速度和位置同步時(shí)對(duì)矸石進(jìn)行抓/撥，由于算法時(shí)延、矸石滾動(dòng)等因素會(huì)產(chǎn)生位置誤差，機(jī)器人本體因受到過大的作用力而造成機(jī)械損傷，這種現(xiàn)象在處理密集分布的矸石分揀任務(wù)時(shí)尤為常見。此外，在開環(huán)控制模式下，若機(jī)械臂在執(zhí)行分揀動(dòng)作時(shí)失敗，控制系統(tǒng)無法第一時(shí)間獲取到任務(wù)狀態(tài)，即機(jī)器人并不知道此時(shí)目標(biāo)已丟失，特別是在面對(duì)大塊矸石、大流量矸石分揀環(huán)境下，將嚴(yán)重影響機(jī)器人分揀效率。因此，針對(duì)選矸場(chǎng)景存在機(jī)器人與矸石間的力作用時(shí)，通過在機(jī)器人末端安裝力傳感器對(duì)機(jī)器人與矸石間的接觸力、力矩進(jìn)行實(shí)時(shí)監(jiān)測(cè)，引入作用力、作用力矩控制輸出量，將作用力、作用力矩作為閉環(huán)反饋量引入控制過程中，通過計(jì)算期望力參數(shù)與實(shí)時(shí)反饋力參數(shù)之間的誤差來修正機(jī)器人實(shí)際運(yùn)動(dòng)軌跡，從而使選矸機(jī)械臂具有基于力反饋的柔順控制能力。

2.2.3 多臂協(xié)作分揀任務(wù)分配策略及控制技術(shù)

不同于工件分揀應(yīng)用場(chǎng)景，煤矸分布密度較大、分布均不規(guī)則，每塊矸石的規(guī)格形態(tài)都不同且是唯一的。當(dāng)現(xiàn)場(chǎng)不具備安裝煤矸排隊(duì)裝置的環(huán)境時(shí)，較多的出矸量決定選矸機(jī)器人系統(tǒng)應(yīng)采用多臂協(xié)作分揀方式以提升整體分揀效率[27]。根據(jù)選矸機(jī)器人工位和分揀目標(biāo)，多臂分揀協(xié)同控制有以下2種情況：① 獨(dú)立工作空間下的多目標(biāo)分揀：多機(jī)械臂位于獨(dú)立工作空間下，作業(yè)空間不存在交集，即無需考慮相互獨(dú)立的機(jī)械臂間的碰撞問題。當(dāng)多機(jī)械臂間在無碰撞的前提下，協(xié)作分揀屬于松協(xié)同任務(wù)，機(jī)械臂只需按照任務(wù)分配策略在時(shí)間約束下執(zhí)行運(yùn)動(dòng)軌跡即可。選矸機(jī)器人多臂協(xié)作分揀場(chǎng)景多為獨(dú)立工作空間下的多目標(biāo)分揀，其任務(wù)分配策略主要為基于目標(biāo)均分的任務(wù)分配策略、基于區(qū)域劃分的任務(wù)分配策略和基于目標(biāo)溢出的任務(wù)分配策略。煤矸分揀場(chǎng)景由于目標(biāo)分布不均、數(shù)量不定會(huì)出現(xiàn)漏揀，基于目標(biāo)均分的分配策略顯然并不適用。同樣地，基于區(qū)域劃分的任務(wù)分配策略適用于規(guī)則排列的目標(biāo)抓取任務(wù)，在該任務(wù)分配策略下，膠帶根據(jù)機(jī)械臂個(gè)數(shù)被劃分為多個(gè)區(qū)域，機(jī)械臂分別抓取不同區(qū)域中的目標(biāo)，當(dāng)現(xiàn)場(chǎng)不具備安裝煤矸排隊(duì)裝置的條件時(shí)，該方法無法適用。基于目標(biāo)溢出的任務(wù)分配策略在目標(biāo)分布狀態(tài)較為復(fù)雜、分揀目標(biāo)較多時(shí)，能夠使選矸機(jī)器人在性能允許的最大分揀節(jié)拍下工作，保證一定的分揀效率，減少了漏揀次數(shù)。② 協(xié)作空間關(guān)系下的多目標(biāo)分揀：指多機(jī)械臂在處于同一工作空間或具有工作空間交集的情況下共同協(xié)作完成多目標(biāo)分揀任務(wù)，該場(chǎng)景下機(jī)械臂之間由于會(huì)受到力和位置的整體約束，協(xié)作分揀屬于緊協(xié)同任務(wù)，除需考慮上述場(chǎng)景中的任務(wù)分配策略問題外，碰撞檢測(cè)問題是研究重點(diǎn)，也是機(jī)械臂軌跡規(guī)劃的重要問題之一。研究多機(jī)械臂碰撞檢測(cè)方法可通過外部傳感器和建模法進(jìn)行，建模法降低了系統(tǒng)復(fù)雜性和成本，較為實(shí)用。其中基于圖形碰撞檢測(cè)方法的層次包圍盒法和空間分割法是目前比較常用的碰撞檢測(cè)方法。

3 智能選矸機(jī)器人研究方向

現(xiàn)階段關(guān)于選矸機(jī)器人系統(tǒng)的研究主要針對(duì)簡(jiǎn)單煤矸分布環(huán)境下的圖像分類、定位和機(jī)器人分揀執(zhí)行機(jī)構(gòu)控制技術(shù)展開。由于煤礦特殊的工作環(huán)境和作業(yè)要求對(duì)選矸機(jī)器人技術(shù)研究提出了進(jìn)一步的需求，為使選矸機(jī)器人能夠從根本上替代人工選矸，結(jié)合機(jī)器人領(lǐng)域最新研究進(jìn)展，相關(guān)研究可從以下幾個(gè)方面展開：

（1） 針對(duì)現(xiàn)場(chǎng)復(fù)雜環(huán)境進(jìn)行技術(shù)改進(jìn)，提高煤矸識(shí)別算法的魯棒性和自適應(yīng)性。傳統(tǒng)機(jī)器視覺算法存在特征提取困難、自適應(yīng)性較差和誤報(bào)率較高等缺點(diǎn)，研究應(yīng)將深度學(xué)習(xí)領(lǐng)域最新研究成果應(yīng)用于煤矸識(shí)別的不同現(xiàn)場(chǎng)場(chǎng)景，不斷進(jìn)行模型適配和優(yōu)化，提高算法的魯棒性和自適應(yīng)性，從而實(shí)現(xiàn)煤矸精準(zhǔn)識(shí)別和定位。同時(shí)，由于深度學(xué)習(xí)識(shí)別效果的優(yōu)劣與訓(xùn)練數(shù)據(jù)的豐富性息息相關(guān)，雖然煤矸識(shí)別場(chǎng)景相比于其他目標(biāo)檢測(cè)識(shí)別場(chǎng)景較為單一，但煤矸分布環(huán)境的復(fù)雜性導(dǎo)致數(shù)據(jù)復(fù)雜程度較高，對(duì)模型特征提取能力和泛化性提出了更高要求。特別是當(dāng)現(xiàn)場(chǎng)樣本不足時(shí)，研究基于遷移學(xué)習(xí)的煤矸小樣本訓(xùn)練方法，利用已訓(xùn)練好的大規(guī)模數(shù)據(jù)模型對(duì)其他樣本的期望值進(jìn)行預(yù)測(cè)，以提高深度學(xué)習(xí)模型的泛化性，便于算法與模型快速部署和適配。

（2） 提升選矸機(jī)器人工業(yè)現(xiàn)場(chǎng)適用性，研究動(dòng)態(tài)非結(jié)構(gòu)環(huán)境下的智能感知技術(shù)。智能感知技術(shù)是機(jī)器人執(zhí)行復(fù)雜分揀作業(yè)的重要支撐技術(shù)。在智能化應(yīng)用場(chǎng)景下，選矸機(jī)器人要在膠帶運(yùn)行時(shí)執(zhí)行矸石分揀動(dòng)作，在多約束環(huán)境下動(dòng)態(tài)目標(biāo)及障礙物可能會(huì)與機(jī)械臂發(fā)生碰撞，為確保選矸機(jī)器人系統(tǒng)的可靠性和穩(wěn)定性，需研究動(dòng)態(tài)非結(jié)構(gòu)環(huán)境下的視覺伺服技術(shù)。同時(shí)，現(xiàn)有選矸機(jī)器人系統(tǒng)多基于目標(biāo)矸石二維定位信息引導(dǎo)機(jī)器人進(jìn)行點(diǎn)到點(diǎn)運(yùn)動(dòng)，在煤矸密集分布環(huán)境下可能會(huì)因?yàn)樽ト↑c(diǎn)誤差產(chǎn)生無效分揀動(dòng)作；在機(jī)械手采用“撥”方式分離矸石的過程中，機(jī)器人需要調(diào)整末端姿態(tài)以有效控制矸石執(zhí)行避障，但僅根據(jù)矸石二維坐標(biāo)信息無法對(duì)矸石分揀過程進(jìn)行有效控制。因此，研究矸石高精度三維位姿估算技術(shù)是智能感知技術(shù)的發(fā)展方向之一。

此外，選矸機(jī)器人還無法自主模擬人工揀矸的動(dòng)作進(jìn)行作業(yè)，其主要原因是缺乏與外部真實(shí)環(huán)境進(jìn)行高級(jí)交互的能力，沒有全面的感知數(shù)據(jù)作為反饋信息，無法實(shí)現(xiàn)分揀作業(yè)過程全局實(shí)時(shí)閉環(huán)控制，故研究面向復(fù)雜選矸場(chǎng)景下基于視覺-觸覺融合的感知技術(shù)是提高選矸機(jī)器人智能化程度的關(guān)鍵技術(shù)手段。

（3） 面向高級(jí)應(yīng)用場(chǎng)景，研究基于力位混合控制的選矸機(jī)器人智能揀矸技術(shù)。工業(yè)機(jī)器人力位混合控制已有大量的理論基礎(chǔ)，但在實(shí)際應(yīng)用中實(shí)施難度較大，工業(yè)現(xiàn)場(chǎng)應(yīng)用較少。研究基于力位混合控制的選矸機(jī)械臂控制技術(shù)可實(shí)現(xiàn)位置控制和力控制2個(gè)控制閉環(huán)，能夠控制選矸機(jī)械臂按照期望軌跡運(yùn)動(dòng)的同時(shí)，對(duì)末端接觸力的期望值進(jìn)行控制，可滿足特定高級(jí)場(chǎng)景應(yīng)用的需求。

（4） 以行業(yè)需求為導(dǎo)向，探究智能選矸機(jī)器人井下選矸可行性。井下對(duì)設(shè)備防爆性能有嚴(yán)格規(guī)定，現(xiàn)有的選矸機(jī)器人多針對(duì)地面使用場(chǎng)景設(shè)計(jì)，不適用于井下。除設(shè)備防爆要求外，井下帶式輸送機(jī)速度、設(shè)備空間、煤塵環(huán)境及光照條件等因素也對(duì)煤矸識(shí)別速度、識(shí)別算法魯棒性和泛化性、執(zhí)行機(jī)構(gòu)分揀速度提出了更高要求。由于井下就地選矸可提升煤炭開采效率和井下運(yùn)輸效率，井下排矸技術(shù)與裝備成為了煤炭精準(zhǔn)智能化洗選的重要研究課題。

4 結(jié)語

智能選矸機(jī)器人能夠根據(jù)現(xiàn)場(chǎng)工況條件，快速、精準(zhǔn)地對(duì)矸石進(jìn)行自動(dòng)識(shí)別并分離，符合智慧礦山發(fā)展要求，也是煤炭行業(yè)機(jī)械化換人、自動(dòng)化減人、智能化無人發(fā)展的必然趨勢(shì)，應(yīng)用前景廣闊。介紹了智能選矸機(jī)器人的應(yīng)用現(xiàn)狀，分析了智能選矸機(jī)器人的關(guān)鍵技術(shù)及其存在的問題，指出煤矸識(shí)別技術(shù)的改進(jìn)、適應(yīng)復(fù)雜環(huán)境的智能感知技術(shù)和控制技術(shù)研究、選矸機(jī)器人的井下選矸可行性探究是智能選矸機(jī)器人今后研究的方向。