李思思

（山西工程技術(shù)學(xué)院，陽泉 045000）

去除煤炭中的矸石有利于提升煤炭燃燒效率，減少有害氣體排放，減輕環(huán)境污染，提高煤炭質(zhì)量。傳統(tǒng)煤矸石分揀常采用人工、機械洗選的方式。人工挑選是應(yīng)用于中小煤礦的一種煤矸石分選方法，主要依靠工人的經(jīng)驗進(jìn)行挑選。由于人的認(rèn)知差異、大量重復(fù)工作的疲勞性等，人工挑選方式的分揀效率低，且挑選質(zhì)量存在不確定性。機械洗選方式是中大型洗煤廠采用的選煤方式，主要采用重介、跳汰以及浮選等方式。重介、跳汰、浮選的選煤原理是將煤與矸石沉浸在懸浮液中，利用煤、矸石、懸浮液密度的不同實現(xiàn)分選（矸石密度大于懸浮液密度，則矸石將下沉；煤的密度小于懸浮液，煤會上?。Ｓ捎谏鲜鎏暨x方式需要大型機械設(shè)備，企業(yè)投入成本較高，在挑選過程中會造成大量的水資源、電能浪費。因此，學(xué)者們嘗試采用圖像分析法實現(xiàn)煤與矸石的分選。

圖像分析法分為輻射和非輻射兩種。輻射的典型代表是利用γ射線或者X射線穿過煤和矸石衰減程度的不同實現(xiàn)煤和矸石的分選。這兩種分選方法在一定程度上可以節(jié)約資源、保護(hù)環(huán)境，但是長期通過γ射線分選會對周圍工作人員的身體造成傷害。非輻射的圖像識別法利用工業(yè)相機進(jìn)行拍攝，并將拍攝圖像傳輸?shù)缴衔粰C分析灰度和紋理等特征。文獻(xiàn)[1]先采用分水嶺算法實現(xiàn)圖像分割，然后利用卷積神經(jīng)網(wǎng)絡(luò)建立分類模型。文獻(xiàn)[2]分析高速相機采集的圖像中煤與矸石灰度的不同實現(xiàn)分選。文獻(xiàn)[3]提出了基于改進(jìn)深度殘差網(wǎng)絡(luò)的圖像分類方法，并將其應(yīng)用于煤矸石的分選。文獻(xiàn)[4]使用相機采集河北省峰峰集團(tuán)萬年礦區(qū)的煤矸圖像，并改進(jìn)VGG16網(wǎng)絡(luò)實現(xiàn)了煤矸石分選。

2020年國家能源局印發(fā)《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》，指出將人工智能、工業(yè)物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、機器人、智能裝備等與現(xiàn)代煤炭開發(fā)利用深度融合，形成全面感知、實時互聯(lián)、分析決策、自主學(xué)習(xí)、動態(tài)預(yù)測以及協(xié)同控制的智能系統(tǒng)，實現(xiàn)煤礦開拓、采掘（剝）、運輸、通風(fēng)、洗選、安全保障以及經(jīng)營管理等過程的智能化運行。為實現(xiàn)煤礦生產(chǎn)的智能化，大量學(xué)者對其進(jìn)行了研究[5]。本文在前輩的工作基礎(chǔ)上設(shè)計煤矸石智能控制系統(tǒng)，降低了工人的勞動強度，節(jié)約了水資源，避免了射線給人體帶來的傷害，提高了煤礦生產(chǎn)效率和選矸環(huán)節(jié)的智能化水平。

1 系統(tǒng)總體方案

綜采工作面開采的原煤通過皮帶機運輸至選煤廠準(zhǔn)備車間。在準(zhǔn)備車間內(nèi)的原煤通過滾軸篩進(jìn)行分級，挑選出粒級在50 mm以上的塊煤、矸石，并將其送至煤矸石分揀系統(tǒng)的進(jìn)料斗。

如圖1所示，分揀過程中，首先采集數(shù)據(jù)。由工業(yè)相機采集皮帶機上的煤矸石圖像，并將采集的信息傳送給數(shù)字信號處理器（Digital Signal Processor，DSP）。數(shù)字信號處理器可以將模擬信號轉(zhuǎn)換為上位機可以識別的數(shù)字信號。其次，分析圖像信息，建立識別模型與抓取方案。上位機接收DSP傳輸?shù)臄?shù)字信號，分析信號特征，建立高斯混合模型與支持向量機模型，實現(xiàn)皮帶與煤矸石的分離、煤與矸石的識別。根據(jù)矸石在皮帶上的位置確定抓取順序、計算抓取軌跡，并將抓取順序、軌跡等信息發(fā)送給可編程邏輯控制器（Programmable Logic Controller，PLC）。最后，執(zhí)行抓取任務(wù)。PLC控制伺服電機驅(qū)動機械臂實現(xiàn)煤矸石抓取。此過程中，煤矸石識別、機械臂的抓取是關(guān)鍵。因此，本文將從煤矸石識別和機械手的準(zhǔn)確抓取入手展開論述。

2 基于圖像的煤矸石識別技術(shù)

圖像識別法可以將工業(yè)相機作為識別系統(tǒng)的“眼睛”，從而獲取煤矸石圖像信息。煤與矸石的準(zhǔn)確識別是煤矸石有效分揀的前提。工業(yè)照相機在拍攝圖片時，由于設(shè)備與煤矸石存在相對運動，拍攝過程中圖像存在模糊現(xiàn)象。同時，拍攝現(xiàn)場煤矸石圖像質(zhì)量容易受光照、粉塵、拍攝設(shè)備等因素的影響，導(dǎo)致傳統(tǒng)的識別模型無法準(zhǔn)確識別。近年來，機器學(xué)習(xí)迅速發(fā)展，已被廣泛應(yīng)用于工業(yè)、醫(yī)療等領(lǐng)域，并取得了良好的分類與回歸效果。因此，國內(nèi)學(xué)者將機器學(xué)習(xí)方法引入煤矸石的識別過程中。本文選擇高斯混合模型識別背景皮帶與煤矸石，采用支持向量機分選煤與矸石[6]。

2.1 圖像分離

工業(yè)照相機將從皮帶機上采集的圖像信息經(jīng)過數(shù)字信號處理器轉(zhuǎn)化成數(shù)字信號。該數(shù)字信號經(jīng)無線通信傳輸Wi-Fi技術(shù)實現(xiàn)相機與上位機之間的信息傳輸。

工業(yè)相機拍攝的圖像是將煤矸石與背景皮帶作為一個整體圖像，采用高斯混合模型提取背景圖像，實現(xiàn)煤矸石與背景皮帶的分離。高斯混合模型是一種簡單、有效、參數(shù)化模型的圖像分割工具[7]。該模型的實質(zhì)是對單個高斯模型進(jìn)行加權(quán)和。每個高斯模型的參數(shù)、權(quán)值可以通過粒子群優(yōu)化算法或最大期望算法確定。

煤矸石和背景的分離實質(zhì)上屬于二分類問題，即需分辨某個像素點屬于煤矸石類或者屬于背景類。因此，先利用已有的圖像數(shù)據(jù)估計高斯混合模型的參數(shù)，建立高斯混合模型，再在圖像分割過程中通過計算每個像素點的概率實現(xiàn)分類。當(dāng)某像素點屬于煤矸石概率高時，可以把該像素點認(rèn)為是矸石；當(dāng)某像素點屬于背景皮帶的概率高時，可以把該像素點認(rèn)為是背景皮帶。

2.2 特征提取與模型建立

為有效識別不同環(huán)境下的煤與矸石，首先選擇清潔度不同、光照強度不同、紋理特征不同的塊煤及矸石圖像作為樣本數(shù)據(jù)，其次提取樣本數(shù)據(jù)的圖像特征，最后根據(jù)提取的特征建立識別模型。

煤矸石的圖像識別方法通常依據(jù)煤與矸石的灰度、紋理特征的不同進(jìn)行識別?；叶忍卣髦笜?biāo)有灰度均值、灰度方差、灰度歪斜度、灰度峰態(tài)、灰度能量以及灰度熵。紋理特征指標(biāo)有對比度、熵、能量以及逆差矩。根據(jù)文獻(xiàn)[6]的描述，本文選擇灰度能量、灰度熵、紋理能量以及紋理熵作為特征指標(biāo)來計算圖像中煤與矸石的特征。其中，灰度能量表征圖像灰度級分布是否均勻，灰度熵表征灰度分布的不均勻與復(fù)雜程度，通過紋理的熵表征灰度圖像中紋理的復(fù)雜程度，通過紋理能量表征圖像紋理粗細(xì)的程度。

煤與矸石的識別受到光照、粉塵、清潔度的影響，導(dǎo)致圖像信息存在一定的隨機性和不確定性。因此，選擇具有較強的魯棒性和較好泛化性的支持向量機作為分類模型。支持向量機是一種基于統(tǒng)計學(xué)習(xí)理論的分類模型。它的原理是將一個分類超平面作為決策曲面，使得兩類之間的隔離邊緣最大化，從而實現(xiàn)分類。該模型建立具體過程如下：首先，選擇紋理特征參數(shù)作為模型輸入，煤、矸石的類別作為輸出；其次，將特征參數(shù)及煤和矸石的類別輸入支持向量機，訓(xùn)練得到煤和矸石的分選模型；最后，將未知煤及矸石類別的圖像特征輸入訓(xùn)練模型，得到煤和矸石的類別，實現(xiàn)分選。

3 煤矸石抓取技術(shù)

對于皮帶機上運送的大量煤與矸石，首先基于圖片信息、矸石與機械臂抓取區(qū)域線的距離建立模糊推理規(guī)則來確定矸石的優(yōu)先抓取順序[8]，其次采用金字塔形尋優(yōu)法攔截技術(shù)規(guī)劃機械手的動作軌跡[9]，最后驅(qū)動機械抓實現(xiàn)目標(biāo)矸石的分揀。

3.1 抓取順序的確定

當(dāng)煤矸石識別系統(tǒng)完成識別工作后，需確定矸石的優(yōu)先抓取順序。矸石的優(yōu)先抓取順序與兩方面因素相關(guān)。一個因素是矸石的尺寸。尺寸具體指系統(tǒng)識別的各矸石的二維尺寸信息，即矸石的長和寬。尺寸越大的矸石，優(yōu)先級越高，優(yōu)先被抓取。另一個因素是距離。距離指矸石在皮帶機運行方向與機械臂抓取區(qū)域線的距離。距離越短，優(yōu)先級越高，應(yīng)優(yōu)先被抓取?；诜治?，采用模糊推理確定抓取順序。在模糊推理中，模糊推理條數(shù)與狀態(tài)空間劃分相關(guān)。狀態(tài)空間劃分越細(xì)，模糊推理條數(shù)越多。本文將矸石大小分為大與小兩類，距離分為遠(yuǎn)近兩種，建立4條規(guī)則，具體如表1所示。

表1 煤矸石優(yōu)先抓取規(guī)則

根據(jù)規(guī)則確定模糊推理：

①if（尺寸大）and（距離近），then（抓取優(yōu)先級高）；

②if（尺寸?。゛nd（距離近），then（抓取優(yōu)先級次高）；

③if（尺寸大）and（距離遠(yuǎn)），then（抓取優(yōu)先級中）；

④if（尺寸?。゛nd（距離遠(yuǎn)），then（抓取優(yōu)先級低）。

3.2 機械臂控制

在確定煤矸石抓取順序后，啟動機械臂控制系統(tǒng)抓取矸石。機械臂控制系統(tǒng)主要由上位機、PLC、伺服驅(qū)動系統(tǒng)以及傳感器等組成。機械臂的控制策略是首先由上位機根據(jù)皮帶機的運行速度計算矸石位置信息，其次采用金字塔形尋優(yōu)法的攔截技術(shù)規(guī)劃機械手的動作軌跡，使其能夠通過最短路徑在某一時刻點上與目標(biāo)物相遇執(zhí)行抓取動作，最后采用二指夾持器實現(xiàn)矸石抓取。夾持器抓取位姿參數(shù)可表示為P=(x,y,z,α,n)，其中x、y、z分別為抓取點的三維坐標(biāo)，α為夾持器與皮帶機水平方向夾角，n為夾持器開合寬度。

該方案中，矸石運行速度的測量可以通過在皮帶機上安裝測速編碼器實現(xiàn)對皮帶機上煤矸石速度的測量。測速編碼器與PLC連接，PLC內(nèi)部的計數(shù)器對編碼器輸出的脈沖進(jìn)行計數(shù)，將測得的速度數(shù)據(jù)通過以太網(wǎng)傳送至上位機。

機械臂從前一個抓取任務(wù)結(jié)束到對下一個目標(biāo)任務(wù)抓取可以分為3個時間段，即上升、平移和下降，其中平移的用時時間最長。因此，以平移過程為研究對象。在平移過程中，設(shè)矸石在皮帶機的運行方向向左，機械臂運行方向向右，抓取點選擇在機械臂與矸石相遇的交點，在該交點機械手可以執(zhí)行抓取任務(wù)。在這一點上，機械臂經(jīng)過的距離最短，在皮帶機與機械臂運動速度一定的情況下，抓取用時短。相交點可看作攔截點，可以采用金字塔尋優(yōu)攔截技術(shù)進(jìn)行攔截。該技術(shù)根據(jù)矸石及機械臂的位置計算中間位置，規(guī)劃機械臂的軌跡，驅(qū)動機械臂運動。因為機械臂的速度比皮帶機的運行速度快，所以要先到達(dá)中點。機械臂到達(dá)中點時，以當(dāng)前矸石及機械臂的距離差判斷是否可成功抓取。當(dāng)兩者距離小于閾值時，認(rèn)為可以抓取成功，執(zhí)行抓取任務(wù)；當(dāng)距離大于抓取閾值時，對當(dāng)前位置的中點進(jìn)行迭代計算，驅(qū)動機械臂運動，直到機械臂和矸石的距離差值到達(dá)規(guī)定的閾值，認(rèn)為找到最佳抓取點，執(zhí)行抓取任務(wù)。金字塔形尋優(yōu)法的攔截技術(shù)能夠有效協(xié)調(diào)機器手抓取動作和傳送帶上物料的運動速度，提高在實際工況中的動態(tài)抓取效率。

4 結(jié)語

煤炭行業(yè)智能化運行勢不可擋。對于煤炭生產(chǎn)中的煤矸石分揀環(huán)節(jié)，通過煤矸石分揀控制系統(tǒng)能夠?qū)崿F(xiàn)智能感知、分析決策、自動執(zhí)行的煤礦智能化體分揀。該智能化控制系統(tǒng)利用高斯混合模型實現(xiàn)皮帶背景與煤矸石的分離，利用魯棒性和泛化性強的支持向量機建立煤和矸石的分類模型，再通過模糊推理確定大量矸石的優(yōu)先抓取順序，利用金字塔形尋優(yōu)法的攔截技術(shù)決定機械臂軌跡及夾持器的姿態(tài)計算實現(xiàn)煤矸石的智能抓取。這種基于圖像的識別、智能分選的思路不僅適用于煤炭行業(yè)，而且對提高其他行業(yè)智能化運行具有一定的參考。