胡榮華　安冬　史夢圓　陸文濤　孫寧　張浩龍　徐加賢

摘要：礦用機器人是礦業(yè)生產(chǎn)中的關鍵組成部分，涵蓋了采掘、運輸、生產(chǎn)、維護、安控、救援等多個環(huán)節(jié)，直接影響到企業(yè)的生產(chǎn)安全、經(jīng)濟效益和社會效益。隨著人工智能在國內(nèi)的快速發(fā)展和普及，礦山智能化已成為重要的研究領域。特別是隨著中國一些政策法規(guī)的頒布，在金礦開采領域，智能無人開采技術已經(jīng)成為礦業(yè)生產(chǎn)的關鍵一環(huán)。為了解智能礦用機器人的內(nèi)涵、現(xiàn)狀和發(fā)展趨勢，以中國智能礦用機器人關鍵技術與實際工程應用關系為視角，綜述了與礦山作業(yè)相匹配的井下智能機器人技術，包括神經(jīng)網(wǎng)絡、雙目視覺、數(shù)字孿生等。并從基礎理論、關鍵技術、工程應用、總體設計系統(tǒng)理論4個層面進行了綜述。最后，總結了目前國內(nèi)智能礦用機器人與未來智慧礦山模式發(fā)展趨勢。

關鍵詞：智能采礦；人工智能；雙目視覺；機器人技術；智慧礦山；數(shù)字孿生

中圖分類號：TD67文獻標志碼：A開放科學（資源服務）標識碼（OSID）：

文章編號：1001-1277（2023）09-0059-10doi：10.11792/hj20230910

引 言

采礦業(yè)不僅是中國國民經(jīng)濟的重要組成部分，而且是維護國家安全的關鍵產(chǎn)業(yè)之一。礦業(yè)提供了用于建造基礎設施和制造日常使用工具所需的大部分材料，同時也提高了人民群眾日常生活水平［1］。隨著中國采礦業(yè)的快速發(fā)展，礦產(chǎn)品產(chǎn)量增長迅速，礦業(yè)產(chǎn)值占中國GDP的7 %，為國家經(jīng)濟社會發(fā)展提供了80 %的原材料和95 %的能源［2］。傳統(tǒng)采礦業(yè)工作環(huán)境大多潮濕，充滿有害氣體及粉塵，工作條件惡劣，嚴重影響了礦工的身體健康，甚至危害到礦工的生命［3-4］。在科技迅速發(fā)展的21世紀，采礦業(yè)也正向著智能化、自動化方向發(fā)展。智能礦用機器人作為其中的組成部分之一，已經(jīng)被廣泛應用在采礦業(yè)。礦用機器人可以進行全天候、高強度的作業(yè)，不僅減少了人力資源的投入，而且能夠更快地進行礦石的開采和處理，從而提高了采礦效率。傳統(tǒng)采礦方法中，人們需要使用大量機械設備和爆炸物質來開采礦石，這些操作會產(chǎn)生大量噪聲、塵土和廢氣等污染物。而礦用機器人具有清潔、高效、節(jié)能等特點，能夠減少礦山作業(yè)對環(huán)境的影響。并且，智能礦用機器人可以從本質上適應礦山各種環(huán)境，也可以擔負工人體力工作任務，極大程度地保證人身安全。智能化作為顛覆性創(chuàng)新技術，已成為全球基礎產(chǎn)業(yè)變革的核心動力。因此，推動傳統(tǒng)礦業(yè)朝著高效、安全、可持續(xù)的目標發(fā)展，有助于實現(xiàn)礦業(yè)企業(yè)轉型升級，以及整個行業(yè)的可持續(xù)發(fā)展［4-5］。

礦用機器人的發(fā)展歷程可以追溯到20世紀70年代，當時其主要應用于礦井的安全預警和救援任務。而隨著計算機技術的進步和智能控制技術的發(fā)展，礦用機器人的應用逐漸得到拓展及加強。在20世紀90年代，礦用機器人的應用不僅限于礦井的安全監(jiān)控和救援任務，而是開始廣泛應用于礦山的生產(chǎn)和管理環(huán)節(jié)。這時，礦用機器人不僅能夠執(zhí)行簡單的物流運輸任務，而且能夠完成大型設備的搬運、測量、維護和裝配。21世紀初期，隨著機器人技術、傳感器技術和數(shù)據(jù)處理技術的不斷提高，礦用機器人的應用范圍更加廣泛，并且能夠應用于危險度高、環(huán)境惡劣、人工勞動強度大、操作難度大的特殊場合，如礦山探測、巷道清潔、采礦作業(yè)等領域［6］。而到了現(xiàn)在，隨著遙控技術、自主導航技術、智能識別和決策技術的進一步提高和應用，礦用機器人在未來將得到更廣泛的應用和加強，成為實現(xiàn)礦山自動化生產(chǎn)和智能化管理不可或缺的重要設備和工具。因此，智能礦用機器人的出現(xiàn)，不僅提高了礦山生產(chǎn)效率和安全性，降低了人工成本和環(huán)境污染，而且還對礦山進行了智能化管理，實現(xiàn)了從傳統(tǒng)機械開采到智能化開采的轉變。

礦用機器人集成了機器人學的多項技術、傳統(tǒng)煤機裝備技術，以及自動控制和信息技術等。在研發(fā)這些機器人過程中可能面臨許多共性關鍵技術，包括機器人防爆設計、行走和作業(yè)機構的創(chuàng)新、高效動力驅動單元的開發(fā)、多傳感器融合智能感知技術、井下GPS拒止環(huán)境下的定位導航技術、狹長巷道空間內(nèi)的長距離無線通信技術，以及多機器人系統(tǒng)協(xié)同控制技術等。除此之外，當前的第四次工業(yè)革命正在推動煤礦的智能化建設，廣泛應用了5G、工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能、數(shù)字孿生、元宇宙等高新技術［7］，這些高新技術為采礦機器人的自主化和智能化應用提供了強有力的支持?？傊?，礦用機器人的發(fā)展前景廣闊，尤其在高新技術應用的帶動下，必將迎來更加燦爛的明天。此外，智能礦用機器人的研究和應用，推動了機器人領域在硬件和軟件方面的發(fā)展，尤其是智能化、多樣化和靈活化的發(fā)展趨勢，為機器人技術應用于其他領域開拓了新的思路和方法，促進了人工智能和機器人技術的進步和發(fā)展［8］。

目前，礦用機器人已經(jīng)廣泛應用于礦山的生產(chǎn)和管理環(huán)節(jié)。澳大利亞聯(lián)邦科學與工業(yè)研究組織（CSIRO）研發(fā)出一款煤礦探測型機器人Numbat［9］。1998年，美國智能系統(tǒng)與機器人中心研發(fā)RATLER機器人，該機器人是第一臺應用于礦山救援的機器人［10］。履帶式礦用巡檢機器人在煤礦井下的應用也較多。為處理煤礦透水事故，HEMANTH REDDY等［11］研制了Sub-terranean機器人，可在水、陸2種環(huán)境中運行。美國桑迪亞實驗室新一代Gemini-Scout搜救機器人于2010年研制成功。該機器人裝備了雙向通信收音機、紅外攝像機、氣體傳感器、泛傾斜照相機，通過遠程控制可以對礦井下危險環(huán)境作出準確評估［12］。從2004年起，中國礦業(yè)大學、北京理工大學、哈爾濱工業(yè)大學、中國科學院沈陽自動化研究所等科研院所和企業(yè)相繼研制了礦用救援機器人，這些機器人在礦難事故中發(fā)揮了重要的作用［13-14］。中國礦業(yè)大學葛世榮團隊在2006年研制出第一臺礦山救援機器人樣機CUMT-I［12］。2017年，裴文良等［15］研發(fā)的巡檢機器人系統(tǒng)已在多家大型煤礦井下應用，完成了對井下泵房、變電站、皮帶運輸機等大型設備的巡檢工作，其數(shù)據(jù)采集準確，圖像清晰，故障報警及時?？偟膩碚f，礦用機器人在礦業(yè)生產(chǎn)中的應用前景非常廣闊，可以提高生產(chǎn)效率、降低成本和保障工人的安全。隨著技術的不斷進步和發(fā)展，礦用機器人的應用將會變得越來越廣泛。

本文以智能礦用機器人為主題，對中國采礦機器人發(fā)展趨勢及關鍵技術和采礦智能化進行研究。介紹了礦用機器人的意義、發(fā)展歷程和應用現(xiàn)狀。詳盡闡明礦用機器人對智能礦山的重要性。對應用到智能采礦上的基于雙目視覺或SLAM的機器人導航技術、基于深度學習的目標識別和通信技術進行了分析。就智能礦用機器人的分類，詳細敘述了以智能采礦機器人、智能維護機器人和智能救援機器人為主的礦用機器人的功能和應用案例。最后對智能礦用機器人發(fā)展進行展望，闡明了無人采礦技術的發(fā)展及數(shù)字孿生礦山的意義與應用。

1 智能礦用機器人技術基礎

1.1 機器人導航技術

機器人導航技術是指讓機器人擁有在未知或已知環(huán)境中移動和執(zhí)行任務的能力。礦山工作環(huán)境危險且復雜，機器人導航技術的目標是讓機器人在不碰撞或產(chǎn)生危險的前提下到達目的地或執(zhí)行任務，在礦山中的應用可以提高安全性、生產(chǎn)和數(shù)據(jù)收集分析的效率，從而為礦山工業(yè)的持續(xù)發(fā)展做出重要貢獻。機器人導航技術的主要代表有雙目視覺技術、SLAM技術等。

目前，主流環(huán)境感知方案有使用激光雷達及雙目相機作為傳感器對周圍環(huán)境進行三維感知。利用雙目視覺的三維重建原理，對障礙物的特征點進行三維重建，從中提取出障礙物的距離、輪廓等三維物理信息?；谡系K物的物理信息來進行機器人避障等相關控制方案。提高地下采礦生產(chǎn)率要求裝載機在牽引和挖掘任務中具有更高的自主性。機器在隧道網(wǎng)絡中解決其局部和全局位置的能力對于實現(xiàn)高度自動化至關重要。

雙目視覺的基本原理可以表述為：先用2臺攝像機對某一區(qū)域內(nèi)的物體進行成像，然后經(jīng)過一系列圖像處理步驟得到視差圖，最后通過三角剖分恢復深度信息，構造出三維圖像。常見的雙目攝像機或系統(tǒng)，可用于感知外部環(huán)境并進行三維重建［16］。

機器人雙目視覺獲取目標物深度是依靠三角測距原理，如圖1所示。

根據(jù)三角形相似原理，深度D可表示為：

D=（fb/d）（1）

d=x1－x2（2）

式中：f為攝像機的焦距（mm）;b為2個攝像機之間的基線長度（mm）;d為雙目視差（mm）;x1、x2分別為目標點P對應于攝像機1和攝像機2在像平面上的橫坐標。

雙目視覺的實現(xiàn)流程需要5個步驟，即：①圖像對采集;②攝像機標定;③畸變矯正;④立體視覺匹配；⑤三維重建。由式（1）可知：計算深度D的前提是預先獲取焦距f、基線長度b和視差d。焦距和基線長度可以通過攝像機標定獲取，視差可以通過立體視覺匹配得到。所以，攝像機標定和立體視覺匹配是雙目視覺的關鍵技術，其標定精度和匹配效果對三維重建有著決定性的影響。

HU等［17］采用超聲測距技術和雙目機器視覺圖像處理方法相結合的控制策略來提高機器人地下避障精度。利用超聲波測距技術和圖像處理方法分別對遠距離障礙物進行探測和觀察，并對其形狀進行近距離測距。

SLAM技術是一種在未知環(huán)境中實現(xiàn)機器人自主定位和地圖構建的技術。SLAM技術通過機器人的傳感器數(shù)據(jù)和運動數(shù)據(jù)，實時地構建地圖并定位機器人的位置。在機器人沒有先驗信息的情況下，SLAM技術可以協(xié)助機器人在未知環(huán)境中實現(xiàn)準確的自主導航。SLAM技術是在礦山行業(yè)中實現(xiàn)自動化采礦和數(shù)字化環(huán)境的重要技術之一。該技術利用傳感器獲取環(huán)境信息，并實時估計機器人的位置和姿態(tài)，從而實現(xiàn)機器人的自主導航和控制。SLAM技術可以幫助提高生產(chǎn)效率和工作安全性，并為礦山管理提供更全面和準確的環(huán)境信息，以幫助管理者做出更加科學和合理的決策。因此，SLAM技術在礦山領域具有廣泛的應用前景，并且是未來智能采礦設備發(fā)展的重要方向之一。

為解決礦井下噴射混凝土地表和對稱巷道中激光雷達SLAM易退化的問題，YANG等［5］提出了一種魯棒激光雷達SLAM方法。該方法集成了激光雷達和IMU數(shù)據(jù)，通過擾動模型檢測退化方向和程度，得到退化因子和退化向量，再利用IMU預積分得到的位置進行平面特征投影，補償旋轉狀態(tài)退化，并掃描到子地圖匹配，實現(xiàn)兩步退化補償。最后，基于因子圖優(yōu)化實現(xiàn)了全局一致的激光雷達SLAM。該方法可以減小全局累積誤差，提高軌跡精度和地圖一致性。在礦井下，該方法的平移誤差僅為0.044 m，絕對位置RMSE為0.161 m，所構建的點云圖具有良好的完整性和幾何結構真實性。該方法為智能開采和安全檢測中的井下自主導航定位提供了重要參考。

礦用移動機器人在復雜礦山環(huán)境下的定位精度是保證其安全的重要因素之一。為了提高機器人的定位精度，ZHU等［18］提出了一種改進的粒子濾波算法，在粒子濾波SLAM中引入了改進的螢火蟲算法，用螢火蟲位置更新代替粒子重采樣，改進了螢火蟲亮度公式，設計了螢火蟲位置更新公式，自適應調(diào)整了螢火蟲算法的參數(shù)，并采用閉環(huán)方法控制螢火蟲粒子的優(yōu)化。SLAM用于礦山移動機器人，能夠有效實現(xiàn)粒子的合理分布和搜索效率，并提高機器人的定位估計精度。通過對“Car Park Dataset”數(shù)據(jù)集進行仿真試驗，該算法能夠有效提高機器人的定位估計精度，為機器人在狹窄環(huán)境下的安全提供保證。

1.2 深度學習

深度學習是一種基于神經(jīng)網(wǎng)絡的機器學習技術，能夠識別、分類和預測數(shù)據(jù)中的模式和規(guī)律。深度學習模型由多層神經(jīng)網(wǎng)絡組成，每一層都對輸入數(shù)據(jù)進行一定的變換和處理，并將這些處理后的數(shù)據(jù)傳遞給下一層，最后輸出結果。深度學習與傳統(tǒng)機器學習不同之處在于，它能夠從數(shù)據(jù)中自動學習特征，不需要手動提取特征。同時，深度學習能夠處理非常復雜的數(shù)據(jù)集，并在一定程度上達到人工智能的水平。

近年來，隨著計算機視覺、深度學習、機器人技術等的迅速發(fā)展，礦用巡檢機器人的應用得到了越來越廣泛的發(fā)展。目標檢測是計算機視覺和圖像處理的重要分支，實時目標檢測在運輸機器人中具有重要作用，但由于礦井下環(huán)境多變，現(xiàn)有基于深度學習的目標檢測算法仍需進一步研究。

礦用巡檢機器人是一種自動化的工業(yè)機器人，其目的是利用計算機視覺、機器學習等技術，對礦山設備、隧道、井下巷道等進行自動化巡檢和監(jiān)測。礦用巡檢機器人通常采用移動式機器人，配備多種傳感器和相機，可以邊行動邊實時獲取礦山設備的狀態(tài)信息和異常情況。

礦用巡檢機器人的作用在于能減少事故發(fā)生及保障礦工的人身安全，然而在其研發(fā)過程中存在目標識別不準確等許多亟待解決的技術難題。ZHU等［18］通過基于卷積神經(jīng)網(wǎng)絡的深度學習算法建立了礦山設備類型識別模型，分別在明亮環(huán)境下、昏暗環(huán)境下及設備重疊情況下采集大量待識別設備圖像樣本，再對識別模型進行訓練，實現(xiàn)巡檢機器人對礦用設備的精確識別與分類，如圖2所示。

目前，中國國內(nèi)地下礦山中，炸藥的填充由手動或簡易注藥設備完成，而這些方式存在安全和效率問題。使用智能機器人裝載炸藥是提升采礦業(yè)自動化的關鍵一步。圖像識別領域的基礎模型R-CNN（Regions with CNN）是基于卷積神經(jīng)網(wǎng)絡特征的區(qū)域方法，主要通過窮舉法生成目標的候選區(qū)域，算出其中有效的特征，是最先利用深度學習進行目標檢測的模型［19］。盧萬杰等［20］基于Faster R-CNN模型在井下炮孔檢測數(shù)據(jù)集上可以取得97 %的檢測準確率，對機器人路徑規(guī)劃，躲避障礙區(qū)域，將炸藥送入炮孔等一系列工作進行了仿真驗證，實現(xiàn)了炸藥自動填充的功能，效果如圖3所示。

XIAO等［21］針對礦用卡車盲區(qū)大、制動距離長等問題，提出了一種基于tiny-yolov3的改進模型，該模型對礦用卡車進行數(shù)據(jù)增強，并使用K-means聚類算法計算出適合模型使用的數(shù)據(jù)集的最佳錨點。在原有模型的基礎上增加殘差網(wǎng)絡結構，如圖4所示。該模型可以在實時監(jiān)測的情況下提高礦井中障礙物的檢測精度，從而提高礦山運輸?shù)陌踩浴?/p>

1.3 通信技術

通信技術是礦業(yè)中的關鍵技術，利用通信技術為礦用機器人提供實時數(shù)據(jù)和控制命令，使其能夠全天候、自主化地完成工作任務，大大提高生產(chǎn)效率和安全性。通信技術的提升可以實現(xiàn)實時監(jiān)控、遠端維護等多個功能。如礦用無人駕駛卡車、巡檢機器人、無人機導航、礦用救援機器人等，都需要相應的通信技術作為支持。通信技術在采礦、生產(chǎn)、巡檢及緊急救援等方面均有廣泛應用，為提高礦山的安全系數(shù)、生產(chǎn)效率和經(jīng)濟效益提供了有力支撐。

無線通信技術早在2000年初就已應用于地下礦山，用于人與人、人與機器、機器與機器之間的通信。從那時起，研究人員深入研究了地下環(huán)境下無線通信的特點。由于礦山環(huán)境大尺度衰落，接收信號強度隨距離的變化在地下環(huán)境中服從對數(shù)正態(tài)分布，但路徑損耗指數(shù)高于室內(nèi)環(huán)境。這可以解釋為，由不規(guī)則、粗糙的墻壁誘導的多徑信號對總信號功率的貢獻為負。此外，由于隧道的曲率，礦山內(nèi)部的拐角和路口，通道橫截面的變化，側壁傾斜角度及礦山中大型車輛或障礙物的存在，UHF信號會遭受額外的功率損失。

對于機器人與人或機器人之間通信，將消息大小劃分為低帶寬消息與高帶寬消息兩類，如表1、表2所示。高帶寬消息每條消息包含幾兆字節(jié)的數(shù)據(jù)，低帶寬消息每條消息包含幾個字節(jié)到數(shù)百字節(jié)的數(shù)據(jù)。高帶寬信息包括圖像和點云數(shù)據(jù)，用于地圖共享、機器人協(xié)作者的協(xié)同定位及操作員的關鍵監(jiān)督。低帶寬消息主要包括數(shù)百字節(jié)范圍內(nèi)的里程測量和姿態(tài)測量信息、一個字節(jié)或更少的來自操作員或機器人主管的高級別自主命令。這些低帶寬通信也代表緊急情況或其他關鍵任務信息，必須快速并有保證地傳輸給機器人。

FRANK等［22］提出了一對可自行部署的網(wǎng)絡模塊，允許自主機器人系統(tǒng)與操作員在地下環(huán)境中進行可靠通信。該網(wǎng)絡采用了相關的數(shù)據(jù)分流技術，并鼓勵使用雙通道系統(tǒng)。其中，一個通道提供高帶寬，用于信息密集型消息的傳遞；而另一個通道則專門傳遞短、關鍵任務消息。這將有助于確保在復雜的地下環(huán)境中，機器人系統(tǒng)與操作員之間始終保持穩(wěn)定的通信。雙通道網(wǎng)絡架構如圖5所示。

在礦井安全探測爬行機器人中，無線通信技術是十分重要的一環(huán)。機器人上裝配了多種傳感器和裝置，可以通過高速無線通信技術進行數(shù)據(jù)傳輸和監(jiān)控，對礦井環(huán)境進行實時監(jiān)測和數(shù)據(jù)分析。此外，在礦難等緊急情況下，無線通信技術可以幫助機器人與外界進行快速聯(lián)系，進行救援等工作，保障員工的生命安全。

KIRUBAKARAN等［23］提出一種基于多傳感器無線通信的機器人控制方法和裝置，可實現(xiàn)機器人的運動控制、視頻監(jiān)控、溫濕度檢測、氣體檢測和數(shù)據(jù)交換等功能。還可以及時將實時監(jiān)控信息上傳到上位機，進行動態(tài)測量和實時監(jiān)控，并進行安全警示。上位機與機器人之間的通信采用XL02-232APl通信模塊，UART接口半雙工無線傳輸模塊。該模塊可用于機器人與上位機之間的無線通信，實現(xiàn)數(shù)據(jù)的實時傳輸。XL02-232API具有半雙工通信通道，用于點對點通信，使用簡單。關于串口編程，需要記住它是半雙工通信方式，經(jīng)常注意發(fā)送和接收的來回時間。正常情況下，XL02-232API模塊默認為數(shù)據(jù)接收狀態(tài)。它也可以用于點對多點通信模式。首先設置一個主站，其余的站作為從站，所有站都由一個唯一的地址組成。

相對于地下礦山，露天礦無線通信信道特性通常認為它類似于自由空間無線電傳播。然而，RANJAN等［24］最近的一項工作反駁了這一假設，并表明迫切需要為這一應用類別提供更好的無線通信信道模型?；诮谠谏羁章短斓V的試驗結果，采用改進的無線通信信道自由空間路徑損失模型。該模型由兩部分組成：一部分表示礦井內(nèi)部受到復雜結構與信號衰減（由于材料吸收）的影響；另一部分用于地面登陸站和基站之間進行通信的直線架構。該模型的合并空間路徑損失（Free Space Path Loss）如下：

FSPLinside=25lg d′+25lg f′+32.45（3）

FSPLsurface=23lg d′+23lg f′+32.45（4）

式中：d′為接收機到發(fā)射機的距離（km）；f′為信號頻率（MHz）。

RANJAN等［24］對無人機（Unmanned Aerial Vehicle）協(xié)助的深露天礦應急通信研究，考慮到任何級別的礦難都可能對已安裝的通信和監(jiān)測基礎設施造成物理損壞，應急框架應為三類，如圖6所示。在露天礦緊急情況下，填補了沒有通信基礎設施覆蓋的空白。通過進行廣泛的模擬試驗，證明了該系統(tǒng)在包錯誤率、端到端延遲和每個包重傳方面的性能改進。這個新框架可以幫助救援行動更快進行，并支持在災難時提高覆蓋范圍和機會性通信。

2 礦山智能化關鍵技術研究進展

礦業(yè)是中國重要的支柱產(chǎn)業(yè)，為人類社會提供了基本物質和能源保障。它不僅是中國國民經(jīng)濟穩(wěn)定發(fā)展的重要組成部分，也是維護國家安全的關鍵產(chǎn)業(yè)之一。智能化和機器人技術在礦山中的應用被認為是未來礦山發(fā)展的趨勢，這些技術的應用可以顯著地提高礦山生產(chǎn)效率，并保障生產(chǎn)過程中的安全。智能采礦可以減少生命和財產(chǎn)損失，因此受到了廣泛關注，其中金礦的開采尤為重要，目前，金礦的開采正向著智能化、機器人化方向發(fā)展［25］。

2.1 智能采礦機器人

智能采礦機器人作為智能化礦山的重要組成部分，已經(jīng)被廣泛應用于金礦生產(chǎn)過程中。智能采礦機器人可以進行機器人裝填炸藥，遠程機器人破巖，自主爆破孔鉆探，機器定位、地形測繪、地下測繪、測量與定位等。智能采礦機器人還可以通過傳感器等技術手段實時監(jiān)測金礦礦體的狀態(tài)，提高采礦的準確性和效率，降低金礦資源的損失率。與傳統(tǒng)的人工開采相比，智能采礦機器人具有更高的工作效率和更低的人力成本，同時還可以提高采礦的安全性，優(yōu)化生產(chǎn)性能，并能促進礦山的可持續(xù)性發(fā)展。

因此，有很多學者將礦山機器人技術應用在智能礦山中，如劉曉亮等［26］使用了人工勢場方法，提高了礦用自行走式掘進機器人的自適應避障能力，這有助于提高礦山機器人的效率和實用價值。而郭銳等［27］則提出了一種全局功率匹配方法，幫助液壓鑿巖機器人實現(xiàn)機械臂軌跡規(guī)劃，這有助于提高鑿巖機器人（如圖7所示）在智能礦山的應用水平。這些機器人技術的發(fā)展促進了智能礦山的發(fā)展，使其更加高效和可持續(xù)。

2.2 智能維護機器人

金礦作為一種重要的資源，其開采和生產(chǎn)需要各種設備的運轉和維護。傳統(tǒng)的維護方式通常需要人工介入，存在效率低、安全隱患大等問題。而金礦智能維護機器人的出現(xiàn)，則可以解決這些問題，大大提高維護效率和安全性。金礦智能維護機器人可以通過裝備各種傳感器和攝像頭，實時監(jiān)控設備的運轉情況，并可以進行故障診斷和維護操作。同時，它還可以進行智能巡檢，及時發(fā)現(xiàn)和修復設備故障，保證設備正常運行和生產(chǎn)。此外，金礦智能維護機器人還可以在極端環(huán)境下進行維護工作，如高溫、高壓等環(huán)境。其采用無人駕駛技術，不需要人工介入，可以大大減少工人的勞動強度和安全風險，提高生產(chǎn)效率和企業(yè)競爭力。隨著人工智能技術和機器人技術的不斷發(fā)展，金礦智能維護機器人在未來將會有更廣泛的應用場景和更高的智能化水平［28］。未來金礦智能維護機器人還可以與其他機器人和設備實現(xiàn)更高的協(xié)同效率，實現(xiàn)智能化的生產(chǎn)流程和生產(chǎn)管理，進一步提高生產(chǎn)效率和企業(yè)競爭力［29］。

因此，有很多學者進行礦山維護機器人的研究。裴文良等［15］研制的礦用井下防爆巡檢機器人裝置和徐嘉麟等［30］設計的礦山及隧道用多功能修復機器人，均是礦山行業(yè)的重要創(chuàng)新。前者可以有效地解決礦山井下重要設備的巡檢和監(jiān)控問題，提高巡檢效率，降低重復率。它具備數(shù)據(jù)采集、視頻監(jiān)控和故障報警等功能，可以實現(xiàn)對大型設備的自動巡檢，為數(shù)字化礦山建設提供了有力的技術支持。后者具有新型的三節(jié)工作臂和緊湊高效的結構，可以適用于礦山開采和隧道的維護修復工作。這種技術能夠有效地解決礦山開采過程中頂板和側幫松動的問題，具有重大的實際意義。這些技術設備的應用將有助于促進智能礦山的創(chuàng)新和發(fā)展，2種智能維護機器人如圖8、圖9所示。

2.3 智能救援機器人

金礦的工作環(huán)境通常是非常危險的，如遇到地震、坍塌、火災等情況時，人員很難進入現(xiàn)場進行救援。這時，金礦智能救援機器人可以派上用場。智能救援機器人的關鍵是在黑暗、無形的礦山環(huán)境中進行搜索作業(yè)，發(fā)現(xiàn)可能的危險或在危險事故易發(fā)的環(huán)境中搜索被困人員。其需要具備高精度和控制能力，以確保任務安全有效完成。智能救援機器人能夠在危險環(huán)境中執(zhí)行各種任務，如探測被困人員的位置、提供緊急救援物資和裝備、清理堵塞的通道等，在災后救援行動中扮演著非常重要的角色［31］。與人員不同的是，智能救援機器人不會因為缺氧、高溫或毒氣等危險因素而受到傷害。此外，智能救援機器人還可以安裝超聲波傳感器，可以快速響應、持續(xù)工作并傳送實時信息，為救援人員提供有力的支持［32］。智能救援機器人的投入使用可以大幅減少人力資源的投入，同時降低人員傷亡和其他不可預知的風險［33］。

王亞男等［34-35］設計的礦山救援機器人為礦業(yè)行業(yè)的重要創(chuàng)新。王亞男等［34］采用了基于STM32控制的運動機構和同步帶傳動式的行星輪結構，配備了可移動式云臺相機、生命探測儀、雷達等探測裝置，可以實時探測并回傳巷道內(nèi)的視頻畫面、生命特征、障礙等信息，有效地提高了救援工作的效率和成功率。韓利強［35］利用行星輪結構的緊湊大功率傳動特點，增強了救援機器人在未知環(huán)境中的垂直越障能力。這種救援機器人使用5G通信技術來傳輸監(jiān)測到的信息，包括視頻、語音和礦工所在位置等信息。這些信息可以幫助救援人員更好地了解井下情況，并制定更科學有效的救援方案，從而提高救援效率和成功率，同時避免了信息的重復傳輸，兩種智能救援機器人如圖10、圖11所示。

2.4 礦山智能化建設案例

在廣東和山東，某鎢礦和富全鐵礦都開展了智能化生產(chǎn)管理。某鎢礦新建的露天開采礦山主要開采云英巖型白鎢礦，通過實現(xiàn)“少人化、無人化”的生產(chǎn)管理，提高了生產(chǎn)安全性、生產(chǎn)效率和管理水平，成為了智能礦山和綠色礦山的示范基地［36-37］。富全鐵礦從事地下鐵礦石采選業(yè)務，實施了智能化生產(chǎn)管控系統(tǒng)，涵蓋了生產(chǎn)過程的實時監(jiān)控、設備故障在線診斷、安全生產(chǎn)預警等功能，成為了智能礦山建設的典范，為同類礦山企業(yè)提供了信息化建設的指導［38-39］。

3 智能礦用機器人發(fā)展展望

3.1 無人采掘系統(tǒng)

無人采掘系統(tǒng)是具有一定自治能力和自主性的無人控制系統(tǒng)［40］，強調(diào)“平臺無人，系統(tǒng)有人”的特征。美國國防科學委員會在The Role of Autonomy in DoD Systems 報告中指出“不存在完全自主的無人系統(tǒng)，而是人機聯(lián)合認知系統(tǒng)”，美國國防部在 Unmanned Systems Integrated Roadmap（2017—2042）報告中指出無人系統(tǒng)的高級階段是人機協(xié)作（Human-Machine Collaboration）。

隨著大數(shù)據(jù)技術與人工智能的發(fā)展，建設一個旨在以數(shù)據(jù)化為支撐的大型礦山無人采掘系統(tǒng)成為可能。以一個典型的無軌采礦技術為例，無人采掘系統(tǒng)可以分為控制層、傳輸層和執(zhí)行層［41］（如圖12、圖13所示）。

由圖13可知：執(zhí)行層主要由無軌采礦設備組成，如記憶切割采煤系統(tǒng)、自動快速掘進系統(tǒng)、地下鏟運機集群、地下礦車集群或地下爆破設備等。傳輸層主要包括信息采集系統(tǒng)、無線通信系統(tǒng)和人員精確定位技術與設備智能導航系統(tǒng)，包括5G通信、慣性導航、以太網(wǎng)和視頻監(jiān)控網(wǎng)絡?？刂茖訛檎麄€系統(tǒng)的核心，主要由智能調(diào)度控制平臺組成。所有與智能采礦相關的功能和控制都是通過這個平臺實現(xiàn)的。包括負責智能采礦過程調(diào)度與控制。大數(shù)據(jù)控制平臺提高了智能控制的操作精度和應用距離，降低了智能控制的反應時間和控制誤差，實現(xiàn)快速控制和精確控制的智能控制技術。

首先，通過分析礦山資源儲量和地質條件，結合井下生產(chǎn)進度，設計合理的開采方案。在生產(chǎn)過程中，智能調(diào)度控制平臺的控制指令通過傳輸層發(fā)送到特定的設備，以便在特定的位置和時間執(zhí)行采礦任務。在執(zhí)行層內(nèi)，控制層實時收集隧道的當前信息和車輛的基本信息。這些信息可用于確定設備的位置或隨時調(diào)整設備，直到采礦計劃的整個階段順利完成。

智能無人開采是金屬礦山生產(chǎn)中的關鍵工序，直接影響安全、產(chǎn)量和效益。過去20年，中國智能無人采礦技術融合了以自動化、信息技術、大數(shù)據(jù)和人工智能等為核心的高端技術，中國在智能無人采礦領域的技術已處于全球領先地位。智能無人采礦打破了在傳統(tǒng)人工操作的基礎上用單機位置控制目標的思路，提高了綜采的自動化程度，將工人從工作面解放出來，實現(xiàn)了工作面開采人員的減員［42］。同時，無人采礦依托大型無人設備、智能系統(tǒng)、一體化優(yōu)化調(diào)度和生產(chǎn)管理，提高了采礦設備的有效性，實現(xiàn)了采礦過程的智能監(jiān)控，并降低現(xiàn)場作業(yè)次數(shù)和災害風險。采掘過程中結合人工智能與自動挖掘，礦石開采效益顯著提升，采礦過程中產(chǎn)生的廢礦量顯著減少，尾礦回收率實現(xiàn)最大化，促進礦產(chǎn)資源高效、安全、綠色、可持續(xù)發(fā)展。

3.2 數(shù)字孿生礦山

早在2002年，美國密歇根大學的GRIEVESM［43］給出了數(shù)字孿生最初的概念——“虛擬數(shù)字化模型等價表達物理產(chǎn)品”，從而進行產(chǎn)品全生命周期管理，被業(yè)界普遍認為是數(shù)字孿生的雛形。在2006年又命名其為信息鏡像模型［44-45］。直到2011年，數(shù)字孿生概念才被美國國家航空航天局正式提出，并在業(yè)界一直沿用至今［46］。德國工業(yè)4.0和美國工業(yè)互聯(lián)網(wǎng)的核心架構中均清楚地指出了數(shù)字孿生是關鍵技術［47］，數(shù)字孿生技術也成為了LMT公司在國防和航天工業(yè)頂尖技術的首位。更有聞名全球的IT研究與咨詢公司Gartner都將數(shù)字孿生技術列入十大戰(zhàn)略科技發(fā)展趨勢中［48］。數(shù)字孿生是基于物理模型、傳感器更新、設備運行歷史數(shù)據(jù)、運行信息，在虛擬空間中完成對物理實體映射，從而反映相對應的實體裝備的全生命周期過程，集成了多學科、多物理量、多尺度、多概率的仿真過程。通過對物理實體的力、熱、聲、光、電、磁等多物理量的實時動態(tài)仿真，降低方案優(yōu)化、參數(shù)調(diào)整、預測診斷等措施的試錯成本。

在未來5～10年，在單個系統(tǒng)智能化取得突破的基礎上，數(shù)字孿生礦山技術將在實際應用中取得更多突破。實現(xiàn)區(qū)域化智能決策和自動協(xié)同運行，將數(shù)字孿生通用能力應用于礦業(yè)數(shù)字化轉型，具備雙向映射、實時交互、數(shù)據(jù)驅動等技術特性。

3.2.1 雙向映射

數(shù)字孿生意味著虛擬礦山和真實礦山是雙向映射，數(shù)字孿生礦山是對真實礦山高度還原。利用虛擬現(xiàn)實、增強現(xiàn)實等數(shù)字化建模和仿真技術，通過勘探資料、設計圖紙及現(xiàn)場三維激光掃描數(shù)據(jù)，對礦山地質、礦產(chǎn)資源、巷道工程、采場及工作面、設備設施、人員進行全面三維建模，在礦山現(xiàn)場各個層面布設傳感器，對礦山運行狀態(tài)進行充分感知、動態(tài)監(jiān)測，在數(shù)字虛擬空間記錄實體礦山的演化過程。通過建立信息實體，實現(xiàn)從物理空間到數(shù)字空間的映射。該映射不僅包括物理實體（如采煤機、液壓支架和掘進機），還包括時間實體（如頂板壓力、瓦斯逸出、設備故障）和功能實體（如空間位置關系和圍巖耦合關系）。

同時，實體礦山認真地執(zhí)行數(shù)字孿生礦山定義的生產(chǎn)過程，嚴格按照數(shù)字孿生礦山定義的生產(chǎn)過程及仿真和優(yōu)化結果安排生產(chǎn)，使生產(chǎn)過程不斷得到優(yōu)化。

3.2.2 實時交互

數(shù)字孿生礦山與實體礦山是實時交互的。生產(chǎn)現(xiàn)場的所有數(shù)據(jù)通過物聯(lián)網(wǎng)傳送給數(shù)字孿生礦山。通過傳感器獲取數(shù)據(jù)，孿生體能清晰、同步地反映物理目標的相應變化，如形狀、特性、位移和異常等。如果能夠滿足這種情況，這種同步映射關系可以持續(xù)到從設計、生產(chǎn)、運營到報廢的全生命周期，孿生體應隨孿生對象生命周期進程而不斷演進、更新。現(xiàn)實世界的產(chǎn)品、信息和固有屬性也將同步在虛擬世界中，而虛擬世界中的模型和信息也將與過程應用實現(xiàn)互動。給過程應用注入激勵，就能獲得包括優(yōu)化、檢測、模擬、控制、分析等豐富信息的工程數(shù)據(jù)。

數(shù)字孿生礦山對生產(chǎn)現(xiàn)場的運行狀態(tài)進行優(yōu)化分析并做出決策，對礦山生產(chǎn)現(xiàn)場進行指揮調(diào)度，由此實現(xiàn)實體礦山與數(shù)字孿生礦山之間的實時交互。礦山設備設施一經(jīng)運行、各類工程一經(jīng)變動即有數(shù)據(jù)記錄，人員進礦即有信息反饋。在礦山現(xiàn)場可通過移動互聯(lián)網(wǎng)客戶端觀察各類數(shù)據(jù)的歷史記錄，在礦山虛擬空間可搜索各類信息；礦山設計規(guī)劃、建設、生產(chǎn)及人員活動，不僅存在于實體空間，而且在虛擬空間得到記錄和分析擴充，共同搭建了未來信息可見、軌跡可循、狀態(tài)可查、虛擬協(xié)同、實時交互的未來礦山發(fā)展新模式。

3.2.3 數(shù)據(jù)驅動

數(shù)字孿生礦山以實體礦山的模型數(shù)據(jù)和感知數(shù)據(jù)為基礎，通過數(shù)據(jù)驅動實現(xiàn)自身的運行及虛實之間的交互，云平臺通過現(xiàn)場狀態(tài)數(shù)據(jù)驅動實現(xiàn)自主決策，直接調(diào)控運行參數(shù)使其保持最佳狀態(tài)。首先，數(shù)字孿生礦山通過傳感器接收礦山生產(chǎn)現(xiàn)場的實體信息，如鏟運機的機械結構參數(shù)、設備材料參數(shù)、工作設計參數(shù)和煤層地層的尺寸形狀參數(shù)、介質參數(shù)等，此外還有粉塵顆粒、氧含量和瓦斯?jié)舛?、掘進機的工作速度、位姿、能耗情況，煤層頂板的應力、界面信息等。由數(shù)據(jù)驅動生成初始的生產(chǎn)進度計劃，并在數(shù)字孿生礦山環(huán)境中進行仿真、分析和優(yōu)化，收斂為最優(yōu)生產(chǎn)進度計劃，通過指揮控制中心將計劃以生產(chǎn)過程運行指令的形式下達至生產(chǎn)現(xiàn)場。在生產(chǎn)過程中，在現(xiàn)場實時運行數(shù)據(jù)的驅動下，數(shù)字孿生礦山通過實時的仿真分析、關聯(lián)、預測及調(diào)控等，采用以技術經(jīng)濟指標為目標的生產(chǎn)過程優(yōu)化運行、優(yōu)化控制與優(yōu)化管理技術，使生產(chǎn)進度計劃不斷完善和優(yōu)化，使礦山生產(chǎn)能夠高效進行。

4 結 語

礦業(yè)是中國經(jīng)濟的重要組成部分，智能礦用機器人是礦業(yè)智能化發(fā)展的重要組成部分。最近幾年，國內(nèi)外學者在智能礦用機器人領域的研究發(fā)展迅速，人工智能技術與機器人技術在井下作業(yè)中擁有廣闊的發(fā)展前景。從智能采礦、維護和救援機器人的應用到基于雙目視覺技術或SLAM技術的機器人導航系統(tǒng)、基于深度學習機器人識別技術和通信技術的應用，都為礦業(yè)生產(chǎn)帶來革命性的發(fā)展。在未來的研究中，智能礦用機器人的發(fā)展趨勢將越來越多集中于自主化、智能化、多功能和高效率。與此同時，智能礦用機器人的研究和應用還面臨一些問題，如惡劣環(huán)境對于電子設備的損害，算法的普適性和魯棒性難以保證等?？偠灾?，智能礦用機器人是未來礦業(yè)智能化發(fā)展的重要方向。相信在未來的工作中還會有更加前沿的技術用于采礦領域，使其能夠更好地服務于礦業(yè)生產(chǎn)，并實現(xiàn)更高效、更安全、更可持續(xù)的發(fā)展。

［參 考 文 獻］

［1］CARVALHO F P.Mining industry and sustainable development：Time for change［J］.Food and Energy Security，2017，6（2）：61-77.

［2］吳愛祥，王勇，張敏哲，等.金屬礦山地下開采關鍵技術新進展與展望［J］.金屬礦山，2021（1）：1-13.

［3］翟國棟，張文濤，岳中文，等.基于雙目視覺技術的煤礦救援機器人研究進展［J］.煤炭科學技術，2020，48（7）：206-217.

［4］劉廣瑞，劉巧紅，劉軍.礦山機器人的研究現(xiàn)狀與發(fā)展趨勢［J］.礦山機械，2009，37（24）：45-48.

［5］YANG X，LIN X H，YAO W Q，et al.A Robust LiDAR SLAM method for underground coal mine robot with degenerated scene compensation［J］.Remote Sensing，2022，15（1）：186.

［6］PLOTNIKOV N S，KOLOKOLTSEVA E U，VOLKOVA Y V.Technical review of robotic complexes for underground mining［J］.IOP Conference Series：Earth and Environmental Science，2020，459（4）：042025.

［7］楊健健，張強，王超，等.煤礦掘進機的機器人化研究現(xiàn)狀與發(fā)展［J］.煤炭學報，2020，45（8）：2 995-3 005.

［8］葛世榮，胡而已，李允旺.煤礦機器人技術新進展及新方向［J］.煤炭學報，2023，48（1）：54-73.

［9］HAINSWORTH D W.Teleoperation user interfaces for mining robo-tics［J］.Autonomous Robots，2001，11（1）：19-28.

［10］GAO J Y，GAO X S，ZHU J G，et al.Coal mine detect and rescue robot technique research［C］∥IEEE.Information and Automation，2009.ICIA '09.New York：IEEE，2009：1 068-1 073.

［11］REDDY H A，KALYAN B，MURTHY S N C.Mine rescue robot system—A review［J］.Procedia Earth and Planetary Science，2015，11：457-462.

［12］劉建.礦用救援機器人關鍵技術研究［D］.徐州：中國礦業(yè)大學，2014.

［13］李允旺，葛世榮，朱華.搖桿式履帶懸架的構型推衍及其在煤礦救災機器人上的應用［J］.機器人，2010，32（1）：25-33.

［14］劉罡，劉玉斌，趙杰，等.新型煤礦救援機器人的特殊運動逆運動學［J］.哈爾濱工業(yè)大學學報，2011，43（9）：42-46.

［15］裴文良，張樹生，李軍偉.礦用巡檢機器人設計及其應用［J］.制造業(yè)自動化，2017，39（2）：73-74，94.

［16］何凱.基于雙目視覺的煤礦井下救援機器人避障策略的研究［D］.西安：西安科技大學，2018.

［17］HU P，HAO X Y，LI J S，et al.Design and implementation of bino-cular vision system with an adjustable baseline and high synchronization［C］∥IEEE.International Conference on Image，Vision and Computing.New York：IEEE，2018：18182336.

［18］ZHU D，SUN X，LIU S，et al.A SLAM method to improve the safety performance of mine robot［J］.Safety Science，2019，120：422-427.

［19］GIRSHICK R B，DONAHUE J，DARRELL T，et al.Rich feature hierarchies for accurate object detection and semantic segmentation［C］∥IEEE.Conference on Computer Vision and Pattern Recognition.New York：IEEE，2014：14632381.

［20］盧萬杰，付華，趙洪瑞.基于深度學習算法的礦用巡檢機器人設備識別［J］.工程設計學報，2019，26（5）：527-533.

［21］XIAO D，SHAN F，LI Z，et al.A Target Detection model based on improved tiny-yolov3 under the environment of mining truck［J］.IEEE Access，2019，7：123 757-123 764.

［22］FRANK M，HUAN N，TUNG D，et al.A self-deployed multi-channel wireless communications system for subterranean robots［C］∥IEEE.Aerospace conference.New York：IEEE，2020：19891710.

［23］KIRUBAKARAN S J J，JHA A K，KUMAR D，et al.Mine detecting robot with multi sensors controlled using HC-12 module［J］.International Journal of Engineering & Technology，2018，7（2）：231-234.

［24］RANJAN A，PANIGRAHI B，SAHU H B，et al.SkyHelp：UAV assisted emergency communication in deep open pit mines［C］∥Munich：Association for Computing Machinery，2018：31-36.

［25］方原柏.金屬礦山智能采礦技術的發(fā)展［J］.自動化博覽，2018，35（11）：61-65.

［26］劉曉亮，任文清，馬平，等.復雜地質條件礦用自行走式掘進機器人自適應避障研究［J］.煤炭工程，2022，54（增刊1）：210-214.

［27］郭銳，石月，李永濤，等.液壓鑿巖機器人機械臂軌跡規(guī)劃研究［J］.中國工程機械學報，2021，19（4）：289-294.

［28］BOOZ A，BIAY W.Automation and robotization of underground mining in poland［J］.Applied Sciences，2020，10（20）：7 221.

［29］張鵬.智能礦山機器人協(xié)同管控［J］.工礦自動化，2021，47（增刊2）：43-44.

［30］徐嘉麟，張瀛方.礦山巷道多功能修復機器人設計研究［J］.世界有色金屬，2022（6）：63-65.

［31］REDDY A H，KALYAN B，MURTHY C S N.Mine rescue robot system—A review［J］.Procedia Earth and Planetary Science，2015，11：457-462.

［32］史兆偉，潘濤，樊宙.礦山救援機器人中的超聲波傳感器應用［J］.世界有色金屬，2020（5）：20，22.

［33］文虎，劉洋，鄭學召，等.礦山救援機器人群設計［J］.工礦自動化，2019，45（9）：34-39.

［34］王亞男，李明遠.基于STM32控制的全方位可視煤礦救援機器人的研究設計［J］.煤炭技術，2022，41（1）：242-244.

［35］韓利強.基于5G技術控制的煤礦救援機器人的設計［J］.煤礦安全，2021，52（6）：168-171.

［36］李國清，王浩，侯杰，等.地下金屬礦山智能化技術進展［J］.金屬礦山，2021（11）：1-12.

［37］黃毅，張燕.廣東某鎢礦智能礦山建設的探索［J］.中國鎢業(yè)，2021，36（3）：72-78.

［38］連民杰，王占樓，馬龍，等.基于物聯(lián)網(wǎng)的富全鐵礦智能生產(chǎn)管控系統(tǒng)開發(fā)與應用［J］.中國礦業(yè)，2019，28（1）：122-128.

［39］宋海潮.智慧礦山建設及煤礦的智能化開采分析［J］.科技創(chuàng)新與應用，2022，12（34）：142-145.

［40］陳杰，辛斌.有人/無人系統(tǒng)自主協(xié)同的關鍵科學問題［J］.中國科學（信息科學），2018，48（9）：1 270-1 274.

［41］GUSTAFSON A，LIPSETT M，SCHUNNESSON H，et al.Development of a Markov model for production performance optimisation.Application for semi-automatic and manual LHD machines in underground mines［J］.International Journal of Mining，Reclamation and Environment，2014，28（5）：342-355.

［42］WANG G，LIU F，PANG Y H，et al.Coal mine intellectualization：The core technology of high quality development［J］.Meitan Xuebao/Journal of the China Coal Society，2019，44（2）：349-357.

［43］GRIEVES M W.Product lifecycle management：The new paradigm for enterprises［J］.International Journal of Product Development，2005，2（1/2）：71-84.

［44］GITHENS G.Product lifecycle management：Driving the next gene-ration of lean thinking by Michael Grieves［J］.Journal of Product Innovation Management，2007，24（3）：278-280.

［45］GRIEVES M.Virtually perfect：Driving innovative and lean pro-ducts through product lifecycle management［M］.Cocoa Beach：Space Coast Press，2011.

［46］GRIEVES M W.Virtually intelligent product systems：Digital and physical twins［M］∥American Institute of Aeronautics and Astronautics.Complex systems engineering：Theory and practice.New York：American Institute of Aeronautics and Astronautics，2019：175-200.

［47］葉倫寬.基于數(shù)字孿生的旋轉設備故障診斷技術研究［D］.北京：中國石油大學（北京），2019.

［48］CEARLEY D，BURKE B，SEARLE S，et al.Top 10 strategic technology trends for 2017：A gartner trend insight report［N］.Gartner Research，2018-03-08.

Research situation and development tendency of intelligent mining robots

Hu Ronghua1，An Dong1，Shi Mengyuan1，Lu Wentao2，Sun Ning2，Zhang Haolong1，Xu Jiaxian1

（1.School of Mechanical Engineering，Shenyang Jianzhu University;2.Citic Hic Kaicheng Intelligence Equipment Co.，Ltd.）

Abstract：Mining robots are a component of mining production，concerning multiple stages such as mining，transportation，production，maintenance，safety control，and rescue.The degree of production automation directly affects the production safety，economic and social benefits of enterprises.With the rapid development and popularization of artificial intelligence in China，mine intelligence has become an important research field.Especially with the promulgation of some policies and regulations in China，intelligent unmanned mining technology has become a key part of mining production in the field of gold mining.To understand the connotation，status，and development trend of intelligent mining robots，this article reviews the underground intelligent robot technologies matching mining operations，including neural networks，binocular vision，and digital twins，from the perspective of the relationship between key technologies and practical engineering applications of intelligent mining robots in China.From the 4 perspectives of basic theories，critical technologies，engineering applications，and overall design system theories，this article reviews the relevant research.On this basis，the current development trend of domestic intelligent mining robots and the future development trend of smart mining models are summarized.

Keywords：intelligent mining;artificial intelligence;binocular vision;robot technologies;smart mining;digital twins

收稿日期：2023-05-15； 修回日期：2023-06-18

基金項目：國家自然科學基金項目（51975130）；遼寧省教育廳基礎科研項目（LJKMZ20220915）

作者簡介：胡榮華（1999—），男，碩士研究生，研究方向為計算機視覺、智能工業(yè)故障診斷方法；E-mail：huronghua@stu.sjzu.edu.cn