王 雷 賈思學(xué)

（中國礦業(yè)大學(xué)機電學(xué)院，江蘇 徐州 221008）

現(xiàn)有環(huán)形車場基本采用傳統(tǒng)電機車調(diào)車系統(tǒng)，主要存在以下4 個問題：1）車場環(huán)節(jié)多、作業(yè)過程復(fù)雜，大多數(shù)車場主要采用分階段運輸，未能實現(xiàn)直達(dá)運輸?shù)男Ч?）電機車需要駕駛?cè)藛T和摘掛勾人員配合作業(yè)，容易出現(xiàn)工傷事故，不安全因素多。3）整個環(huán)形車場沒有AI 視頻監(jiān)控系統(tǒng)，無法實時掌握機車的運行情況，不利于車場整體調(diào)度。4）環(huán)形車場普遍采用人眼識別礦車和手動操控道岔的運行模式，智能化程度較低。針對以上問題，該文設(shè)計了由圖像AI 識別系統(tǒng)、智能推車機器人、智能道岔控制系統(tǒng)以及中控系統(tǒng)組成的無人值守環(huán)形車場智能化運行系統(tǒng)，實現(xiàn)了矸石礦車出井、空車入井整個過程的智能化運行，使車場運行達(dá)到機械化減人、自動化換人以及智能化增效的目的。

1 智能化環(huán)形車場總體構(gòu)架

該文設(shè)計的井口環(huán)形車場無人智能化運轉(zhuǎn)系統(tǒng)的總體框架由智能推車機器人、AI 視頻監(jiān)控及智能識別控制系統(tǒng)、定位及避障系統(tǒng)、自動道岔控制、彎道推車系統(tǒng)、智能翻車機爬車機和手持遙控終端等組成，如圖1所示。

圖1 智能化環(huán)形車場總體架構(gòu)

1.1 智能推（拉）車機器人

智能推（拉）車機器人由控制系統(tǒng)、無線通信模塊、數(shù)據(jù)采集模塊、機器人驅(qū)動制動系統(tǒng)以及避障系統(tǒng)等組成。無線通信模塊保證系統(tǒng)各設(shè)備之間的通信。數(shù)據(jù)采集模塊采集機器人運行數(shù)據(jù)，采集的數(shù)據(jù)通過無線通信模塊傳送給控制系統(tǒng)，控制系統(tǒng)處理采集的數(shù)據(jù)后，通過無線通信模塊向推拉車機器人發(fā)送指令。

1.1.1 開關(guān)磁阻電機驅(qū)動及制動機構(gòu)

機器人驅(qū)動采用高效開關(guān)磁阻調(diào)速電機直接驅(qū)動（如圖2所示），其具有驅(qū)動力大、調(diào)速范圍廣的特點。制動系統(tǒng)采用液壓盤式制動機構(gòu)，具有制動力大、性能可靠的特點。

圖2 驅(qū)動及制動原理圖

1.1.2 推車機器人推拉結(jié)構(gòu)

推車機器人必須解決現(xiàn)場人工摘掛勾的難題，因此機器人可以推礦車也可以拉礦車，根據(jù)礦車結(jié)構(gòu)及現(xiàn)場條件，該文設(shè)計的液壓馬達(dá)驅(qū)動具有可以上、下旋轉(zhuǎn)的抓捕結(jié)構(gòu)，抓捕礦車底盤的方式如圖3所示。

圖3 抓捕機構(gòu)

1.1.3 推車機器人運行感知系統(tǒng)

推車機器人運行感知系統(tǒng)主要由基于機器視覺的障礙物檢測、基于雷達(dá)的目標(biāo)檢測與跟蹤、數(shù)據(jù)信息融合以及環(huán)境感知系統(tǒng)軟件設(shè)計等組成，視覺障礙物檢測如圖4所示。

圖4 視覺障礙物檢測系統(tǒng)圖

1.1.3.1 基于機器視覺的障礙物檢測

為了實現(xiàn)機器人視覺對障礙物進(jìn)行檢測的功能，需要根據(jù)煤礦地面軌道運輸推車的實際運行情況以及煤礦地面軌道運輸環(huán)境感知系統(tǒng)的功能需求設(shè)計一套基于機器視覺的障礙物檢測系統(tǒng)，需要實時采集推車前方的障礙物圖像數(shù)據(jù)，對采集的障礙物圖像進(jìn)行預(yù)處理；為了提高系統(tǒng)處理圖像的速度，需要對煤礦地面軌道運輸推車的運輸軌道線的限界進(jìn)行提取，并選用合適的深度學(xué)習(xí)算法識別障礙物[1]。

1.1.3.2 基于毫米波雷達(dá)的目標(biāo)檢測與跟蹤

首先，需要解析和預(yù)處理采集的毫米波雷達(dá)數(shù)據(jù)。其次，需要選取和確定運行推車前方的有效目標(biāo)。最后，需要對運行推車前方的障礙物的距離和相對速度等信息進(jìn)行實時測量，分析研究目標(biāo)跟蹤算法，對有效目標(biāo)進(jìn)行實時檢測和跟蹤。

1.1.3.3 數(shù)據(jù)融合與軟件設(shè)計

機器視覺和毫米波雷達(dá)分別能夠獨立實現(xiàn)運行推車前方障礙物檢測功能，二者之間又相互配合、共同作用，確保推車機器人車場運行時能夠可靠避障停車。

1.2 AI 視頻監(jiān)控及圖像識別中控系統(tǒng)

該文將采用計算機視覺技術(shù)來實現(xiàn)該目標(biāo)，該技術(shù)可以通過攝像頭拍攝的視頻流數(shù)據(jù)對其中的物體進(jìn)行實時識別。使用深度學(xué)習(xí)算法對物體進(jìn)行分類和識別，從而實現(xiàn)對礦車、機車以及工人等物體的實時監(jiān)測和識別[2]。通過中控臺智能程序閉鎖控制，實現(xiàn)軌道終端的自動化控制，不需要人工干預(yù)，從而提高生產(chǎn)效率、降低人力成本，系統(tǒng)如圖5所示。

圖5 圖像識別及中控系統(tǒng)功能模塊

1.2.1 圖像識別及鎖定

圖像識別是通過YOLO目標(biāo)檢測算法[2]將輸入圖像分成網(wǎng)格，并為每個網(wǎng)格分配1 個邊界框和置信度分?jǐn)?shù)來檢測圖像中的對象。與其他目標(biāo)檢測算法相比，該算法具有快速高效、準(zhǔn)確度高以及可擴展性強等特點。識別目標(biāo)的鎖定主要使用目標(biāo)框，目標(biāo)框計算原理如圖6所示。

圖6 目標(biāo)框計算原理

相關(guān)計算分別如公式（1）～公式（4）所示。

式中：tw、th為預(yù)測框的寬、高相對于anchor 寬、高的縮放比例。

為了將預(yù)測框的中心點約束到當(dāng)前網(wǎng)格中，使用Sigmoid函數(shù)處理偏移量，使預(yù)測的偏移值保持在（0，1）內(nèi)。根據(jù)目標(biāo)框回歸計算公式，預(yù)測框中心點坐標(biāo)的偏移量保持在（-0.5，1.5），預(yù)測框的寬度和高度相對于anchor 的放縮范圍為（0，4）。

1.2.2 圖像損失函數(shù)

目標(biāo)檢測的結(jié)果輸入形式為（x，y，w，h，C，c）。其中，（x，y，w，h）為預(yù)測框的位置；（x，y）為框左上角的坐標(biāo)；（w，h）為框的長寬；C為置信度；c為目標(biāo)類別。將該系統(tǒng)核心算法的損失函數(shù)分為3 類：定位損失L、分類損失C和置信度損失F。

總損失函數(shù)如公式（5）所示。

分類損失函數(shù)采用交叉熵?fù)p失函數(shù)（BCELoss），置信度采用Focal Loss 損失函數(shù)，定位損失函數(shù)一般采用IoU 損失函數(shù)，數(shù)學(xué)表達(dá)式如公式（6）所示。

1.2.3 圖像識別深度學(xué)習(xí)技術(shù)

深度學(xué)習(xí)是一種機器學(xué)習(xí)方法，它通過構(gòu)建多層神經(jīng)網(wǎng)絡(luò)來對數(shù)據(jù)進(jìn)行高級抽象和分析。而卷積神經(jīng)網(wǎng)絡(luò)則是深度學(xué)習(xí)中最常用、最有效的神經(jīng)網(wǎng)絡(luò)架構(gòu)。它的組成主要包括卷積、池化、激活函數(shù)、全連接以及批量歸一化，如圖7所示。這些層的加入可以更好地提取圖像特征，設(shè)置合理的參數(shù)與不同的層也可以提高網(wǎng)絡(luò)的性能。

圖7 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

配合使用卷積層和激活函數(shù)，設(shè)置網(wǎng)絡(luò)中有M個卷積層和激活函數(shù)。進(jìn)入池化層，設(shè)置池化層的個數(shù)為b個，因為不一定每個卷積層后面都需要跟池化層，而且以目前的趨勢來看，池化層的作用變得越來越弱，所以可以在卷積層中設(shè)置步長和填充來代替池化層的操作。

卷積與池化操作可以不斷地堆疊，層數(shù)越多，特征提取就越充分。但是層數(shù)過多會導(dǎo)致訓(xùn)練時間過長以及過擬合。在堆疊次后，將提取出來的特征饋入全連接層進(jìn)行特征分類并映射到樣本空間。

1.2.4 中控及手持遙控終端系統(tǒng)

當(dāng)?shù)V車從罐籠推出井口房時，通過AI 視頻識別判斷矸石車、材料車、設(shè)備車以及平板車，再交由中控臺處理并發(fā)出相應(yīng)行走路線以及空礦車等車輛入井的智能控制指令，也可以通過手持遙控終端進(jìn)行控制。

1.3 智能道岔控制系統(tǒng)

環(huán)形車場多部道岔集中控制和開閉狀態(tài)實時監(jiān)測主要由傳感器單元、采集單元、中心處理單元以及傳輸網(wǎng)絡(luò)等部分組成，如圖8所示。傳感器單元檢測道岔工作各項參數(shù)，采集單元通過傳輸網(wǎng)絡(luò)將傳感器單元采集的相關(guān)信息實時上傳至中心處理單元，中心處理單元實時分析檢測的相關(guān)參數(shù)發(fā)生變化的趨勢并給出動作指令。

圖8 系統(tǒng)結(jié)構(gòu)

2 現(xiàn)場應(yīng)用

該研究成果已經(jīng)成功應(yīng)用于平煤集團一礦、五礦井口環(huán)形車場。對該項目進(jìn)行工業(yè)性試驗，充分驗證了該文的各項性能指標(biāo)滿足現(xiàn)場要求以及其對運行的安全性、穩(wěn)定性和可靠性的要求。

圖像AI 識別控制技術(shù)的應(yīng)用效果如圖9所示。由圖9可知，將圖像AI 識別系統(tǒng)應(yīng)用到系統(tǒng)集控后，可以準(zhǔn)確識別運輸車輛并給中控臺發(fā)出控制指令，使環(huán)形車場系統(tǒng)按照預(yù)定的工作流程實現(xiàn)智能化自動運行。

圖9 視頻AI 識別效果截圖

經(jīng)過現(xiàn)場實施后與原方案進(jìn)行對比，該系統(tǒng)具有以下4個優(yōu)點：1）不需要單獨做基礎(chǔ)，節(jié)省了施工時間及工程費用。2）減少了30%的工作人員，達(dá)到了減人增效的目的。3）可以實現(xiàn)礦車裝罐、卸罐、定位、調(diào)運以及單向馬頭門拉車推車等功能，可以取代傳統(tǒng)的各種推車機。4）車場運轉(zhuǎn)效率比原系統(tǒng)至少提高了25%。

3 結(jié)語

針對傳統(tǒng)煤礦環(huán)形車場運輸系統(tǒng)存在的不足，該文提出推車機器人改變傳統(tǒng)礦山車場電機車調(diào)車的理念，通過信號工的直接無線遠(yuǎn)程操作實現(xiàn)了車場進(jìn)罐推車、彎道推車、車場調(diào)車以及運行自動避障等功能。無線智能推車系統(tǒng)自動化程度高、工人勞動強度降低且人員配置變少，結(jié)合AI 視頻識別系統(tǒng)及自動道岔控制形成了井口環(huán)形車場無人智能化調(diào)控系統(tǒng)。