2024-04-12
（1）提出了研发智能采煤机器人必须破解的“智能感知、位姿控制、速度控制、截割轨迹规划与跟踪控制、位-姿-速协同控制”五大关键技术的创新思路，并给出了解决方案。（2）针对智能感知问题，构建了智能采煤机器人状态感知子系统、位姿感知子系统、环境感知子系统，实现了智能采煤机器人运行状态、位姿数据、环境数据的全面智能感知，确保智能采煤机器人安全稳定可靠运行。（3）针对位姿控制问题，建立了智能采煤机器人位姿控制系统架构，提出了智能PID位姿控制思路，给出了改进遗传算法PID位姿控制方法，实现了智能采煤机器人位姿的精准控制。（4）针对速度自适应控制问题，提出了融合“力-电”异构数据的截割载荷测量思路，给出了基于神经网络算法的截割载荷测量方法，实现了截割载荷的实时精确测量；提出牵引与截割速度自适应控制思路，给出了人工智能算法牵引与截割速度决策方法和滑模自抗扰控制的牵引与截割速度控制方法，实现了牵引与截割速度的精准自适应控制。（5）针对截割轨迹规划与跟踪控制问题，提出了截割轨迹精准规划思路，给出了融合地质数据和历史截割数据的截割轨迹规划模型，提升了截割轨迹规划精度；提出了截割轨迹精准跟踪控制思路，给出了智能插补算法的截割轨迹跟踪控制方法，实现了截割轨迹的精准跟踪控制。（6）针对“位-姿-速”协同控制问题，提出了“位-姿-速”协同控制参数智能优化思路，给出了基于多系统互约束的改进粒子群“位-姿-速”协同控制参数优化方法，实现了智能采煤机器人安全、精准、稳定、高效截割。作者：马宏伟1, 2 ， 赵英杰1, 2 ， 薛旭升1, 2 ， 吴海雁2, 3 ， 毛清华1, 2 ， 杨会武2, 3 ， 张旭辉1, 2 ， 车万里2, 4 ， 曹现刚1, 2 ， 赵友军2, 4 ， 王川伟1, 2 ， 赵亦辉2, 4 ， 王 鹏1, 2 ， 孙思雅1, 2 ， 马柯翔1, 2 ， 李 烺1, 2单位：1. 西安科技大学 机械工程学院; 2. 陕西省矿山机电装备智能检测与控制重点实验室;3. 西安重工装备制造 集团有限公司; 4. 西安煤矿机械有限公司2021年12月，工业和信息化部等15部门联合发布了《“十四五”机器人产业发展规划》，2023年1月工业和信息化部等十七部门颁布了《“机器人+”应用行动实施方案》，明确指出加快推动煤矿机器人的研发与应用。因此，随着煤矿智能化的深入推进，关键设备的机器人化已经成为研发的重点。电牵引滚筒采煤机作为煤矿综采工作面的核心装备，其机器人化、智能化程度直接影响煤炭开采的精度、质量和效率。智能化综采工作面建设，要求采煤机器人具备精确导航定位、位姿检测与控制、速度自适应控制、精准高效截割等能力。近年来，有关科研人员和制造企业在采煤机机器人化方面开展了一系列卓有成效的研究工作，取得了丰硕的研究成果。(1)采煤机传感检测研究现状。在采煤机运行状态感知方面，毛清华等采用压电加速度传感器采集采煤机摇臂振动信号，运用频谱与Morlet小波包络解调融合分析摇臂振动数据，实现对采煤机摇臂传动系统振源的准确定位。张强等利用三向振动传感器和声发射仪器采集截齿截割过程中的振动和声发射特征信号，采用多传感信息融合方法诊断采煤机截齿的磨损及失效状态。于宁等利用截齿传感器、惰轮轴传感器、摇臂应变传感器等采集采煤机截割部的振动和应变数据，利用改进深度信念网络对滚筒三向截割载荷和滚筒扭矩进行预测。在采煤机位姿检测方面，笔者团队提出了一种基于“惯导+里程计”的采煤机定位导航方法，有效提高了采煤机定位精度。毛善君等设计了基于陀螺寻北仪和全站仪组成的测量机器人，当测量机器人与采煤机安装棱镜通视时，测量采煤机的三维大地坐标作为采煤机的定位坐标，并校正“惯导+编码器”组合定位误差。李曼等设计了一种基于巨磁阻效应的角度传感器，通过采集采煤机摇臂转动角度获取滚筒高度数据。在采煤机环境感知方面，张旭辉等在采煤机上安装防爆相机识别液压支架上布置的4个红外LED标识板，对标识板图像处理与解算，实现采煤机对液压支架的位姿感知。魏东等利用红外热成像技术，融合Lucas-Kanade光流法、图像局部信息权重的直觉模糊C均值聚类算法和形态学加权投票法，对作业区域人员精确检测。程继杰等采用红外热像仪和甲烷传感器对采煤工作面冲击地压和煤与瓦斯突出感知。由此可见，现有的采煤机传感检测技术主要集中在对运行状态、位姿、环境等单一对象的检测，缺乏整体性、综合性、系统性的研究。因此，构建全面的传感检测系统，提高检测的准确性、可靠性是研发智能采煤机器人亟待解决的关键技术问题之一。(2)采煤机位姿控制研究现状。在采煤机位姿控制方面，郭松林等提出一种基于粒子群算法优化的采煤机位置伺服滑模控制器，提高了采煤机运行位置控制的稳定性和鲁棒性。王鹏等提出了一种采煤机自适应导向滑靴的新型结构，实现对采煤机倾角的调控。HOU等提出了基于迭代学习的综采工作面调直方法，提高液压支架推移油缸位置控制精度，从而实现采煤机推移位置的精确控制。张科学等提出了基于实时推进度监测的工作面智能调斜控制技术，实现采煤机位姿智能控制。在滚筒位姿控制方面，陈金国等提出了一种基于模糊PID控制器的滚筒调高方法，提高了滚筒调高系统响应速度和跟踪精度。GE等提出了一种基于指数逼近律滑模控制器的滚筒调高方法，提高了滚筒调高响应速度和控制精度。张斯涵等提出了在滚筒调高系统中引入模型预测控制器进行高度控制，提高了系统的稳定性与实时性。综上，现有采煤机位姿控制普遍应用开环或半闭环控制方法，存在控制精度低、抗干扰能力差等问题。因此，深入研究精准、可靠的位姿控制方法，是研发智能采煤机器人亟待解决的关键技术问题之一。(3)采煤机速度控制研究现状。在牵引速度控制方面，周元华等提出了一种基于动态模糊神经网络的牵引电机控制方法，使得牵引从电机能够实时跟踪主电机的转矩，实现了在线功率平衡控制。刘旭南等提出了一种基于采煤机关键零件可靠性的智能调速系统，利用神经网络决策出不同煤岩坚固性系数下的最优牵引速度。在截割速度控制方面，李季等建立了滚筒截割电机模糊PID矢量控制系统模型，对截割电机调速系统进行自适应控制。HU等提出了适应不同突变负荷工况的滚筒截割速度与牵引速度控制策略，实现在不同突变负荷工况下的速度自适应控制。刘送永等通过划分煤层截割阻抗范围，制定了采煤机截割速度与牵引速度的自适应调速控制策略，并构建参数自整定PI控制器对速度进行控制。由此可见，现有的速度控制研究主要集中在基于截割载荷的速度控制方法，由于载荷测量精度低，速度控制参数单一，导致控制的鲁棒性偏弱。因此，深入研究精准的自适应速度控制是研发智能采煤机器人亟待解决的关键技术问题之一。(4)采煤机截割轨迹规划与跟踪控制技术研究现状。在采煤机截割轨迹规划方面，袁亮等提出了构建透明地质进行煤炭精准开采的思路，李森等基于透明地质模型，采用基于趋势分解与机器学习的滚筒高度预测方法，预测滚筒下一刀截割轨迹。侯运炳等提出利用煤层精细化物探数据构建工作面高精度三维地质模型，对采煤机的未来截割路径进行规划。董刚等提出了一种基于虚拟煤岩界面的采煤机滚筒轨迹规划方法，提高了截割轨迹规划的有效性。在采煤机截割轨迹跟踪控制方面，刘送永等通过实时计算调高油缸活塞杆的目标位移量，提出基于神经网络的无模型间接自适应轨迹跟踪控制方法。王慧等建立了基于单变量边缘分布算法的参数自整定模糊PID控制模型，提高了截割轨迹跟踪精度。王福忠等提出了基于迭代学习的采煤机截割滚筒轨迹跟踪控制算法，提升了跟踪记忆截割目标轨迹的精度。综上，轨迹规划存在精度较低、误差偏大、轨迹跟踪控制存在实时性较差、精度偏低等问题。因此，深入研究精准的采煤机轨迹规划和跟踪控制是研发智能采煤机器人亟待解决的关键技术问题之一。(5)采煤机“位−姿−速”协同控制技术研究现状。采煤机“位−姿−速”协同控制，是指其位置、姿态、速度控制子系统之间的协同控制。葛帅帅等分析采煤工作面煤岩特征与采煤机的截割过程，构建了采煤机自主调高−调速二元协同控制模式及截割状态关联特征模型。赵丽娟等利用深度确定性策略梯度算法构建了采煤机牵引速度−滚筒转速协同调速和自适应调高控制系统模型，实现了速度与滚筒高度的协同控制，旨在提升采煤机自适应截割能力。由此可见，在采煤机“位−姿−速”协同控制方面的研究鲜见报道。因此，为实现安全、高效、智能开采，深入研究“位−姿−速”协同控制是研发智能采煤机器人亟待解决的关键技术问题之一。综上所述，研发智能采煤机器人必须解决智能感知、位姿控制、速度控制、截割轨迹规划与跟踪控制、“位−姿−速”协同控制五大关键技术，如图1所示。采煤机是综采工作面的核心装备，研发智能采煤机器人是实现综采工作面智能化的关键。综合分析当前采煤机机器人化研究进程中的传感检测、位姿控制、速度控制、截割轨迹规划与跟踪控制等技术的研究现状，提出研发智能采煤机器人必须破解的“智能感知、位姿控制、速度控制、截割轨迹规划与跟踪控制、位−姿−速协同控制”五大关键技术，并给出解决方案。
针对智能感知问题，提出了构建智能感知系统思路，给出了智能采煤机器人智能感知系统的架构，实现对运行状态、位姿、环境等全面感知，为智能采煤机器人安全、可靠运行提供保障；针对位姿控制问题，提出了智能PID位姿控制思路，给出了改进遗传算法的PID位姿控制方法，实现了智能采煤机器人位姿精准控制；针对速度控制问题，提出了融合“力−电”异构数据的截割载荷测量思路，给出了基于神经网络算法的截割载荷测量方法，实现了截割载荷的精准测量；提出牵引与截割速度自适应控制思路，给出了人工智能算法牵引与截割速度决策方法和滑模自抗扰控制的牵引与截割速度控制方法，实现了智能采煤机器人速度精准自适应控制；针对截割轨迹规划与跟踪控制问题，提出了截割轨迹精准规划思路，给出了融合地质数据和历史截割数据的截割轨迹规划模型，实现了截割轨迹的精准规划；提出了截割轨迹精准跟踪控制思路，给出了智能插补算法的截割轨迹跟踪控制方法，实现了智能采煤机器人截割轨迹高精度规划与精准跟踪控制；针对“位−姿−速”协同控制问题，提出了“位−姿−速”协同控制参数智能优化思路，给出了基于多系统互约束的改进粒子群“位−姿−速”协同控制参数优化方法，实现了智能采煤机器人智能高效作业。深入研究五大关键技术破解思路，有利于加快推动研发高性能、高效率、高可靠的智能采煤机器人。
图 1 智能采煤机器人关键技术逻辑架构
图 2 智能采煤机器人智能感知系统架构
图 3 智能采煤机器人位姿控制架构
图 4 位姿控制原理
图 5 截割载荷测量原理
图 6 智能采煤机器人速度自适应控制模型
图 7 智能采煤机器人截割轨迹规划模型原理
图 8 基于截割轨迹数据的位姿解算模型
图 9 智能采煤机器人截割轨迹跟踪控制原理
图 10 “位−姿−速”协同控制架构
图 11 “位−姿−速”协同控制方法
图 12 工程应用部分截图
马宏伟，男，工学博士，二级教授，博士生导师。现任西部煤矿智能化研究院院长，矿山机器人及人工智能研究所所长。曾任西安科技大学副校长、研究生院院长、研究院院长、机械电子工程学科带头人等，兼任中国工程机械学会矿山机械分会副理事长、中国煤炭学会机电一体化委员会副主任、中国煤炭工业机电专家委员会委员、陕西省研究生教育学会副会长等。先后主持以国家自然科学基金为代表的国家级、省部级科研项目10余项，主持企业委托项目数十项；获得以陕西省科技进步一等奖为代表的省部级奖20余项，授权国家专利100余项，在国内外学术期刊上发表学术论文200余篇，其中被SCI、EI等收录100余篇，曾被评为“陕西省研究生培养先进工作者”“陕西省优秀教育工作者”。
研究方向
煤矿智能化关键技术、煤矿机器人技术、煤矿机电装备智能检测与控制等
主要成果
提出了煤矿智能机器人、煤矿人机协同智能系统、数字煤层构建及智能开采、智能掘进、煤矿机电设备智能检测与控制等关键技术和理论方法，形成了“采煤就是采数据”“掘进就是掘模型”“拣矸就是拣图像”“运输就是运流量”等煤矿智能化学术思想体系，研发了以智能化掘进系统和智能化综采系统为代表的煤矿智能检测与控制系统，破解了多项煤矿智能化技术及装备难题，创造了巨大的经济效益和社会效益。
来源：
马宏伟，赵英杰，薛旭升，等. 智能采煤机器人关键技术[J]. 煤炭学报，2024，49(2):1174−1182.
责任编辑：宫在芹
