（1）针对煤矿巷道复杂环境下掘进机位置精确检测难题，提出了“视觉+大尺寸激光标靶”的掘进机位置精确检测方法，该方法将四特征点大尺寸激光标靶固定于巷道顶板，并采用基于四特征点的EPnP算法解算掘进机位置，实现了煤矿掘进机位置精确、稳定检测。
（2）针对惯导测量掘进机位姿误差随时间累积问题，提出了一种改进Sage-Husa自适应滤波的惯导与视觉信息融合方法，在模拟掘进工作面环境下实验结果表明：在30m内沿巷道宽度方向、掘进方向的最大误差分别为0.033m和0.062m，俯仰角、横滚角、航向角的最大误差分别为0.029°、0.051°、0.0113°，能够满足煤矿井下掘进装备精确定位要求。
惯导与视觉信息融合的掘进机精确定位方法
针对煤矿巷道复杂环境下掘进机精确定位难题，提出了一种惯导与视觉融合的掘进机精确定位方法，该方法采用惯导与“视觉+激光标靶”的定位方案。该方案将设计的四特征点大尺寸激光标靶固定于巷道顶板，相机固定于掘进机机身采集激光标靶图像，并运用圆拟合法定位光斑中心和基于四特征点的EPnP算法解算掘进机位置。为了验证“视觉+激光标靶”方法对掘进机位置检测效果，在模拟掘进工作面环境下开展了“视觉+激光标靶”位置检测实验，结果表明：在30m内沿巷道宽度方向、掘进方向、高度方向最大误差不超过28.549mm、78.868mm、44.459mm，实现了掘进机位置精确检测。针对惯导测量掘进机位姿误差随时间累积和掘进机振动对组合定位系统产生干扰导致位姿检测不准问题，提出改进Sage-Husa自适应滤波的惯导与视觉信息融合方法，该方法通过检测新息方差值修正量测误差来提高定位准确性。在模拟掘进工作面环境下开展了惯导与“视觉+激光标靶”组合定位实验，采用改进前后Sage-Husa自适应滤波算法融合惯导与视觉信息进行对比分析，结果表明：改进后Sage-Husa自适应滤波算法融合得到的定位误差更小，俯仰角、横滚角、航向角最大误差分别为0.029°、0.051°、0.0113°，在30m内巷道宽度位置误差在0.033m范围内，巷道掘进方向位置误差在0.062m范围内。所提出的惯导与视觉融合定位方法能够满足巷道掘进定位精度要求。
教授
博士生导师
毛清华，博士，教授，博导，英国利物浦约翰摩尔斯大学访问学者，现任西安科技大学机械学院副院长、仪器科学与技术学科带头人。煤炭行业2022年度煤矿智能化卓越人物，陕西高校青年创新团队带头人，中国工程机械学会矿山机械分会副秘书长、陕西省振动工程学会理事，《煤炭学报》与《煤炭科学技术》杂志青年编委和《工矿自动化》杂志编委。
煤矿机电设备智能检测与控制、机器人、机械传动系统故障诊断和图像智能识别等
主持国家自然科学基金面上项目、陕西省科技厅重点研发计划项目、陕西省科技厅陕煤联合基金项目、教育部博士点基金等项目20余项，作为主要参与人完成国家自然科学基金项目和教育部重点项目多项，获陕西省科学技术奖二等奖1项、中国煤炭工业协会科学技术奖二等奖3项、西安市科学技术奖二等奖1项和陕西省教学成果奖二等奖2项，授权国家专利40余项，其中发明专利20余项，发表学术论文50余篇，其中SCI/EI检索20余篇，出版专著1部、教材1部，参与编写煤矿智能化方面的团体标准和企业标准4项。
毛清华，周 庆，安炎基，等. 惯导与视觉信息融合的掘进机精确定位方法[J]. 煤炭科学技术，2024，52(5)：236−248.
MAO Qinghua，ZHOU Qing，AN Yanji，et al. Precise positioning method of tunneling machine for inertial navigation and visual information fusion[J]. Coal Science and Technology，2024，52(5)：236−248.
