Research on key technologies of coal mine intelligent excavation
-
摘要: 介绍了近年来煤矿巷道掘进主要技术(悬臂式掘进机综掘技术、连续采煤机掘进技术及掘锚一体化掘进技术）的研究成果，分析了这3种主要巷道掘进技术在我国的适用性及推广价值，指出：① 悬臂式掘进机综掘技术仅能“前掘后锚”，掘进与支护的过程不能同时进行，限制了掘进效率。② 连续采煤机掘进技术仅可在近水平煤层条件下进行，且对顶板的稳定程度有一定要求，适用性不强。③ 掘锚一体化掘进技术仅适用于巷道断面大的单巷快速掘进，所用到的掘锚一体机机身大且价格昂贵，并对所掘进巷道的底板稳定性有一定的要求。相比连续采煤机掘进技术，掘锚一体化掘进技术在我国有较好的应用前景。将原有掘进机的掘进功能拓展为掘进兼支护的功能，这对掘锚一体化掘进技术的研究与普及可起到推动作用。分析了近年来煤矿巷道机器人化智能掘进技术中智能截割、远程智能监控、智能协同控制3个方面的研究成果，得出：① 智能截割技术主要集中在对煤岩自适应识别方面的研究。② 远程智能监控技术已从远程实时监测向远程可视化监控方向发展，虚拟仿真技术的发展将井下掘进巷道的情况可视化地展现在地面，并将控制信号反馈到掘进工作面来对掘进工作面掘进机组进行远程同步控制，成为当前巷道掘进远程监控智能化的重要标志。③ 目前针对智能协同控制技术的研究较少。探讨了煤矿巷道掘进智能化的发展方向：加强掘进设备集成协同化、设备模块化组合、5G矿用无线网络设备、掘进远程智能监控系统及难掘慢掘巷道掘进工程等方面的研究。Abstract: This paper introduces the research results of the main coal mine roadway excavation technologies in recent years. The technologies include cantilever roadheader comprehensive excavation technology, continuous shearer tunneling technology, and integrated excavation technology. The applicability and promotion value of these three main roadway excavation technologies in China is analyzed. The following points are pointed out. ① The comprehensive excavation technology of the cantilever roadheader can only "excavate before anchoring". The excavation and support processes cannot be carried out simultaneously, which limits the excavation efficiency. ② The continuous shearer tunneling technology can only be carried out in near horizontal coal seam conditions. It has certain requirements for the stability of the roof. The applicability is weak. ③ The integrated excavation technology is only suitable for rapid excavation of single roadways with large cross-sections. The integrated excavation and anchoring machine used is large and expensive. The machine has certain requirements for the stability of the bottom plate of the excavated roadways. Compared to the continuous mining machine excavation technology, the integrated excavation technology has a good application prospect in China. Expanding the excavation function of the original roadheader to the function of excavation and support can promote the research and application of integrated excavation and anchoring technology. The study analyzes the research achievements of intelligent cutting, remote intelligent monitoring, and intelligent collaborative control in the robotized intelligent excavation technology of coal mine roadways in recent years. The following points are concluded. ① Intelligent cutting technology mainly focuses on the research of adaptive recognition of coal and rock. ② Remote intelligent monitoring technology has evolved from remote real-time monitoring to remote visual monitoring. The development of virtual simulation technology visualizes the situation of underground excavation roadways on the ground. And it feeds back control signals to the excavation working face to remotely synchronize and control the excavation working face roadheader unit. This becomes an important symbol of the current intelligent remote monitoring of roadway excavation. ③ There is currently limited research on intelligent collaborative control technology. This study explores the development directions of intelligent coal mine roadway excavation. The directions include strengthening the integration and collaboration of excavation equipment, modular combination of equipment, 5G mining wireless network equipment, remote intelligent monitoring system for excavation, and research on difficult and slow excavation roadway excavation engineering.
-
0. 引言
随着煤矿智能化建设的推进，越来越多的智能机器人正代替人工步入井下工作岗位。在煤矿胶带巷巡检任务中，巡检机器人除了基础的自主移动及导航外，还需执行带式输送机堵塞识别、煤流量检测等任务[1-3]。巡检过程中机器人实时将自身的位姿及检测目标当前的状态反馈给控制端，供下一步决策用。而在非结构化的胶带巷场景下[4]，机器人可用于确定自身位姿的环境参照物较少，导致其运动自主性不足。带式输送机作为该场景中少数特征较明显的物体，其边缘的支架、托辊等结构不仅全局位姿固定，且可始终保持在传感器感知范围内。此外，带式输送机本身是机器人的主要巡检目标。因此，对带式输送机边缘进行提取及位姿解算，不仅可使机器人准确获取自身的全局位姿，还可使机器人获取待检测目标的相对位置，保障其顺利完成巡检任务。
井下巷道环境的非结构化问题较为突出，导致目前少有能够实际应用于胶带巷的巡检机器人。因此，现有的带式输送机边缘提取技术大多采用固定于带式输送机上下侧的视觉相机作为传感器。视觉相机的像素精度能够满足边缘提取任务需求，且相机本体通常符合井下防爆标准。若额外采用结构光照射进行辅助，则可提升提取结果的鲁棒性[5-6]。在视觉提取研究方面，现有方法大多基于CNN（Convolutional Neural Networks，卷积神经网络）[7-8]、Canny算法[9-11]等实现。这2种方法成熟度较高，但分别存在对数据集质量依赖较重、不适应昏暗杂乱环境的问题。此外，视觉算法对环境粉尘状况较为敏感，经常在相机表面受污染的情况下输出伪边缘或直接提取失败[12]。针对该问题，有学者采用调整特征算子的方式进行改善[10]，但放宽了图像边缘判定的标准，导致提取精度较差。因此，机器视觉方式不便应用于存在粉尘、水雾及光照条件不断变化的移动巡检任务中。
激光雷达能有效应对上述问题。目前采用激光雷达（包括固定式激光雷达、部署于移动机器人上的激光雷达）进行井下带式输送机边缘提取的研究较少，主要原因是当前煤矿机器人相关产业建设正处于初期，另外《煤矿安全规程》对激光雷达等电气设备的功率有防爆限制。目前可用于井下的为功率较低、精度较差的单线或16线激光雷达。单线激光雷达采集的信息仅是传感器所在二维平面中物体的距离信息，在井下复杂巡检环境中缺乏足够的应用价值；16线激光雷达采集的信息是水平360°、分辨率0.1°及垂直30°、分辨率2°的点云，原始信息量是单线雷达的16倍，但与普遍应用于地面自动驾驶的128线激光雷达相比，其信息密度较为稀疏。虽然目前将激光雷达技术应用于带式输送机点云边缘提取的研究较少，但其他场景中的研究成果可以借鉴。在泛用性较强的点云特征提取方面：李猛钢等[13]、何怡静等[14]采用经典的LOAM（Lidar Odometry and Mapping, 雷达里程计及建图）技术提取点云中的线、面特征；Lin Jiarong等[15]改进了传统LOAM特征识别方式，提出LOAM−livox算法，实现了传统基于曲率的特征提取方法在井下的应用。在煤岩界面识别方面：荣耀等[16]采用弦法向量法分析数值点与其邻域法向量的夹角，并基于阈值筛选非煤壁与顶板交线点云，实现对顶板−墙壁交界线的提取。在大规模稠密点云方面：P. Trybala等[17]采用固定的TLS（Terrestrial Laser Scanner，地面激光扫描仪器）提供高精度点云，但未考虑煤矿设备防爆要求及设备的灵活性问题；陈建华等[18]对巷道表面点云邻域进行二次分析，借助点云法向量特征逐次筛选特征区域及特征点，提高了特征提取效率。在巷道车辆循迹方面：于淼等[19]从BEV（Bird's Eye View，鸟瞰图）角度分析井下车墙碰撞问题，采用卡尔曼滤波方式实现可行驶边界的提取，但缺乏对带式输送机、施工标志等障碍物的考虑。
除以上单独基于视觉或激光的方式外，Huang Qiang等[20]、Wen Liang等[21]采用视觉相机+激光雷达方式，由视觉相机提供高精度的X，Y轴像素信息，由激光雷达提供高精度的Z轴距离信息，实现输送带边缘提取，但该方式仍以视觉算法为主，只采用激光点云提供额外的景深信息，在环境条件良好的情况下可满足应用需求，但无法有效克服照度低、粉尘大、水雾浓等问题，对人工维护依赖大。
针对煤矿井下胶带巷复杂恶劣的巡检环境，本文采用激光雷达代替视觉相机实现带式输送机边缘提取，设计了一种基于RANSAC（Random Sample Consensus，随机样本一致）平面分割与投影−四叉树结构的边缘提取方法，并通过仿真及实验室测试验证了该方法在机器人不同运动工况及不同环境条件下的提取效果。
1. 胶带巷巡检机器人激光雷达布置方案
1.1 胶带巷非结构化环境特征分析
对带式输送机无人化巡检的前提是机器人能够辨识环境并确定自身位姿。在胶带巷场景下，可用于机器人参照定位的环境特征主要集中在顶板的管路区和带式输送机区，如图1所示。与井下其他应用场景相比，其非结构化特征较明显，对传感器精度要求较高。不失异地泛用性的，对陕煤集团神木柠条塔矿业有限公司（以下称柠条塔煤矿）井下胶带巷常见物体（要素）的点云特征退化程度及方向进行分析，见表1。除带式输送机、管道、标志牌等物体外，其余的巷道壁、线缆等狭长而高度自相似，在传感器感知中差异较小，很难用于定位。尽管在技术上可采用多线（64线及以上）激光雷达或视觉相机进行高精度扫描，但受井下防爆标准、高粉尘特点等限制，在当前条件下还无法使用。目前可用于井下巡检机器人连续扫描的激光雷达规格仅为16线。
表 1 柠条塔煤矿胶带巷常见物体（要素）点云特征退化分析Table 1. Feature degradation of point cloud of common objects （elements） in belt conveyor roadway in Ningtiaota Coal Mine名称 退化程度 退化方向 非退化方向特征间距 定位范围 带式输送机 未退化 无 约1 m（支架、
托辊间距）全局 通风管道 未退化 无 3 m以上（法兰、
承插架间距）全局 线缆 弱退化 巷道轴向 1～5 cm（线缆直径） 无法应用 标志牌、路障 未退化 无 极稀疏（摆放间距） 局部路段定位 喷浆面 完全退化 墙壁面/顶
板面/路面无特征 无法应用 未喷浆面 强退化 墙壁面/顶
板面/路面无显著特征 较难应用 1.2 激光雷达选型与布置
采用Velodyne VLP−16型激光雷达，其满足井下防爆要求，且可靠性较高。传统井下移动机器人激光雷达布置方案有水平和垂直2种，获取的点云对比如图2所示。垂直布置的激光雷达对巷道截面扫描精度较高，但无法捕获长距离环境特征；水平布置的激光雷达能够扫描巷道段大致全貌，但对机器人本体周围环境的建图效果较差。
![]()
图 2 不同布置方式下激光雷达获取的巷道点云Figure 2. Roadway point cloud obtained by LiDAR under different layout针对胶带巷环境特点，为最大程度地捕获环境特征，结合以上2种布置方案的优点，将激光雷达适应性地调整一定角度，倾斜扫描巡检机器人所处巷道段，使激光雷达的扫描范围覆盖胶带巷的特征集中区域，同时能捕获巷道长距离特征。激光雷达布置方案如图3所示。将其安装在机器人顶端，以激光雷达中心为原点o，x轴指向机器人移动正方向（垂直于纸面向内），z轴由垂直方向旋转得到并倾斜30°指向顶板，旋转方向符合x轴右手螺旋法则，oxyz坐标系符合右手坐标系。
2. 带式输送机边缘提取方法
针对激光雷达获取的胶带巷稀疏点云，从中提取带式输送机边缘，主要流程如图4所示。对原始点云进行滤波以去除噪声和无用点云，之后采用RANSAC算法分割点云，再采用基于投影−四叉树的边缘点提取算法提取带式输送机边缘点云。
2.1 巷道稀疏点云预处理
受巷道环境中粉尘、水雾等影响，激光雷达获取的原始点云中包含部分噪声，影响边缘提取精度。采用SOR（Statistical Outlier Removal，统计离群值移除）方法去除噪声。该方法针对每一个点计算其到邻域点的平均距离，并假设点云满足高斯分布，若计算的平均距离不满足全局距离下的高斯分布，则滤除该点。
为确定合适的滤波参数，在获取的柠条塔煤矿某胶带巷原始点云中添加主动噪声（粉尘污染），采用不同K邻域大小（KD）及分布阈值（MulThresh）进行滤波，统计滤波后点云规模，结果如图5所示。可看出KD对滤波后点云规模的影响较小，而MulThresh的影响较大，MulThresh＞0.1时点云规模变化明显，MulThresh≤0.1时点云规模变化不大。可将MulThresh=0.1时的点云规模视为含噪声与正常的交界值，因此取KD为25，MulThresh为0.1。
![]()
图 5 不同SOR滤波参数下巷道点云规模Figure 5. Tunnel point cloud size under different filtering parameters of SOR（statistical outlier removal） algorithm针对去噪后的点云，采用直通滤波方法分割带式输送机所在区域点云，以便有针对性地提取带式输送机边缘，结果如图6所示。可看出SOR方法滤除了大部分离群点，保留了合理点；经直通滤波后，地面和巷道壁点云被剔除，保留了带式输送机区域内的点云。
2.2 带式输送机点云平面分割
带式输送机结构主要包括支架、托辊、输送带、电动机，在井工煤矿中会额外增加防洒落护板，且在护板间设置观察窗。可将带式输送机固定件（支架、护板）点云视为多个平面。
预处理后的巷道点云本质上仅包含大量三维空间点的扫描值。点云数据结构中除时间戳、所属坐标系等信息外，还包括由n个点组成的4×n矩阵，每个点包含x，y，z坐标值及反射强度信息，并按传感器扫描线束及同线束下的扫描顺序排列。为实现带式输送机点云平面分割，需进行有效数据分析。
考虑不同巷道内带式输送机型号可能不同，在点云分割过程中设定最小平面点云规模（提取平面点数）与最大提取平面数（迭代提取次数）2个全局自定义参数，以便根据现场情况调整。采用RANSAC算法提取带式输送机点云平面。经实验测试，确定平面分割阈值Distance Threshold为0.02。本文设定最大提取平面数为7或最小平面点云规模为100，此时得到以带式输送机点云为主的局部点云集合，如图7所示。
点云平面分割模块利用ROS（Robotics Operating System，机器人操作系统）框架将提取结果封装入消息并发送至对应Topic中，由边缘提取模块监听。
2.3 带式输送机边缘提取
从图7可看出，带式输送机点云沿扫描线束密集分布，但线束之间距离较大。另外，由于托棍、支架之间不相连，护板间存在观察用间隙，所以分割出的平面呈现分区特点。
上述特点使得点云数据在传统邻域结构（如KDtree，OCtree等）下的邻近点集中在单条扫描线上，不利于建立正确的邻近索引，易导致alpha-shape、法向量估计、曲率阈值等主流边缘提取方法产生误检。即使通过点云增稠方式恢复正确的索引结构，上述算法对分区分布的点云也会提取过多的分区边界，导致对带式输送机边缘判定模糊，且在对实时性要求较高的巡检任务中造成额外的计算负担。对此，本文提出对分割出的平面点云数据建立四叉树索引结构，避免线束点云间隔过大和分区对边缘提取算法的影响。考虑RANSAC算法分割结果为近似平面点云，无法直接应用四叉树结构，因此将点云二维化。
边缘提取算法如图8所示。边缘提取模块监听到平面点云消息后，通过向拟合平面投影的方式实现点云二维化。巡检机器人在本地端部署了PCL（Point Cloud Library，点云库），但PCL未提供四叉树结构方法，因此对其Octree部分进行机器人端本地重写，修改其对z轴的依赖，实现对四叉树算法的直接引用与点云结构的有序划分。四叉树结构以点云中某个点为原点划分二维四象限，以树状顺序逐一处理，最终建立邻域索引结构。带式输送机点云平面边缘点往往至少存在1个象限没有邻近点（图8（b）），因此逐点判断该点周围是否存在空邻域，若存在则将其视为边缘点，否则为内含点。对于提取出的边缘点，根据其拟合中心相对传感器的位置判断是否为带式输送机边缘。若相对接近机器人本体坐标系原点，则该边缘点所代表的平面点云为输送机边缘点云。
3. 仿真与结果分析
3.1 rviz+Gazebo联合仿真环境
基于ROS平台搭建rviz+Gazebo联合仿真环境，对提出的带式输送机边缘提取方法进行仿真验证。在Gazebo中建立巡检机器人、VLP−16激光雷达、胶带巷三维模型并仿真，通过rviz实现传感器数据及机器人位姿可视化。
巡检机器人模型采用四轮式运动底盘，参考实验室测试用机器人的机械结构参数1∶1建模，差速驱动程序采用Gazebo官方ROS插件库提供的Skid Steering Drive插件。
针对激光雷达模型，由于Velodyne官方只提供单线激光雷达仿真驱动，所以采用开源velodyne_simulator仿真驱动程序。设置激光雷达的分辨率为16×3 600。
胶带巷模型基于手持式激光扫描仪采集的柠条塔煤矿井下巷道稠密点云构建。巷道截面尺寸约为5.5 m×5.0 m（宽×高）。考虑原始点云数据量过大，对后续网格划分及表面重建造成过拟合影响，对原始点云进行体素降采样（采样体素大小为0.005 m3）及手动滤波，仅保留实验所需巷道部分。将处理后的.ply点云文件导入Blender建模软件进行表面泊松重建及网格调整，并以.dae格式导出，形成胶带巷三维模型。
3.2 仿真条件设置
巡检机器人在井下巷道中以0～5 m/s的速度移动，并完成转弯、调头等操作。由于巷道地面颠簸，机器人位姿变化会导致点云坐标漂移。此外，巡检机器人长时间运行于高粉尘作业环境，激光雷达表面会受到煤尘污染而导致测量视野遮蔽。上述问题均影响带式输送机边缘提取精度。因此，设置巡检机器人不同运动工况（移动速度、偏航角度）和视野遮蔽条件，测试边缘提取效果。设置移动速度为1，2，3，4，5 m/s，偏航角度为0，7.5，15.0，30.0，60.0°，雷达遮敝率为0，5%，15%，30%，50%。
仿真环境搭载于Ubuntu20.04的ROS，硬件配置为i9−13900HX、RTX4060。加载联合仿真环境和边缘提取功能包launch文件。在巡检机器人运动控制节点中设置移动速度，手动调整偏航角度，在激光雷达不同扫描角度下对扫描域球面坐标系上的像素区域进行降采样滤波来模拟雷达遮蔽率。共设置125组移动速度、偏航角度、雷达遮蔽率参数。
3.3 仿真结果可视化
采用rviz软件对带式输送机边缘提取结果进行可视化处理，结果如图9所示。其中黑色点表示原始点云，红色点表示提取出的带式输送机支架边缘，蓝色线表示提取的输送带边缘，其由支架点云顶点经RANSAC算法拟合得到，并以点向式直线方程形式输出。
![]()
图 9 带式输送机边缘提取结果可视化Figure 9. Visualization of edge extraction results of belt conveyor由于雷达扫描视场角有限，该处巷道中带式输送机远离巡检机器人一侧的边缘处于扫描盲区，仅在机器人偏航或贴近带式输送机时有成像，如图9（b）所示。考虑到本文边缘提取方法在不同尺寸巷道中的适应性，设置边缘提取数量阈值为1。
3.4 仿真结果分析
每组仿真参数下均持续采集10 000帧点云数据，点云流时长约为17 min。
3.4.1 不同机器人运动工况下的边缘提取结果
设置激光雷达未被遮蔽。在1次机器人单向行驶的巷道巡检中，机器人不同运动工况下激光雷达扫描得到的带式输送机原始点云数据及边缘点云直线拟合结果如图10所示，机器人处序号与该时刻扫描点云序号对应。
对带式输送机边缘拟合直线参数与真实值差异较大的结果进行统计，得到准确提取带式输送机边缘的点云帧数，由此计算边缘提取准确率，见表2。可看出巡检机器人移动速度≤5 m/s、偏航角度小于60°时，本文方法能有效提取带式输送机边缘，准确率不低于96.33%。
![]()
图 10 机器人不同运动工况下边缘提取结果可视化Figure 10. Visualization of edge extraction results of belt conveyor under different robot motion conditions表 2 机器人不同运动工况下带式输送机边缘提取仿真结果Table 2. Edge extraction simulation results of edge extraction of belt conveyor under different robot motion conditions偏航角度/（°） 不同移动速度下的准确率/% 1 m/s 2 m/s 3 m/s 4 m/s 5 m/s 0 98.13 98.09 97.84 97.68 97.18 7.5 98.01 97.97 97.65 97.32 96.94 15.0 97.91 97.76 97.20 96.81 96.78 30.0 97.71 97.53 96.89 96.56 96.47 60.0 97.45 97.05 96.61 96.36 96.33 3.4.2 不同雷达遮蔽率下的边缘提取结果
设置巡检平台移动速度为3.0 m/s，偏航角为0，不同雷达遮蔽率下带式输送机边缘提取结果如图11所示，其中红色点为原始点云，蓝色点为遮蔽后保留的点云。
![]()
图 11 不同雷达遮敝率下带式输送机边缘提取结果可视化Figure 11. Visualization of edge extraction results of belt conveyor under different radar occlusion rates对不同遮蔽率下10 000帧点云数据的边缘提取直线拟合方程求平均，并计算平均直线与遮蔽率为0时拟合直线的夹角与投影距离，结果见表3。可看出随着遮蔽率增大，直线夹角与投影距离增大，表明平均直线逐渐偏离正确范围，这与主观可视化结果一致；遮蔽率小于30%时边缘提取效果较好。基于此，计算每帧点云数据边缘提取拟合直线与遮蔽率为0时拟合直线的夹角与投影距离，若遮蔽率不超过30%时夹角不大于15°，则认为边缘提取结果有效。经统计，有效提取的点云帧数为7 923，即准确率为79.23%。
表 3 不同雷达遮蔽率下带式输送机边缘提取仿真结果Table 3. Simulation results of edge extraction of belt conveyor under different radar occlusion rates遮蔽率/% 直线夹角/（°） 投影距离/m 0 0 0 5 4.37 0.02 15 7.02 0.04 30 12.89 0.11 50 37.63 0.33 4. 实验室测试与结果分析
4.1 测试环境
实验室测试用带式输送机尺寸为15 m×2 m×1.5 m（长×宽×高）。巡检机器人采用四轮式结构，传感器倾斜布置，搭载Velodyne VLP−16激光雷达，部署Ubuntu20.04下的ROS−Noetic分布式框架。测试环境如图12所示。
![]()
图 12 带式输送机边缘提取测试环境Figure 12. Experimental environment of edge extraction algorithm for belt conveyor4.2 测试条件设置
测试用带式输送机尺寸受限，因此主要进行不同机器人偏航角度下的测试。测试过程中巡检机器人保持静止，雷达遮蔽率为30%，采用向原始点云中添加主动噪声的方式实现。针对环境中栅栏、工件架、立柱等物体造成的干扰，采用直通滤波方法滤除。
在湿度较高的井下巷道中，附着于带式输送机油漆表面的水层可能对边缘提取精度造成影响[22-23]。对此，设置不同水层分布比例，即通过人工手动喷雾方式，控制喷雾区域面积占带式输送机表面积的比例，测试边缘提取效果。本文水层分布比例设为0～24.9%，25.0%～49.9%，50.0%～74.9%，75.0%～99.9%，100%。
4.3 测试结果与分析
4.3.1 不同偏航角度下的边缘提取结果
在30%遮蔽率下，偏航角度不同时带式输送机边缘提取测试结果见表4。可看出在相同的雷达遮蔽率下，偏航角度对边缘提取准确性的影响不大，且准确率均略低于30%遮蔽率下的仿真结果，原因可能是受测试用激光雷达老化及机器人硬件算力影响。
表 4 不同偏航角度下带式输送机边缘提取测试结果Table 4. Edge extraction experiment results of belt conveyor under different yaw angle偏航角度/（°） 直线夹角/（°） 投影距离/m 准确率/% 0 14.57 0.12 77.25 7.5 15.05 0.14 76.93 15.0 16.12 0.14 74.11 30.0 15.92 0.15 75.36 60.0 16.11 0.15 74.97 带式输送机边缘提取可视化结果如图13所示。其中黑色点为原始点云，蓝色点为滤波后的点云，红色点为提取的边缘点云，蓝色线为边缘拟合直线。可看出在不同偏航角度下，本文方法均能够有效提取出带式输送机边缘。
![]()
图 13 不同偏航角度下带式输送机边缘提取可视化结果Figure 13. Visualization of edge extraction results of belt conveyor under different yaw angles4.3.2 不同水层分布比例下的边缘提取结果
不同水层分布比例下的带式输送机边缘提取测试结果见表5。可看出不同水层分布比例下边缘提取准确率差别较小，但随着重复测试次数增多，准确率略呈下降趋势，原因可能是重复测试过程中未擦拭带式输送机表面，导致金属表面水层厚度逐渐增加。擦干并通风一段时间后再次测试，该现象消失。在水层分布比例为100%且厚度饱和条件下，重复测试至结果稳定，得边缘提取准确率在88%以上，因此认为井下水雾环境对本文边缘提取方法的影响较小。
表 5 不同水层分布比例下带式输送机边缘提取测试结果Table 5. Edge extraction experiment results of belt conveyor under different distribution ratios of water layers% 序号 不同水层分布比例下的准确率 0～24.9% 25.0%～49.9% 50.0%～74.9% 75.0%～99.9% 100% 1 97.95 97.51 97.64 97.29 97.25 2 95.51 95.23 96.85 95.44 94.23 3 91.02 94.17 92.43 90.50 91.59 4 92.28 89.90 91.08 89.82 90.06 5 89.19 89.11 89.12 89.01 89.23 4.4 边缘提取方法对比分析
在不同参数下对传统基于经纬的极值检索法、基于KDTree/OcTree的曲率阈值法、基于KDTree/OcTree的临近点夹角阈值法和本文方法进行对比，结果见表6。可看出巡检机器人移动速度为5 m/s、偏航角为60°（其余参数为0）时，本文方法的准确率为96%，略低于极值检索法，高于曲率阈值法和临近点夹角阈值法；雷达遮敝率为30%（其余参数为0）时，本文方法的准确率为79%，与曲率阈值法、临近点夹角阈值法接近，但较极值检索法大幅提高；水层分布比例为100%（其余参数为0）时，本文方法与临近点夹角阈值法的准确率最高，为88%；本文方法的平均计算耗时最短，为36 ms。综合边缘提取准确率与计算速度，本文方法表现最好。
表 6 不同边缘提取方法测试结果对比Table 6. Comparison of test results for different edge extraction methods方法 不同参数下的准确率/% 平均计算
耗时/ms5 m/s移动速度，
60°偏航角30%雷达
遮蔽率100%水层
分布比例极值检索法 97 55 87 51 曲率阈值法 89 80 86 143 临近点夹角阈值法 89 81 88 156 本文方法 96 79 88 36 5. 结论
1） 针对高粉尘、低光照、浓水雾的煤矿井下带式输送机巡检环境，采用防爆16线激光雷达作为巡检机器人传感器获取巷道点云，进而实现带式输送机边缘提取，降低了环境因素对提取结果的影响。
2） 对原始点云进行预处理后，采用RANSAC算法分割带式输送机点云平面，基于投影−四叉树方法提取平面中的边缘点。
3） 搭建rviz+Gazebo联合仿真环境，采用柠条塔煤矿胶带巷点云数据进行仿真实验。在机器人不同运动工况下，提出的带式输送机边缘提取方法的准确率不低于96.33%；雷达遮蔽率低于30%时，准确率不低于79.23%。
4） 在实验室进行实物测试，结果表明在水层分布比例为100%且厚度饱和条件下，提出的带式输送机边缘提取方法准确率不低于88%。该方法与传统基于经纬的极值检索法、基于KDTree/OcTree的曲率阈值法、基于KDTree/OcTree的临近点夹角阈值法相比，计算精度整体表现最优，且平均计算耗时最短，为36 ms，满足井下实时巡检需求。
-
![]()
图 1 悬臂式掘进机综掘机组
1−悬臂式掘进机；2−机载锚杆钻机；3−桥式转载机；4−带式输送机。
Figure 1. Cantilever roadheader comprehensive excavation unit
![]()
图 2 连续采煤机掘进技术的掘进与支护设备
Figure 2. Continuous shearer tunneling technology tunneling and support equipment
![]()
图 3 连续采煤机掘进技术用于双巷掘进中设备布置
1−连续采煤机；2−梭车；3−主运输巷；4−破碎机；5−带式输送机；6−锚杆钻车；7−辅运输巷；8−铲车；9−联络巷。
Figure 3. Continuous shearer tunneling technology is used for equipment layout in double roadways tunneling
-
[1] 王虹. 我国综合机械化掘进技术发展40 a[J]. 煤炭学报,2010,35(11):1815-1820. DOI: 10.13225/j.cnki.jccs.2010.11.009 WANG Hong. The 40 years developmental review of the fully mechanized mine roadway heading technology in China[J]. Journal of China Coal Society,2010,35(11):1815-1820. DOI: 10.13225/j.cnki.jccs.2010.11.009
[2] 王国法,刘峰,孟祥军,等. 煤矿智能化(初级阶段)研究与实践[J]. 煤炭科学技术,2019,47(8):1-36. WANG Guofa,LIU Feng,MENG Xiangjun,et al. Research and practice on intelligent coal mine construction(primary stage)[J]. Coal Science and Technology,2019,47(8):1-36.
[3] 王虹. 我国煤矿巷道掘进技术和装备的现状与发展[J]. 煤炭科学技术,2010,38(1):57-62. WANG Hong. Present status and development of mine roadway heading technology and equipment in China coal mine[J]. Coal Science and Technology,2010,38(1):57-62.
[4] 张科学. 综掘工作面智能化开采技术研究[J]. 煤炭科学技术,2017,45(7):106-111. DOI: 10.13199/j.cnki.cst.2017.07.019 ZHANG Kexue. Study on intelligent mining technology of fully-mechanized heading face[J]. Coal Science and Technology,2017,45(7):106-111. DOI: 10.13199/j.cnki.cst.2017.07.019
[5] 惠兴田,田国宾,康高鹏,等. 煤巷掘进装备技术现状及关键技术探讨[J]. 煤炭科学技术,2019,47(6):11-16. HUI Xingtian,TIAN Guobin,KANG Gaopeng,et al. Discussion on equipment technology status and key technology of roadway driving[J]. Coal Science and Technology,2019,47(6):11-16.
[6] 张东宝. 煤巷智能快速掘进技术发展现状与关键技术[J]. 煤炭工程,2018,50(5):56-59. ZHANG Dongbao. Development status and key technology of intelligent rapid driving technology in coal seam roadway[J]. Coal Engineering,2018,50(5):56-59.
[7] 杨健健,张强,吴淼,等. 巷道智能化掘进的自主感知及调控技术研究进展[J]. 煤炭学报,2020,45(6):2045-2055. YANG Jianjian,ZHANG Qiang,WU Miao,et al. Research progress of autonomous perception and control technology for intelligent heading[J]. Journal of China Coal Society,2020,45(6):2045-2055.
[8] 吕志,朱建明,胡宇,等. 综掘巷道超前支护装置及其应用研究[J]. 金属矿山,2015(2):45-48. LYU Zhi,ZHU Jianming,HU Yu,et al. Forepoling device for fully mechanized roadway heading and its Aapplication[J]. Metal Mine,2015(2):45-48.
[9] 史德强,陆刚,秦帅韬,等. 综掘工作面掘进机截割速度的分析与研究[J]. 煤炭工程,2016,48(5):106-108. DOI: 10.11799/ce201605033 SHI Deqiang,LU Gang,QIN Shuaitao,et al. Analysis and research on cutting speed and fault tree of heading machine in fully mechanized heading face[J]. Coal Engineering,2016,48(5):106-108. DOI: 10.11799/ce201605033
[10] 王晨升,苏芳. 掘锚交叉综掘工艺工业性试验研究[J]. 工矿自动化,2016,42(9):43-47. WANG Chensheng,SU Fang. Study on industrial test of fully mechanized fast excavation technology of alternating with advancing or bolting[J]. Industry and Mine Automation,2016,42(9):43-47.
[11] 吴淼,李瑞,王鹏江,等. 基于数字孪生的综掘巷道并行工艺技术初步研究[J]. 煤炭学报,2020,45(增刊1):506-513. DOI: 10.13225/j.cnki.jccs.2019.1453 WU Miao,LI Rui,WANG Pengjiang,et al. Preliminary study on the parallel technology of fully mechanized roadway based on digital twin[J]. Journal of China Coal Society,2020,45(S1):506-513. DOI: 10.13225/j.cnki.jccs.2019.1453
[12] 李慧平. 连采机掘进工艺在综掘机掘进巷道中的应用[J]. 煤炭技术,2015,34(8):218-220. DOI: 10.13301/j.cnki.ct.2015.08.085 LI Huiping. Continuous mining machine driving technology application in excavation roadway digging machine in ensemble[J]. Coal Technology,2015,34(8):218-220. DOI: 10.13301/j.cnki.ct.2015.08.085
[13] 易香保,倪礼强. 大断面软岩巷道综掘快速施工技术[J]. 煤炭工程,2018,50(6):75-77. YI Xiangbao,NI Liqiang. Rapid construction technology of large section soft rock roadway[J]. Coal Engineering,2018,50(6):75-77.
[14] 李瑞,蒋威,王鹏江,等. 自移式临时支架的异步耦合调平控制方法[J]. 煤炭学报,2020,45(10):3625-3635. DOI: 10.13225/j.cnki.jccs.2019.1131 LI Rui,JIANG Wei,WANG Pengjiang,et al. Asynchronous coupling approach for leveling control of self-shifting temporary support[J]. Journal of China Coal Society,2020,45(10):3625-3635. DOI: 10.13225/j.cnki.jccs.2019.1131
[15] 符世琛,李一鸣,杨健健,等. 基于超宽带技术的掘进机自主定位定向方法研究[J]. 煤炭学报,2015,40(11):2603-2610. DOI: 10.13225/j.cnki.jccs.2015.7064 FU Shichen,LI Yiming,YANG Jianjian,et al. Research on autonomous positioning and orientation method of roadheader based on ultra wide-band technology[J]. Journal of China Coal Society,2015,40(11):2603-2610. DOI: 10.13225/j.cnki.jccs.2015.7064
[16] 刘延生. 唐口煤矿综掘机智能远程控制技术[J]. 工矿自动化,2020,46(9):27-32. DOI: 10.13272/j.issn.1671-251x.17537 LIU Yansheng. Intelligent remote control technology for fully-mechanized roadheader of Tangkou Coal Mine[J]. Industry and Mine Automation,2020,46(9):27-32. DOI: 10.13272/j.issn.1671-251x.17537
[17] 高云峰,马进功. 国产化连续采煤机在国内的应用发展现状[J]. 煤炭工程,2017,49(8):145-148. DOI: 10.11799/ce201708041 GAO Yunfeng,MA Jingong. Current application and development status of domestic continuous miner[J]. Coal Engineering,2017,49(8):145-148. DOI: 10.11799/ce201708041
[18] 张振,梁大海. 国产连续采煤机在神东矿区快速掘进中的应用[J]. 煤矿机械,2010,31(5):184-186. DOI: 10.3969/j.issn.1003-0794.2010.05.077 ZHANG Zhen,LIANG Dahai. Application in Shendong ore district of domestic dontinuous miner for fast tunneling[J]. Coal Mine Machinery,2010,31(5):184-186. DOI: 10.3969/j.issn.1003-0794.2010.05.077
[19] 翟慧兵,孔宏伟,陈军. 大采高工作面多巷连采机掘进技术研究[J]. 煤炭工程,2011,43(2):28-30. DOI: 10.3969/j.issn.1671-0959.2011.02.012 ZHAI Huibing,KONG Hongwei,CHEN Jun. Study on the tunneling technology of multi-lane continuous mining machine in large mining and high working face[J]. Coal Engineering,2011,43(2):28-30. DOI: 10.3969/j.issn.1671-0959.2011.02.012
[20] 贺安民. 连采机掘进半煤岩巷效率及工艺优化研究[J]. 煤炭工程,2013,45(增刊1):29-30,34. HE Anmin. Study on driving efficiency and technique optimization of continuous miner in semi coal and rock gateway[J]. Coal Engineering,2013,45(S1):29-30,34.
[21] 范晓东,闫红红,张宏,等. 连采机截齿安装角对截割性能的影响研究[J]. 煤矿机械,2019,40(12):32-35. FAN Xiaodong,YAN Honghong,ZHANG Hong,et al. Study on influence of cutting angle on cutting performance of continuous mining machine[J]. Coal Mine Machinery,2019,40(12):32-35.
[22] 梁大海,魏帅,闫飞. 连续采煤机台阶法掘进技术研究[J]. 煤炭技术,2022,41(5):58-61. DOI: 10.13301/j.cnki.ct.2022.05.015 LIANG Dahai,WEI Shuai,YAN Fei. Study on bench method driving technology of continuous miner[J]. Coal Technology,2022,41(5):58-61. DOI: 10.13301/j.cnki.ct.2022.05.015
[23] 王虹,王建利,张小峰. 掘锚一体化高效掘进理论与技术[J]. 煤炭学报,2020,45(6):2021-2030. WANG Hong,WANG Jianli,ZHANG Xiaofeng. Theory and technology of efficient roadway advance with driving and bolting integration[J]. Journal of China Coal Society,2020,45(6):2021-2030.
[24] 崔旭芳. 常村煤矿掘锚机快速成巷技术研究[J]. 金属矿山,2014(12):57-60. CUI Xufang. Research on technology of driving anchor machine quick tunneling in Changcun Coal Mine[J]. Metal Mine,2014(12):57-60.
[25] 吴建星,吴拥政. 基于掘锚一体机的煤巷锚杆支护参数及施工工艺优化研究[J]. 煤矿开采,2014,19(6):64-67. DOI: 10.13532/j.cnki.cn11-3677/td.2014.06.017 WU Jianxing,WU Yongzheng. Optimization of supporting parameters and construction technique of coal roadway based on driving and anchor machine[J]. Coal Mining Technology,2014,19(6):64-67. DOI: 10.13532/j.cnki.cn11-3677/td.2014.06.017
[26] 任水泉. 掘锚一体化技术在万利一矿的应用[J]. 煤炭工程,2015,47(2):47-49. DOI: 10.11799/ce201502015 REN Shuiquan. Application of driving-bolting integration technology in Wanli No.1 Coal Mine[J]. Coal Engineering,2015,47(2):47-49. DOI: 10.11799/ce201502015
[27] 陈大广. 掘锚一体化巷道支护参数分析与工序优化[J]. 煤矿安全,2017,48(10):224-227,231. DOI: 10.13347/j.cnki.mkaq.2017.10.059 CHEN Daguang. Roadway supporting parameters analysis and process optimization for excavation and bolting integration[J]. Safety in Coal Mines,2017,48(10):224-227,231. DOI: 10.13347/j.cnki.mkaq.2017.10.059
[28] 董庆,蔡志炯,赵洪. 掘锚一体机在特厚煤层大断面回采巷道支护中的应用[J]. 煤炭工程,2018,50(12):35-40. DONG Qing,CAI Zhijiong,ZHAO Hong. Application study on support technology for gateway of large section in extremely thick coal seam using intellectualized driving and anchor machine[J]. Coal Engineering,2018,50(12):35-40.
[29] 李旺年. 掘锚一体机机载锚杆钻机的研制[J]. 煤矿安全,2021,52(7):138-141. DOI: 10.13347/j.cnki.mkaq.2021.07.026 LI Wangnian. Development of bolting machine on anchor excavator machine[J]. Safety in Coal Mines,2021,52(7):138-141. DOI: 10.13347/j.cnki.mkaq.2021.07.026
[30] 范要辉. 六臂掘锚机的设计研究[J]. 煤炭技术,2021,40(8):205-207. FAN Yaohui. Design and research of six-arm bolter-miner[J]. Coal Technology,2021,40(8):205-207.
[31] 杨健健,张强,王超,等. 煤矿掘进机的机器人化研究现状与发展[J]. 煤炭学报,2020,45(8):2995-3005. YANG Jianjian,ZHANG Qiang,WANG Chao,et al. Status and development of robotization research on roadheader for coal mines[J]. Journal of China Coal Society,2020,45(8):2995-3005.
[32] 田劼. 悬臂掘进机掘进自动截割成形控制系统研究[D]. 北京: 中国矿业大学（北京）, 2010. TIAN Jie. Research on boom-type roadheader auto cutting and profiling control system[D]. Beijing: China University of Mining & Technology-Beijing, 2010.
[33] 王苏彧. 悬臂式掘进机记忆截割及自动截割控制方法研究[D]. 北京: 中国矿业大学（北京）, 2014. WANG Suyu. Study on memory cutting and automatic cutting control method of boom-type roadheader[D]. Beijing: China University of Mining & Technology-Beijing, 2014.
[34] 伍普照. 悬臂式掘进机智能截割控制系统研究与设计[J]. 中国煤炭,2017,43(8):100-104. DOI: 10.3969/j.issn.1006-530X.2017.08.025 WU Puzhao. Research and design of intelligent cutting control system for boom-type roadheader[J]. China Coal,2017,43(8):100-104. DOI: 10.3969/j.issn.1006-530X.2017.08.025
[35] 谢苗,李晓婧,刘治翔. 基于PID的掘进机横摆速度智能控制[J]. 机械设计与研究,2019,35(1):125-127,132. XIE Miao,LI Xiaojing,LIU Zhixiang. The intelligent control of roadheaders yaw velocity is established based on neural network PID control method[J]. Machine Design & Research,2019,35(1):125-127,132.
[36] 张德义,刘送永,贾新庆,等. 基于红外热像的夹矸巷道断面记忆截割试验研究[J]. 煤炭学报,2021,46(10):3377-3385. ZHANG Deyi,LIU Songyong,JIA Xinqing,et al. Experimental study on memory cutting of roadway cross-section containing gangue based on infrared thermography[J]. Journal of China Coal Society,2021,46(10):3377-3385.
[37] 王鹏江,杨阳,王东杰,等. 悬臂式掘进机煤矸智能截割控制系统与方法[J]. 煤炭学报,2021,46(增刊2):1124-1134. WANG Pengjiang,YANG Yang,WANG Dongjie,et al. Intelligent cutting control system and method of coal and gangue in robotic roadheader[J]. Journal of China Coal Society,2021,46(S2):1124-1134.
[38] 伍小杰,孙新贺,刘贺,等. 悬臂式掘进机远程监控系统设计[J]. 煤炭科学技术,2011,39(3):87-90. WU Xiaojie,SUN Xinhe,LIU He,et al. Design on remote monitoring and control system of boom type mine roadheader[J]. Coal Science and Technology,2011,39(3):87-90.
[39] 张敏骏,臧富雨,吉晓冬,等. 掘进机远程监控系统设计与位姿检测精度验证[J]. 煤炭科学技术,2018,46(12):48-53. ZHANG Minjun,ZANG Fuyu,JI Xiaodong,et al. Design of remote monitoring system for roadheader and accuracy verification of position and posture detection[J]. Coal Science and Technology,2018,46(12):48-53.
[40] 张旭辉,陈利,马宏伟,等. 煤矿掘进机器人虚拟仿真与远程控制系统[J]. 工矿自动化,2016,42(12):78-83. ZHANG Xuhui,CHEN Li,MA Hongwei,et al. Virtual simulation and remote control system for coal mine roadheader robot[J]. Industry and Mine Automation,2016,42(12):78-83.
[41] 张旭辉,谢亚洲. 基于DSP的悬臂式掘进机控制系统设计[J]. 煤炭工程,2019,51(12):172-176. ZHANG Xuhui,XIE Yazhou. Design of roadheader control system based on DSP[J]. Coal Engineering,2019,51(12):172-176.
[42] 张旭辉,张超,王妙云,等. 数字孪生驱动的悬臂式掘进机虚拟操控技术[J]. 计算机集成制造系统,2021,27(6):1617-1628. DOI: 10.13196/j.cims.2021.06.008 ZHANG Xuhui,ZHANG Chao,WANG Miaoyun,et al. Digital twin-driven virtual control technology of cantilever roadheader[J]. Computer Integrated Manufacturing Systems,2021,27(6):1617-1628. DOI: 10.13196/j.cims.2021.06.008
[43] 郝俊信. 综掘机远程可视化智能掘进技术的研究[J]. 煤炭科学技术,2021,49(增刊2):274-279. HAO Junxin. Research on long-distance visual intelligent tunneling technology of full-mechanized driving machine[J]. Coal Science and Technology,2021,49(S2):274-279.
[44] 呼守信. 高效快速掘进系统的协同控制[J]. 工矿自动化,2017,43(4):86-88. HU Shouxin. Cooperative control of high-efficient and rapid excavation system[J]. Industry and Mine Automation,2017,43(4):86-88.
[45] 程凤霞. 综掘成套装备协同联动控制系统设计[J]. 自动化仪表,2020,41(6):96-99. CHENG Fengxia. Design of coordinated linkage control system of comprehensive excavation equipment[J]. Process Automation Instrumentation,2020,41(6):96-99.
[46] 马宏伟,王鹏,王世斌,等. 煤矿掘进机器人系统智能并行协同控制方法[J]. 煤炭学报,2021,46(7):2057-2067. MA Hongwei,WANG Peng,WANG Shibin,et al. Intelligent parallel cooperative control method of coal mine excavation robot system[J]. Journal of China Coal Society,2021,46(7):2057-2067.
下载:
计量
- 文章访问数: 2337
- HTML全文浏览量: 107
- PDF下载量: 194
