袁曉明， 郝明銳

(中國煤炭科工集團太原研究院有限公司， 山西 太原 030006)

0 引言

隨著我國煤炭產(chǎn)業(yè)綜采自動化技術(shù)、綜掘系列裝備等接連實現(xiàn)重大突破，建設(shè)全生產(chǎn)過程智能化、信息化、機器人化的智慧礦井已成為煤炭產(chǎn)業(yè)的發(fā)展方向[1-2]。輔助運輸系統(tǒng)是整個煤炭生產(chǎn)體系中的關(guān)鍵環(huán)節(jié)，其技術(shù)水平和作業(yè)效率直接關(guān)系到煤礦生產(chǎn)減人增效目標(biāo)的達(dá)成。實現(xiàn)井下物料標(biāo)準(zhǔn)化裝載、智能化配送、自動化轉(zhuǎn)運和無人化運輸?shù)倪B續(xù)型輔助運輸工藝是智慧礦井建設(shè)的必要條件和技術(shù)支撐[3-6]。而當(dāng)前現(xiàn)有的煤礦輔助運輸系統(tǒng)難以適應(yīng)智能綜采工作面、無人掘進工作面等的發(fā)展需求，亟需發(fā)展結(jié)合清潔動力、物聯(lián)網(wǎng)和自動駕駛等技術(shù)的智能輔助運輸系統(tǒng)，彌補智慧礦山建設(shè)的輔運短板。

煤礦輔助運輸機器人是礦井智能輔助運輸系統(tǒng)的配套裝備。在煤礦井下深部受限空間內(nèi)，通過機器視覺、無線通信、慣性導(dǎo)航、人工智能等技術(shù)，實現(xiàn)可靠的環(huán)境感知、精確的定位導(dǎo)航和快速的路徑規(guī)劃是研究輔助運輸機器人的關(guān)鍵。楊林等[7]將即時定位與地圖構(gòu)建(Simultaneous Localization and Mapping，SLAM)技術(shù)應(yīng)用到煤礦巡檢機器人中，利用多線激光雷達(dá)和雙目相機實現(xiàn)了小型履帶式移動機器人在井下的自主感知定位。杜雨馨等[8]將機器視覺技術(shù)應(yīng)用到掘進機位姿檢測系統(tǒng)中，實現(xiàn)了掘進機機身位姿自動實時檢測。李森[9]將慣性導(dǎo)航裝置捷聯(lián)于采煤機，實現(xiàn)了采煤機行走三維空間軌跡的實時測量。譚玉新等[10]將人工智能算法應(yīng)用于煤礦井下搜救機器人的路徑規(guī)劃中，實現(xiàn)了移動機器人在井下局部復(fù)雜空間內(nèi)的平穩(wěn)行進。同時，物聯(lián)網(wǎng)技術(shù)在煤礦井下的應(yīng)用為建立覆蓋輔助運輸巷道的大范圍、高可靠的無線通信網(wǎng)絡(luò)提供了技術(shù)支撐：① 以超寬帶(Ultra Wide Band，UWB)為代表的高精度定位技術(shù)已用于煤礦井下人員和設(shè)備定位，定位誤差可控制在30 cm以內(nèi)[11]。② 以遠(yuǎn)距離無線電(Long Range Radio，LoRa)為代表的低功耗廣域網(wǎng)技術(shù)已在井下無線通信領(lǐng)域應(yīng)用，在礦井復(fù)雜環(huán)境下的有效通信距離超過2 000 m，最高傳輸速率達(dá)37.5 kbit/s[12]。③ 5G和WiFi6等低延遲、高帶寬的無線通信技術(shù)開始在煤礦井下投入使用[13]，可滿足自動駕駛實時數(shù)據(jù)傳輸需求。

上述研究為煤礦輔助運輸機器人提供了可借鑒的技術(shù)基礎(chǔ)。但是與掘進機、采煤機和巡檢機器人等設(shè)備移動速度較低、運行環(huán)境單一、路線相對固定的使用工況不同，輔助運輸機器人需要在長達(dá)十幾千米甚至幾十千米的巷道內(nèi)自主完成運輸任務(wù)，移動速度較快、行駛路線多變、路面情況復(fù)雜，對設(shè)備的安全性、可靠性、智能化水平要求較高。針對輔助運輸系統(tǒng)的特殊工況，本文首先構(gòu)建了煤礦輔助運輸機器人的技術(shù)架構(gòu)，然后針對機器人的環(huán)境感知、定位導(dǎo)航和路徑規(guī)劃三大功能，分別提出了相應(yīng)的解決方案。

1 煤礦輔助運輸機器人技術(shù)架構(gòu)

1.1 煤礦輔助運輸機器人的結(jié)構(gòu)形式

與防爆無軌膠輪車傳統(tǒng)的布置形式不同，煤礦輔助運輸機器人采用無駕駛室的結(jié)構(gòu)設(shè)計，如圖1所示。煤礦輔助運輸機器人以自動駕駛系統(tǒng)為控制中樞，以輪式防爆線控動力底盤為移動平臺，通過可更換的多種上裝載具，實現(xiàn)不同物料在井下運輸?shù)臒o人化。

圖1 煤礦輔助運輸機器人結(jié)構(gòu)Fig.1 Structure of coal mine auxiliary transportation robot

為滿足井下運輸作業(yè)需求，適應(yīng)不同的巷道條件，機器人最大載質(zhì)量為5 000 kg，最大整機寬度為2 000 mm，最大長度為5 000 mm，最大高度為1 500 mm，最高井下作業(yè)車速為20 km/h。輪式動力底盤的行走、轉(zhuǎn)向和制動等動作采用防爆線控技術(shù)，以實現(xiàn)自動駕駛系統(tǒng)對底盤運動的精確控制；同時，為解決防爆電驅(qū)平臺長期存在的續(xù)航問題，該底盤具備動力電池快換功能，使機器人擁有連續(xù)作業(yè)能力。

1.2 煤礦輔助運輸機器人的技術(shù)框架

煤礦輔助運輸機器人總體技術(shù)框架如圖2所示，分為4個層級，除頂層的云端服務(wù)及監(jiān)控平臺外，其余3層均屬于機器人本體。

圖2 煤礦輔助運輸機器人技術(shù)框架Fig.2 Technology configuration of coal mine auxiliary transportation robot

云端服務(wù)及監(jiān)控平臺屬于智慧礦山建設(shè)的重要環(huán)節(jié)，可為物料運輸機器人提供大數(shù)據(jù)平臺支持，完成云端喚醒、實時監(jiān)控功能，并可實現(xiàn)遠(yuǎn)程接管。

底層的防爆電驅(qū)動力底盤是輔助運輸機器人的移動平臺，為滿足自動駕駛控制精度和響應(yīng)速度要求，采用防爆線控技術(shù)實現(xiàn)運動功能。線控轉(zhuǎn)向和線控加速由以防爆電動機為動力的牽引、轉(zhuǎn)向系統(tǒng)實現(xiàn)，線控制動則通過防爆電液比例控制技術(shù)實現(xiàn)。

自動駕駛硬件平臺主要由激光雷達(dá)、深度相機和測距雷達(dá)等傳感設(shè)備，慣性測量單元(Inertial Measurement Unit，IMU)、GPS模塊、UWB標(biāo)簽等定位模塊和負(fù)責(zé)數(shù)據(jù)分析處理工作的計算單元組成。硬件平臺選型需綜合考慮設(shè)備的探測精度與價格成本，在滿足井下自動駕駛功能需求的同時，盡量控制成本，以便于推廣應(yīng)用。此外，對于自動駕駛硬件設(shè)備的防爆設(shè)計，應(yīng)避免激光雷達(dá)、深度相機等光學(xué)元件在增加防爆結(jié)構(gòu)后造成探測精度的損失。

自動駕駛軟件平臺是整個機器人系統(tǒng)的核心，分為3個層級：實時操作系統(tǒng)層、軟件運行框架層和功能模塊層。為保證對傳感器采集的數(shù)據(jù)及時進行計算分析，并執(zhí)行相應(yīng)操作，自動駕駛需要基于實時操作系統(tǒng)(Real-Time Operating System,RTOS)運行。軟件運行框架層提供各功能模塊的開發(fā)和運行環(huán)境，機器人操作系統(tǒng)(Robot Operating System, ROS)具備完整的開發(fā)工具包、靈活的計算調(diào)度模型及豐富的調(diào)試工具，能夠統(tǒng)一提供配置管理、部署運行、底層通信等功能。功能模塊層包括環(huán)境感知、定位導(dǎo)航、規(guī)劃決策和運動控制等單元，是輔助運輸機器人實現(xiàn)環(huán)境感知、定位導(dǎo)航和路徑規(guī)劃等主要功能的應(yīng)用程序。

2 礦井低照度環(huán)境下視覺增強及感知融合技術(shù)

環(huán)境感知功能是移動機器人系統(tǒng)運行的基礎(chǔ)。當(dāng)前地面自動駕駛車輛主要采用以三維高精度激光雷達(dá)探測手段為主、其他探測方式為輔的環(huán)境感知解決方案[14]。然而該方案的成本過高，限制了自動駕駛技術(shù)的推廣使用。與地面行駛環(huán)境相比，礦井交通環(huán)境相對單一，具有封閉的使用環(huán)境、較直的井下巷道、較低的行駛速度、最大雙車道等利于自動駕駛技術(shù)落地的運行條件，但同時又存在路面起伏多、環(huán)境照度低、具有直角彎道、設(shè)備有防爆要求等特殊工況。

煤礦輔助運輸機器人的環(huán)境感知功能采用激光和視覺融合的SLAM技術(shù)實現(xiàn)，其中激光SLAM傳感器采用如圖3(a)所示的單線激光雷達(dá)，視覺SLAM傳感器采用如圖3(c)所示的深度相機。該方案以相對較低的設(shè)備成本滿足井下自動駕駛運行需求。

(a) 單線激光雷達(dá)

(b) 點云圖像

(c) 深度相機

(d) 深度圖像

煤礦輔助運輸機器人環(huán)境感知功能框架如圖4所示。在機器人移動過程中，通過車載的激光雷達(dá)、深度相機和測距探頭采集礦井環(huán)境信息，利用數(shù)據(jù)融合算法將實時采集的圖像信息、深度信息和點云信息進行融合分析，建立巷道環(huán)境的精確數(shù)字地圖，實現(xiàn)機器人在井下封閉空間內(nèi)的感知定位。

法國前總理、著名作家德維爾潘是拉加德政治生涯中的頭號貴人，正是他慧眼識人，看出了拉加德成功女商人面孔下面的從政渴望，在其2005年組閣時，對她發(fā)出了征召令。

圖4 煤礦輔助運輸機器人環(huán)境感知功能框架Fig.4 Environment perception function framework of coal mine auxiliary transportation robot

為滿足煤礦防爆要求，機器人采用若干隔爆型感知模塊設(shè)計，將傳感設(shè)備布置于各隔爆模塊中，并結(jié)合底盤外形特點進行合理布置，實現(xiàn)對機器人周圍環(huán)境的360°無盲區(qū)探測，以保證運輸作業(yè)安全。機器人環(huán)境感知探測如圖5所示，使用多個深度相機，組成環(huán)繞車身的視覺感知群，在行駛過程中利用紅外成像技術(shù)，實現(xiàn)礦井低照度條件下對巷道三維環(huán)境的圖像特征和深度信息提?。粚?個單線激光雷達(dá)分別布置在底盤前后兩端，利用其視野范圍廣、可靠性高的特點，實時采集運行環(huán)境的二維平面點云信息；再結(jié)合布置在車身周圍的多個激光測距探頭，利用其探測距離遠(yuǎn)、簡單可靠的優(yōu)勢，共同組成機器人的遠(yuǎn)、中、近3層環(huán)境感知網(wǎng)絡(luò)。

3 煤礦井下受限空間內(nèi)的無線通信及定位技術(shù)

受限于地下作業(yè)環(huán)境，運輸裝備在煤礦井下難以接收GPS信號，地面常用的GPS+IMU的慣性導(dǎo)航技術(shù)無法使用。煤礦輔助運輸機器人采用基于物聯(lián)網(wǎng)的無線通信定位和基于SLAM的自主感知定位相結(jié)合的組合定位技術(shù)，實現(xiàn)煤礦井下受限空間內(nèi)的精確定位。

圖5 煤礦輔助運輸機器人環(huán)境感知探測Fig.5 Environment perception detection of coal mine auxiliary transportation robot

3.1 基于物聯(lián)網(wǎng)的無線通信定位

利用物聯(lián)網(wǎng)技術(shù)建立可覆蓋機器人運行范圍的無線通信網(wǎng)絡(luò)，實現(xiàn)遠(yuǎn)程數(shù)據(jù)傳輸和運行狀態(tài)實時監(jiān)控，同時利用無線通信定位功能，實現(xiàn)機器人在巷道內(nèi)的精確定位。當(dāng)前主要無線通信技術(shù)參數(shù)對比見表1。煤礦輔助運輸機器人采用低延遲WiFi+LoRa+UWB的無線通信解決方案：低延遲WiFi模塊可提供1 Gbit/s以上的數(shù)據(jù)傳輸速率，滿足機器人實時視頻等數(shù)據(jù)的傳輸需求；LoRa模塊提供遠(yuǎn)距離通信功能，有效通信距離超過2 km，可避免出現(xiàn)通信盲區(qū)；UWB模塊提供高精度線性定位功能，定位精度可控制在30 cm以內(nèi)。

表1 主要無線通信技術(shù)參數(shù)對比Table 1 Comparison of parameters of main wireless communication technologies

在井下部署相應(yīng)的隔爆兼本質(zhì)安全型通信基站，利用基站上安裝的雙側(cè)定向天線實現(xiàn)基站布置間隔最大化(可達(dá)800～1 000 m)，通過較少的基站實現(xiàn)全礦井范圍內(nèi)的精確定位和無線通信覆蓋，為機器人提供準(zhǔn)確的定位坐標(biāo)、及時的路徑規(guī)劃信息和穩(wěn)定的數(shù)據(jù)通信功能。隔爆兼本質(zhì)安全型通信基站具有建設(shè)成本低、通信覆蓋范圍廣、兼容性強的特點，與4G或5G基站相比更加適合煤礦輔助運輸系統(tǒng)使用。

3.2 基于SLAM的自主感知定位

煤礦輔助運輸機器人在移動過程中通過自身環(huán)境感知模塊采集數(shù)據(jù)信息，利用SLAM技術(shù)逐步構(gòu)建運行巷道環(huán)境的高精度數(shù)字地圖，同時利用地圖信息實現(xiàn)對自身位置的準(zhǔn)確估算[15-17]。煤礦輔助運輸機器人自主定位技術(shù)如圖6所示。

機器人進行作業(yè)任務(wù)時，首先,利用無線通信網(wǎng)絡(luò)，通過自身攜帶的GPS模塊(地面)或UWB標(biāo)簽(井下)，并結(jié)合IMU采集的數(shù)據(jù)對當(dāng)前所處位置作出初步判斷；然后，利用感知模塊采集的環(huán)境點云圖像和深度圖像，與數(shù)據(jù)庫中的高精度地圖(可通過礦井大數(shù)據(jù)平臺獲取或利用車載感知模塊通過深度學(xué)習(xí)算法構(gòu)建)進行比對，并放在一個坐標(biāo)系內(nèi)做配準(zhǔn)；最后,利用配對成功后數(shù)據(jù)確定自身準(zhǔn)確位置，實現(xiàn)自主定位。實際測試結(jié)果表明，在準(zhǔn)確建圖的基礎(chǔ)上，該定位方式的誤差小于10 cm，可滿足井下輔助運輸機器人的導(dǎo)航定位需求。

圖6 煤礦輔助運輸機器人自主定位技術(shù)Fig.6 Autonomous positioning technology of coal mine auxiliary transportation robot

4 煤礦巷道環(huán)境路徑規(guī)劃和安全避障機制

煤礦輔助運輸機器人用于執(zhí)行煤礦井下長距離運輸作業(yè)任務(wù)，會面臨巷道行駛環(huán)境多變、有分支和岔路、路面起伏不一、有坑洼或積水、各種障礙物復(fù)雜分布等情況。為高效、安全地完成物料運輸作業(yè)，機器人需具有自主從出發(fā)點行進到目的地的能力，即具備路徑規(guī)劃和主動避障功能。從功能上劃分，機器人路徑規(guī)劃可分為全局路徑規(guī)劃和局部路徑規(guī)劃[18-19]。機器人的路徑規(guī)劃依靠一系列算法實現(xiàn)，常見的路徑規(guī)劃算法比較見表2。通過分析各種算法的特點及適用性，結(jié)合煤礦井下輔運巷道的特殊工況，基于安全優(yōu)先、提高效率的原則，煤礦輔助運輸機器人的全局路徑規(guī)劃主要采用啟發(fā)式搜索A*算法，而局部路徑規(guī)劃則采用動態(tài)窗口(Dynamic Window Approach，DWA)算法。

表2 路徑規(guī)劃算法比較Table 2 Comparison of path planning algorithms

4.1 全局路徑規(guī)劃

煤礦輔助運輸機器人完成主動定位后，根據(jù)作業(yè)任務(wù)和礦井?dāng)?shù)字地圖確定出發(fā)點和目的地信息。采用空間分解算法將運行環(huán)境分解成由大小一致的離散節(jié)點構(gòu)成的均勻柵格矩陣，對每個柵格單元內(nèi)的障礙物占用信息(二進制數(shù))進行編碼，并在可通行柵格內(nèi)利用巷道坡度、路面狀況等信息標(biāo)定出通過代價值(整數(shù)值)。采用小的柵格單元能夠更為理想地逼近任意路徑，但會導(dǎo)致計算負(fù)荷較高。因無軌輔運巷道具有相對封閉、狹長、正、直的特點，所以柵格單元可適當(dāng)增大，但出于安全考慮，柵格尺寸不宜超過機器人與巷道側(cè)壁的最小安全距離。

煤礦輔助運輸機器人全局路徑規(guī)劃如圖7所示，其中X，Y為巷道坐標(biāo)信息。障礙物占據(jù)區(qū)域用1表示(灰色柵格)，禁止通行；通行區(qū)域用0表示(白色柵格)，可以通行。

圖7 煤礦輔助運輸機器人全局路徑規(guī)劃Fig.7 Global path planning of coal mine auxiliary transportation robot

采用基于環(huán)境柵格地圖的最短路徑搜索算法(A*算法)，根據(jù)用時、距離、通過性、安全性等指標(biāo)，規(guī)劃出一條最優(yōu)的行駛路線；以該路線為基礎(chǔ)，構(gòu)建一系列離散型的輔助運輸機器人運動狀態(tài)柵格(圖7中虛線方框)；以機器人最小轉(zhuǎn)彎半徑為邊長，利用模型預(yù)測控制算法，以系列點陣的形式對行駛路線進行修正，規(guī)劃出合理的全局期望路徑，以使其符合機器人的運動學(xué)約束條件。

4.2 局部路徑規(guī)劃

局部路徑規(guī)劃也稱為避障規(guī)劃，是指機器人在移動過程中為規(guī)避意外的突發(fā)事件(如沒有預(yù)知的施工人員、行進路線上臨時出現(xiàn)的作業(yè)裝備或各種障礙物)而規(guī)劃的未來一段時間內(nèi)的期望行駛路線。局部路徑規(guī)劃需考慮對全局路徑的跟蹤能力和安全的避障機制。常用的局部路徑規(guī)劃算法有人工勢場法、神經(jīng)網(wǎng)絡(luò)算法、向量場直方圖算法和DWA算法。

煤礦輔助運輸機器人局部路徑規(guī)劃技術(shù)框架如圖8所示?；谌致窂揭?guī)劃中生成的柵格地圖，結(jié)合自身幾何參數(shù)，利用激光雷達(dá)、深度相機等感知模塊提供的實時環(huán)境信息，構(gòu)建局部代價地圖；綜合激光里程計和視覺里程計信息，以及IMU提供的機器人實時位姿參數(shù)，通過DWA算法，在速度空間(v，ω)(v為行駛速度，ω為轉(zhuǎn)向角速度)中采樣多組速度，計算機器人在這些速度下一定時間內(nèi)的運動軌跡，并對這些軌跡進行評價，從中選取最優(yōu)軌跡所對應(yīng)的速度來驅(qū)動機器人運動。局部最優(yōu)路徑的主要評價指標(biāo)如下：生成軌跡與全局規(guī)劃路徑的貼合程度,生成軌跡與目標(biāo)點的距離,生成軌跡上是否存在障礙物。

圖8 煤礦輔助運輸機器人局部路徑規(guī)劃技術(shù)框架Fig.8 Local path planning technical framework of coal mine auxiliary transportation robot

煤礦輔助運輸機器人局部路徑規(guī)劃如圖9所示。機器人沿全局期望路徑行駛時，環(huán)境感知單元實時探測運行環(huán)境，若發(fā)現(xiàn)全局路徑上出現(xiàn)難以通過的障礙物，則重新規(guī)劃行駛路徑，選擇局部最優(yōu)路徑，完成運輸作業(yè)。

5 結(jié)論

(1) 煤礦輔助運輸機器人是智能無軌輔助運輸系統(tǒng)的關(guān)鍵運載平臺，利用自動駕駛技術(shù)和物聯(lián)網(wǎng)技術(shù)完成礦井復(fù)雜環(huán)境下點對點的無人化物料運輸作業(yè)，可有效突破當(dāng)前智慧煤礦建設(shè)中存在的輔助運輸瓶頸，對實現(xiàn)煤礦生產(chǎn)減人增效有重要意義。通過建立煤礦輔助運輸機器人的技術(shù)框架，明確了機器人各系統(tǒng)層級關(guān)系和功能單元組成。

圖9 煤礦輔助運輸機器人局部路徑規(guī)劃Fig.9 Local path planning of coal mine auxiliary transportation robot

(2) 針對礦井運行環(huán)境，提出了低照度環(huán)境下的機器視覺增強及感知融合技術(shù)。通過深度相機紅外成像技術(shù)和平面激光雷達(dá)探測技術(shù)相融合的方法，以較低的硬件成本實現(xiàn)煤礦輔助運輸機器人對運行環(huán)境的可靠感知。感知單元的防爆結(jié)構(gòu)采用模塊化設(shè)計，通過合理規(guī)劃各防爆感知單元的布設(shè)位置，實現(xiàn)機器人對周圍環(huán)境的無死角探測，保障作業(yè)安全。

(3) 利用物聯(lián)網(wǎng)技術(shù)，通過部署防爆基站的方式，實現(xiàn)機器人作業(yè)環(huán)境范圍內(nèi)無線通信網(wǎng)絡(luò)的覆蓋；同時，結(jié)合SLAM技術(shù)和UWB無線通信定位技術(shù)，實現(xiàn)煤礦輔助運輸機器人在煤礦井下受限空間內(nèi)的精確定位。

(4) 煤礦輔助運輸機器人的路徑規(guī)劃采用全局路徑規(guī)劃和局部路徑規(guī)劃相結(jié)合的方式實現(xiàn)。全局路徑規(guī)劃通過構(gòu)建作業(yè)范圍的柵格地圖，利用最短路徑搜索算法規(guī)劃出一條最優(yōu)的全局期望路徑。局部路徑規(guī)劃采用DWA算法，計算模擬出機器人在多種速度條件下的運動軌跡，并從中選取最優(yōu)軌跡所對應(yīng)的速度來驅(qū)動機器人運動。