王帆，王君偉，周琦

（浙江浙能嘉華發(fā)電有限公司燃料部，浙江 杭州 310009）

某大型火力發(fā)電廠一二期碼頭有4臺卸船機，2個泊位；三期碼頭有2臺卸船機，1個泊位?？赏瑫r?？?條4萬噸級的煤船，而推耙機在該大型火力發(fā)電廠主要用于煤船清艙。

目前煤船清艙作業(yè)是在卸船機抓取船艙中部煤量之后，將推耙機吊入船艙，操作人員通過船上爬梯上下船艙，進入駕駛室進行耙煤作業(yè)。為了保證煤船及時卸煤，操作人員必須輪班作業(yè)；且船艙內(nèi)空間狹小，空氣流動性差，推耙機大功率柴油發(fā)動機排出大量的廢氣和噪聲不易擴散；粉塵濃度高，操作人員在密閉的駕駛艙里需帶上口罩工作，所以夏季作業(yè)高溫難耐；由于粉塵濃度高造成艙內(nèi)能見度低，影響操作人員視線，降低了作業(yè)效率；推耙機操作人員通過船上爬梯上下船艙，在陰雨冰雪天，梯濕易滑，視線差，存在安全隱患。因此對常規(guī)推耙機進行智能化的研究，使之成為智能裝備顯得尤為重要。

本文利用現(xiàn)有推耙機，針對其作業(yè)工況與作業(yè)工藝進行智能化改造，就其中涉及的關(guān)鍵技術(shù)進行深入研究，以實現(xiàn)推耙機在封閉船艙內(nèi)的無人駕駛自動清艙功能。

1 目標(biāo)分析

本次研究以日本小松推耙機D63EX－12為目標(biāo)。其尺寸為長5855mm，寬3020mm，高2990mm，采用渦輪增壓后水冷式柴油發(fā)動機，額定功率155kw，整車機動采用履帶底盤，前進有三個檔位，速度分別為：3．4km／h，5．8km／h，9．0km／h，后退也有三個檔位，其速度分別為：4．4km／h，7．5km／h，11．0km／h。D63E－12整機操作重量17600公斤，最小轉(zhuǎn)彎半徑3m。駕駛艙內(nèi)布置：駕駛艙為單人座椅，左手操作手柄控制前進和后退、左右轉(zhuǎn)向、檔位切換，右手操作手柄控制推耙鏟升降及角度變換，右腳下設(shè)有剎車、油門踏板。前方設(shè)有數(shù)據(jù)顯示屏、車燈開關(guān)、發(fā)動機鑰匙孔等。履帶式推耙機在艙內(nèi)作業(yè)方式以倒退耙煤堆高為主，最后清倉時用前進推煤方法進行堆高。

為實現(xiàn)推耙機在船艙內(nèi)的全自動作業(yè)，在保留其原有機械性能的基礎(chǔ)上，需要對其進行電氣及加裝感知傳感器的改造。

2 系統(tǒng)組成

實現(xiàn)推耙機全自動智能控制系統(tǒng)，主要包括：

1）感知定位：通過64線激光掃描儀獲取的點云數(shù)據(jù)，由控制系統(tǒng)分析處理成為實體模型，建立作業(yè)船艙系統(tǒng)地圖。通過對船型數(shù)據(jù)庫的數(shù)據(jù)修正船艙地圖的建立，確保系統(tǒng)安全。通過掃測結(jié)果與地圖的建立，實時計算定位推耙機相對于船艙中的實際位置。

2）環(huán)境建圖：通過64線激光掃描儀和固態(tài)激光的點云數(shù)據(jù)疊加，并以IMU變換得到公共坐標(biāo)系，建立3D環(huán)境地圖。

3）路徑規(guī)劃：上位機通過掃測的煤垛分布、形狀、艙壁形狀、距離、及自身計算的定位信息與建模地圖對比，通過智能算法推導(dǎo)出最佳作業(yè)路徑與作業(yè)規(guī)則。后續(xù)自動作業(yè)流程將遵循智能推耙規(guī)劃作業(yè)的規(guī)則進行。通過掃描儀與IMU，實時判斷自身運動的速度、方向、位置等，與運動路徑時刻對比，實現(xiàn)導(dǎo)航運動。

4）煤量分析：通過掃描儀掃測船艙內(nèi)煤垛分布、形狀、艙壁形狀、距離等，獲取作業(yè)目標(biāo)及定位信息的必要數(shù)據(jù)，分割煤與船艙模型，并結(jié)合圖像識別判定剩余煤量。

3 關(guān)鍵技術(shù)

3．1 感知定位技術(shù)

為實現(xiàn)推耙機的無人自動作業(yè)，首要實現(xiàn)其對作業(yè)環(huán)境的感知，包括：實時坐標(biāo)定位、實時姿態(tài)判定、實時環(huán)境分析等。推耙機的工作環(huán)境為封閉式船艙，船艙內(nèi)殘留有大量煤礦散料，故傳統(tǒng)推耙機在船艙內(nèi)作業(yè)時，存在頻繁上下煤坡的情況。研究階段使用MAYA三維建模軟件，1：1比例建立模擬實際船艙環(huán)境的船艙模型，然后保存為DAE格式的文件，再導(dǎo)入進Gazebo仿真環(huán)境中。

在仿真環(huán)境中，使用開源代碼LEGOLOAM首先對周圍環(huán)境進行特征點的提取。其中，特征點根據(jù)點云的曲率大小分為角點與平面點。根據(jù)提取到的特征點隨后進行幀與幀間的匹配，利用最小二乘法計算得到初步的幀與幀間的車輛位置變換。將特征點匹配的結(jié)果再作為幀與點云地圖間匹配的初始值，進行精確匹配計算得到較為精確的車輛位置。

本次研究采用64線激光掃描儀采集環(huán)境點云數(shù)據(jù)和IMU采集推耙機自身運動姿態(tài)。受限于船艙尺寸與煤垛較低的反射率，采用64線激光的原因是其能提供更加精準(zhǔn)細(xì)密的點云數(shù)據(jù)，且具有更加寬廣的發(fā)散角度。根據(jù)多傳感器融合的方法，融合IMU與激光雷達點云數(shù)據(jù)，對點云進行分割，將墻壁點云、天花板點云還有煤堆點云區(qū)分開，利用點云分割的結(jié)果，提取出墻壁點云，并以此構(gòu)建柵格地圖，最終船艙建圖效果，可用于車輛的導(dǎo)航。最后對船艙內(nèi)部與室外環(huán)境的建圖與定位效果進行了測試，利用點云錄制程序，在電廠室外進行點云數(shù)據(jù)采集，并進行仿真。

3．2 環(huán)境建圖技術(shù)

環(huán)境建圖用于系統(tǒng)建立統(tǒng)一坐標(biāo)系，為推耙機路徑規(guī)劃提供數(shù)據(jù)參考，并為上位機提供可視化數(shù)據(jù)。項目采用的固態(tài)激光雷達是Livox－Mid－40，其采用了非重復(fù)掃描方式，具有較高的視場覆蓋率，且隨著積分時間變長，視場覆蓋率也會顯著增大，直到接近100%。通過視場覆蓋率對比可以表明Mid－40的掃描點云特性十分出色，并隨著時間推移達到最優(yōu)。當(dāng)積分時間為0．1s，Mid－40與32線產(chǎn)品相近；當(dāng)積分時間為0．5s時，Mid－40與64線產(chǎn)品相近。當(dāng)積分時間繼續(xù)增大時，覆蓋率隨之增大，直至接近100%。在實際測試的過程中發(fā)現(xiàn)固態(tài)激光雷達由于其FOV較小（只有40°左右大?。?，只要晃動的劇烈一點就會丟失，由于該激光雷達的掃描特性（非重復(fù)性掃描），單由固態(tài)雷達建的圖效果不好。

最后采用了由64激光雷達提供位姿，并經(jīng)過固態(tài)雷達和機械雷達的TF相對位置矯正之后，由固態(tài)激光雷達疊加掃描幀。固態(tài)雷達的掃描精度高，掃描速度快，但是掃描角有限，固態(tài)意味著激光雷達不能進行360度旋轉(zhuǎn)，只能探測前方。因此要實現(xiàn)全地圖輸出，需采用程序維護一個全局地圖，每一幀固態(tài)掃描會疊加當(dāng)前掃描區(qū)域，從而更新地圖。

本次研究為方便上位機顯示地圖信息，由點云信息建模地圖轉(zhuǎn)化為具有顏色分段的可視化高層地圖。從上一節(jié)點通過話題接收到了當(dāng)前幀對應(yīng)的全局地圖，開始處理輸出得到高層地圖，主要是根據(jù)矯正好的點云地圖進行二維投影，然后計算出當(dāng)前全局地圖最低點和最高點，從而計算高度，遍歷給當(dāng)前投影點賦值和RGB值，最后在擴大的地圖空域通過KNN的最近鄰點來賦值。

3．3 煤量識別技術(shù)

推耙機的路徑規(guī)劃是以逐幀分析當(dāng)前剩余煤量（體積）及分布特點，作為下一話題執(zhí)行的判定條件。船艙內(nèi)當(dāng)前余煤體積和是否存在煤，是作為整個路徑規(guī)劃中止或終止條件的重要判定依據(jù)。

由上述感知定位模塊可知，利用64線激光可以有效獲取船艙內(nèi)墻壁（垂直）與煤垛（曲面）數(shù)據(jù)并實現(xiàn)分割。但由于點云密度較稀疏，難以計算出煤垛的當(dāng)前體積。本次研究采用密度較高的固態(tài)激光對周圍場景進行累加掃描，獲取點云通過微積分原理，實現(xiàn)煤垛體積的初步計算。通過提取點云數(shù)據(jù)的連續(xù)線性特征，從而預(yù)測插補空間曲面弧形的形狀與坐標(biāo)，實現(xiàn)平滑過渡，提高計算精度。由于運動狀態(tài)中的不確定因素干擾，為提高計算真實性，輔助采用視覺識別的方法。

船艙內(nèi)煤垛采用車載型高清攝像機實時采集，并以一定采樣周期提取幀圖片進行數(shù)據(jù)分析。

3．3．1 圖像分割算法的實際工況性能及結(jié)果

1）K－Means聚類算法：圖像處理速度極慢，分割精度一般。

2）GLCM特征提取分割法：分割速度一般，煤堆分割精度很差。（特征提取算法結(jié)果與聚類結(jié)果基本一致）。

3）HSV三通道閾值分割算法：分割速度快，精度較高，缺點是三通道閾值需要在不同場合下更新。

3．3．2 煤堆識別閾值分割算法

1）若暗光和非充足光照條件，LIME低照度增強。

2）RGB圖像輸入，轉(zhuǎn)化HSV通道。

3）圖像形態(tài)學(xué)處理操作。

設(shè)置感興趣閾值，通過三通道閾值將ROI分割出來，并展示flag。

3．4 安全限制技術(shù)

安全限制用于確保推耙機在作業(yè)過程不會撞擊船艙壁和爬坡過程中不會傾翻。

安全模塊推耙機初始化工作的時候啟動并將一直保持運行。安全模塊通過讀取IMU數(shù)據(jù)來判斷是否超過安全角度，并接收定位模塊發(fā)送的以車身為中心的6個方向到墻壁的信息判斷是否有障礙物。保證以車身為中心到6個方向的一定距離內(nèi)沒有障礙物。根據(jù)激光雷達得到車輛左前方、正前方、右前方、右后方、正后方、左后方六個方位的離墻距離。當(dāng)反饋安全角度或安全距離超限時，由底層控制模塊輸出限制運動指令。

3．5 路徑規(guī)劃技術(shù)

推耙機根據(jù)上位機指令初始化路徑規(guī)劃。推耙機將實現(xiàn)給定的推耙指令，高層地圖數(shù)據(jù)可以讓推耙機實現(xiàn)高效且安全的推耙。不論在何種推耙模式下，安全模塊都將保持運轉(zhuǎn)，保證推耙的安全性。

推耙機總體設(shè)置有遙控和自動兩種模式。遙控可以讓操作人員遠(yuǎn)程遙控推耙機；當(dāng)切換為自動模式之后，推耙機先判斷是否收到新的自動控制模式，若自動控制模式更新，則會開始新的自動推耙，若自動控制模式未更新，則推耙機將會回到上一次自動推耙被手動控制打斷的地方繼續(xù)完成自動推耙工作，達到自動切換的目的。高層地圖是否正常計算取決于給定的推耙模式。

當(dāng)推耙模式為被上位機限定在某一船艙時，需要提取高層地圖并對它進行分割，利用OPENCV的庫函數(shù)進行圖像提取獲得初始推耙線，在遍歷完該推耙線之后再進行圖形的提取獲得下一條推耙線，從而保證了推耙機的工作效率。通過對中控室給定的煤堆船艙進行提取最終傳出回退點位置坐標(biāo)以及煤區(qū)開始和結(jié)束位置坐標(biāo)。提取采用OPENCV的方法，對整個高程RGB圖進行提取四角點。采用了OPENCV和矩陣搜索賦值保留紅色灰度信息的兩種方法，對船艙提取采用OPENCV方法，中間去除類小的連通域。

實際路徑算法中，采取路徑動作分解的策略：即以單次往返并推煤或耙煤為一次路徑，將一次清艙作業(yè)任務(wù)分解為N次路徑。路徑的起點與終點由建圖信息輸入，并由路徑模塊進行計算解析。路徑模式采用擬合Dubins曲線，并采用基于高程地圖數(shù)據(jù)的A＊算法，尋求高效路徑。

4 結(jié)論

本次研究的關(guān)鍵技術(shù)在于船艙內(nèi)實現(xiàn)安全、精準(zhǔn)的實時定位與路徑規(guī)劃，實時煤量分析，以高效地完成清艙作業(yè)。通過現(xiàn)場驗證與過程研究分析，推耙機智能全自動控制關(guān)鍵技術(shù)已經(jīng)取得一定成果。本次研究成果為改善推耙機操作人員的作業(yè)條件、降低勞動強度，提高電廠清艙作業(yè)安全、合理安排清艙，提高清艙作業(yè)勞動生產(chǎn)率奠定了基礎(chǔ)，同時順應(yīng)時代發(fā)展，對建設(shè)“智慧電廠”的戰(zhàn)略需要，具有推廣應(yīng)用價值。