張 辰，范 永，李貽斌，楊 彤

(1. 山東大學(xué)控制科學(xué)與工程學(xué)院，山東省濟(jì)南市，250061；2.山東交通學(xué)院軌道交通學(xué)院，山東省濟(jì)南市，250357；3. 山東中科先進(jìn)技術(shù)研究院有限公司，山東省濟(jì)南市，250000)

0 引言

煤礦井下生產(chǎn)作業(yè)過(guò)程存在下井人員多、災(zāi)害風(fēng)險(xiǎn)高、事故率高、作業(yè)環(huán)境惡劣、環(huán)境污染嚴(yán)重等問(wèn)題[1]。面對(duì)高危的井下作業(yè)，煤礦機(jī)器人成為實(shí)現(xiàn)煤礦井下安全、高效生產(chǎn)目標(biāo)的重要途徑之一。煤礦機(jī)器人可以協(xié)助或替代人完成一些危險(xiǎn)的采礦作業(yè)勞動(dòng)，實(shí)現(xiàn)煤礦的安全高效生產(chǎn)。為了實(shí)現(xiàn)“無(wú)人則安”，機(jī)器人代替礦工進(jìn)行井下作業(yè)是大勢(shì)所趨。

隨著“中國(guó)制造2025”“德國(guó)工業(yè)4.0”“美國(guó)工業(yè)互聯(lián)網(wǎng)”等戰(zhàn)略的提出，5G通信、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算和人工智能等技術(shù)的逐漸成熟，極大地推動(dòng)了我國(guó)傳統(tǒng)制造業(yè)的轉(zhuǎn)型升級(jí)[2]。作為一種新興的科學(xué)技術(shù)，人工智能能夠使計(jì)算機(jī)技術(shù)更加精準(zhǔn)、快速、便捷地完成人類大腦無(wú)力承擔(dān)的復(fù)雜科學(xué)計(jì)算，實(shí)現(xiàn)對(duì)人腦的部分代替、延伸和加強(qiáng)，進(jìn)而創(chuàng)造出能代替人類完成復(fù)雜危險(xiǎn)作業(yè)的智能機(jī)器[3]。

未來(lái)的煤礦生產(chǎn)將向無(wú)人化、自主化、智能化、高效化發(fā)展，其中人工智能技術(shù)將起到無(wú)可替代的作用，多樣化的人工智能技術(shù)將會(huì)應(yīng)用到煤礦機(jī)器人中[4]。雖然當(dāng)前人工智能在工業(yè)煤礦領(lǐng)域的應(yīng)用還處于摸索期，然而隨著人工智能技術(shù)在煤礦領(lǐng)域中越來(lái)越廣泛的應(yīng)用，建設(shè)無(wú)人化作業(yè)礦井勢(shì)在必行[5]。

1 煤炭行業(yè)亟待解決的問(wèn)題

我國(guó)煤炭行業(yè)經(jīng)歷了40多年的發(fā)展歷程，煤炭礦產(chǎn)資源的開(kāi)采逐漸趨于智能化，但當(dāng)前依舊存在一些瓶頸問(wèn)題亟待解決。

1.1 技術(shù)設(shè)備亟需升級(jí)

我國(guó)煤炭的開(kāi)采、運(yùn)輸雖已經(jīng)歷了數(shù)字化、自動(dòng)化、信息化等階段，但整體技術(shù)水平與生產(chǎn)設(shè)備依然低于發(fā)達(dá)國(guó)家[6]。2019年，原國(guó)家煤礦安全監(jiān)察局提出了加快掘進(jìn)、采煤、運(yùn)輸、安控、支護(hù)和救援等煤礦機(jī)器人的產(chǎn)業(yè)化應(yīng)用。當(dāng)前的煤礦機(jī)器人已不再是僅僅完成簡(jiǎn)單的重復(fù)性操作，它可以感知周圍環(huán)境并實(shí)時(shí)反饋外界的信息，但其還不具備獨(dú)立的思維、識(shí)別、推理、判斷與決策能力，仍需要人為參與來(lái)完成一些復(fù)雜的工作任務(wù)。

1.2 安全生產(chǎn)隱患嚴(yán)重

煤炭行業(yè)屬于高危行業(yè)，生產(chǎn)中的每個(gè)環(huán)節(jié)都存在著各種危險(xiǎn)，水、火、瓦斯、煤塵、地質(zhì)構(gòu)造等災(zāi)害頻發(fā)，未知的復(fù)雜地下環(huán)境嚴(yán)重威脅井下作業(yè)人員的生命安全?；谖锫?lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等的煤礦智能監(jiān)測(cè)與預(yù)警技術(shù)雖在很大程度上降低了事故的發(fā)生率，保障了煤礦的安全生產(chǎn)，但仍然存在諸多問(wèn)題。傳感器的精度和靈敏度較差導(dǎo)致前兆信息采集不全面、不及時(shí)；監(jiān)測(cè)系統(tǒng)相互獨(dú)立、功能單一，云端平臺(tái)集成應(yīng)用融合深度不夠；監(jiān)測(cè)系統(tǒng)數(shù)據(jù)庫(kù)安全性較弱；監(jiān)測(cè)設(shè)備缺少深度學(xué)習(xí)以及自適應(yīng)能力[7]。

1.3 環(huán)境污染嚴(yán)重

煤礦在開(kāi)采過(guò)程中會(huì)產(chǎn)生煤塵，也會(huì)產(chǎn)生一氧化碳、二氧化碳等有害氣體污染大氣環(huán)境[8]。同時(shí)，煤礦開(kāi)采產(chǎn)生的生產(chǎn)污水中含有大量重金屬、酸性物質(zhì)等，易滲入土壤或進(jìn)入地下水污染地質(zhì)及水源。煤礦開(kāi)采工程會(huì)侵占大量植被及農(nóng)業(yè)耕地，開(kāi)采后土地易出現(xiàn)坍塌現(xiàn)象導(dǎo)致地表層破壞[9]。

2 人工智能的主要研究?jī)?nèi)容

2.1 模式識(shí)別

人工智能技術(shù)中的模式識(shí)別借助先進(jìn)計(jì)算機(jī)技術(shù)強(qiáng)大的數(shù)據(jù)采集、分析和處理功能，通過(guò)提前設(shè)置相應(yīng)的程序來(lái)模擬人類對(duì)于外界環(huán)境的感知及識(shí)別功能。融入模式識(shí)別的智能機(jī)器人可以更好地模擬人類的感官能力，對(duì)字符、聲音、圖像、場(chǎng)景及其融合信息進(jìn)行高準(zhǔn)確度的識(shí)別，通過(guò)多源信息的獲取對(duì)周圍環(huán)境進(jìn)行精確的感知與建模[10]。

人工智能技術(shù)中的機(jī)器視覺(jué)作為最重要的環(huán)境感知方式之一，模擬人類的視覺(jué)能力，提高機(jī)器人對(duì)于井下環(huán)境、作業(yè)過(guò)程和反饋現(xiàn)象的理解能力。融入機(jī)器視覺(jué)的智能機(jī)器人一是能夠很好地適應(yīng)井下作業(yè)環(huán)境，與其他人造設(shè)備進(jìn)行良好的協(xié)作；二是能夠捕捉到更多的外界景觀信息，通過(guò)立體視覺(jué)、視覺(jué)檢驗(yàn)以及動(dòng)態(tài)圖像分析技術(shù)，對(duì)圖像的內(nèi)容進(jìn)行深入的理解與挖掘；三是能夠判斷作業(yè)進(jìn)程的地底反饋現(xiàn)象，將機(jī)器人的狀態(tài)信息反饋給運(yùn)動(dòng)控制系統(tǒng)[11]。

2.2 專家系統(tǒng)

專家系統(tǒng)是將人類專家的知識(shí)和經(jīng)驗(yàn)進(jìn)行建模，用于解決系統(tǒng)決策、工藝、故障等問(wèn)題的技術(shù)。通過(guò)人工智能技術(shù)，為井下系統(tǒng)建立知識(shí)系統(tǒng)，模擬人類解決作業(yè)過(guò)程中遇到的實(shí)際問(wèn)題。人類專家在解決實(shí)際問(wèn)題時(shí)，可以根據(jù)當(dāng)前系統(tǒng)的狀態(tài)，例如設(shè)備顯示與聲音、運(yùn)行數(shù)據(jù)參數(shù)、產(chǎn)品的狀態(tài)，對(duì)系統(tǒng)故障進(jìn)行預(yù)測(cè)，判斷故障點(diǎn)并生成故障排除方案。因此，專家系統(tǒng)常用于故障預(yù)測(cè)、診斷和故障排除。此外，在制造業(yè)領(lǐng)域，專家系統(tǒng)也用于生產(chǎn)方案決策、生產(chǎn)工藝優(yōu)化、生產(chǎn)協(xié)調(diào)以及設(shè)備參數(shù)優(yōu)化。

2.3 機(jī)器學(xué)習(xí)

人工智能技術(shù)中的機(jī)器學(xué)習(xí)通過(guò)模型框架和算法來(lái)模擬人類的學(xué)習(xí)能力，通過(guò)訓(xùn)練數(shù)據(jù)、環(huán)境信息和反饋，自動(dòng)提取內(nèi)在規(guī)律，以提高系統(tǒng)的性能，提高環(huán)境適應(yīng)性和魯棒性。融入機(jī)器學(xué)習(xí)的機(jī)器人具備類人的規(guī)律提取、知識(shí)總結(jié)能力，從收集到的大量信息資源中找出有效信息，并加以學(xué)習(xí)來(lái)提升自身的智能化水平。機(jī)器學(xué)習(xí)技術(shù)能夠有效解決突發(fā)狀況下的系列難題，很大程度上降低人力成本與生產(chǎn)成本[12]。

2.4 分布式人工智能

分布式人工智能系統(tǒng)通過(guò)科學(xué)合理地結(jié)合人工智能與計(jì)算機(jī)技術(shù)，將異構(gòu)的多智能體系統(tǒng)進(jìn)行協(xié)調(diào)調(diào)度和控制，從而增強(qiáng)人工智能系統(tǒng)的性能，提升任務(wù)執(zhí)行能力，提高智能機(jī)器人中的各個(gè)獨(dú)立系統(tǒng)的協(xié)同工作效率。當(dāng)智能機(jī)器人遇到一些突發(fā)情況時(shí)，依舊可以保障各個(gè)分系統(tǒng)進(jìn)行正常工作。當(dāng)前分布式人工智能系統(tǒng)還處于研發(fā)起步階段，技術(shù)難點(diǎn)在于如何協(xié)調(diào)好不同系統(tǒng)的運(yùn)行規(guī)則[13]。

3 人工智能在煤礦機(jī)器人中的應(yīng)用現(xiàn)狀

3.1 人工智能在煤礦機(jī)器人運(yùn)動(dòng)控制中的應(yīng)用

為了確保煤礦機(jī)器人能夠在復(fù)雜的井下環(huán)境中正常運(yùn)行，研究學(xué)者將專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù)應(yīng)用于機(jī)器人運(yùn)動(dòng)控制方式、算法及協(xié)同作業(yè)等方面。煤礦機(jī)器人通過(guò)模擬人類專家思維及知識(shí)水平，可以解決一些復(fù)雜多維的非線性問(wèn)題，降低動(dòng)力學(xué)系統(tǒng)分析、參數(shù)設(shè)置及數(shù)據(jù)處理的運(yùn)算量，提高控制效率及準(zhǔn)確性。

王念等[14]研究人員基于嵌入式ucos設(shè)計(jì)了一款智能礦井機(jī)器人，并利用GSM網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)設(shè)備的遠(yuǎn)程控制；張傳才等[15]研究人員采用BP神經(jīng)網(wǎng)絡(luò)建立了一種根據(jù)電機(jī)速度、運(yùn)行時(shí)間確定機(jī)器人轉(zhuǎn)角的測(cè)量方法，可以提供角度參數(shù)用于機(jī)器人的路徑規(guī)劃；王雪松等[16]研究人員基于改進(jìn)的Elman神經(jīng)網(wǎng)絡(luò)逼近動(dòng)力學(xué)不確定參數(shù)，利用神經(jīng)-模糊控制器為煤礦機(jī)器人伺服系統(tǒng)發(fā)送控制指令；宋鑫等[17]研究人員將神經(jīng)網(wǎng)絡(luò)應(yīng)用于機(jī)器人控制領(lǐng)域，完成機(jī)械臂多關(guān)節(jié)耦合控制、末端軌跡規(guī)劃、液壓閥控制等動(dòng)作。

3.2 人工智能在煤礦機(jī)器人智能感知與險(xiǎn)情預(yù)測(cè)中的應(yīng)用

礦用巡檢機(jī)器人通過(guò)搭載各類傳感器實(shí)現(xiàn)全方位感知井下環(huán)境信息，實(shí)時(shí)監(jiān)控儀器設(shè)備故障、人員安全及瓦斯、煤塵、水、火等災(zāi)害信息，并及時(shí)發(fā)出預(yù)警，減少煤礦事故的發(fā)生。針對(duì)井下復(fù)雜環(huán)境中的識(shí)別不準(zhǔn)確、監(jiān)測(cè)不及時(shí)等多個(gè)技術(shù)難題，研究人員使用深度學(xué)習(xí)、模式識(shí)別、專家系統(tǒng)等技術(shù)，進(jìn)一步提升機(jī)器人對(duì)井下突發(fā)險(xiǎn)情的精確識(shí)別與實(shí)時(shí)監(jiān)控。

盧萬(wàn)杰等[18]研究人員使用基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法，對(duì)煤礦設(shè)備進(jìn)行建模和訓(xùn)練，使井下巡檢機(jī)器人能夠準(zhǔn)確識(shí)別煤礦設(shè)備的類型；張帆等[19]研究人員針對(duì)井下噪聲對(duì)可視化作業(yè)環(huán)境的擾動(dòng)影響，提出基于殘差神經(jīng)網(wǎng)絡(luò)的礦井圖像重構(gòu)方法，有效提高監(jiān)控圖像的清晰度及實(shí)時(shí)性能；聶珍等[20]研究人員采用基于BP神經(jīng)網(wǎng)絡(luò)的遺傳算法搭建巷道氣體環(huán)境智能檢測(cè)系統(tǒng)，實(shí)時(shí)獲取煤礦巡檢機(jī)器人路徑中不同巷道截面上氣體濃度分布數(shù)據(jù)；潘越等[21]研究人員使用BP神經(jīng)網(wǎng)絡(luò)對(duì)風(fēng)機(jī)故障建立診斷模型，建立風(fēng)機(jī)故障類型與風(fēng)機(jī)轉(zhuǎn)子振動(dòng)頻率段之間的映射關(guān)系，進(jìn)而實(shí)現(xiàn)風(fēng)機(jī)故障診斷；閆君杰等[22]研究人員基于人工神經(jīng)網(wǎng)絡(luò)對(duì)煤礦機(jī)械齒輪故障建立診斷模型，使用輸入信號(hào)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，對(duì)輸出信號(hào)進(jìn)行分類，進(jìn)而判斷齒輪故障。

3.3 人工智能在煤礦機(jī)器人自主定位導(dǎo)航與地圖構(gòu)建中的應(yīng)用

實(shí)現(xiàn)復(fù)雜非結(jié)構(gòu)化煤礦環(huán)境中的自主定位導(dǎo)航既要考慮GPS技術(shù)無(wú)法直接應(yīng)用于井下的問(wèn)題，又要克服粉塵、溫度、濕度、噪音、氣流等外界因素的干擾，這對(duì)井下受限封閉環(huán)境中的機(jī)器人自主精準(zhǔn)定位導(dǎo)航技術(shù)提出了更高的要求?；谌斯ぶ悄芗夹g(shù)進(jìn)行煤礦機(jī)器人地圖構(gòu)建、定位導(dǎo)航、路徑規(guī)劃、實(shí)時(shí)避障成為應(yīng)用研究熱點(diǎn)。

白云[23]提出變結(jié)構(gòu)模糊神經(jīng)網(wǎng)絡(luò)，并將其應(yīng)用于蛇形井下救援機(jī)器人的環(huán)境感知過(guò)程中，將多源傳感器數(shù)據(jù)進(jìn)行融合，實(shí)現(xiàn)蛇形機(jī)器人在惡劣環(huán)境下的障礙物識(shí)別與環(huán)境建模；付華等[24]研究人員使用人工神經(jīng)網(wǎng)絡(luò)模型，將智能化煤礦監(jiān)測(cè)系統(tǒng)的工作空間進(jìn)行建模和動(dòng)態(tài)描述，利用神經(jīng)網(wǎng)絡(luò)模型對(duì)機(jī)器人進(jìn)行避障路徑規(guī)劃；張耀鋒等[25]研究人員采用基于Elman網(wǎng)絡(luò)對(duì)井下機(jī)器人超聲波傳感器測(cè)量誤差進(jìn)行補(bǔ)償，大大提高了超聲測(cè)距的精度和障礙物探測(cè)的能力；翟國(guó)棟等[26]研究人員總結(jié)了雙目視覺(jué)技術(shù)在煤礦救援機(jī)器人中獲取事故現(xiàn)場(chǎng)信息和實(shí)現(xiàn)自主避障及路徑規(guī)劃的研究，包括模式分類與識(shí)別、視覺(jué)測(cè)量和三維重建、組合測(cè)量與定位、視覺(jué)伺服控制等方面；馬宏偉等[27]研究人員構(gòu)建了基于深度相機(jī)的機(jī)器視覺(jué)系統(tǒng)，提出了一種基于深度視覺(jué)的導(dǎo)航方法，機(jī)器人搭載RGB-D深度相機(jī)進(jìn)行數(shù)據(jù)采集，實(shí)現(xiàn)地圖創(chuàng)建與自主導(dǎo)航。

4 煤礦機(jī)器人智能化研究

人工智能技術(shù)種類繁多，應(yīng)用于煤礦機(jī)器人領(lǐng)域主要研究?jī)?nèi)容包括多模態(tài)融合智能感知、知識(shí)學(xué)習(xí)與智能決策、智能控制協(xié)同作業(yè)等。通過(guò)感知、學(xué)習(xí)、決策、協(xié)同控制，實(shí)現(xiàn)煤礦機(jī)器人智能化發(fā)展。

4.1 多模態(tài)融合智能感知

煤礦機(jī)器人通過(guò)搭載各類防爆、高精度、高可靠性傳感器，構(gòu)建視覺(jué)、聽(tīng)覺(jué)、嗅覺(jué)、觸覺(jué)等多模態(tài)融合的智能感知系統(tǒng)，完成智能識(shí)別分析、異常聲音識(shí)別、溫度異常監(jiān)測(cè)、煙霧檢測(cè)、有害氣體濃度檢測(cè)、自主避障、自主抓持等作業(yè)。

(1) 研究煤礦應(yīng)用場(chǎng)景下機(jī)器視覺(jué)識(shí)別、視覺(jué)檢測(cè)等技術(shù)。通過(guò)圖像處理與理解，機(jī)器人一是能夠識(shí)別和監(jiān)控設(shè)備數(shù)字表、液晶屏、指示燈、閥門等；二是能夠檢測(cè)管路液體滴漏、膠帶跑偏開(kāi)裂；三是能夠進(jìn)行人員入侵、人員在崗、人員穿戴著裝檢測(cè)；四是能夠?qū)δz帶上出現(xiàn)的矸石、錨桿、道木、鐵管等異物進(jìn)行識(shí)別與跟蹤。

(2) 研究煤礦應(yīng)用場(chǎng)景下機(jī)器人聽(tīng)覺(jué)即聲音檢測(cè)與識(shí)別等技術(shù)。利用高靈敏度拾音傳感器、高速DSP數(shù)字信號(hào)處理器，結(jié)合適應(yīng)動(dòng)態(tài)降噪處理技術(shù)、音頻特征提取與檢測(cè)模型算法識(shí)別技術(shù)，識(shí)別礦井內(nèi)異常聲音。

(3) 研究煤礦應(yīng)用場(chǎng)景下機(jī)器人嗅覺(jué)即氣體檢測(cè)智能識(shí)別技術(shù)。準(zhǔn)確檢測(cè)環(huán)境中的甲烷、硫化氫、一氧化碳、氧氣等多種氣體濃度和煙霧是否超限，及時(shí)發(fā)現(xiàn)氣體泄漏和預(yù)警著火。

(4) 研究煤礦應(yīng)用場(chǎng)景下機(jī)器人觸覺(jué)技術(shù)。通過(guò)接觸或非接觸的方式采集電機(jī)、水泵、軸承、托輥、膠帶等物體溫度，并進(jìn)行數(shù)據(jù)分析；通過(guò)力感設(shè)備，對(duì)接觸力、抓持力、作業(yè)力、內(nèi)應(yīng)力進(jìn)行實(shí)時(shí)監(jiān)控，實(shí)現(xiàn)力的感知與安全控制。

4.2 知識(shí)學(xué)習(xí)與智能決策

針對(duì)目前煤礦機(jī)器人系統(tǒng)協(xié)議不兼容、缺乏信息共享與融合等問(wèn)題，將煤礦機(jī)器人與新一代信息技術(shù)深度融合，構(gòu)建煤礦機(jī)器人相互學(xué)習(xí)和知識(shí)共享的泛化、標(biāo)準(zhǔn)、彈性系統(tǒng)，突破煤礦機(jī)器人場(chǎng)景理解、安全探測(cè)、精確定位、自主感知及高效導(dǎo)航等技術(shù)瓶頸。實(shí)現(xiàn)煤礦機(jī)器人共性技術(shù)的云端在線服務(wù)，解決個(gè)體機(jī)器人的局限性，提高煤礦機(jī)器人的智能決策水平。

(1) 建立個(gè)體與整體相融合的學(xué)習(xí)與泛化框架。在個(gè)體層面，單臺(tái)機(jī)器人在作業(yè)過(guò)程中，將傳感、決策、控制、協(xié)作以及人機(jī)交互信息進(jìn)行整合，通過(guò)以神經(jīng)網(wǎng)絡(luò)為代表的人工智能學(xué)習(xí)框架進(jìn)行增量、實(shí)時(shí)、在線訓(xùn)練，對(duì)機(jī)器人的作業(yè)狀態(tài)進(jìn)行動(dòng)態(tài)調(diào)整，實(shí)現(xiàn)全周期的最優(yōu)化控制與決策。在整體層面，多機(jī)器人之間通過(guò)新一代信息技術(shù)，將自身學(xué)習(xí)的知識(shí)進(jìn)行上傳和分發(fā)，當(dāng)某機(jī)器人面對(duì)全新作業(yè)任務(wù)時(shí)，可以借助其它機(jī)器人的知識(shí)結(jié)果，快速熟悉作業(yè)特性，減少重新學(xué)習(xí)時(shí)間，提升整體系統(tǒng)的任務(wù)彈性和適應(yīng)能力。

(2) 建立機(jī)器人本體與云端相融合的作業(yè)模式。突破傳統(tǒng)機(jī)器人研發(fā)與集成模式，借助“5G+云計(jì)算”，實(shí)現(xiàn)本地輕量化機(jī)器人本體與云端高性能數(shù)據(jù)處理能力相融合的新型機(jī)器人研發(fā)集成路線。將智能環(huán)境感知、模式識(shí)別、地圖構(gòu)建、自主導(dǎo)航等需要強(qiáng)大計(jì)算能力的算法部分移入云端，本地機(jī)器人將機(jī)載傳感器、執(zhí)行器數(shù)據(jù)實(shí)時(shí)上傳云端，通過(guò)云端強(qiáng)大的數(shù)據(jù)處理和計(jì)算能力，對(duì)感知、建模、執(zhí)行等各個(gè)環(huán)節(jié)進(jìn)行優(yōu)化計(jì)算；計(jì)算結(jié)果實(shí)時(shí)下發(fā)本地機(jī)器人，減少了本地機(jī)器人的計(jì)算負(fù)擔(dān)，將更多的硬件資源向傳感器和執(zhí)行端轉(zhuǎn)移，實(shí)現(xiàn)輕量化、精簡(jiǎn)化、高效能的作業(yè)機(jī)器人設(shè)計(jì)。

4.3 智能控制協(xié)同作業(yè)

將深度學(xué)習(xí)、激光/視覺(jué)SLAM技術(shù)融入到煤礦機(jī)器人，再結(jié)合多模態(tài)融合的智能感知系統(tǒng)，實(shí)現(xiàn)煤礦機(jī)器人在礦井復(fù)雜環(huán)境下自主移動(dòng)、精確定位、位姿調(diào)整、智能作業(yè)規(guī)劃、自主作業(yè)以及災(zāi)害智能感知等功能，實(shí)現(xiàn)探測(cè)、掘進(jìn)、支護(hù)作業(yè)過(guò)程智能協(xié)同控制。

(1) 將神經(jīng)網(wǎng)絡(luò)技術(shù)融入到多臺(tái)煤礦機(jī)器人協(xié)同作業(yè)控制和規(guī)劃中。礦井移動(dòng)機(jī)器人自組織、自組網(wǎng)、自協(xié)調(diào)，實(shí)現(xiàn)異構(gòu)設(shè)備整合。通過(guò)智能任務(wù)分解、任務(wù)分配、負(fù)載均衡技術(shù)，組建礦井復(fù)雜環(huán)境下的機(jī)器人群，應(yīng)用井下空間自主導(dǎo)航、多傳感器狀態(tài)感知、智能作業(yè)規(guī)劃、多機(jī)協(xié)同控制等技術(shù)，實(shí)現(xiàn)工作面掘進(jìn)、鉆探、采掘、運(yùn)輸、支護(hù)等多機(jī)器人間高效協(xié)同作業(yè)。

(2) 將人與單臺(tái)機(jī)器人交互的模式擴(kuò)展到人與多機(jī)器人群的交互，實(shí)現(xiàn)操作人員對(duì)機(jī)器人群的干預(yù)和協(xié)作。煤礦機(jī)器人作業(yè)過(guò)程中，各個(gè)不同功能的異構(gòu)機(jī)器人形成復(fù)雜的多機(jī)器人協(xié)作群。同時(shí)，多機(jī)器人協(xié)作群需要能與操作人員進(jìn)行深度的協(xié)作。通過(guò)AI技術(shù)，突破現(xiàn)有人機(jī)交互技術(shù)的簡(jiǎn)單的“指令-執(zhí)行-顯示”模式，將人的干預(yù)融入控制循環(huán)中，實(shí)現(xiàn)“人在環(huán)內(nèi)”的融合人機(jī)交互新模式，實(shí)現(xiàn)“井下無(wú)人系統(tǒng)群+井上操作員”的作業(yè)模式，提升整體系統(tǒng)的作業(yè)效能、任務(wù)彈性和魯棒性。

面向智慧煤礦目標(biāo)，開(kāi)展“煤礦機(jī)器人+”研究，“煤礦機(jī)器人+5G”實(shí)現(xiàn)全面感知互聯(lián)、全域信息共享和多通道人機(jī)交互；“煤礦機(jī)器人+云計(jì)算”實(shí)現(xiàn)輕量低成本機(jī)器人本體和高效能學(xué)習(xí)計(jì)算能力的兼容；“煤礦機(jī)器人+大數(shù)據(jù)”實(shí)現(xiàn)動(dòng)態(tài)預(yù)測(cè)、信息共融，為機(jī)器人進(jìn)化學(xué)習(xí)提供數(shù)據(jù)基礎(chǔ)；“煤礦機(jī)器人+AI”實(shí)現(xiàn)智能自主感知、最優(yōu)分析決策和知識(shí)學(xué)習(xí)進(jìn)化，從而形成礦山立體感知、自主學(xué)習(xí)、協(xié)同控制的完整智能系統(tǒng)。

5 未來(lái)展望

人工智能在煤礦機(jī)器人領(lǐng)域得到了廣泛的應(yīng)用，并取得了較多的研究成果。但是人工智能作為新興的前沿技術(shù)，仍存在局限性。

(1) 目前的人工智能技術(shù)主要面向單一任務(wù)，尚未實(shí)現(xiàn)能夠面對(duì)多種任務(wù)的通用型人工智能框架。例如針對(duì)圖像識(shí)別訓(xùn)練的模型不能使用于聲音檢測(cè)和識(shí)別；識(shí)別某特定目標(biāo)物的算法框架，也無(wú)法擴(kuò)展到任意目標(biāo)物的識(shí)別，在出現(xiàn)新的分類目標(biāo)時(shí)，需要構(gòu)建數(shù)據(jù)集并重新進(jìn)行訓(xùn)練。該特點(diǎn)限制了人工智能在復(fù)雜任務(wù)場(chǎng)景下的應(yīng)用。

(2) 人工智能算法需要依賴于大量的數(shù)據(jù)，而數(shù)據(jù)的采集、加工、標(biāo)定和校準(zhǔn)等操作需要人工完成，效率較低，如何使用更少量的數(shù)據(jù)，實(shí)現(xiàn)更高的性能，成為當(dāng)前人工智能方法的研究熱點(diǎn)之一。

(3) 煤礦機(jī)器人種類眾多，存在大量的感知設(shè)備，驅(qū)動(dòng)設(shè)備和執(zhí)行設(shè)備。各設(shè)備的數(shù)據(jù)格式多樣，難以形成統(tǒng)一的數(shù)據(jù)接口，使得各個(gè)系統(tǒng)之間的數(shù)據(jù)相互獨(dú)立。不兼容數(shù)據(jù)導(dǎo)致人工智能系統(tǒng)難以將煤礦生產(chǎn)各環(huán)節(jié)的機(jī)器人進(jìn)行統(tǒng)籌協(xié)調(diào)，也難以獲取所需的足夠數(shù)據(jù)，無(wú)法針對(duì)整個(gè)生產(chǎn)流程形成閉環(huán)式的統(tǒng)一規(guī)劃。

(4) 煤礦機(jī)器人所處的環(huán)境極度危險(xiǎn)，因此僅依靠目前的人工智能系統(tǒng)無(wú)法保證高度的安全性和穩(wěn)定性。如何將人工智能系統(tǒng)與操作人員的人工干預(yù)相融合，并將人的干預(yù)融入整個(gè)人工智能系統(tǒng)的運(yùn)行回環(huán)之中，成為下一步需要解決的重點(diǎn)內(nèi)容之一。

未來(lái)，應(yīng)用于煤礦機(jī)器人的人工智能系統(tǒng)將會(huì)朝著通用化、低開(kāi)銷、統(tǒng)一化和人機(jī)協(xié)作方向發(fā)展，出現(xiàn)面向多種任務(wù)的通用型人工智能算法框架，使用少量的數(shù)據(jù)和低成本的訓(xùn)練方法不斷地在線學(xué)習(xí)和進(jìn)化，能夠結(jié)合煤礦生產(chǎn)各環(huán)節(jié)的關(guān)鍵數(shù)據(jù)進(jìn)行統(tǒng)籌計(jì)算和調(diào)度，并能夠和人類相互協(xié)同，實(shí)現(xiàn)高效、安全、自主的煤礦生產(chǎn)。

6 結(jié)語(yǔ)

隨著人工智能技術(shù)的發(fā)展，煤礦行業(yè)將會(huì)迎來(lái)大變革。借助人工智能高效的模型構(gòu)建、并行計(jì)算和統(tǒng)籌規(guī)劃能力，煤礦機(jī)器人的智能化、自動(dòng)化水平將會(huì)邁上新的臺(tái)階，真正實(shí)現(xiàn)煤礦生產(chǎn)的無(wú)人化和安全性要求。同時(shí)，人工智能將會(huì)使煤礦生產(chǎn)效率大幅提高，推動(dòng)煤礦行業(yè)安全、健康和可持續(xù)發(fā)展。