煤矿辅助运输机器人关键技术研究

针对煤矿辅助运输机器人移动速度较快、行驶路线多变、行驶路面情况复杂等特殊工况，给出了煤矿辅助运输机器人的结构形式和技术架构：采用无驾驶室的结构设计，以自动驾驶系统为控制中枢，以轮式防爆线控动力底盘为移动平台，通过可更换的多种上装载具，实现不同物料在井下运输的无人化。针对煤矿辅助运输机器人的环境感知、定位导航和路径规划三大功能，提出了相应的解决方案：① 矿井低照度环境下的机器视觉增强及感知融合技术：通过深度相机红外成像技术和平面激光雷达探测技术相结合的方式实机器人的环境感知功能;② 煤矿井下受限空间内的无线通信及定位技术：利用物联网无线通信定位和即时定位与地图构建(SLAM)技术相结合的方式实现机器人执行运输作业时的主动精确定位;③ 矿井复杂地质条件下的路径规划及避障机制：利用最短路径搜索算法和动态窗口算法分别实现该机器人的全局路径规划和局部路径规划功能。

随着我国煤炭产业综采自动化技术、综掘系列装备等接连实现重大突破，建设全生产过程智能信息化、机器人化的智慧矿井已成为煤炭产业的发展方向[1-2]。辅助运输系统是整个煤炭生产体系中的关键环节，其技术水平和作业效率直接关系到煤矿生产减人增效目标的达成。实现井下物料标准化装载、智能化配送、自动化转运和无人化运输的连续型辅助运输工艺是智慧矿井建设的必要条件和技术支撑[3-6]。而当前现有的煤矿辅助运输系统难以应智能综采工作面、无人掘进工作面等的发展需求，亟需发展结合清洁动力、物联网和自动驾驶等技术的智能 辅 助 运 输 系 统，弥 补 智 慧 矿 山 建 设 的 辅 运短板。

煤矿辅助运输机器人是矿井智能辅助运输系统的配套装备。在煤矿井下深部受限空间内，通过机器视觉、无线通信、惯性导航、人工智能等技术，实现可靠的环境感知、精确的定位导航和快速的路径规划是研究辅助运输机器人的关键。杨林等[7]将即时定 位 与 地 图 构 建 (SimultaneousLocalizationandMapping，SLAM)技 术 应 用 到 煤 矿 巡 检 机 器 人 中，利用多线激光雷达和双目相机实现了小型履带式移动机器人在井下的自主感知定位。杜雨馨等[8]将机器视觉技术应用到掘进机位姿检测系统中，实现了掘进机机身位姿自动实时检测。李森[9]将惯性导航装置捷联于采煤机，实现了采煤机行走三维空间轨迹的实时测 量。谭 玉 新 等[10]将人工智能算法应用于煤矿井下搜救机器人的路径规划中，实现了移动机器人在井下局部复杂空间内的平稳行进。同时，物联网技术在煤矿井下的应用为建立覆盖辅助运输巷道的大范围、高可靠的无线通信网络提供了技支撑：① 以超宽带(UltraWideBand，UWB)为代表的高精度定位技术已用于煤矿井下人员和设备定位，定位误差可控制在30cm 以内[11]。② 以远距离无线电(LongRangeRadio，LoRa)为代表的低功耗广域网技术已在井下无线通信领域应用，在矿井复杂环境下的有 效 通 信 距 离 超 过2000m，最 高 传 输速率达37.5kbit/s[12]。③ 5G 和 WiFi6等低延迟、高带宽的无线通信技术开始在 煤 矿 井 下 投 入 使用[13]，可满足自动驾驶实时数据传输需求。上述研究为煤矿辅助运输机器人提供了可借鉴的技术基础。但是与掘进机、采煤机和巡检机器人等设备移动速度较低、运行环境单一、路线相对固定的使用工况不同，辅助运输机器人需要在长达十几千米甚至几十千米的巷道内自主完成运输任务，移动速度较快、行驶路线多变、路面情况复杂，对设备的安全性、可靠性、智能化水平要求较高。针对辅助运输系统的特殊工况，本文首先构建了煤矿辅助输机器人的技术架构，然后针对机器人的环境感知、定位导航和路径规划三大功能，分别提出了相应的解决方案。

煤矿辅助运输机器人是智能无轨辅助运系统的关键运载平台，利用自动驾驶技术和物联网技术完成矿井复杂环境下点对点的无人化物料运输作业，可有效突破当前智慧煤矿建设中存在的辅助运输瓶颈，对 实 现 煤 矿 生 产 减 人 增 效 有 重 要 意 义。通过建立煤矿辅助运输机器人的技术框架，明确了机器人各系统层级关系和功能单元组成。针对矿 井 运 行 环 境，提出了低照度环境下的机器视觉增强及感知融合技术。通过深度相机红外成像技术和平面激光雷达探测技术相融合的方法，以较低的硬件成本实现煤矿辅助运输机器人对运行环境的可靠感知。感知单元的防爆结构采用模块化设计，通过合理规划各防爆感知单元的布设位置，实现机器人对周围环境的无死角探测，保障作业安全。

利用物 联 网 技 术，通过部署防爆基站的方式，实现机器人作业环境范围内无线通信网络的覆盖;同时，结 合 SLAM 技 术 和 UWB 无 线 通 信 定 位技术，实现煤矿辅助运输机器人在煤矿井下受限空间内的精确定位。煤矿辅助运输机器人的路径规划采用全局路径规划和局部径规划相结合的方式实现。全局路径规划通过构建作业范围的栅格地图，利用最短路径搜索算法规划出一条最优的全局期望路径。局部路径规划采用 DWA 算法，计算模拟出机器人在多种速度条件下的运动轨迹，并从中选取最优轨迹所对应的速度来驱动机器人运动。