Research on key generic technology of multi-arm intelligent coal gangue sorting robot
-
摘要:
依据我国煤矿智能绿色发展战略，深入分析了国内外智能拣矸系统的研究现状，指出研发适用于井下的多机械臂煤矸石智能分拣机器人是破解煤矸分拣难题的重要发展方向，凝练了直接影响和制约我国煤矸石智能分拣高质量发展的“煤矸石准确识别、精准跟踪和可靠抓取、多目标任务多机械臂协同分拣”三大关键共性技术难题，并给出了解决思路和方法。针对煤矿井下煤矸石被煤泥严重包裹识别难，提出了“X射线+视觉”煤矸石识别与匹配方法、基于点云数据的煤矸石抓取特征提取方法，实现目标矸石的快速识别和最优抓取特征提取；针对煤矸石形态各异、动态环境抓取难，提出了基于ORB+BEBLID特征的FLANN动态目标高效匹配方法、基于FDSST的动态目标精准跟踪方法、基于三环PID的机械臂同步跟踪轨迹规划方法，实现机械手对高速传输的动态矸石稳定抓取；针对煤矸石随机分布、障碍多、多机械臂任务分配难，提出了改进匈牙利算法的多机械臂动态空间协同分拣方法，确保系统收益的前提下实现多机械臂在动态空间中高效协同工作。现场工业性试验研究结果表明，针对三大关键共性技术所提出的方法能够有效破解煤矸石高效识别和抓取特征提取、机械臂动态目标同步跟踪稳定抓取、多机械臂高效协同分拣等难题，通过构建完整的多机械臂煤矸石智能分拣机器人系统，提高了煤矸石智能分拣系统的可靠性和分拣效率。
Abstract:According to the intelligent green development strategy of coal mine in our country, the research status of intelligent coal gangue sorting system at home and abroad is deeply analyzed. It is pointed out that the development of multi-arm coal gangue intelligent sorting robot suitable for underground is an important development direction to solve the problem of coal gangue sorting. The three key common technical problems of “accurate recognition, accurate tracking and reliable grasp of coal gangue, multi-target task and multi-arm collaborative sorting” which directly affect and restrict the high quality development of intelligent sorting of coal gangue in China have been condensed, and the solutions are given. For the problem that coal gangue is badly encapsulated by coal slime in underground coal mine, the method of “X-ray and visual” recognition and matching of coal gangue, the method of extracting feature of coal gangue based on point cloud data are put forward to realize fast recognition and optimal feature extraction of target gangue. An efficient FLANN dynamic target matching method based on the fusion of ORB and BEBLID features, an accurate dynamic target tracking method based on FDSST, and a synchronous tracking trajectory planning method for manipulator based on three-loop PID are proposed to realize the stable grasping of dynamic gangstone with high-speed transmission by manipulator. For the random distribution of coal gangue and difficult task allocation of multi-manipulators with obstacles, a dynamic space cooperative sorting method of multi-manipulators based on improved Hungarian algorithm was proposed, which realized efficient cooperative work of multi-manipulators in dynamic space on the premise of ensuring system revenue. The results of field industrial experiment show that the proposed method for the three key common technologies can effectively solve the problems of efficient recognition and grasping feature extraction of coal gangue, synchronous tracking and stable grasping of dynamic targets of manipulators, efficient cooperative sorting of multi-manipulators, and construct a complete multi-manipulator intelligent sorting robot system for coal gangue. It improves the reliability and efficiency of the gangue intelligent sorting system.
-
0. 引 言
露天煤矿适用于开采范围广、煤层厚度大的煤田。为了提高煤炭资源开发效率，通常把煤田分成若干独立的露天煤矿[1-2]。然而受开采技术、设备规格、产量规模、煤层赋存条件以及经济效益等各种因素影响，且为避免大型露天煤矿整体开采时运输距离大、运费高、工作线长度大、开采成本高、初期投资时间长、投资费用大等缺点，在满足技术经济条件下，对露天煤矿进行合理的采区划分[3-5]。采区过大，则过长的工作线和过大的运距导致露天煤矿开采过程中经济效益降低；而采区过小，频繁的采区接续增大生产管理难度影响生产效率。因此，划分合理的采区关系是提高露天煤矿生产效率和经济效益的基础。刘宪权等[6]基于近水平露天煤矿采区划分提出了坑底纵向搭桥及转向期反向内排开采程序；白润才等[7-8]基于熵值法与Topsis法构建了采区划分方案评价模型；张瑞新[9-10]等优化了露天煤矿开采程序设计相关计算机模型，对哈尔乌素露天煤矿的开采程序提出了多方案动态综合优化方法，并对安太堡和安家岭的开采程序提出了递阶优化方法；叶义成[11]采用双基点法对开采程序进行多目标综合排序，并确定了敏感指标；刘桐等[12]采用Delphi-Topsis法构建了霍林河露天煤矿采区划分方案优选模型。以新疆准东某露天煤矿扩能目标为研究背景，提出多种采区划分方案，结合该露天煤矿具体开采条件确定采区划分方案评价指标，并构建综合评价模型，确定最佳的采区划分方案，以满足扩能至50 Mt/a的生产能力要求。
1. 研究区概况
以新疆准东某露天煤矿为研究对象，矿区南北最大长达40.78 km，东西最大宽达37.69 km，面积1 127.32 km2。矿田主要可采煤层为B5、B3、B2三层煤层，且均为巨厚煤层，可采煤层平均厚度为44.2 m。其中剥离工艺采用单斗−卡车间断工艺；采煤工艺采用单斗−卡车−半移动式破碎站−带式输送机半连续开采工艺[13-15]。该露天煤矿年产原煤量19.85 Mt，为进一步做好露天煤矿生产经营长远规划，该生产能力拟核增至50 Mt/a。
如以当前工作线长度1 500 m继续向前推进，每年的推进度将达到600 m/a左右，超出《煤炭工业露天矿设计规范》规定的小于400 m/a要求。将造成外排运距过大且破碎站的移设频繁。因此，应以适应产能需求的工作线长度对采区进行优化，提高生产效率及经济效益。
2. 工作线长度优化
2.1 技术可行的工作线长度
由年产量、容重、含煤率、采出率、煤厚及推进度，确定技术可行工作线长度，应满足[16]：
$$ {L_{\text{k}}} = \frac{Q}{{{v_{\text{t}}}{h_{\text{m}}}\gamma \eta }} $$ (1) 式中：Q为年产量，t/a；$ L_{{\rm{k}}} $为技术可行原煤工作线长度，m；vt为推进度，m/a；$ h_{\mathrm{m}} $为煤层平均厚度，m；γ为原煤容重，t/m3；η为煤层采出率。
根据该矿产能核增要求，以目前1500 m工作线长度，分别计算露天矿产能20 Mt/a与计划产量增至为50 Mt/a时推进度为
$$ {v_{{\rm{t1}}}}{\text{ = }}\frac{{2 \times {{10}^7}}}{{44.2 \times 1\;500 \times 1.32 \times 0.98 \times 0.966\;6}} = 241\;{{\text{m}} / {\text{a}}} $$ (2) $$ {v_{{\rm{t2}}}}{\text{ = }}\frac{{5 \times {{10}^7}}}{{44.2 \times 1\;500 \times 1.32 \times 0.98 \times 0.966\;6}} = 603\;{{\text{m}} / {\text{a}}} $$ (3) 由此可见，产能核增后，以当前工作线长度生产将导致推进度过大，应合理增大工作线长度以降低高产能条件下的推进度。结合《煤炭工业露天矿设计规范》要求，设计生产能力为50 Mt/a时的推进度宜控制在241～400 m/a，进而确定产能核增后技术可行工作线长度为2261.7～3 753.9 m，如图1所示。
2.2 经济合理的工作线长度
通过该露天煤矿的端帮边坡角、上覆岩层剥离物与煤层厚度、爆破、采装及运输费用、排弃路线系数以及排弃的影响距离，确定经济合理工作线长度[17-18]：
$$ {L_{\text{h}}} = \sqrt {\frac{{(H + {h_{\text{m}}})\cot \;\beta ({c_1} + {c_2}b)}}{{1\;000{c_2}a}}} $$ (4) 式中：Lh为经济合理采煤工作线长度，km；H为剥离层平均厚度，m；β为端帮边坡角，(°)；c1为穿孔爆破、采装、排土费，元/m3；c2为运输费，元/(m3·km)；a为排弃路线系数，双环内排时取0.5，单环内排时取1；b为排弃影响距离，km。
排弃影响距离可按式计算：
$$ b = \frac{{H + {h_{\text{m}}}}}{{2\;000}}\left( {\cot \;\varphi + \cot \;\theta + \cot \;\beta } \right) + m $$ (5) 式中：θ为内排土场帮坡角，(°)；φ为工作帮坡角，(°)；m为坑底安全距离，km。
结合煤厚与上覆岩层厚度，确定经济合理工作线长度为2 286.3～2 496.5 m。
2.3 最佳工作线长度
确定产能核增50 Mt/a时，技术可行工作线长度为2 261.7～3 753.9 m，经济合理工作线长度为2 286.3～2 496.5 m。两者取交集为2 286.3～2 496.5取整后确定核增后最佳工作线长度在2 300～2 500 m内取值。
3. 采区划分方案及分析评价
3.1 采区划分方案
3.1.1 采区划分原则
采区划分应满足开采工艺系统及生产能力的需要，结合矿田的几何形状、地质条件、开采工艺和采区接续等因素，以最佳工作线长度为采区宽度划分依据，同时要综合考虑采区长度及服务时间、采区过渡方式及影响，各采区剥采比变化关系等。
3.1.2 采区划分方案的提出
1）方案一：先以矿区南边界往北划分为四采区，再对剩余未开采矿区从东往西以最佳工作线长度划分成3个采区，各采区工作线长度皆基本满足合理工作线长度，如图2所示。
![]()
图 2 采区划分方案一及各采区剥采比Figure 2. Mining area division scheme 1 and stripping ratio bar chart of each mining area2）方案二：从开采现状逐渐往西南方向推进，西南方向4 000 m左右为首采区；再由此往东至东部边界为二采区；然后剩余未开采矿区东部的南北方向长度均分划分成上下三采区和五采区，最后西部合理工作线长度按开采顺序划分为四采区，如图3所示。
![]()
图 3 采区划分方案二及各采区剥采比Figure 3. Mining area division scheme 2 and stripping ratio bar chart of each mining area3）方案三：首采区、二采区与方案二首采区、二采区采区划分方案相同；然后剩余未开采矿区划分成3个采区。保证三采区、四采区从东往西划分在最佳的工作线长度范围内，最后剩余未开采部分为五采区，如图4所示。
![]()
图 4 采区划分方案三及各采区剥采比Figure 4. Mining area division scheme 3 and stripping ratio bar chart of each mining area4）方案四：首采区、二采区与方案二首采区、二采区的采区划分方案相同；然后直接在剩余未开采矿区南北方向上划分成三采区及四采区，如图5所示。
![]()
图 5 采区划分方案四及各采区剥采比Figure 5. Mining area division scheme 4 and stripping ratio bar chart of each mining area3.2 采区划分方案对比
3.2.1 采区平均工作线长度及剥采比
通过采区划分及剥采比等值线图确定4种方案中各采区的平均工作线长度和剥采比大小见表1。
表 1 各采区平均工作线长度及剥采比Table 1. Average working face length and stripping ratio of each mining area采区 工作线长度/m 剥采比/（m3·t−1） 方案一 方案二 方案三 方案四 方案一 方案二 方案三 方案四 首采区 2099 2147 2147 2147 2.18 1.85 1.85 1.85 二采区 2223 2335 2335 2335 3.28 3.04 3.04 3.04 三采区 2157 2436 2266 2360 3.54 4.02 4.93 3.68 四采区 2226 2193 2142 2226 5.06 4.20 3.97 5.06 五采区 — 2480 1896 — — 5.17 4.38 — 3.2.2 方案对比
结合该矿端帮边坡角34°、内排土场边坡角23°，考虑各采区平均埋深、相邻采区二次剥离长度，基于全压帮内排方式，分析4种采区划分方案的优缺点。
1）方案一：优点：①工作线长度分布较均匀；②各采区形状较规则，便于生产；③采区数量少、过渡次数较少；④容易实现内排；⑤剥采比变化趋势随着采区发展逐渐增大。缺点：①由剥采比等值线图可知各采区剥采比分布不均匀；②采区间接续均需重新拉沟，工程量大耽误组织生产；③外排运距3.1 km，长度过大，降低外排效率。
2）方案二：优点：①首采区剥采比1.8 m3/t，前期剥采比较小减小前期投资，投产快；②较容易实现内排；③外排运距为2.2 km，相对较小；④剥采比变化趋势随着采区往后逐渐增大，趋势较好。缺点：①各采区工作线长度变化较大；②二次剥离量950.7 Mm3，相对较大；③采区数量相对较多继而接续次数多，影响生产。
3）方案三：优点：①首采区剥采比1.85 m3/t，前期剥采比较小减小前期投资，投产快；②较容易实现内排；③外排运距2.2 km，相对较小。缺点：①二次剥离量为1 166.5 Mm3，重复剥离大；②采区数量多，接续复杂，工程量大；③五采区内工作线长度分布不均匀；④各采区工作线长度变化较大；⑤剥采比变化趋势先增后减，趋势较差。
4）方案四：优点：①各采区工作线长度分别分布较均匀；②首采区剥采比1.85 m3/t，前期剥采比较小减小前期投资，投产快；③剥采比变化趋势随着采区往后逐渐增大，趋势较好；④采区数量相对较少，接续简单；⑤外排运距2.2 km，相对较小。缺点：后期采区内剥采比较大。
4. 采区划分方案优选
4.1 采区划分评价指标
通过分析总结多个周边相似露天煤矿采区划分经验，且进一步结合专家评价分析确定下列9个指标作为采区划分影响指标。
1）平均工作线长度。平均工作线长度应结合扩增为50 Mt/a的生产能力确定，工作线长度过长或过短对采运排主要生产环节均有一定影响。
2）二次剥离量。采区边界造成开采过程中上覆岩石的重复剥离，大幅度增加生产成本。
3）前期外排运距。前期外排运距的大小直接影响排弃费用以及外排效率。外排运距过大，则会增加采排费用，降低排卸效率及经济效益。
4）内排难易程度。内排难易程度严重影响对排卸物进行排卸时的效率及经济效益。内排越难，造成的排卸费用就越大。
5）采区接续次数。在露天煤矿生产过程中，频繁的采区接续会浪费大量生产时间及造成复杂的生产管理，严重影响原煤的生产效率。
6）首采区勘探程度。首采区勘探程度不明，在生产推进的过程中，因煤层厚度的骤变或者部分自燃导致生产能力受严重影响。
7）采区接续难易。在采区的过渡接续中，采区接续越难，则对采、运、排等主要生产环节的影响越大，影响生产效率。
8）首采区剥采比。首采区的剥采比大小严重影响露天煤矿开采的前期经济效益。首采区剥采比越小，前期经济效果越好。
9）各采区剥采比变化趋势。随着开采的工作面向前推进，剥采比也应保证随着采区不断过渡接续，不呈大幅度波动变化。
其中，各指标数据见表2。
表 2 采区划分评价指标数据Table 2. Data of division of mining area index方案 平均工作线
长度/m二次剥离
量/Mm3前期外排
运距/km内排难易
程度采区接续
次数首采区勘
探程度采区接续
难易首采区剥采比/
(m3·t−1)各采区剥采比
变化趋势方案一 2176 865.9 3.1 较易 3 一般 较易 2.18 较好 方案二 2318 950.7 2.2 一般 4 较好 一般 1.85 一般 方案三 2157 1166.5 2.2 一般 4 较好 一般 1.85 较差 方案四 2267 878.3 2.2 一般 3 较好 较易 1.85 很好 4.2 指标权重确定
各评价指标对采区划分的影响程度取决于各指标权重，且权重是方案优选的关键性指标。选取集值迭代法确定指标权重，其原理如下[19-20]。
设$ Y = \left\{ {{y_1}} \right.,{y_2}, \cdots ,\left. {{y_q}} \right\} $为有限论域，$ P = \{ {{p_1}},{p_2}, \cdots , {{p_q}}\} $，选初始值$ k\left( {1 \leqslant k \leqslant q} \right) $,然后$ {p_j}\left( {j = 1,2,3, \cdots ,n} \right) $按下完成计算：
①在Y中选pj优选属于A的R1=k个元素，得Y的子集：
$$ Y_1^{\left( j \right)} = \left\{ {y_{{i_1}}^{\left( j \right)}} \right.,y_{{i_2}}^{\left( j \right)}, \cdots ,\left. {y_{{i_k}}^{\left( j \right)}} \right\} \subseteq Y $$ (6) ②在Y中选pj优选属于A的R2=2k个元素，得Y的子集：
$$ Y_2^{\left( j \right)} = \left\{ {y_{{i_1}}^{\left( j \right)}} \right.,y_{{i_2}}^{\left( j \right)}, \cdots ,\left. {y_{{i_2}_k}^{\left( j \right)}} \right\} \supseteq Y_1^{\left( j \right)} $$ (7) ③在Y中选pj优选属于A的Rt=tk个元素，得Y的子集：
$$ Y_t^{\left( j \right)} = \left\{ {y_{{i_1}}^{\left( j \right)}} \right.,y_{{i_2}}^{\left( j \right)}, \cdots ,\left. {y_{{i_t}_k}^{\left( j \right)}} \right\} \supseteq Y_{t - 1}^{\left( j \right)} $$ (8) 假设自然数t满足$ q = tk + c,1 \leqslant c \leqslant k $,则在第t+1步迭代终止。
yj的覆盖频率：
$$ m\left( {{y_i}} \right) = \frac{1}{{n\left( {t + 1} \right)}}\sum\limits_{s = 1}^{t + 1} {\sum\limits_{j = 1}^n {{\chi ^{y_s^{\left( j \right)}\left( {{y_i}} \right)}}} } \left( {i = 1,2, \cdots ,q} \right) $$ (9) 式中：$ {\chi ^{y_s^{\left( j \right)}}} $是集合$ Y_s^{\left( j \right)} $的特征函数，将$ m\left( {{y_i}} \right) $归一化即可得各指标权重。
由5位专家$ P = \left\{ {{p_1}} \right.,{p_2},{p_3},{p_4},\left. {{p_5}} \right\} $对采区划分各项指标进行优先排序，最终得到权重集：W=(w1,w2,w3,w4,w5,w6,w7,w8,w9)=(0.058,0.164,0.076,0.133,0.08,0.04,0.084,0.187,0.178)。
4.3 TOPSIS评价法
TOPSIS原理是在比选方案中选出最优指标和最劣指标，并分别组成理想方案和最劣方案，然后计算出理想方案和各比选方案贴近度，由此给各比选方案进行排序，选出最佳方案[21-25]。
1）评价指标同趋势化。通常把低优指标转化为高优指标，即$ {X'_{ij}} = {1 \mathord{\left/ {\vphantom {1 {{X_{ij}}}}} \right. } {{X_{ij}}}} $。且所有指标按对采区划分的影响程度按小、一般、中等、强烈、极端分别进行1、3、5、7、9定量分析评价。
2）矩阵归一化。
$$ \left\{ \begin{gathered} {a_{ij}} = {{X_{ij}}} / {\sqrt {\sum\limits_{i = 1}^n {X_{ij}^2} } } \\ {a_{ij}} = {{{X'}_{ij}}} / {\sqrt {{{\sum\limits_{i = 1}^n {\left( {{{X'}_{ij}}} \right)} }^2}} } \\ \end{gathered} \right. $$ (10) 式中：aij为评价i在第j指标值；Xij为第i评价对象在第j指标值；$ X_{3} $为经Xij倒数转化后值。
归一化矩阵：
$$ \boldsymbol{A}=\left[\begin{array}{cccc} a_{11} & a_{12} & \cdots & a_{1 m} \\ a_{21} & a_{22} & \cdots & a_{2 m} \\ \vdots & \vdots & & \vdots \\ a_{n 1} & a_{n 2} & \cdots & a_{m m} \end{array}\right]$$ (11) 3）最优、最劣向量。分别取归一化矩阵每行的最大值、最小值为最优向量A+与最劣向量A−：
$$ \begin{gathered} {{\boldsymbol{A}}^ + } = \left( {a_{i1}^ + ,a_{i2}^ + , \cdots ,a_{im}^ + } \right) \\ {{\boldsymbol{A}}^ - } = \left( {a_{i1}^ - ,a_{i2}^ - , \cdots ,a_{im}^ - } \right) \\ \end{gathered} $$ (12) 4）计算出各评价所有指标与最劣方案及模型理想方案的距离$ D_i^ - $与$ D_i^ + $。
$$ \left\{ \begin{gathered} D_i^ - = \sqrt {\sum\limits_{j = 1}^m {{w_j}{{\left( {a_{ij}^ - - {a_{ij}}} \right)}^2}} } \\ D_i^ + = \sqrt {\sum\limits_{j = 1}^m {{w_j}{{\left( {a_{ij}^ + - {a_{ij}}} \right)}^2}} } \\ \end{gathered} \right. $$ (13) 式中：$ D_i^ - $、$ D_i^ + $为第i个评价对象到最劣方案和模型理想方案的距离；wj为第j指标权重。
5）计算各方案与理想方案的贴近度Ci：
$$ {C_i} = \frac{{D_i^ - }}{{D_i^ - + D_i^ + }} $$ (14) 6）贴近度Ci越大，说明越接近模型理想方案，离最劣方案越远，即所比选最佳方案。
4.4 比选方案贴近度确定
通过上述TOPSIS评价法以及各比选方案评价指标参数，计算确定出各比选方案贴近度见表3。
表 3 比选方案贴近度Table 3. Closeness of the comparison scheme方案 $ D_{i}^{-} $ $ D_{1}^{*} $ $ C_{t} $ 方案一 0.170 0.178 0.489 方案二 0.098 0.161 0.378 方案三 0.062 0.225 0.216 方案四 0.223 0.066 0.772 由表3可知，C4=0.772最大，即方案四最接近理想方案，因此方案四为最佳方案。
5. 结 论
1）依据技术可行与经济合理为原则，分别计算了产能扩增至50 Mt/a时的工作线合理范围，综合确定了工作线长度最佳范围为2300～2500 m。
2）基于确定的最佳工作线长度对采区进行划分，提出4种采区划分方案，计算了个采区平均工作线长度及剥采比，确定4种采区划分方案的二次剥离量、前期外排运距、内排难易程度以及各采区划分方案的优缺点。
3）构建了基于集值迭代法−TOPSIS法的采区划分方案评价模型，计算了各种方案的贴近度，并确定了从开采现状逐渐往西南方向推进4000 m左右为首采区，再由此往东至东部边界为二采区，然后剩余未开采矿区在南北方向长度均分划分成上下三采区和四采区的最佳采区划分方案。
-
![]()
图 1 煤矸石分拣机器人关键技术逻辑关系
Figure 1. Logical relation of key technology of coal gangue sorting robot
![]()
图 4 “X射线+视觉”煤矸石快速匹配方法原理
Figure 4. Schematic of the “X-ray + vision” coal gangue rapid matching method
![]()
图 7 基于点云数据的煤矸石抓取特征提取方法流程
Figure 7. Process of gangue capture feature extraction method based on point cloud data
![]()
图 9 基于ORB+BEBLID特征的FLANN匹配算法
Figure 9. FLANN matching algorithm based on ORB+BEBLID features
![]()
图 11 FDSST位置滤波器和尺度滤波器目标位置估计示意
Figure 11. FDSST position filter and scale filter target position estimation schematic
![]()
图 13 基于三环PID机械臂轨迹规划原理
Figure 13. Based on the trajectory planning schematic of the three-ring PID manipulator
![]()
图 14 三环PID控制算法动态目标轨迹规划曲线
Figure 14. Dynamic target trajectory planning curve of three-ring PID control algorithm
![]()
图 15 动态空间下多机械臂协同分拣过程
Figure 15. Multi-robot collaborative sorting process in dynamic space
![]()
图 18 多机械臂煤矸石分拣机器人工业样机
Figure 18. Industrial prototype of multi-arm coal gangue sorting robot
![]()
图 17 轨迹协同后机械臂分拣轨迹示意
Figure 17. Schematic of the sorting trajectory of the robotic arm after trajectory coordination
![]()
图 19 同一含矸率不同带速下不同方法的分拣效果
Figure 19. Sorting effect of different methods under different belt speeds of the same content rate
![]()
图 20 不同含矸率不同方法的分拣率
Figure 20. Sorting rates of different methods with different content rates
-
[1] 王 鹏, 曹现刚, 夏 晶, 等. 基于机器视觉的多机械臂煤矸石分拣机器人系统研究[J]. 工矿自动化, 2019, 45(9): 47-53. WANG Peng, CAO Xiangang, XIA jing, et al. Research on multi-manipulator coal and gangue sorting robot system based on machine vision[J]. Industry and Mine Automation, 2019, 45(9): 47-53.
[2] 孙稚媛. 基于视觉信息的煤矸石自动分拣机器人系统研究[D]. 北京: 中国矿业大学(北京), 2021. SUN Zhiyuan. Research on automatic coal gangue sorting robot system based on visual information[D]. Beijing: China University of Mining & Technology-Beijing, 2021.
[3] 赵明辉,宣鹏程,张少宾. 并联煤矸石分拣机器人的结构设计及分析[J]. 机床与液压,2021,49(5):55−59. doi: 10.3969/j.issn.1001-3881.2021.05.011 ZHAO Minghui,XUAN Pengcheng,ZHANG Shaobin. Structure design and analysis for parallel gangue sorting robot[J]. Machine Tool & Hydraulics,2021,49(5):55−59. doi: 10.3969/j.issn.1001-3881.2021.05.011
[4] 董华飞. 基于Delta并联机器人的煤矸石分拣方法研究[D]. 太原: 中北大学, 2022. DONG Huafei. Research on coal gangue sorting method based on Delta parallel robot[D]. Taiyuan: North University of China, 2022.
[5] 张 烨,马宏伟,王 鹏,等. 煤矸石智能分拣机器人研究进展与关键技术[J]. 工矿自动化,2022,48(12):42−48,56. doi: 10.13272/j.issn.1671-251x.2022100048 ZHANG Ye,MA Hongwei,WANG Peng,et al. Research progress and key technologies of intelligent coal-gangue sorting robot[J]. Journal of Mine Automation,2022,48(12):42−48,56. doi: 10.13272/j.issn.1671-251x.2022100048
[6] 王文鑫,黄 杰,王秀宇,等. X射线透射煤矸智能识别方法[J]. 工矿自动化,2022,48(11):27−32,62. WANG Wenxin,HUANG Jie,WANG Xiuyu,et al. X-ray transmission intell igent coal-gangue recognition method[J]. Industry and Mine Automation,2022,48(11):27−32,62.
[7] 司 垒,谭 超,朱嘉皓,等. 基于X射线图像和激光点云的煤矸识别方法[J]. 仪器仪表学报,2022,43(9):193−205. doi: 10.19650/j.cnki.cjsi.J2209683 SI Lei,TAN Chao,ZHU Jiahao,et al. A coal-gangue recognition method based on X-ray image and laser point cloud[J]. Chinese Journal of Scientific Instrument,2022,43(9):193−205. doi: 10.19650/j.cnki.cjsi.J2209683
[8] PICCARDO, H R, HONDERED, G. A new approsch to on-line path planning and generation for robots in non-static environment, [J]. Robotics Autonom Systems, 1991(8): 187-201.
[9] 苏剑波, 冯纯伯. 机器人抓取运动目标的轨迹规划方法[J]. 机器人, 1994(2): 71-76. SU Jianbo, FENG Chunbo. Trajectory planning method of robot grasping moving object[J]. Robot, 1994, (2): 71-76.
[10] 张朝阳. 基于视觉的机器人废金属分拣系统研究[D]. 北京: 中国农业大学. 2015. ZHANG Chaoyang. Research on robot scrap metal sorting robot with machine vision[D]. Beijing: China Agricultural University, 2015.
[11] 曹现刚,李 宁,王 鹏,等. 基于比例导引法的机械臂拣矸过程轨迹规划方法研究[J]. 煤炭工程,2019,51(5):154−158. CAO Xiangang,LI Ning,WANG Peng,et al. Research and simulation on priority and path planning of manipulator gangue picking[J]. Coal Engineering,2019,51(5):154−158.
[12] 李世杰, 左治江, 李 涵. 基于深度学习的机器人抓取系统[J/OL]. 中国测试: 1-10[2022-12-17].http://kns.cnki.net/kcms/detail/51.1714.TB.20221115.1900.005.html LI Shijie, ZUO Zhijiang, LI Han. Design of robot grasping system based on deep learning [J/OL]. China Measurement & Test: 1-10[2022-12-17].http://kns.cnki.net/kcms/detail/51.1714.TB.20221115.1900.005.html
[13] 王 鹏,曹现刚,夏 晶,等. 基于机器视觉的多机械臂煤矸石分拣机器人系统研究[J]. 工矿自动化,2019,45(9):47−53. doi: 10.13272/j.issn.1671-251x.17442 WANG Peng,CAO Xiangang,XIA jing,et al. Research on multi-manipulator coal and gangue sorting robot system based on machine vision[J]. Industry and Mine Automation,2019,45(9):47−53. doi: 10.13272/j.issn.1671-251x.17442
[14] 曹现刚,吴旭东,王 鹏,等. 面向煤矸分拣机器人的多机械臂协同策略[J]. 煤炭学报,2019,44(S2):763−774. doi: 10.13225/j.cnki.jccs.2019.0734 CAO Xiangang,WU Xudong,WANG Peng,et al. Collaborative strategy of multi-manipulator for coal-gangue sorting robot[J]. Journal of China Coal Society,2019,44(S2):763−774. doi: 10.13225/j.cnki.jccs.2019.0734
[15] 黄 贺. 基于点云的散乱堆放棒料位姿识别技术研究[D]. 哈尔滨: 哈尔滨工业大学, 2021. HUANG He. Research on postition and recognition techonlogy of randomly syacked bars based on point clouds[D]. Harbin: Harbin Institute of Technology, 2021.
[16] 王培俊,王文静,陈 鹏,等. 基于OBB算法和前向预防的快速碰撞检测[J]. 西南交通大学学报,2011,46(6):1003−1007. doi: 10.3969/j.issn.0258-2724.2011.06.019 WANG Peijun,WANG Wenjing,CHEN Peng,et al. Rapid collision detection based on OBB algorithm and penetration avoidance mechanism[J]. Journal of Southwest Jiaotong University,2011,46(6):1003−1007. doi: 10.3969/j.issn.0258-2724.2011.06.019
[17] 孙孟寒, 任维政. 基于动态阈值的视频场景切换检测[J]. 计算机系统应用,2023,32(2):234-241. SUN Menghan, REN Weizheng. Video scene switching detection based on dynamic threshold[J]. Computer Systems & Applications,2023,32(2):234-241.
[18] 张 迁, 王 剑, 楚瑞博, 等. 基于BRISK-BEBLID特征的无人机图像快速配准方法[J/OL]. 激光杂志: 1-10[2022-12-18]. http://kns.cnki.net/kcms/detail/50.1085.TN.20221208.1422.009.html. ZHANG Qian, WANG Jian, CHU Ruibo, et al. A fast registration method for UAV images based on BRISK-BEBLID features[J/OL]. Laser Journal: 1-10[2022-12-18]. http://kns.cnki.net/kcms/detail/50.1085.TN.20221208.1422.009.html.
[19] 程 健,闫鹏鹏,郁华森,等. 基于有向线段误匹配剔除的煤矿巷道复杂场景图像拼接方法[J]. 煤炭科学技术,2022,50(9):179−191. doi: 10.13199/j.cnki.cst.2021-0219 CHEN Jian,YAN Pengpeng,YU Huasen,et al. Image stitching method for the complicated scene of coalmine tunnel based on mismatched elimination with directed line segments[J]. Coal Science and Technology,2022,50(9):179−191. doi: 10.13199/j.cnki.cst.2021-0219
[20] 曹现刚, 乔欢乐, 吴旭东, 等. 考虑含矸率时变性的多臂协同策略优化方法[J/OL]. 机械科学与技术: 1-9[2022-12-11].DOI: 10.13433/j.cnki.1003-8728.20220159. CAO Xiangang, QIAO Huanle, WU Xudong, et al. Multi-arm cooperative strategy optimization method considering time variability of gangue rate[J/OL]. Mechanical Science and Technology for Aerospace Engineering : 1-9[2022-12-11].DOI: 10.13433/j.cnki.1003-8728.20220159.
-
期刊类型引用(17)
1. 向艳芳，梁龙，潘跃亮，张家臣. 基于改进Keras模型的煤矸石快速识别. 采矿技术. 2025(01): 268-273 . 
百度学术
2. 曹现刚，王虎生，王鹏，吴旭东，向敬芳，李虎. 基于视觉实时引导的煤矸石精准跟踪方法. 煤炭科学技术. 2025(01): 356-364 . 本站查看
3. 迟海波. 选矸机器人手爪机构设计及其分拣功能分析. 煤炭技术. 2024(02): 226-230 . 百度学术
4. 马宏伟，周文剑，王鹏，张烨，赵英杰，王赛赛，李烺. 改进的ORB-FLANN煤矸石图像高效匹配方法. 煤炭科学技术. 2024(01): 288-296 . 本站查看
5. 徐傲，冀连权，刘仁明. 煤矸石分选柔性机械爪设计. 煤炭技术. 2024(03): 259-261 . 百度学术
6. 李振坤，黄金凤，李奇松. 选矸机器人高速并联机构伺服驱动选型研究. 选煤技术. 2024(01): 73-78 . 百度学术
7. 高琳，梁朝辉，董红娟，于鹏伟，张志远. 煤矸石智能分拣机器人运动规划技术的研究进展. 科学技术与工程. 2024(16): 6567-6575 . 百度学术
8. 曹现刚，王虎生，王鹏，吴旭东，向敬芳，李虎. 基于改进ORB的复杂场景煤矸石匹配算法. 煤炭工程. 2024(06): 189-195 . 百度学术
9. 聂鹏. 基于视觉煤矸石分选机的布料系统设计. 煤炭技术. 2024(10): 209-212 . 百度学术
10. 胡成军，李杰，张坤，潘格格，马健，郭刚，毕经龙，杜明超. 基于掘锚一体机的快速自动铺网技术研究. 煤炭科学技术. 2024(09): 103-111 . 本站查看
11. 张晓玲，唐荣芳，程荣波，唐荣文. 随意摆放物流工件分拣机械手抓取力自动化控制方法. 自动化与仪器仪表. 2024(11): 251-255 . 百度学术
12. 巴蕾，闫龙，王晶，卓庆奉，万友. 煤矿井下煤矸智能分选及充填技术在工程中的应用研究. 矿业装备. 2024(10): 19-21 . 百度学术
13. 汪宝友. 基于机器视觉的分拣机器人创新设计与试验研究. 机器人产业. 2023(03): 78-81 . 百度学术
14. 刘彦甲. 一种井下机械臂通信信号滤波方法. 工矿自动化. 2023(07): 141-146 . 百度学术
15. 常新中，岳哲鹏，郜海超，娄泰山，关广胜. 基于改进粒子群的混合金豺优化算法的移动机器人路径规划. 中原工学院学报. 2023(04): 24-29 . 百度学术
16. 迟海波. 基于串并联变换的多机械臂矸石分拣系统. 煤矿安全. 2023(12): 239-245 . 百度学术
17. 袁慧娟，张继林，刘向丽. 设备维修方式在煤炭机械中的应用. 设备管理与维修. 2023(22): 50-51 . 百度学术
其他类型引用(9)
下载:
计量
- 文章访问数: 190
- HTML全文浏览量: 47
- PDF下载量: 173
- 被引次数: 26
