CN109166113B - 一种采煤机截割控制系统及截割轨迹规划方法 - Google Patents
一种采煤机截割控制系统及截割轨迹规划方法 Download PDFInfo
- Publication number
- CN109166113B CN109166113B CN201810968609.6A CN201810968609A CN109166113B CN 109166113 B CN109166113 B CN 109166113B CN 201810968609 A CN201810968609 A CN 201810968609A CN 109166113 B CN109166113 B CN 109166113B
- Authority
- CN
- China
- Prior art keywords
- coal
- image
- cutting
- rock
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003245 coal Substances 0.000 title claims abstract description 90
- 238000005520 cutting process Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000011435 rock Substances 0.000 claims abstract description 49
- 238000005065 mining Methods 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims abstract description 27
- 238000012706 support-vector machine Methods 0.000 claims abstract description 15
- 230000033001 locomotion Effects 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 27
- 230000002146 bilateral effect Effects 0.000 claims description 21
- 239000000428 dust Substances 0.000 claims description 18
- 238000002834 transmittance Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 7
- 230000015556 catabolic process Effects 0.000 claims description 6
- 238000006731 degradation reaction Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000036346 tooth eruption Effects 0.000 abstract description 4
- 238000005299 abrasion Methods 0.000 abstract description 3
- 230000003993 interaction Effects 0.000 abstract 1
- 230000008901 benefit Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
一种采煤机截割控制系统及截割轨迹规划方法。截割控制系统包括图像获取模块、数据处理模块与控制模块。图像获取模块固定在若干个液压支架上,并使图像获取模块能捕获到所在位置相对应的待截割面的图像;数据处理模块接受来自图像获取模块的信息并进行图像处理;控制模块为PLC系统,实现数据处理、信息交互、控制执行机构等功能;规划时进行图像处理,利用支持向量机进行煤岩界面识别,对识别的多个煤岩界面点进行平滑连线,并进行相对平移,作为滚筒截割轨迹,所连接的曲线符合滚筒运动形式。本发明能够使采煤机滚筒在巷道截割过程中自动避开顶岩,减少了滚筒截齿磨损,提升了截割速度和截割效率,为实现采煤机的自动化、高效化作业提供条件。
Description
技术领域
本发明涉及一种采煤机截割控制系统,具体是一种采煤机截割控制系统及截割轨迹规划方法,属于自动化采煤装备技术领域。
背景技术
煤炭是我国的基础能源产业,保证基础支柱产业的稳定运行才能为经济建设奠定良好的基础。在采煤作业中,采煤机滚筒的自动调高控制是发展智能无人开采技术的重要一环,现采用的多为人工调节,即采煤机司机根据视力观察和采煤机的工作噪声判断截齿是否截割到岩石,然后进行调节。由于工作面的能见度低、噪声大,操作人员无法及时准确地判断滚筒的截割状态,导致人工调节方式容易截割到顶部岩石,加大了滚筒截齿工作磨损,影响截齿寿命;截割的煤炭中混入矸石后还会降低煤炭品质;对于高瓦斯矿井,易导致爆炸事故的发生;对待截割工作面的煤岩分布不了解还会导致欠截割,欠截割会造成煤炭资源的浪费,不能得到较大回采率,影响经济效益;人工操作易导致顶底板表面不平整,影响液压支架的移架和推溜。
发明内容
针对上述现有技术存在的问题,本发明的目的是提供一种采煤机截割控制系统及截割轨迹规划方法,能够实时精确判断待截割工作面的煤岩分布,并根据煤岩分布情况规划出合理的滚筒截割路径,可有效避免采煤机截割到顶板、减少滚筒截齿的磨损和破坏,提升采煤品质;能够避免煤炭资源的浪费,保证顶底板表面平整。
为实现上述目的,本发明采用的技术方案是:一种采煤机截割控制系统,包括多个图像获取模块、一个数据处理模块和采煤机主体上的一滚筒高度控制模块,所述各图像获取模块分别设置在待截割面前方布设的各个液压支架上,各图像获取模块皆正对待截割面,且各图像获取模块皆与数据处理模块的输入端电连接;滚筒高度控制模块包括PLC控制系统,所述数据处理模块的输出端与PLC控制系统的输入端连接,且PLC控制系统通过电液比例控制阀与采煤机主体上的滚筒调高液压部件连接。
优选的,所述图像获取模块包括上下布置的隔爆型探照灯和CCD摄像机隔爆型探照灯和CCD摄像机皆置于安装壳体中,所述安装壳体上与CCD摄像机的镜头相对的一侧设有外开式旋转门,所述外开式旋转门的门轴与一步进电机的输出轴对接且由步进电机驱动旋转。外开式旋转门可以保护CCD摄像机,在不需要摄像时关闭外开式旋转门可以避免摄像机镜头被掉落的煤块砸到发生损坏;隔爆型探照灯能够提供照明、辅助CCD摄像机进行摄像工作。
优选的,为了保证控制质量和稳定性,本发明中所述数据处理模块可以采用嵌入式微处理器系统,型号为LPC2210,嵌入式微处理器系统中设有具有学习功能的支持向量机;所述的PLC控制系统为三菱FX2n-80MR-ES/UL型PLC控制器。
各个图像获取模块将拍摄的图像信息输送至数据处理模块,数据处理模块进行处理和规划轨迹后将信息作为输入信号输送至PLC控制系统;PLC控制系统能够通过电液比例控制阀控制滚筒调高液压部件运转,对滚筒的高度进行调节。上述采用的滚筒调高液压部件为安装在截割臂上的液压油缸。
本发明公开的采煤机截割轨迹规划方法包括如下步骤:
第一步、在未截割前对大量的可作为学习样本的待截割面的煤岩图像分别进行雾尘图像复原处理并去噪,对灰度共生矩阵的纹理统计量进行提取,然后利用支持向量机训练区分煤岩;
第二步、对CCD摄像机拍摄的图像进行雾尘图像复原处理并去噪,然后将图像横向划分成若干区域,将每个区域灰度共生矩阵的纹理统计量输入支持向量机进行分类,识别出每个区域的煤岩状况,并在此基础上,区分判断出待截割面上的煤壁与顶岩;
第三步、对待截割面建立坐标系,利用每个CCD摄像机拍摄的图像所判断出的顶板与煤层的分界点绘制平滑连线,并进行平移即可作为滚筒中心的移动路径。
优选的,所述第一步中对煤岩图像分别进行雾尘图像复原处理并去噪的具体步骤如下:
a)求取暗原色图像,进行大气光值估计
根据暗原色先验知识,对清晰无雾图像J求取其相应的暗原色图像
式中,Jdark为J的暗原色且其值很低接近于0;Ω(x,y)为以(x,y)为中心的一块方形区域;JC为某个颜色通道;
利用暗原色值估计大气光A。选定15×15像素大小的模板Ω,求取有雾图像的暗原色图Idark,在Idark中选取暗原色值最大的0.1%的像素点,这部分像素通常对应不透明的浓雾区域;在浓雾区域中搜索亮度值最大点,将该像素亮度值作为大气光A的估计;
b)粗略透射率图估计
雾尘图像退化模型
简记为
I'(x,y)=J(x,y)+n'(x,y),
其中,I'(x,y)为转换图像;J(x,y)为无雾清晰图像;n'(x,y)为成像噪声。
在大气光A已知的情况下,假定局部区域Ω(x,y)内透射率取值不变为对上式在3个颜色通道中进行最小化运算并两端除以A,并在3个颜色通道之间进行最小化计算,有
依据暗原色先验统计规律:
接近于0,代入有
c)利用联合双边滤波算法获得精细透射率图
透射率优化按粗略透射率分布图的滤波处理来加以完成,在平滑粗略透射率分布图的同时保持其边缘特征,从而获取精细透射率;采用联合双边滤波算法对透射率的粗略值进行细化操作,即空域的平滑函数采用高斯函数,值域的平滑函数为ρ(α)=|α|b,来设计权重系数矩阵W[m,n];以粗略透射图为初始估计,在图像/>像素处的操作可表示为
其中双边滤波器为
Z(k,l)为所有权重的归一化;b和δ的合适取值范围为b∈[0.5,1]和δ∈[0.04,0.06];
d)使用高斯双边滤波器去尘去噪
采用双边滤波器可以求解模型y=x+n所对应目标函数最优化的求解,且算法直接无需采用迭代操作;对比前面推导建立的雾尘图像退化模型与y=x+n形式完全一致,因而建立相应目标函数:
求解采用高斯双边滤波器来完成,其具体形式为
J(k,l)=α(m,n,k,l)I'(k-m,l-n),
其中双边滤波器为
优选的,所述第一步中对灰度共生矩阵的纹理统计量进行提取具体包括如下步骤:
分别计算处理后的煤岩学习样本图像的灰度共生矩阵的多个特征,包括平方和、对比度、逆差矩、熵与自相关;以G(x,y)为共生矩阵第x行第y列元素的值,
平方和计算式为:
对比度计算式为:
其中t为灰度级
逆差矩计算式为:
熵的计算式为:
自相关的计算式为:
式中,μ1,μ2为均值;为方差;
在此基础上构造特征向量P=[ASM,CON,IDM,ENT,COR]。
优选的,所述第一步中利用支持向量机训练区分煤岩具体包括如下步骤:
输入的训练样本为{(p1,y1),(p2,y2),…,(pn,yn)},其中pn∈P为输入的特征向量,yn∈{±1}代表输出的煤岩识别结果,设最优决策面方程为ωTpi+b=0,yi(ωTpi+b)≥1-ξi为约束条件,其中ξi为线性不可分条件下的松弛变量,然后利用Lagrange乘子法将求解问题转化为以下的约束优化问题:
其中,满足约束条件的Lagrange乘子为约束条件为/>
i=1,2,3,…,N;K(p,p')为核函数,表达式为:
满足Mercer定理,g为核函数宽度。
优选的,所述第二步的具体过程如下:
1)在滚筒运动至工作面边界时,CCD摄像机进行拍摄,将各个液压支架上的CCD摄像机拍摄到的图像截取中心相同的细长矩形,矩形要求高度能够刚好覆盖整个待截割面的高度H,宽度选取为H/10,液压支架的间距为a,滚筒半径为R;
2)对所有图像进行雾尘复原处理并进行去噪;
3)将处理后的图像分别进行横向等分,等分数的数值越大,则对煤岩界面识别越精确,但运算量会有所增大;数值越小,则煤岩识别界面越模糊,运算量会有下降,反应迅速;对待截割面建立坐标系,对所分割的每个图像区域进行坐标定位,横坐标x∈[1,16],纵坐标y∈[1,20];
4)计算出每个图像区域的灰度共生矩阵的纹理统计量;
5)将其每个区域的灰度共生矩阵的纹理统计量输入支持向量机进行分类,识别出每个图像区域的煤岩状况,对每个坐标进行赋值,若判定为煤,则对该图像区域所对应的坐标赋值ζ=0,若为岩石,则标定该坐标为ζ=1。
优选的,所述第三步的具体步骤如下:
1)分别对比在x为固定值时,对比每个纵坐标y的ζ值,当ζ值由0变为1时,则标定最后一个ζ=0处的纵坐标为b,若ζ始终等于0,则标定纵坐标的最大值为b;
2)将标定坐标系转化为实际坐标系,实际坐标A'(m',n')与(x,b)关系为m'=a(x-1)+H/5,n'=Hb/20;将实际坐标去除滚筒半径,则滚筒中心坐标A(m,n)=A'(m',n'-R);
3)以上求得的坐标依次连线为多段直线,不符合采煤机截割运动特性,并不能作为采煤机截割路径,需要对其进行平滑处理,采用3次B样条对其进行拟合优化,3次B样条基函数的矩阵表达式为:
代入相邻四点坐标Ai、Ai+1、Ai+2、Ai+3坐标,得到
Gi(u)=M[Ai,Ai+1,Ai+2,Ai+3]T(i=1,2,…13),
Gi(u)为Ai与Ai+1间曲线段,这样得到的13个B样条曲线段连续且平滑,可作为滚筒预定截割轨迹。
相对于现有技术,本发明有如下优势:
(1)本发明可以实时精确判断待截割工作面的煤岩分布情况,并根据煤岩分布情况规划出截割路径、使截割滚筒可以自适应调高,采煤机滚筒按照规划出的截割路径行走截割可有效避免采煤机截割到顶板,避免了滚筒截齿碰到岩石后被磨损和破坏,提高了使用寿命;由于截割的煤炭中不会混入矸石、有效提升了采煤品质;
(2)本发明可以对待截割面上的煤体实现最大程度的截割,避免了煤炭资源的浪费,提升了回采率和经济效益;截割后的顶底板表面平整,大大方便了液压支架的移架和推溜;
(3)本发明通过系统规划轨迹使滚筒自适应调高,采煤机可以自动控制采煤,不需要人工干预、避免了误操作,降低了截齿的更换频率和故障发生率,保证了截割过程可以顺利进行,提升了截割速度和截割效率,为实现采煤机的自动化、高效化作业提供了条件。
附图说明
图1为本发明的结构示意图;
图2为本发明的图像获取模块结构示意图;
图3是图2纵切后的内部示意图;
图4是外开式旋转门打开的状态图;
图5为本发明具体实施例中煤岩识别结果示意图;
图6为本发明具体实施例中拟合轨迹示意图。
图中:1、采煤机主体,2、图像获取模块,2-1、安装壳体,2-2、步进电机,2-3、隔爆型探照灯,2-4、外开式旋转门,2-5、CCD摄像机,3、数据处理模块,4、滚筒高度控制模块,10.待截割面,20.液压支架。
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1至图4所示,一种采煤机截割控制系统,包括多个图像获取模块2、一个数据处理模块3和采煤机主体1上的一滚筒高度控制模块4,所述各图像获取模块2分别设置在待截割面10前方布设的各个液压支架20上,各图像获取模块2皆正对待截割面10,且各图像获取模块2皆与数据处理模块3的输入端电连接;滚筒高度控制模块4包括PLC控制系统,所述数据处理模块3的输出端与PLC控制系统的输入端连接,且PLC控制系统通过电液比例控制阀与采煤机主体1上的滚筒调高液压部件连接。
上述图像获取模块2可以是普通摄像机或其它具有图像获取功能的图像传感器。优选的,所述图像获取模块2包括上下布置的隔爆型探照灯2-3和CCD摄像机2-5隔爆型探照灯2-3和CCD摄像机2-5皆置于安装壳体2-1中,所述安装壳体2-1上与CCD摄像机2-5的镜头相对的一侧设有外开式旋转门2-4,所述外开式旋转门2-4的门轴与一步进电机2-2的输出轴对接且由步进电机2-2驱动旋转。外开式旋转门2-4可以保护CCD摄像机2-5,在不需要摄像时关闭外开式旋转门2-4可以避免摄像机镜头被掉落的煤块砸到发生损坏;隔爆型探照灯2-3能够提供照明、辅助CCD摄像机2-5进行摄像工作。
优选的,为了保证控制质量和稳定性,本发明中所述数据处理模块3可以采用嵌入式微处理器系统,型号为LPC2210,嵌入式微处理器系统中设有具有学习功能的支持向量机;所述的PLC控制系统为三菱FX2n-80MR-ES/UL型PLC控制器。
使用时,在CCD摄像机2-5拍摄时步进电机2-2可以带动外开式旋转门2-4向外旋转打开180°,使CCD摄像机2-5能够拍摄到其对应的待截割面10的整个高度范围;在相机拍摄完成后,步进电机2-2带动外开式旋转门2-4重新闭合到安装壳体2-1上,保护CCD摄像机2-5的镜头;隔爆型探照灯2-3能够提供照明、辅助CCD摄像机2-5进行摄像工作。各个CCD摄像机2-5将拍摄的图像信息输送至数据处理模块3,数据处理模块3进行处理和规划轨迹后将信息作为输入信号输送至PLC控制系统;PLC控制系统能够通过电液比例控制阀控制滚筒调高液压部件运转,对滚筒的高度进行调节。上述采用的滚筒调高液压部件为安装在截割臂上的液压油缸。
采煤机截割轨迹规划方法,包括以下步骤:
第一步、在未截割前对待截割面10的煤岩图像分别进行雾尘图像复原处理并去噪,对灰度共生矩阵的纹理统计量进行提取,然后利用支持向量机训练区分煤岩。具体过程如下:
1)进行雾尘图像复原与去噪处理,具体过程如下:
a)求取暗原色图像,进行大气光值估计
根据暗原色先验知识,对清晰无雾图像J求取其相应的暗原色图像
式中,Jdark为J的暗原色且其值很低接近于0;Ω(x,y)为以(x,y)为中心的一块方形区域;JC为某个颜色通道。
利用暗原色值估计大气光值A。选定15×15像素大小的模板Ω,求取有雾图像的暗原色图Idark,在Idark中选取暗原色值最大的0.1%的像素点,这部分像素通常对应不透明的浓雾区域;在浓雾区域中搜索亮度值最大点,将该像素亮度值作为大气光值A的估计。
b)粗略透射率图估计
雾尘图像退化模型
简记为:
I'(x,y)=J(x,y)+n'(x,y),
其中,I'(x,y)为转换图像;J(x,y)为无雾清晰图像;n'(x,y)为成像噪声。
在大气光A已知的情况下,假定局部区域Ω(x,y)内透射率取值不变为对上式在3个颜色通道中进行最小化运算并两端除以A,并在3个颜色通道之间进行最小化计算,有
依据暗原色先验统计规律
接近于0,代入有
c)利用联合双边滤波算法获得精细透射率图
透射率优化可按粗略透射率分布图的滤波处理来加以完成,在平滑粗略透射率分布图的同时保持其边缘特征,从而获取精细透射率。采用联合双边滤波算法对透射率的粗略值进行细化操作,即空域的平滑函数采用高斯函数,值域的平滑函数为ρ(α)=|α|b,来设计权重系数矩阵W[m,n]。以粗略透射图为初始估计,在图像/>像素处的操作可表示为
其中双边滤波器为:
Z(k,l)为所有权重的归一化;b和δ的合适取值范围为b∈[0.5,1]和δ∈[0.04,0.06]。
d)使用高斯双边滤波器去尘去噪
采用双边滤波器可以求解模型y=x+n所对应目标函数最优化的求解,且算法直接无需采用迭代操作。对比前面推导建立的雾尘图像退化模型与y=x+n形式完全一致,因而建立相应目标函数:
求解采用高斯双边滤波器来完成,其具体形式为
J(k,l)=α(m,n,k,l)I'(k-m,l-n)
其中双边滤波器为:
2)对灰度共生矩阵的纹理统计量进行提取
分别计算处理后的煤岩学习样本图像的灰度共生矩阵的多个特征,包括平方和、对比度、逆差矩、熵与自相关。以G(x,y)为共生矩阵第x行第y列元素的值。
平方和计算式为:
对比度计算式为:
其中t为灰度级。
逆差矩计算式为:
熵的计算式为:
自相关的计算式为:
式中,μ1,μ2为均值;为方差,
在此基础上构造特征向量P=[ASM,CON,IDM,ENT,COR]。
3)利用支持向量机训练区分煤岩
该步骤基本思想总结为:通过定义适当的内积函数进行非线性变换,可以将多维的特征输入映射到高维的核空间,从而使得原本不可分的数据获得新的特征,更加有利于在这个新的高维空间中求最优分类面。
输入的训练样本为{(p1,y1),(p2,y2),…,(pn,yn)},其中pn∈P为输入的特征向量,yn∈{±1}代表输出的煤岩识别结果,设最优决策面方程为ωTpi+b=0,yi(ωTpi+b)≥1-ξi为约束条件,其中ξi为线性不可分条件下的松弛变量,然后利用Lagrange乘子法将求解问题转化为以下的约束优化问题:
其中,满足约束条件的Lagrange乘子为约束条件为/>
i=1,2,3,…,N;K(p,p')为核函数,表达式为
满足Mercer定理,g为核函数宽度。
第二步、如图5所示,节选出待截割面10的一段进行描述如下:对CCD摄像机2-5拍摄的图像进行雾尘图像复原处理即去噪,然后将图像横向划分成若干区域,将其每个区域的灰度共生矩阵的纹理统计量输入支持向量机进行分类,识别出每个区域的煤岩状况,并在此基础上,判断出工作面的顶岩与底板岩;具体如下:
1)在滚筒运动至待截割面10边界时,CCD摄像机2-5进行拍摄,将16个液压支架上的CCD摄像机2-5拍摄到的图像截取中心相同的细长矩形,矩形要求高度能够刚好覆盖整个工作面高度H,宽度选取为H/10,液压支架间距为a,滚筒半径为R;
2)对所有图像进行雾尘复原处理并进行去噪;
3)将处理后的图像分别进行横向20份等分,等分数可以适当变化,该数值越大,则对煤岩界面识别越精确,但运算量会有所增大,数值越小,则煤岩识别界面越模糊,运算量会有下降,反应迅速;对工作面建立坐标系,对所分割的每个图像区域进行坐标定位,横坐标x∈[1,16],纵坐标y∈[1,20];
4)按照前述方法计算出每个图像区域的灰度共生矩阵的纹理统计量;
5)将其每个区域的灰度共生矩阵的纹理统计量输入支持向量机进行分类,识别出每个图像区域的煤岩状况,对每个坐标进行赋值,若判定为煤,则对该图像区域所对应的坐标赋值ζ=0,若为岩石,则标定该坐标为ζ=1。
第三步、利用每个CCD摄像机2-5拍摄的图像所判断出的顶板、底板岩与煤层的分界点,绘制其平滑连线,并进行平移即可作为滚筒中心的移动路径。具体步骤如下:
1)分别对比在x为固定值时,对比每个坐标的ζ值,如:x=3时,y=1至y=17时的ζ=0,而y=18至y=20时ζ=1,产生变化,则标定x=3时,b=17,若ζ无变化,如x=9时,则标定b=20;
2)将标定坐标系转化为实际坐标系,实际坐标A'(m',n')与(x,b)关系为m'=a(x-1)+H/5,n'=Hb/20;将实际坐标去除滚筒半径,则滚筒中心坐标A(m,n)=A'(m',n'-R);
3)以上求得的坐标依次连线为多段直线,不符合采煤机截割运动特性,并不能作为采煤机截割路径,需要对其进行平滑处理,采用3次B样条对其进行拟合优化,3次B样条基函数的矩阵表达式为:
代入相邻四点坐标Ai、Ai+1、Ai+2、Ai+3坐标,得到
Gi(u)=M[Ai,Ai+1,Ai+2,Ai+3]T(i=1,2,…13)
Gi(u)为Ai与Ai+1间曲线段,这样得到的13个B样条曲线段连续且平滑,可作为滚筒预定截割轨迹,结果如图6所示。将上述规划的移动路径作为输入信号输入至滚筒高度控制模块4的PLC控制系统,在采煤机主体1沿待截割面10行进过程中PLC控制系统即可通过电液比例控制阀控制滚筒调高液压部件运转,对滚筒的高度进行调节,使滚筒根据规划的轨迹移动、对待截割面10进行截割。
Claims (8)
1.一种采煤机截割轨迹规划方法,其特征在于,包括如下步骤:
第一步、在未截割前对大量的可作为学习样本的待截割面(10)的煤岩图像分别进行雾尘图像复原处理并去噪,对灰度共生矩阵的纹理统计量进行提取,然后利用支持向量机训练区分煤岩;
第二步、对CCD摄像机(2-5)拍摄的图像进行雾尘图像复原处理并去噪,然后将图像横向划分成若干区域,将每个区域灰度共生矩阵的纹理统计量输入支持向量机进行分类,识别出每个区域的煤岩状况,并在此基础上,区分判断出待截割面(10)上的煤壁与顶岩;
第三步、对待截割面(10)建立坐标系,利用每个CCD摄像机(2-5)拍摄的图像所判断出的顶板与煤层的分界点绘制平滑连线,并进行平移即可作为滚筒中心的移动路径;
所述第二步的具体过程如下:
1)在滚筒运动至工作面边界时,CCD摄像机(2-5)进行拍摄,将各个液压支架(20)上的CCD摄像机(2-5)拍摄到的图像截取中心相同的细长矩形,矩形要求高度能够刚好覆盖整个待截割面的高度H,宽度选取为H/10,液压支架(20)的间距为a,滚筒半径为R;
2)对所有图像进行雾尘复原处理并进行去噪;
3)将处理后的图像分别进行横向等分,等分数的数值越大,则对煤岩界面识别越精确,但运算量会有所增大;数值越小,则煤岩识别界面越模糊,运算量会有下降,反应迅速;对待截割面建立坐标系,对所分割的每个图像区域进行坐标定位,横坐标x∈[1,16],纵坐标y∈[1,20];
4)计算出每个图像区域的灰度共生矩阵的纹理统计量;
5)将其每个区域的灰度共生矩阵的纹理统计量输入支持向量机进行分类,识别出每个图像区域的煤岩状况,对每个坐标进行赋值,若判定为煤,则对该图像区域所对应的坐标赋值ζ=0,若为岩石,则标定该坐标为ζ=1。
2.根据权利要求1所述一种采煤机截割轨迹规划方法,其特征在于,所述第一步中对煤岩图像分别进行雾尘图像复原处理并去噪的具体步骤如下:
a)求取暗原色图像,进行大气光值估计
根据暗原色先验知识,对清晰无雾图像J求取其相应的暗原色图像
式中,Jdark为J的暗原色且其值很低接近于0;Ω(x,y)为以(x,y)为中心的一块方形区域;JC为某个颜色通道;
利用暗原色值估计大气光值A:选定15×15像素大小的模板Ω,求取有雾图像的暗原色图Idark,在Idark中选取暗原色值最大的0.1%的像素点,这部分像素通常对应不透明的浓雾区域;在浓雾区域中搜索亮度值最大点,将该像素亮度值作为大气光值A的估计;
b)粗略透射率图估计
雾尘图像退化模型
简记为
I'(x,y)=J(x,y)+n'(x,y),
其中,I'(x,y)为转换图像;J(x,y)为无雾清晰图像;n'(x,y)为成像噪声;
在大气光A已知的情况下,假定局部区域Ω(x,y)内透射率取值不变为对上式在3个颜色通道中进行最小化运算并两端除以A,并在3个颜色通道之间进行最小化计算,有
依据暗原色先验统计规律:
接近于0,代入有
c)利用联合双边滤波算法获得精细透射率图
透射率优化按粗略透射率分布图的滤波处理来加以完成,在平滑粗略透射率分布图的同时保持其边缘特征,从而获取精细透射率;采用联合双边滤波算法对透射率的粗略值进行细化操作,即空域的平滑函数采用高斯函数,值域的平滑函数为ρ(α)=|α|b,来设计权重系数矩阵W[m,n];以粗略透射图为初始估计,在图像/>像素处的操作可表示为
其中双边滤波器为
Z(k,l)为所有权重的归一化;b和δ的合适取值范围为b∈[0.5,1]和δ∈[0.04,0.06];
d)使用高斯双边滤波器去尘去噪
采用双边滤波器可以求解模型y=x+n所对应目标函数最优化的求解,且算法直接无需采用迭代操作;对比前面推导建立的雾尘图像退化模型与y=x+n形式完全一致,因而建立相应目标函数:
求解采用高斯双边滤波器来完成,其具体形式为
J(k,l)=α(m,n,k,l)I'(k-m,l-n),
其中双边滤波器为
3.根据权利要求1所述一种采煤机截割轨迹规划方法,其特征在于,所述第一步中对灰度共生矩阵的纹理统计量进行提取具体包括如下步骤:
分别计算处理后的煤岩学习样本图像的灰度共生矩阵的多个特征,包括平方和、对比度、逆差矩、熵与自相关;以G(x,y)为共生矩阵第x行第y列元素的值,
平方和计算式为:
对比度计算式为:
其中t为灰度级
逆差矩计算式为:
熵的计算式为:
自相关的计算式为:
式中,μ1,μ2为均值;为方差;
在此基础上构造特征向量P=[ASM,CON,IDM,ENT,COR]。
4.根据权利要求1所述一种采煤机截割轨迹规划方法,其特征在于,所述第一步中利用支持向量机训练区分煤岩具体包括如下步骤:
输入的训练样本为{(p1,y1),(p2,y2),…,(pn,yn)},其中pn∈P为输入的特征向量,yn∈{±1}代表输出的煤岩识别结果,设最优决策面方程为ωTpi+b=0,yi(ωTpi+b)≥1-ξi为约束条件,其中ξi为线性不可分条件下的松弛变量,然后利用Lagrange乘子法将求解问题转化为以下的约束优化问题:
其中,满足约束条件的Lagrange乘子为约束条件为/>0≤ai≤C,i=1,2,3,…,N;K(p,p')为核函数,表达式为:
满足Mercer定理,g为核函数宽度。
5.根据权利要求1所述一种采煤机截割轨迹规划方法,其特征在于,所述第三步的具体步骤如下:
1)分别对比在x为固定值时,对比每个纵坐标y的ζ值,当ζ值由0变为1时,则标定最后一个ζ=0处的纵坐标为b,若ζ始终等于0,则标定纵坐标的最大值为b;
2)将标定坐标系转化为实际坐标系,实际坐标A'(m',n')与(x,b)关系为m'=a(x-1)+H/5,n'=Hb/20;将实际坐标去除滚筒半径,则滚筒中心坐标A(m,n)=A'(m',n'-R);
3)以上求得的坐标依次连线为多段直线,不符合采煤机截割运动特性,并不能作为采煤机截割路径,需要对其进行平滑处理,采用3次B样条对其进行拟合优化,3次B样条基函数的矩阵表达式为:
代入相邻四点坐标Ai、Ai+1、Ai+2、Ai+3坐标,得到
Gi(u)=M[Ai,Ai+1,Ai+2,Ai+3]T(i=1,2,…13),
Gi(u)为Ai与Ai+1间曲线段,这样得到的13个B样条曲线段连续且平滑,可作为滚筒预定截割轨迹。
6.一种采煤机截割控制系统,其特征在于,包括多个图像获取模块(2)、一个数据处理模块(3)和采煤机主体(1)上的一滚筒高度控制模块(4),所述各图像获取模块(2)分别设置在待截割面(10)前方布设的各个液压支架(20)上,各图像获取模块(2)皆正对待截割面(10),且各图像获取模块(2)皆与数据处理模块(3)的输入端电连接;滚筒高度控制模块(4)包括PLC控制系统,所述数据处理模块(3)的输出端与PLC控制系统的输入端连接,且PLC控制系统通过电液比例控制阀与采煤机主体(1)上的滚筒调高液压部件连接;将权利要求1至5中任意一项所述采煤机截割轨迹规划方法规划的移动路径作为输入信号输入至滚筒高度控制模块(4)的PLC控制系统,在采煤机主体(1)沿待截割面(10)行进过程中PLC控制系统即可通过电液比例控制阀控制滚筒调高液压部件运转,对滚筒的高度进行调节,使滚筒根据所述移动路径移动、对待截割面(10)进行截割。
7.根据权利要求6所述的一种采煤机截割控制系统,其特征在于,所述图像获取模块(2)包括上下布置的隔爆型探照灯(2-3)和CCD摄像机(2-5)隔爆型探照灯(2-3)和CCD摄像机(2-5)皆置于安装壳体(2-1)中,所述安装壳体(2-1)上与CCD摄像机(2-5)的镜头相对的一侧设有外开式旋转门(2-4),所述外开式旋转门(2-4)的门轴与一步进电机(2-2)的输出轴对接且由步进电机(2-2)驱动旋转。
8.根据权利要求6所述的一种采煤机截割控制系统,其特征在于,所述数据处理模块(3)为嵌入式微处理器系统,型号为LPC2210;所述PLC控制系统为三菱FX2n-80MR-ES/UL型PLC控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810968609.6A CN109166113B (zh) | 2018-08-23 | 2018-08-23 | 一种采煤机截割控制系统及截割轨迹规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810968609.6A CN109166113B (zh) | 2018-08-23 | 2018-08-23 | 一种采煤机截割控制系统及截割轨迹规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109166113A CN109166113A (zh) | 2019-01-08 |
CN109166113B true CN109166113B (zh) | 2023-11-10 |
Family
ID=64896524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810968609.6A Active CN109166113B (zh) | 2018-08-23 | 2018-08-23 | 一种采煤机截割控制系统及截割轨迹规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109166113B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934409B (zh) * | 2019-03-18 | 2022-12-27 | 西安科技大学 | 一种大采高煤壁工作面片帮预测网络及其预测方法 |
US10794182B1 (en) * | 2019-03-20 | 2020-10-06 | Joy Global Underground Mining Llc | Systems and methods for controlling a longwall mining system based on a forward-looking mine profile |
CN110595462B (zh) * | 2019-05-23 | 2021-01-19 | 北斗天地股份有限公司山东分公司 | 一种直线拟合的方法 |
CN111402158B (zh) * | 2020-03-13 | 2023-02-24 | 西安科技大学 | 一种综采工作面低照度雾尘图像清晰化方法 |
CN111485880B (zh) * | 2020-04-14 | 2021-01-12 | 北京龙软科技股份有限公司 | 一种煤矿回采工作面智能开采预测截割线生成方法及装置 |
CN112668109B (zh) * | 2020-11-30 | 2024-01-30 | 天地(榆林)开采工程技术有限公司 | 一种综采工作面截割路线模型建立方法 |
CN112990169B (zh) * | 2021-05-20 | 2021-08-24 | 天津美腾科技股份有限公司 | 煤岩界面的识别方法、割煤轨迹的确定方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102297822A (zh) * | 2010-06-22 | 2011-12-28 | 中国矿业大学 | 一种通过图像分析预测煤粒灰分的方法 |
CN102496004A (zh) * | 2011-11-24 | 2012-06-13 | 中国矿业大学(北京) | 一种基于图像的煤岩界面识别方法与系统 |
CN103207999A (zh) * | 2012-11-07 | 2013-07-17 | 中国矿业大学(北京) | 一种基于煤岩图像特征抽取以及分类识别的煤岩分界方法和系统 |
CN106761738A (zh) * | 2016-12-15 | 2017-05-31 | 中国矿业大学 | 基于机器视觉可自动规划截割路径的悬臂式掘进机及方法 |
CN107120116A (zh) * | 2017-07-03 | 2017-09-01 | 中国矿业大学 | 一种基于图像识别的采煤机滚筒自动调高装置与方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9650893B2 (en) * | 2011-04-01 | 2017-05-16 | Joy Mm Delaware, Inc. | Imaging-based interface sensor and control device for mining machines |
-
2018
- 2018-08-23 CN CN201810968609.6A patent/CN109166113B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102297822A (zh) * | 2010-06-22 | 2011-12-28 | 中国矿业大学 | 一种通过图像分析预测煤粒灰分的方法 |
CN102496004A (zh) * | 2011-11-24 | 2012-06-13 | 中国矿业大学(北京) | 一种基于图像的煤岩界面识别方法与系统 |
CN103207999A (zh) * | 2012-11-07 | 2013-07-17 | 中国矿业大学(北京) | 一种基于煤岩图像特征抽取以及分类识别的煤岩分界方法和系统 |
CN106761738A (zh) * | 2016-12-15 | 2017-05-31 | 中国矿业大学 | 基于机器视觉可自动规划截割路径的悬臂式掘进机及方法 |
CN107120116A (zh) * | 2017-07-03 | 2017-09-01 | 中国矿业大学 | 一种基于图像识别的采煤机滚筒自动调高装置与方法 |
Non-Patent Citations (2)
Title |
---|
基于支持向量机的煤岩图像特征抽取与分类识别;孙继平等;《煤炭学报》;第38卷(第Supp.2期);摘要,第3.3节第1-4段 * |
煤矿智能视频监控中雾尘图像的清晰化研究;张谢华等;《煤炭学报》;第39卷(第1期);第1节第2段,第2节第1段,第2.1节第1-4段,第2.2节第1段,第4.1节第1段,第4.2节第2-3段,第6节第1段 * |
Also Published As
Publication number | Publication date |
---|---|
CN109166113A (zh) | 2019-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109166113B (zh) | 一种采煤机截割控制系统及截割轨迹规划方法 | |
CN111047555B (zh) | 基于图像处理技术的矿石图像粒度检测算法 | |
CN109443480B (zh) | 基于图像处理的水位标尺定位及水位测量方法 | |
CN109753081B (zh) | 一种基于机器视觉的巷道巡检无人机系统及导航方法 | |
CN106680290A (zh) | 狭窄空间的多功能检测车 | |
CN109801297B (zh) | 一种基于卷积实现的图像全景分割预测优化方法 | |
CN108198417B (zh) | 一种基于无人机的道路巡检系统 | |
CN109242833B (zh) | 一种采煤机截割控制方法 | |
CN108734109B (zh) | 一种面向图像序列的视觉目标跟踪方法及系统 | |
CN112116633A (zh) | 一种矿井打钻计数方法 | |
CN114495068B (zh) | 基于人机交互和深度学习的路面健康检测方法 | |
CN108205324A (zh) | 一种智能道路清理装置 | |
CN208858354U (zh) | 采煤机截割控制系统 | |
CN110378866B (zh) | 一种基于无人机巡检的渠道衬砌破损图像识别方法 | |
CN106713701A (zh) | 一种基于图像处理技术的群集运动数据采集方法及系统 | |
CN112161571B (zh) | 一种低数据量的双目视觉采煤机定位与位姿检测系统及方法 | |
CN116901089B (zh) | 一种多角度视距的机器人控制方法及系统 | |
CN109236292A (zh) | 一种掘进机截割轨迹规划系统与方法 | |
CN109558877A (zh) | 基于kcf的海上目标跟踪算法 | |
CN111402158A (zh) | 一种综采工作面低照度雾尘图像清晰化方法 | |
CN204666185U (zh) | 一种仿生机器鱼用测量平台 | |
Liu et al. | A new measurement method of real-time pose estimation for an automatic hydraulic excavator | |
CN115007474A (zh) | 一种基于图像识别的选煤机器人及选煤方法 | |
CN111931824B (zh) | 一种基于钻孔返渣图像的煤岩识别方法 | |
CN112347841B (zh) | 一种基于深度学习的矸石充填捣实机构防碰撞应用方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |