CN110409550A - 一种全自动作业地下采矿铲运机 - Google Patents

Abstract

本发明公开了一种全自动作业地下采矿铲运机，包括铲运机主体和设置在铲运机主体内的车载自动驾驶系统，所述车载自动驾驶系统包括：传感模块，设置于铲运机主体的各个部位上；计算模块，内集成了通信、感知、定位、决策和控制算法，耦接于传感模块，接收传感模块输出的感应数据，并根据其内的控制算法输出控制期望信号；执行器，耦接于计算模块，还耦接于铲运机本体，接收计算模块输出的控制期望信号。本发明的全自动作业地下采矿铲运机，通过传感模块、计算模块和执行器的设置，便可有效的实现检测铲运机本体的外部环境和车辆状态，并且有效的实现控制铲运机本体的运作了。

Description

一种全自动作业地下采矿铲运机

技术领域

本发明涉及一种铲运机，更具体的说是涉及一种全自动作业地下采矿铲运机。

背景技术

矿产资源是发展国民经济的重要物质基础，随着经济的长期高速发展，矿产资源的需求日益增大，对开采效率的要求也逐渐提高。传统地下采矿依靠采矿设备和作业人员在井下恶劣的作业区域完成采矿任务，存在着采矿效率低、资源消耗过多、人力成本和安全隐患较高等问题。如何通过技术手段提高地下矿产资源的开采效率，降低采矿成本，并有效保障地下采矿作业人员的人身安全成为国内外学者研究的重点。

近年来，计算机技术、信息技术、检测控制技术的发展为上述问题提供了解决方案。其中，具有代表性的是远程遥控地下采矿铲运机的应用。远程遥控地下采矿铲运机利用无线通信和遥控技术，使操作人员可在远离铲运机的安全区域，于监控室内通过遥控手柄单元控制铲运机的铲运等动作，有效地保障了采矿作业人员的人身安全，而且操作人员可同时遥控多台铲运机作业，在一定程度上提高了采矿效率。

上述技术虽然对提高采矿作业效率和解决作业人员的安全隐患问题具有一定的积极作用，但仍然存在一些不足。首先，远程遥控地下采矿铲运机依靠操作人员通过遥控手柄实时控制铲运机的铲运等动作，需要大量的人力支出且对操作人员的要求较高；其次，远程遥控地下采矿铲运机基于摄像头获取井下作业区域的环境状况，而铲运机自身的运行状态无法实时反馈给操作人员。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种使操作人员远离井下恶劣、危险的工作环境，同时提高采矿作业效率并降低采矿成本的全自动作业地下采矿铲运机。

为实现上述目的，本发明提供了如下技术方案：一种全自动作业地下采矿铲运机，包括铲运机主体和设置在铲运机主体内的车载自动驾驶系统，所述车载自动驾驶系统包括：

传感模块，设置于铲运机主体的各个部位上，以感知铲运机主体外部环境后输出感应数据；

计算模块，内集成了通信、感知、定位、决策和控制算法，耦接于传感模块，接收传感模块输出的感应数据，并根据其内的控制算法输出控制期望信号；

执行器，耦接于计算模块，还耦接于铲运机本体，接收计算模块输出的控制期望信号，将控制期望转化为底层控制信号，并执行该底层控制信号改变铲运机本体的运行状态。

作为本发明的进一步改进，所述传感模块包括：

摄像头（1），设置于铲运机本体的驾驶舱的车顶上，耦接于计算模块，用于拍摄铲运机作业过程中的视频输出视频数据，识别矿堆和铲斗中矿物量，实时拍摄现场视频信息，将视频数据、矿物量数据和现场视频传输至计算模块；

激光雷达（2），设置于铲运机本体车头和后侧车体上，耦接于计算模块，用于识别和跟踪障碍物，检测环境信息，同时识别矿堆和铲斗中的矿物量，将障碍物信息、环境信息和矿物量数据传输至计算模块；

毫米波雷达（3），组合设置在激光雷达（2）旁，耦接于计算模块，用于障碍物检测和跟踪，并将障碍物信息传输至计算模块；

惯性测量单元（4），设置于铲运机本体的驾驶舱的车顶上，耦接于计算模块，用于提供加速度信息，并与激光雷达（2）的点云数据融合后传输至计算模块；

通信设备（5），设置于铲运机本体的驾驶舱的车顶上，耦接于计算模块，用于构建计算模块与外部调度控制中心双向传输通道。

作为本发明的进一步改进，所述计算模块包括：

感知域，耦接于摄像头（1）、激光雷达（2）、毫米波雷达（3）和惯性测量单元（4），以接收摄像头（1）、激光雷达（2）、毫米波雷达（3）和惯性测量单元（4）输出的数据和信息，并进行分析计算后输出结果；

决策域，耦接于感知域，以接收感知域输出的结果，并根据结果产生行为决策，规划局部路径和运动，同时进行系统状态监控，并在产生故障时，输出故障决策；

控制域，耦接于决策域，还耦接于铲运机本体，以接收决策域输出的运动规划，输出纵横向协调控制指令至铲运机本体底层线控系统，同时输出铲斗控制指令和车身状态控制指令；

安全域，耦接于感知域、决策域和控制域，以记录感知域、决策域和控制域内的数据，同时进行故障诊断。

作为本发明的进一步改进，所述执行器包括：

横向控制执行器，耦接于铲运机本体，用于控制铲运机本体的前轮转角；

纵向控制执行器，耦接于铲运机本体，用于控制铲运机本体的纵向加速度；

铲斗控制执行器，耦接于铲运机本体，用于控制铲运机铲斗的举升和下降动作；

车身状态执行器，耦接于铲运机本体，用于控制铲运机的指示性部件。

作为本发明的进一步改进，所述感知域包括：

信息路由节点，耦接于通信设备（5），用于接收外部手持设备通信报文、调度控制中心通信报文、系统请求信息、车辆状态信息、障碍物信息、摄像头信息和故障诊断信息，解析手持设备通信报文和控制中心通信报文以及系统请求信息中的指令内容，同时融合系统请求信息、车辆状态信息、障碍物信息、摄像头信息和故障诊断信息形成监控数据，将监控数据周期性的发送至外部调度控制中心；

毫米波雷达数据预处理节点，耦接于毫米波雷达（3），用于对毫米波雷达数据进行数据解析以及坐标转换；

毫米波雷达目标识别节点，耦接于毫米波雷达（3），用于基于毫米波雷达预处理数据进行目标识别；

激光雷达数据预处理节点，耦接于激光雷达（2），用于对激光点云数据进行数据解析以及坐标转换；

激光雷达目标识别节点，耦接于激光雷达（2），用于基于激光点云数据的目标识别；

目标融合节点，耦接于毫米波雷达（3），用于执行前景元素融合估计；

IMU数据解析节点，耦接于惯性测量单元（4），用于解析IMU数据；

车辆数据解析节点，耦接于铲运机本体，用于解析车辆数据，发送控制指令到车辆底层，并向故障诊断节点发送诊断信息；

车辆状态解算节点，耦接于铲运机本体，用于解算车辆状态；

摄像头数据预处理节点，耦接于摄像头（1），用于接收摄像头（1）数据，对摄像头数据进行解析，并向安全域发送心跳包，包含故障信息。

作为本发明的进一步改进，所述决策域包括：

全局路径规划节点，耦接于感知域和安全域，还耦接于通信设备（5），用于收取外部调度控制中心输出的信息和指令，以输出局部路径规划信息，同时进行系统状态监控；

局部路径规划节点，耦接于全局路径规划结构，用于接收局部路径规划信息，输出运动规划。

作为本发明的进一步改进，所述控制域包括：

车辆控制节点，耦接于执行器，用于横向控制、纵向控制、铲斗控制和车身状态控制，输出车辆的油门、液压制动器主缸压力、转向角度及转速、转向灯信号。

作为本发明的进一步改进，所述安全域包括：

故障诊断节点，耦接于感知域、决策域和控制域，以接收故障信息，并诊断是否出现故障；

数据记录节点，耦接于感知域、决策域和控制域，不断接收感知域、决策域和控制域的消息，并进行数据存储，写入本地文件。

本发明的有益效果，

1、本发明车载自动驾驶系统的传感模块采用多传感器融合感知方案，即激光雷达和毫米波雷达融合感知，可提升障碍物识别与跟踪的准确性。

2、本发明车载自动驾驶系统的传感模块使用基于激光雷达和IMU的融合定位方法，激光雷达具有分辨率高、测距精度高和抗有源干扰能力强的优点，IMU具有短时间精度较高的优点，融合两者信息可提供准确、可靠的实时定位。

3、本发明通过在铲运机前方装设摄像头，能够有效地供调度控制中心实时获取井下工作区域的状况，并记录铲运机作业过程中的视频数据，便于监控矿井安全状况，进行事故分析和后期大数据挖掘，以改进无人驾驶算法。

4、本发明允许调度控制中心工作人员在必要时对铲运机进行远程操控，以应对突发事件或故障事件，保证铲运作业的效率和安全性。

5、本发明全自动作业地下采矿铲运机可在井下巷道内自主行驶和无人作业，使操作人员远离井下恶劣、危险的工作环境，同时可在调度控制中心的调度下进行自动化协同作业，从而提高采矿作业效率并降低采矿成本。

6、本发明通过故障诊断实时监控车载自动驾驶系统的运行状态，校验不同模块间所交换数据的合法性，判断系统各部分是否正常，若发现异常则立即触发应急处理措施，进一步提升铲运作业的可靠性和安全性。

7、本发明调度控制中心对存储的运营数据进行分类和管理，大数据积累后可通过数据挖掘进一步优化车载自动驾驶系统的参数设计，从而提升系统性能，形成良性工作循环。

8、本发明调度控制中心能根据实际情况合理分配资源，迅速调度对应的铲运机进行协同作业，提升作业效率。

附图说明

图1是本发明全自动作业地下采矿铲运机硬件拓扑图；

图2是本发明车载自动驾驶系统传感器布置方案示意图；

图3是本发明车载自动驾驶系统计算模块中算法架构示意图；

图4是本发明车载自动驾驶系统计算模块中分布式软件节点关系图；

图5是本发明全自动作业地下采矿铲运机作业流程图。

具体实施方式

下面将结合附图所给出的实施例对本发明做进一步的详述。

参照图1所示，全自动作业地下采矿铲运机包括铲运机主体和车载自动驾驶系统。车载自动驾驶系统由传感模块、计算模块和执行器组成。

1、传感模块中包含了车载自动驾驶系统用于感知环境的主要传感器：通信设备5、摄像头1、激光雷达2、毫米波雷达3和惯性测量单元4（IMU）。其中，通信设备5、摄像头1和激光雷达2使用以太网口通信，毫米波雷达3通过CAN总线通信， IMU使用串口通信。

2、计算模块中有以不同通信方式与传感器进行数据交互的板卡，传感器和执行器通过这些板卡与计算模块中运行的算法产生数据交互。通信设备5直接与计算模块的网卡1相连。摄像头1的视频数据通过以太网交换机1汇聚后与计算模块的网卡2相连。激光雷达2的数据通过以太网交换机2汇聚后与计算模块的网卡2相连。毫米波雷达3与计算模块的CAN卡2相连，由于各毫米波雷达3的报文ID冲突，故每个毫米波雷达3需要与不同的CAN口相连。IMU用串口通信的方式与计算模块的串行通信卡相连。计算模块与执行器也通过CAN总线进行数据交互，执行器与计算模块的CAN卡1相连。

3、执行器通过CAN通信与计算模块进行数据交互，其主要分为四类：横向控制执行器、纵向控制执行器、铲斗控制执行器和车身状态执行器。其中，1）横向控制执行器通过改变铲运机的前轮转角以改变车辆的横向运动。2）纵向控制执行器通过改变铲运机的油门开度和液压制动器主缸压力以改变车辆的纵向运动。3）铲斗控制执行器负责对铲斗的举升和下降动作进行控制。4）车身状态执行器负责对铲运机的指示灯等不改变铲运机位姿的指示性部件进行控制，包括：转向灯、示廓灯、双闪灯、近光灯、远光灯和喇叭的控制。

如图2所示，车载自动驾驶系统的传感器布置方案为：

1、激光雷达2共3个，其中2个布置于铲运机前方，1个布置于铲运机的后方，用于障碍物识别和跟踪以及为SLAM过程提供环境信息，其中，前方激光雷达2还用于矿堆和铲斗中矿物量的识别。

2、毫米波雷达3共2个，分别布置于铲运机的前方和后方，用于障碍物检测和跟踪，作为激光雷达2的补充，增强障碍物检测能力。

3、摄像头1共2个，分别布置于铲运机的前方和后方，用于：1）记录铲运机作业过程中的视频数据，便于事故分析。2）在远程操控中为调度控制中心提供现场视频信息。3）后期大数据挖掘，以便改进无人驾驶算法。其中，前方摄像头1还用于矿堆和铲斗中矿物量的识别。

4、惯性测量单元4（IMU）布置于铲运机车顶，提供加速度信息，与激光雷达2的点云数据融合后可提高车辆定位的更新频率和平滑性。

5、通信设备5布置于铲运机车顶，用于与调度控制中心交互数据，包括定位数据、车辆状态数据、视频推流数据和业务调度数据等。

如图3所示，车载自动驾驶系统计算模块软件中集成的算法可以归为四大类：感知域算法、决策域算法、控制域算法和安全域算法。

1、感知域算法实现的内容有：1）对激光雷达2和毫米波雷达3采集的数据进行滤波和分析，得出基于单传感器的障碍物检测信息，然后融合多方向和多类型传感器信息，实现多源数据融合，识别跟踪障碍物。2）对车辆底层、 IMU和激光雷达2数据进行滤波和分析，估计铲运机位姿信息。3）基于本地地图信息和2）中铲运机位姿估计信息，进行实时定位与建图，并维护和更新本地地图。4）对激光雷达2的点云数据和摄像头1的图像数据进行滤波分析，识别矿堆和铲斗中的矿物量。

2、决策域算法实现的内容有：1）依据感知域的感知定位信息和调度控制中心的调度指令及全局路径规划信息，对铲运机直行、转向、铲斗动作等行为进行决策，并进行局部的路径规划和运动规划。2）对系统各部分的运行状态进行实时监控。3）进行故障决策。

3、控制域算法主要实现铲运机的上层动力学控制，包括：1）铲运机纵横向协调控制，根据决策域的期望轨迹和车辆当前位姿状态进行车辆纵横向动力学解算，得出横向期望前轮转角和纵向期望加速度，输出到铲运机底层线控系统。2）铲斗控制，依据决策域的铲斗动作决策结果对铲斗举升和下降动作进行控制。3）车身状态控制，对铲运机指示灯等指示性设备进行控制，用以向外界指示铲运机当前所处的状态。

4、安全域算法实现的内容有：数据记录和故障诊断。其中，1）数据记录是对车载传感器原始数据、车载自动驾驶系统的计算中间数据（环境感知结果和决策规划结果等），以及铲运机的任务调度数据进行同步和序列化，并进行本地存储。2）故障诊断是实时监控车载自动驾驶系统的运行状态，校验不同模块间所交换数据的合法性，判断系统各部分是否正常，若发现异常则立即触发应急处理措施，保障安全。

如图4所示，车载自动驾驶系统计算模块中分布式软件节点可以归为四大类：感知域节点、决策域节点、控制域节点和安全域节点。各节点间以消息的形式进行信息交互。

1、感知域节点处理从传感器获取的原始信息，进行滤波、聚类、前后景分离和多源融合等操作，获得定位信息、障碍物感知信息和矿堆矿物量识别信息，输出给决策域用于路径规划和铲斗动作决策。感知域节点包括：信息路由节点、毫米波雷达3数据预处理节点、毫米波雷达3目标识别节点、激光雷达2数据预处理节点、激光雷达2目标识别节点、目标融合节点、IMU数据解析节点、车辆CAN数据解析节点、车辆状态解算节点和摄像头1数据预处理节点。

（1）信息路由节点。该节点主要执行通信信息的中转，通信信息主要包括来自外部的通信报文，如车载HMI（Human Machine Interface，人机交互界面）、手持HMI（又称手持设备）和调度控制中心的通信报文，以及来自车载自动驾驶系统内部的通信消息，如车辆状态信息、障碍物信息、视频数据、系统请求、故障诊断数据等。该节点具体完成如下功能：1）接收手持设备通信报文，解析指令内容。2）接收调度控制中心通信报文，解析指令内容。3）若指令中有远程操控请求指令等涉及铲运机控制的内容，则对比请求连接设备的编号和当前连接中的设备编号。若请求连接设备的优先级高于连接中的设备，则向全局路径规划节点转发急停指令，待车辆状态转为系统待机之后，向外部设备反馈连接成功消息；否则，反馈连接失败消息，附加正在连接中的设备编号，以便申请连接的设备分析连接失败的原因。若指令内容不涉及对铲运机的操控，则不更改车载自动驾驶系统的当前锁定设备。如果调度控制中心指令中有急停指令，且当前连接中的设备优先级高于调度控制中心，则依然将急停指令转发给系统监控指令。4）接收系统请求信息、车辆状态信息、障碍物信息、摄像头1信息和故障诊断信息。5）解析系统请求信息中的指令内容，如果发现数据上传指令，则开始将本地数据文件发送到调度控制中心，并向全局路径规划节点发送进入数据上传状态的消息，确认发送完成后删除本地数据文件，并向全局路径规划节点发送数据上传完成消息。6）发送指令消息，包括1）中的指令、2）中的指令和3）中的急停指令，给全局路径规划节点。7）融合4）中接收的信息形成监控数据。8）向调度控制中心周期性发送监控数据。9）向故障诊断节点发送心跳包消息，包含故障信息。10）在停机时，由局部路径规划节点发出数据上传指令，信息路由节点响应该指令，并执行数据上传动作。数据上传结束后向局部路径规划节点反馈结果。

（2）毫米波雷达3数据预处理节点。该节点主要执行毫米波雷达3原始数据预处理，包括数据解析以及坐标转换。具体来说，该节点完成如下功能（按顺序执行）：1）收集并解析车载毫米波雷达3原始数据。2）收集车辆状态信息。3）根据毫米波雷达3安装的位置和作用，对毫米波雷达3原始目标进行坐标变换，将其从传感器坐标系转换到车辆坐标系下。4）输出毫米波雷达3预处理消息，即为上一步中转换坐标后的原始目标信息。5）判断毫米波雷达3是否故障，并向故障诊断节点发送心跳包，包含故障信息。

（3）毫米波雷达3目标识别节点。该节点主要执行基于毫米波雷达3预处理数据进行的目标识别。具体来说，该节点完成如下功能（按顺序执行）：1）根据毫米波雷达3预处理消息中的数据，对有效目标进行滤波，滤除噪声目标。2）根据毫米波雷达3预处理消息中的数据，结合车辆状态数据，对有效目标进行动、静态目标挑选。3）根据动静态目标挑选结果，进行多目标跟踪估计。4）发送毫米波雷达3的目标识别消息，即为上一步骤中获得的多目标跟踪结果。5）向故障诊断节点发送心跳包，包含故障信息。

（4）激光雷达2数据预处理节点。该节点主要执行激光原始点云预处理，主要包括数据解析以及坐标转换。具体来说，该节点完成如下功能（按顺序执行）：1）收集整圈激光雷达2原始数据并解析。2）对统一格式的激光雷达2数据做坐标转换，将其从传感器坐标系转换到车辆坐标系，数据格式不变。3）判断激光雷达2是否故障，并向故障诊断节点发送心跳包，包含故障信息。

（5）激光雷达2目标识别节点。该节点主要执行基于激光点云的目标识别，其目标状态是相对于车辆坐标系进行表示的。具体来说，该节点完成如下功能：1）根据三维激光点云数据预处理结果，对处理后的三维激光点云进行聚类分析。2）根据聚类结果，对有效目标种类（车辆、行人或者其他障碍物）进行识别。3）根据识别结果进行多目标跟踪估计。4）结合摄像头1数据解析结果和激光点云聚类结果对矿堆和矿物量进行识别。5）向故障诊断节点发送心跳包，包含故障信息。

（6）目标融合节点。该节点主要执行前景元素融合估计，其目标状态是相对于车辆坐标系进行表示的。具体来说，该节点完成如下功能（按顺序执行）：1）根据三维激光点云目标识别结果和毫米波雷达3目标识别结果，对目标进行关联和跟踪。2）根据关联结果进行多目标状态融合。3）向故障诊断节点发送心跳包，包含故障信息。

（7）IMU数据解析节点。该节点主要解析IMU数据，完成如下功能：1）收集、解析IMU原始数据并进行校验。2）发送IMU数据诊断通信包。

（8）车辆CAN数据解析节点。该节点主要负责解析车辆数据，发送控制指令到车辆底层，并向故障诊断节点发送诊断信息。

（9）车辆状态解算节点。该节点完成如下功能：1）基于IMU数据预处理结果和车辆底层状态数据，解算车辆状态。2）结合IMU和激光雷达2的目标识别结果给出铲运机位姿信息。3）并向故障诊断节点发送故障信息。

（10）摄像头1数据预处理节点。该节点接收摄像头1数据，对摄像头1数据进行解析，并向故障诊断节点发送心跳包，包含故障信息。

2、决策域节点从感知域节点获取障碍物检测信息、铲运机定位信息、铲运机状态信息、调度控制中心的调度和操控信息及全局路径规划信息、矿堆和矿物量的识别信息，从安全域获取故障诊断信息，集成所有信息对车辆运动、铲斗动作和各节点状态等进行决策。决策域节点包括：全局路径规划节点和局部路径规划节点。

（1）全局路径规划节点。该节点的主要功能为：1）收取通过信息路由节点转发的调度控制中心调度和控制指令，收取故障诊断节点的故障诊断消息，收取局部路径规划节点的决策消息。2）向局部路径规划节点转发调度控制中心的全局路径规划信息。3）在远程操控模式时，向局部路径规划节点转发调度控制中心的操控指令。4）在进入静默模式时，发送睡眠毫米波雷达3数据预处理节点、激光雷达2数据预处理节点、毫米波雷达3目标识别节点、激光雷达2目标识别节点、目标融合节点、车辆控制节点、故障诊断节点、数据记录节点的消息；在退出静默模式时，发送唤醒毫米波雷达3数据预处理节点、激光雷达2数据预处理节点、毫米波雷达3目标识别节点、激光雷达2目标识别节点、目标融合节点、车辆控制节点、故障诊断节点、数据记录节点的消息。5）监控系统状态和系统异常情况，并向调度控制中心上报状态消息。6）监控故障诊断信息，向局部路径规划节点下发故障信息。7）在急停时，向局部路径规划节点转发调度控制中心的急停指令。8）在行进路径上存在障碍物阻挡时，收取局部路径规划节点上报的障碍物信息，并向调度控制中心汇报。9）向故障诊断节点发送心跳包数据。10）检测故障诊断节点心跳包，若出现异常，则向局部路径规划节点发起制动指令。

（2）局部路径规划节点。该节点的主要功能为：1）收取多源融合感知结果消息和系统指令消息。2）检测全局路径规划节点和目标融合节点心跳包，若未收到心跳包信息，向车辆控制节点发送紧急制动指令。3）判断障碍物是否与轨迹冲突，若冲突，则规划速度轨迹，避免碰撞，停止后向故障诊断节点上报障碍物阻挡信息。4）收取全局路径规划节点故障信息，若收到故障信息，则做出相应决策；如需紧急制动，则向车辆控制节点发送紧急制动指令。5）若处于远程操控模式，则向车辆控制节点转发控制信息。6）维护系统状态，并向全局路径规划节点报告，向车辆控制节点下发状态。7）监测自检状态，若自检失败，则发送发动机停机指令。8）在接收任务为铲矿时，设计铲运机行驶轨迹，并跟踪轨迹自主行使，识别到矿堆后执行铲矿动作，当铲斗中的矿物量达到一次铲运要求时，控制铲斗升起。9）在接收任务为卸矿时，设计铲运机行驶轨迹，并跟踪轨迹自主行使，到达卸矿点后，控制铲斗降下。10）决策转向灯、驻车、信号灯光等执行器控制指令。11）在急停时，向车辆控制节点转发调度控制中心的急停指令。12）若系统正常，向车辆控制节点转发轨迹信息。13）发送节点心跳消息。14）在收到调度控制中心的停机指令后，陆续让其他的相关节点进入睡眠状态，安全域的数据记录节点完成本地存储文件的写入操作并关闭文件后，发送指令让信息路由节点发起数据上传动作。

3、控制域仅包含一个节点，即车辆控制节点，负责铲运机的上层动力学控制，包括横向控制、纵向控制、铲斗控制和车身状态控制，输出车辆的油门、液压制动器主缸压力、转向角度及转速、转向灯信号等。该节点的主要功能包括：1）收取局部路径规划节点消息和车辆状态消息。2）检测局部路径规划节点和车辆状态解算节点心跳包，若未收到心跳包信息，向车辆CAN数据解析节点发送最大制动信号。3）检测当前车辆状态是否偏离轨迹过多，若是，则向车辆CAN数据解析节点发送最大制动信号。4）若收到局部路径规划节点紧急制动信息，则向车辆CAN数据解析节点发送最大制动信号。5）若处于远程操控模式，计算车辆期望油门开度、期望制动器主缸压力，并向车辆CAN数据解析节点发送上述信息和转发方向盘转角信息。6）转发铲斗控制、驻车、信号灯光等执行器控制指令。7）若车辆底层控制响应错误，则向车辆CAN数据解析节点发送最大制动信号，同时报告故障信息。8）若处于正常模式，则计算车辆期望油门开度、期望制动器主缸压力、方向盘转角信息，发送至车辆CAN数据解析节点。9）响应局部路径规划节点的静态测试指令，按流程进行静态测试。

4、安全域包括两个节点，即故障诊断节点和数据记录节点。

（1）故障诊断节点。故障诊断节点接收其他节点的故障信息，汇总后通过消息发送给全局路径规划节点用于决策，并通过信息路由节点将故障信息上报到调度控制中心。故障诊断节点接收来自13个其他节点的故障诊断信息，故障诊断报文除了用以传递故障诊断信息，还兼做节点的心跳消息。不论是否存在故障信息，故障诊断报文均被周期性发送。若确有故障信息，则故障诊断报文中填充具体故障信息；若无故障信息，则故障诊断报文仅包含报文头，故障信息部分为空。

（2）数据记录节点。数据记录节点负责不断接收其他节点的消息，并进行数据存储，写入本地文件。用于存储的数据分为两类：运营存储数据和详细存储数据。其中，1）运营存储数据包含：车辆编号、报文时间、车辆位姿、故障信息、车辆底层指示灯状态、车辆底层执行器状态、算法的主要中间计算结果等内容。运营存储数据不实时回传到调度控制中心，每隔固定的时间，铲运机会行驶回停车场进行维护，在停车场的时间里将运营存储数据上传到调度控制中心，由调度控制中心进行数据分类存储。这种设计可以减少人工干预（相比于换SD卡或硬盘的方式），提升系统自动化程度。当运营存储数据的存储时长超过24小时，并在停车场向调度控制中心完成数据上传后，将删除本地数据。2）详细存储数据包含车载自动驾驶系统所采集的传感器原始数据，以及算法的中间计算结果，如决策结果等。详细存储数据仅存储于车载自动驾驶系统本地，保存时长为24小时，当超过24小时后，车载自动驾驶系统自动覆盖历史数据。详细存储数据主要用于事故分析。

数据记录节点的故障诊断主要针对设备的磁盘空间。当磁盘空间剩余20%时，数据记录节点即生成故障信息上报调度控制中心，调度控制中心应当合理规划该铲运机的任务，保证磁盘空间写满前铲运机能回到停车场。当磁盘剩余空间只有10%时，调度控制中心应当立即调度铲运机回停车场进行维护和数据上传。当磁盘剩余空间只有5%时，铲运机将向调度控制中心报告故障信息，并留在最后一个待机模式中，不再接收新任务，等待调度控制中心调度员的适当处理。

如图5所示，全自动作业地下采矿铲运机作业流程主要包括：系统上电与自检、停车场出发、铲矿区铲矿、道路运输、卸矿区卸矿、停车场停车和系统关闭。

1、系统上电与自检

车载自动驾驶系统从关闭状态到正常工作状态，必须经过上电和自检。上电即通过操作员手动操作开关以使车载自动驾驶系统的电子系统获得供电，自检即车载自动驾驶系统通过必要的流程判断自身组件是否完好，系统是否有能力开展正常工作。

（1）系统上电。若调度控制中心调度员确认井下环境可进行无人作业，则根据运营需求通知停车场操作员给指定车载自动驾驶系统上电。停车场操作员根据调度控制中心的指示打开相应车载自动驾驶系统开关。若车载自动驾驶系统上电失败，则由停车场操作员报告调度控制中心并排查故障。若系统上电成功，则停车场操作员下车，返回办公室并向调度控制中心报告车载自动驾驶系统上电情况。车载自动驾驶系统上电后处于静默运行状态，等待调度控制中心的任务调度指令。1）上电前准备：a、由调度控制中心调度员检查井下行车环境质量，确保井下符合车载自动驾驶系统无人作业条件，并向停车场操作员发送车载自动驾驶系统上电指令。b、停车场操作员应确保停车场内工作环境良好，车辆行驶区域道路平整无杂物。c、由停车场操作员绕铲运机一周，检查车辆周围行驶环境，确保车辆周围无障碍物可正常行驶，确认车载自动驾驶系统设备完好无破损，确认铲运机外观状态良好，轮胎等部件完好。d、由停车场操作员上车检查待上电铲运机车辆状态，确认铲运机状态良好且各项电源指示灯及状态指示灯均处于熄灭状态，系统开关处于关闭状态。2）系统上电：a、操作员依次打开总蓄电池开关、发动机电源开关。b、停车场操作员上车插入铲运机钥匙，将钥匙旋到ON档，让车载自动驾驶系统电气系统上电。c、停车场操作员确认车载自动驾驶系统上电状态正常，无异响，车载仪表盘中各项指示灯正常。若发现异常，则将车载自动驾驶系统下电，并报告调度控制中心。d、车载自动驾驶系统电气上电后会进行系统自检，停车场操作员确认整个自检过程正常。3）授权无人驾驶：a、车载自动驾驶系统电气系统上电后车辆外面的绿色系统状态指示灯将亮起，停车场操作员确认上电过程正常后，将自动/人工模式切换开关拨到“自动模式”挡以授权无人驾驶。b、停车场操作员下车，将车载自动驾驶系统上电信息上报到调度控制中心，调度控制中心可以开始调度该铲运机。

（2）系统自检。系统自检过程分为车载系统自检和静态测试两部分内容。车载系统自检过程中，车载自动驾驶系统对传感器、铲运机底层状态进行检查和确认。传感器的自检由车载自动驾驶系统的软件节点接收激光雷达2、毫米波雷达3、摄像头1、IMU和通信设备5的数据，并进行故障诊断来实现。铲运机底层状态则通过读取铲运机自身的底层诊断报文实现。静态测试过程中，车载自动驾驶系统通过发送特殊的制动和转向指令来确认车辆纵横向控制性能。1）车载系统自检。车载自动驾驶系统唤醒所有软件节点，原地等待3分钟。相关节点会运行故障诊断场景，诊断内容包括传感器故障和铲运机底层故障，若发现故障，则生成故障消息发送至调度控制中心，由调度控制中心调度员根据实际情况处理。若3分钟内未发现故障，则车载系统自检过程结束。调度控制中心确认自检成功后，向停车场操作员发送指令，停车场操作员确认可以启动发动机后，反馈给调度控制中心，调度控制中心向车载自动驾驶系统发送指令启动发动机。2）静态测试。发动机启动后立即进行静态测试。车载自动驾驶系统通过车辆控制节点向车辆底层执行器发送特殊控制信号以判断车辆底层执行器的状态。若静态测试出现故障，车辆控制节点确认异常后，产生故障信息，进入待机模式1分钟用于上传故障信息到调度控制中心，不接收任何任务调度指令。上传故障信息完成后，车载自动驾驶系统关闭发动机，调度控制中心根据故障信息采取相应措施。若静态测试成功，则车载自动驾驶系统反馈至调度控制中心。同时，停车场操作员也会对静态测试过程进行监控，若发现异常则立即上报调度控制中心，并将自动/人工模式切换开关拨离“无人驾驶”挡，进而关闭车载自动驾驶系统。

2、停车场出发

车载自动驾驶系统完成上电与自检并上报调度控制中心后处于待机状态，等待调度控制中心的任务调度指令，停车场操作员确认自检整个过程都没有问题则反馈给调度控制中心。调度控制中心同时收到车载自动驾驶系统以及停车场操作员的反馈后，才发送调度任务给车载自动驾驶系统。在执行任务前，调度控制中心先为车载自动驾驶系统规划轨迹离开停车场。

（1）待机候车。1）车载自动驾驶系统在停车场操作员的操作下进入无人驾驶模式，完成自检和静态测试并进入待机状态。2）调度控制中心确认停车场作业情况，等待发车时机。

（2）轨迹规划。1）发车时机合适时，调度控制中心为车载自动驾驶系统规划行驶轨迹。2）调度控制中心下发行驶轨迹到车载自动驾驶系统，指示车载自动驾驶系统按轨迹发车。

（3）驶离停车场。车载自动驾驶系统按照调度控制中心下发的轨迹指令驱动铲运机使离停车场。

3、铲矿区铲矿

铲运机驶入铲矿区执行铲矿任务时，需进行排队候车、铲矿准备、铲矿确认、铲矿执行和铲矿结束五个过程。

（1）排队候车。调度控制中心会根据铲矿区的作业情况安排铲运机依次进行铲矿，按照先进先出原则排序。当上一辆铲运机完成装载并驶离铲矿区后，下一辆铲运机开始进行铲矿。进入铲矿区的铲运机首先在候车区候车，等待调度控制中心的进一步指示。

（2）铲矿准备。1）当上一辆铲运机铲矿完成后，上报调度控制中心，表示铲矿过程完成，可以开始下一次铲矿，调度控制中心通知处于排队候车状态的下一辆铲运机开始执行铲矿过程。2）铲运机在车载自动驾驶系统的控制下，沿调度控制中心下发的轨迹正确行驶至铲矿点。3）车载自动驾驶系统向调度控制中心发送通知，表示处于铲矿点，可以进行铲矿。

（3）铲矿确认。调度控制中心根据铲矿区和铲运机的状态，确认可以执行铲矿动作时发送通知，授权铲运机执行铲矿动作。

（4）铲矿执行。车载自动驾驶系统通过激光雷达2和摄像头1识别矿堆，执行铲矿动作；识别铲斗中的矿物量，判断是否达到一次铲运量的要求；若未达到要求则再次识别矿堆，执行铲矿动作；若达到要求则完成铲矿。

（5）铲矿结束。1）铲运机铲矿完成后，上报调度控制中心，表示铲矿过程结束。2）调度控制中心为铲运机规划好运输轨迹，并下发指令和轨迹，指示铲运机驶离铲矿区。3）车载自动驾驶系统收到调度控制中心的指令后，按照所收到的轨迹驱动铲运机驶离铲矿区。

4、道路运输

道路运输对车载自动驾驶系统来说主要是轨迹跟随过程，对调度控制中心来说，需要根据铲运机所处的区域状态判断冲突情况，为每辆铲运机规划合理轨迹。

（1）排队候车。道路运输过程中，经过单车道或交叉口等特殊路段时，调度控制中心需要根据路段交通状况判断多车冲突情况，存在轨迹冲突时安排铲运机候车，并依次通过特殊路段。

（2）路径规划。1）当上一辆铲运机成功驶离特殊路段后，调度控制中心根据优先级规则搜索特殊路段候车区的所有车辆，确认可通过特殊路段的下一辆铲运机。2）调度控制中心为即将通过特殊路段的铲运机规划安全轨迹，并下发通行指令。

（3）轨迹跟随。收到通行指令的铲运机按调度控制中心规划的轨迹通过特殊路段。

（4）到达终点。铲运机完成轨迹跟随，到达轨迹终点，并告知调度控制中心。

5、卸矿区卸矿

铲运机驶入卸矿区执行卸矿任务时，需进行排队候车、卸矿准备、卸矿确认、卸矿执行和卸矿结束五个过程。

（1）排队候车。调度控制中心会根据卸矿区的作业情况安排铲运机依次到达卸矿点进行卸矿作业，按照先进先出原则排序。当上一辆铲运机完成卸矿并驶离卸矿区后，下一辆铲运机开始进行卸矿。进入卸矿区的铲运机首先在候车区候车，等待调度控制中心的进一步指示。

（2）卸矿准备。1）当上一辆铲运机卸矿完成后，上报调度控制中心，表示卸矿过程完成，可以开始下一次卸矿，调度控制中心通知处于排队候车状态的下一辆铲运机开始执行卸矿过程。2）铲运机在车载自动驾驶系统的控制下，沿调度控制中心下发的轨迹正确行驶至卸矿点。3）车载自动驾驶系统向调度控制中心发送通知，表示处于卸矿点，可以开始卸矿。

（3）卸矿确认。调度控制中心根据卸矿区和铲运机的状态，确认可以执行卸矿动作时发送通知，授权铲运机执行卸矿动作。

（4）卸矿执行。车载自动驾驶系统控制铲运机铲斗定点倾斜完成卸矿。

（5）卸矿结束。1）铲运机完成卸矿后，上报调度控制中心，表明卸矿过程结束。2）调度控制中心为铲运机规划好新轨迹，并下发指令和轨迹，指示铲运机驶离卸矿区。3）车载自动驾驶系统收到调度控制中心的指令后，按照所收到的轨迹驶离卸矿区。

6、停车场停车

当铲运机连续运行一定时间，或因业务调度需要等原因，铲运机需要回停车场接受检查或维护。车载自动驾驶系统首先根据调度控制中心给出的轨迹驱动铲运机驶入停车场，并停泊在指定停车点。然后上传本地数据，关闭发动机，软件节点进入静默运行状态。调度控制中心确认铲运机泊车完毕后，通知操作人员关闭无人驾驶模式，对车载自动驾驶系统进行维护。

（1）排队候车。调度控制中心会根据停车场的运行情况安排铲运机依次进入停车场停车，按照先进先出原则排序。当上一辆铲运机泊车完毕后，下一辆铲运机开始入场泊车。前来停车场停车的铲运机先进入停车场的候车区候车，等待调度控制中心的进一步指示。

（2）泊车准备。1）当上一辆铲运机泊车完毕后，上报调度控制中心，表示泊车任务结束，可以进行下一辆铲运机泊车。2）调度控制中心根据当前停车场的状态为待泊的铲运机选择可行的泊车点，生成泊车轨迹，并通知处于候车状态的下一辆铲运机入场泊车。

（3）泊车执行。1）铲运机在车载自动驾驶系统的控制下，沿调度控制中心下发的轨迹正确行驶至泊车点。2）车载自动驾驶系统向调度控制中心发送通知，表示正处于泊车点，动作执行完成。

（4）泊车结束。1）调度控制中心收到车载自动驾驶系统的泊车动作执行结束消息，发送新指令指示车载自动驾驶系统结束作业并停机。2）车载自动驾驶系统收到停机指令后请求上传本地数据，收到调度控制中心的确认后上传本地数据。3）车载自动驾驶系统本地数据正确上传后，关闭发动机，软件节点退回到静默运行状态。

7、系统关闭

在铲运机完成无人驾驶铲运任务后需要回停车场，并关闭系统。车载自动驾驶系统关闭过程中会将本地存储的数据上传到调度控制中心，最终车载自动驾驶系统的掉电和维护需要由停车场操作员完成。

（1）系统停机。1）调度控制中心确认铲运机泊车完毕后，发送指令让车载自动驾驶系统停机。2）车载自动驾驶系统收到停机指令后进行本地数据上传。3）车载自动驾驶系统完成数据上传工作后，回退到静默运行状态，并报告调度控制中心。

（2）关机维护。1）调度控制中心确认车载自动驾驶系统已经完成数据上传并回到静默运行状态后，指示停车场操作员关闭车载自动驾驶系统物理电源。2）停车场操作员将自动/人工模式切换开关拨离“无人驾驶”挡，将铲运机钥匙旋到OFF挡，并拔下车钥匙。此时车辆绿色指示灯熄灭，表示车载自动驾驶系统下电。进一步关闭发动机开关和总蓄电池开关，确认铲运机电气系统均已掉电。3）停车场操作员检查车载自动驾驶系统完整性。4）停车场操作员向调度控制中心报告车载自动驾驶系统关闭结果。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种全自动作业地下采矿铲运机，包括铲运机主体和设置在铲运机主体内的车载自动驾驶系统，其特征在于：所述车载自动驾驶系统包括：

传感模块，设置于铲运机主体的各个部位上，以感知铲运机主体外部环境后输出感应数据；

计算模块，内集成了通信、感知、定位、决策和控制算法，耦接于传感模块，接收传感模块输出的感应数据，并根据其内的控制算法输出控制期望信号；

执行器，耦接于计算模块，还耦接于铲运机本体，接收计算模块输出的控制期望信号，将控制期望转化为底层控制信号，并执行该底层控制信号改变铲运机本体的运行状态。

2.根据权利要求1所述的全自动作业地下采矿铲运机，其特征在于：所述传感模块包括：

摄像头（1），设置于铲运机本体的驾驶舱的车顶上，耦接于计算模块，用于拍摄铲运机作业过程中的视频输出视频数据，识别矿堆和铲斗中矿物量，实时拍摄现场视频信息，将视频数据、矿物量数据和现场视频传输至计算模块；

激光雷达（2），设置于铲运机本体车头和后侧车体上，耦接于计算模块，用于识别和跟踪障碍物，检测环境信息，同时识别矿堆和铲斗中的矿物量，将障碍物信息、环境信息和矿物量数据传输至计算模块；

毫米波雷达（3），组合设置在激光雷达（2）旁，耦接于计算模块，用于障碍物检测和跟踪，并将障碍物信息传输至计算模块；

惯性测量单元（4），设置于铲运机本体的驾驶舱的车顶上，耦接于计算模块，用于提供加速度信息，并与激光雷达（2）的点云数据融合后传输至计算模块；

通信设备（5），设置于铲运机本体的驾驶舱的车顶上，耦接于计算模块，用于构建计算模块与外部调度控制中心双向传输通道。

3.根据权利要求2所述的全自动作业地下采矿铲运机，其特征在于：所述计算模块包括：

感知域，耦接于摄像头（1）、激光雷达（2）、毫米波雷达（3）和惯性测量单元（4），以接收摄像头（1）、激光雷达（2）、毫米波雷达（3）和惯性测量单元（4）输出的数据和信息，并进行分析计算后输出结果；

决策域，耦接于感知域，以接收感知域输出的结果，并根据结果产生行为决策，规划局部路径和运动，同时进行系统状态监控，并在产生故障时，输出故障决策；

控制域，耦接于决策域，还耦接于铲运机本体，以接收决策域输出的运动规划，输出纵横向协调控制指令至铲运机本体底层线控系统，同时输出铲斗控制指令和车身状态控制指令；

安全域，耦接于感知域、决策域和控制域，以记录感知域、决策域和控制域内的数据，同时进行故障诊断。

4.根据权利要求1或2或3所述的全自动作业地下采矿铲运机，其特征在于：所述执行器包括：

横向控制执行器，耦接于铲运机本体，用于控制铲运机本体的前轮转角；

纵向控制执行器，耦接于铲运机本体，用于控制铲运机本体的纵向加速度；

铲斗控制执行器，耦接于铲运机本体，用于控制铲运机铲斗的举升和下降动作；

车身状态执行器，耦接于铲运机本体，用于控制铲运机的指示性部件。

5.根据权利要求3所述的全自动作业地下采矿铲运机，其特征在于：所述感知域包括：

信息路由节点，耦接于通信设备（5），用于接收外部手持设备通信报文、调度控制中心通信报文、系统请求信息、车辆状态信息、障碍物信息、摄像头信息和故障诊断信息，解析手持设备通信报文和控制中心通信报文以及系统请求信息中的指令内容，同时融合系统请求信息、车辆状态信息、障碍物信息、摄像头信息和故障诊断信息形成监控数据，将监控数据周期性的发送至外部调度控制中心；

毫米波雷达数据预处理节点，耦接于毫米波雷达（3），用于对毫米波雷达数据进行数据解析以及坐标转换；

毫米波雷达目标识别节点，耦接于毫米波雷达（3），用于基于毫米波雷达预处理数据进行目标识别；

激光雷达数据预处理节点，耦接于激光雷达（2），用于对激光点云数据进行数据解析以及坐标转换；

激光雷达目标识别节点，耦接于激光雷达（2），用于基于激光点云数据的目标识别；

目标融合节点，耦接于毫米波雷达（3），用于执行前景元素融合估计；

IMU数据解析节点，耦接于惯性测量单元（4），用于解析IMU数据；

车辆数据解析节点，耦接于铲运机本体，用于解析车辆数据，发送控制指令到车辆底层，并向故障诊断节点发送诊断信息；

车辆状态解算节点，耦接于铲运机本体，用于解算车辆状态；

摄像头数据预处理节点，耦接于摄像头（1），用于接收摄像头（1）数据，对摄像头数据进行解析，并向安全域发送心跳包，包含故障信息。

6.根据权利要求3所述的全自动作业地下采矿铲运机，其特征在于：所述决策域包括：

全局路径规划节点，耦接于感知域和安全域，还耦接于通信设备（5），用于收取外部调度控制中心输出的信息和指令，以输出局部路径规划信息，同时进行系统状态监控；

局部路径规划节点，耦接于全局路径规划结构，用于接收局部路径规划信息，输出运动规划。

7.根据权利要求3所述的全自动作业地下采矿铲运机，其特征在于：所述控制域包括：

车辆控制节点，耦接于执行器，用于横向控制、纵向控制、铲斗控制和车身状态控制，输出车辆的油门、液压制动器主缸压力、转向角度及转速、转向灯信号。

8.根据权利要求3所述的全自动作业地下采矿铲运机，其特征在于：所述安全域包括：

故障诊断节点，耦接于感知域、决策域和控制域，以接收故障信息，并诊断是否出现故障；

数据记录节点，耦接于感知域、决策域和控制域，不断接收感知域、决策域和控制域的消息，并进行数据存储，写入本地文件。