CN113128109B - 一种面向智能化综采机器人生产系统的测试与评估方法 - Google Patents

Abstract

本发明公开了一种面向智能化综采机器人生产系统的测试与评估方法，以特定工作面地质、装备运行的实际运行数据为基础，根据综采装备与煤层运动学关系，建立运动学模型，构建综采工作面虚拟离线运行系统，复现工作面虚拟运行开采情况，确定仿真初始数据和虚拟场景运行数据，构建AI机器人分析系统，将装备及地质探测手段按照未来智能化发展运行的参数进行输入，构建综采工作面运行评价体系，对未来的综采机器人运行进行模拟，确定发展趋势，测试机器人运行性能。实现基于实际运行数据与运行参数的综采工作面复现，对智能化当前的水平以及一些局部的或者某一小方面的技术进步对于工作面整体运行的推进作用进行分析评估，为煤矿智能化发展指明方向。

Description

一种面向智能化综采机器人生产系统的测试与评估方法

技术领域

本发明涉及矿井安全预测技术领域，尤其涉及一种面向智能化综采机器人生产系统的测试与评估方法。

背景技术

近年来，随着科技不断发展，要求将5G、AI、大数据、云计算、VR技术等新一代信息技术融入到智慧煤矿的建设过程中，智能开采技术已经正式进入国家发展的大战略中。智能化开采技术指的是不需要人工直接干预情况下，通过采掘环境的智能感知、采掘装备的智能调控、采掘作业的自主巡航，由采掘装备独立完成的回采作业过程，重点之一便是聚焦在了提升装备的技术水平上。《煤矿机器人重点研发目录》的发布正是顺应智能开采装备的需要，基于AI技术，旨在全面提升井下装备机器人化的水平，更好的为智能化提供装备保障。

虚拟现实技术是一种利用现实生活中的数据，生成高仿真度虚拟环境的计算机仿真系统，由于其具有高仿真性能，且不受物理空间的限制等优点，虚拟现实技术广泛的应用于教育、医疗等行业。综采工作面是煤炭的第一生产现场，由于空间狭小，环境恶劣，受综采装备数字化程度以及煤层信息的限制，难以建立全方面的虚拟综采工作面。

现有技术中，申请号为201910064818.2的“基于虚拟现实物理引擎的综采装备协同推进仿真方法”，该发明将虚拟综采装备经模型刚体化修补后，与虚拟煤层进行虚拟接触，进而模拟装备井下运行信息；所述虚拟煤层包括虚拟固有煤层和虚拟实时更新煤层，虚拟固有煤层是以井下地质探测数据点为基础通过逆向重构方法按照循环点和装备点构造出来的，虚拟实时更新煤层是通过实时记录采煤机前后滚筒截割轨迹在Unity3d软件中进行MESH网格碰撞体重构，通过控制固有煤层信息和虚拟实时更新煤层属性的有无和显示，实时更新虚拟煤层数据信息，真实再现井下煤层环境下装备自适应推进过程，该方法替代以往坐标点定位虚拟装备进行虚拟仿真的方法，为透明开采和精准开采提供理论基础。

现有技术中，申请号为201810987960.X的“一种支撑综采工作面地理环境及装备的虚拟规划方法”，该方法是根据不同采煤地理环境及装备条件，利用三机选型设计与方法模块在综采装备选型数据库中选出三机具体型号输入装备模块，构建模拟三机真实行为的数字化三机装备；利用数字化煤层在虚拟环境下生成虚拟煤层模型，提取煤层曲面特征数据,转化为装备运行截割路径；将数字化装备模型导入软件中，利用采煤参数模型进行虚拟仿真并实时记录规划数据，完成性能参数优化，达到指导生产的目的。该方法解决了企业迫切需求快速选择配套装备、以及对预选装备方案的工作状况进行可视化预演与规划，达到了综采虚拟仿真的全生命周期的多样性设计和最优设计。

现有技术中，申请号为202010102878.1的“面向综采装备时空运动学的煤层顶底板路径虚拟规划方法”，该方法通过Unity3d软件建立固有煤层顶底板；利用物理引擎实现综采装备和煤层顶底板的真实接触，构建综采装备和煤层顶底板的时空运动学关系；利用mesh组件动态生成单循环煤层顶底板，刮板输送机和液压支架随着采煤机的引领进行协同推进；利用MATLAB和机器学习算法对煤层顶底板轨迹进行预测，并利用无人机携带探测设备对下循环煤层顶底板轮廓进行探测，并对离散点连续化处理；将无人机探测的数据与预测的数据进行融合得到下循环煤层顶底板虚拟规划路径。该方法能够避免对煤层顶底板的轨迹预测的盲目性，实现对下循环煤层顶底板的预测和工作路径的规划。

但是上述方法的缺陷在于：1）没有与实际工程中装备运行状态相结合，脱离实际工程；2）没有建立完备的各装备之间以及装备与煤层之间耦合关系；3）虚拟场景仅仅是监测工具，没有建立虚拟数据与实际数据的联系；4）缺乏全面的装备运行状态评估，无法对影响综采工作面运行状态的某一因素的影响因子进行评估。

发明内容

基于现有技术的不足，本发明的目的旨在提供一种面向智能化综采机器人生产系统的测试与评估方法。

为了实现上述目的，本发明提供一种面向智能化综采机器人生产系统的测试与评估方法，包括：

以特定工作面地质、装备运行的实际运行数据为基础，根据综采装备与煤层运动学关系，建立装备之间以及装备与煤层之间的运动学模型，根据所建运动学模型构建综采工作面虚拟离线运行系统，复现工作面虚拟运行开采情况；

对当前使用设备传感器、执行元件的误差分析，确定仿真初始数据和虚拟场景运行数据，基于虚拟装备的深度强化学习模型，构建AI机器人分析系统；

基于传感误差分析、执行误差的误差分析，将装备及地质探测手段按照未来智能化发展运行的参数进行输入，构建考虑截割轨迹、直线度、工作空间和动态煤层的综采工作面运行评价体系，对未来的综采机器人运行进行模拟，确定发展趋势，测试机器人运行性能。

其中，特定工作面地质、装备运行的实际运行数据包括采煤机数据、刮板输送机数据、液压支架数据以及部分煤层信息；

其中，采煤机数据包括：采煤机截割序号、工艺段标号、日期、采煤机位置、采煤机速度、左滚筒高度、右滚筒高度、机身偏航角、横滚角、俯仰角、左右截割电流、左右牵引电流；

刮板输送机数据是通过LASC系统反演出来的轨迹；

液压支架数据包括：支架支护高度、支架顶梁倾角、支架俯仰角、支架倾斜角、支架推溜行程、支架立柱压力、工艺段标号、工作面推进序号与矿压；

煤层信息包括：工作面两巷的揭露数据，绝对地质标高和五个钻孔点的离散数据。

其中，装备之间以及装备与煤层之间的运动学模型，包括采煤机与刮板输送机耦合模型，刮板输送机与液压支架耦合模型、截割轨迹与煤层顶底板耦合模型、刮板输送机与煤层底板耦合模型、液压支架与煤层耦合模型与截割轨迹预测模型。

其中，综采工作面虚拟离线运行系统包括数据优化处理系统和综采装备虚拟运行监测系统；其中，数据优化处理系统基于装备之间以及装备与煤层之间的运动学模型通过预设算法将实际运行数据与虚拟仿真数据进行融合，将处理后的数据输入综采装备虚拟运行监测系统，驱动虚拟装备运行。

其中，数据优化处理系统包括采煤机定位模块、采煤机与刮板输送机耦合模块，刮板输送机与液压支架耦合模块、截割轨迹与煤层顶底板耦合模块及截割轨迹预测模块，通过滤波、数据融合，进行基于深度学习的优化计算，将实际运行数据与虚拟运行数据进行融合，得出包括采煤机运行轨迹、截割轨迹、预测截割轨迹以及刮板输送机形态与液压支架位姿的装备运行数据。

其中，综采装备虚拟运行监测系统根据综采装备二维图纸以及综采装备初始运行数据进行综采装备以及固有煤层三维参数化建模，经过3dmax格式转换，导入Unity3D中建立初始综采工作面虚拟运行场景；根据数据优化处理系统提供的数据，更新综采装备虚拟运行监测系统虚拟场景，指导综采装备虚拟运行；根据提供的顶底板数据生成动态煤层；根据推移信息以及刮板输送机位姿信息实现工作面的推进；根据预测的截割轨迹信息在虚拟场景中绘制目标截割轨迹，以目标截割轨迹为基准实现采煤机自主调高；并在采煤机运行过程中综采装备协同动作；设计虚拟监测面板，对装备关键运行参数进行虚拟监测，并记录虚拟场景综采装备运行数据。

其中，AI机器人系统基于传感误差分析、执行误差的误差分析，构建虚拟装备的深度强化学习模型，确定仿真初始数据和虚拟场景运行数据，将装备及地质探测手段按照未来智能化发展运行参数进行输入，根据输入参数进行虚拟预演与迭代优化；构建考虑截割轨迹、直线度、工作空间和动态煤层的全面评价指标，对未来的综采机器人运行进行模拟，确定发展趋势，测试机器人运行性能。

其中，未来智能化发展运行参数包括对倾角传感器、行程传感器、惯导系统、煤岩识别方法、地质勘测、摄像头、图像处理、刮板输送机直线度检测、液压支架直线度检测、无人机探测扫描的装备位姿感知元件可靠性及精度的标定，根据标定结果进行虚拟场景优化迭代与虚拟预演。

其中，综采工作面运行评价体系通过AI机器人根据输入的装备及地质探测手段智能化参数分析结果进行迭代优化与虚拟预演，根据预演结果对装备运行状态以及参数影响因子进行评估，划分主要因素和次要因素，建立基于深度学习的综采工作面运行综合评价策略，为煤矿智能化升级改造提供发展方向；

其中，装备运行状态评估包括采煤机运行状态评估、预测截割轨迹评估、刮板输送机直线度评估、液压支架直线度评估、装备工作空间评估以及煤层顶底板评估；根据采煤机截割部电流、采煤机运行速度参数对采煤机运行状态进行评估；根据实际截割轨迹对预测截割曲线进行评估；根据刮板输送机与液压支架位姿参数对刮板输送机与液压支架直线度进行评估；对比实际装备工作空间与虚拟装备工作空间，对装备工作空间进行评估；根据实际顶底板信息对所构建的煤层顶底板进行评估；根据装备评估结果对之后综采装备运行状态进行调整。

本发明产生的有益效果包括：

（1）本发明首先在虚拟空间中完成基于实际数据的场景构建与离线仿真，复现综采工作面虚拟运行开采情况。对未来运行状态进行预测分析，从而优化装备运行路径，使工作面安全高效运行，并可接入装备实时运行数据，同步在虚拟空间中进行虚实融合监控，实现综采装备在煤层环境下的实时精准位姿关系进行透明呈现，精确确定设备运行信息，提升煤炭生产自动化智能化无人化水平。

（2）本发明适用于综采设备及智能开采技术全生命周期的升级改造过程，从整体的角度把控工作面设计与运行过程，测试各装备、感知元件、控制元件和各种关键技术的重要性，实现对智能化当前的水平以及一些局部的或者某一小方面的技术进步对于工作面整体运行的推进作用进行分析评估，找出关键点和卡脖子点，找到矛盾点进行全力攻坚与突破，方便煤炭生产企业建立有预测性的智能化综采思路，快速推进智能化建设。

（3）建立了煤矿机器人中各装备、感知元件、控制元件的性能与工作面整体运行之间的测试的桥梁，提升了装备感知决策和运行能力，虚拟综采装备可以轮询与事件驱动感知周围环境，AI机器人分析系统利用深度强化学习模型在可能出现的结果中选择最优策略，并做出相应的动作，实现了综采机器人协同运行。

（4）本发明对于煤机装备生产企业来说，在相应采矿机器人的研发过程中，搭建智能化工作面与采煤机器人之间的桥梁，测试各种关键技术对于整体的提升水平，并做出相关研发计划和时间表；

（5）本发明可以找到煤矿机器人关键技术，找到精准的关键点，进行项目立项攻关，促进煤炭行业科技工作与共性关键技术突破。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1为本发明提供的一种面向智能化综采机器人生产系统的测试与评估方法的流程框架示意图；

图2为本发明提供的一种面向智能化综采机器人生产系统的测试与评估方法的实际运行数据示意图；

图3为本发明提供的一种面向智能化综采机器人生产系统的测试与评估方法的综采工作面虚拟离线运行系统架构示意图。

图4为本发明提供的一种面向智能化综采机器人生产系统的测试与评估方法的综采工作面虚拟离线运行系统软件集成方法示意图。

图5为本发明提供的一种面向智能化综采机器人生产系统的测试与评估方法的未来智能化发展运行参数示意图。

图6为本发明提供的一种面向智能化综采机器人生产系统的测试与评估方法的虚拟装备的深度强化学习模型的结构示意图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

参阅图1，本发明提供了一种面向智能化综采机器人生产系统的测试与评估方法，包括：

以特定工作面地质、装备运行的实际运行数据为基础，根据综采装备与煤层运动学关系，建立装备之间以及装备与煤层之间的运动学模型，根据所建运动学模型构建综采工作面虚拟离线运行系统，复现工作面虚拟运行开采情况；

对当前使用设备传感器、执行元件的误差分析，确定仿真初始数据和虚拟场景运行数据，基于虚拟装备的深度强化学习模型，构建AI机器人分析系统；

基于传感误差分析、执行误差的误差分析，将装备及地质探测手段按照未来智能化发展运行的参数进行输入，构建考虑截割轨迹、直线度、工作空间和动态煤层的综采工作面运行评价体系，对未来的综采机器人运行进行模拟，确定发展趋势，测试机器人运行性能。

如附图2所示，由于煤矿井下工作环境恶劣，装备智能化较低。目前能够获取的综采工作面主要数据包括采煤机数据、刮板输送机数据、液压支架数据以及部分煤层信息。

其中，采煤机数据包括：采煤机截割序号、工艺段标号、日期、采煤机位置（架）、采煤机位置（米）、采煤机速度、左滚筒高度、右滚筒高度、机身偏航角、横滚角、俯仰角、左右截割电流、左右牵引电流；

刮板输送机数据是通过LASC系统反演出来的轨迹；

液压支架数据包括：支架支护高度（米）、支架顶梁倾角（度）、支架俯仰角（度）、支架倾斜角（度）、支架推溜行程（mm）、支架立柱压力（Mpa）、工艺段标号、工作面推进序号与矿压；

煤层信息包括：工作面两巷的揭露数据，绝对地质标高和五个钻孔点的离散数据。

由于能够获取的数据有限，想要通过现有数据构建综采工作面虚拟离线运行系统，必须根据综采装备与煤层运动学关系，建立装备之间以及装备与煤层之间的运动学模型，包括采煤机与刮板输送机耦合模型，刮板输送机与液压支架耦合模型、截割轨迹与煤层顶底板耦合模型、刮板输送机与煤层底板耦合模型、液压支架与煤层耦合模型与截割轨迹预测模型。

采煤机与刮板输送机耦合模型是通过采煤机实际运行轨迹解算刮板输送机形态的过程。建立工作面坐标体系，根据航位推算原理解算采煤机运行轨迹，根据坐标转换求出采煤机滑靴的绝对坐标，以及滑靴相对于所在中部槽的相对坐标，通过牛顿迭代法滚动计算滑靴所在中部槽的姿态角，实现实际数据驱动的刮板输送机位姿重构，与LASC所提供的刮板输送机进行对比分析。

刮板输送机与液压支架耦合模型为在分析液压支架与刮板输送机浮动连接结构的基础上，建立基于机器人运动学的浮动连接机构模型，根据推移机构长度以及液压支架姿态角实现以刮板输送机为基准的液压支架定位定姿。

截割轨迹与煤层顶底板耦合模型，由于液压支架支撑时的破碎作用以及刮板输送机推移时对底板的破坏作用，截割轨迹并不等同于煤层顶底板轨迹，通过液压支架各部件姿态角，解算支架支护空间，通过解算的支护空间点云信息、刮板输送机位姿信息以及与已知煤层信息对截割轨迹进行修正，得到顶底板煤层信息。

刮板输送机与煤层底板耦合模型是通过Unity3D中物理引擎实现的，为每节中部槽添加CharacterJoint组件，实现中部槽首尾相连，然后为刮板输送机添加Rigidbody与collider组件，Rigidbody使刮板输送机在重力的作用下自由落体，Collider组件阻止刮板输送机穿过煤层，实现刮板输送机在解算刮板输送机形态的基础上利用重力作用自适应与煤层底板耦合。

液压支架与煤层耦合模型是通过在Unity3D中为液压支架添加Rigidbody与Collider组件，在解算的液压支架位置基础上，建立与顶梁尺寸相同的虚拟顶梁，设置虚拟顶梁重力方向为竖直向上，与顶板碰撞，将虚拟顶梁位姿属性作为顶梁目标值，对液压支架位姿进行调整，使液压支架自适应与煤层顶底板耦合。

截割轨迹预测模型是由于在煤层没有地质构造的情况下，相邻循环截割轨迹存在相似性，可以根据前n个循环采煤机截割轨迹预测下一循环采煤机截割轨迹，建立深度学习模型，将历史截割轨迹样本集分为训练集与测试集，通过深度学习训练提高截割轨迹预测模型的准确性，根据预测截割轨迹指导实际采煤机与虚拟采煤机运行。

如图3所示，综采工作面虚拟离线运行系统包括数据优化处理系统和综采装备虚拟运行监测系统；其中，数据优化处理系统基于装备之间以及装备与煤层之间的运动学模型通过预设算法将实际运行数据与虚拟仿真数据进行融合，将处理后的数据输入综采装备虚拟运行监测系统，驱动虚拟装备运行。

数据优化处理系统包括采煤机定位模块、采煤机与刮板输送机耦合模块，刮板输送机与液压支架耦合模块、截割轨迹与煤层顶底板耦合模块及截割轨迹预测模块，通过滤波、数据融合，进行基于深度学习的优化计算，将实际运行数据与虚拟运行数据进行融合，得出包括采煤机运行轨迹、截割轨迹、预测截割轨迹以及刮板输送机形态与液压支架位姿的装备运行数据。

其中，综采装备虚拟运行监测系统根据综采装备二维图纸以及综采装备初始运行数据进行综采装备以及固有煤层三维参数化建模，经过3dmax格式转换，导入Unity3D中建立初始综采工作面虚拟运行场景；根据数据优化处理系统提供的数据，更新综采装备虚拟运行监测系统虚拟场景，指导综采装备虚拟运行；根据提供的顶底板数据生成动态煤层；根据推移信息以及刮板输送机位姿信息实现工作面的推进；根据预测的截割轨迹信息在虚拟场景中绘制目标截割轨迹，以目标截割轨迹为基准实现采煤机自主调高；并在采煤机运行过程中综采装备协同动作；设计虚拟监测面板，对装备关键运行参数进行虚拟监测，并记录虚拟场景综采装备运行数据。

如附图4所示，综采工作面虚拟离线运行系统软件集成，软件集成为实现上述功能提供了技术支撑，通过集成SQLServer、MATLAB、Unity3D软件实现上述功能，SQLServer存储综采装备实际运行数据，Unity3D采集虚拟运行数据。搭建三个软件之间数据传输通道，MATLAB分别从SQLServer与Unity3D中读取实际运行数据与虚拟仿真数据，根据误差标定参数，经过过滤波、深度学习等算法将实际运行数据与虚拟数据进行融合，将处理后的数据返回Unity3D中，Unity3D根据处理后的数据更新虚拟场景，指导综采三机运行。

工作面参数化固有煤层的构建是通过融合液压支架支护空间信息、刮板输送机形态、采煤机截割轨迹与已知煤层信息，获取煤层顶底板点云信息，将煤层信息导入UG，在UG坐标系下按照既定顺序排列成煤层底板数据点云，通过UG中的逆向工程模块，将煤层底板数据点云通过参数化对数据进行拟合；将拟合后的煤层底板以STL格式导出，继而导入3DMax中进行格式转换，最终以FBX格式导入Unity 3D，利用Mesh组件中的MeshFilter和MeshRender组件进行煤层网格构建与渲染，实现了基于数据的煤层底板的虚拟重构。

动态煤层的构建是通过在Unity3D场景中建立空物体，为其添加Mesh Filter与Mesh Renderer组件，利用Mesh Filter组件里的Mesh属性绘制煤层曲面，将煤层顶底板信息存储在数据类型为Vector3的煤层信息数组中，将该数组输入到Mesh属性中vertices数组中，存储煤层顶点数据，按照mesh.triangles中顶点索引的顺序绘制动态煤层，最后利用Mesh Renderer组件对绘制的煤层顶底板进行渲染。

获得预测截割轨迹后，将预测采煤机信息存储在数据类型为Vector3的目标截割轨迹数组中，编写C#脚本，利用三次Hermite插值增加信息点，然后利用LineRenderer组件在虚拟场景绘制目标截割曲线，指导采煤机运行。同理绘制两巷揭露曲线，在采煤机运行过程中，当采煤机到达调整位置时，预先读取目标曲线中两个相邻离散点从而确定离散点之间的高度差，根据高度差来逆向解算摇臂的转角从而来实现对采煤机摇臂的控制，根据摇臂转角逆向求解从而求解出推移油缸的转动量和推移杆的伸缩量，从而实现了采煤机沿目标曲线截割的虚拟截割方法，并且将虚拟装备位姿信息以XML格式存储。同时在截割过程中根据截割电流等数据实时分析截割状态，当发生实际截割参数超过正常阈值时，对采煤机姿态进行调整。

AI机器人系统基于传感误差分析、执行误差的误差分析，构建虚拟装备的深度强化学习模型，确定仿真初始数据和虚拟场景运行数据，将装备及地质探测手段按照未来智能化发展运行参数进行输入，根据输入参数进行虚拟预演与迭代优化；构建考虑截割轨迹、直线度、工作空间和动态煤层的全面评价指标，对未来的综采机器人运行进行模拟，确定发展趋势，测试机器人运行性能。

如图5所示，未来智能化发展运行参数包括对倾角传感器、行程传感器、惯导系统、煤岩识别方法、地质勘测、摄像头、图像处理、刮板输送机直线度检测、液压支架直线度检测、无人机探测扫描的装备位姿感知元件可靠性及精度的标定，根据标定结果进行虚拟场景优化迭代与虚拟预演。

如图6所示，虚拟装备的深度强化学习模型包括感知层、决策层、运行层和环境与态势变化层，为保证综采装备能够协同运行，各装备均应具有感知-决策-运行能力。分为两条主线，分别是开采行为可视化-虚拟现实-与物理行为和能力对应和虚拟行为-通过AI控制-数学模型-与物理行为对应。其中：

感知层为机器人与外界交互的接口，不断读取运行状态和数据，为思考和决策收集信息，主要通过虚拟仿真中的脚本交互技术，虚拟传感器是带干扰噪声的，是不准确的信息，需要按照高斯分布规律体现出来，最后均体现在精度上。

决策层为利用感知的结果推理决策选择下一步的行为，选择适当的与策略匹配的行为，在解空间内进行搜索，在多种可能性之间切换。其中，每个装备应拥有一个决策控制器，负责相关行为的选择，主要通过有限状态机或者行为树来进行切换。嵌入分布式的控制架构，进行群组协同采煤，应采用何种战略，向整体向着安全高效开采的目标迈进。井下运行的环境是基于数据预演推算出来的，单个机器人和多机协同的目标最优求解的整体效应。

运行层根据决策结果，发出命令、更新状态、虚拟运行，对应虚拟装备仿真运行，需注意虚拟行为与真实行为运行的一致性。如采煤机如何牵引调速，液压支架如何动作行为。各装备的整体运行状态需要能够被后台实时调用。机械动作执行不够精确，液压传动，控制精度、动作速度、漏液等问题均通过AI设置。

环境与态势变化层基于井下获得的各种数据，分析其运行规律，将煤层（顶底板）以及周围环境（瓦斯、矿压）也作为一个管理AI，总体评估协同运行系统的总体运行情况与运行态势，按照规律出现相应的事件，对整体机器人运行进行相关评估。

AI机器人信息感知能力需按照真实装备运行的感知能力进行设计，一个AI可能有多个感知器，普通传感器感知、环境感知（视觉、听觉）等等，用来检测动态的装备及环境信息。虚拟AI机器人运行的时候，感知不能也不需要在每帧中进行，也并不是都需要查询其他所有角色状态。感知系统涉及到一些复杂的计算，通过轮询与事件驱动两种方式获得信息：

（1）轮询：通过积极地调取周围环境以及相关联的装备的方式来获得信息，现有的综采集控大系统中便是采用这种方式，例如：支架群如何进行动作都需要实时调取采煤机的位姿信息，综合进行判断。在虚拟程序中也可对应建立一个轮询中心，在这里进行所有的查询，或通过对象之间的变量交互直接寻找。

（2）事件驱动是通过坐等消息的方式来获得信息，可模拟装备的自主感知能力，包括视觉（摄像头照片图像识别）、触觉（液压支架和采煤机防撞梁）、听觉等，虚拟程序中均是通过物理仿真引擎的方式来进行设计。添加一个等与感知范围的大半径的Collider组件，选中isTrigger，当物理引擎检测到碰撞时，就会自动调用触发函数，中心检测系统（时间管理器）就会通知一定范围内的所有角色。

综采工作面运行评价体系通过AI机器人根据输入的装备及地质探测手段智能化参数分析结果进行迭代优化与虚拟预演，根据预演结果对装备运行状态以及参数影响因子进行评估，划分主要因素和次要因素，建立基于深度学习的综采工作面运行综合评价策略，为煤矿智能化升级改造提供发展方向；

其中，装备运行状态评估包括采煤机运行状态评估、预测截割轨迹评估、刮板输送机直线度评估、液压支架直线度评估、装备工作空间评估以及煤层顶底板评估；根据采煤机截割部电流、采煤机运行速度参数对采煤机运行状态进行评估；根据实际截割轨迹对预测截割曲线进行评估；根据刮板输送机与液压支架位姿参数对刮板输送机与液压支架直线度进行评估；对比实际装备工作空间与虚拟装备工作空间，对装备工作空间进行评估；根据实际顶底板信息对所构建的煤层顶底板进行评估；根据装备评估结果对之后综采装备运行状态进行调整。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (6)

1.一种面向智能化综采机器人生产系统的测试与评估方法，其特征在于，包括：

以特定工作面地质、装备运行的实际运行数据为基础，根据综采装备与煤层运动学关系，建立装备之间以及装备与煤层之间的运动学模型，根据所建运动学模型构建综采工作面虚拟离线运行系统，复现工作面虚拟运行开采情况；

对当前使用设备传感器、执行元件的误差分析，确定仿真初始数据和虚拟场景运行数据，基于虚拟装备的深度强化学习模型，构建AI机器人分析系统；

基于传感误差分析、执行误差的误差分析，将装备及地质探测手段按照未来智能化发展运行的参数进行输入，构建考虑截割轨迹、直线度、工作空间和动态煤层的综采工作面运行评价体系，对未来的综采机器人运行进行模拟，确定发展趋势，测试机器人运行性能；

所述未来智能化发展运行参数包括对倾角传感器、行程传感器、惯导系统、煤岩识别方法、地质勘测、摄像头、图像处理、刮板输送机直线度检测、液压支架直线度检测、无人机探测扫描的装备位姿感知元件可靠性及精度的标定，根据标定结果进行虚拟场景优化迭代与虚拟预演；

所述综采工作面虚拟离线运行系统包括数据优化处理系统和综采装备虚拟运行监测系统；其中，数据优化处理系统基于装备之间以及装备与煤层之间的运动学模型通过预设算法将实际运行数据与虚拟仿真数据进行融合，将处理后的数据输入综采装备虚拟运行监测系统，驱动虚拟装备运行；

所述数据优化处理系统包括采煤机定位模块、采煤机与刮板输送机耦合模块，刮板输送机与液压支架耦合模块、截割轨迹与煤层顶底板耦合模块及截割轨迹预测模块，通过滤波、数据融合，进行基于深度学习的优化计算，将实际运行数据与虚拟运行数据进行融合，得出包括采煤机运行轨迹、截割轨迹、预测截割轨迹以及刮板输送机形态与液压支架位姿的装备运行数据。

2.如权利要求1所述的面向智能化综采机器人生产系统的测试与评估方法，其特征在于，所述特定工作面地质、装备运行的实际运行数据包括采煤机数据、刮板输送机数据、液压支架数据以及部分煤层信息；

其中，采煤机数据包括：采煤机截割序号、工艺段标号、日期、采煤机位置、采煤机速度、左滚筒高度、右滚筒高度、机身偏航角、横滚角、俯仰角、左右截割电流、左右牵引电流；

刮板输送机数据是通过LASC系统反演出来的轨迹；

液压支架数据包括：支架支护高度、支架顶梁倾角、支架俯仰角、支架倾斜角、支架推溜行程、支架立柱压力、工艺段标号、工作面推进序号与矿压；

煤层信息包括：工作面两巷的揭露数据，绝对地质标高和五个钻孔点的离散数据。

3.如权利要求1所述的面向智能化综采机器人生产系统的测试与评估方法，其特征在于，所述装备之间以及装备与煤层之间的运动学模型，包括采煤机与刮板输送机耦合模型，刮板输送机与液压支架耦合模型、截割轨迹与煤层顶底板耦合模型、刮板输送机与煤层底板耦合模型、液压支架与煤层耦合模型与截割轨迹预测模型。

4.如权利要求1所述的面向智能化综采机器人生产系统的测试与评估方法，其特征在于，所述综采装备虚拟运行监测系统根据综采装备二维图纸以及综采装备初始运行数据进行综采装备以及固有煤层三维参数化建模，经过3dmax格式转换，导入Unity3D中建立初始综采工作面虚拟运行场景；根据数据优化处理系统提供的数据，更新综采装备虚拟运行监测系统虚拟场景，指导综采装备虚拟运行；根据提供的顶底板数据生成动态煤层；根据推移信息以及刮板输送机位姿信息实现工作面的推进；根据预测的截割轨迹信息在虚拟场景中绘制目标截割轨迹，以目标截割轨迹为基准实现采煤机自主调高；并在采煤机运行过程中综采装备协同动作；设计虚拟监测面板，对装备关键运行参数进行虚拟监测，并记录虚拟场景综采装备运行数据。

5.如权利要求1所述的面向智能化综采机器人生产系统的测试与评估方法，其特征在于，所述AI机器人分析系统基于传感误差分析、执行误差的误差分析，构建虚拟装备的深度强化学习模型，确定仿真初始数据和虚拟场景运行数据，将装备及地质探测手段按照未来智能化发展运行参数进行输入，根据输入参数进行虚拟预演与迭代优化；构建考虑截割轨迹、直线度、工作空间和动态煤层的全面评价指标，对未来的综采机器人运行进行模拟，确定发展趋势，测试机器人运行性能。

6.如权利要求1所述的面向智能化综采机器人生产系统的测试与评估方法，其特征在于，所述综采工作面运行评价体系通过AI机器人分析系统根据输入的装备及地质探测手段智能化参数分析结果进行迭代优化与虚拟预演，根据预演结果对装备运行状态以及参数影响因子进行评估，划分主要因素和次要因素，建立基于深度学习的综采工作面运行综合评价策略，为煤矿智能化升级改造提供发展方向；

其中，装备运行状态评估包括采煤机运行状态评估、预测截割轨迹评估、刮板输送机直线度评估、液压支架直线度评估、装备工作空间评估以及煤层顶底板评估；根据采煤机截割部电流、采煤机运行速度参数对采煤机运行状态进行评估；根据实际截割轨迹对预测截割曲线进行评估；根据刮板输送机与液压支架位姿参数对刮板输送机与液压支架直线度进行评估；对比实际装备工作空间与虚拟装备工作空间，对装备工作空间进行评估；根据实际顶底板信息对所构建的煤层顶底板进行评估；根据装备评估结果对之后综采装备运行状态进行调整。

Images