CN116065646A - 一种基于远程监控的自主作业智能矿用电铲系统 - Google Patents

Abstract

一种基于远程监控的自主作业智能矿用电铲系统，属于挖掘机技术领域。首先，在现有的矿用电铲结构添加激光雷达并在操控室内安装远程控制系统，通过激光雷达获取矿料的点云数据，根据多点云的建模精度，并提取固有特征；其次，根据挖掘机的位置和姿态信息，由任务规划层和运动规划层组成的规划层可以生成挖掘轨迹，并将规划好的最优挖掘轨迹在上位控制中心转化为参考轨迹，反馈给PLC、控制中心；最后，将改装后的矿用挖掘机的规模样机进行集成，通过5G通信技术实时监控样机的工作情况，验证该算法的优越性和适用性。本发明能够在远程挖掘机的基础上，充分考虑能耗和挖掘体积对挖掘工作的影响，提高挖掘效率、能够提高满斗率、降低能耗；能够实时监控并及时处理突发状况保障人员安全。

Description

一种基于远程监控的自主作业智能矿用电铲系统

技术领域

本发明属于挖掘机技术领域，涉及一种基于远程监控的自主作业智能矿用电铲系统。

背景技术

矿用机械正铲式挖掘机(又称矿用电铲)是露天矿开采中集“挖掘”和“装载”为一体的一种用于矿山剥离和采掘作业的大型复杂机械装备，其综合性能直接决定着整个矿山的开采效率和安全性。矿用电铲具有系统集成度高、斗容量大、技术附加值高等特点，并且由于矿用电铲具有较强的挖掘适应性、较高的作业可靠性和较低的维护成本，在露天矿的开采中取得了广泛应用。

矿用电铲一般在露天矿开采中起核心作用，广泛应用于卸覆岩层或装载矿物。目前，矿用电铲作业依赖于人工操作，由于设备体积巨大，驾驶员视距受限，同时矿岩复杂多变、形貌起伏不平等问题，驾驶员只能依赖自身经验，对挖掘环境评估、挖掘决策控制等方面存在明显不足，并且挖掘环境恶劣，驾驶员操作随机等现实问题，其工作效率和能耗在很大程度上取决于操作人员的熟练程度，往往导致挖掘过程高能耗、挖掘欠载或过载，甚至人员操作失误造成矿山事故等问题。因此，挖掘作业过程中主要存在以下几个问题：(1)挖掘效率低、能耗大：部分驾驶员为由于经验和自身状态等原因，挖掘过程中常出现“深挖”或“浅挖”造成设备过载或欠载，严重影响挖掘效率和能耗；(2)故障频发：部分驾驶员经验不足导致挖掘过程随机，工作装置承受强冲击载荷，常发生断轴断销、起重臂倾覆等事故；(3)安全性差：由于挖掘环境较为恶劣，驾驶舱振动剧烈，驾驶员极易产生疲劳，从而出现操作失误引发重大安全事故。此外，对于一名合格驾驶员的培养往往需要花费数年时间。目前适龄劳动力的减少以及年轻人员从业意愿降降低，对劳动力密集型的采矿业的冲击也开始逐步显现。

为解决上述现实问题，矿用电铲向智能化和远程控制发展成为了提高作业质量，应对劳动力不足的必然选择。通过先进的智能化技术和通信技术，可以改变效率低、功耗高和安全性差的人工挖掘作业，实现智能化挖掘。其中通信技术高速度、低时延、超大带宽的特性，可以满足操作人员通过监控实时观察工作情况和使用手柄实时操作的远程控制要求。将二者结合起来可以实现操作人员在远程控制室中设定工作任务，电铲自主挖掘。一间远程控制操作室可以来回切换控制多台智能矿用电铲，只需少量的操作室就可以满足矿场开发的需求。

当前针对无人矿用电铲的轨迹设计/轨迹规划研究刚刚起步，主要面向人工操作方式下的单一结构或轨迹参数设计，尚未统筹考虑二者对挖掘性能的影响，无法满足后期自主挖掘中高效、省功的性能要求。现有的无人挖掘机技术不够成熟，仍存在做土方动作太慢，油耗较大，配件昂贵，机器的维护成本高等问题，实际工作没有人工操作那样灵活。无人挖掘机需要事先设定工作任务，工作时严格按照设定，导致无法适当的应对实际工作环境中存在的很多特殊情况，遇到这些状况时需要专业人员进行及时处理。因此，现有的无人挖掘机还不能完全脱离人工操作，而实际工作环境恶劣，容易发生事故，造成人员伤亡。远程挖掘机是这些问题的最佳解决方案，避免了人员直接接触。专业人员可以通过远程控制系统详细了解现场情况并解决问题，可以有效避免恶劣的环境对人员造成威胁，又保证能突发及时处理事件。但远程挖掘机仍存在一些与传统挖掘机相同的弊端，其工作效率和能耗在很大程度上取决于操作人员的熟练程度，并且需要操作人员长时间完成一些重复性工作。因此，为了在安全和经济效益的前提下，进一步提升矿用电铲工作过程中的挖掘效率，有必要提出一种基于远程监控的自主作业智能矿用电铲系统。

发明内容

针对现有技术存在的问题，本发明提供一种基于远程监控的自主作业智能矿用电铲系统，其能够在远程挖掘机的基础上，充分考虑能耗和挖掘体积对挖掘工作的影响，从而进一步提高矿用电铲的挖掘效率。同时，该发明以所获取的物料点云数据建立的物料模型为基础进行轨迹规划，可以获得挖掘体积最大的挖掘轨迹。并且该发明采用了基于物理的分析方法和数据驱动方法相结合的混合方法对挖掘力进行了预测，根据预测结果修改挖掘角度，可以降低电铲工作中的能耗。该发明利用5G通信技术高速度、低时延、超大带宽的特性，实时监控智能矿用电铲的工作情况。

为了达到上述目的，本发明的采用技术方案为：

一种在远程监控下的自主作业智能矿用电铲系统，所述自主作业智能矿用电铲系统(UES)包括上位控制中心、下位控制中心。对WK-55型矿用挖掘机样机按照该系统要求进行了改装，改装具体为：在动臂顶部安装相机和拉力传感器；在斗杆上安装倾斜传感器；在控制室安装三维激光雷达和惯性传感器；在控制室后安装无线电装置、电控柜和传感器数据收集箱。具体如下：

第一步，挖掘机样机的电铲先旋转到矿车，此时激光雷达旋转到物料前，激光雷达开始多次扫描物料，生成物料点云数据。激光雷达扫描完毕，将生成的物料点云数据发送到上位控制中心，并将电铲旋转到物料前。上位控制中心采用促进稀疏性的多项式响应面(SPPRS)提取数据的固有特征，并根据已提取的固有特征进行建模。

进一步的，形式上，假设用于训练的样本集由样本

组成，其中l表示点云的总数，i表示每个点云的样本数，x,y,z表示在激光雷达中点云的三维坐标。l点云的材料表面重构为：

式中

为特征映射函数，

表示特征的系数，可通过将该优化目标最小化求解为：

其中U是学习特征的K阶矩阵，λ≥0是选择特征的正则化项的正则化参数。

第二步，在第一步的物料模型上建立笛卡尔坐标系，其坐标系如图2所示，O′表示物料模型底部，S_x表示朝向物料内部的水平方向，S_y表示垂直地面竖直向上的方向。上位控制中心在物料模型上采用了基于物理的分析方法和数据驱动方法相结合的混合方法对挖掘力进行了预测，预测结果如图3所示，挖掘力预测曲线与地面真实曲线一致。根据物料模型、挖掘力预测结果和挖掘机的位置和姿态信息，上层控制中心在上述的坐标系中生成挖掘体积大、能耗小、挖掘时间短的多项式函数挖掘轨迹。

进一步的，这里定义了一种基于多项式的点对点(PTP)轨迹生成策略来描述整个挖掘轨迹。在上述的坐标系中挖掘轨迹可表示为：

其中a_n(n为正整数)表示多项式系数，t表示时间。UES的挖掘轨迹规划问题是生成一个挖掘体积大、能耗小、挖掘时间短的挖掘轨迹，从初始点到最终点切入矿堆，达到最小的能耗和时间，最大的采矿量。

进一步的，在生成挖掘轨迹中，上位控制中心先生成一条初始轨迹，然后根据总目标函数J的大小，逐渐调节多项式系数，多次迭代后使总目标函数J达到最优值。总目标函数J是每个子目标的权重之和：

J＝ω₁J₁+ω₂J₂+ω₃J₃#(4)

其中J₁为挖掘时间，J₂为能耗，J₃为采掘量。ω₁为挖掘时间权重系数、ω₂为能耗权重系数、ω₃为挖掘体积权重系数，权重系数是根据专家操作员的人工操作数据确定的。通过基于优化和基于学习的算法对目标函数进行最小化，可以确定a_n的值。

第三步，为了提高挖掘轨迹跟踪的精度，在上位控制中心中使用一种深度学习增强的跟踪控制策略，将第二步规划好的挖掘轨迹转化为参考轨迹，然后反馈给电控柜中的PLC。PLC通过变频器、逆变器及相关执行器控制电铲按照参考轨迹进行工作。挖掘结束后，电铲旋转到矿车的位置，将物料倒在矿车上，此时激光雷达旋转到物料前，重新扫描物料建立模型。该系统按照前三步顺序循环工作。同时，拉力传感器检测连接动臂的绳索拉力，拉力过大时将影响动臂的稳定性；倾斜传感器检测斗杆的角度，斗杆的角度过大或过小都有可能发生碰撞；惯性传感器检测电铲旋转的速度，速度变化过大部件容易发生损坏；传感器数据采集箱将传感器数据反馈给PLC和上位控制中心。当数据异常时，PLC控制整个样机停止工作。

第四步，上位控制中心接收到异常数据后，通过无线电装置将动臂、斗杆、铲斗的状态信息传输到远程控制室。操作人在远程控制室根据状态信息和相机画面进行分析，对挖掘机进行远程控制解决问题。问题解决后，电该系统将从第一步开始循环工作。

本发明的有益效果：本发明提供一种基于远程监控的自主作业智能矿用电铲系统，其能够在远程挖掘机的基础上，充分考虑能耗和挖掘体积对挖掘工作的影响，从而进一步提高矿用电铲的挖掘效率。同时，本发明通过通信技术高速度、低时延、超大带宽的特性实现远程控制操作室实时监控智能矿用电铲，可以及时处理突发状况保障人员安全。该系统对物料模型进行轨迹规划和对挖掘力进行了预测，能够提高满斗率和降低能耗。本发明通过PLC和变频器、逆变器及相关执行器实现电铲自主工作，代替了操作人员长时间的重复工作，减轻了人员的工作强度。

附图说明

图1为本发明的一种在远程监控下的自主作业智能矿用电铲系统流程示意图。

图2为本发明的UES挖掘轨迹。图中各字母含义表示，O′表示物料模型底部，S_x表示朝向物料内部的水平方向，S_y表示垂直地面竖直向上的方向。

图3预测挖掘力与实际挖掘力的比较。(a)实际提升力与预测提升力对比，(b)实际推压力与预测推压力对比。

图4挖掘轨迹与人工操作的比较。(a)跟踪挖掘轨迹与预测挖掘轨迹的比较，(b)自动操作与手动操作的比较。

具体实施方式

以下结合附图和具体实施例，进一步阐述本发明。

本发明提出了一种能够处理不同工况的远程监控的自主采矿无人挖掘机系统(UES)，其流程如图1所示。智能矿用电铲系统结构包括上位控制中心、下位控制中心。该UES具有一个层次结构，结合了多模态感知、运动规划和轨迹控制。对WK-55型矿用挖掘机样机按照该系统要求进行了改装；所述改装具体为：在动臂顶部安装相机和拉力传感器；在斗杆上安装倾斜传感器；在控制室安装三维激光雷达和惯性传感器；在控制室后安装无线电装置、电控柜和传感器数据收集箱。与人工操作相比，在挖掘体积基本相同的情况下，自主操作下的挖掘轨迹分布更加一致，功耗更低。

(1)挖掘机样机的电铲先旋转到矿车，此时激光雷达旋转到物料前，扫描时不受电铲的影响，激光雷达开始多次扫描物料，生成物料点云数据。激光雷达扫描完毕，将生成的物料点云数据发送到上位控制中心，并将电铲旋转到物料前。上位控制中心采用促进稀疏性的多项式响应面(SPPRS)提取数据的固有特征，并根据已提取的固有特征进行建模。形式上，假设用于训练的样本集由样本

组成，其中l表示点云的总数，i表示每个点云的样本数，x,y,z表示在激光雷达中点云的三维坐标。l点云的材料表面重构为：

式中

为特征映射函数，

表示特征的系数，可通过将该优化目标最小化求解为：

其中U是学习特征的K阶矩阵，λ≥0是选择特征的正则化项的正则化参数。

(2)在第一步的物料模型上建立笛卡尔坐标系，其坐标系如图2所示，O′表示物料模型底部，S_x表示朝向物料内部的水平方向，S_y表示垂直地面竖直向上的方向。上位控制中心在物料模型上采用了基于物理的分析方法和数据驱动方法相结合的混合方法对挖掘力进行了预测，预测结果如图3所示，挖掘力预测曲线与地面真实曲线一致。根据物料模型、挖掘力预测结果和挖掘机的位置和姿态信息，上层控制中心在上述的坐标系中生成挖掘体积大、能耗小、挖掘时间短的多项式函数挖掘轨迹。这里定义了一种基于多项式的点对点(PTP)轨迹生成策略来描述整个挖掘轨迹。在上述的坐标系中挖掘轨迹可表示为：

其中a_n(n为正整数)表示多项式系数，t表示时间。UES的挖掘轨迹规划问题是生成一个挖掘体积大、能耗小、挖掘时间短的挖掘轨迹，从初始点到最终点切入矿堆，达到最小的能耗和时间，最大的采矿量。在生成挖掘轨迹中，上位控制中心先生成一条初始轨迹，然后根据总目标函数J的大小，逐渐调节多项式系数，多次迭代后使总目标函数J达到最优值。总目标函数J是每个子目标的权重之和：

J＝ω₁J₁+ω₂J₂+ω₃J₃#(4)

其中J₁为挖掘时间，J₂为能耗，J₃为采掘量。ω₁为挖掘时间权重系数、ω₂为能耗权重系数、ω₃为挖掘体积权重系数，权重系数是根据专家操作员的人工操作数据确定的。通过基于优化和基于学习的算法对目标函数进行最小化，可以确定a_n的值。

(3)为了提高挖掘轨迹跟踪的精度，在上位控制中心中使用一种深度学习增强的跟踪控制策略，将第二步规划好的挖掘轨迹转化为参考轨迹，然后反馈给电控柜中的PLC。PLC通过变频器、逆变器及相关执行器控制电铲按照参考轨迹进行工作。挖掘结束后，电铲旋转到矿车的位置，将物料倒在矿车上，此时激光雷达旋转到物料前，重新扫描物料建立模型。该系统按照前三步顺序循环工作。同时，拉力传感器检测连接动臂的绳索拉力，拉力过大时将影响动臂的稳定性；倾斜传感器检测斗杆的角度，斗杆的角度过大或过小都有可能发生碰撞；惯性传感器检测电铲旋转的速度，速度变化过大部件容易发生损坏；传感器数据采集箱将传感器数据反馈给PLC和上位控制中心。当数据异常时，PLC控制整个样机停止工作。

(4)上位控制中心接收到异常数据后，通过无线电装置将动臂、斗杆、铲斗的状态信息传输到远程控制室。操作人在远程控制室根据状态信息和相机画面进行分析，对挖掘机进行远程控制解决问题。问题解决后，该系统将从第一步开始循环工作。

规划挖掘轨迹与实际挖掘轨迹对比如图4(a)所示。可以发现，实际挖掘轨迹几乎完全遵循规划曲线。自动挖掘轨迹与人工操作轨迹的对比如图4(b)所示。矿用挖掘机人工挖掘时，挖掘轨迹分布离散，自主挖掘时轨迹分布更一致。同时，轨迹分布的一致性将降低采矿能耗。为提高自主采矿的智能化水平，本发明设计了一种基于远程监控的自主作业智能矿用电铲系统(UES)。该系统采用分层结构，编码了专家操作人员知识、基于物理的分析模型和数据驱动方法，减少了计算时间，实现了结构性能的实时监测。

以上所述实施例仅表达本发明的实施方式，但并不能因此而理解为对本发明专利的范围的限制，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。

Claims (4)

1.一种基于远程监控的自主作业智能矿用电铲系统，其特征在于，所述自主作业智能矿用电铲系统UES包括上位控制中心、下位控制中心；基于改装偶的矿用挖掘机样机实现，改装具体为：在动臂顶部安装相机和拉力传感器；在斗杆上安装倾斜传感器；在控制室安装三维激光雷达和惯性传感器；在控制室后安装无线电装置、电控柜和传感器数据收集箱；具体如下：

第一步，挖掘机样机的电铲先旋转到矿车，此时激光雷达旋转到物料前，激光雷达开始多次扫描物料，生成物料点云数据；激光雷达扫描完毕，将生成的物料点云数据发送到上位控制中心，并将电铲旋转到物料前；上位控制中心采用促进稀疏性的多项式响应面SPPRS提取数据的固有特征，并根据已提取的固有特征进行建模；

第二步，在第一步的物料模型上建立笛卡尔坐标系，′表示物料模型底部，S_x表示朝向物料内部的水平方向，S_y表示垂直地面竖直向上的方向；上位控制中心在物料模型上采用基于物理的分析方法和数据驱动方法相结合的混合方法对挖掘力进行预测，挖掘力预测曲线与地面真实曲线一致；根据物料模型、挖掘力预测结果和挖掘机的位置和姿态信息，上层控制中心在上述的坐标系中生成挖掘体积大、能耗小、挖掘时间短的多项式函数挖掘轨迹；

第三步，为了提高挖掘轨迹跟踪的精度，在上位控制中心中使用一种深度学习增强的跟踪控制策略，将第二步规划好的挖掘轨迹转化为参考轨迹，然后反馈给电控柜中的PLC；PLC通过变频器、逆变器及相关执行器控制电铲按照参考轨迹进行工作；挖掘结束后，电铲旋转到矿车的位置，将物料倒在矿车上，此时激光雷达旋转到物料前，重新扫描物料建立模型；所述电铲系统按照前三步顺序循环工作；同时，拉力传感器检测连接动臂的绳索拉力，倾斜传感器检测斗杆的角度，惯性传感器检测电铲旋转的速度，传感器数据采集箱将传感器数据反馈给PLC和上位控制中心；当数据异常时，PLC控制整个样机停止工作；

第四步，上位控制中心接收到异常数据后，通过无线电装置将动臂、斗杆、铲斗的状态信息传输到远程控制室；操作人在远程控制室根据状态信息和相机画面进行分析，对挖掘机进行远程控制。

2.根据权利要求1所述的一种基于远程监控的自主作业智能矿用电铲系统，其特征在于，所述第一步中，形式上，假设用于训练的样本集由样本

组成，其中l表示点云的总数，i表示每个点云的样本数，x,y,z表示在激光雷达中点云的三维坐标；l点云的材料表面重构为：

式中

为特征映射函数，

表示特征的系数，可通过将该优化目标最小化求解为：

其中，U是学习特征的K阶矩阵，λ≥0是选择特征的正则化项的正则化参数。

3.根据权利要求1所述的一种基于远程监控的自主作业智能矿用电铲系统，其特征在于，所述第二步中，定义一种基于多项式的点对点PTP轨迹生成策略来描述整个挖掘轨迹；在坐标系中挖掘轨迹可表示为：

其中，a_n(n为正整数)表示多项式系数，t表示时间；UES的挖掘轨迹规划问题是生成一个挖掘体积大、能耗小、挖掘时间短的挖掘轨迹，从初始点到最终点切入矿堆，达到最小的能耗和时间，最大的采矿量；

在生成挖掘轨迹中，上位控制中心先生成一条初始轨迹，然后根据总目标函数J的大小，逐渐调节多项式系数，多次迭代后使总目标函数J达到最优值；总目标函数J是每个子目标的权重之和：

J＝ω₁J₁+ω₂J₂+ω₃J₃#(4)

其中，J₁为挖掘时间，J₂为能耗，J₃为采掘量；ω₁为挖掘时间权重系数、ω₂为能耗权重系数、ω₃为挖掘体积权重系数，权重系数是根据专家操作员的人工操作数据确定的。

4.根据权利要求3所述的一种基于远程监控的自主作业智能矿用电铲系统，其特征在于，通过基于优化和基于学习的算法对目标函数进行最小化，可以确定a_n的值。

Images