推耙機全自動智能控制關鍵技術的研究

王帆，王君偉，周琦

（浙江浙能嘉華發(fā)電有限公司燃料部，浙江 杭州 310009）

某大型火力發(fā)電廠一二期碼頭有4臺卸船機，2個泊位；三期碼頭有2臺卸船機，1個泊位?？赏瑫r?？?條4萬噸級的煤船，而推耙機在該大型火力發(fā)電廠主要用于煤船清艙。

目前煤船清艙作業(yè)是在卸船機抓取船艙中部煤量之后，將推耙機吊入船艙，操作人員通過船上爬梯上下船艙，進入駕駛室進行耙煤作業(yè)。為了保證煤船及時卸煤，操作人員必須輪班作業(yè)；且船艙內空間狹小，空氣流動性差，推耙機大功率柴油發(fā)動機排出大量的廢氣和噪聲不易擴散；粉塵濃度高，操作人員在密閉的駕駛艙里需帶上口罩工作，所以夏季作業(yè)高溫難耐；由于粉塵濃度高造成艙內能見度低，影響操作人員視線，降低了作業(yè)效率；推耙機操作人員通過船上爬梯上下船艙，在陰雨冰雪天，梯濕易滑，視線差，存在安全隱患。因此對常規(guī)推耙機進行智能化的研究，使之成為智能裝備顯得尤為重要。

本文利用現有推耙機，針對其作業(yè)工況與作業(yè)工藝進行智能化改造，就其中涉及的關鍵技術進行深入研究，以實現推耙機在封閉船艙內的無人駕駛自動清艙功能。

1 目標分析

本次研究以日本小松推耙機D63EX－12為目標。其尺寸為長5855mm，寬3020mm，高2990mm，采用渦輪增壓后水冷式柴油發(fā)動機，額定功率155kw，整車機動采用履帶底盤，前進有三個檔位，速度分別為：3．4km／h，5．8km／h，9．0km／h，后退也有三個檔位，其速度分別為：4．4km／h，7．5km／h，11．0km／h。D63E－12整機操作重量17600公斤，最小轉彎半徑3m。駕駛艙內布置：駕駛艙為單人座椅，左手操作手柄控制前進和后退、左右轉向、檔位切換，右手操作手柄控制推耙鏟升降及角度變換，右腳下設有剎車、油門踏板。前方設有數據顯示屏、車燈開關、發(fā)動機鑰匙孔等。履帶式推耙機在艙內作業(yè)方式以倒退耙煤堆高為主，最后清倉時用前進推煤方法進行堆高。

為實現推耙機在船艙內的全自動作業(yè)，在保留其原有機械性能的基礎上，需要對其進行電氣及加裝感知傳感器的改造。

2 系統(tǒng)組成

實現推耙機全自動智能控制系統(tǒng)，主要包括：

1）感知定位：通過64線激光掃描儀獲取的點云數據，由控制系統(tǒng)分析處理成為實體模型，建立作業(yè)船艙系統(tǒng)地圖。通過對船型數據庫的數據修正船艙地圖的建立，確保系統(tǒng)安全。通過掃測結果與地圖的建立，實時計算定位推耙機相對于船艙中的實際位置。

2）環(huán)境建圖：通過64線激光掃描儀和固態(tài)激光的點云數據疊加，并以IMU變換得到公共坐標系，建立3D環(huán)境地圖。

3）路徑規(guī)劃：上位機通過掃測的煤垛分布、形狀、艙壁形狀、距離、及自身計算的定位信息與建模地圖對比，通過智能算法推導出最佳作業(yè)路徑與作業(yè)規(guī)則。后續(xù)自動作業(yè)流程將遵循智能推耙規(guī)劃作業(yè)的規(guī)則進行。通過掃描儀與IMU，實時判斷自身運動的速度、方向、位置等，與運動路徑時刻對比，實現導航運動。

4）煤量分析：通過掃描儀掃測船艙內煤垛分布、形狀、艙壁形狀、距離等，獲取作業(yè)目標及定位信息的必要數據，分割煤與船艙模型，并結合圖像識別判定剩余煤量。

3 關鍵技術

3．1 感知定位技術

為實現推耙機的無人自動作業(yè)，首要實現其對作業(yè)環(huán)境的感知，包括：實時坐標定位、實時姿態(tài)判定、實時環(huán)境分析等。推耙機的工作環(huán)境為封閉式船艙，船艙內殘留有大量煤礦散料，故傳統(tǒng)推耙機在船艙內作業(yè)時，存在頻繁上下煤坡的情況。研究階段使用MAYA三維建模軟件，1：1比例建立模擬實際船艙環(huán)境的船艙模型，然后保存為DAE格式的文件，再導入進Gazebo仿真環(huán)境中。

在仿真環(huán)境中，使用開源代碼LEGOLOAM首先對周圍環(huán)境進行特征點的提取。其中，特征點根據點云的曲率大小分為角點與平面點。根據提取到的特征點隨后進行幀與幀間的匹配，利用最小二乘法計算得到初步的幀與幀間的車輛位置變換。將特征點匹配的結果再作為幀與點云地圖間匹配的初始值，進行精確匹配計算得到較為精確的車輛位置。

本次研究采用64線激光掃描儀采集環(huán)境點云數據和IMU采集推耙機自身運動姿態(tài)。受限于船艙尺寸與煤垛較低的反射率，采用64線激光的原因是其能提供更加精準細密的點云數據，且具有更加寬廣的發(fā)散角度。根據多傳感器融合的方法，融合IMU與激光雷達點云數據，對點云進行分割，將墻壁點云、天花板點云還有煤堆點云區(qū)分開，利用點云分割的結果，提取出墻壁點云，并以此構建柵格地圖，最終船艙建圖效果，可用于車輛的導航。最后對船艙內部與室外環(huán)境的建圖與定位效果進行了測試，利用點云錄制程序，在電廠室外進行點云數據采集，并進行仿真。

3．2 環(huán)境建圖技術

環(huán)境建圖用于系統(tǒng)建立統(tǒng)一坐標系，為推耙機路徑規(guī)劃提供數據參考，并為上位機提供可視化數據。項目采用的固態(tài)激光雷達是Livox－Mid－40，其采用了非重復掃描方式，具有較高的視場覆蓋率，且隨著積分時間變長，視場覆蓋率也會顯著增大，直到接近100%。通過視場覆蓋率對比可以表明Mid－40的掃描點云特性十分出色，并隨著時間推移達到最優(yōu)。當積分時間為0．1s，Mid－40與32線產品相近；當積分時間為0．5s時，Mid－40與64線產品相近。當積分時間繼續(xù)增大時，覆蓋率隨之增大，直至接近100%。在實際測試的過程中發(fā)現固態(tài)激光雷達由于其FOV較小（只有40°左右大?。灰蝿拥膭×乙稽c就會丟失，由于該激光雷達的掃描特性（非重復性掃描），單由固態(tài)雷達建的圖效果不好。

最后采用了由64激光雷達提供位姿，并經過固態(tài)雷達和機械雷達的TF相對位置矯正之后，由固態(tài)激光雷達疊加掃描幀。固態(tài)雷達的掃描精度高，掃描速度快，但是掃描角有限，固態(tài)意味著激光雷達不能進行360度旋轉，只能探測前方。因此要實現全地圖輸出，需采用程序維護一個全局地圖，每一幀固態(tài)掃描會疊加當前掃描區(qū)域，從而更新地圖。

本次研究為方便上位機顯示地圖信息，由點云信息建模地圖轉化為具有顏色分段的可視化高層地圖。從上一節(jié)點通過話題接收到了當前幀對應的全局地圖，開始處理輸出得到高層地圖，主要是根據矯正好的點云地圖進行二維投影，然后計算出當前全局地圖最低點和最高點，從而計算高度，遍歷給當前投影點賦值和RGB值，最后在擴大的地圖空域通過KNN的最近鄰點來賦值。

3．3 煤量識別技術

推耙機的路徑規(guī)劃是以逐幀分析當前剩余煤量（體積）及分布特點，作為下一話題執(zhí)行的判定條件。船艙內當前余煤體積和是否存在煤，是作為整個路徑規(guī)劃中止或終止條件的重要判定依據。

由上述感知定位模塊可知，利用64線激光可以有效獲取船艙內墻壁（垂直）與煤垛（曲面）數據并實現分割。但由于點云密度較稀疏，難以計算出煤垛的當前體積。本次研究采用密度較高的固態(tài)激光對周圍場景進行累加掃描，獲取點云通過微積分原理，實現煤垛體積的初步計算。通過提取點云數據的連續(xù)線性特征，從而預測插補空間曲面弧形的形狀與坐標，實現平滑過渡，提高計算精度。由于運動狀態(tài)中的不確定因素干擾，為提高計算真實性，輔助采用視覺識別的方法。

船艙內煤垛采用車載型高清攝像機實時采集，并以一定采樣周期提取幀圖片進行數據分析。

3．3．1 圖像分割算法的實際工況性能及結果

1）K－Means聚類算法：圖像處理速度極慢，分割精度一般。

2）GLCM特征提取分割法：分割速度一般，煤堆分割精度很差。（特征提取算法結果與聚類結果基本一致）。

3）HSV三通道閾值分割算法：分割速度快，精度較高，缺點是三通道閾值需要在不同場合下更新。

3．3．2 煤堆識別閾值分割算法

1）若暗光和非充足光照條件，LIME低照度增強。

2）RGB圖像輸入，轉化HSV通道。

3）圖像形態(tài)學處理操作。

設置感興趣閾值，通過三通道閾值將ROI分割出來，并展示flag。

3．4 安全限制技術

安全限制用于確保推耙機在作業(yè)過程不會撞擊船艙壁和爬坡過程中不會傾翻。

安全模塊推耙機初始化工作的時候啟動并將一直保持運行。安全模塊通過讀取IMU數據來判斷是否超過安全角度，并接收定位模塊發(fā)送的以車身為中心的6個方向到墻壁的信息判斷是否有障礙物。保證以車身為中心到6個方向的一定距離內沒有障礙物。根據激光雷達得到車輛左前方、正前方、右前方、右后方、正后方、左后方六個方位的離墻距離。當反饋安全角度或安全距離超限時，由底層控制模塊輸出限制運動指令。

3．5 路徑規(guī)劃技術

推耙機根據上位機指令初始化路徑規(guī)劃。推耙機將實現給定的推耙指令，高層地圖數據可以讓推耙機實現高效且安全的推耙。不論在何種推耙模式下，安全模塊都將保持運轉，保證推耙的安全性。

推耙機總體設置有遙控和自動兩種模式。遙控可以讓操作人員遠程遙控推耙機；當切換為自動模式之后，推耙機先判斷是否收到新的自動控制模式，若自動控制模式更新，則會開始新的自動推耙，若自動控制模式未更新，則推耙機將會回到上一次自動推耙被手動控制打斷的地方繼續(xù)完成自動推耙工作，達到自動切換的目的。高層地圖是否正常計算取決于給定的推耙模式。

當推耙模式為被上位機限定在某一船艙時，需要提取高層地圖并對它進行分割，利用OPENCV的庫函數進行圖像提取獲得初始推耙線，在遍歷完該推耙線之后再進行圖形的提取獲得下一條推耙線，從而保證了推耙機的工作效率。通過對中控室給定的煤堆船艙進行提取最終傳出回退點位置坐標以及煤區(qū)開始和結束位置坐標。提取采用OPENCV的方法，對整個高程RGB圖進行提取四角點。采用了OPENCV和矩陣搜索賦值保留紅色灰度信息的兩種方法，對船艙提取采用OPENCV方法，中間去除類小的連通域。

實際路徑算法中，采取路徑動作分解的策略：即以單次往返并推煤或耙煤為一次路徑，將一次清艙作業(yè)任務分解為N次路徑。路徑的起點與終點由建圖信息輸入，并由路徑模塊進行計算解析。路徑模式采用擬合Dubins曲線，并采用基于高程地圖數據的A＊算法，尋求高效路徑。

4 結論

本次研究的關鍵技術在于船艙內實現安全、精準的實時定位與路徑規(guī)劃，實時煤量分析，以高效地完成清艙作業(yè)。通過現場驗證與過程研究分析，推耙機智能全自動控制關鍵技術已經取得一定成果。本次研究成果為改善推耙機操作人員的作業(yè)條件、降低勞動強度，提高電廠清艙作業(yè)安全、合理安排清艙，提高清艙作業(yè)勞動生產率奠定了基礎，同時順應時代發(fā)展，對建設“智慧電廠”的戰(zhàn)略需要，具有推廣應用價值。