煤礦機(jī)器人環(huán)境感知與路徑規(guī)劃關(guān)鍵技術(shù)

楊春雨，張 鑫

(中國(guó)礦業(yè)大學(xué) 信息與控制工程學(xué)院，江蘇 徐州 221008)

中國(guó)煤炭使用歷史已超千年，規(guī)?；?、機(jī)械化煤炭挖掘有100多年歷史，前期不科學(xué)的開采工作嚴(yán)重破壞部分礦區(qū)環(huán)境，包括地下水?dāng)?shù)量和質(zhì)量下降、地面沉降、采礦廢物儲(chǔ)存不當(dāng)、土地占用和其他影響，給當(dāng)?shù)鼐用裆顜?lái)不便，且該行業(yè)一直被廣泛認(rèn)知為高危、艱苦行業(yè)，相關(guān)技術(shù)受關(guān)注度較低，發(fā)展緩慢，礦業(yè)工作人員安全存在風(fēng)險(xiǎn)。針對(duì)采煤產(chǎn)生的環(huán)境問(wèn)題以及安全問(wèn)題，“十三五”期間，全國(guó)礦山產(chǎn)業(yè)結(jié)構(gòu)不斷優(yōu)化，淘汰退出煤礦5 464處，涉及產(chǎn)能9.4億t，整頓關(guān)閉金屬非金屬礦山和尾礦庫(kù)1.9萬(wàn)余座。關(guān)閉技術(shù)未達(dá)標(biāo)礦井令安全生產(chǎn)形勢(shì)穩(wěn)定向好，2020年是新中國(guó)成立以來(lái)首次全年未發(fā)生煤礦重特大瓦斯事故的年份，煤礦事故起數(shù)和死亡人數(shù)分別下降65.3%和62.4%，重特大事故起數(shù)下降40%。另一方面，行業(yè)安全性引起“用工荒”問(wèn)題，但大量資源卻亟待開采，關(guān)閉大量不合格礦井雖然起到了化解過(guò)剩產(chǎn)能、降低環(huán)境壓力、增加居民生活質(zhì)量和減少礦業(yè)人員安全事故的作用，也帶來(lái)了煤炭產(chǎn)量驟減、能源成本增加及從業(yè)人員壓力變大的副作用。中國(guó)是最大的煤炭生產(chǎn)國(guó)和消費(fèi)國(guó)，國(guó)際能源署在其發(fā)布的報(bào)告《世界能源展望2020》中預(yù)測(cè)，截至2040年，中國(guó)對(duì)煤炭的需求將占全球煤炭需求的50%，全球煤炭需求將增加15%。國(guó)內(nèi)報(bào)告指出，全國(guó)目前仍有大量煤礦地下儲(chǔ)備待合理開采，2015年中國(guó)煤炭資源已確定儲(chǔ)量達(dá)1.56萬(wàn)億t，2016年探測(cè)新增儲(chǔ)量316.90億t，2017年煤炭勘查新增查明資源儲(chǔ)量815億t，2018年新發(fā)現(xiàn)礦產(chǎn)地20處(大型14處、中型4處、小型2處)，2019年煤炭查明新增300.1億t儲(chǔ)量。

近年來(lái)，在關(guān)停不合格煤礦礦井以增加行業(yè)安全性、投入使用“少人/無(wú)人化”智能礦用機(jī)械以提高開采科學(xué)性和效率性的多重影響下，我國(guó)煤礦智能化建設(shè)取得積極進(jìn)展，這是煤炭工業(yè)發(fā)展的必然選擇，且符合“中國(guó)制造2025”的國(guó)家戰(zhàn)略。2019年國(guó)家煤監(jiān)局提出的《煤礦機(jī)器人重點(diǎn)研發(fā)目錄》明確了煤礦機(jī)器人的分類及相應(yīng)標(biāo)準(zhǔn)，智能化采掘工作面從2015年僅有3個(gè)增加到275個(gè)，截至2021年1月增至494個(gè)、同比增加80%，掘進(jìn)、巡檢、運(yùn)輸?shù)?9種機(jī)器人在煤礦現(xiàn)場(chǎng)已有示范應(yīng)用。2020-05-28天安科技股份有限公司國(guó)內(nèi)首創(chuàng)研發(fā)出一款大斷面矩形煤巷盾構(gòu)式快速掘進(jìn)機(jī)器人系統(tǒng)，為國(guó)內(nèi)已知投入測(cè)試的掘進(jìn)機(jī)器人，該系統(tǒng)可每月掘進(jìn)大型礦井巷道2 km，其他智能化掘進(jìn)機(jī)器人裝備仍在研發(fā)中；2020年6月，中國(guó)移動(dòng)與包括焦煤集團(tuán)、同煤集團(tuán)、晉煤集團(tuán)、晉能集團(tuán)四大煤炭企業(yè)在內(nèi)的24家合作伙伴簽署“5G戰(zhàn)略合作協(xié)議”，晉煤集團(tuán)利用部署5G網(wǎng)絡(luò)及在礦卡本體加裝高清攝像頭、激光雷達(dá)、定位終端等實(shí)現(xiàn)無(wú)人礦卡的遠(yuǎn)程操控駕駛；2020年12月，國(guó)家電投集團(tuán)內(nèi)蒙古白音華煤電有限公司礦用卡車無(wú)人駕駛項(xiàng)目實(shí)現(xiàn)階段性目標(biāo)，并穩(wěn)定參與到剝離生產(chǎn)作業(yè)中，礦區(qū)已完成12臺(tái)無(wú)人駕駛礦用卡車編組運(yùn)行，每臺(tái)核載約為50 t物料，行駛速度為12 km/h，實(shí)現(xiàn)了單車中間運(yùn)輸路段無(wú)人運(yùn)行；2021年3月，陜煤集團(tuán)黃陵礦業(yè)公司部署煤礦巡檢機(jī)器人群，該機(jī)器人群可以實(shí)現(xiàn)遠(yuǎn)程操控、智能巡檢，減輕了約180位巡檢工人的工作量。煤礦機(jī)器人的應(yīng)用前景十分可觀。

煤礦智能化和無(wú)人化發(fā)展已經(jīng)取得重大進(jìn)展，其中環(huán)境感知技術(shù)和路徑規(guī)劃技術(shù)已有較多研究成果，這2項(xiàng)關(guān)鍵技術(shù)的研發(fā)可以進(jìn)一步提高機(jī)器人的智能化程度。煤礦機(jī)器人的環(huán)境感知可以為機(jī)器人自身安全提供保障、為機(jī)器人控制與決策提供數(shù)據(jù)支持，相關(guān)研究可分為2類：① 靜態(tài)物體感知。針對(duì)掘進(jìn)類和采煤類機(jī)器人的截割面煤巖分布精準(zhǔn)感知技術(shù)，較成熟的方法大都基于聲波反射原理研發(fā)，具有較好的感知能力，可以有效保護(hù)截割刀頭并為截割路徑規(guī)劃提供有用信息。運(yùn)輸類、安控類和救援類屬于地面行走型機(jī)器人，工作時(shí)一般使用雷達(dá)掃描感知靜態(tài)障礙以確保安全。② 動(dòng)態(tài)事物認(rèn)知。對(duì)于復(fù)雜多變的煤礦環(huán)境，只配備靜態(tài)物體感知技術(shù)略顯不足，智能化的煤礦機(jī)器人需要實(shí)時(shí)識(shí)別動(dòng)態(tài)事物的類型和狀態(tài)，進(jìn)而判斷對(duì)自身有利的工作狀態(tài)。利用視覺(jué)傳感器結(jié)合深度學(xué)習(xí)方法是目前最先進(jìn)的煤礦機(jī)器人動(dòng)態(tài)認(rèn)知技術(shù)，具有操作性強(qiáng)、多種穩(wěn)定框架可供參考的特點(diǎn)。針對(duì)煤礦機(jī)器人的路徑規(guī)劃技術(shù)可分為3類：① 關(guān)鍵部件定位。定位技術(shù)是路徑規(guī)劃中的基本功能，一般使用坐標(biāo)變換法，通過(guò)多坐標(biāo)系統(tǒng)的換算關(guān)系確定煤礦機(jī)器人的當(dāng)前位置。SLAM為目前最先進(jìn)、精準(zhǔn)的定位技術(shù)，該方法以坐標(biāo)變換為基礎(chǔ)，結(jié)合環(huán)境感知進(jìn)行機(jī)器人同步定位。② 全局最優(yōu)路徑?jīng)Q策。該技術(shù)在救援類機(jī)器人和運(yùn)輸類機(jī)器人中較常見，屬于優(yōu)化調(diào)度問(wèn)題，其目的是在一定時(shí)間內(nèi)決策規(guī)劃出最低成本(路徑最短、節(jié)點(diǎn)到達(dá)重復(fù)率最低、緊急度協(xié)調(diào)等)的多目的地路徑，目前較先進(jìn)的方法有進(jìn)化計(jì)算類方法、Voronoi圖論法等，仍具有較高的研究?jī)r(jià)值。③ 自主避障規(guī)劃。煤礦機(jī)器人在工作時(shí)關(guān)鍵部位需要行走于工作面，如何避開障礙物以保證機(jī)器人及周圍環(huán)境安全十分關(guān)鍵。運(yùn)輸類煤礦機(jī)器人在該領(lǐng)域具有特殊優(yōu)勢(shì)，目前常用的技術(shù)有A*算法等，但這類傳統(tǒng)方法較難應(yīng)用于突發(fā)情況較多的煤礦環(huán)境，結(jié)合環(huán)境感知技術(shù)實(shí)時(shí)獲取工作環(huán)境信息實(shí)現(xiàn)煤礦機(jī)器人根據(jù)環(huán)境信息做出實(shí)時(shí)避障是現(xiàn)在學(xué)者主要攻克的課題之一。感知技術(shù)令煤礦機(jī)器人獲取工作環(huán)境中的信息并進(jìn)行合理地自主篩選，利用感知信息結(jié)合路徑規(guī)劃方法，煤礦機(jī)器人做出自我決策并完成關(guān)鍵部件控制，實(shí)現(xiàn)機(jī)器人在礦區(qū)環(huán)境中的安全、穩(wěn)定行走，可以為機(jī)器人的工作提供穩(wěn)定的性能支撐。

根據(jù)《煤礦機(jī)器人重點(diǎn)研發(fā)目錄》，需要環(huán)境感知、路徑規(guī)劃技術(shù)支撐的煤礦機(jī)器人可以分為5類：掘進(jìn)類(掘進(jìn)機(jī)器人)、采煤類(采煤機(jī)機(jī)器人)、運(yùn)輸類(搬運(yùn)機(jī)器人、巷道清理機(jī)器人、井下無(wú)人駕駛運(yùn)輸車、露天礦卡車無(wú)人駕駛系統(tǒng))、安控類(工作面巡檢機(jī)器人、帶式輸送機(jī)巡檢機(jī)器人、巷道巡檢機(jī)器人)、救援類(井下?lián)岆U(xiǎn)作業(yè)機(jī)器人、礦井救援機(jī)器人、災(zāi)后搜救水陸兩棲機(jī)器人)。筆者根據(jù)現(xiàn)有行業(yè)指導(dǎo)方案及國(guó)內(nèi)外研究進(jìn)展，以環(huán)境感知和路徑規(guī)劃為切入點(diǎn)總結(jié)了上述5類煤礦機(jī)器人的現(xiàn)狀，歸類現(xiàn)有研究并分析了煤礦機(jī)器人環(huán)境感知和路徑規(guī)劃研究中的熱門研究方向和亟待解決的關(guān)鍵問(wèn)題，討論了相關(guān)方向的發(fā)展趨勢(shì)，以期對(duì)后期研究提供借鑒。

1 掘進(jìn)類煤礦機(jī)器人

巷道掘進(jìn)是煤礦開采的第1項(xiàng)工作，對(duì)后期開采起到?jīng)Q定性作用。在掘進(jìn)工作中，掘進(jìn)機(jī)利用行走機(jī)構(gòu)向前推進(jìn)，利用工作機(jī)構(gòu)破碎和挖掘巖石，在礦區(qū)平直地面開鑿出可通行巷道，具有成巷效率高的特點(diǎn)。圖1為煤礦掘進(jìn)裝備，圖1(a)為代表性的掘進(jìn)機(jī)機(jī)型，一般用于中小型巷道的掘進(jìn)工作，具有操作簡(jiǎn)單的特點(diǎn)；圖1(b)為掘進(jìn)和錨桿鉆進(jìn)一體機(jī)，該機(jī)型進(jìn)行掘進(jìn)工作的同時(shí)使用頂部錨桿鉆進(jìn)機(jī)在巷道壁上打入錨桿進(jìn)行實(shí)時(shí)加固；圖1(c)為盾構(gòu)機(jī)，一般用于大型巷道掘進(jìn)。

圖1 礦用掘進(jìn)機(jī)械裝備Fig.1 Coal mine roadheader machines

使用圖1(a)型掘進(jìn)機(jī)工作時(shí)，掘進(jìn)機(jī)向前掘進(jìn)一段距離后退出當(dāng)前掘進(jìn)段，使用專用設(shè)備對(duì)新掘進(jìn)的巷道進(jìn)行錨桿、支護(hù)、兜網(wǎng)支撐，根據(jù)需要進(jìn)行適當(dāng)噴涂加固后再次開展掘進(jìn)作業(yè)，當(dāng)遇到瓦斯過(guò)濃時(shí)停止工作，等待通風(fēng)達(dá)到空氣標(biāo)準(zhǔn)后再施工。掘進(jìn)機(jī)需要根據(jù)煤巖的層理性質(zhì)選擇合適的掘進(jìn)方式，即始終遵循“先軟后硬、自下而上、從四面向中間”的截割方法，遇到過(guò)硬巖石時(shí)采用局部爆破等方式突破，如此反復(fù)工作直至完成巷道掘進(jìn)。

參考以上工作機(jī)理，掘進(jìn)機(jī)器人環(huán)境感知部分主要為掘進(jìn)工作面煤巖分布的識(shí)別，而路徑規(guī)劃的重點(diǎn)在于研究掘進(jìn)機(jī)器人車身相對(duì)大地坐標(biāo)的定位、掘進(jìn)頭相對(duì)掘進(jìn)工作面的定位、掘進(jìn)頭在掘進(jìn)工作面上的路徑規(guī)劃。掘進(jìn)機(jī)器人一般不存在大范圍、長(zhǎng)距離的行走，所以不考慮車身的路徑規(guī)劃。圖2為掘進(jìn)類煤礦機(jī)器人的技術(shù)內(nèi)涵。

圖2 掘進(jìn)機(jī)器人技術(shù)內(nèi)涵Fig.2 Connotation of roadheader robot technology

無(wú)人化和智能化煤礦開采需要掘進(jìn)機(jī)器人具有自主決策、智能控制能力，具備定位導(dǎo)航、糾偏、多參數(shù)感知、狀態(tài)監(jiān)測(cè)與故障預(yù)判、遠(yuǎn)程干預(yù)等功能，實(shí)現(xiàn)掘進(jìn)機(jī)高精度定向、位姿調(diào)整、自適應(yīng)截割及掘進(jìn)環(huán)境可視化。

1.1 環(huán)境感知

掘進(jìn)工作開展前，需要探測(cè)待開采礦區(qū)的煤巖基本環(huán)境，為掘進(jìn)機(jī)器人規(guī)劃出有利的巷道掘進(jìn)地圖。該工作無(wú)需獲取精細(xì)的環(huán)境地圖，一般工作流程為：在大范圍探測(cè)基礎(chǔ)上使用相對(duì)精確的探測(cè)方法確認(rèn)煤礦范圍、煤層結(jié)構(gòu)和煤巖分布。相關(guān)勘探技術(shù)可以滿足宏觀探測(cè)采煤礦區(qū)煤巖分布情況的需求，且成熟方法已付于實(shí)際使用。

巷道掘進(jìn)時(shí)，掘進(jìn)機(jī)器人需要更加準(zhǔn)確的環(huán)境感知技術(shù)輔助機(jī)器人完成精準(zhǔn)操作。薛旭升等提出在掘進(jìn)機(jī)駕駛室頂安裝雙目攝像機(jī)并采集巷道空間三維圖像，使用Otsu法對(duì)空間圖像進(jìn)行分割，以提取巷道空間中的特征點(diǎn)；張旭輝等使用激光指向儀和防爆相機(jī)搭建了巷道視覺(jué)測(cè)量系統(tǒng)，并在走廊使用煙霧制造器模擬巷道環(huán)境進(jìn)行仿真，圖像解算的結(jié)果精度較高。但根據(jù)目前成果可以看出，使用視覺(jué)感知技術(shù)對(duì)于采掘工作面進(jìn)行精細(xì)感知仍在發(fā)展階段。針對(duì)采掘工作面和采掘巷道的感知技術(shù)應(yīng)具備獲取精細(xì)煤巖分布的能力，并以此為掘進(jìn)頭的有效工作提供參考，防止掘進(jìn)頭撞擊巖石造成刀頭損壞。目前研究工作較少且多集中于提供定位信息，與視覺(jué)感知技術(shù)在其他領(lǐng)域的研究和應(yīng)用存在較大差距，小范圍、精細(xì)化的掘進(jìn)機(jī)器人環(huán)境感知技術(shù)具有較大發(fā)展空間。

1.2 定位與掘進(jìn)規(guī)劃

掘進(jìn)機(jī)器人的定位包含了掘進(jìn)頭定位和機(jī)身定位，掘進(jìn)規(guī)劃主要指規(guī)劃一條掘進(jìn)頭在掘進(jìn)工作面上的最優(yōu)截割路徑。

傳統(tǒng)定位方法使用多坐標(biāo)系統(tǒng)及其換算關(guān)系對(duì)掘進(jìn)機(jī)器人機(jī)身機(jī)組進(jìn)行定位。李軍利等分別建立大地、掘進(jìn)車、巷道3個(gè)坐標(biāo)系統(tǒng)，分析了掘進(jìn)機(jī)懸臂的正逆運(yùn)動(dòng)學(xué)及其解算問(wèn)題，通過(guò)坐標(biāo)變換確定掘進(jìn)機(jī)關(guān)鍵部位位姿定位并控制掘進(jìn)行為；徐楠等根據(jù)實(shí)際開采環(huán)境和理論實(shí)驗(yàn)的對(duì)比發(fā)現(xiàn)掘進(jìn)機(jī)器人大部分時(shí)間工作于惡劣的傾斜面上，使用幾何投影法對(duì)機(jī)器人截割頭實(shí)時(shí)位置和巷道斷面建立空間數(shù)學(xué)模型，以EBZ-150II懸臂式掘進(jìn)機(jī)為測(cè)試機(jī)型，利用實(shí)際參數(shù)代入Matlab模型，結(jié)果顯示利用該模型可以有效完成斷面掘進(jìn)規(guī)劃；TIAN等將懸臂式掘進(jìn)車頭的機(jī)械組成簡(jiǎn)化為由一系列連接的平移或旋轉(zhuǎn)接頭組成的運(yùn)動(dòng)鏈，利用齊次坐標(biāo)變換和機(jī)器人運(yùn)動(dòng)學(xué)構(gòu)造了機(jī)身和切割頭相對(duì)于大地坐標(biāo)系的空間姿態(tài)矩陣，該方法的思路來(lái)源于三自由機(jī)械臂的建模、定位及控制方法，具有成熟的理論支撐，實(shí)施性較強(qiáng)，可以為多種懸臂式煤礦機(jī)器人的建模和定位提供思路，但在具體實(shí)施時(shí)需要進(jìn)一步考慮動(dòng)力學(xué)模型；王慧等使用與李軍利等相同的環(huán)境建模方式，與之不同的是使用傾角傳感器檢測(cè)機(jī)身俯仰角和橫滾角再通過(guò)坐標(biāo)轉(zhuǎn)換確定機(jī)身方位并沿著預(yù)定軌跡前進(jìn)，該方法比李軍利提出方法更具有可操作性和準(zhǔn)確性。

掘進(jìn)頭路徑規(guī)劃大都采用人工示教記憶截割法，方法原理如圖3所示。

該方法由“人工示教”和“記憶截割”組成，可以減少工作人員的重復(fù)工作。人工示教時(shí)，礦業(yè)工作人員使用手動(dòng)控制模式記錄截割頭工作軌跡并保存，保存的數(shù)據(jù)將作為“記憶”用于掘進(jìn)機(jī)或采煤機(jī)的自主截割。葉海濤比較“人工示教”中的自下而上和自上而下蛇形截割路徑，比較結(jié)果顯示自下而上的斷面掘進(jìn)方式頂板位移小，更有利于保持巷道穩(wěn)定性；毛君、李建剛和王福忠等采用記憶截割法根據(jù)實(shí)際礦井半圓拱形巷道尺寸建立掘進(jìn)懸臂的動(dòng)態(tài)數(shù)學(xué)模型，以此預(yù)設(shè)掘進(jìn)機(jī)截割頭的運(yùn)行路徑，機(jī)械化的完成巷道的掘進(jìn)工作。雖然基于人工示教的記憶截割法便于實(shí)現(xiàn)，但其規(guī)劃方式比較單一，掘進(jìn)機(jī)本身不會(huì)根據(jù)現(xiàn)實(shí)情況做出適當(dāng)調(diào)整，只適用于較規(guī)整的工作斷面，在復(fù)雜工作中需要技術(shù)工人隨時(shí)觀測(cè)實(shí)際開掘情況，防止掘進(jìn)頭損傷影響工作計(jì)劃。

圖3 人工示教記憶截割方法原理Fig.3 Principle of manual teaching memory cutting method

為了研制更智能的掘進(jìn)機(jī)器人，實(shí)現(xiàn)更精確、更自主的機(jī)器人定位和決策規(guī)劃，提高掘進(jìn)頭的有效截割效率，部分學(xué)者引入基于視覺(jué)系統(tǒng)的感知技術(shù)輔助其自主決策和智能控制。薛旭升等提出一種使用雙目視覺(jué)圖像定位掘進(jìn)機(jī)器人在巷道中位置的研究思路，根據(jù)圖像信息重構(gòu)標(biāo)定巷道特征確定當(dāng)前掘進(jìn)機(jī)器人位置，利用實(shí)際走廊模擬巷道進(jìn)行實(shí)驗(yàn)并分析誤差，模擬結(jié)果較好。雖然該實(shí)驗(yàn)與實(shí)際掘進(jìn)巷道差別較大，但是可以確定其在地面較平坦、障礙較少的環(huán)境中具有較高參考意義，實(shí)際復(fù)雜環(huán)境需要更多的實(shí)驗(yàn)支撐。盧新明等利用多種傳感器、測(cè)控設(shè)備和工控機(jī)搭建了面向無(wú)人工作面的掘進(jìn)機(jī)器人井下定位物聯(lián)網(wǎng)系統(tǒng)，在實(shí)際煤礦開采中利用物聯(lián)網(wǎng)信息獲得慣導(dǎo)系統(tǒng)(Inertial Navigation System，INS)實(shí)時(shí)姿態(tài)確定INS坐標(biāo)系進(jìn)行定位，將定位誤差控制在均方根5 cm以內(nèi)，基本實(shí)現(xiàn)了精準(zhǔn)感知，為精確化掘進(jìn)提供實(shí)際數(shù)據(jù)；張旭輝等通過(guò)幾何投影的解算方式獲得掘進(jìn)機(jī)器人的位姿參數(shù)，使用全站儀和INS驗(yàn)證該視覺(jué)測(cè)量糾偏控制系統(tǒng)，其方向偏差小于30 mm，方向偏差小于40 mm，偏航角偏差在0.5°左右。

與“人工示教”相比，結(jié)合環(huán)境感知技術(shù)可以實(shí)現(xiàn)掘進(jìn)機(jī)器人根據(jù)不同圍巖條件和不用環(huán)境工況做出自適應(yīng)調(diào)整，并利用車身周邊的傳感器實(shí)現(xiàn)工作人員檢測(cè)。既可以提高工作效率、減少損傷性成本，也可以提升工作環(huán)境的安全性。

2 采煤類煤礦機(jī)器人

采煤機(jī)作業(yè)決定該煤礦的生產(chǎn)效益，主要完成機(jī)械化掏槽和截割落煤，即在礦井下對(duì)采煤工作面(緩傾薄煤層﹑極薄復(fù)合煤層)開切底槽以截割落煤，取代較落后的手工工作。采煤機(jī)的研制和應(yīng)用既改善了采煤工人的安全工作環(huán)境，也提高了采煤效率和優(yōu)質(zhì)煤塊產(chǎn)出率。已投入使用的采煤機(jī)如圖4所示，圖4(a)為常用采煤機(jī)機(jī)型，使用橫向截割的方式采煤；圖4(b)的功能設(shè)計(jì)與掘進(jìn)機(jī)類似，屬于向前推進(jìn)式采煤。

圖4 煤礦采煤機(jī)Fig.4 Coal mine shearer

圖4(a)型采煤機(jī)具有前后2個(gè)截割滾筒，機(jī)身使用側(cè)滑靴固定于軌道上，采煤時(shí)前后滾筒在采煤工作面上橫向采煤，并同時(shí)使用支護(hù)裝備加固上下巖壁，使用帶式輸送機(jī)運(yùn)輸落煤，當(dāng)該采煤工作面采煤完成后控制采煤機(jī)向未采區(qū)行進(jìn)。

采煤機(jī)的工作環(huán)境、技術(shù)指標(biāo)和生產(chǎn)成本要求其必須具有較高的魯棒性和工作精度。其工作環(huán)境中存在的多種異構(gòu)障礙物和截割產(chǎn)生的大顆粒粉塵極易造成采煤機(jī)關(guān)鍵部位故障，進(jìn)而導(dǎo)致采煤工作中斷，產(chǎn)生巨額經(jīng)濟(jì)損失。因此，提升采煤機(jī)智能化水平及其工作效率的根本措施是使用煤層及異構(gòu)障礙的探測(cè)信息建立采煤刀頭運(yùn)行地圖實(shí)現(xiàn)采煤機(jī)截割頭合理截割路徑規(guī)劃。現(xiàn)有開槽和截割技術(shù)仍然停留于機(jī)載探測(cè)截割、人工示教記憶截割階段，需要多位不同分工的技術(shù)工人井下協(xié)助。人工示教記憶截割法是目前較成熟和常用的半自主控制方法，但該方法無(wú)法有效地利用巖石變化實(shí)現(xiàn)自主走控決策。因此，煤巖環(huán)境感知和滾筒路徑規(guī)劃依然是采煤類礦用機(jī)器人研發(fā)的關(guān)鍵技術(shù)。其技術(shù)內(nèi)涵如圖5所示。

圖5 采煤機(jī)機(jī)器人技術(shù)內(nèi)涵Fig.5 Connotation of shearer robot technology

采煤類煤礦機(jī)器人的工作要求決定其需要研制出一種具有采煤機(jī)特點(diǎn)且更智能化的特種機(jī)器人——采煤機(jī)機(jī)器人，其研發(fā)要求是：能夠自主決策、智能控制，具備精準(zhǔn)定位、采高檢測(cè)、姿態(tài)監(jiān)測(cè)、遠(yuǎn)程通信控制、煤巖識(shí)別、狀態(tài)監(jiān)測(cè)與故障預(yù)判、可視化遠(yuǎn)程干預(yù)等功能，實(shí)現(xiàn)采煤機(jī)自主行走、自適應(yīng)截割及高效連續(xù)運(yùn)行。

2.1 環(huán)境感知

采煤機(jī)的全局環(huán)境感知技術(shù)與掘進(jìn)機(jī)環(huán)境感知技術(shù)類似。崔偉雄等針對(duì)環(huán)境對(duì)透射槽波影響大且實(shí)際槽波傳播特征與“巖-煤-巖”模型差別較大從而無(wú)法直接利用槽波檢測(cè)煤層狀況的現(xiàn)實(shí)問(wèn)題，提出一種基于槽波頻散理論和分頻處理技術(shù)反演煤層厚度變化的方法，實(shí)際應(yīng)用效果較好；張東營(yíng)等驗(yàn)證了槽波投射法與煤層厚度的關(guān)系，并得到了槽波主頻-煤厚-波速的對(duì)應(yīng)關(guān)系；蘇亮等提出使用震波CT輔助預(yù)先勘探獲取精細(xì)地質(zhì)模型，并在該三維模型中標(biāo)注出頂?shù)讓拥奶禺慄c(diǎn)作為采樣點(diǎn)，以此提高采煤機(jī)使用記憶截割法在復(fù)雜褶皺地質(zhì)中的不足，但該文缺乏具體的模型構(gòu)建方法和仿真環(huán)境描述，結(jié)果可靠性有待進(jìn)一步驗(yàn)證。

以上提到的方法可行，但是精細(xì)化的地質(zhì)模型中對(duì)特異點(diǎn)的定義以及對(duì)特異點(diǎn)的標(biāo)注需要明確界定，否則過(guò)多的寬泛無(wú)序的信息和特征點(diǎn)會(huì)影響地圖建立的時(shí)間并在地圖中產(chǎn)生噪聲點(diǎn)，增加采煤機(jī)控制難度。為了提高環(huán)境感知的準(zhǔn)確度，逯振國(guó)等提出了一種通過(guò)識(shí)別試切時(shí)電機(jī)負(fù)載電流差別的方法確認(rèn)局部工作面的煤巖精確分布，但該方法可行性有待驗(yàn)證，且會(huì)極大的增加采煤的經(jīng)濟(jì)成本和時(shí)間成本。劉萬(wàn)里等使用動(dòng)態(tài)修正方式逐漸精細(xì)化工作面三維模型，使用激光探測(cè)技術(shù)在采煤機(jī)開采推進(jìn)過(guò)程中實(shí)時(shí)獲取局部細(xì)致地質(zhì)信息，采用二次序列規(guī)劃獲取模型修正值，再利用克里格空間曲面插值法將修正值插入原有模型，達(dá)到精細(xì)化建圖的目的；在地質(zhì)勘探獲得相應(yīng)數(shù)據(jù)的基礎(chǔ)上，XU等使用蝙蝠算法確定了傳統(tǒng)變量平移小波神經(jīng)網(wǎng)絡(luò)的關(guān)鍵參數(shù)，實(shí)現(xiàn)了通過(guò)采煤機(jī)聲波準(zhǔn)確識(shí)別在線切削模式，并使用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，CNN)識(shí)別采煤工作面的診斷識(shí)別功能；司壘等和牛文洪建立了最小二乘支持向量機(jī)(LS-SVM)的煤巖預(yù)測(cè)模型應(yīng)對(duì)煤巖分布的不確定性，并使用混沌粒子群優(yōu)化算法對(duì)LS-SVM的參數(shù)進(jìn)行優(yōu)化，最后使用樣條插值平滑曲線，預(yù)測(cè)結(jié)果誤差可以控制到實(shí)際值的5%以內(nèi)；葛世榮等對(duì)截割地圖的精確化提出了另一種理論猜想，使用C-SLAM生成雷達(dá)掃射工作面點(diǎn)云圖，獲取目前煤層結(jié)構(gòu)和起伏情況參與地圖構(gòu)建，該地圖精度可達(dá)到5 cm以內(nèi)，同時(shí)在采煤過(guò)程中利用截割頭聲波和溫升識(shí)別輔助確認(rèn)煤巖邊界，進(jìn)一步精細(xì)化采煤工作面地圖。

采煤機(jī)的環(huán)境感知技術(shù)與掘進(jìn)機(jī)有較多相似點(diǎn)，包含探測(cè)全局煤巖分布和感知局部截割工作面煤巖精細(xì)分布。但與掘進(jìn)機(jī)相比，其相關(guān)感知技術(shù)的結(jié)果多用于指導(dǎo)截割頭的精細(xì)化截割工作而非采煤機(jī)定位。采煤截割工作面的精細(xì)化感知具有較大挑戰(zhàn)性，目前研究成果大都使用被動(dòng)式感知，即通過(guò)觀測(cè)截割頭相關(guān)物理參數(shù)變化判斷截割頭是否與巖石接觸且發(fā)生碰撞。該方法存在不可靠性，且容易損壞截割頭外圈刀頭，研究主動(dòng)式環(huán)境感知技術(shù)更符合采煤機(jī)機(jī)器人的工作需求。主動(dòng)式環(huán)境感知技術(shù)中，CNN識(shí)別具有更好的前景。該方法可以較好地應(yīng)用于各類機(jī)器人的環(huán)境感知，并通過(guò)訓(xùn)練完成多種物體的識(shí)別。圖6為使用四隱層CNN網(wǎng)絡(luò)對(duì)山腳樹礦上部車場(chǎng)電機(jī)車的識(shí)別原理技術(shù)。CNN由輸入層、隱層、輸出層組成。如圖6所示，輸入層輸入原始圖片，經(jīng)過(guò)隱層訓(xùn)練提取特征點(diǎn)，再使用加權(quán)法得到待感知識(shí)別物的種類。其中卷積層使用卷積核對(duì)原始圖像進(jìn)行卷積計(jì)算，輸出特征圖；經(jīng)由激活層對(duì)特征圖進(jìn)行非線性映射；再經(jīng)過(guò)池化層壓縮特征圖，令特征突出。該方法可以進(jìn)行特征點(diǎn)自動(dòng)提取，取代了傳統(tǒng)感知識(shí)別中由人根據(jù)經(jīng)驗(yàn)判斷特征的情況，但將其應(yīng)用于井下環(huán)境仍然需要考慮較多實(shí)際問(wèn)題，如：粉塵對(duì)視覺(jué)傳感器的影響大、井下識(shí)別物體數(shù)據(jù)庫(kù)建立難等。

圖6 CNN網(wǎng)絡(luò)識(shí)別電機(jī)車的原理技術(shù)Fig.6 Principle of identifying mining electric locomotive by CNN

2.2 截割頭定位與采煤路徑規(guī)劃

采煤機(jī)器人主機(jī)體行走機(jī)構(gòu)屬于在軌運(yùn)行，性能穩(wěn)定，并不隨意行走，故其路徑規(guī)劃和定位技術(shù)主要基于采煤端頭的采煤路徑規(guī)劃展開研發(fā)工作。目前最常用的采煤路徑規(guī)劃方法即“人工示教”記憶切割法。針對(duì)該方法的缺點(diǎn)，季瑞等引入異常狀態(tài)檢測(cè)獲取煤巖分布情況，但該方法屬于被動(dòng)檢測(cè)，存在極大風(fēng)險(xiǎn)；王忠賓等提出使用人工免疫思想過(guò)濾“記憶”中的雜亂數(shù)據(jù)；譚超等采取記錄“人工示教”過(guò)程中關(guān)鍵點(diǎn)的方式減少繁雜信息對(duì)“記憶”的影響，并使用3次樣條插值法平滑記憶路徑提高采煤機(jī)器人穩(wěn)定性；王左生將記憶點(diǎn)分成常規(guī)點(diǎn)和動(dòng)作點(diǎn)，當(dāng)進(jìn)行常規(guī)點(diǎn)記錄時(shí)，“人工示教”記錄頻率使用距離(1 m)作為間隔標(biāo)準(zhǔn)而不再使用時(shí)間間隔(10 s)，這樣可以減少繁雜且重復(fù)的數(shù)據(jù)造成“記憶”混亂，當(dāng)示教中操作員做出指令控制采煤機(jī)端頭改變軌跡時(shí)則記為工作點(diǎn)記錄；賈文等在常規(guī)點(diǎn)和動(dòng)作點(diǎn)的基礎(chǔ)上增加了特殊點(diǎn)分類，特殊點(diǎn)指采煤端頭自適應(yīng)調(diào)整時(shí)產(chǎn)生的路徑點(diǎn)；當(dāng)煤巖地質(zhì)條件發(fā)生變化時(shí)，記憶截割路徑將發(fā)生偏移，張麗麗等使用微粒群算法和遺傳算法2種進(jìn)化計(jì)算方法對(duì)路徑偏差進(jìn)行處理，解決記憶截割方法魯棒性差的問(wèn)題；權(quán)國(guó)通等為優(yōu)化記憶路徑的偏移提供了另一種思路，即使用粒子群優(yōu)化算法根據(jù)煤層條件對(duì)初始路線進(jìn)行二次優(yōu)化并平滑，從而達(dá)到自適應(yīng)煤層變化進(jìn)行采煤工作，但煤層信息難獲取、模型單一及計(jì)算代價(jià)過(guò)大等缺點(diǎn)文中并未給出具體說(shuō)明；陳金國(guó)等為了提高單向示范刀采樣軌跡與記憶截割軌跡的吻合度，使用粒子群算法對(duì)采樣參數(shù)進(jìn)行優(yōu)化，優(yōu)化結(jié)果顯示單向示范刀的軌跡與記憶截割軌跡的跟蹤誤差在±5 cm。除了使用進(jìn)化計(jì)算等智能優(yōu)化方法調(diào)整記憶截割路徑，PID等控制方法結(jié)合有效的模型也可以很好地完成自適應(yīng)控制，該方法在煤礦機(jī)器人自主控制中多與模糊算法、專家系統(tǒng)等相結(jié)合以進(jìn)一步提高智能性。MI等使用專家系統(tǒng)實(shí)現(xiàn)采煤機(jī)截割頭的路徑規(guī)劃，使用基于規(guī)則骨架和規(guī)則體的設(shè)計(jì)方法建立了截割路徑規(guī)劃知識(shí)庫(kù)；劉春生等和儲(chǔ)健等基于礦井頂板和底板的數(shù)字化模型建立了采煤機(jī)器人滾筒擺臂擺角模型，使用模糊自適應(yīng)PID控制進(jìn)行軌跡調(diào)整控制；盧喬利用模糊系統(tǒng)對(duì)采煤機(jī)遇到特殊情況時(shí)的速度變化進(jìn)行自適應(yīng)調(diào)整，將實(shí)際轉(zhuǎn)速與理論轉(zhuǎn)速的偏差作為模糊控制器的輸入，但是該文未給出模糊控制器的設(shè)計(jì)說(shuō)明；而朱志英、黃華和LI等為采煤記憶截割路徑自適應(yīng)控制搭建了更加細(xì)致的模糊系統(tǒng)；雍建軍使用BP神經(jīng)網(wǎng)絡(luò)和RS理論建立采煤機(jī)的運(yùn)行狀態(tài)模型，使用專家系統(tǒng)和模糊算法辨識(shí)采煤機(jī)故障和選擇合適的控制指令；陳偉華等使用一種記憶保持能力強(qiáng)化的深度長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)對(duì)采煤機(jī)的記憶截割軌跡進(jìn)行預(yù)測(cè)以實(shí)現(xiàn)采煤機(jī)截割滾筒的自動(dòng)調(diào)高。老式“人工示教”采煤技術(shù)使用已得到認(rèn)可，較難推廣全新采煤技術(shù)，在老式技術(shù)的基礎(chǔ)上進(jìn)行智能化調(diào)整不失為一種較好的方法，且一定情況下提高了相關(guān)工人的認(rèn)知度，有利于全智能化裝備的投入使用。

經(jīng)過(guò)改進(jìn)的“人工示教”方法已經(jīng)有了極大改觀，但是大都屬于被動(dòng)檢測(cè)和被動(dòng)調(diào)整，在實(shí)際工作中依然存在極大的經(jīng)濟(jì)成本和礦井安全風(fēng)險(xiǎn)，尋求主動(dòng)檢測(cè)或預(yù)測(cè)方法對(duì)采煤機(jī)器人進(jìn)行合理的路徑規(guī)劃控制不但可以減少經(jīng)濟(jì)成本還可以增加采煤機(jī)器人的智能化程度。董剛等提出了一種虛擬煤巖界面方法，該方法與機(jī)器人路徑規(guī)劃中常用的人工勢(shì)場(chǎng)法類似，即定義頂板巖層存在斥力且當(dāng)滾筒越靠近時(shí)斥力越大，而煤層則存在引力場(chǎng)，但該方法沒(méi)有考慮勘探時(shí)的探測(cè)誤差；柴浩洛等對(duì)煤巖切割頂板建立三維地質(zhì)模型，并在系統(tǒng)中進(jìn)行仿真模擬預(yù)切割獲取頂板的控制關(guān)鍵點(diǎn)，將相鄰2個(gè)控制點(diǎn)作為采煤路徑并平滑處理。文獻(xiàn)[61-62]雖然理論上解決了滾筒觸碰邊界問(wèn)題，但是在沒(méi)有精確地圖的情況下無(wú)法規(guī)避滾筒與煤層中異構(gòu)巖塊或巖石層理接觸的風(fēng)險(xiǎn)。為此，范森煜做了提高軌跡穩(wěn)定性的工作，使用微分控制系統(tǒng)對(duì)機(jī)身各搖臂的傾角進(jìn)行靜態(tài)坐標(biāo)系修正并根據(jù)實(shí)際位置反饋二次修正誤差；葛世榮等利用INS和里程計(jì)定位工作中的采煤機(jī)器人，但是該方法隨著時(shí)間增加產(chǎn)生的誤差會(huì)不斷發(fā)散；鄭江濤等使用激光雷達(dá)輔助探測(cè)局部環(huán)境信息配合INS完成采煤機(jī)的實(shí)時(shí)定位；ZHANG等使用先驗(yàn)知識(shí)集，通過(guò)一種基于稀疏濾波的深度學(xué)習(xí)方法識(shí)別截割頭的工作狀態(tài)以減少截割頭在采煤時(shí)直接與巖石相碰。

由以上成果可以看出，采煤機(jī)自識(shí)別位姿狀態(tài)和采煤工作面的煤巖分布情況并根據(jù)識(shí)別結(jié)果做出相應(yīng)的截割頭位姿和路徑規(guī)劃是目前的最新研究?jī)?nèi)容和挑戰(zhàn)。該類方法可以顯著提高采煤機(jī)的智能化水平，但具有重要參考價(jià)值的現(xiàn)有成果較少。

3 運(yùn)輸類煤礦機(jī)器人

煤礦開采和生產(chǎn)工作離不開運(yùn)輸類煤礦機(jī)器人，一般配合其他關(guān)鍵礦用設(shè)備使用，如掘巖石轉(zhuǎn)運(yùn)、落煤運(yùn)輸、作業(yè)工人人車、輔助設(shè)備和物料輸送、洗煤廠煤礦初產(chǎn)品配送等。其中，膠輪車具有高度靈活度，可用于多種運(yùn)輸環(huán)境，但無(wú)軌行走的特點(diǎn)增加了智能化實(shí)現(xiàn)難度。

圖7即現(xiàn)有使用的煤礦無(wú)軌膠輪運(yùn)輸車。圖7(a)所示無(wú)軌膠輪車一般配合單軌吊、龍門吊等用于煤倉(cāng)、耗材倉(cāng)庫(kù)等路況較平整的轉(zhuǎn)運(yùn)工作。圖7(b)所示的WLR型無(wú)軌膠輪車體積較小，配備多個(gè)座位和后備箱，常作為緊急人車和小型設(shè)備運(yùn)輸使用。圖7(c)和(d)為常用的礦用運(yùn)輸車，其體型適中，方便裝卸，一般配合龍門吊、掘進(jìn)機(jī)等運(yùn)輸巖石、煤料和輔助耗材，其中圖7(b)所示的車為防爆車型，可以工作于井下。圖7(e)為大型運(yùn)輸卡車，用于露天礦區(qū)的煤巖運(yùn)輸。

圖7 礦用運(yùn)輸設(shè)備Fig.7 Mining transport machines

運(yùn)輸類煤礦機(jī)器人處于起步階段，其長(zhǎng)期工作仍無(wú)法離開人為操控。分析已有研究，環(huán)境感知技術(shù)和運(yùn)輸車路徑規(guī)劃技術(shù)的研發(fā)可以加快煤礦運(yùn)輸車機(jī)器人化和智能化的發(fā)展。其環(huán)境感知包括對(duì)環(huán)境地圖的創(chuàng)建和部分未知環(huán)境信息的識(shí)別；路徑規(guī)劃包括了運(yùn)動(dòng)規(guī)劃和路徑規(guī)劃，根據(jù)環(huán)境不同及實(shí)際控制順序，路徑規(guī)劃可分為全局路徑規(guī)劃、局部規(guī)劃和軌跡重規(guī)劃。技術(shù)內(nèi)涵如圖8所示。

圖8 運(yùn)輸機(jī)器人技術(shù)內(nèi)涵Fig.8 Connotation of transport robot technology

煤礦開采各環(huán)節(jié)均需使用運(yùn)輸類煤礦機(jī)器人。無(wú)軌運(yùn)輸類煤礦機(jī)器人按功能劃分主要包含無(wú)人礦用卡車和無(wú)人輔助運(yùn)輸車。前者用于露天礦或大型巷道的煤巖運(yùn)輸，一般與掘進(jìn)機(jī)器人、鏟車和帶式輸送機(jī)配合使用；后者用于運(yùn)輸支護(hù)、錨桿、兜網(wǎng)等輔助用料和設(shè)備或者取代有軌人車，一般與電機(jī)車、單軌吊、裝載機(jī)配合使用。以上2種運(yùn)輸類機(jī)器人都應(yīng)具備遠(yuǎn)程無(wú)線通訊、GPS定位、自主行走、導(dǎo)航避障、裝載自動(dòng)識(shí)別等功能。

3.1 環(huán)境感知

與其他煤礦機(jī)器人不同，不同工種運(yùn)輸類煤礦機(jī)器人的工作環(huán)境有明顯差異。

3.1.1 露天礦區(qū)或上部車場(chǎng)

露天煤礦一般存在于干旱/半干旱地區(qū)，是煤礦開采中較常見的礦區(qū)結(jié)構(gòu)，而上部車場(chǎng)是井下煤礦生產(chǎn)中不可或缺的一部分。兩者具有較類似的環(huán)境特點(diǎn)，主要表現(xiàn)在多種設(shè)備協(xié)同工作、有少量工人參與工作、地面破損嚴(yán)重、路標(biāo)不清晰等。圖9為貴州山腳樹煤礦的上部車場(chǎng)。

圖9 盤州山腳樹煤礦上部車場(chǎng)Fig.9 Upper depot of Shanjiaoshu Coal Mine，Panzhou

車場(chǎng)使用龍門吊將堆放好的輔助物資搬運(yùn)至電機(jī)車或輔助運(yùn)輸卡車，場(chǎng)地中存在工人、物料、電機(jī)車、電機(jī)車?yán)鳌|片、軌道、水坑等多種動(dòng)/靜態(tài)障礙物。與常規(guī)道路識(shí)別略有不同，露天礦區(qū)和上部車場(chǎng)存在高度不規(guī)律性，工作面沒(méi)有規(guī)定的道路給運(yùn)輸類機(jī)器人的路徑規(guī)劃增加了難度。合理建模地面環(huán)境對(duì)開展運(yùn)輸類煤礦機(jī)器人的露天運(yùn)輸工作起到至關(guān)重要的作用。

3.1.2 井下巷道

井工采礦多在地下，工作人員行為簡(jiǎn)單、坑洼和相關(guān)設(shè)備較多，運(yùn)輸車行走范圍兩側(cè)有巷道壁約束，故其環(huán)境特征相對(duì)智能汽車運(yùn)行環(huán)境更加簡(jiǎn)單，但依然存在岔路口和運(yùn)輸目的地多的情況。其道路形式形態(tài)較常用道路多變，其中礦運(yùn)道路網(wǎng)是露天礦和礦井下提供礦用設(shè)備行駛的基本路線，根據(jù)礦區(qū)實(shí)際運(yùn)行情況分為固定道路、半固定道路、臨時(shí)道路、移動(dòng)道路4種道路形式，普遍存在路標(biāo)不明確或磨損嚴(yán)重、車痕印記較多的特點(diǎn)。

圖10(a)為常規(guī)的煤礦井下大巷，大巷常用于提升、運(yùn)輸、通風(fēng)、排水等，一般會(huì)進(jìn)行細(xì)致噴涂甚至貼上瓷磚等，照明等條件較好。圖10(b)為常規(guī)回采巷道，這類巷道中一般配備帶式輸送機(jī)和電機(jī)車軌道，燈光照度低、地面水洼較多。

圖10 煤礦井下環(huán)境Fig.10 Environment of coal mine tunnels

3.1.3 不同環(huán)境的感知技術(shù)

對(duì)于完全已知環(huán)境，可以構(gòu)建全局規(guī)劃地圖，常用方法是柵格法和拓?fù)鋱D法。柵格地圖將現(xiàn)有地圖分成連續(xù)的小格，并根據(jù)實(shí)際情況定義小格為0或1，即可通行和不可通行。而拓?fù)鋱D法多用于道路狹窄且待規(guī)劃距離較長(zhǎng)的情況，即根據(jù)現(xiàn)有道路地圖繪制出可通行線路。以上2種方法各有優(yōu)劣，柵格地圖對(duì)障礙物的刻畫更加細(xì)致，也是目前主流使用的地圖模型建立方法，但當(dāng)?shù)貓D足夠大時(shí)，柵格地圖的信息量會(huì)隨之增加，不利于有效信息的存儲(chǔ)。拓?fù)涞貓D更偏向于全局規(guī)劃，但是該方法沒(méi)有障礙物的刻畫功能，需要配合其他方法同時(shí)使用。

建立拓?fù)涞貓D和柵格地圖主要用于處理靜態(tài)障礙問(wèn)題，當(dāng)存在動(dòng)態(tài)障礙物時(shí)，需要使用滾動(dòng)窗口等方法實(shí)時(shí)檢測(cè)并將障礙物信息表現(xiàn)于原始地圖模型。雷達(dá)和視覺(jué)相機(jī)生成可視化地圖是環(huán)境建模及動(dòng)態(tài)障礙處理的常用工具和方法。毫米波雷達(dá)與視覺(jué)相機(jī)結(jié)合是目前的研究熱門，其突破了傳統(tǒng)地圖模型概念，可以更加智能地實(shí)現(xiàn)實(shí)時(shí)無(wú)人建圖。韋海良等闡述了毫米波雷達(dá)用于露天礦卡的原理并在不同道路條件下進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)：毫米波雷達(dá)的測(cè)量距離不但更遠(yuǎn)，且與激光雷達(dá)、超聲波雷達(dá)相比，惡劣天氣和粉塵對(duì)毫米波雷達(dá)成像無(wú)影響；楊健健等使用激光雷達(dá)對(duì)觀測(cè)井下環(huán)境中的障礙物進(jìn)行檢測(cè)并實(shí)時(shí)占用地圖模型，HectorSLAM進(jìn)行巷道邊緣檢測(cè)防止巡檢機(jī)器人碰壁；陳先中等使用毫米波雷達(dá)和5G網(wǎng)絡(luò)構(gòu)建環(huán)境點(diǎn)云圖，使用深度學(xué)習(xí)直接對(duì)點(diǎn)云進(jìn)行語(yǔ)義分割處理，生成SLAM地圖。使用深度學(xué)習(xí)方法直接處理點(diǎn)云圖需要雷達(dá)獲取非常稠密的環(huán)境圖，該方法理論上可行，但是稠密點(diǎn)云的處理較麻煩，且占據(jù)內(nèi)存較多，實(shí)際使用中不盡如人意。王陳等設(shè)計(jì)了一套井下無(wú)軌膠輪車的硬件系統(tǒng)，該系統(tǒng)包含了環(huán)境感知、智能決策模塊，該系統(tǒng)利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像處理獲取實(shí)時(shí)環(huán)境中的障礙信息，并使用模型預(yù)測(cè)控制(Model Predictive Control，MPC)進(jìn)行避障重規(guī)劃；陳龍等使用雷達(dá)建立露天礦區(qū)中無(wú)人駕駛輔助運(yùn)輸車的運(yùn)行環(huán)境3D點(diǎn)云圖，通過(guò)點(diǎn)云圖識(shí)別到的邊界障礙物用八叉樹法構(gòu)建入柵格地圖主結(jié)構(gòu)，提出實(shí)時(shí)占用柵格的方案；杜春暉設(shè)計(jì)了一種可以在低照度環(huán)境下實(shí)現(xiàn)高質(zhì)量成像的高感光性圖像傳感器，可以解決礦井下無(wú)軌膠輪車司機(jī)視覺(jué)盲區(qū)大問(wèn)題。

隨著人工智能的發(fā)展，對(duì)雷達(dá)和視覺(jué)相機(jī)獲取的視覺(jué)信息進(jìn)行深度學(xué)習(xí)等智能處理的方法也趨于完善。白怡明研究了西灣露天煤礦110 t大型礦山卡車的無(wú)人駕駛路徑規(guī)劃和避障技術(shù)，其設(shè)計(jì)的避障規(guī)劃系統(tǒng)使用激光雷達(dá)和毫米波雷達(dá)共同識(shí)別環(huán)境中的障礙物，再使用CNN預(yù)測(cè)該障礙物的軌跡，根據(jù)障礙物的預(yù)測(cè)軌跡規(guī)劃礦用卡車的具體路線。這類方法在應(yīng)用中也有一些缺陷，因?yàn)槠渥灾骰鼜?qiáng)故軟件開發(fā)和礦區(qū)改造成本相對(duì)其他方法更高，且使用機(jī)器學(xué)習(xí)策略的方法還需要考慮預(yù)處理階段的時(shí)間和金錢成本投入，但目前該類方法繪制出的地圖已經(jīng)非常精確，且檢測(cè)和識(shí)別障礙的水平較高，前景十分可觀。

3.2 路徑規(guī)劃

運(yùn)輸類煤礦機(jī)器人的路徑規(guī)劃與智能汽車的研發(fā)類似，不同在于運(yùn)輸類礦用機(jī)器人的工作環(huán)境中存在岔路口造成的盲區(qū)較多、未知突發(fā)情況較多、井下照度低、場(chǎng)景單一導(dǎo)致的定位依據(jù)少、網(wǎng)絡(luò)改造力度不夠等情況，且其研發(fā)需要考慮礦區(qū)的行業(yè)標(biāo)準(zhǔn)和安全生產(chǎn)指標(biāo)，故運(yùn)輸類煤礦機(jī)器人在工作中需要著重考慮路徑選擇和避障工作的先進(jìn)性和準(zhǔn)確性。目前，更成熟且能更快落地的路徑規(guī)劃方法包括A*、Dijkstra、人工勢(shì)場(chǎng)法等。田子建等使用人工勢(shì)場(chǎng)法進(jìn)行礦井下導(dǎo)航，并在原始方法中引入相對(duì)速度場(chǎng)和相對(duì)加速度場(chǎng)，改進(jìn)引力勢(shì)場(chǎng)函數(shù)的人工勢(shì)場(chǎng)法，提出了一種“全局勢(shì)場(chǎng)線”概念令井下機(jī)器人進(jìn)行局部規(guī)劃的基礎(chǔ)上參考全局環(huán)境完成最優(yōu)路徑選擇，該方法與傳統(tǒng)人工勢(shì)場(chǎng)法相比，在導(dǎo)航方面更具自主性，且得到的路徑更優(yōu)；馬宏偉等使用A*算法進(jìn)行路徑規(guī)劃并引入深度學(xué)習(xí)方法關(guān)聯(lián)ICP模型，利用Octomap作為機(jī)器人導(dǎo)航地圖，結(jié)合PnP原理實(shí)現(xiàn)井下機(jī)器人的地圖重建和實(shí)時(shí)定位；袁曉明等使用A*算法處理全局路徑規(guī)劃，對(duì)于動(dòng)態(tài)和未知障礙物的避障工作則使用動(dòng)態(tài)窗口法實(shí)現(xiàn)。傳統(tǒng)方法之間也具有不同特性，在合適的情況選擇合適的算法可以令路徑規(guī)劃結(jié)果達(dá)到更優(yōu)。表1總結(jié)了常用的9種傳統(tǒng)路徑規(guī)劃方法。

表1 傳統(tǒng)路徑規(guī)劃算法比較Table 1 Comparison of traditional path planning algorithms

續(xù)表

Floyd、Voronoi圖和Dijkstra法均適用于全局路徑規(guī)劃，可以通過(guò)選擇從起點(diǎn)至終點(diǎn)的有向、連續(xù)路徑集合，實(shí)現(xiàn)全局最短路徑。其他方法適于局部路徑規(guī)劃或小范圍的全局路徑規(guī)劃。其中，啟發(fā)式計(jì)算方法表明該算法的路徑規(guī)劃具有一定的方向性(比如終點(diǎn)、重要節(jié)點(diǎn)影響)，而非啟發(fā)式算法在優(yōu)化時(shí)更偏向于隨機(jī)遍歷式搜索。增量式算法則利用以往規(guī)劃信息影響當(dāng)前路徑規(guī)劃，其原理令算法具有“記憶”能力以獲取更好的輸出路徑。A*、人工勢(shì)場(chǎng)等方法因?yàn)榻Y(jié)構(gòu)簡(jiǎn)單且結(jié)果穩(wěn)定已經(jīng)在智能汽車、掃地機(jī)器人等領(lǐng)域有了應(yīng)用，但同為啟發(fā)式方法的進(jìn)化計(jì)算類算法目前只停留于理論階段，譚玉新等使用一種蟻群算法和人工蜂群算法相結(jié)合的優(yōu)化算法在柵格地圖上進(jìn)行路徑規(guī)劃并使用B樣條插值平滑路徑，該方法理論上可以進(jìn)行簡(jiǎn)單的井下路徑規(guī)劃；李學(xué)現(xiàn)等提出了一種利用改進(jìn)蟻群算法規(guī)劃露天礦卡最優(yōu)路徑的方法，該方法對(duì)既有線路進(jìn)行編號(hào)，利用改進(jìn)蟻群算法獲取到達(dá)目的地最短的路線搭配方式，但其工作中未考慮當(dāng)前路線是否存在障礙及卡車避障問(wèn)題。進(jìn)化計(jì)算的路徑規(guī)劃結(jié)果隨機(jī)性過(guò)高，且目前未有與柵格地圖等傳統(tǒng)地圖模型結(jié)合的較好策略，在工程應(yīng)用中限制較多，直接投入使用需要更進(jìn)一步的專項(xiàng)研究。

控制理論相關(guān)方法也適用于運(yùn)輸類煤礦機(jī)器人的路徑規(guī)劃，且已有學(xué)者使用MPC等控制算法完成實(shí)物實(shí)驗(yàn)。MPC屬于經(jīng)典的現(xiàn)代控制理論方法之一，本質(zhì)是使用優(yōu)化方法求解控制問(wèn)題，在路徑規(guī)劃領(lǐng)域有較多應(yīng)用。與PID等經(jīng)典控制算法相比，其具有適合于多輸入多輸出問(wèn)題、模型精確、結(jié)合最優(yōu)化理論的特點(diǎn)。其技術(shù)原理如圖11所示。

圖11 MPC技術(shù)框圖Fig.11 Technical block diagram of MPC

MPC由預(yù)測(cè)模型、滾動(dòng)優(yōu)化、反饋校正3要素構(gòu)成。()為系統(tǒng)輸入；()為輸出；(+|)為預(yù)測(cè)系統(tǒng)未來(lái)響應(yīng)；()為外部擾動(dòng)；()為控制量，即受控對(duì)象的輸入；(|)為當(dāng)前時(shí)刻預(yù)測(cè)模型的輸出。該方法需要對(duì)被控問(wèn)題建模，并利用模型進(jìn)行預(yù)測(cè)，根據(jù)預(yù)測(cè)信息完成控制決策。根據(jù)以上原理，MPC對(duì)于不同問(wèn)題需要設(shè)計(jì)不同方案，余婭榮根據(jù)露天礦卡的運(yùn)動(dòng)幾何關(guān)系推導(dǎo)出礦卡前進(jìn)、倒退的運(yùn)動(dòng)學(xué)模型，使用基于MPC的前饋反饋模糊控制算法實(shí)現(xiàn)在線滾動(dòng)軌跡跟蹤，其中模糊控制器使用Matlab中自帶的模糊控制器，根據(jù)實(shí)驗(yàn)結(jié)果曲線可以看出該方法在5～10 km/h的車速下均能較好地完成軌跡跟蹤；羅維東等研究了地下無(wú)人鏟運(yùn)車轉(zhuǎn)彎性能問(wèn)題，針對(duì)井下無(wú)人鏟運(yùn)車在煤礦井下巷道中轉(zhuǎn)彎性能較差問(wèn)題，建立了鏟運(yùn)車的空間模型和基于運(yùn)動(dòng)學(xué)的位姿狀態(tài)方程，提出使用非線性MPC局部路徑規(guī)劃，分別對(duì)不同寬度和長(zhǎng)度的巷道地圖進(jìn)行控制。結(jié)果驗(yàn)證本文提出的非線性MPC算法比基于角平分線的MPC算法轉(zhuǎn)彎效果更好，不會(huì)發(fā)生碰壁現(xiàn)象。柴森霖等使用Clifford代數(shù)構(gòu)建了露天礦山節(jié)點(diǎn)、有向邊和路徑的統(tǒng)一表達(dá)，單獨(dú)解決幾何拓?fù)溆?jì)算問(wèn)題和數(shù)值優(yōu)化問(wèn)題，以扎哈淖爾露天礦作為理論模型應(yīng)用場(chǎng)地，是解決露天礦區(qū)大規(guī)模運(yùn)輸?shù)男滤悸?。控制理論相關(guān)方法具有較成熟的理論推導(dǎo)和實(shí)際驗(yàn)證的體系，在進(jìn)行試驗(yàn)時(shí)可以較好的找到理論不足，算法設(shè)計(jì)的針對(duì)性較強(qiáng)，在長(zhǎng)時(shí)間的調(diào)試下可以實(shí)現(xiàn)半自主的路徑規(guī)劃控制及決策。

使用視覺(jué)信息實(shí)現(xiàn)實(shí)時(shí)避障在近幾年的研究中較常見，也是目前的主流研究方向。楊健健等使用激光雷達(dá)對(duì)觀測(cè)井下環(huán)境中的障礙物進(jìn)行檢測(cè)并實(shí)時(shí)占用地圖模型，HectorSLAM進(jìn)行巷道邊緣檢測(cè)防止煤礦機(jī)器人碰壁；陳龍等利用激光雷達(dá)掃描到的3D點(diǎn)云的信息令無(wú)人輔助車可以在運(yùn)行中規(guī)避邊界及其他障礙物。目前這類基于視覺(jué)的方法需要使用較大的內(nèi)存和計(jì)算機(jī)算力，對(duì)硬件要求較高，且需要提前耗費(fèi)大量時(shí)間進(jìn)行預(yù)掃描，改造成本相對(duì)較高。

在運(yùn)輸類煤礦機(jī)器人中使用傳統(tǒng)的路徑規(guī)劃方法可以更快地實(shí)現(xiàn)機(jī)器人運(yùn)行實(shí)驗(yàn)，但這類方法對(duì)于動(dòng)態(tài)突變環(huán)境的適應(yīng)性較差，直接用于煤礦機(jī)器人路徑規(guī)劃的可行性較低，而參考環(huán)境感知信息實(shí)現(xiàn)運(yùn)輸機(jī)器人動(dòng)態(tài)避障和路徑規(guī)劃更符合煤礦運(yùn)輸需求。

4 安控類煤礦機(jī)器人

安控巡檢與煤礦開采的安全生產(chǎn)工作息息相關(guān)，是礦井下不可或缺的輔助工作。現(xiàn)有礦井巡檢多依靠巡檢人員攜帶手電及檢測(cè)設(shè)備定時(shí)在復(fù)雜的巷道中步行檢查，并在定點(diǎn)板牌上備注當(dāng)前各氣體濃度和巷道是否存在冒頂、漏頂?shù)忍厥馇闆r，如若異常則及時(shí)上報(bào)。部分工作面使用定點(diǎn)攝像頭輔助巡檢，鋪設(shè)專用傳輸光纖等線路，將攝像頭采集到的視頻或者圖片傳輸給上位機(jī)，專職人員通過(guò)監(jiān)控實(shí)時(shí)觀察可能或已經(jīng)發(fā)生的問(wèn)題。瓦斯等有害可燃?xì)怏w巡檢則在煤礦井下布置可燃?xì)怏w或有害氣體檢測(cè)裝置，并配備警報(bào)系統(tǒng)。以上方法均需要考慮工作人員專業(yè)度、疲憊度、粗心度以及上級(jí)管理人員的重視度，極大地增加了巡檢人員和地下工作者的風(fēng)險(xiǎn)。針對(duì)人工巡檢的不足及其帶來(lái)的潛在風(fēng)險(xiǎn)，研制安控類機(jī)器人參與煤礦開采工作不僅有利于智慧礦井的推進(jìn)且可以減少人為誤差的影響、加強(qiáng)安全生產(chǎn)管理。圖12為目前相關(guān)企業(yè)研制中的巡檢機(jī)器人。

圖12 巡檢機(jī)器人Fig.12 Inspection robot

按安控類煤礦機(jī)器人的行走方式劃分，主要分為有軌式和無(wú)軌式礦用巡檢機(jī)器人。有軌式巡檢機(jī)器人的行走路線由軌道決定，但需要考慮定位等問(wèn)題，而無(wú)軌式巡檢機(jī)器人則具有更高的靈活性，但是需要考慮路徑規(guī)劃及避障問(wèn)題。與其他煤礦機(jī)器人相比，巡檢機(jī)器人的環(huán)境感知技術(shù)要求更高，其不但需要探測(cè)巷道、地面軌道等靜止物體，還需要實(shí)時(shí)探測(cè)突發(fā)變化、其他移動(dòng)設(shè)備及工作人員等動(dòng)態(tài)事物并做出合適判斷，確認(rèn)是否存在風(fēng)險(xiǎn)。圖13為安控類機(jī)器人技術(shù)內(nèi)涵。

圖13 安控類煤礦機(jī)器人技術(shù)內(nèi)涵Fig.13 Connotation of coal mine inspection robot technology

井下回采工作面作業(yè)環(huán)境巡檢機(jī)器人需要具備自主移動(dòng)、定位、圖像采集、智能感知、預(yù)警、人機(jī)交互等功能，實(shí)現(xiàn)煤壁、片幫、大塊煤、有害氣體、溫度、粉塵、設(shè)備狀態(tài)等監(jiān)測(cè)；巷道巡檢機(jī)器人需要具備自主移動(dòng)、精確定位、設(shè)備運(yùn)行工況檢測(cè)、設(shè)施狀況診斷、巷道變形檢測(cè)、有害氣體檢測(cè)等功能，替代人工對(duì)巷道進(jìn)行巡檢。

4.1 環(huán)境感知

與第1～3節(jié)介紹的3種煤礦機(jī)器人相比，安控類煤礦機(jī)器人屬于小型機(jī)器人，在煤礦井下起到輔助完成作業(yè)的功能，需要隨時(shí)工作于更復(fù)雜的環(huán)境，而煤礦井下的輕微冒頂、坍塌碎巖、水坑便可能造成安控類煤礦機(jī)器人的各項(xiàng)運(yùn)行故障，故其對(duì)環(huán)境風(fēng)險(xiǎn)的感知能力要求更高。

為保證安控類煤礦機(jī)器人在井下正常運(yùn)行，關(guān)鍵是識(shí)別巷道地面的細(xì)微形變、工人、煤巖塊、設(shè)備障礙。許蘇等介紹了射頻識(shí)別技術(shù)在煤礦環(huán)境下的應(yīng)用，該技術(shù)可以檢測(cè)煤礦環(huán)境下的動(dòng)態(tài)障礙，再通過(guò)熟練工人對(duì)動(dòng)態(tài)目標(biāo)的觀察判斷是否前方存在風(fēng)險(xiǎn)。但該方法用于煤礦井下的環(huán)境感知中存在較多弊端：① 需要在巷道中提前敷設(shè)射頻標(biāo)識(shí)器配合安控類機(jī)器人識(shí)別巷道中的動(dòng)態(tài)目標(biāo)，存在信息傳遞誤差問(wèn)題；② 目前該技術(shù)需要工人協(xié)助判斷，無(wú)法實(shí)現(xiàn)智能化環(huán)境感知并傳遞給路徑規(guī)劃模塊使用；③ 其工作原理導(dǎo)致感知精度過(guò)高，對(duì)于巷道中動(dòng)態(tài)障礙物檢測(cè)問(wèn)題適得其反，必然增加無(wú)用人工成本?；谝曈X(jué)的環(huán)境感知技術(shù)具有識(shí)別功能，更適用于安控類煤礦機(jī)器人的井下環(huán)境感知。筆者提出一種利用均值哈希算法結(jié)合背景差分算法計(jì)算巷道變形程度的方法，該方法對(duì)采樣視頻的關(guān)鍵幀進(jìn)行分析，極大地減少了連續(xù)監(jiān)測(cè)帶來(lái)的信息冗余問(wèn)題，可以較好地識(shí)別出井下環(huán)境中的地形改變信息；LIU等使用三維激光掃描技術(shù)獲取地下巷道表面參數(shù)，并生成內(nèi)壁諧波深度圖，通過(guò)該深度圖像檢測(cè)內(nèi)掉落碎片等其他風(fēng)險(xiǎn)；韓江洪等使用基于回歸的單階段多框檢測(cè)(Single Shot MultiBox Detector，SSD)神經(jīng)網(wǎng)絡(luò)對(duì)井下大物體進(jìn)行識(shí)別，再使用CNN檢測(cè)小物體，達(dá)到對(duì)CNN直接識(shí)別的速度慢等問(wèn)題，實(shí)驗(yàn)顯示速度是直接使用CNN識(shí)別的0.5倍，模型參數(shù)也減少到CNN的50倍以下；SHIN等使用一種改進(jìn)的基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)(R-CNN)訓(xùn)練6 281張圖像用于辨識(shí)地下巷道或車場(chǎng)的滲漏痕跡，該訓(xùn)練后的模型識(shí)別以上3種現(xiàn)場(chǎng)情況的精度可分別達(dá)到37.76%，36.42%，61.29%；衛(wèi)星等將井下區(qū)域大致分成金字塔注意力模塊，配合綜合空間路徑模塊可以有效地提高傳統(tǒng)人工特征提取識(shí)別精度低問(wèn)題并縮短深度學(xué)習(xí)方法的時(shí)間長(zhǎng)度；同時(shí)，衛(wèi)星等利用生成對(duì)抗網(wǎng)絡(luò)對(duì)軌道檢測(cè)進(jìn)行識(shí)別訓(xùn)練，并在訓(xùn)練中結(jié)合多尺度信息，即將多個(gè)尺寸尺度的軌道圖進(jìn)行共享卷積，實(shí)驗(yàn)結(jié)果比語(yǔ)義分割算法更優(yōu)越，檢測(cè)精度達(dá)到95%。

產(chǎn)后出血是產(chǎn)科常見并發(fā)癥,集中發(fā)生在產(chǎn)后2h內(nèi)。引起產(chǎn)后出血的病因,包括子宮收縮乏力、軟產(chǎn)道損傷以及胎盤因素、凝血功能障礙,各個(gè)原因能夠合并存在,也能互為存在,其中以子宮收縮乏力為主[4]。產(chǎn)后出血處理原則:補(bǔ)充血容量、糾正休克、預(yù)防感染。相關(guān)資料指出,第一以及第二產(chǎn)程期間產(chǎn)婦自身的負(fù)性情緒以及滯產(chǎn)均是導(dǎo)致宮縮乏力的主要因素,而第三產(chǎn)程期間胎盤剝離不全導(dǎo)致的子宮收縮以及分娩造成的產(chǎn)道撕裂均會(huì)誘發(fā)產(chǎn)婦出血。在產(chǎn)后出血預(yù)防方面常規(guī)護(hù)理干預(yù)效果并不顯著,而助產(chǎn)士通過(guò)進(jìn)行第一、二、三產(chǎn)程以及產(chǎn)后護(hù)理可以成功提高產(chǎn)婦產(chǎn)后出血預(yù)防效果,提高母嬰安全。

目前的環(huán)境感知算法不但可以感知巷道中的靜態(tài)障礙物信息，對(duì)工作人員等動(dòng)態(tài)障礙也可以做到較精準(zhǔn)的識(shí)別。楊清翔等使用Fast-RCNN對(duì)煤礦井下視覺(jué)攝像頭采集到的圖像進(jìn)行卷積處理，該Fast-RCNN具有候選層，且候選層和卷積池化層來(lái)自同一張照片，這樣的設(shè)置可以提高人形目標(biāo)的識(shí)別度；黨偉超等使用雙流卷積神經(jīng)網(wǎng)絡(luò)對(duì)井下配電室工作人員的行為進(jìn)行檢測(cè)，共檢測(cè)站立檢測(cè)、站立記錄、下蹲檢測(cè)、走動(dòng)和坐下5種行為，該雙流卷積神經(jīng)網(wǎng)絡(luò)分別對(duì)時(shí)間流和空間流進(jìn)行特征提取，并對(duì)時(shí)間流和空間流分別賦予權(quán)值比例1∶2，可以得到較高的識(shí)別率；李現(xiàn)國(guó)等參考DenseNet網(wǎng)絡(luò)對(duì)SSD網(wǎng)絡(luò)進(jìn)行輕量化刪減，并將該算法與ResNet網(wǎng)絡(luò)相結(jié)合用于對(duì)井下視頻中的行人進(jìn)行監(jiān)測(cè)，改進(jìn)的SSD算法有效的減少了計(jì)算量大問(wèn)題，配合ResNet使用則增加了特征表征能力，實(shí)驗(yàn)表明該方法在密集物體中的行人監(jiān)測(cè)率在88%左右，在稀疏群體中能檢測(cè)到所有行人；張立亞采用機(jī)器學(xué)習(xí)和圖像識(shí)別技術(shù)對(duì)井下開采人員行為進(jìn)行學(xué)習(xí)，并預(yù)測(cè)環(huán)境安全程度，實(shí)驗(yàn)顯示該方法可以98%的精度在2 s內(nèi)完成工作人員行為識(shí)別?；贑NN的方法十分適用于各類物體的識(shí)別，是目前的熱門研究方向，可以歸類為機(jī)器對(duì)環(huán)境的認(rèn)知層次，已有學(xué)者對(duì)常用幾種CNN計(jì)算框架進(jìn)行了總結(jié)，將這類算法開發(fā)應(yīng)用于煤礦機(jī)器人的環(huán)境感知技術(shù)中對(duì)煤礦機(jī)器人的智能化產(chǎn)品開發(fā)具有實(shí)際意義。

安控類煤礦機(jī)器人通過(guò)相關(guān)感知技術(shù)識(shí)別到靜態(tài)障礙物后，可以使用占用柵格地圖法重建路徑規(guī)劃地圖，規(guī)劃出避障路線。通過(guò)對(duì)工作人員當(dāng)前狀態(tài)及其位于機(jī)器人周身位置的感知識(shí)別，可以進(jìn)一步協(xié)助運(yùn)行中的安控類煤礦機(jī)器人進(jìn)行駕駛行為決策，實(shí)現(xiàn)機(jī)器人自主行走。

4.2 路徑規(guī)劃

安控類機(jī)器人分為2種：有軌式掛頂巡檢機(jī)器人、無(wú)軌式膠輪巡檢機(jī)器人。以上2種巡檢機(jī)器人與井下無(wú)人輔助運(yùn)輸車的運(yùn)行環(huán)境一樣，均運(yùn)行于井下空間，環(huán)境可見度低、場(chǎng)景單一且障礙物多樣。針對(duì)安控類機(jī)器人路徑規(guī)劃問(wèn)題，有軌巡檢機(jī)器人提前鋪設(shè)了軌道不需要考慮避障等問(wèn)題，只專注于環(huán)境感知和機(jī)身定位技術(shù)，而無(wú)軌膠輪巡檢機(jī)器人需要兩者兼顧，且更要考慮行走過(guò)程中的避障。

有軌巡檢機(jī)器人的路徑規(guī)劃研究側(cè)重點(diǎn)為巡檢機(jī)器人在軌道上的定位。王飛等設(shè)計(jì)了一款礦井變電所巡檢機(jī)器人系統(tǒng)，該巡檢機(jī)器人以H型鋼為懸掛軌道，使用光電脈沖編碼器記錄機(jī)器人位移量完成機(jī)器人在軌道上的定位；劉建榮等設(shè)計(jì)了一款利用鋼絲繩牽引行走的巡檢機(jī)器人，該機(jī)器人屬于有軌機(jī)器人，鋼絲繩牽引的原理類似礦用帶式輸送機(jī)，利用電機(jī)拉動(dòng)鋼絲繩，從而牽引該巡檢機(jī)器人，該方法實(shí)施性較強(qiáng)，但是弊端明顯，在礦井下使用鋼絲繩牽引的巡檢機(jī)器人只能用于氣體檢測(cè)等工作，無(wú)法完成視覺(jué)采樣，且靈活性較差，無(wú)法實(shí)現(xiàn)自主監(jiān)測(cè)。因?yàn)檐壍赖南拗?，有軌巡檢機(jī)動(dòng)性差，巡檢存在大量盲區(qū)，且需要考慮多條軌道交錯(cuò)設(shè)計(jì)問(wèn)題，不完全符合智能巡檢的要求，并行使用無(wú)軌式安控類煤礦機(jī)器人更適合智能化的發(fā)展。

無(wú)軌安控類煤礦機(jī)器人的行走區(qū)域可能包含多處斜坡和臺(tái)階，硬件設(shè)計(jì)和運(yùn)動(dòng)學(xué)建模是無(wú)軌安控類煤礦機(jī)器人運(yùn)行控制的關(guān)鍵。SHANG等研制了具有內(nèi)軸和外軸套的巡檢機(jī)器人運(yùn)動(dòng)機(jī)構(gòu)結(jié)構(gòu)，該結(jié)構(gòu)可以較少共振影響，減少運(yùn)行時(shí)的噪聲；王川偉等建立了履帶式巡檢機(jī)器人的履帶模型，可以用于設(shè)計(jì)預(yù)測(cè)控制器，適用于不平整路面情況下的機(jī)器人運(yùn)動(dòng)控制；賈海東等對(duì)巡檢機(jī)器人的行走部件進(jìn)行設(shè)計(jì)，該設(shè)計(jì)中巡檢機(jī)器人有輪式和履帶式行走2種方式，可以完成斜坡、臺(tái)階等越障工作。

對(duì)于無(wú)軌安控類機(jī)器人的路徑規(guī)劃方法及其軌跡跟蹤已有多方面研究。朱紅秀等提出使用強(qiáng)磁鋪設(shè)車軌確定車輛運(yùn)行軌跡的方法，并使用干簧管作為磁敏開關(guān)傳感器，該方法思路新穎，但是結(jié)果顯示車輛運(yùn)行時(shí)需要多次糾偏，具體穩(wěn)定性參數(shù)仍需要再進(jìn)行實(shí)驗(yàn)；肖林京等對(duì)井下危險(xiǎn)等級(jí)進(jìn)行5級(jí)劃分，對(duì)不同等級(jí)的識(shí)別指定井下電機(jī)車不一樣的制動(dòng)距離或避障方式；鄭日忠等設(shè)計(jì)了一套ZigBee硬件模塊，該模塊可以對(duì)井下巡檢機(jī)器人定位，將定位信號(hào)發(fā)送給接收信號(hào)強(qiáng)度檢測(cè)(RSSI)算法進(jìn)行距離測(cè)算即可實(shí)現(xiàn)跟蹤。

硬件傳感器配置和避障策略的提出提高了安控類煤礦機(jī)器人的智能控制能力，而感知算法的改進(jìn)可以提高其自主決策能力。金華明等在分布式分簇節(jié)點(diǎn)選擇策略的基礎(chǔ)上提出了局部異常因子算法用于實(shí)時(shí)監(jiān)測(cè)井下巷道中可能存在的風(fēng)險(xiǎn)，實(shí)驗(yàn)結(jié)果表明該方法可以減少無(wú)線傳感器網(wǎng)絡(luò)在目標(biāo)跟蹤時(shí)的網(wǎng)絡(luò)能耗問(wèn)題，提高了跟蹤準(zhǔn)確度；李學(xué)民提出了一種用激光雷達(dá)檢測(cè)預(yù)設(shè)人工路標(biāo)的自主導(dǎo)航與定位方法，但該方法實(shí)際成本較高且容易損壞；楊林等使用激光雷達(dá)建立地圖觀測(cè)模型和里程計(jì)定位預(yù)測(cè)模型，使用蒙特卡洛算法和Fast-SLAM對(duì)機(jī)器人進(jìn)行實(shí)時(shí)重定位，可以提高煤礦機(jī)器人路徑規(guī)劃和定位的精確度；彭繼國(guó)等使用激光雷達(dá)掃描到的障礙物信息映射占據(jù)柵格地圖，使用模糊控制機(jī)器人規(guī)劃的方向和速度；馬宏偉等使用對(duì)深度相機(jī)拍攝的照片進(jìn)行特征匹配和重組從而獲得高分辨率、多信息融合的高精度地圖，以便于井下移動(dòng)機(jī)器人使用圖優(yōu)化方式完成自主最優(yōu)位姿調(diào)整和環(huán)境坐標(biāo)定位；AZPURUA等使用雷達(dá)的同時(shí)定位和映射功能提出一種基于移動(dòng)性優(yōu)化的路徑規(guī)劃以及使用矢量場(chǎng)的導(dǎo)航控制，以此實(shí)現(xiàn)受限環(huán)境中的半自治檢查，減少機(jī)器人操作對(duì)操作員的依賴性。

5 救援類煤礦機(jī)器人

圖14 救援類煤礦機(jī)器人Fig.14 Coal mine rescue robot

煤礦開采屬于高危職業(yè)，關(guān)閉不合格礦井雖然減少了事故的發(fā)生，但仍然需要防患于未然。在少人/無(wú)人化開采中配備救援機(jī)器人以備不時(shí)之需，不但可以協(xié)助實(shí)現(xiàn)重要設(shè)備的搶險(xiǎn)工作，也可以在發(fā)生災(zāi)害時(shí)實(shí)現(xiàn)少量井下人員的救助。圖14為中信重工研制的救援機(jī)器人。救援類煤礦機(jī)器人具有多種結(jié)構(gòu)的行走機(jī)構(gòu)，圖14的煤礦救援機(jī)器人使用2自由度的履帶，該結(jié)構(gòu)可以較好的實(shí)現(xiàn)機(jī)器人攀爬，其環(huán)境感知機(jī)構(gòu)包括雙目攝像機(jī)、激光雷達(dá)等。救援類煤礦機(jī)器人技術(shù)內(nèi)涵如圖15所示。

圖15 救援類煤礦機(jī)器人技術(shù)內(nèi)涵Fig.15 Connotation of coal mine rescue robot technology

根據(jù)需求，救援類煤礦機(jī)器人應(yīng)具備自主行走、精確定位、被困人員生命探測(cè)、音視頻交互、緊急救護(hù)物資輸送、井下環(huán)境識(shí)別、挖掘、鉆擴(kuò)、運(yùn)送、遠(yuǎn)程遙控等功能，實(shí)現(xiàn)災(zāi)害后的惡劣環(huán)境被困人員自主搜尋，實(shí)現(xiàn)搶險(xiǎn)作業(yè)無(wú)人化。

5.1 環(huán)境感知

救援機(jī)器人工作的環(huán)境比安控類機(jī)器人更加復(fù)雜，煤礦災(zāi)害通常伴隨多處塌方、冒頂，破碎煤巖和水坑進(jìn)一步增加了機(jī)器人行走的難度，環(huán)境感知性能要求更高。

高精度傳感器的使用提高了遇難人員的救助空間和生還概率。戴珊珊等和王學(xué)讓等通過(guò)在機(jī)器人四周配備傳感器實(shí)現(xiàn)環(huán)境感知，戴珊珊等在仿人機(jī)器人前方和兩側(cè)各安裝1個(gè)紅外測(cè)距傳感器，而王學(xué)讓等在機(jī)器人前方和四周各均勻密布6個(gè)紅外開關(guān)傳感器和6個(gè)遠(yuǎn)距離的測(cè)距傳感器，實(shí)驗(yàn)顯示后者的環(huán)境感知效果更好；王闖等使用超聲雷達(dá)裝置測(cè)取障礙物在搜救面的深度以便做出相應(yīng)規(guī)劃工作；劉罡等使用超聲波傳感器順次掃描窗口內(nèi)障礙物并進(jìn)行編號(hào)以便機(jī)器人路徑規(guī)劃使用；朱曉飛使用慣性導(dǎo)航和視覺(jué)導(dǎo)航相結(jié)合的方法進(jìn)行救災(zāi)，利用慣導(dǎo)系統(tǒng)實(shí)現(xiàn)自主導(dǎo)航，并使用視覺(jué)定位系統(tǒng)對(duì)慣性導(dǎo)航的路徑偏移進(jìn)行修正，減少隨時(shí)間積累的導(dǎo)航誤差；針對(duì)單一深度地形識(shí)別問(wèn)題，劉罡等提出一種基于傳感器的方法，將環(huán)境分為探測(cè)區(qū)和非探測(cè)區(qū)，而探測(cè)區(qū)則分為自由區(qū)、限制區(qū)和盲區(qū)，傳感器只關(guān)注障礙物的邊緣以提高有效信息檢測(cè)的效率；盧萬(wàn)杰等提出使用激光雷達(dá)和Kinect相機(jī)分別探測(cè)遠(yuǎn)距離和近距離的地形信息；翟國(guó)棟等提出使用雙目攝像機(jī)測(cè)距的方案，使用雙目視覺(jué)技術(shù)實(shí)現(xiàn)工作環(huán)境的立體匹配和三維重建。

救援類煤礦機(jī)器人的環(huán)境感知技術(shù)處于探索階段，且硬件配置的標(biāo)準(zhǔn)將直接決定救援時(shí)耗，現(xiàn)有理論成果的感知能力和識(shí)別準(zhǔn)確率雖然較高，但穩(wěn)定性和實(shí)時(shí)性無(wú)法達(dá)到救援的標(biāo)準(zhǔn)。

5.2 救援路徑規(guī)劃

合理的路徑規(guī)劃可以令救援事半功倍，對(duì)于救援工作，需要快速規(guī)劃出路徑最短且更便于搜救的最優(yōu)路徑。目前，進(jìn)化計(jì)算在該領(lǐng)域的相關(guān)研究較多。常見的進(jìn)化計(jì)算方法有遺傳算法、粒子群優(yōu)化算法、蟻群算法等，該類方法均使用群體智能思想，具有并行計(jì)算、收斂速度快、操作簡(jiǎn)單等優(yōu)點(diǎn)，對(duì)問(wèn)題的數(shù)學(xué)模型沒(méi)有約束性，可以直接求解非線性、不可微、不可導(dǎo)、分段等特殊病態(tài)問(wèn)題。其中，蟻群算法在路徑規(guī)劃領(lǐng)域使用最成熟，其原理流程如圖16所示。

圖16 蟻群算法流程Fig.16 Flow chart of Ant Colony Algorithm

使用未改進(jìn)的蟻群算法進(jìn)行路徑規(guī)劃需要先初始化1條可以通行的路徑，再使用適應(yīng)度函數(shù)(路徑代價(jià)函數(shù))評(píng)價(jià)當(dāng)前螞蟻(1條路徑或1個(gè)可行節(jié)點(diǎn))是否是最優(yōu)解，如果不是則使用賭盤法選擇移動(dòng)方向，并更新當(dāng)前位置的信息素，直至完成終止條件(最大迭代次數(shù)或終點(diǎn))后輸出最優(yōu)路徑。但該方法存在陷入局部最優(yōu)導(dǎo)致輸出路徑次優(yōu)的可能，故相關(guān)研究對(duì)其進(jìn)行改進(jìn)十分普遍。張小艷等基于礦難前礦區(qū)已知的GIS系統(tǒng)進(jìn)行全局路徑規(guī)劃，從安全性和路徑最短設(shè)計(jì)適應(yīng)度函數(shù)，使用蟻群算法進(jìn)行局部路徑規(guī)劃；朱磊等使用改進(jìn)遺傳算法對(duì)GIS的柵格地圖進(jìn)行全局路徑規(guī)劃，將結(jié)合優(yōu)先權(quán)分組的蟻群算法信息素反饋方式植入遺傳算法的變異算子中，并對(duì)柵格地圖按照從左向右、從上向下依次編號(hào)進(jìn)行最優(yōu)節(jié)點(diǎn)搜索；王雄針對(duì)煤礦井下救災(zāi)現(xiàn)場(chǎng)多目標(biāo)救助點(diǎn)的實(shí)況，使用遺傳算法選擇從起始點(diǎn)到目標(biāo)點(diǎn)的最短調(diào)度路徑；周欒等使用改進(jìn)遺傳算法對(duì)編號(hào)的礦山拓?fù)涞貓D進(jìn)行最短路線組合優(yōu)化，該改進(jìn)遺傳算法引入退火算子強(qiáng)化局部搜索、引入深度優(yōu)化搜索初始化路線、引入距離編輯增加交叉和變異的子代多樣性；張玉州等在車輛路徑模型適應(yīng)度函數(shù)中增加了緊急度概念，可以將運(yùn)輸時(shí)間減少1.9%；耿娜等在適應(yīng)度函數(shù)中引入各目標(biāo)點(diǎn)的生命強(qiáng)度，根據(jù)生命強(qiáng)度不同規(guī)劃目標(biāo)點(diǎn)到達(dá)順序，實(shí)現(xiàn)在有限時(shí)間內(nèi)救援最多遇難人員；李輝等使用共軛梯度法規(guī)劃出最短路徑，再使用粒子群算法去除路徑中的障礙物；姚正華等使用魚群算法進(jìn)行路徑規(guī)劃，并根據(jù)煤礦環(huán)境特點(diǎn)使用步長(zhǎng)分段自適應(yīng)策略和威脅區(qū)域距離檢測(cè)方式實(shí)現(xiàn)問(wèn)題維度的判斷和約束條件處理；考慮到目前的煤礦機(jī)器人無(wú)法達(dá)到IA本質(zhì)安全，馬西良等引入瓦斯危險(xiǎn)區(qū)域，并使用MAKLINK繪制網(wǎng)格圖，使用蟻群算法優(yōu)化的Dijkstra算法對(duì)存在瓦斯區(qū)域和不存在瓦斯區(qū)域的進(jìn)行路徑規(guī)劃，實(shí)驗(yàn)結(jié)果表明使用蟻群算法優(yōu)化的Dijkstra算法在存在瓦斯區(qū)域的路徑規(guī)劃問(wèn)題中效果優(yōu)于原始的Dijkstra算法；陳爾奎等針對(duì)煤礦復(fù)雜環(huán)境提出一種雙層路徑規(guī)劃方法，第1層使用遺傳算法進(jìn)行全局初始路線的優(yōu)化，第2層使用人工勢(shì)場(chǎng)法結(jié)合局部目標(biāo)點(diǎn)更換思想實(shí)現(xiàn)動(dòng)態(tài)避障；鄭家風(fēng)等在蟻群算法中增加獎(jiǎng)懲機(jī)制，鼓勵(lì)蟻群向信息素多的柵格規(guī)劃，對(duì)于結(jié)果非優(yōu)的柵格采取抑制信息素增加的策略。表2整理了常用進(jìn)化計(jì)算方法的原理和優(yōu)缺點(diǎn)。

由于方法論的差別，這類方法的優(yōu)點(diǎn)在于不需要模型可導(dǎo)可微，與傳統(tǒng)控制理論的方法存在方法論區(qū)別。但該類方法側(cè)重于優(yōu)化，其結(jié)果具有隨機(jī)性，當(dāng)待解決問(wèn)題的目標(biāo)不同時(shí)需要根據(jù)具體優(yōu)化需求改進(jìn)算法策略。通過(guò)比較可以發(fā)現(xiàn)遺傳算法和蟻群算法最適合路徑規(guī)劃問(wèn)題，但和粒子群算法和差分進(jìn)化算法相比速度較慢。其改進(jìn)的策略之一即利用其他進(jìn)化計(jì)算特點(diǎn)對(duì)遺傳算法和蟻群算法進(jìn)行融合，但是否適合于路徑規(guī)劃問(wèn)題仍然需要進(jìn)行大量實(shí)驗(yàn)驗(yàn)證。

表2 常用進(jìn)化計(jì)算方法Table 2 Common evolutionary calculation methods

基于控制論的方法比進(jìn)化計(jì)算類方法更加成熟。張譯使用積分Backstepping思想設(shè)計(jì)軌跡跟蹤控制器跟蹤救援機(jī)器人的路徑，理論實(shí)驗(yàn)的結(jié)果顯示位姿誤差曲線漸近穩(wěn)定；朱美強(qiáng)等提出一種基于流形距離度量的改進(jìn)Dyna-Q學(xué)習(xí)算法，該策略可以有效避免強(qiáng)化學(xué)習(xí)方法無(wú)法有效處理井下救援的狀態(tài)空間在歐式空間不連續(xù)問(wèn)題的缺點(diǎn)，在柵格地圖的仿真表明該方法在稀疏和密集障礙物環(huán)境中均適用；王欣等從機(jī)器人運(yùn)動(dòng)學(xué)模型入手，提出一種根據(jù)激光測(cè)距儀獲取的障礙物方位信息判斷機(jī)器人轉(zhuǎn)彎方向和角度的策略；馬宏偉等根據(jù)履帶式救援機(jī)器人兩側(cè)履帶在不同速度差下存在不同轉(zhuǎn)向形式的情況提出使用最小和最大避障半徑判斷機(jī)器人通過(guò)性，進(jìn)而控制兩側(cè)速度實(shí)現(xiàn)避障；唐立偉使用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò)控制救援機(jī)器人遇到障礙時(shí)的轉(zhuǎn)向角，該模糊神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)輸入量包括障礙物距離和目標(biāo)地點(diǎn)在機(jī)器人的方位；SAPUTRA等提出了一種基于分層分解目標(biāo)的MPC方法用于救助躺在地面的傷員；CHENG等構(gòu)建了不確定環(huán)境中救援機(jī)器人搜索過(guò)程數(shù)學(xué)模型，并設(shè)計(jì)基于誤差成本的約束控制器實(shí)現(xiàn)機(jī)器人快速調(diào)度。

經(jīng)典的路徑規(guī)劃方法在理論上更加成熟。侯媛彬等針對(duì)煤礦救災(zāi)的復(fù)雜環(huán)境提出分級(jí)擴(kuò)展式快速擴(kuò)展隨機(jī)樹算法，設(shè)置礦井中的虛擬目標(biāo)作為分級(jí)擴(kuò)展的目標(biāo)點(diǎn)，實(shí)現(xiàn)RRT快速找到最短救援路徑；針對(duì)救災(zāi)機(jī)器人容易陷入凹型障礙物的特點(diǎn)，田子建等提出在人工勢(shì)場(chǎng)的引力場(chǎng)中加入擾動(dòng)場(chǎng)，并對(duì)凹型障礙物進(jìn)行虛擬填充；錢程等在Robocup平臺(tái)上使用A*進(jìn)行路徑規(guī)劃仿真，提出了A*算法在復(fù)雜地圖上規(guī)劃存在的2個(gè)問(wèn)題：① 在路障的道路上存在死區(qū)問(wèn)題；② 在考慮部分可通行房屋時(shí)會(huì)影響規(guī)劃效率。陶德俊等針對(duì)A*算法產(chǎn)生路徑冗余點(diǎn)多的缺點(diǎn)，使用Douglas-Peucker(D-P)算法對(duì)路徑進(jìn)行線狀要素簡(jiǎn)化，再使用三樣條插值進(jìn)行平滑處理，處理后的曲線轉(zhuǎn)彎次數(shù)明顯減少；祁永強(qiáng)等對(duì)人工勢(shì)場(chǎng)法的斥力場(chǎng)函數(shù)進(jìn)行改進(jìn)，對(duì)斥力進(jìn)行分階段處理，即設(shè)置障礙物安全距離，在安全距離內(nèi)機(jī)器人收到斥力，但是安全距離外則無(wú)不受到斥力作用，機(jī)器人可以以更短路徑和更短時(shí)間到達(dá)目標(biāo)點(diǎn)；張春芳等以機(jī)器人運(yùn)行為參考將井下救援環(huán)境分成直線段、圓弧段和障礙物段，使用A*和動(dòng)態(tài)窗口相結(jié)合的方法分別處理3種路段，該策略和全域算法規(guī)劃相比時(shí)間更短。傳統(tǒng)方法的可靠性最高，且已經(jīng)在其他領(lǐng)域有成功使用案例，但這類方法智能性較差，一般情況下不包含對(duì)環(huán)境的感知和認(rèn)知，需要搭配其他技術(shù)才可以解決動(dòng)態(tài)障礙等問(wèn)題。

在傳統(tǒng)規(guī)劃算法基礎(chǔ)上，合理利用傳感器信息則成為另一個(gè)研究重點(diǎn)。戴珊珊等和王學(xué)讓等將紅外測(cè)距儀檢測(cè)到環(huán)境信息用于人工勢(shì)場(chǎng)法實(shí)現(xiàn)仿人機(jī)器人的自主行走，該方法在密集障礙物環(huán)境中容易打轉(zhuǎn)和碰撞；劉園園等對(duì)救災(zāi)機(jī)器人的傳感器信息融合進(jìn)行改進(jìn)，使用置信區(qū)間及其相加思想控制傳感器有價(jià)值信息的提取和融合，該方法比普通的數(shù)值計(jì)算融合方法效果更好；劉罡等構(gòu)建由傳感器檢測(cè)到障礙物的切線，根據(jù)切線和邊緣信息確定機(jī)器人的目標(biāo)點(diǎn)；趙蒼榮等使用DV-Hop算法進(jìn)行機(jī)器人定位，改進(jìn)人工勢(shì)場(chǎng)法的斥力函數(shù)令目標(biāo)點(diǎn)的全局斥力最小并將超聲波傳感器探索到的環(huán)境信息用于人工勢(shì)場(chǎng)法實(shí)時(shí)更新，從而避免目標(biāo)繞圈問(wèn)題；盧萬(wàn)杰等使用遠(yuǎn)近感知系統(tǒng)數(shù)據(jù)融合技術(shù)建立2.5維的柵格地圖，實(shí)現(xiàn)基于路徑長(zhǎng)度和地面危險(xiǎn)度等級(jí)的探測(cè)搜救機(jī)器人路徑規(guī)劃；GAO等使用傳感器獲取的環(huán)境先驗(yàn)知識(shí)提出最窄間隙提取算法并采取間隙邊緣反應(yīng)式導(dǎo)航方法實(shí)現(xiàn)機(jī)器人路徑規(guī)劃。

傳感器相當(dāng)于機(jī)器人的感知器官，通過(guò)傳感器可以獲知環(huán)境中的各類有用信息，并協(xié)助救援機(jī)器人安全、合理的開展工作。和運(yùn)輸類、安控類煤礦機(jī)器人類似，傳統(tǒng)的機(jī)器人路徑規(guī)劃方法同樣適用于救援類煤礦機(jī)器人，但同樣缺乏自主性，配合傳感器信息可以令救援類機(jī)器人的路徑規(guī)劃技術(shù)實(shí)現(xiàn)自主決策和控制，將其與傳統(tǒng)路徑規(guī)劃方法相結(jié)合可以有效提高機(jī)器人的智能化路徑規(guī)劃技術(shù)。

6 關(guān)鍵技術(shù)及挑戰(zhàn)

根據(jù)現(xiàn)有研究成果，煤礦機(jī)器人的研制和應(yīng)用依然存在較大發(fā)展空間。關(guān)鍵技術(shù)如圖17所示，主要包括：感知與認(rèn)知、規(guī)劃與決策、系統(tǒng)集成。

圖17 煤礦機(jī)器人關(guān)鍵技術(shù)Fig.17 Key technologies of coal mine robots

6.1 感知與認(rèn)知

感知是在一定環(huán)境和規(guī)律范圍內(nèi)利用相關(guān)信息做出判斷，而認(rèn)知不但需要判斷規(guī)律內(nèi)的事物，還要根據(jù)目前已掌握的信息進(jìn)一步判斷規(guī)律范圍外的事物。智能煤礦機(jī)器人應(yīng)至少達(dá)到“感知”水平，并在“感知”能力基礎(chǔ)上提高“認(rèn)知”能力。使用各類傳感器作為機(jī)器人的“器官”是最常用的感知與認(rèn)知途徑。

6.1.1 環(huán)境感知技術(shù)

早期的機(jī)器人一般使用壓力傳感器、光敏傳感器、激光測(cè)距傳感器等實(shí)現(xiàn)避障等功能，這類傳感器具有技術(shù)成熟、信號(hào)處理簡(jiǎn)單、存儲(chǔ)傳輸方便、實(shí)施性強(qiáng)的特點(diǎn)，可用于大部分非復(fù)雜場(chǎng)景。但機(jī)器人的智能化需求和任務(wù)難度均逐漸提高，要求煤礦機(jī)器人裝配更加先進(jìn)的傳感器及相關(guān)算法。

基于視覺(jué)感知的傳感器檢測(cè)技術(shù)及其方法改進(jìn)成為煤礦機(jī)器人的必要研究方向，且發(fā)展趨勢(shì)要求其精度更高、識(shí)別能力更強(qiáng)，在一定情形下可以更好的掌握動(dòng)/靜態(tài)障礙物的大地坐標(biāo)、輪廓、深度等感知信息。視覺(jué)感知的前端采集裝置一般使用雷達(dá)(超聲雷達(dá)、激光雷達(dá)、毫米波雷達(dá)等)、視覺(jué)攝像頭(RGB攝像頭、雙目攝像頭、深度攝像頭等)。雷達(dá)掃描環(huán)境并生成工作環(huán)境的點(diǎn)云圖，包含了工作區(qū)中各物體的坐標(biāo)、深度等信息，而視覺(jué)攝像頭采集到的圖像數(shù)據(jù)在經(jīng)過(guò)特征點(diǎn)匹配等處理后也可以對(duì)場(chǎng)景進(jìn)行重構(gòu)。

目前，機(jī)器人常用的視覺(jué)傳感器及其優(yōu)缺點(diǎn)見表3。

表3 常用視覺(jué)傳感器Table 3 Common vision sensors

為了更智能地完成任務(wù)和適應(yīng)工作環(huán)境，一般需要同時(shí)使用多種不同的傳感器。但來(lái)自不同傳感器的大量信息容易造成混亂，有效解決辦法是使用多元傳感器融合技術(shù)，這是環(huán)境感知技術(shù)的主要挑戰(zhàn)之一。直接使用點(diǎn)云圖和重構(gòu)地圖均存在無(wú)法識(shí)別具體物體種類、拼接錯(cuò)誤率高、信息量大且存在大量無(wú)用信息等缺點(diǎn)。對(duì)于拼接錯(cuò)誤率高問(wèn)題，現(xiàn)有成熟方法即使用八叉樹法建立Octomap有效壓縮傳感器信息；在保證有效信息保留的基礎(chǔ)上進(jìn)行稀疏處理一般用于解決信息量較大、無(wú)用信息較多問(wèn)題；識(shí)別物體的傳統(tǒng)方法為模板匹配法，但該類方法魯棒性均較差，無(wú)法滿足智能自主工作。

6.1.2 突發(fā)情形認(rèn)知

針對(duì)復(fù)雜、突發(fā)情形的認(rèn)知技術(shù)不但需要煤礦機(jī)器人具有較高精度的感知能力，還需要其具有較高水平的物體識(shí)別能力。目前，常用于視覺(jué)認(rèn)知的智能識(shí)別和分類框架是模板匹配、深度神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)方法。前者是模式識(shí)別的經(jīng)典方法，其解決問(wèn)題的限制條件較多，在相關(guān)領(lǐng)域有逐漸淡化的趨勢(shì)；后者有DenseNet，AlexNet，VGG，YOLO等經(jīng)典框架支撐，是目前人工智能的熱門，相關(guān)CNN框架的比較及總結(jié)已有較多文獻(xiàn)參考，此處不再贅述。這類機(jī)器學(xué)習(xí)方法已經(jīng)在人臉識(shí)別等領(lǐng)域有了較成熟的應(yīng)用，但在煤礦機(jī)器人上仍處于探索階段。

參考煤礦環(huán)境的復(fù)雜性，直接配備以上方法作為煤礦機(jī)器人的認(rèn)知方案具有一定的缺陷，需要考慮以下問(wèn)題：① 相關(guān)CNN方法的計(jì)算框架固定，雖然增加了算法的普適性，但是針對(duì)性較差，現(xiàn)有研究工作主要是采集和建立數(shù)據(jù)集以及解決算法過(guò)擬合、欠擬合問(wèn)題；② 數(shù)據(jù)集的多樣性和數(shù)據(jù)體積對(duì)模型的識(shí)別能力具有絕對(duì)影響，為了避免過(guò)擬合而提高數(shù)據(jù)集多樣性意味著圖片數(shù)據(jù)的不斷增加，計(jì)算機(jī)硬件和訓(xùn)練耗時(shí)成為最大問(wèn)題。

小樣本識(shí)別和遷移學(xué)習(xí)是解決深度網(wǎng)絡(luò)框架缺點(diǎn)的有效探索，可以有效提高煤礦機(jī)器人的認(rèn)知水平。該方法的原理即使用現(xiàn)有已訓(xùn)練模型對(duì)采集到的少量煤礦未知樣本進(jìn)行訓(xùn)練從而實(shí)現(xiàn)較高煤礦環(huán)境識(shí)別精度。元學(xué)習(xí)是其中較成功的策略，即“學(xué)會(huì)學(xué)習(xí)”，旨在使用以往知識(shí)經(jīng)驗(yàn)來(lái)指導(dǎo)新任務(wù)的學(xué)習(xí)，令深度網(wǎng)絡(luò)保持學(xué)習(xí)能力。使用元學(xué)習(xí)策略，可以令機(jī)器人認(rèn)知模塊較好地適合當(dāng)前煤礦環(huán)境。煤礦存在高度不確定性、各區(qū)域照度不同等特點(diǎn)，機(jī)器人大部分時(shí)間在實(shí)時(shí)行走，提取到的圖片信息具有隨機(jī)性和多樣性，數(shù)據(jù)庫(kù)中已包含的物體也可能因?yàn)榻嵌群驼斩仍驘o(wú)法實(shí)現(xiàn)快速識(shí)別，少量未知物體在前期的數(shù)據(jù)集中難以全部涵蓋，使用元學(xué)習(xí)的思想保留學(xué)習(xí)經(jīng)驗(yàn)實(shí)現(xiàn)快速學(xué)習(xí)以便在下次遇到同樣待識(shí)別物時(shí)既能夠快速識(shí)別，也可以保證煤礦機(jī)器人的實(shí)時(shí)性要求。

該策略并沒(méi)有固定的行式，目前較經(jīng)典的框架見表4。

表4 經(jīng)典元學(xué)習(xí)框架Table 4 Classical Mete-learning framework

6.2 規(guī)劃與決策

煤礦機(jī)器人實(shí)現(xiàn)智能化決策并完成工作的過(guò)程即為煤礦機(jī)器人的規(guī)劃過(guò)程。對(duì)于車型煤礦機(jī)器人，其規(guī)劃主要體現(xiàn)在單目標(biāo)點(diǎn)的路徑規(guī)劃及其控制，當(dāng)任務(wù)包含多個(gè)目標(biāo)點(diǎn)時(shí)則需要考慮各目標(biāo)點(diǎn)的關(guān)系，并根據(jù)復(fù)雜關(guān)系完成自主最優(yōu)決策，并在最優(yōu)決策的框架下實(shí)現(xiàn)多個(gè)單目標(biāo)點(diǎn)規(guī)劃。

6.2.1 單目標(biāo)點(diǎn)規(guī)劃

目前，以無(wú)人單軌吊等為主的煤礦機(jī)器人均使用遠(yuǎn)程控制實(shí)現(xiàn)機(jī)器人無(wú)人化工作。遠(yuǎn)程控制在機(jī)器人領(lǐng)域稱作遙操作，該方法在機(jī)器人半自主工作中較常見，部分學(xué)者也提出了相關(guān)方法增強(qiáng)人機(jī)合作，但是機(jī)器人的工作情況仍然依賴于操作人員的工作經(jīng)驗(yàn)、工作狀態(tài)。

智能化、無(wú)人化的煤礦機(jī)器人要求機(jī)器人能夠在最少人員操控的情況下完成各項(xiàng)任務(wù)，并以獨(dú)自、完整完成任務(wù)為最終目標(biāo)。這需要在機(jī)器人上配備多種傳感器以模仿人類器官進(jìn)行工作范圍內(nèi)的感知，并利用感知和認(rèn)知信息指導(dǎo)煤礦機(jī)器人的規(guī)劃和決策。對(duì)于掘進(jìn)機(jī)器人和采煤機(jī)器人，其懸臂滾輪可以在傳感器信息協(xié)助下使用全覆蓋遍歷路徑規(guī)劃：利用傳感器獲取煤巖分布信息，建立開采工作面柵格圖，并根據(jù)不可通行的特征點(diǎn)對(duì)可采煤區(qū)進(jìn)行劃分，即在掘進(jìn)工作面和截割工作面上規(guī)劃好可截割區(qū)域和不可截割區(qū)域，并使用排序方法規(guī)劃各待截割區(qū)域之間串聯(lián)距離最短的連接方式，在可截割區(qū)域內(nèi)使用由下而上的往復(fù)式遍歷截割，截割完當(dāng)前區(qū)域后截割頭按照規(guī)劃好的最短連接方式轉(zhuǎn)至下一個(gè)可截割工作面重復(fù)遍歷截割。而對(duì)于其他3類機(jī)器人的行走控制和避障規(guī)劃有2種方案可以參考：① 對(duì)于運(yùn)輸和巡檢煤礦機(jī)器人，其工作實(shí)時(shí)性要求低，可使用具有視覺(jué)感知能力的傳感器，對(duì)工作范圍進(jìn)行掃描或拍攝，根據(jù)檢測(cè)結(jié)果繪制出高精度地圖，再進(jìn)行路徑規(guī)劃；② 對(duì)于救援機(jī)器人可以先使用全局路徑規(guī)劃方法規(guī)劃出可通行、符合實(shí)際需求的最優(yōu)全局路徑，在行走過(guò)程中利用傳感器信息做出避障決策。比較以上2種方案，方案①的主要工作在于高精度地圖的繪制，對(duì)機(jī)器人的決策能力要求較少，但需要搭配其他算法才可以進(jìn)行動(dòng)態(tài)障礙物避障；方案②的前期準(zhǔn)備工作較少，可以直接使用GIS系統(tǒng)中存儲(chǔ)的礦區(qū)地圖，減少工作成本，但該方法對(duì)行走過(guò)程中傳感器的精度、信息融合技術(shù)及決策能力有更高要求。

6.2.2 多目標(biāo)點(diǎn)決策

根據(jù)工作需求(運(yùn)輸類煤礦機(jī)器人需要完成多裝載點(diǎn)轉(zhuǎn)運(yùn)、巡檢類煤礦機(jī)器人需要完成多工作面循環(huán)巡檢、救援類煤礦機(jī)器人需要在最短時(shí)間內(nèi)完成多生命體救助等)，煤礦機(jī)器人還應(yīng)考慮多目標(biāo)點(diǎn)的決策規(guī)劃。以救援類煤礦機(jī)器人為例，救援對(duì)時(shí)效要求較高，且救援機(jī)器人因?yàn)轶w型限制需要合理節(jié)約自身能源用量，當(dāng)出現(xiàn)多處救災(zāi)點(diǎn)時(shí)則需要在時(shí)間成本和里程成本最低的前提下根據(jù)不同的需求或緊急程度規(guī)劃出合理的目標(biāo)點(diǎn)救援順序。在煤礦機(jī)器人多目標(biāo)點(diǎn)決策規(guī)劃中，不但需要量化各目標(biāo)點(diǎn)的需求度，還要在建立好決策模型后，使用合理的優(yōu)化算法對(duì)目標(biāo)點(diǎn)順序進(jìn)行最優(yōu)排序，另外在目標(biāo)點(diǎn)和目標(biāo)點(diǎn)之間仍然需要設(shè)計(jì)穩(wěn)定的避障規(guī)劃技術(shù)。

使用算法進(jìn)行全局和避障路徑規(guī)劃后，需要采用路徑/軌跡/速度跟蹤控制技術(shù)實(shí)現(xiàn)煤礦機(jī)器人更底層的運(yùn)行。路徑跟蹤控制中，使用代價(jià)函數(shù)及機(jī)器人數(shù)學(xué)模型實(shí)現(xiàn)機(jī)器人對(duì)已規(guī)劃好全局路線的逼近；在避障決策后，參考路徑曲線與時(shí)間/空間，令煤礦機(jī)器人在規(guī)定的時(shí)間內(nèi)到達(dá)某一預(yù)設(shè)好的參考路徑點(diǎn)；更進(jìn)一步，考慮煤礦環(huán)境的多坡道、多拐彎等情況，煤礦機(jī)器人在運(yùn)行時(shí)的能源消耗比普通機(jī)器人更多，對(duì)速度和加速度進(jìn)行規(guī)劃并采取速度跟蹤實(shí)現(xiàn)準(zhǔn)確速度和加速度控制可以減少機(jī)器人能耗，其決策規(guī)劃和控制技術(shù)均屬于煤礦機(jī)器人的挑戰(zhàn)性工作。

6.3 系統(tǒng)集成

智能化煤礦工作平臺(tái)集成是煤礦機(jī)器人環(huán)境感知和路徑規(guī)劃技術(shù)的關(guān)鍵搭載技術(shù)，該技術(shù)的挑戰(zhàn)是機(jī)器人協(xié)作系統(tǒng)和局域通訊交互系統(tǒng)的搭建。其關(guān)系到相關(guān)算法及硬件的協(xié)調(diào)工作，需要具備各機(jī)器人快速通訊、準(zhǔn)確定位功能以便完成礦區(qū)各機(jī)器人調(diào)度和機(jī)器人協(xié)作控制。系統(tǒng)框架如圖18所示。

6.3.1 機(jī)器人協(xié)作系統(tǒng)

成熟的煤礦工作區(qū)占地廣闊，井下巷道存在多層多岔道的特點(diǎn)，少量的煤礦機(jī)器人無(wú)法滿足要求。但隨著機(jī)器人數(shù)量增加，機(jī)器人信息的有效處理及其決策控制成為問(wèn)題。在多運(yùn)輸煤礦機(jī)器人車隊(duì)中需要考慮安全車距保持問(wèn)題；巡檢機(jī)器人群和救援機(jī)器人群需要考慮當(dāng)其中一個(gè)機(jī)器人到達(dá)事故點(diǎn)區(qū)域時(shí)，且當(dāng)前機(jī)器人無(wú)法獨(dú)立完成繁重任務(wù)，存在召集其他機(jī)器人并相互協(xié)作問(wèn)題；當(dāng)在露天環(huán)境中進(jìn)行巡檢和運(yùn)輸工作時(shí)，因?yàn)榈孛鏅C(jī)器人的局限性還可以考慮增加無(wú)人機(jī)協(xié)同工作。以上工作均可歸屬于多機(jī)器人協(xié)作系統(tǒng)，其專項(xiàng)研發(fā)具有挑戰(zhàn)性和實(shí)際意義，目前在煤礦機(jī)器人中的研究較少。

6.3.2 通訊交互系統(tǒng)

煤礦的工作特性削弱了傳統(tǒng)移動(dòng)通訊信號(hào)的可用性，且目前一些老舊礦井并未完成網(wǎng)絡(luò)全覆蓋，煤礦安全生產(chǎn)工作大都停留在監(jiān)測(cè)階段，而內(nèi)部通訊網(wǎng)絡(luò)系統(tǒng)可以令煤礦內(nèi)部信息傳遞更快捷穩(wěn)定，為煤礦安全生產(chǎn)監(jiān)控工作、感知信息傳遞、煤礦“萬(wàn)物”互聯(lián)和機(jī)器人群決策信息快速交換提供可能。局域通訊網(wǎng)絡(luò)交互系統(tǒng)的搭建不但有利于上位機(jī)對(duì)單個(gè)機(jī)器人的控制，也有助于多機(jī)器人協(xié)作系統(tǒng)的流暢運(yùn)作。機(jī)器人協(xié)作的交互信息處理方式主要有2種：① 集中式網(wǎng)絡(luò)交互；② 分布式網(wǎng)絡(luò)交互。鄭太雄等提出了一種集中式控制，該方法使用蟻群算法在主機(jī)中進(jìn)行任務(wù)分配，再發(fā)送給對(duì)應(yīng)輔助運(yùn)輸機(jī)器人，實(shí)現(xiàn)多機(jī)器人搬運(yùn)工作，為了防止機(jī)器人因未及時(shí)收到消息產(chǎn)生過(guò)操作和碰撞，引入了基于到達(dá)時(shí)間差的定位方法。其具有部署簡(jiǎn)單、單一處理器易數(shù)據(jù)存儲(chǔ)、病毒感染幾率低等優(yōu)點(diǎn)，但缺陷明顯：當(dāng)數(shù)據(jù)量較大時(shí)，集中式的處理方式響應(yīng)速度會(huì)明顯減慢，且當(dāng)各終端需求不同時(shí)需要單獨(dú)對(duì)不同需求終端進(jìn)行單獨(dú)配置。煤礦環(huán)境中，各機(jī)器人終端的工作目標(biāo)及信息獲取類型均不同，大量數(shù)據(jù)傳輸及單獨(dú)配置特點(diǎn)令集中式網(wǎng)絡(luò)交互較難實(shí)用。分布式通訊交互方式可以增加機(jī)器人終端的擴(kuò)展靈活性，更符合煤礦機(jī)器人的需求。各種數(shù)據(jù)由分布式終端自行處理并反饋有效信息的優(yōu)點(diǎn)可以減少系統(tǒng)負(fù)荷，且其相關(guān)軟硬件的配置分布于各機(jī)器人，當(dāng)前任務(wù)完成后，多余的煤礦機(jī)器人設(shè)備可以快速地移植到其他任務(wù)中。

圖18 煤礦機(jī)器人系統(tǒng)框架Fig.18 Coal mine unmanned system framework

7 結(jié) 語(yǔ)

煤炭工業(yè)正處于傳統(tǒng)作業(yè)向少人化作業(yè)發(fā)展的階段，與無(wú)人化、智能化開采作業(yè)仍存在較大的距離。在人工智能浪潮下，國(guó)家頒布多項(xiàng)指導(dǎo)意見用于正向影響和推廣煤礦的智能化發(fā)展。符合行業(yè)標(biāo)準(zhǔn)的煤礦企業(yè)和相關(guān)研究人員正在加快部署現(xiàn)代化智能基礎(chǔ)設(shè)備和研發(fā)相關(guān)高智能算法，煤礦機(jī)器人的研制和應(yīng)用前景非?？捎^，且意義深遠(yuǎn)。

目前，掘進(jìn)類、運(yùn)輸類、巡檢類煤礦機(jī)器人已小規(guī)模實(shí)現(xiàn)了示范應(yīng)用，但大部分研究仍然處于探索階段，測(cè)試成功并實(shí)際應(yīng)用的煤礦機(jī)器人市場(chǎng)保有量非常少。而理論研究大都基于傳統(tǒng)作業(yè)形式展開，較少依靠高尖端硬件和智能算法。這與煤礦行業(yè)的歷史性以及交叉行業(yè)對(duì)該領(lǐng)域的認(rèn)知度較低存在一定關(guān)系。計(jì)算機(jī)科學(xué)和機(jī)器人學(xué)的發(fā)展已經(jīng)有了較多突破，將相關(guān)研究針對(duì)性地研用于煤礦機(jī)器人領(lǐng)域是可行的。

值得注意的是，目前的理論研究與實(shí)際應(yīng)用中，針對(duì)安控類有軌煤礦機(jī)器人的研究較多，其他煤礦機(jī)器人及其關(guān)鍵技術(shù)的研發(fā)工作需要更多關(guān)注。而實(shí)時(shí)建立智能化煤礦行業(yè)新標(biāo)準(zhǔn)應(yīng)該與煤礦機(jī)器人的智能控制算法研發(fā)同步進(jìn)行，并開發(fā)具有隔爆、防爆技術(shù)的礦用搭載傳感器，在行業(yè)標(biāo)準(zhǔn)指導(dǎo)下研制智能化軟件、專用型硬件相結(jié)合的煤礦機(jī)器人。

少人化煤礦開采向無(wú)人化、智能化作業(yè)發(fā)展具有行業(yè)突破性，煤礦機(jī)器人應(yīng)包含感知、認(rèn)知能力，通過(guò)對(duì)環(huán)境信息的快速獲取、快速傳遞和快速判斷完成煤礦機(jī)器人自身及其關(guān)鍵部位的規(guī)劃和決策功能，并根據(jù)需求實(shí)現(xiàn)多種工種機(jī)器人協(xié)作控制，實(shí)現(xiàn)煤礦開采智能化、系統(tǒng)化作業(yè)。感知與認(rèn)知、規(guī)劃與決策、系統(tǒng)集成可以總結(jié)目前煤礦機(jī)器人環(huán)境感知和路徑規(guī)劃關(guān)鍵技術(shù)的未來(lái)發(fā)展方向。

(1)感知與認(rèn)知研究目前較集中于感知技術(shù)，如確定障礙物位置等，而更智能的認(rèn)知技術(shù)需要進(jìn)一步開發(fā)。通過(guò)認(rèn)知技術(shù)煤礦機(jī)器人不但可以完成感知任務(wù)，還可以根據(jù)圖像、視頻、點(diǎn)云信息進(jìn)一步識(shí)別當(dāng)前障礙物的屬性及威脅程度、預(yù)測(cè)四周事物的變化情況。相關(guān)認(rèn)知方案在巡檢機(jī)器人的故障檢測(cè)中有較好的應(yīng)用但仍有較多挖掘空間，經(jīng)過(guò)針對(duì)性改進(jìn)后有望服務(wù)于煤礦機(jī)器人自身。

(2)規(guī)劃與決策不但是煤礦機(jī)器人的挑戰(zhàn)性技術(shù)，還是機(jī)器人、智能汽車行業(yè)的研究方向之一。傳統(tǒng)的路徑規(guī)劃方法雖然已經(jīng)可以實(shí)現(xiàn)機(jī)器人自主運(yùn)行，但智能化程度有限，一般只用于危險(xiǎn)系數(shù)和實(shí)時(shí)性要求較低的工作領(lǐng)域。目前研究的重點(diǎn)是如何合理和迅捷地使用大量環(huán)境感知信息協(xié)助完成自主駕駛決策。

(3)系統(tǒng)集成是煤礦機(jī)器人的跨行業(yè)性的研究挑戰(zhàn)，智能煤礦系統(tǒng)搭建決定著煤炭行業(yè)的未來(lái)發(fā)展程度。其首要任務(wù)是搭建具有數(shù)據(jù)快速傳輸能力的科學(xué)性網(wǎng)絡(luò)系統(tǒng)(內(nèi)部通訊系統(tǒng)、外部傳輸系統(tǒng))，實(shí)現(xiàn)管理人員、技術(shù)工人、煤礦機(jī)器人之間的閉環(huán)實(shí)時(shí)通訊和數(shù)據(jù)處理。另一部分工作是搭建多機(jī)器人協(xié)作控制系統(tǒng)，實(shí)現(xiàn)多工種煤礦機(jī)器人之間合作作業(yè)，充分實(shí)現(xiàn)煤礦無(wú)人化、智能化、系統(tǒng)化運(yùn)作。