煤矸石分揀智能控制系統(tǒng)設(shè)計(jì)

李思思

（山西工程技術(shù)學(xué)院，陽(yáng)泉 045000）

去除煤炭中的矸石有利于提升煤炭燃燒效率，減少有害氣體排放，減輕環(huán)境污染，提高煤炭質(zhì)量。傳統(tǒng)煤矸石分揀常采用人工、機(jī)械洗選的方式。人工挑選是應(yīng)用于中小煤礦的一種煤矸石分選方法，主要依靠工人的經(jīng)驗(yàn)進(jìn)行挑選。由于人的認(rèn)知差異、大量重復(fù)工作的疲勞性等，人工挑選方式的分揀效率低，且挑選質(zhì)量存在不確定性。機(jī)械洗選方式是中大型洗煤廠采用的選煤方式，主要采用重介、跳汰以及浮選等方式。重介、跳汰、浮選的選煤原理是將煤與矸石沉浸在懸浮液中，利用煤、矸石、懸浮液密度的不同實(shí)現(xiàn)分選（矸石密度大于懸浮液密度，則矸石將下沉；煤的密度小于懸浮液，煤會(huì)上?。?。由于上述挑選方式需要大型機(jī)械設(shè)備，企業(yè)投入成本較高，在挑選過(guò)程中會(huì)造成大量的水資源、電能浪費(fèi)。因此，學(xué)者們嘗試采用圖像分析法實(shí)現(xiàn)煤與矸石的分選。

圖像分析法分為輻射和非輻射兩種。輻射的典型代表是利用γ射線或者X射線穿過(guò)煤和矸石衰減程度的不同實(shí)現(xiàn)煤和矸石的分選。這兩種分選方法在一定程度上可以節(jié)約資源、保護(hù)環(huán)境，但是長(zhǎng)期通過(guò)γ射線分選會(huì)對(duì)周圍工作人員的身體造成傷害。非輻射的圖像識(shí)別法利用工業(yè)相機(jī)進(jìn)行拍攝，并將拍攝圖像傳輸?shù)缴衔粰C(jī)分析灰度和紋理等特征。文獻(xiàn)[1]先采用分水嶺算法實(shí)現(xiàn)圖像分割，然后利用卷積神經(jīng)網(wǎng)絡(luò)建立分類模型。文獻(xiàn)[2]分析高速相機(jī)采集的圖像中煤與矸石灰度的不同實(shí)現(xiàn)分選。文獻(xiàn)[3]提出了基于改進(jìn)深度殘差網(wǎng)絡(luò)的圖像分類方法，并將其應(yīng)用于煤矸石的分選。文獻(xiàn)[4]使用相機(jī)采集河北省峰峰集團(tuán)萬(wàn)年礦區(qū)的煤矸圖像，并改進(jìn)VGG16網(wǎng)絡(luò)實(shí)現(xiàn)了煤矸石分選。

2020年國(guó)家能源局印發(fā)《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》，指出將人工智能、工業(yè)物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、機(jī)器人、智能裝備等與現(xiàn)代煤炭開發(fā)利用深度融合，形成全面感知、實(shí)時(shí)互聯(lián)、分析決策、自主學(xué)習(xí)、動(dòng)態(tài)預(yù)測(cè)以及協(xié)同控制的智能系統(tǒng)，實(shí)現(xiàn)煤礦開拓、采掘（剝）、運(yùn)輸、通風(fēng)、洗選、安全保障以及經(jīng)營(yíng)管理等過(guò)程的智能化運(yùn)行。為實(shí)現(xiàn)煤礦生產(chǎn)的智能化，大量學(xué)者對(duì)其進(jìn)行了研究[5]。本文在前輩的工作基礎(chǔ)上設(shè)計(jì)煤矸石智能控制系統(tǒng)，降低了工人的勞動(dòng)強(qiáng)度，節(jié)約了水資源，避免了射線給人體帶來(lái)的傷害，提高了煤礦生產(chǎn)效率和選矸環(huán)節(jié)的智能化水平。

1 系統(tǒng)總體方案

綜采工作面開采的原煤通過(guò)皮帶機(jī)運(yùn)輸至選煤廠準(zhǔn)備車間。在準(zhǔn)備車間內(nèi)的原煤通過(guò)滾軸篩進(jìn)行分級(jí)，挑選出粒級(jí)在50 mm以上的塊煤、矸石，并將其送至煤矸石分揀系統(tǒng)的進(jìn)料斗。

如圖1所示，分揀過(guò)程中，首先采集數(shù)據(jù)。由工業(yè)相機(jī)采集皮帶機(jī)上的煤矸石圖像，并將采集的信息傳送給數(shù)字信號(hào)處理器（Digital Signal Processor，DSP）。數(shù)字信號(hào)處理器可以將模擬信號(hào)轉(zhuǎn)換為上位機(jī)可以識(shí)別的數(shù)字信號(hào)。其次，分析圖像信息，建立識(shí)別模型與抓取方案。上位機(jī)接收DSP傳輸?shù)臄?shù)字信號(hào)，分析信號(hào)特征，建立高斯混合模型與支持向量機(jī)模型，實(shí)現(xiàn)皮帶與煤矸石的分離、煤與矸石的識(shí)別。根據(jù)矸石在皮帶上的位置確定抓取順序、計(jì)算抓取軌跡，并將抓取順序、軌跡等信息發(fā)送給可編程邏輯控制器（Programmable Logic Controller，PLC）。最后，執(zhí)行抓取任務(wù)。PLC控制伺服電機(jī)驅(qū)動(dòng)機(jī)械臂實(shí)現(xiàn)煤矸石抓取。此過(guò)程中，煤矸石識(shí)別、機(jī)械臂的抓取是關(guān)鍵。因此，本文將從煤矸石識(shí)別和機(jī)械手的準(zhǔn)確抓取入手展開論述。

2 基于圖像的煤矸石識(shí)別技術(shù)

圖像識(shí)別法可以將工業(yè)相機(jī)作為識(shí)別系統(tǒng)的“眼睛”，從而獲取煤矸石圖像信息。煤與矸石的準(zhǔn)確識(shí)別是煤矸石有效分揀的前提。工業(yè)照相機(jī)在拍攝圖片時(shí)，由于設(shè)備與煤矸石存在相對(duì)運(yùn)動(dòng)，拍攝過(guò)程中圖像存在模糊現(xiàn)象。同時(shí)，拍攝現(xiàn)場(chǎng)煤矸石圖像質(zhì)量容易受光照、粉塵、拍攝設(shè)備等因素的影響，導(dǎo)致傳統(tǒng)的識(shí)別模型無(wú)法準(zhǔn)確識(shí)別。近年來(lái)，機(jī)器學(xué)習(xí)迅速發(fā)展，已被廣泛應(yīng)用于工業(yè)、醫(yī)療等領(lǐng)域，并取得了良好的分類與回歸效果。因此，國(guó)內(nèi)學(xué)者將機(jī)器學(xué)習(xí)方法引入煤矸石的識(shí)別過(guò)程中。本文選擇高斯混合模型識(shí)別背景皮帶與煤矸石，采用支持向量機(jī)分選煤與矸石[6]。

2.1 圖像分離

工業(yè)照相機(jī)將從皮帶機(jī)上采集的圖像信息經(jīng)過(guò)數(shù)字信號(hào)處理器轉(zhuǎn)化成數(shù)字信號(hào)。該數(shù)字信號(hào)經(jīng)無(wú)線通信傳輸Wi-Fi技術(shù)實(shí)現(xiàn)相機(jī)與上位機(jī)之間的信息傳輸。

工業(yè)相機(jī)拍攝的圖像是將煤矸石與背景皮帶作為一個(gè)整體圖像，采用高斯混合模型提取背景圖像，實(shí)現(xiàn)煤矸石與背景皮帶的分離。高斯混合模型是一種簡(jiǎn)單、有效、參數(shù)化模型的圖像分割工具[7]。該模型的實(shí)質(zhì)是對(duì)單個(gè)高斯模型進(jìn)行加權(quán)和。每個(gè)高斯模型的參數(shù)、權(quán)值可以通過(guò)粒子群優(yōu)化算法或最大期望算法確定。

煤矸石和背景的分離實(shí)質(zhì)上屬于二分類問(wèn)題，即需分辨某個(gè)像素點(diǎn)屬于煤矸石類或者屬于背景類。因此，先利用已有的圖像數(shù)據(jù)估計(jì)高斯混合模型的參數(shù)，建立高斯混合模型，再在圖像分割過(guò)程中通過(guò)計(jì)算每個(gè)像素點(diǎn)的概率實(shí)現(xiàn)分類。當(dāng)某像素點(diǎn)屬于煤矸石概率高時(shí)，可以把該像素點(diǎn)認(rèn)為是矸石；當(dāng)某像素點(diǎn)屬于背景皮帶的概率高時(shí)，可以把該像素點(diǎn)認(rèn)為是背景皮帶。

2.2 特征提取與模型建立

為有效識(shí)別不同環(huán)境下的煤與矸石，首先選擇清潔度不同、光照強(qiáng)度不同、紋理特征不同的塊煤及矸石圖像作為樣本數(shù)據(jù)，其次提取樣本數(shù)據(jù)的圖像特征，最后根據(jù)提取的特征建立識(shí)別模型。

煤矸石的圖像識(shí)別方法通常依據(jù)煤與矸石的灰度、紋理特征的不同進(jìn)行識(shí)別?；叶忍卣髦笜?biāo)有灰度均值、灰度方差、灰度歪斜度、灰度峰態(tài)、灰度能量以及灰度熵。紋理特征指標(biāo)有對(duì)比度、熵、能量以及逆差矩。根據(jù)文獻(xiàn)[6]的描述，本文選擇灰度能量、灰度熵、紋理能量以及紋理熵作為特征指標(biāo)來(lái)計(jì)算圖像中煤與矸石的特征。其中，灰度能量表征圖像灰度級(jí)分布是否均勻，灰度熵表征灰度分布的不均勻與復(fù)雜程度，通過(guò)紋理的熵表征灰度圖像中紋理的復(fù)雜程度，通過(guò)紋理能量表征圖像紋理粗細(xì)的程度。

煤與矸石的識(shí)別受到光照、粉塵、清潔度的影響，導(dǎo)致圖像信息存在一定的隨機(jī)性和不確定性。因此，選擇具有較強(qiáng)的魯棒性和較好泛化性的支持向量機(jī)作為分類模型。支持向量機(jī)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的分類模型。它的原理是將一個(gè)分類超平面作為決策曲面，使得兩類之間的隔離邊緣最大化，從而實(shí)現(xiàn)分類。該模型建立具體過(guò)程如下：首先，選擇紋理特征參數(shù)作為模型輸入，煤、矸石的類別作為輸出；其次，將特征參數(shù)及煤和矸石的類別輸入支持向量機(jī)，訓(xùn)練得到煤和矸石的分選模型；最后，將未知煤及矸石類別的圖像特征輸入訓(xùn)練模型，得到煤和矸石的類別，實(shí)現(xiàn)分選。

3 煤矸石抓取技術(shù)

對(duì)于皮帶機(jī)上運(yùn)送的大量煤與矸石，首先基于圖片信息、矸石與機(jī)械臂抓取區(qū)域線的距離建立模糊推理規(guī)則來(lái)確定矸石的優(yōu)先抓取順序[8]，其次采用金字塔形尋優(yōu)法攔截技術(shù)規(guī)劃?rùn)C(jī)械手的動(dòng)作軌跡[9]，最后驅(qū)動(dòng)機(jī)械抓實(shí)現(xiàn)目標(biāo)矸石的分揀。

3.1 抓取順序的確定

當(dāng)煤矸石識(shí)別系統(tǒng)完成識(shí)別工作后，需確定矸石的優(yōu)先抓取順序。矸石的優(yōu)先抓取順序與兩方面因素相關(guān)。一個(gè)因素是矸石的尺寸。尺寸具體指系統(tǒng)識(shí)別的各矸石的二維尺寸信息，即矸石的長(zhǎng)和寬。尺寸越大的矸石，優(yōu)先級(jí)越高，優(yōu)先被抓取。另一個(gè)因素是距離。距離指矸石在皮帶機(jī)運(yùn)行方向與機(jī)械臂抓取區(qū)域線的距離。距離越短，優(yōu)先級(jí)越高，應(yīng)優(yōu)先被抓取。基于分析，采用模糊推理確定抓取順序。在模糊推理中，模糊推理?xiàng)l數(shù)與狀態(tài)空間劃分相關(guān)。狀態(tài)空間劃分越細(xì)，模糊推理?xiàng)l數(shù)越多。本文將矸石大小分為大與小兩類，距離分為遠(yuǎn)近兩種，建立4條規(guī)則，具體如表1所示。

表1 煤矸石優(yōu)先抓取規(guī)則

根據(jù)規(guī)則確定模糊推理：

①if（尺寸大）and（距離近），then（抓取優(yōu)先級(jí)高）；

②if（尺寸?。゛nd（距離近），then（抓取優(yōu)先級(jí)次高）；

③if（尺寸大）and（距離遠(yuǎn)），then（抓取優(yōu)先級(jí)中）；

④if（尺寸小）and（距離遠(yuǎn)），then（抓取優(yōu)先級(jí)低）。

3.2 機(jī)械臂控制

在確定煤矸石抓取順序后，啟動(dòng)機(jī)械臂控制系統(tǒng)抓取矸石。機(jī)械臂控制系統(tǒng)主要由上位機(jī)、PLC、伺服驅(qū)動(dòng)系統(tǒng)以及傳感器等組成。機(jī)械臂的控制策略是首先由上位機(jī)根據(jù)皮帶機(jī)的運(yùn)行速度計(jì)算矸石位置信息，其次采用金字塔形尋優(yōu)法的攔截技術(shù)規(guī)劃?rùn)C(jī)械手的動(dòng)作軌跡，使其能夠通過(guò)最短路徑在某一時(shí)刻點(diǎn)上與目標(biāo)物相遇執(zhí)行抓取動(dòng)作，最后采用二指夾持器實(shí)現(xiàn)矸石抓取。夾持器抓取位姿參數(shù)可表示為P=(x,y,z,α,n)，其中x、y、z分別為抓取點(diǎn)的三維坐標(biāo)，α為夾持器與皮帶機(jī)水平方向夾角，n為夾持器開合寬度。

該方案中，矸石運(yùn)行速度的測(cè)量可以通過(guò)在皮帶機(jī)上安裝測(cè)速編碼器實(shí)現(xiàn)對(duì)皮帶機(jī)上煤矸石速度的測(cè)量。測(cè)速編碼器與PLC連接，PLC內(nèi)部的計(jì)數(shù)器對(duì)編碼器輸出的脈沖進(jìn)行計(jì)數(shù)，將測(cè)得的速度數(shù)據(jù)通過(guò)以太網(wǎng)傳送至上位機(jī)。

機(jī)械臂從前一個(gè)抓取任務(wù)結(jié)束到對(duì)下一個(gè)目標(biāo)任務(wù)抓取可以分為3個(gè)時(shí)間段，即上升、平移和下降，其中平移的用時(shí)時(shí)間最長(zhǎng)。因此，以平移過(guò)程為研究對(duì)象。在平移過(guò)程中，設(shè)矸石在皮帶機(jī)的運(yùn)行方向向左，機(jī)械臂運(yùn)行方向向右，抓取點(diǎn)選擇在機(jī)械臂與矸石相遇的交點(diǎn)，在該交點(diǎn)機(jī)械手可以執(zhí)行抓取任務(wù)。在這一點(diǎn)上，機(jī)械臂經(jīng)過(guò)的距離最短，在皮帶機(jī)與機(jī)械臂運(yùn)動(dòng)速度一定的情況下，抓取用時(shí)短。相交點(diǎn)可看作攔截點(diǎn)，可以采用金字塔尋優(yōu)攔截技術(shù)進(jìn)行攔截。該技術(shù)根據(jù)矸石及機(jī)械臂的位置計(jì)算中間位置，規(guī)劃?rùn)C(jī)械臂的軌跡，驅(qū)動(dòng)機(jī)械臂運(yùn)動(dòng)。因?yàn)闄C(jī)械臂的速度比皮帶機(jī)的運(yùn)行速度快，所以要先到達(dá)中點(diǎn)。機(jī)械臂到達(dá)中點(diǎn)時(shí)，以當(dāng)前矸石及機(jī)械臂的距離差判斷是否可成功抓取。當(dāng)兩者距離小于閾值時(shí)，認(rèn)為可以抓取成功，執(zhí)行抓取任務(wù)；當(dāng)距離大于抓取閾值時(shí)，對(duì)當(dāng)前位置的中點(diǎn)進(jìn)行迭代計(jì)算，驅(qū)動(dòng)機(jī)械臂運(yùn)動(dòng)，直到機(jī)械臂和矸石的距離差值到達(dá)規(guī)定的閾值，認(rèn)為找到最佳抓取點(diǎn)，執(zhí)行抓取任務(wù)。金字塔形尋優(yōu)法的攔截技術(shù)能夠有效協(xié)調(diào)機(jī)器手抓取動(dòng)作和傳送帶上物料的運(yùn)動(dòng)速度，提高在實(shí)際工況中的動(dòng)態(tài)抓取效率。

4 結(jié)語(yǔ)

煤炭行業(yè)智能化運(yùn)行勢(shì)不可擋。對(duì)于煤炭生產(chǎn)中的煤矸石分揀環(huán)節(jié)，通過(guò)煤矸石分揀控制系統(tǒng)能夠?qū)崿F(xiàn)智能感知、分析決策、自動(dòng)執(zhí)行的煤礦智能化體分揀。該智能化控制系統(tǒng)利用高斯混合模型實(shí)現(xiàn)皮帶背景與煤矸石的分離，利用魯棒性和泛化性強(qiáng)的支持向量機(jī)建立煤和矸石的分類模型，再通過(guò)模糊推理確定大量矸石的優(yōu)先抓取順序，利用金字塔形尋優(yōu)法的攔截技術(shù)決定機(jī)械臂軌跡及夾持器的姿態(tài)計(jì)算實(shí)現(xiàn)煤矸石的智能抓取。這種基于圖像的識(shí)別、智能分選的思路不僅適用于煤炭行業(yè)，而且對(duì)提高其他行業(yè)智能化運(yùn)行具有一定的參考。