推耙机全自动智能控制关键技术的研究

王帆，王君伟，周琦

（浙江浙能嘉华发电有限公司燃料部，浙江 杭州 310009）

某大型火力发电厂一二期码头有4台卸船机，2个泊位；三期码头有2台卸船机，1个泊位。可同时停靠3条4万吨级的煤船，而推耙机在该大型火力发电厂主要用于煤船清舱。

目前煤船清舱作业是在卸船机抓取船舱中部煤量之后，将推耙机吊入船舱，操作人员通过船上爬梯上下船舱，进入驾驶室进行耙煤作业。为了保证煤船及时卸煤，操作人员必须轮班作业；且船舱内空间狭小，空气流动性差，推耙机大功率柴油发动机排出大量的废气和噪声不易扩散；粉尘浓度高，操作人员在密闭的驾驶舱里需带上口罩工作，所以夏季作业高温难耐；由于粉尘浓度高造成舱内能见度低，影响操作人员视线，降低了作业效率；推耙机操作人员通过船上爬梯上下船舱，在阴雨冰雪天，梯湿易滑，视线差，存在安全隐患。因此对常规推耙机进行智能化的研究，使之成为智能装备显得尤为重要。

本文利用现有推耙机，针对其作业工况与作业工艺进行智能化改造，就其中涉及的关键技术进行深入研究，以实现推耙机在封闭船舱内的无人驾驶自动清舱功能。

1 目标分析

本次研究以日本小松推耙机D63EX－12为目标。其尺寸为长5855mm，宽3020mm，高2990mm，采用涡轮增压后水冷式柴油发动机，额定功率155kw，整车机动采用履带底盘，前进有三个档位，速度分别为：3．4km／h，5．8km／h，9．0km／h，后退也有三个档位，其速度分别为：4．4km／h，7．5km／h，11．0km／h。D63E－12整机操作重量17600公斤，最小转弯半径3m。驾驶舱内布置：驾驶舱为单人座椅，左手操作手柄控制前进和后退、左右转向、档位切换，右手操作手柄控制推耙铲升降及角度变换，右脚下设有刹车、油门踏板。前方设有数据显示屏、车灯开关、发动机钥匙孔等。履带式推耙机在舱内作业方式以倒退耙煤堆高为主，最后清仓时用前进推煤方法进行堆高。

为实现推耙机在船舱内的全自动作业，在保留其原有机械性能的基础上，需要对其进行电气及加装感知传感器的改造。

2 系统组成

实现推耙机全自动智能控制系统，主要包括：

1）感知定位：通过64线激光扫描仪获取的点云数据，由控制系统分析处理成为实体模型，建立作业船舱系统地图。通过对船型数据库的数据修正船舱地图的建立，确保系统安全。通过扫测结果与地图的建立，实时计算定位推耙机相对于船舱中的实际位置。

2）环境建图：通过64线激光扫描仪和固态激光的点云数据叠加，并以IMU变换得到公共坐标系，建立3D环境地图。

3）路径规划：上位机通过扫测的煤垛分布、形状、舱壁形状、距离、及自身计算的定位信息与建模地图对比，通过智能算法推导出最佳作业路径与作业规则。后续自动作业流程将遵循智能推耙规划作业的规则进行。通过扫描仪与IMU，实时判断自身运动的速度、方向、位置等，与运动路径时刻对比，实现导航运动。

4）煤量分析：通过扫描仪扫测船舱内煤垛分布、形状、舱壁形状、距离等，获取作业目标及定位信息的必要数据，分割煤与船舱模型，并结合图像识别判定剩余煤量。

3 关键技术

3．1 感知定位技术

为实现推耙机的无人自动作业，首要实现其对作业环境的感知，包括：实时坐标定位、实时姿态判定、实时环境分析等。推耙机的工作环境为封闭式船舱，船舱内残留有大量煤矿散料，故传统推耙机在船舱内作业时，存在频繁上下煤坡的情况。研究阶段使用MAYA三维建模软件，1：1比例建立模拟实际船舱环境的船舱模型，然后保存为DAE格式的文件，再导入进Gazebo仿真环境中。

在仿真环境中，使用开源代码LEGOLOAM首先对周围环境进行特征点的提取。其中，特征点根据点云的曲率大小分为角点与平面点。根据提取到的特征点随后进行帧与帧间的匹配，利用最小二乘法计算得到初步的帧与帧间的车辆位置变换。将特征点匹配的结果再作为帧与点云地图间匹配的初始值，进行精确匹配计算得到较为精确的车辆位置。

本次研究采用64线激光扫描仪采集环境点云数据和IMU采集推耙机自身运动姿态。受限于船舱尺寸与煤垛较低的反射率，采用64线激光的原因是其能提供更加精准细密的点云数据，且具有更加宽广的发散角度。根据多传感器融合的方法，融合IMU与激光雷达点云数据，对点云进行分割，将墙壁点云、天花板点云还有煤堆点云区分开，利用点云分割的结果，提取出墙壁点云，并以此构建栅格地图，最终船舱建图效果，可用于车辆的导航。最后对船舱内部与室外环境的建图与定位效果进行了测试，利用点云录制程序，在电厂室外进行点云数据采集，并进行仿真。

3．2 环境建图技术

环境建图用于系统建立统一坐标系，为推耙机路径规划提供数据参考，并为上位机提供可视化数据。项目采用的固态激光雷达是Livox－Mid－40，其采用了非重复扫描方式，具有较高的视场覆盖率，且随着积分时间变长，视场覆盖率也会显著增大，直到接近100%。通过视场覆盖率对比可以表明Mid－40的扫描点云特性十分出色，并随着时间推移达到最优。当积分时间为0．1s，Mid－40与32线产品相近；当积分时间为0．5s时，Mid－40与64线产品相近。当积分时间继续增大时，覆盖率随之增大，直至接近100%。在实际测试的过程中发现固态激光雷达由于其FOV较小（只有40°左右大小），只要晃动的剧烈一点就会丢失，由于该激光雷达的扫描特性（非重复性扫描），单由固态雷达建的图效果不好。

最后采用了由64激光雷达提供位姿，并经过固态雷达和机械雷达的TF相对位置矫正之后，由固态激光雷达叠加扫描帧。固态雷达的扫描精度高，扫描速度快，但是扫描角有限，固态意味着激光雷达不能进行360度旋转，只能探测前方。因此要实现全地图输出，需采用程序维护一个全局地图，每一帧固态扫描会叠加当前扫描区域，从而更新地图。

本次研究为方便上位机显示地图信息，由点云信息建模地图转化为具有颜色分段的可视化高层地图。从上一节点通过话题接收到了当前帧对应的全局地图，开始处理输出得到高层地图，主要是根据矫正好的点云地图进行二维投影，然后计算出当前全局地图最低点和最高点，从而计算高度，遍历给当前投影点赋值和RGB值，最后在扩大的地图空域通过KNN的最近邻点来赋值。

3．3 煤量识别技术

推耙机的路径规划是以逐帧分析当前剩余煤量（体积）及分布特点，作为下一话题执行的判定条件。船舱内当前余煤体积和是否存在煤，是作为整个路径规划中止或终止条件的重要判定依据。

由上述感知定位模块可知，利用64线激光可以有效获取船舱内墙壁（垂直）与煤垛（曲面）数据并实现分割。但由于点云密度较稀疏，难以计算出煤垛的当前体积。本次研究采用密度较高的固态激光对周围场景进行累加扫描，获取点云通过微积分原理，实现煤垛体积的初步计算。通过提取点云数据的连续线性特征，从而预测插补空间曲面弧形的形状与坐标，实现平滑过渡，提高计算精度。由于运动状态中的不确定因素干扰，为提高计算真实性，辅助采用视觉识别的方法。

船舱内煤垛采用车载型高清摄像机实时采集，并以一定采样周期提取帧图片进行数据分析。

3．3．1 图像分割算法的实际工况性能及结果

1）K－Means聚类算法：图像处理速度极慢，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。（特征提取算法结果与聚类结果基本一致）。

3）HSV三通道阈值分割算法：分割速度快，精度较高，缺点是三通道阈值需要在不同场合下更新。

3．3．2 煤堆识别阈值分割算法

1）若暗光和非充足光照条件，LIME低照度增强。

2）RGB图像输入，转化HSV通道。

3）图像形态学处理操作。

设置感兴趣阈值，通过三通道阈值将ROI分割出来，并展示flag。

3．4 安全限制技术

安全限制用于确保推耙机在作业过程不会撞击船舱壁和爬坡过程中不会倾翻。

安全模块推耙机初始化工作的时候启动并将一直保持运行。安全模块通过读取IMU数据来判断是否超过安全角度，并接收定位模块发送的以车身为中心的6个方向到墙壁的信息判断是否有障碍物。保证以车身为中心到6个方向的一定距离内没有障碍物。根据激光雷达得到车辆左前方、正前方、右前方、右后方、正后方、左后方六个方位的离墙距离。当反馈安全角度或安全距离超限时，由底层控制模块输出限制运动指令。

3．5 路径规划技术

推耙机根据上位机指令初始化路径规划。推耙机将实现给定的推耙指令，高层地图数据可以让推耙机实现高效且安全的推耙。不论在何种推耙模式下，安全模块都将保持运转，保证推耙的安全性。

推耙机总体设置有遥控和自动两种模式。遥控可以让操作人员远程遥控推耙机；当切换为自动模式之后，推耙机先判断是否收到新的自动控制模式，若自动控制模式更新，则会开始新的自动推耙，若自动控制模式未更新，则推耙机将会回到上一次自动推耙被手动控制打断的地方继续完成自动推耙工作，达到自动切换的目的。高层地图是否正常计算取决于给定的推耙模式。

当推耙模式为被上位机限定在某一船舱时，需要提取高层地图并对它进行分割，利用OPENCV的库函数进行图像提取获得初始推耙线，在遍历完该推耙线之后再进行图形的提取获得下一条推耙线，从而保证了推耙机的工作效率。通过对中控室给定的煤堆船舱进行提取最终传出回退点位置坐标以及煤区开始和结束位置坐标。提取采用OPENCV的方法，对整个高程RGB图进行提取四角点。采用了OPENCV和矩阵搜索赋值保留红色灰度信息的两种方法，对船舱提取采用OPENCV方法，中间去除类小的连通域。

实际路径算法中，采取路径动作分解的策略：即以单次往返并推煤或耙煤为一次路径，将一次清舱作业任务分解为N次路径。路径的起点与终点由建图信息输入，并由路径模块进行计算解析。路径模式采用拟合Dubins曲线，并采用基于高程地图数据的A＊算法，寻求高效路径。

4 结论

本次研究的关键技术在于船舱内实现安全、精准的实时定位与路径规划，实时煤量分析，以高效地完成清舱作业。通过现场验证与过程研究分析，推耙机智能全自动控制关键技术已经取得一定成果。本次研究成果为改善推耙机操作人员的作业条件、降低劳动强度，提高电厂清舱作业安全、合理安排清舱，提高清舱作业劳动生产率奠定了基础，同时顺应时代发展，对建设“智慧电厂”的战略需要，具有推广应用价值。