露天矿智能采装功能模块设计

王怀远，王润，陈冲，崔新男，岳星彤

(1.鞍钢集团北京研究院有限公司， 北京 102209；2.鞍钢集团矿业有限公司齐大山铁矿， 辽宁 鞍山市 114000)

0 引言

当前智能矿山建设处于关键时期[1-2]，智能矿山需要以信息化技术为依托，融合AI、大数据、智能控制等先进技术，最大程度减少恶劣环境中的作业人员，提升本质安全[3]，提高工作效率。露天矿开采一般包括穿孔、爆破、采装、运输、排卸环节[4]，其中采装环节是露天矿开采生产过程的中心环节[5]。智能矿山建设过程中，需要对各个环节进行智能化功能设计或改进，采装作为中心环节更是智能化设计和改进的重中之重。

金属露天矿山的采装环节是指在裸露矿脉或爆堆中利用电铲等挖掘设备将矿岩采集出来，并装入矿用自卸车或其他运输容器之中的工作。采装决定着露天矿开采方式、开采强度和最终的经济效益[6]。目前金属露天矿采装工作使用的大型挖掘和运输装备绝大多数由人工操作，存在着工作效率低、标准化程度低、作业环境不安全、不能进行全程监管等问题[7]。因此，只有对采装环节进行智能化功能设计和改进，才能从根本上解决上述问题，并充分发挥出露天矿经济效益高的优势。

1 智能采装功能设计

针对上述采装环节存在的问题，设计了具备电铲远程监控模块、动态称重模块、电铲自主挖掘与装载模块以及斗齿检测模块的智能采装系统。具体的功能如图1所示。

图1 智能采装功能结构

2 模块功能分析

2.1 电铲远程监控模块

远程监控模块需要包含两部分，分别为电气数据监控模块和应力应变数据监控模块。在不影响电铲正常工作的情况下，将电气数据监控模块布置在发动机、液压机、电动机等重要部件上，监测温度、电压、电流、油压等关键数据。应力应变模块是由应力应变传感器组成，主要布置于斗臂各个连接处，以此监测斗臂应力和应变情况。电铲远程监控模块实时将这些重要工作参数传输至服务器保存，利用智能算法解析采集终端发送过来的海量数据并将其进行可视化处理，然后将分析结果传输至移动用户端，此时通过数据解析结果能够及时掌握电铲整体的工作状态，并快速对电铲各个部件可能出现的故障做出维修计划，避免安全事故发生，降低故障发生率和采装成本，提高工作效率。

该模块分为数据采集、服务器、远程客户端。数据采集终端主要由传感器、电源、功能模块、控制模块组成。传感器主要负责原始数据采集；功能模块由信号传输、开关量、模拟量模块、显示模块组成，其主要功能为采集和传输设备的开关状态、电压电流、设备位置等信息；控制模块主要负责响应和解决系统远程客户端及中端反馈的问题和命令等调度工作。数据采集终端主要由软件组成，而软件由初始化程序、模数转换程序、数据转发接口、通信接口组成。数据采集终端采集的电铲工作参数一方面能够通过显示模块在本地显示，另一方面，也能够利用通讯功能间接传送至服务器端。服务器用于实时接收、解析和存储电铲工作参数数据。远程移动或固定客户端利用通讯协议登陆互联网上的服务端，获取实时数据并显示，基于智能算法对其进行数据分析，及时发现异常信息并给出报警提示。

2.2 动态称重模块

动态称重模块由拉力传感器、加速度传感器、无线数据传输模块组成，通过钢绳拉力和铲斗运行加速度间接计算物料质量，并将计算结果通过数据传输模块上传到管理系统。动态称重功能是在铲斗处于物料输送的动态过程中，根据铲斗受力随时间变化的规律计算铲斗物料质量的方法。具体原理如下：当回转机构静止时，铲斗、铲臂、提升钢绳是在同一个平面内运动，铲斗的具体路径呈变径旋转状态。正常作业情况下的铲架、铲臂、钢绳组成的形状均为一个三角形，随着铲斗的运动，三角形的形状不断在变化，因此，测出提升钢绳的拉力和铲斗运动的加速度，即可得到重量，然后将得到的重量减去铲斗及铲杆前端的重量就得出了铲装物料的重量，以此实现电铲不停工装载称重。

整个模块由诸多无线拉力传感器节点、无线加速度传感器节点、中继节点、通讯接口模块和上位机组成。拉力传感器和加速度传感器节点安装在钢绳和铲斗上，执行数据采集、本地显示、数据预处理和数据传输等工作。距上位机无线接口比较近的传感器节点直接上传数据。若传感器距上位机无线接口过远，则需要设置中继节点。上位机负责向各个节点发送控制和收集数据指令，通过内嵌智能算法对采集到的每个节点的测量数据进行智能分析、可视化处理。

2.3 电铲自主挖掘装载模块

挖掘是铲斗和被挖掘物料相互作用的过程，挖掘过程中，在铲斗的作用下物料原有状态发生了破坏，同时铲斗与被挖掘物料相互作用产生挖掘阻力，挖掘阻力模型是电铲挖掘工作性能分析与优化设计的基础。挖掘过程中电铲铲斗和矿岩物料之间的相互作用主要有插入、切削和挖掘。电铲在进行矿岩的挖掘时，针对三维形态的爆堆，按照对应优化的挖掘轨迹进行挖掘，可显著提高电铲挖掘的满斗率和工作效率，同时降低能耗。

2.3.1 挖掘轨迹控制

电铲挖掘轨迹指电铲工作状态下，从斗齿切入、挖掘、提升、转动到卸载的全过程运动轨迹。实质上，针对特定的挖掘面，斗齿的最优挖掘轨迹是确定的，寻找到最优挖掘轨迹能够大幅提升电铲作业效率，最大程度减少斗齿和斗唇磨损。

轨迹控制与挖掘装置的运动平稳性和挖掘物料硬度及松散程度息息相关，在电铲工作过程中，S曲线控制模式为提升电机与推压电机功率控制曲线中最为经典的模式，而电铲挖掘轨迹则常常被描述成对数螺旋曲线。

轨迹控制的前提为铲斗挖掘轨迹规划，首先需要建立电铲推压机构功率输出特性模型和物料硬度及松散模型，根据此两种模型建立挖掘阻力与挖掘时间模型，确定斗齿磨损系数，以达到最短挖掘时间和最小斗齿磨损系数为目标，确定斗齿最佳运行轨迹。本文设计该挖掘轨迹控制功能需依据物料性质、装卸点位置，借鉴机器人轨迹控制中的多项式方法来优化功率控制S曲线和铲斗轨迹对数螺旋曲线。

2.3.2 智能装载

电铲挖掘后一般会转动约90°将物料送入矿卡，为了精确感知电铲与卡车的距离，减少盲区，在电铲回转装置和行走机构之间的固定位置加装 4组测距传感器，使其拥有4个方向的视野，由于传感器不随回转机构移动，因此视野相对稳定，利于精确测距。电铲在从前方转到卡车装料侧时，4组测距传感器至少有1组能够测量出电铲距卡车的距离，根据2种设备的距离，来确定斗杆伸出距离，同时其他3组测距传感器进行信息交流，不断纠正装载参数。

2.4 斗齿检测模块

电铲铲斗的斗齿组件是电铲上最容易发生损害的部件，而且这种破坏又极难被发现，只能在停机时利用人工点检来确定斗齿是否破坏。如果铲斗斗齿断损甚至丢失，将会带来严重后果。

（1）若斗齿整体脱落，铲斗斗唇-斗齿安装处将受到严重磨损，此处修复困难，即使修复也会极大影响斗齿后续安装，斗齿很难与之契合，造成斗齿习惯性脱落，极大降低工作寿命和铲装效率。

（2）电铲斗齿均由强度极高的锰钢或其他合金制成，破碎机无法将其破碎，因此如果斗齿断损甚至脱落且未及时发现，斗齿有可能将被运至破碎站进入破碎系统，导致破碎设备卡堵、损坏或皮带撕裂等事故，这不仅影响破碎生产工艺线的运行，而且影响整个采矿工艺流程的正常运转，并造成重大经济损失，甚至威胁工作人员生命安全。

因此本文设计斗齿智能监测系统模块，并成功在矿山应用。该斗齿监测系统是由红外热成像相机、工控机和显示器组成，核心算法为DeepLab及YOLO深度学习计算机视觉智能算法。该模块通过红外热成像相机获取电铲斗齿图像信息，利用计算机视觉技术对热成像图像数据进行分析，最终实现斗齿脱落和破损检测。为了能清晰地拍摄斗齿，在电铲动臂2个天轮之间安装弹簧减震台，连接红外热成像相机，配备4G信号发射装置，电铲驾驶室配备工控机和显示器以及斗齿脱落和破损报警器。

系统功能模块：

（1）图像读取模块。通过程序设定，每 100 ms读取一次，并通过4G信号发射装置将该帧图片传输到云端存储并进行分析。

（2）视频分析模块。若读取的图像通过算法分析，确定为可疑图像，则启用视频分析模块，以可疑图像为起点，累计10 s截取视频，利用YOLO算法对其进行实时分析，并生成带有检测结果的一个.mp4格式文件。

（3）斗齿脱落检测模块。斗齿脱落检测模块是通过 YOLO等目标检测算法对图像中的斗齿进行识别，识别出一个斗齿累加一次，最终得出的数量如果与正常斗齿数量一致则认为斗齿未脱落，若数量少于正常数量，则表示存在斗齿脱落的情况。

（4）斗齿破损监测模块。利用u-net和Deep-Lab语义分割算法，对斗齿图像进行精准分割并与标准图像进行配准，以此来监测斗齿破损情况。

（5）报警模块。若斗齿脱落检测模块和斗齿破损监测模块反馈斗齿数量减少或斗齿破损，报警模块需立即响起警报，提示司机立即停止作业，并鸣笛通知卡车司机停车检查。

斗齿检测方法：

第一阶段：利用目标检测算法识别出斗齿在图像的大概位置，确定检测区域。使用DeepLab深度学习模型对原始图像中的斗齿进行语义分割。

第二阶段：利用第一阶段语义分割后的图像与原始图像进行配准，若重合面积＞80%，则视为斗齿未破损和缺失，若重合面积≤80%，则认为斗齿缺失，并发出斗齿缺失红色警告。

检测后效果如图2所示。

图2 检测后效果

3 结语

本文主要从设备工作状态监测、被挖物料性质、铲与装动作规划与控制、异常作业监测4个方面系统地设计了露天矿智能采装工艺，分别设计了电铲远程监控、动态称重、电铲自主挖掘与装载、斗齿监测功能模块。该智能采装工艺囊括了大部分采装过程中易受操作人员主观影响的关键节点，采用的技术均为当前成熟的先进技术，落地可能性较大，现实意义极强，对提升矿山本质安全水平，提高工作效率，推动无人化开采，加快智慧矿山建设具有重大意义。