張袁浩， 潘祥生， 陳曉晶， 霍振龍， 任書文， 季亮

（1. 中煤科工集團常州研究院有限公司，江蘇 常州 213015；2. 天地（常州）自動化股份有限公司，江蘇 常州 213015）

0 引言

煤礦機械化、自動化、信息化和智能化是安全高效綠色現(xiàn)代化煤礦的發(fā)展方向[1-2]。國家能源局、科學(xué)技術(shù)部最新印發(fā)的《“十四五”能源領(lǐng)域科技創(chuàng)新規(guī)劃》將煤炭精準(zhǔn)智能化洗選加工技術(shù)作為重點任務(wù)之一，并要求形成煤炭精確分選技術(shù)工藝及裝備[3]。煤炭洗選是將煤中矸石和雜質(zhì)去除的過程，對提高原煤質(zhì)量和推進煤炭清潔高效利用具有重要意義。煤矸隨主運輸膠帶升井后，作業(yè)人員需在地面揀矸膠帶處對矸石進行分揀，對于直徑小于200 mm的矸石一般采用機械動篩法進行處理，針對大于200 mm的大塊矸石，仍采用人工揀矸的方式進行分揀，這種方式分揀效率較低，現(xiàn)場揀矸環(huán)境惡劣，作業(yè)人員勞動強度大。

隨著智能檢測和機器人控制技術(shù)的不斷發(fā)展，應(yīng)用智能選矸機器人實現(xiàn)煤矸智能化分選逐漸成為趨勢。智能選矸機器人具有煤矸智能識別、目標(biāo)精確定位、矸石快速分揀等功能[4-5]，能夠替代作業(yè)人員進行煤矸分揀作業(yè)，可大幅降低作業(yè)人員勞動強度，提高矸石分揀效率。目前，選矸機器人技術(shù)研發(fā)和應(yīng)用進展迅速，涉及到的關(guān)鍵技術(shù)大體可劃分為煤矸識別技術(shù)和分揀執(zhí)行機構(gòu)控制技術(shù)，即機器人設(shè)備根據(jù)煤矸識別結(jié)果執(zhí)行分揀動作將煤矸有效分離。目前，國內(nèi)已有一些煤礦應(yīng)用智能選矸機器人進行煤矸分選[6-7]，但由于煤矸分揀環(huán)境復(fù)雜，智能選矸機器人實際應(yīng)用中在算法識別效率和分揀系統(tǒng)可靠性方面存在難點，關(guān)鍵技術(shù)仍需進一步攻關(guān)。本文主要介紹了智能選矸機器人應(yīng)用與研究現(xiàn)狀，針對實際應(yīng)用難點分析了智能選矸機器人研究過程中的關(guān)鍵技術(shù)及其存在的問題，指出了智能選矸機器人今后的研究方向，為選矸機器人產(chǎn)品進一步研發(fā)提供參考。

1 選矸機器人應(yīng)用與研究現(xiàn)狀

瑞典、德國等歐美發(fā)達國家于20世紀(jì)中期就開始致力于礦石分選設(shè)備的研究，無論是從技術(shù)原理還是產(chǎn)品形態(tài)等方面，都對國內(nèi)選矸機器人研發(fā)具有一定的借鑒意義[8]。2003年，瑞典Comex公司為不少礦業(yè)公司提供了礦石分選解決方案，其研制的采用X射線投射原理的分選設(shè)備可用于分揀非金屬和金屬礦石。由線掃描相機和X射線分析儀構(gòu)成的識別裝置，利用基于工業(yè)PC的控制系統(tǒng)和礦石分離算法，可通過礦石物理特性進行顆粒形狀識別，以區(qū)分不同類型的礦石，并可對礦石顆粒位置尺寸進行計算，由陣列式高壓氣動噴嘴組成的分揀作業(yè)執(zhí)行機構(gòu)使目標(biāo)礦石改變拋離軌跡，從而達到礦石分離的目的。德國Commodas Ultrasort公司基于近紅外射線（Near Infrared Spectrometry，NIS）的礦物識別技術(shù)，采用高壓氣動噴嘴分揀方式研制了礦石分選機，應(yīng)用效果良好。2011年，俄羅斯Rados公司研制的礦石分揀機采用基于X射線熒光光譜分析技術(shù)，可通過同時測量礦石表面的4種金屬含量對礦石進行分類，并研制了打板式分離執(zhí)行系統(tǒng)作為礦石分揀執(zhí)行機構(gòu)[8]（圖1），控制電磁擋板裝置使礦石下落軌跡偏離，實現(xiàn)礦石分類。

圖1 打板式分揀執(zhí)行機構(gòu)和氣動噴嘴分揀執(zhí)行機構(gòu)Fig. 1 Plate and pneumatic nozzle sorting actuator

進入到21世紀(jì)，國內(nèi)開始引進和研究用于煤礦領(lǐng)域的智能選矸機器人裝備，隨著機器視覺和機器人技術(shù)的不斷發(fā)展，國內(nèi)機器人廠商和科研院所經(jīng)過不斷的技術(shù)革新，在借鑒國外礦石分選設(shè)備采用X射線和陣列式高壓氣動噴嘴的基礎(chǔ)上，研制出了具有自主知識產(chǎn)權(quán)的選矸機器人產(chǎn)品。除了利用X射線識別法之外，還應(yīng)用圖像處理技術(shù)和深度學(xué)習(xí)算法進行煤矸識別，可有效對煤矸類別和位置進行識別。針對特定現(xiàn)場的分揀環(huán)境，研制了選矸用桁架機器人[9]、并聯(lián)機器人[10-11]和工業(yè)機器人系統(tǒng)，一定程度上實現(xiàn)了煤矸快速分選，并在煤礦現(xiàn)場成功應(yīng)用。目前，以陣列式高壓氣動噴嘴作為分揀執(zhí)行機構(gòu)的選矸機器人應(yīng)用較為成熟[12]，優(yōu)點是能夠適配較高的膠帶帶速，可對小塊煤矸進行快速分離。但其在大體積、大質(zhì)量矸石分揀環(huán)境和煤矸密集分布的情況下具有局限性。

針對現(xiàn)場大塊矸石分揀特殊環(huán)境的需求，研制出了以桁架機器人[13-14]、并聯(lián)機器人和六軸工業(yè)機器人等不同類型機器人為主體配合末端機械手作為選矸機器人的分揀執(zhí)行機構(gòu)，機械臂在工作空間內(nèi)按照既定的運動軌跡完成移動和抓取操作，實現(xiàn)矸石的快速分揀。桁架選矸機器人分揀執(zhí)行機構(gòu)如圖2所示。桁架選矸機器人有X，Y，Z三個方向的移動副和末端機械手繞Z軸方向旋轉(zhuǎn)的旋轉(zhuǎn)副，具有控制簡單、承載能力強的特點。但由于機械臂矸石分揀動作對于矸石定位精度的要求較高，在大量煤矸密集分布狀態(tài)下，機械手下放的目標(biāo)抓取點必須在煤矸間隙，在下放過程中機械手不能與目標(biāo)上表面進行接觸，因此，需要利用附加的排列裝置使煤矸先進行規(guī)則排列。大塊煤矸經(jīng)過排列裝置時容易發(fā)生堵塞，且排列裝置需要足夠長的膠帶線來布置，現(xiàn)場應(yīng)用受限。因此，桁架選矸機器人在進行大塊矸石抓取動作時，需考慮機械手適應(yīng)性問題。

圖2 桁架選矸機器人分揀執(zhí)行機構(gòu)Fig. 2 Sorting actuator of trussed gangue sorting robot

傳統(tǒng)并聯(lián)機器人因承受負載較小，無法在煤礦矸石分揀現(xiàn)場使用。趙明輝等[10]研究了一款選矸用的雙臂并聯(lián)機器人，在分揀動作上創(chuàng)造性地提出用“撥離”代替“抓取”的方式，將矸石分離到膠帶一側(cè)，“撥爪”結(jié)構(gòu)可根據(jù)矸石的大小進行調(diào)節(jié)，該方法為解決大質(zhì)量矸石分揀問題提供了新的思路。并聯(lián)選矸機器人分揀執(zhí)行機構(gòu)如圖3所示。

圖3 并聯(lián)選矸機器人分揀執(zhí)行機構(gòu)Fig. 3 Sorting actuator of parallel gangue sorting robot

目前國內(nèi)應(yīng)用較多的智能選矸機器人產(chǎn)品有TDS智能干選機[6]、GPRT智能煤矸分選機器人[15]、RDS智能選矸機器人和BIS-R智能機器人揀矸系統(tǒng)[16]。主流選矸機器人系統(tǒng)工作原理見表1。

表1 主流選矸機器人系統(tǒng)工作原理Table 1 Working principles of main gangue sorting robot systems

從應(yīng)用與研究現(xiàn)狀來看，智能選矸機器人主要基于X射線和圖像識別原理，利用高壓氣動分揀和桁架機器人抓取進行煤矸分離。智能選矸機器人分揀執(zhí)行機構(gòu)主要有桁架式、并聯(lián)式、串聯(lián)式等類型，響應(yīng)速度快，常常以“撥”和“抓”的形式將矸石分離。在膠帶運輸過程中，智能選矸機器人“撥”需考慮不同矸石尺寸的兼容性及運動路徑的優(yōu)化，“抓”需考慮機械手的作業(yè)空間及機器人的承載能力。

2 智能選矸機器人關(guān)鍵技術(shù)

智能選矸機器人的出現(xiàn)提升了原煤的入選率，降低了工人勞動強度，實現(xiàn)了煤炭高效洗選和綠色生產(chǎn)的目標(biāo)，有著巨大的應(yīng)用前景和商業(yè)價值，其關(guān)鍵技術(shù)成為煤礦機器人研究的熱點。從技術(shù)架構(gòu)來看，智能選矸機器人是計算機、機械、自動化、通信等多學(xué)科交叉的產(chǎn)物，其產(chǎn)品結(jié)構(gòu)主要由煤矸識別系統(tǒng)和分揀作業(yè)執(zhí)行系統(tǒng)組成。近年來，機器視覺和機器人技術(shù)的迅速發(fā)展與應(yīng)用，為現(xiàn)階段智能選矸機器人關(guān)鍵技術(shù)的攻破提供了更多技術(shù)手段。

2.1 圖像識別技術(shù)

近年來，圖像識別技術(shù)已被廣泛應(yīng)用于煤矸識別中，與傳統(tǒng)煤矸識別技術(shù)中的X射線、γ射線識別法相比，圖像識別技術(shù)需要以工業(yè)相機、深度相機作為圖像采集單元，以視覺工控機、智能運算平臺作為數(shù)據(jù)處理主機，通過圖像識別算法對煤矸圖像進行分析，以對煤矸進行識別。煤矸圖像識別技術(shù)可分為基于傳統(tǒng)計算機視覺的煤矸識別方法和基于深度學(xué)習(xí)的煤矸識別方法，具有智能化程度較高、識別效率高和硬件組成簡單等優(yōu)勢。

馬憲民等[17]利用煤與矸石的灰度均值和灰度方差的概率分布特征，將其與閾值進行比較實現(xiàn)了煤矸識別。何敏等[18]提出了基于支持向量機和紋理識別煤矸的方法，以灰度均值、灰度共生矩陣最大值、二階矩、對比度、相關(guān)性、熵6個參數(shù)作為支持向量機的訓(xùn)練特征進行煤矸識別，該方法存在較高的特征空間維數(shù)，在試驗樣本環(huán)境下識別算法較為快速準(zhǔn)確，但對于復(fù)雜的煤矸分布環(huán)境，算法準(zhǔn)確率和普適性還有待提高。孫繼平等[19]嘗試將煤矸圖像進行多尺度分解并結(jié)合灰度共生矩陣提取煤矸紋理特征，實驗結(jié)果顯示該方法比常規(guī)方法提取的特征更有效。Li Lihong等[20]提出了基于紋理分析的自適應(yīng)窗口，考慮了圖像的灰度特征，同時利用圖像的空間信息，提高了煤矸識別精度，但無法實現(xiàn)矸石的自動識別與定位。

2012年以后，以卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)算法在圖像分類領(lǐng)域展示出了強大潛力，基于深度學(xué)習(xí)的目標(biāo)檢測算法在工業(yè)場景中的應(yīng)用越來越多。由于深度學(xué)習(xí)算法識別率較高、魯棒性強，在煤矸識別方面得到了快速推廣應(yīng)用[21-22]。針對煤矸識別算法識別率低、定位精度差、時延長等問題，曹現(xiàn)剛等[23]研究了基于卷積神經(jīng)網(wǎng)絡(luò)的煤矸識別算法，提高了識別率和定位精度。郜亞松等[24]提出了一種基于改進型輕量級深度識別網(wǎng)絡(luò)模型的煤矸識別方法，提高了模型識別精度和召回率。沈科等[25]將改進后的YOLOv5s模型應(yīng)用于煤矸目標(biāo)檢測中，利用自校正卷積提取特征，并融合多尺度特征信息，成功降低了模型復(fù)雜度并提高了煤矸識別的實時性，有效提高了煤矸識別精度和速度。

從目前研究狀況看，基于深度學(xué)習(xí)的煤矸識別技術(shù)較傳統(tǒng)煤矸識別技術(shù)具有硬件設(shè)備簡單、識別效率高等優(yōu)勢，其利用深度卷積神經(jīng)網(wǎng)絡(luò)對煤矸圖像數(shù)據(jù)集進行訓(xùn)練，自動提取煤矸圖像特征，并不斷優(yōu)化網(wǎng)絡(luò)模型使得模型更加健壯，可準(zhǔn)確地輸出煤矸檢測結(jié)果和位置信息，為后續(xù)的機器人分揀執(zhí)行動作提供依據(jù)。但由于煤炭行業(yè)的特殊性和復(fù)雜性，基于深度學(xué)習(xí)的煤矸識別技術(shù)作為選矸機器人的關(guān)鍵技術(shù)之一，仍需進一步研究。

（1） 煤矸數(shù)據(jù)集高效構(gòu)建方法研究?；谏疃葘W(xué)習(xí)的目標(biāo)檢測算法在文字識別、人臉識別、車輛識別、安全行為檢測等領(lǐng)域已有非常成熟的應(yīng)用。不同于其他行業(yè)，煤炭行業(yè)的特殊性使得煤矸識別領(lǐng)域目前仍缺失大規(guī)模的煤矸圖像數(shù)據(jù)集。而數(shù)據(jù)依賴是深度學(xué)習(xí)中最嚴重的問題之一，與傳統(tǒng)的機器學(xué)習(xí)方法相比，深度學(xué)習(xí)對海量訓(xùn)練數(shù)據(jù)的依賴性非常強，因為它需要大量的數(shù)據(jù)來理解數(shù)據(jù)的潛在模式?，F(xiàn)有針對煤矸目標(biāo)檢測算法的研究大多是在小樣本煤矸數(shù)據(jù)集上進行算法的訓(xùn)練，模型性能受數(shù)據(jù)集大小和質(zhì)量的直接影響。深度學(xué)習(xí)模型與算法內(nèi)在優(yōu)異的性能十分依賴于數(shù)據(jù)標(biāo)注，但目前數(shù)據(jù)標(biāo)注仍然主要依靠人工來完成，這種方式成本高，周期長。煤矸分揀現(xiàn)場環(huán)境較為復(fù)雜，獲取到的煤矸圖像常受到噪聲影響，圖像模糊，或被遮擋等，且無統(tǒng)一標(biāo)注標(biāo)準(zhǔn)。如何自動標(biāo)注大規(guī)模低質(zhì)量數(shù)據(jù)是一項極具挑戰(zhàn)的任務(wù)，因此需研究煤矸數(shù)據(jù)集高效構(gòu)建方法。

（2） 煤矸識別算法的泛化性提升研究。不同礦區(qū)、不同地域的煤矸賦存特性和表面特征狀態(tài)均具有差異性，現(xiàn)有研究煤矸識別算法的模型一般都是針對某一礦區(qū)的煤矸構(gòu)建的，并不適配多個現(xiàn)場，需要構(gòu)建一種新型的算法模型，不僅要對煤矸訓(xùn)練集有很好的擬合能力，而且應(yīng)對未知煤矸數(shù)據(jù)集有很好的泛化能力。

（3） 煤矸識別算法實時性優(yōu)化方法研究。為了提高煤矸識別算法的泛化性，一些學(xué)者對煤矸數(shù)據(jù)集進行了處理，例如利用圖像增強技術(shù)對圖像數(shù)據(jù)張量進行濾波、形態(tài)學(xué)處理、數(shù)據(jù)擴充、背景增強等運算，增加識別模型對煤矸復(fù)雜環(huán)境的泛化能力。但傳統(tǒng)圖像識別算法下的圖像預(yù)處理、特征提取、煤矸識別是分開設(shè)計的，且與深度學(xué)習(xí)算法間的融合受到算法本身因素的制約，雖然其泛化性較好，但實時性較差。當(dāng)面臨多矸石分揀任務(wù)時，機器人連續(xù)高效的分揀動作對煤矸識別算法的實時性要求更高。因此，煤矸識別算法的實時性優(yōu)化也是圖像識別的關(guān)鍵技術(shù)內(nèi)容。

2.2 機器人分揀執(zhí)行機構(gòu)智能控制技術(shù)

智能控制技術(shù)是通過定性與定量相結(jié)合的方法，針對對象環(huán)境和任務(wù)復(fù)雜性與不確定性，自主實現(xiàn)復(fù)雜信息處理及優(yōu)化決策控制功能的技術(shù)。研究針對選矸分揀執(zhí)行機構(gòu)的智能控制技術(shù)，可使機器人滿足復(fù)雜工況環(huán)境對其作業(yè)精度和運動狀態(tài)等重要參數(shù)的較高要求，是使選矸機器人完成既定作業(yè)任務(wù)的關(guān)鍵，其主要包括以下關(guān)鍵技術(shù)。

2.2.1 面向非結(jié)構(gòu)多約束環(huán)境的選矸機械臂運動規(guī)劃技術(shù)

選矸機械臂運動規(guī)劃是在滿足機器人運動學(xué)和動力學(xué)的約束下，根據(jù)現(xiàn)場實際矸石分揀任務(wù)要求，對機器人運行軌跡有關(guān)的各項參數(shù)進行規(guī)劃，使機器人滿足精度、穩(wěn)定性和分揀任務(wù)要求。運動規(guī)劃問題是提高機械臂自主性和智能化的關(guān)鍵科學(xué)問題[26]，是機械臂完成各種復(fù)雜作業(yè)任務(wù)的前提，特別是針對非規(guī)則結(jié)構(gòu)障礙物及復(fù)雜分布狀態(tài)的機械臂路徑規(guī)劃問題[27-29]。趙明輝[30]針對采用串聯(lián)機械臂分揀矸石存在分揀速度慢，且無法分揀大塊矸石的問題，研制了雙臂并聯(lián)矸石分揀機器人并研究采用五次多項式插值函數(shù)進行機械臂軌跡規(guī)劃，提高了分揀速度。針對選矸機器人分揀效率低和揀矸過程中的避障問題，夏晶等[31]提出了煤矸分揀機器人動態(tài)揀取避障路徑規(guī)劃算法。朱子祺等[32]提出了基于G-RRT*算法的選矸機器人路徑規(guī)劃算法，提高了路徑規(guī)劃效率。

在復(fù)雜煤矸分揀環(huán)境下，選矸機械臂要在多個障礙物（煤塊、矸石）之間穿行，控制分揀目標(biāo)（矸石）沿一條合理路徑從膠帶帶面空間剔除，障礙物均為不規(guī)則物體且呈離散排列。同時，膠帶處于低速運行狀態(tài)，目標(biāo)在動態(tài)移動環(huán)境下機械臂避障難度較大。常用的運動規(guī)劃算法在求解這類問題時可能會消耗大量的時間，在面對特定環(huán)境時，存在算法收斂速度慢、實時性差的缺點，無法滿足機械臂動態(tài)路徑規(guī)劃的實時性要求。研究面向非結(jié)構(gòu)多約束環(huán)境的機械臂路徑規(guī)劃技術(shù)是選矸機械臂能否成功應(yīng)用的前提，機械臂在執(zhí)行矸石分揀作業(yè)的同時，必須能夠針對靜態(tài)和動態(tài)障礙物進行及時避障，并在既定的速度和加速度下沿實時規(guī)劃出的路徑進行移動分揀作業(yè)。目前，基于人工勢場法的被動式避障算法[33]、基于PRM（Probabilistic Road Map，概率路圖法）和RRT（Rapidly-exploring Random Trees，快速擴展隨機樹算法）的全局動態(tài)規(guī)劃算法[34-35]已被用來解決非結(jié)構(gòu)多約束環(huán)境下機械臂運動規(guī)劃問題。

2.2.2 基于力反饋的機械臂主動柔順控制技術(shù)

機械臂柔順控制技術(shù)是解決機器人作業(yè)質(zhì)量的關(guān)鍵，在復(fù)雜工業(yè)場景中已有應(yīng)用[36]。目前選矸機器人控制系統(tǒng)均采用基于位置的開環(huán)控制模式，通過視覺系統(tǒng)提供的矸石目標(biāo)抓取位置來引導(dǎo)機械臂執(zhí)行矸石分揀動作?；诩兾恢每刂频臋C器人具備一定適應(yīng)外界可變環(huán)境的能力，但在矸石分揀作業(yè)過程中，通常要求機械臂跟蹤矸石目標(biāo)并達到與移動矸石的速度和位置同步時對矸石進行抓/撥，由于算法時延、矸石滾動等因素會產(chǎn)生位置誤差，機器人本體因受到過大的作用力而造成機械損傷，這種現(xiàn)象在處理密集分布的矸石分揀任務(wù)時尤為常見。此外，在開環(huán)控制模式下，若機械臂在執(zhí)行分揀動作時失敗，控制系統(tǒng)無法第一時間獲取到任務(wù)狀態(tài)，即機器人并不知道此時目標(biāo)已丟失，特別是在面對大塊矸石、大流量矸石分揀環(huán)境下，將嚴重影響機器人分揀效率。因此，針對選矸場景存在機器人與矸石間的力作用時，通過在機器人末端安裝力傳感器對機器人與矸石間的接觸力、力矩進行實時監(jiān)測，引入作用力、作用力矩控制輸出量，將作用力、作用力矩作為閉環(huán)反饋量引入控制過程中，通過計算期望力參數(shù)與實時反饋力參數(shù)之間的誤差來修正機器人實際運動軌跡，從而使選矸機械臂具有基于力反饋的柔順控制能力。

2.2.3 多臂協(xié)作分揀任務(wù)分配策略及控制技術(shù)

不同于工件分揀應(yīng)用場景，煤矸分布密度較大、分布均不規(guī)則，每塊矸石的規(guī)格形態(tài)都不同且是唯一的。當(dāng)現(xiàn)場不具備安裝煤矸排隊裝置的環(huán)境時，較多的出矸量決定選矸機器人系統(tǒng)應(yīng)采用多臂協(xié)作分揀方式以提升整體分揀效率[27]。根據(jù)選矸機器人工位和分揀目標(biāo)，多臂分揀協(xié)同控制有以下2種情況：① 獨立工作空間下的多目標(biāo)分揀：多機械臂位于獨立工作空間下，作業(yè)空間不存在交集，即無需考慮相互獨立的機械臂間的碰撞問題。當(dāng)多機械臂間在無碰撞的前提下，協(xié)作分揀屬于松協(xié)同任務(wù)，機械臂只需按照任務(wù)分配策略在時間約束下執(zhí)行運動軌跡即可。選矸機器人多臂協(xié)作分揀場景多為獨立工作空間下的多目標(biāo)分揀，其任務(wù)分配策略主要為基于目標(biāo)均分的任務(wù)分配策略、基于區(qū)域劃分的任務(wù)分配策略和基于目標(biāo)溢出的任務(wù)分配策略。煤矸分揀場景由于目標(biāo)分布不均、數(shù)量不定會出現(xiàn)漏揀，基于目標(biāo)均分的分配策略顯然并不適用。同樣地，基于區(qū)域劃分的任務(wù)分配策略適用于規(guī)則排列的目標(biāo)抓取任務(wù)，在該任務(wù)分配策略下，膠帶根據(jù)機械臂個數(shù)被劃分為多個區(qū)域，機械臂分別抓取不同區(qū)域中的目標(biāo)，當(dāng)現(xiàn)場不具備安裝煤矸排隊裝置的條件時，該方法無法適用?；谀繕?biāo)溢出的任務(wù)分配策略在目標(biāo)分布狀態(tài)較為復(fù)雜、分揀目標(biāo)較多時，能夠使選矸機器人在性能允許的最大分揀節(jié)拍下工作，保證一定的分揀效率，減少了漏揀次數(shù)。② 協(xié)作空間關(guān)系下的多目標(biāo)分揀：指多機械臂在處于同一工作空間或具有工作空間交集的情況下共同協(xié)作完成多目標(biāo)分揀任務(wù)，該場景下機械臂之間由于會受到力和位置的整體約束，協(xié)作分揀屬于緊協(xié)同任務(wù)，除需考慮上述場景中的任務(wù)分配策略問題外，碰撞檢測問題是研究重點，也是機械臂軌跡規(guī)劃的重要問題之一。研究多機械臂碰撞檢測方法可通過外部傳感器和建模法進行，建模法降低了系統(tǒng)復(fù)雜性和成本，較為實用。其中基于圖形碰撞檢測方法的層次包圍盒法和空間分割法是目前比較常用的碰撞檢測方法。

3 智能選矸機器人研究方向

現(xiàn)階段關(guān)于選矸機器人系統(tǒng)的研究主要針對簡單煤矸分布環(huán)境下的圖像分類、定位和機器人分揀執(zhí)行機構(gòu)控制技術(shù)展開。由于煤礦特殊的工作環(huán)境和作業(yè)要求對選矸機器人技術(shù)研究提出了進一步的需求，為使選矸機器人能夠從根本上替代人工選矸，結(jié)合機器人領(lǐng)域最新研究進展，相關(guān)研究可從以下幾個方面展開：

（1） 針對現(xiàn)場復(fù)雜環(huán)境進行技術(shù)改進，提高煤矸識別算法的魯棒性和自適應(yīng)性。傳統(tǒng)機器視覺算法存在特征提取困難、自適應(yīng)性較差和誤報率較高等缺點，研究應(yīng)將深度學(xué)習(xí)領(lǐng)域最新研究成果應(yīng)用于煤矸識別的不同現(xiàn)場場景，不斷進行模型適配和優(yōu)化，提高算法的魯棒性和自適應(yīng)性，從而實現(xiàn)煤矸精準(zhǔn)識別和定位。同時，由于深度學(xué)習(xí)識別效果的優(yōu)劣與訓(xùn)練數(shù)據(jù)的豐富性息息相關(guān)，雖然煤矸識別場景相比于其他目標(biāo)檢測識別場景較為單一，但煤矸分布環(huán)境的復(fù)雜性導(dǎo)致數(shù)據(jù)復(fù)雜程度較高，對模型特征提取能力和泛化性提出了更高要求。特別是當(dāng)現(xiàn)場樣本不足時，研究基于遷移學(xué)習(xí)的煤矸小樣本訓(xùn)練方法，利用已訓(xùn)練好的大規(guī)模數(shù)據(jù)模型對其他樣本的期望值進行預(yù)測，以提高深度學(xué)習(xí)模型的泛化性，便于算法與模型快速部署和適配。

（2） 提升選矸機器人工業(yè)現(xiàn)場適用性，研究動態(tài)非結(jié)構(gòu)環(huán)境下的智能感知技術(shù)。智能感知技術(shù)是機器人執(zhí)行復(fù)雜分揀作業(yè)的重要支撐技術(shù)。在智能化應(yīng)用場景下，選矸機器人要在膠帶運行時執(zhí)行矸石分揀動作，在多約束環(huán)境下動態(tài)目標(biāo)及障礙物可能會與機械臂發(fā)生碰撞，為確保選矸機器人系統(tǒng)的可靠性和穩(wěn)定性，需研究動態(tài)非結(jié)構(gòu)環(huán)境下的視覺伺服技術(shù)。同時，現(xiàn)有選矸機器人系統(tǒng)多基于目標(biāo)矸石二維定位信息引導(dǎo)機器人進行點到點運動，在煤矸密集分布環(huán)境下可能會因為抓取點誤差產(chǎn)生無效分揀動作；在機械手采用“撥”方式分離矸石的過程中，機器人需要調(diào)整末端姿態(tài)以有效控制矸石執(zhí)行避障，但僅根據(jù)矸石二維坐標(biāo)信息無法對矸石分揀過程進行有效控制。因此，研究矸石高精度三維位姿估算技術(shù)是智能感知技術(shù)的發(fā)展方向之一。

此外，選矸機器人還無法自主模擬人工揀矸的動作進行作業(yè)，其主要原因是缺乏與外部真實環(huán)境進行高級交互的能力，沒有全面的感知數(shù)據(jù)作為反饋信息，無法實現(xiàn)分揀作業(yè)過程全局實時閉環(huán)控制，故研究面向復(fù)雜選矸場景下基于視覺-觸覺融合的感知技術(shù)是提高選矸機器人智能化程度的關(guān)鍵技術(shù)手段。

（3） 面向高級應(yīng)用場景，研究基于力位混合控制的選矸機器人智能揀矸技術(shù)。工業(yè)機器人力位混合控制已有大量的理論基礎(chǔ)，但在實際應(yīng)用中實施難度較大，工業(yè)現(xiàn)場應(yīng)用較少。研究基于力位混合控制的選矸機械臂控制技術(shù)可實現(xiàn)位置控制和力控制2個控制閉環(huán)，能夠控制選矸機械臂按照期望軌跡運動的同時，對末端接觸力的期望值進行控制，可滿足特定高級場景應(yīng)用的需求。

（4） 以行業(yè)需求為導(dǎo)向，探究智能選矸機器人井下選矸可行性。井下對設(shè)備防爆性能有嚴格規(guī)定，現(xiàn)有的選矸機器人多針對地面使用場景設(shè)計，不適用于井下。除設(shè)備防爆要求外，井下帶式輸送機速度、設(shè)備空間、煤塵環(huán)境及光照條件等因素也對煤矸識別速度、識別算法魯棒性和泛化性、執(zhí)行機構(gòu)分揀速度提出了更高要求。由于井下就地選矸可提升煤炭開采效率和井下運輸效率，井下排矸技術(shù)與裝備成為了煤炭精準(zhǔn)智能化洗選的重要研究課題。

4 結(jié)語

智能選矸機器人能夠根據(jù)現(xiàn)場工況條件，快速、精準(zhǔn)地對矸石進行自動識別并分離，符合智慧礦山發(fā)展要求，也是煤炭行業(yè)機械化換人、自動化減人、智能化無人發(fā)展的必然趨勢，應(yīng)用前景廣闊。介紹了智能選矸機器人的應(yīng)用現(xiàn)狀，分析了智能選矸機器人的關(guān)鍵技術(shù)及其存在的問題，指出煤矸識別技術(shù)的改進、適應(yīng)復(fù)雜環(huán)境的智能感知技術(shù)和控制技術(shù)研究、選矸機器人的井下選矸可行性探究是智能選矸機器人今后研究的方向。