推耙機(jī)全自動(dòng)智能控制關(guān)鍵技術(shù)的研究

王帆，王君偉，周琦

（浙江浙能嘉華發(fā)電有限公司燃料部，浙江 杭州 310009）

某大型火力發(fā)電廠一二期碼頭有4臺(tái)卸船機(jī)，2個(gè)泊位；三期碼頭有2臺(tái)卸船機(jī)，1個(gè)泊位。可同時(shí)停靠3條4萬噸級(jí)的煤船，而推耙機(jī)在該大型火力發(fā)電廠主要用于煤船清艙。

目前煤船清艙作業(yè)是在卸船機(jī)抓取船艙中部煤量之后，將推耙機(jī)吊入船艙，操作人員通過船上爬梯上下船艙，進(jìn)入駕駛室進(jìn)行耙煤作業(yè)。為了保證煤船及時(shí)卸煤，操作人員必須輪班作業(yè)；且船艙內(nèi)空間狹小，空氣流動(dòng)性差，推耙機(jī)大功率柴油發(fā)動(dòng)機(jī)排出大量的廢氣和噪聲不易擴(kuò)散；粉塵濃度高，操作人員在密閉的駕駛艙里需帶上口罩工作，所以夏季作業(yè)高溫難耐；由于粉塵濃度高造成艙內(nèi)能見度低，影響操作人員視線，降低了作業(yè)效率；推耙機(jī)操作人員通過船上爬梯上下船艙，在陰雨冰雪天，梯濕易滑，視線差，存在安全隱患。因此對(duì)常規(guī)推耙機(jī)進(jìn)行智能化的研究，使之成為智能裝備顯得尤為重要。

本文利用現(xiàn)有推耙機(jī)，針對(duì)其作業(yè)工況與作業(yè)工藝進(jìn)行智能化改造，就其中涉及的關(guān)鍵技術(shù)進(jìn)行深入研究，以實(shí)現(xiàn)推耙機(jī)在封閉船艙內(nèi)的無人駕駛自動(dòng)清艙功能。

1 目標(biāo)分析

本次研究以日本小松推耙機(jī)D63EX－12為目標(biāo)。其尺寸為長(zhǎng)5855mm，寬3020mm，高2990mm，采用渦輪增壓后水冷式柴油發(fā)動(dòng)機(jī)，額定功率155kw，整車機(jī)動(dòng)采用履帶底盤，前進(jìn)有三個(gè)檔位，速度分別為：3．4km／h，5．8km／h，9．0km／h，后退也有三個(gè)檔位，其速度分別為：4．4km／h，7．5km／h，11．0km／h。D63E－12整機(jī)操作重量17600公斤，最小轉(zhuǎn)彎半徑3m。駕駛艙內(nèi)布置：駕駛艙為單人座椅，左手操作手柄控制前進(jìn)和后退、左右轉(zhuǎn)向、檔位切換，右手操作手柄控制推耙鏟升降及角度變換，右腳下設(shè)有剎車、油門踏板。前方設(shè)有數(shù)據(jù)顯示屏、車燈開關(guān)、發(fā)動(dòng)機(jī)鑰匙孔等。履帶式推耙機(jī)在艙內(nèi)作業(yè)方式以倒退耙煤堆高為主，最后清倉(cāng)時(shí)用前進(jìn)推煤方法進(jìn)行堆高。

為實(shí)現(xiàn)推耙機(jī)在船艙內(nèi)的全自動(dòng)作業(yè)，在保留其原有機(jī)械性能的基礎(chǔ)上，需要對(duì)其進(jìn)行電氣及加裝感知傳感器的改造。

2 系統(tǒng)組成

實(shí)現(xiàn)推耙機(jī)全自動(dòng)智能控制系統(tǒng)，主要包括：

1）感知定位：通過64線激光掃描儀獲取的點(diǎn)云數(shù)據(jù)，由控制系統(tǒng)分析處理成為實(shí)體模型，建立作業(yè)船艙系統(tǒng)地圖。通過對(duì)船型數(shù)據(jù)庫(kù)的數(shù)據(jù)修正船艙地圖的建立，確保系統(tǒng)安全。通過掃測(cè)結(jié)果與地圖的建立，實(shí)時(shí)計(jì)算定位推耙機(jī)相對(duì)于船艙中的實(shí)際位置。

2）環(huán)境建圖：通過64線激光掃描儀和固態(tài)激光的點(diǎn)云數(shù)據(jù)疊加，并以IMU變換得到公共坐標(biāo)系，建立3D環(huán)境地圖。

3）路徑規(guī)劃：上位機(jī)通過掃測(cè)的煤垛分布、形狀、艙壁形狀、距離、及自身計(jì)算的定位信息與建模地圖對(duì)比，通過智能算法推導(dǎo)出最佳作業(yè)路徑與作業(yè)規(guī)則。后續(xù)自動(dòng)作業(yè)流程將遵循智能推耙規(guī)劃作業(yè)的規(guī)則進(jìn)行。通過掃描儀與IMU，實(shí)時(shí)判斷自身運(yùn)動(dòng)的速度、方向、位置等，與運(yùn)動(dòng)路徑時(shí)刻對(duì)比，實(shí)現(xiàn)導(dǎo)航運(yùn)動(dòng)。

4）煤量分析：通過掃描儀掃測(cè)船艙內(nèi)煤垛分布、形狀、艙壁形狀、距離等，獲取作業(yè)目標(biāo)及定位信息的必要數(shù)據(jù)，分割煤與船艙模型，并結(jié)合圖像識(shí)別判定剩余煤量。

3 關(guān)鍵技術(shù)

3．1 感知定位技術(shù)

為實(shí)現(xiàn)推耙機(jī)的無人自動(dòng)作業(yè)，首要實(shí)現(xiàn)其對(duì)作業(yè)環(huán)境的感知，包括：實(shí)時(shí)坐標(biāo)定位、實(shí)時(shí)姿態(tài)判定、實(shí)時(shí)環(huán)境分析等。推耙機(jī)的工作環(huán)境為封閉式船艙，船艙內(nèi)殘留有大量煤礦散料，故傳統(tǒng)推耙機(jī)在船艙內(nèi)作業(yè)時(shí)，存在頻繁上下煤坡的情況。研究階段使用MAYA三維建模軟件，1：1比例建立模擬實(shí)際船艙環(huán)境的船艙模型，然后保存為DAE格式的文件，再導(dǎo)入進(jìn)Gazebo仿真環(huán)境中。

在仿真環(huán)境中，使用開源代碼LEGOLOAM首先對(duì)周圍環(huán)境進(jìn)行特征點(diǎn)的提取。其中，特征點(diǎn)根據(jù)點(diǎn)云的曲率大小分為角點(diǎn)與平面點(diǎn)。根據(jù)提取到的特征點(diǎn)隨后進(jìn)行幀與幀間的匹配，利用最小二乘法計(jì)算得到初步的幀與幀間的車輛位置變換。將特征點(diǎn)匹配的結(jié)果再作為幀與點(diǎn)云地圖間匹配的初始值，進(jìn)行精確匹配計(jì)算得到較為精確的車輛位置。

本次研究采用64線激光掃描儀采集環(huán)境點(diǎn)云數(shù)據(jù)和IMU采集推耙機(jī)自身運(yùn)動(dòng)姿態(tài)。受限于船艙尺寸與煤垛較低的反射率，采用64線激光的原因是其能提供更加精準(zhǔn)細(xì)密的點(diǎn)云數(shù)據(jù)，且具有更加寬廣的發(fā)散角度。根據(jù)多傳感器融合的方法，融合IMU與激光雷達(dá)點(diǎn)云數(shù)據(jù)，對(duì)點(diǎn)云進(jìn)行分割，將墻壁點(diǎn)云、天花板點(diǎn)云還有煤堆點(diǎn)云區(qū)分開，利用點(diǎn)云分割的結(jié)果，提取出墻壁點(diǎn)云，并以此構(gòu)建柵格地圖，最終船艙建圖效果，可用于車輛的導(dǎo)航。最后對(duì)船艙內(nèi)部與室外環(huán)境的建圖與定位效果進(jìn)行了測(cè)試，利用點(diǎn)云錄制程序，在電廠室外進(jìn)行點(diǎn)云數(shù)據(jù)采集，并進(jìn)行仿真。

3．2 環(huán)境建圖技術(shù)

環(huán)境建圖用于系統(tǒng)建立統(tǒng)一坐標(biāo)系，為推耙機(jī)路徑規(guī)劃提供數(shù)據(jù)參考，并為上位機(jī)提供可視化數(shù)據(jù)。項(xiàng)目采用的固態(tài)激光雷達(dá)是Livox－Mid－40，其采用了非重復(fù)掃描方式，具有較高的視場(chǎng)覆蓋率，且隨著積分時(shí)間變長(zhǎng)，視場(chǎng)覆蓋率也會(huì)顯著增大，直到接近100%。通過視場(chǎng)覆蓋率對(duì)比可以表明Mid－40的掃描點(diǎn)云特性十分出色，并隨著時(shí)間推移達(dá)到最優(yōu)。當(dāng)積分時(shí)間為0．1s，Mid－40與32線產(chǎn)品相近；當(dāng)積分時(shí)間為0．5s時(shí)，Mid－40與64線產(chǎn)品相近。當(dāng)積分時(shí)間繼續(xù)增大時(shí)，覆蓋率隨之增大，直至接近100%。在實(shí)際測(cè)試的過程中發(fā)現(xiàn)固態(tài)激光雷達(dá)由于其FOV較小（只有40°左右大小），只要晃動(dòng)的劇烈一點(diǎn)就會(huì)丟失，由于該激光雷達(dá)的掃描特性（非重復(fù)性掃描），單由固態(tài)雷達(dá)建的圖效果不好。

最后采用了由64激光雷達(dá)提供位姿，并經(jīng)過固態(tài)雷達(dá)和機(jī)械雷達(dá)的TF相對(duì)位置矯正之后，由固態(tài)激光雷達(dá)疊加掃描幀。固態(tài)雷達(dá)的掃描精度高，掃描速度快，但是掃描角有限，固態(tài)意味著激光雷達(dá)不能進(jìn)行360度旋轉(zhuǎn)，只能探測(cè)前方。因此要實(shí)現(xiàn)全地圖輸出，需采用程序維護(hù)一個(gè)全局地圖，每一幀固態(tài)掃描會(huì)疊加當(dāng)前掃描區(qū)域，從而更新地圖。

本次研究為方便上位機(jī)顯示地圖信息，由點(diǎn)云信息建模地圖轉(zhuǎn)化為具有顏色分段的可視化高層地圖。從上一節(jié)點(diǎn)通過話題接收到了當(dāng)前幀對(duì)應(yīng)的全局地圖，開始處理輸出得到高層地圖，主要是根據(jù)矯正好的點(diǎn)云地圖進(jìn)行二維投影，然后計(jì)算出當(dāng)前全局地圖最低點(diǎn)和最高點(diǎn)，從而計(jì)算高度，遍歷給當(dāng)前投影點(diǎn)賦值和RGB值，最后在擴(kuò)大的地圖空域通過KNN的最近鄰點(diǎn)來賦值。

3．3 煤量識(shí)別技術(shù)

推耙機(jī)的路徑規(guī)劃是以逐幀分析當(dāng)前剩余煤量（體積）及分布特點(diǎn)，作為下一話題執(zhí)行的判定條件。船艙內(nèi)當(dāng)前余煤體積和是否存在煤，是作為整個(gè)路徑規(guī)劃中止或終止條件的重要判定依據(jù)。

由上述感知定位模塊可知，利用64線激光可以有效獲取船艙內(nèi)墻壁（垂直）與煤垛（曲面）數(shù)據(jù)并實(shí)現(xiàn)分割。但由于點(diǎn)云密度較稀疏，難以計(jì)算出煤垛的當(dāng)前體積。本次研究采用密度較高的固態(tài)激光對(duì)周圍場(chǎng)景進(jìn)行累加掃描，獲取點(diǎn)云通過微積分原理，實(shí)現(xiàn)煤垛體積的初步計(jì)算。通過提取點(diǎn)云數(shù)據(jù)的連續(xù)線性特征，從而預(yù)測(cè)插補(bǔ)空間曲面弧形的形狀與坐標(biāo)，實(shí)現(xiàn)平滑過渡，提高計(jì)算精度。由于運(yùn)動(dòng)狀態(tài)中的不確定因素干擾，為提高計(jì)算真實(shí)性，輔助采用視覺識(shí)別的方法。

船艙內(nèi)煤垛采用車載型高清攝像機(jī)實(shí)時(shí)采集，并以一定采樣周期提取幀圖片進(jìn)行數(shù)據(jù)分析。

3．3．1 圖像分割算法的實(shí)際工況性能及結(jié)果

1）K－Means聚類算法：圖像處理速度極慢，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。（特征提取算法結(jié)果與聚類結(jié)果基本一致）。

3）HSV三通道閾值分割算法：分割速度快，精度較高，缺點(diǎn)是三通道閾值需要在不同場(chǎng)合下更新。

3．3．2 煤堆識(shí)別閾值分割算法

1）若暗光和非充足光照條件，LIME低照度增強(qiáng)。

2）RGB圖像輸入，轉(zhuǎn)化HSV通道。

3）圖像形態(tài)學(xué)處理操作。

設(shè)置感興趣閾值，通過三通道閾值將ROI分割出來，并展示flag。

3．4 安全限制技術(shù)

安全限制用于確保推耙機(jī)在作業(yè)過程不會(huì)撞擊船艙壁和爬坡過程中不會(huì)傾翻。

安全模塊推耙機(jī)初始化工作的時(shí)候啟動(dòng)并將一直保持運(yùn)行。安全模塊通過讀取IMU數(shù)據(jù)來判斷是否超過安全角度，并接收定位模塊發(fā)送的以車身為中心的6個(gè)方向到墻壁的信息判斷是否有障礙物。保證以車身為中心到6個(gè)方向的一定距離內(nèi)沒有障礙物。根據(jù)激光雷達(dá)得到車輛左前方、正前方、右前方、右后方、正后方、左后方六個(gè)方位的離墻距離。當(dāng)反饋安全角度或安全距離超限時(shí)，由底層控制模塊輸出限制運(yùn)動(dòng)指令。

3．5 路徑規(guī)劃技術(shù)

推耙機(jī)根據(jù)上位機(jī)指令初始化路徑規(guī)劃。推耙機(jī)將實(shí)現(xiàn)給定的推耙指令，高層地圖數(shù)據(jù)可以讓推耙機(jī)實(shí)現(xiàn)高效且安全的推耙。不論在何種推耙模式下，安全模塊都將保持運(yùn)轉(zhuǎn)，保證推耙的安全性。

推耙機(jī)總體設(shè)置有遙控和自動(dòng)兩種模式。遙控可以讓操作人員遠(yuǎn)程遙控推耙機(jī)；當(dāng)切換為自動(dòng)模式之后，推耙機(jī)先判斷是否收到新的自動(dòng)控制模式，若自動(dòng)控制模式更新，則會(huì)開始新的自動(dòng)推耙，若自動(dòng)控制模式未更新，則推耙機(jī)將會(huì)回到上一次自動(dòng)推耙被手動(dòng)控制打斷的地方繼續(xù)完成自動(dòng)推耙工作，達(dá)到自動(dòng)切換的目的。高層地圖是否正常計(jì)算取決于給定的推耙模式。

當(dāng)推耙模式為被上位機(jī)限定在某一船艙時(shí)，需要提取高層地圖并對(duì)它進(jìn)行分割，利用OPENCV的庫(kù)函數(shù)進(jìn)行圖像提取獲得初始推耙線，在遍歷完該推耙線之后再進(jìn)行圖形的提取獲得下一條推耙線，從而保證了推耙機(jī)的工作效率。通過對(duì)中控室給定的煤堆船艙進(jìn)行提取最終傳出回退點(diǎn)位置坐標(biāo)以及煤區(qū)開始和結(jié)束位置坐標(biāo)。提取采用OPENCV的方法，對(duì)整個(gè)高程RGB圖進(jìn)行提取四角點(diǎn)。采用了OPENCV和矩陣搜索賦值保留紅色灰度信息的兩種方法，對(duì)船艙提取采用OPENCV方法，中間去除類小的連通域。

實(shí)際路徑算法中，采取路徑動(dòng)作分解的策略：即以單次往返并推煤或耙煤為一次路徑，將一次清艙作業(yè)任務(wù)分解為N次路徑。路徑的起點(diǎn)與終點(diǎn)由建圖信息輸入，并由路徑模塊進(jìn)行計(jì)算解析。路徑模式采用擬合Dubins曲線，并采用基于高程地圖數(shù)據(jù)的A＊算法，尋求高效路徑。

4 結(jié)論

本次研究的關(guān)鍵技術(shù)在于船艙內(nèi)實(shí)現(xiàn)安全、精準(zhǔn)的實(shí)時(shí)定位與路徑規(guī)劃，實(shí)時(shí)煤量分析，以高效地完成清艙作業(yè)。通過現(xiàn)場(chǎng)驗(yàn)證與過程研究分析，推耙機(jī)智能全自動(dòng)控制關(guān)鍵技術(shù)已經(jīng)取得一定成果。本次研究成果為改善推耙機(jī)操作人員的作業(yè)條件、降低勞動(dòng)強(qiáng)度，提高電廠清艙作業(yè)安全、合理安排清艙，提高清艙作業(yè)勞動(dòng)生產(chǎn)率奠定了基礎(chǔ)，同時(shí)順應(yīng)時(shí)代發(fā)展，對(duì)建設(shè)“智慧電廠”的戰(zhàn)略需要，具有推廣應(yīng)用價(jià)值。