一種裝載機“5G遙控+半智能”無人駕駛操控方案

李洪建

天津港焦炭碼頭有限公司

1 引言

港口人工智能應用發展迅速，裝載機作為通用泊位碼頭散貨裝卸生產中的主力機型，無論是進口設備還是國產設備，除發動機、變速箱控制系統外，電控系統、液壓系統等控制方式仍為常規控制，受設備自身技術條件的限制和復雜作業工況的影響，針對裝載機的智能技術應用一直處于研究探索階段。借鑒國內外智能采礦寬體自卸車和道路施工中推土機、壓路機的自動化成功案例，提出“5G遙控+半智能”限制條件下的無人駕駛自主作業操控方案。

2 裝載機典型智能場景分析

裝載機主要用于裝車、歸垛和下倉作業。裝車作業耗時最長，為避免疏港車輛超載，裝車時稱重計量，尤其最后一斗要根據單車累計重量，增加或抖落部分貨物以更接近限重值。下倉作業最為復雜，操作技術要求高，剛下倉時要盡快打開工作面，根據貨物流動性，選擇不同的鏟運或歸堆模式，作業中需避免鏟壞水倉井蓋和撞損舷梯等船具設施。歸垛作業需要司機根據貨物堆積狀態，選擇好歸垛角度，將貨物堆到預定高度。該作業過程為3個工況中單循環時間最短的，但需要頻繁切換檔位以提升掘進鏟運效率。

裝車、歸垛和下倉3種工況操作技術要求各異，目前不具備人工智能的全工況應用。碼頭前沿和堆場內都存在歸垛工況，堆場內的歸垛工作量大，受場地條件限制工作面狹小，相鄰或其他區域的裝卸作業又會形成交通干擾因素，非最佳典型場景。碼頭歸垛工況條件較為寬松，出口裝船時只有歸垛作業工況，裝載機僅承擔倒運后的貨物歸垛或配合門座起重機抓斗抓取后的貨物歸垛，每個歸垛作業循環時間在20 s左右，具備一人遠程操控多臺裝載機的可能性。碼頭歸垛工況是理想的智能化典型場景，是裝載機智能化應用實現突破的最佳切入點。

3 裝載機智能化改造方案

3.1 搭建5G通訊網絡

5G通訊具有毫秒級超低時延特性，為遠距離條件下的機械操控和作業監控提供了可行的技術方案。散貨碼頭前沿區域均建有防風網和高桿燈塔等設施，通過在這些設施上增設5G基站，實現碼頭前沿區域無線信號的全覆蓋，遠程監控人員和現場作業的裝載機之間能夠進行信息互聯互通，滿足實時操控要求。

3.2 升級操控系統

對傳統裝載機進行智能化升級，必須進行電控技術改造，增加I/O信息交互功能。液壓系統的先導控制升級為比例控制，使電液比例信號與邏輯控制程序對接。進一步優化操作控制和反饋程序，增設系統自檢和互鎖保護功能，確保控制系統運行的可靠性和穩定性。

系統根據不同輸入信號狀態經邏輯控制運算后輸出動力控制信號，控制發動機、變速箱、液壓泵站和閥組等，實現不同機構的協調配合。為使控制邏輯滿足工況要求，對司機操作過程進行動作分解，確定不同信號狀態和具體參數值，找準邏輯控制規律，形成不同工況下的動力控制模塊組，將人工經驗轉換為邏輯控制語言，使智能化操作過程順暢和高效。

3.3 增設智能控制系統

裝載機散貨作業工況存在道路行駛和操控的復雜性，需要頻繁換檔和動態避讓高空抓斗，可應用高清地圖、北斗差分定位等技術，且相應邏輯算法需進一步調整或重新優化。

通過差分定位和設備姿態數據自主計算運行軌跡和路線，裝載機無人駕駛精度可達到厘米級，保證路徑準確與精準停靠，避免裝載機越界增加安全風險。通過人形和車形識別功能，判斷取樣、撿雜和更換屬具時的人機相對位置，遇有人機交叉風險時，根據實際情況進行減速或者強制停車的處理[1]。裝載機裝車和下倉作業還需由司機人工操控，系統需具備智能遠程操作和手動駕駛兩種模式的切換功能，作為全智能化前的應對措施。

貨垛垛形動態識別系統要判斷貨垛高度、貨物集港的位置和貨垛變化，根據動態識別結果合理界定歸垛順序和方式。針對獨立區域貨物歸垛時，自主設定歸垛切入點和歸垛方式，與人工操作相比更精準、更規范。

3.4 開發遠程管控和交互系統

遠程管控系統會準確記錄發動機、變速箱、制動機構和液壓泵站等關鍵部件的運行時間和頻率，提示部件的精準維護計劃；出現故障或事故時，系統能回放現場全景圖像，更加直觀準確地查找問題原因。監控人員通過5G回傳的實時圖像遠程監控裝載機自主作業狀態，現場突發狀況時，監控系統會發出警報提示并請求接管設備，監控人員通過遠程聯動操控裝置干預裝載機，警報解除并經監控人員確認后轉入監控狀態。每次干預過程都會被記錄在歷史檔案中，研發人員定期收集歷史資料，修正算法，逐步減少遠程干預頻率，提升智能作業水平。

與生產系統交互，使現場秩序管控更智慧。分析運輸車輛進出閘口和衡重等信息，判斷是否長時間待機，以便在生產空擋時停機值守；根據生產系統中不同船艙裝貨效率差異，提示遠程人員調整作業線機械配置數量。

4 裝載機智能化關鍵技術

4.1 鏟斗狀態控制

歸垛作業既要貨物歸攏到位，也要保證鏟斗韌板與碼頭面層之間的摩擦阻力適當，需要在控制鏟斗鏟貨姿態的同時合理施加鏟斗與地面的壓力，并隨著鏟斗韌板的磨損自動調整相關參數。作業中通過貨物圖像掃描分析，確定歸垛路線和車輛行駛速度，以歸集地面零散貨物后，精準找到貨垛切入點，使所歸貨物不從鏟斗近端溢出，造成重復歸垛，影響作業效率。

由于船艙裝貨進度的差異和門座起重機抓取位置的不同，垛形變化是不規律的，智能系統要及時識別待作業的區域，選定作業通道，適時歸堆干預，以保證每條裝船作業線的正常作業。船舶接近完工收尾時，待裝貨物減少，由歸高模式變為歸堆模式，需要多角度歸垛歸攏貨物，收尾階段系統會發出預警，提示遠程人員輔助做好監管。

4.2 構建立體安全防護體系

智能化作業必須保證機械自身安全和區域人機安全，通過實時數據分析避免危險因素疊加。車載系統自身有穩定性控制功能，避免前輪爬垛極限工況下機械失穩。在開頂箱卸貨、環保抑塵、鏟運屬具和貨物取樣等環節，其他機械和人員都可能與裝載機出現交叉作業增加安全風險，并且裝載機歸垛過程也要避讓空中抓斗。裝載機智能作業中需要實時識別周邊環境的變化，提示人機交叉、機機交叉風險，在風險值達到避讓程度時，裝載機會主動撤離或避讓；待風險值降低到允許范圍內再進入作業狀態，期間提示遠程監控人員對周邊人機進行干預。

受照明條件、雨雪季節和場地平整度的限制，地面反光、倒影、積雪覆蓋和苫蓋網覆蓋等因素都會降低圖像識別效果，影響裝載機自主操作狀態，因此需提高圖像識別效率，有效應對自然條件等因素造成的干擾。另外，異物夾雜會影響貨物質量，必須輔助圖像識別等技術手段提升作業中異物識別精度。

4.3 人工與自主學習互動

裝載機智能作業初期，需要依賴預設好的數據庫模型，根據現場信號收集分析選擇預設的歸垛數據模型，在模型基礎上，依據可以測量的實時參數進行自主行走、鏟裝和避讓等動作[2]。同時系統可以記錄人工作業數據，與歷史數據對比，評價人工模式和自主作業模式的區別，提出數據庫優化建議，提高系統內的歸垛數據庫模型與實際作業的匹配性。

為提升智能作業水平，要增加機器自學習控制算法，通過自主試驗—驗證—再試驗的過程，驗證典型事件處理的邏輯合理性，迭代升級智能駕駛算法，將人工駕駛經驗融入自學習中，形成智能駕駛算法，達到智能駕駛操作優于人工操作的目的。

5 裝載機智能化應用前景

裝載機智能化應用復雜程度有別于現有集卡或礦卡，除自動駕駛之外還要自主作業，智能化應用技術開發難度更大。碼頭前沿自主歸垛只是智能化應用的第一步，在此基礎上推廣到貨場歸垛、裝車、下倉作業工況中。

裝車環節需要識別車輛信息和車輛衡重數據，根據不同車型的限重要求進行精準裝載。下倉作業環節需要借助懸掛艙口處的便攜5G中轉裝置，將艙內封閉環境下的數據和圖像信息實時回傳，結合船圖實際避讓水艙蓋、舷梯等設施，根據貨物比重和船型等條件選擇“鏟或歸”作業方式，以滿足門座起重機抓斗抓取要求。裝車和下倉兩個工況中智能化系統與生產管理系統、自動過衡數據的交互更加頻繁，作業數據模型和自主學習邏輯設計難度更大。

裝載機只有全智能化后才具有全社會推廣應用價值，需在研發單位、港口企業和智能開發團隊等單位的共同努力下，解決諸多不確定性，實現提高裝卸服務質量、效率和降低安全風險等目標。還可實現一人遠程控制多機，由智能化操作替代重復性、強度大的勞動，從特定場景向全場景過渡，實現全智能作業，使駕駛操作、調度指揮、安全監控等崗位職能融合，進一步優化通用泊位散貨碼頭企業的人力資源配置。

6 結語

為實現裝載機的智能化運行，提出了“5G遙控+半智能”限制條件下的無人駕駛自主作業操控方案，探討了裝載機智能化的路徑、關鍵技術問題和制約因素，以提升通用泊位散貨裝卸的智能化水平。