面向金屬冶煉作業場景的智能起重機集成系統*

鄭正國 武利沖 曲士民 趙會娟

1株洲天橋起重機股份有限公司 株洲 412001 2內蒙古霍煤鴻駿鋁電有限責任公司 通遼 029200

在有色金屬冶煉場景中，物料搬運作為智能制造環節中重要的一環，在生產效率、精益生產中發揮著重要的作用。起重機是物料搬運機械中使用最廣泛的一種，隨著機械化、自動化程度的不斷提高，起重機在生產過程中已成為連續生產過程的重要專用裝備。

傳統物料搬運模式基本依賴人工操作起重機，受工人工作經驗、操作熟練度以及惡劣工作環境的影響，在實際物料搬運過程中存在作業效率低、人力成本高、安全隱患大、信息化程度低等問題。隨著自動化技術的發展，現有起重機在一定程度上能滿足物料搬運作業的基本要求，但是距離所期待的自動化作業、安全作業和智能決策等性能指標要求還有一定差距。

智能起重機是在現有起重機的基礎上，應用智能感知技術、自動控制技術和人工智能算法，對其進行智能化升級，實現對作業區域的場景理解和作業對象的智能感知，同時具備自主學習能力，優化自身決策。然而，工業現場環境往往面臨溫度高、光照差、磁場強、振動頻繁等惡劣條件。以鋁電解環境為例，生產車間環境惡劣、鋁電解槽電解質溫度達950 ℃以上，機組所處空間溫度約60 ℃，由于強大的直流電流存在，車間環境磁場強度約200 Gs，目前國內500～600 kA大電流鋁電解系列，空間磁場強度更高，局部可高達300 Gs以上[1]。高溫、強磁場對智能起重機的智能感知產生了強烈的噪聲干擾；與此同時，搬運作業又受物料本體溫度、規格型號等因素影響，對智能起重機的決策和物料精準搬運提出了更高的要求。

1 智能起重機現狀

國內外在重型起重設備領域的研究在自動化控制方面已經取得了一定的研究和應用成果。國外對工業起重機的自動化技術起步較早，早在1964年就開展了以起重搬運作業自動化為目標的搬運物擺動控制研究，除了傳統的起重作業物擺動控制外，對在線障礙物識別、路徑規劃和搬運物擺動控制等起重機自主作業技術的研究也已相當成熟。西門子、ABB公司已將起重機自動化平臺應用于部分汽車制造業自動化流水線進行工廠物料搬運和轉移作業。我國對設備自動化控制的起步較晚，但經過科研攻關和技術積累，已經在起重機半自動化和自動化控制方面取得了階段性研究成果，并在機械裝備制造、物料倉儲以及集裝箱港口等行業中得到推廣應用，實現了起重機自動或半自動連續搬運作業，取得了良好的應用效果。例如，在鋼鐵行業，推出的多個5G+智慧起重機項目。

與行業高校和科研院所共同承擔的2019年國家重點研發項目：面向有色金屬澆鑄過程的機器人作業系統取得了國內領先的創新成果，在此基礎上研發面向金屬冶煉作業場景的智能起重機，能很好地適應較為惡劣的作業環境，利用智能感知和自主決策技術解決作業目標自主搜尋和控制指令自主決策的問題，極大地提高了工作效率，節約了能源成本，同時采用人工智能深度學習技術，使起重機實現對自身控制算法的優化迭代，從而使其具備自學習、自決策、自適應能力，使其性能達到國際領先水平。

然而，智能起重機在有色物料搬運行業受制于環境和生產工藝等因素影響，嚴重制約了智能起重機的發展，主要制約因素有：高溫強磁環境影響數據傳感感知、無線網絡數據通訊、復雜任務調度管理、設備運維管理等。近年來，隨著機器學習和人工神經網絡技術的發展，對起重機的研究也逐漸從自動化轉向智能化。實現起重機智能化的關鍵技術包括：基于激光雷達、工業相機等視覺傳感器的外部環境數據采集技術和基于自身運行數據進行自身定位、作業目標辨識、作業區域場景理解以及優化決策和自適應控制技術。因此，智能起重機達成智能化需要在智能感知、無線通訊、調度管理和設備運維方面進行系統集成，滿足智能起重機智能化作業要求。具體地，智能起重機系統集成包含的子系統有：智能起重機本體、智能感知系統、數據互聯系統、智能運維系統和調度管理系統，如圖1所示。

圖1 智能起重機系統集成總體架構

2 智能起重機

本文所述的智能起重機是金屬冶煉作業場景下物料搬運過程的執行主體，主要部件包含：大車、工具小車（操控駕駛室、工具旋轉機構、陽極裝置、扳手、打殼機構、加料裝置、出鋁小車）等，該智能起重機作業自由度為8個，實現更換陽極、出鋁、抬母線、零星吊運、槽況巡檢、物料運輸等工作，如圖2所示。

圖2 智能起重機本體

為滿足起重機智能化在金屬冶煉作業場景下作業，需對機構系統進行升級，包括大車機構、工具小車機構、打殼機構、陽極機構、撈渣機構、下料機構、液壓系統和電氣系統等，通過結構優化和性能升級，使得各個自由度的機構具備定位功能，實現精準動作，各機構關鍵參數如表1所示。

表1 智能起重機關鍵參數

3 智能感知定位系統

智能感知系統是為智能起重機賦予感知能力，能獲取大車、工具小車和其他機構的位置、狀態。本文將從定位傳感技術、定位控制技術2個方面進行闡述和研究。

劉洋等[2]介紹了鋼鐵行業應用的格雷姆線、激光、編碼器、RFID、UWB 5種技術參數和優缺點對比；同時還闡述了基于工業相機能夠實現車輛／鋼卷識別、字符識別和表面質量檢測。

本文基于有色行業極端退化環境的特點，采用編碼帶進行定位，相比上述5種技術具有如下優勢：編碼帶耐高溫至100 ℃、檢測精度高達±0.2 mm、安裝方便。同時配置防搖定位控制技術，經過現場長周期測試能滿足作業要求。定位控制模型如圖3所示。

圖3 防搖定位模型

防搖定位控制模型包括：速度控制器、控制對象模塊及檢測控制對象位置模塊。以目標位置Lt作為速度控制器的輸入，速度控制器與控制對象模塊連接，控制對象模塊的輸出作為檢測控制對象位置模塊的輸入。將當前控制對象的位置Lc反饋于目標位置Lt，防搖定位控制模型為一個閉環控制模型，控制對象模塊中的控制對象為起重機的大車或小車。設Lwindow為控制標準閾值，Lmin為給定減速距離，Vmin為最小給定速度，Vmax為最小給定速度，ΔL為控制對象距離目標位置差值，防搖定位單元接收到防搖定位指令后，執行以下操作

1）判斷控制對象距離目標位置的差值ΔL是否滿足：Lwindow＜ΔL≤Lmin（左側限定表明控制對象距離目標位置的差值ΔL大于控制標準閾值時，防搖定位控制模型進行防搖控制），若滿足，則計算控制對象的當前速度為

然后執行步驟2）；否則，判斷控制對象距離目標位置的差值ΔL是否滿足：ΔL＞Lmin，若滿足，則令控制對象的當前速度v取Vmax，否則，令控制對象的當前速度v取零，執行步驟3）；

2）判斷控制對象的當前速度v是否滿足：v≤Vmin，若滿足，則令控制對象的當前速度v取Vmin，執行步驟3）；否則，執行步驟3）；

3）通過變頻器將當前速度v轉換為給定值以防搖，若變頻器在啟動階段，則通過變頻器斜率啟動后，控制電動機動作進行速度轉換；若變頻器未啟動，則直接通過控制電動機動作進行速度轉換。現場安裝和測試數據如圖4、圖5所示。通過現場定位測試，選擇的傳感器及設計的控制算法均能滿足設計定位精度要求。

圖4 現場定位傳感器

圖5 現場定位測試誤差

4 數據互聯系統

數據互聯系統是智能起重機智能感知定位系統、智能運維系統和調度管理系統的數據通訊系統。

無線網絡設計時，信號和通信方面要做到:無盲區、無丟包、無干擾[3]。系統設計使用有線+無線方式對智能起重機作業區域進行無縫覆蓋，使整個系統達到無盲區、覆蓋均勻、信號清晰和穩定可靠，智能起重機作為移動物體，無線通訊部分能實現漫游，并提供足夠的通信帶寬以便于傳輸控制數據和視頻圖像數據。分為車載網絡和地面網絡2個部分，智能起重機與智能感知定位系統通過有線方式連接車載網絡。調度管理系統和智能運維系統分布在中控室，通過地面網絡實現無線數據通訊。通訊拓撲圖如圖6所示。

圖6 通訊拓撲圖

5 智能運維系統

智能運維系統基于GB/T 28264—2017《起重機械安全監控管理系統》[4]，增加智能起重機健康監測傳感設備（如振動、溫度、電流等），采集并感知智能起重機運行健康數據，通過數據分析與處理，實現智能起重機運行狀態的實時監測、設備健康度診斷、報警、效能分析和設備運維管理等功能，以保證設備平穩運行。大幅提升設備健康管理，降低運維人員勞動強度。系統拓撲圖如圖7所示，系統現場應用展示如圖8所示。

圖7 智能運維系統拓撲圖

圖8 智能運維系統現場應用

6 調度管理系統

由于智能起重機任務調度問題約束條件復雜、參數多，故越來越多的智能優化方法被應用于調度領域。李雪等[5]介紹了博弈論在鋁電解車間的應用，包括遺傳算法、蟻群算法、粒子群算法等，但起重機調度方法的研究目前尚未成熟，與庫區和MES系統中生產計劃的結合更為缺乏，因此，還需要結合無人庫區物流和信息流特點，研究快速有效的起重機系統調度方法。本文將結合實際生產任務需要，以2臺智能起重機為例，將MES下發的任務納入集合管理，引入時間代價函數，進而將任務分配問題轉換成數學優化問題。

調度管理系統網絡協議遵守OSI模型的物理和數據鏈路層的IEEE802.標準。接收和發送的電文使用2種邏輯連接，每個邏輯連接運用Server/Client模式。在TCP/IP的socket接口中，Server/Client模式是應用廣泛。主動方類似Server/Client模式中的client端，主動方總是發起通信連接，直到邏輯連接建立。被動方類似Server/Client模式中的Server端，被動方等待來自主動方的電文，并發送確認（應答）電文，直到通信連接建立。

設MES任務計劃T為

任務計劃T下包含m種調度方法，記為調度集合D。

式中：Dj對應搬運作業調度指令，分屬于n個tk執行計劃，引入時間代價函數為cost(x)，對每一個Dj執行時間代價函數，時間代價函數取最小值時，最優搬運作業調度指令為

將Dj分解成n部分，每一部分對應于一個作業任務，記為

每次執行完畢一個作業任務后，Dbest進行重新計算，實時生成新的最優調度作業指令；Dj,k包含調度管理系統下，若干個執行器和感知器的指令。

優選地，智能起重機A執行tk，智能起重機B執行待避，第k個作業任務的執行計劃tk單一執行時，調度集合D成員的數量m滿足

式中：n'等于任務計劃T中的執行計劃tk的數量。

調度Dj,k的智能起重機路徑用路徑函數為

設智能起重機A依序抵達的目標節點為x0,x1,x2,… ,xs。

則智能起重機A路徑函數Path(A)為

式中：x-1是智能起重機A的起始點或在tk-1計劃中的最后一個路徑節點，L(xs-1，xs)為2路徑節點之間的線段，智能起重機A的工作區間為

式中：xmin為智能起重機A工作區間的下限，xmax為智能起重機A工作區間的上限。

智能起重機B的待避路徑Path(B)為

式中：x'-1是智能起重機B的起始點或在tk-1計劃中的最后一個點，xΔ是智能起重機A和智能起重機B之間的安全距離。

智能起重機A和智能起重機B的行程長度分別為

智能起重機A和智能起重機B的時間代價函數分別為

式中：v為智能起重機A和智能起重機B的平均速度；智能起重機A的運行時間完全覆蓋智能起重機B的運行時間，智能起重機B可以在智能起重機A執行計劃tk的同時完成待避工作，因此，Dj,k的時間代價函數無需考慮行車待避的影響，Dj,k的時間代價函數為

遍歷Dj,k對應的智能起重機A路徑Path(A)抵達的路徑節點，得到使時間代價函數取得最小值的智能起重機作業調度指令，根據智能起重機作業調度指令確認智能起重機搬運物料的路徑節點，以此調度智能起重機。

在此，在執行計劃tk單一執行時，智能起重機A執行tk，智能起重機B執行待避，智能起重機B執行待避的時間被智能起重機A執行tk的時間覆蓋，減少智能起重機B的執行時間并不會減少cost(Dj,k)，智能起重機B提前執行待避并不能帶來更多的效率提升，故智能起重機B此時無需考慮并行問題。

智能起重機A執行tk，智能起重機B執行待避，待避完成后，能連續執行分配到的執行計劃；智能起重機B執行tk-1，智能起重機A執行待避，待避完成后，能連續執行分配到的執行計劃；第k-1個執行計劃tk-1與第k個執行計劃tk并行執行時，設智能起重機B執行tk-1，智能起重機A執行待避時，智能起重機B的工作區間是[xmin，xmax]，智能起重機A的當前位置點為x-1；其中，xmin為智能起重機A工作區間的下限，xmax為智能起重機A工作區間的上限；智能起重機A執行tk，智能起重機B執行待避，智能起重機A的工作路徑點是x0，x1，…，xs，智能起重機A提前行走的路徑Path＇(A)為

式中：L(xs-1，xs)為2路徑節點之間的線段。

執行計劃tk-1和執行計劃tk并行執行，節省的智能起重機運行時間代價函數cost′(Dj,k)為

調度Dj的時間代價函數Cost(Dj)為

其中，cost′(Dj,0)=0，遍歷調度Dj對應的智能起重機路徑節點，求取使得調度Dj的時間代價函數cost(Dj)取最小值的智能起重機作業調度指令，根據智能起重機作業調度指令確認智能起重機搬運板坯的路徑節點，以此調度智能起重機。

在此，tk-1和tk能否并行的必要條件是執行tk計劃的智能起重機在tk-1計劃中必須執行待避，代價函數計算出路徑，代價函數Cost(Dj)計算每次的路徑代價，遍歷所有可能性，采用最小代價作為執行，每執行一塊板坯后，需重新遍歷計算。

優選地，在執行計劃tk拆分執行時，有

式中：tk1，tk2分別為執行計劃tk拆分后的2個計劃。

新任務計劃T'與原任務計劃T滿足

新任務計劃T'中對每一個Dj執行時間代價函數，時間代價函數取最小值時，最優作業調度指令為D''best；原任務計劃T中對每一個Dj執行時間代價函數，時間代價函數取最小值時，最優作業調度指令為D''best。

則執行計劃tk拆分執行時，最優作業調度指令Dbest為

遍歷Dbest得到每個任務智能起重機消耗時間，確定執行計劃tk拆分執行時的執行時間，以及各個子計劃的執行時間，進而得到智能起重機的性能指標和生產節拍；Dbest確定后，作業調度指令Dj即能確定為

此時Dj,k均屬于已拆分后的指令；每個已拆分后的指令Dj,k均由執行tk的智能起重機A和執行待避的智能起重機B 2個任務指令構成，分別由2個智能起重機執行，Dj,k的值為

式中：Move為智能起重機移動到x點；Grap為夾工具小車移動到y點，高度移動到z點，夾取物料，然后回到安全高度；Release為夾具移動到y點，高度移動到z點，放下物料，然后回到安全高度；Move和Grap、Release動作是能并行的，待避點x＇屬于待避區，且離下一個任務的第一個x點最近的點。

對于相鄰2個指令Dj,k-1與Dj, k，若Dj, k-1與Dj, k目標節點的有交叉，則Dj,k-1與Dj, k分配給同一臺智能起重機，使得2臺智能起重機作業區域不重疊交叉。

本調度管理系統在現場進行了部署應用，如圖9所示，可以實現有效的任務調度管理，相比人工單次作業時長提升20%以上，且可24 h不間斷執行MES任務。

圖9 調度管理系統現場應用

7 總結

本文面向金屬冶煉作業場景的智能起重機關鍵技術的研究和有效示范應用，通過作業場景感知與理解、作業對象識別與跟蹤定位、數據互聯、智能運維和智能起重機智能調度決策，加速實現了傳統物料搬運方式向物料智能化運轉發展，進而推進智能起重機傳統產業向網絡化、信息化、數字化、智能化改造，達到減少人工工作強度、提高物料信息與設備安全、提升庫區運行效率等目標，協同實現高度自動化、信息化、智能化和無人化的黑燈工廠，同時加強了新形勢下人工智能技術在傳統特種機械上的應用和發展探索，加快了新舊動能接續轉換，提升了裝備技術水平與核心競爭力，對推動智能起重機產業邁向高質量發展具有重要的現實意義。