改进的ORB-FLANN煤矸石图像高效匹配方法

针对煤矸石分拣机器人分拣煤矸石时,带式输送机输送带打滑、跑偏以及带速波动造成的目标煤矸石位姿变化,从而导致抓取失败或空抓漏抓等问题,提出了一种改进的ORB-FLANN (Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)煤矸石识别图像与分拣图像高效匹配方法。提出改进ORB的特征点检测方法对煤矸石识别图像与分拣图像进行特征点检测,实现快速检测图像特征点;提出改进FLANN匹配算法对图像特征点进行匹配,实现煤矸石识别图像与分拣图像高效匹配。针对传统ORB方法对煤矸石图像特征检测时间长、重复率低问题,提出了改进ORB特征检测方法,提高了图像特征点检测速度和重复率;针对传统FLANN匹配方法对煤矸石图像匹配精确率低问题,提出了融合PROSAC算法的改进FLANN匹配方法,剔除错误特征匹配点对,提高了图像匹配的精确率。在自主研发的双机械臂桁架式煤矸石分拣机器人试验平台上应用文中方法、SURF特征匹配方法、HU不变矩匹配方法、SIFT特征匹配方法和ORB特征匹配方法分别进行了不同带速、尺度、...     

基于机器视觉的煤矸石检测研究

针对传统煤矸石分拣机器人对输送带上不同位置煤矸石感知能力不足的问题,提出使用单激发多盒探测器(SSD)机器视觉算法对煤矸石进行检测的方法,提高分拣机器人的感知与分拣性能。实验结果表明,基于SSD的煤矸石检测算法实时性优于Faster-RCNN检测算法,且具有更高的准确性,进一步促进了煤矸石分拣机器人的智能化。     

基于余弦定理-PID的煤矸石分拣机器人动态目标稳准抓取算法

针对煤矿生产中煤矸石分拣问题,提出机器人分拣方案,并对机器人在跟踪和分拣煤矸石时出现延时、抖动、冲击、分拣速度低等现象进行了分析和讨论。通过分析发现,出现这些现象的主要原因是煤矸石属于大质量、快速移动分拣对象,同时决定了机器人机械本体具有较大的惯性负载,传统的跟踪算法由于较大的数据量不适于机器人对大质量、动态目标的快速跟踪与稳定抓取。针对该问题,结合实际工况以及不同追踪方法的优点,提出了基于余弦定理-PID的动态目标抓取算法。首先,利用梯形速度运动规律进行了轨迹规划,并建立了带有圆弧过渡的门字型轨迹;然后,对动态环境下的大质量、动态目标抓取问题建立了数学模型,并针对该数学模型提出了基于余弦定理-PID的动态目标抓取算法。该算法首先通过余弦定理计算出机器人理论抓取点,控制机器人快速到达理论抓取点后,再通过位置-速度双环PID算法控制机械臂末端与煤矸石进行同步。算法测试结果表明:该算法通过余弦定理计算出理论抓取点,能在很大程度上减小机械臂跟踪煤矸石时间,并使得机器人末端快速逼近目标,提高跟踪效率,并通过位置-速度双环PID算法控制机械臂末端与煤矸石进行同步,以保证机械手对煤矸石进行稳准抓取...     

基于梯度下降算法的煤矸石分割识别方法

通过图像处理技术在带式输送机运输过程中对煤矸石的分割识别,以完成后续自动分拣是一项非常重要的工作。针对煤和矸石的光泽、灰度等差异,先通过灰度直方图确定阈值,将图像前背景相分离;再将图像距离变换,抽象为三维地形图,通过梯度下降算法把与矸石相接触的煤颗粒图像分离开。实验结果表明,该算法能有效地区分出煤与矸石。     

多机械臂煤矸石智能分拣机器人关键共性技术研究

依据我国煤矿智能绿色发展战略,深入分析了国内外智能拣矸系统的研究现状,指出研发适用于井下的多机械臂煤矸石智能分拣机器人是破解煤矸分拣难题的重要发展方向,凝练了直接影响和制约我国煤矸石智能分拣高质量发展的“煤矸石准确识别、精准跟踪和可靠抓取、多目标任务多机械臂协同分拣”三大关键共性技术难题,并给出了解决思路和方法。针对煤矿井下煤矸石被煤泥严重包裹识别难,提出了“X射线+视觉”煤矸石识别与匹配方法、基于点云数据的煤矸石抓取特征提取方法,实现目标矸石的快速识别和最优抓取特征提取;针对煤矸石形态各异、动态环境抓取难,提出了基于ORB+BEBLID特征的FLANN动态目标高效匹配方法、基于FDSST的动态目标精准跟踪方法、基于三环PID的机械臂同步跟踪轨迹规划方法,实现机械手对高速传输的动态矸石稳定抓取;针对煤矸石随机分布、障碍多、多机械臂任务分配难,提出了改进匈牙利算法的多机械臂动态空间协同分拣方法,确保系统收益的前提下实现多机械臂在动态空间中高效协同工作。现场工业性试验研究结果表明,针对三大关键共性技术所提出的方法能够有效破解煤矸石高效识别和抓取特征提取、机械臂动态目标同步跟踪稳定抓取、多机...     

基于RobotStudio的煤矸石视觉分拣系统仿真

为了提高视觉机器人系统在传统煤矸石分拣中的应用效率，提出一种基于RobotStudio的仿真方法，可以在离线状态下对不同的机器人运动算法、运行程序和执行轨迹进行仿真验证。结果表明，使用该仿真方法可以优化机器人运动节拍，减少现场调试作业时间，提高整体生产效率。     

基于AlexNet-SN网络的煤与煤矸石分类方法

现有煤矸石分选方法依据人工设计的特征对煤矸石进行识别,特征提取过程稍显复杂,准确率仍有很大的提升空间。人工智能技术快速发展,智能选矸成为解决煤矸石分拣问题的重要研究方向,为提高煤与煤矸石分类准确率,本文提出了一种基于AlexNet网络和风格迁移技术的改进的煤矸石分拣方法。选用 的卷积核代替原AlexNet网络前几层中较大的卷积核,利用BN层代替LRN和Dropout,并采用风格迁移数据增强的方法提高煤与煤矸石数据集的多样性。结果表明,与原始的AlexNet网络相比,该方法的准确率提高了1.8%,损失率下降了2%。本文选用的方法不仅能够满足实时检测的要求,而且具有更高的识别精度,能有效应用于煤矸石识别。     

煤矸石分拣机械手的系统设计及实验模拟

在煤炭开采的同时会产生大量的煤矸石,其产量约占原煤的1/6,严重降低了煤炭的质量,因此煤矸石的分选是煤炭生产过程中必不可少的环节。当前,国内研究出多种小、中、大型煤矸石不同的原料分选设备的工作原理,而煤矸智能分选是我国煤炭企业实现煤矿智能化的重难点之一。文章设计的矸石分拣机器人是一种用于中小型分选原料的悬挂多臂式分选装置。矸石分拣机器人采用自动识别分选矸石的工作原理,对矸石进行智能自动分选,能满足分选粒径为80～300 mm的小、中、大煤矸石的分选要求。该设计将会大幅度降低工人的工作强度,极大地提高煤矸分选的效率,从而提高原煤的质量。     

模糊PID控制在煤炭分拣机器人控制系统中的应用

针对煤炭机械化采制样系统中分拣机器人工作过程中的时变负载、非线性等特点所导致的基于精确模型的机器人传统控制方法性能上的不足,文章基于模糊控制算法和PID算法相结合的方式,构建模糊PID控制方式;以煤炭分拣机器人伺服系统动态特性为基础,对控制系统进行了Matlab仿真,表明相对于传统PID控制,模糊PID控制是系统具有更好的快速性和鲁棒性。     

基于同态滤波方法的煤矿井下图像增强技术研究

视觉同位定位与地图构建技术在井下搜救工作中运用广泛，而机器人采集图像质量的好坏直接决定构图的质量，目前受煤矿井下粉尘和光源的条件影响，收到的图像信息存在的灰度偏暗和对比度低的问题，所以井下图像的增强效果有待提高。针对这一问题，提出一种在HSV空间下结合加权分布自适应伽马校正(Adaptive Gamma Correction with Weighting Distribution, AGCWD)的同态滤波方法。首先对经典同态滤波算法中存在高亮区和阴影区的过增强问题，用AGCWD算法对HSV空间下V分量的像素概率密度进行自适应的伽马校正，非线性地映射出新的概率分布，提高同态滤波对高光区和阴影区的适用性；再使用单参数同态滤波进行处理，以缓解多参数导致的参数过难选择问题；为了保留图像的细节，对单参数同态滤波后的结果进行对比度受限的自适应直方图均衡化(Contrast Limited Histogram Equalization, CLAHE)处理；最后进行HSV逆变换得到RGB空间下的图像，完成图像的增强。结果表明，改进的同态滤波算法相较于CLAHE算法，均值、标准差、峰值信噪比(PSNR)...     

基于GSP-YOLO煤矸石检测算法研究

针对目前基于深度学习的煤矸石检测算法在图像检测速度与检测精度上不够理想的问题,提出了一种基于GSP-YOLOv5s的煤矸石检测算法。将主干网络中的卷积模块替换为Ghost卷积模块,降低了参数量;引入SE注意力模块,增强识别能力;删除20×20检测头,更加轻量化。实验结果表明：GSP-YOLOv5s算法检测的平均精度为94.6%,较YOLOv5s精度提升了0.8%;检测速度为110.3 fps,速度提升7.6%.     

煤矿井巷环境下机器人视觉图像增强及障碍识别研究

为解决煤矿救援机器人在发生灾害后光线不足、煤尘粉尘严重等造成视觉系统中图像不清晰、画面模糊以致障碍物形状无法识别问题,通过实验模拟煤矿井下光照条件,在光照充足、低照度以及零照度3种不同光照条件下采集机器人视觉图像。采用直方图均衡化方法对图像进行增强处理,使机器人显示的图像更加清晰,通过边缘检测算法以及基于风水岭分割改进的算法对障碍物信息进行提取,最终可以得到机器人前方主障碍物的形状特征信息。     

基于改进Faster R-CNN的综放煤矸混合放出状态识别方法

放煤量的智能监测技术是智能化综放开采发展的方向之一。针对厚煤层综放开采混合介质下落过程煤矸智能识别现有方法存在适用范围窄、误判率高等问题,提出一种基于实时区域卷积神经网络（Faster R-CNN）改进的CBAM Faster R-CNN煤矸混合放出状态分析识别方法。该方法以综放开采工作面煤矸石下落状态为背景,将注意力机制算法（CBAM）融入ResNet50特征提取网络,研究了注意力机制融合于ResNet50主干特征提取网络的融合优化方法,确定了以煤矸石下落状态检测为目标的最佳融合位置,增加了提取煤与矸石权重信息的能力,使得特征提取过程重点关注煤矸运动状态参量;构建了粉尘环境下综放开采煤矸混合放出状态试验平台,对高速摄像机所采集的煤矸原始运动图像进行暗通道去雾与模糊集增强预处理操作,分析识别不同工况下静态图像,定量研究了模型权重优化以及粉尘环境预处理对煤矸混合放出状态识别的影响。研究结果表明：基于CBAM Faster R-CNN模型的预处理图像识别精确率较原始图像提升了8.84%,召回率提升了6.68%;模型优化效果方面,CBAM Faster R-CNN模型平均查准率和召回率分别为...     

基于多机械臂协同的煤矸分拣方法研究

针对目前主流的煤矸分选方法存在资源浪费大、环境污染重、分选效率低等问题,提出了一种多机械臂协同的煤矸分拣机器人,重点研究了该机器人的多动态目标多机械臂协同煤矸分拣方法。为了解决工业现场环境下的矸石识别问题,提出了一种基于深度学习网络的煤矸快速识别方法,实现了拣矸带式输送机上煤矸石流的实时识别,有效提高了其综合准确率;采用双目视觉技术,实时获取矸石的相对坐标和深度信息,并研究相应的三维信息误差分析与误差补偿方法,为机械手的煤矸分拣提供依据;为了实现分拣模块中多矸石的高效分拣,提出一种多动态目标多机械臂协同的煤矸分拣策略和相应的分拣流程,实现了机械臂矸石拣取轨迹的自主规划。试验结果表明:所提煤矸快速识别和定位方法对煤矸混合样本下的目标识别准确率达到76.92%;多臂协同分拣方式相对单臂方式显著提升了煤矸分拣效率。基于多机械臂协同的煤矸分拣机器人可实现煤和矸石的自动化和智能化分选,降低煤炭分选的投资和生产成本,提高煤炭质量。     

蜣螂算法优化k-means在煤矸石图像分割的应用

针对煤矿井下光照不均匀,采集图像的噪声点会给图像分割带来一定难度,以及k-means算法的k值选择没有参考性需要大量实验等问题,提出一种基于蜣螂算法优化k-means的方法,将蜣螂优化与SSA搜索算法进行对比实验,结果表明收敛速度平均提升了40.58%,适应度值平均降低了31.3%,验证了蜣螂算法优化k-means在煤矸石图像分割中的可行和实用性。     

膜计算优化PID控制在煤炭分拣机器人中的应用

在传统煤炭分拣机器人的分拣过程中,由于时变负载的非线性变化经常引起速度的波动,严重影响了系统的控制性能,降低了机械手操作的精确性和快速性。论文设计了一种基于模糊星形拓扑结构的膜计算优化算法(FST-MC算法)优化的PID自整定系统,将PID的三个控制参数编码成FST-MC算法优化的对象,经过换位、交流、交叉和改写这四个规则处理后得到理想的优化值。最后,进行了仿真实验,实验结果验证了本系统响应速度快、有着很好的动态跟随性能和很高的控制精度,在煤炭分拣机器人系统中有着很好的应用前景。     

基于模糊单神经元PID控制在煤炭分拣机器人中的应用

针对传统的PID算法在煤炭分拣机器人控制系统中由于其运作过程中出现的时变负载和非线性等问题,系统无法得到良好的性能指标。为此,提出了改进的单神经元PID控制算法来代替传统的PID控制,同时为了进一步提高单神经元PID控制的动静态性能,在该算法的基础上,引入了模糊控制来整定单神经元PID的输出增益。建立煤炭分拣机器人控制的Simulink仿真模型。仿真结果表明:模糊单神经元PID控制具有响应速度快、控制精度高且抗干扰性和鲁棒性强等优点。     

智能带式输送机巡检机器人在煤矿的应用

为了解决传统矿山安全巡检工作中人力物力消耗高、效率低、无法直观管理等问题,针对煤矿井下作业空间狭小、有害气体多、湿度大、光照复杂等环境特点,提出了用智能带式输送机巡检机器人替代井下人员的应用要求;阐述了智能带式输送机巡检机器人的系统结构组成;详细介绍了智能带式输送机巡检机器人的驱动系统、图像采集系统、语音对讲及应急广播系统、环境检测系统、智能防撞与避障系统及其应用参数。通过现场工业性试验情况表明,智能带式输送机巡检机器人实现了"自动化减人"的目标,降低了成本,提高了自动化程度和故障处理效率,具有良好的经济技术效益。     

智能采煤机器人关键技术

采煤机是综采工作面的核心装备,研发智能采煤机器人是实现综采工作面智能化的关键。综合分析当前采煤机机器人化研究进程中的传感检测、位姿控制、速度控制、截割轨迹规划与跟踪控制等技术的研究现状,提出研发智能采煤机器人必须破解的“智能感知、位姿控制、速度控制、截割轨迹规划与跟踪控制、位-姿-速协同控制”五大关键技术,并给出解决方案。针对智能感知问题,提出了构建智能感知系统思路,给出了智能采煤机器人智能感知系统的架构,实现对运行状态、位姿、环境等全面感知,为智能采煤机器人安全、可靠运行提供保障;针对位姿控制问题,提出了智能PID位姿控制思路,给出了改进遗传算法的PID位姿控制方法,实现了智能采煤机器人位姿精准控制;针对速度控制问题,提出了融合“力-电”异构数据的截割载荷测量思路,给出了基于神经网络算法的截割载荷测量方法,实现了截割载荷的精准测量;提出牵引与截割速度自适应控制思路,给出了人工智能算法牵引与截割速度决策方法和滑模自抗扰控制的牵引与截割速度控制方法,实现了智能采煤机器人速度精准自适应控制;针对截割轨迹规划与跟踪控制问题,提出了截割轨迹精准规划思路,给出了融合地质数据和历史截割数据的截割轨...     

基于改进BP神经网络的彩色图像边缘检测

利用改进的BP神经网络模型导出了一种新的彩色图像边缘检测算法。为了充分利用图像中的颜色信息,在RGB彩色空间中通过欧式距离度量像素之间的差异获得灰度图像;为了降低训练样本的数量,将灰度图像二值化作为导师信号;针对传统的边缘检测算法容易产生边缘断裂、不连续等缺点,文章将动量法与自适应学习速率结合起来对传统的BP神经网络进行了改进。利用该方法对二值图像进行了边缘检测,实验结果表明,该方法对二值图像的边缘检测较传统的检测方法具有更好的效果。