基于图像的液压支架与采煤机截割部干涉保护系统及方法与流程

本发明涉及一种液压支架与采煤机防碰撞的系统及方法，具体是一种基于图像的液压支架与采煤机截割部干涉保护系统及方法。

背景技术：

随着机械化采煤的工艺的不断进步和发展，学者相继提出“无人化”或“少人化”采煤工作面的构想。这种构想对采煤机、液压支架和刮板输送机三机配套工作提出了更高的要求。采煤机作为综采工作的三机配套的主要设备，主要完成采煤和落煤的任务，而液压支架则配合采煤机完成支撑和保护工作面的任务。采煤机和液压支架，包括刮板输送机协同工作能力好坏决定着综采工作的效率和整个综采工作面的安全。

现在，综采工作面智能化还处于发展阶段，部分矿井的自动化水平还很低。采煤机的截割部与液压支架护帮板的干涉问题仍然是综采智能化所要解决问题中的一个方面。采煤机截割部与液压支架互帮的截割干涉即：在采煤机滚筒截割部运动到某一液压支架位置时，若液压支架护帮板回收不及时，导致采煤机滚筒的截割齿与未及时回收的液压支架护帮板发生碰撞，这样不但会损伤采煤机截割滚筒还会对液压支架的护帮板造成损坏，如果情况严重则会造成整个综采工作面的瘫痪。

技术实现要素：

针对上述现有技术存在的问题，本发明提供一种基于图像的液压支架与采煤机截割部干涉保护系统及方法，能在采煤机截割部靠近液压支架时自动收起护帮板，通过后液压支架的护帮板自动打开恢复原位，若未及时收起护帮板，会自动使采煤机截割部减速机制动，保证液压支架与采煤机截割部不会发生碰撞。

为了实现上述目的，本发明采用的技术方案是：一种基于图像的液压支架与采煤机截割部干涉保护系统，包括反光涂层、矿用摄像仪、微型计算机、并行计算模块、位移传感器、脉冲计时器、无线信号发射器和无线信号接收器，所述多个反光涂层分别贴敷在采煤机摇臂背向煤壁一侧的表面，所述反光涂层为圆形；所述矿用摄像仪及防爆壳体装在液压支架中双液压立柱与顶梁连接的中间位置，并行计算模块设置在综采工作面的一端，所述位移传感器装在液压支架的护帮千斤顶处，所述脉冲计时器和无线信号发射器设置在液压支架上，无线信号接收器设置在采煤机上；矿用摄像仪与微型计算机连接，微型计算机分别与并行计算模块、位移传感器、脉冲计时器和无线信号发射器连接；无线信号发射器与无线信号接收器无线连接，无线信号接收器与采煤机控制器连接。

进一步，所述反光涂层所采用的材料为漫反射材料。采用漫反射材料能反射各个方向上射来的光，进而在综采工作面低照度、多光源的情况下可提高矿用摄像仪感兴趣区域的提取成功率，并避免因为光情况的突变造成的炫光等情况对图像采集的干扰。

进一步，还包括防爆壳体，防爆壳体设置在液压支架上，微型计算机、脉冲计时器和无线信号发射器设置在防爆壳体内，矿用摄像仪安装在防爆壳体前端，所述防爆壳体采用不锈钢材质。采用防爆壳体可保证微型计算机、脉冲计时器和无线信号发射器的工作安全性。

一种基于图像的液压支架与采煤机截割部干涉保护的方法，具体步骤为：

第一步，设定采煤机正常运行时，矿用摄像仪的拍摄区域：在采煤机相对于液压支架正向位置从左至右或从右至左正常运行时，调整矿用摄像仪拍摄角度，使矿用摄像仪在采煤机与本液压支架之间距离6～8架液压支架时至少采集到四个圆形反光涂层；然后矿用摄像仪将采集的图像信息传递给微型计算机；图像获取时，由于矿用摄像仪为垂直于采煤机行进方向布置，故实际采集图像为椭圆形；

第二步，微型计算机对采集图像进行去噪与压缩：

A、对采集图像进行二维小波包分解，采用Db4小波包对图像进行三层分解，并利用Shannon熵作为信息代价函数，获取图像的最优小波基；小波包分解的公式如下：

B、完成采集图像的小波包分解后，利用小波包工具箱对图像数据进行压缩和去噪；获取压缩和去噪之后图像的近似部分；所述小波包工具包是安装在微型计算机上的Matlab软件中自带的图像分析与处理工具包；

C、对压缩和去噪之后的图像进行重构；具体重构的公式如下：

其中，上标j、m表示x、y方向上的尺度，下标k、n表示x、y方向对应尺度下的位移；h0和h1分别表示为小波函数的低通和高通滤波器；i∈N；

第三步，边缘提取：用canny算子提取图像边缘，并进行OTSU自动阈值，得到二值图像；

第四步，图像数据传输：微型计算机将二值图像数据通过数据总线传递给并行计算模块进行后续处理；

第五步，并行计算模块对图像数据进行椭圆拟合：由于在液压支架推溜的过程中，会造成液压支架相对于水平位置存在1°-3°左右的俯仰偏差，且在综采进行过程中，反光部位可能会被部分遮挡。为解决上述问题通过采用改进的基于最小二乘法的椭圆拟合算法对图像数据进行椭圆拟合，具体如下：

a、在采集的图像数据的所有样本点中随机选取6个点；随机选取是由于综采环境下采集的图像不可避免的存在误差较大的样本点，如果直接将包含这些误差较大的点的图像进行椭圆拟合，拟合误差较大；所述样本点为二值图像中所有灰度为1的像素点；

b、利用基于代数距离最小二乘法拟合出椭圆曲线；

c、设定样本点到求得的椭圆边界的最小距离的阈值；

d、遍历所有样本点,求取各个样本点到求得的椭圆边界的最小距离，对各个距离值依次与设定的阈值比较，若测得的距离值小于或等于阈值，则该样本点确定为匹配点并编号，若大于阈值，则该样本点确定为杂质点；统计本次遍历的匹配点总个数；

e、重复执行步骤a～步骤d过程100～200次，比对出匹配点总个数最多的拟合椭圆，确定该椭圆为最优椭圆参数；完成后并行计算模块将结果回传给微型计算机；

第六步，训练神经网络：通过第五步得出的最优椭圆参数可得出圆形反光涂层边界，进而计算出椭圆圆心，通过4个椭圆的圆心位置可得任意两个椭圆圆心之间的距离，并求出距离和，记为S，即

其中，l_i，j为任意两椭圆圆心之间的距离。

以S对BP神经网络进行训练：首先设定初始阈值，然后对神经网络进行训练：在采煤机滚筒与液压支架护帮板的距离到安全距离前1～2架时，使液压支架护帮板自动收起，采煤机行驶出安全范围1～2架时自动打出进行支护；若未达到上述要求，则重新调整第五步中样本点到求得的椭圆边界的最小距离的阈值，并重复30次训练。

第七步，异常情况保护：当液压支架接收到由BP神经网络发出的收起护帮板命令的同时，脉冲计时器开始计时，当位移传感器在设定的时间阈值之内达到安全位置时，认为护帮板板正常收起，否则认为护帮板未正常收起，则输出脉冲信号，微型计算机控制无线信号发射器与安装在采煤机上的无线信号接收器通讯，使采煤机减速及制动。

与现有技术相比，本发明仅需要在采煤机机身上安装反光涂层即可得到质量较高的图像数据，同时利用微型计算机及并行计算模块对图像进行处理，并且通过改进的最小二乘椭圆拟合算法加速图像处理速度，以达到实时控制的目的，以BP神经网络对液压支架收放护帮板动作进行智能控制增加了控制方法的抗干扰能力，并在护帮板收起动作故障时，通过脉冲发生器与采煤机通信使采煤机终止当前动作，使综采工作面在少人甚至无人的情况下能自动的避免采煤机滚筒截割部与液压支架护帮板之间的干涉，增加了综采平面的安全性与智能化程度。

附图说明

图1是本发明中反光涂层在采煤机摇臂上的布置示意图；

图2是本发明干涉保护系统的原理示意框图；

图3是本发明中防爆外壳在液压支架上的位置布置示意图；

图4是图3中防爆外壳的仰视图；

图5是本发明中BP神经网络的训练流程图；

图6是本发明中BP神经网络对液压支架护帮板的控制流程图。

具体实施方式

下面将对本发明作进一步说明。

如图所示，一种基于图像的液压支架与采煤机截割部干涉保护装置，包括反光涂层、矿用摄像仪、微型计算机、并行计算模块、位移传感器、脉冲计时器、无线信号发射器和无线信号接收器，所述多个反光涂层分别贴敷在采煤机摇臂背向煤壁一侧的表面，所述反光涂层为圆形；所述矿用摄像仪装在液压支架中双液压立柱与顶梁连接的中间位置，并行计算模块设置在综采工作面的一端，所述位移传感器装在液压支架的护帮千斤顶处，所述脉冲计时器和无线信号发射器设置在液压支架上，无线信号接收器设置在采煤机上；矿用摄像仪与微型计算机连接，微型计算机分别与并行计算模块、位移传感器、脉冲计时器和无线信号发射器连接；无线信号发射器与无线信号接收器无线连接，无线信号接收器与采煤机控制器连接。

进一步，所述反光涂层所采用的材料为漫反射材料。采用漫反射材料能反射各个方向上射来的光，进而在综采工作面低照度、多光源的情况下可提高矿用摄像仪感兴趣区域的提取成功率，并避免因为光情况的突变造成的炫光等情况对图像采集的干扰。

进一步，还包括防爆壳体，防爆壳体设置在液压支架上，微型计算机、脉冲计时器和无线信号发射器设置在防爆壳体内，矿用摄像仪安装在防爆壳体前端，所述防爆壳体采用不锈钢材质。采用防爆壳体可保证微型计算机、脉冲计时器和无线信号发射器的工作安全性。

一种基于图像的液压支架与采煤机截割部干涉保护的方法，具体步骤为：

第一步，设定采煤机正常运行时，矿用摄像仪的拍摄区域：在采煤机相对于液压支架正向位置从左至右或从右至左正常运行时，调整矿用摄像仪拍摄角度，使矿用摄像仪在采煤机与本液压支架之间距离6～8架液压支架时至少采集到四个圆形反光涂层；然后矿用摄像仪将采集的图像信息传递给微型计算机；图像获取时，由于矿用摄像仪位置为垂直于贴敷表面的一侧，故实际采集图像为椭圆形；

第二步，微型计算机对采集图像进行去噪与压缩：

A、对采集图像进行二维小波包分解，采用Db4小波包对图像进行三层分解，并利用Shannon熵作为信息代价函数，获取图像的最优小波基；小波包分解的公式如下：

B、完成采集图像的小波包分解后，利用小波包工具箱对图像数据进行压缩和去噪；获取压缩和去噪之后图像的近似部分；所述小波包工具包是安装在微型计算机上的Matlab软件中自带的图像分析与处理工具包；

C、对压缩和去噪之后的图像进行重构；具体重构的公式如下：

其中，上标j、m表示x、y方向上的尺度，下标k、n表示x、y方向对应尺度下的位移；h0和h1分别表示为小波函数的低通和高通滤波器；i∈N；

第三步，边缘提取：用canny算子提取图像边缘，并进行OTSU自动阈值，得到二值图像；

第四步，图像数据传输：微型计算机将二值图像数据通过数据总线传递给并行计算模块进行后续处理；

第五步，并行计算模块对图像数据进行椭圆拟合：由于在液压支架推溜的过程中，会造成液压支架相对于水平位置存在1°～3°左右的俯仰偏差，且在综采进行过程中，反光部位可能会被部分遮挡。为解决上述问题通过采用改进的基于最小二乘法的椭圆拟合算法对图像数据进行椭圆拟合，具体如下：

a、在采集的图像数据的所有样本点中随机选取6个点；随机选取是由于综采环境下采集的图像不可避免的存在误差较大的样本点，如果直接将包含这些误差较大的点的图像进行椭圆拟合，拟合误差较大；所述样本点为二值图像中所有灰度为1的像素点；

b、利用基于代数距离最小二乘法拟合出椭圆曲线；

c、设定样本点到求得的椭圆边界的最小距离的阈值；

d、遍历所有样本点,求取各个样本点到求得的椭圆边界的最小距离，对各个距离值依次与设定的阈值比较，若测得的距离值小于或等于阈值，则该样本点确定为匹配点并编号，若大于阈值，则该样本点确定为杂质点；统计本次遍历的匹配点总个数；

e、重复执行步骤a～步骤d过程100～200次，比对出匹配点总个数最多的拟合椭圆，确定该椭圆为最优椭圆参数；完成后并行计算模块将结果回传给微型计算机；

第六步，训练神经网络：通过第五步得出的最优椭圆参数可得出圆形反光涂层边界，进而计算出椭圆圆心，通过4个椭圆的圆心位置可得任意两个椭圆圆心之间的距离，并求出距离和，记为S，即

其中，l_i，j为任意两椭圆圆心之间的距离。

以S对BP神经网络进行训练：首先设定初始阈值，然后对神经网络进行训练：在采煤机滚筒与液压支架护帮板的距离到安全距离前1～2架时，使液压支架护帮板自动收起，采煤机行驶出安全范围1～2架时自动打出进行支护；若在未达到上述要求，则重新调整第五步中样本点到求得的椭圆边界的最小距离的阈值，并重复30次训练。

第七步，异常情况保护：当液压支架接收到由BP神经网络发出的收起护帮板命令的同时，脉冲计时器开始计时，当位移传感器在设定的时间阈值之内达到安全位置时，认为护帮板板正常收起，否则认为护帮板未正常收起，则输出脉冲信号，微型计算机控制无线信号发射器与安装在采煤机上的无线信号接收器通讯，使采煤机减速及制动。