一种掘进机截割轨迹规划系统与方法与流程
本发明涉及一种掘进机，具体涉及一种掘进机截割轨迹规划系统与方法，属于井下掘进设备技术领域。
背景技术：
煤矿巷道掘进是煤矿开采过程中的一道重要工序，煤矿巷道掘进速度的快慢，将直接影响到煤矿开采效率。近年来，随着中国煤矿科技的发展，煤矿巷道掘进技术及装备虽取得较快发展，但由于中国煤炭资源赋存条件复杂，巷道掘进技术及装备仍然是制约煤矿开采高产、高效的重要因素，综掘的发展远滞后于综采，高效机械化掘进是保证矿井实现高产高效的必要条件,也是巷道掘进技术的发展方向。
无人化掘进是指煤矿井下掘进装备在不需要人工直接干预情况下，通过对掘进环境的智能感知，按照规定的程序自助完成掘进作业。为了实现无人化掘进装备作业轨迹和姿态的精确测控，需要在恶劣环境下实现精确的位姿测量和自动纠偏，现有技术中无人采掘装备轨迹自主规划是将掘进装备的截割轨迹按照设定的性能指标进行规划，使其截割出规整端面。而这种路径规划的方法大致分为两种，一种是基于环境先验完全信息的全局路径规划，又称为静态或者离线规划；另一种是基于传感器信息的局部路径规划，又称为动态或者在线路径规划，静态或者离线规划的缺点在于无法实时反馈井下环境，适应性较差，对于地质条件不好的采煤工作面，该方法受到了严重的限制，且其准确性依赖于操作人员的工作经验，需要操作人员根据经验判断煤岩界面和矸石并调整截割路径，存在滞后性，掘进过程容易出现偏差；而基于多传感器信息的局部规划路径，需要设计多传感器参数来对断面岩石硬度变化情况进行描述，但是得到的描述信息不全面，容易导致路径规划出现错误，且在信息整合过程中需要综合多个传感器的参数进行分析，当某个传感器损坏就会造成反馈的信息不全，从而造成分析结果出现错误。
技术实现要素：
为了克服现有技术存在的各种不足，本发明提供一种掘进机截割轨迹规划系统与方法，能够实时反馈井下煤岩情况，且描述信息全面，路径规划基于多栅格地图建模，准确度更高，可有效避免掘进机截割矸石，减少截齿的磨损和破坏，提高截割速度。
为了解决上述问题，本发明一种掘进机截割轨迹规划系统，其特征在于，包括安装在掘进机主体上的图像获取模块、数据处理模块以及控制模块；所述图像处理模块包括防爆壳体和安装在防爆壳体内的ccd摄像机，ccd的摄像机前端的防爆壳体上设有高透光视窗，ccd摄像机的上方安装有隔爆型探照灯；所述数据处理模块包括嵌入式微处理器系统与plc控制系统，ccd摄像机将拍摄的图像信息输送至微处理器系统，微处理器系统将处理后的信息作为输入变量信号输送至plc控制系统；所述控制模块包括与掘进机截割臂相连的电液比例控制阀，所述plc控制系统输出信号至电液比例控制阀控制截割臂的动作。
为了降低掘进机工作工程中的振动对系统产生的影响，所述图像处理模块、数据处理模块、控制模块均通过安装支架以及隔振器固定在掘进机主体上。
一种掘进机截割轨迹规划方法，其特征在于，包括以下步骤：
第一步、提前对待截割巷道截割断面的图像进行特性提取，通过bow模型来描述煤与夹矸图像，利用支持向量机训练区分煤与夹矸，将获取巷道截割断面的煤岩纹理信息作为学习样本；
第二步、ccd摄像机拍摄的图像进行数字图像处理，将其纹理特征与学习样本中的纹理模型库进行对比，进而得出断面煤岩分布情况，并在此基础上，利用栅格法对巷道截面进行地图建模；
第三步、利用单元分解法对栅格地图横向分割成若干区域单元；上下两栅格值不同的数量z＞3时，对差异栅格边界连线进行分割；
第四步、以区域边界的栅格单元作为路径规划的起点和终点，使运动机器的行走路径覆盖每个区域单元内所有栅格，分别创建每个区域的路径规划路线，并选择重复覆盖率最少的一组路线即作为该区域单元的最优路径规划路线；
第五步、按照第四步方法依次获得所有区域的最优规划路线。
对整个栅格图进行分区，可以使得区域内障碍物的形状更加规则，同时在每个区域内分块进行路径规划，相比于整张栅格图直接路径规划来说，运算量大大降低，提高了系统响应时间，因此截割速度可以有效提高。
进一步的，第二步中对巷道截面进行地图建模的栅格地图所采用的栅格单元为正六边形。与正方形栅格相比，正六边形栅格图在运动方向上具有更大的选择性，正方形栅格图在单元间移动时只能进行四个方向的运动，而正六边形具有六个移动方向可供选择，这使得路径规划更具有灵活性与多变性；并且在对障碍物的形状描述上更为准确具体。
进一步的，第一步中通过bow模型来描述煤与夹矸图像，具体分类过程如下：
1)提取训练样本图像块中的特征向量；
2)利用k-means算法构建视觉词典；
3)训练svm分类器。
进一步的，第二步中对于ccd所拍摄的图像，通过下面三步判断图像类别：
1)先提取图像的sift特征；
2)用词表中的单词将图像表示成数值向量直方图；
3)通过svm分类器对矸石和煤体进行分类。
与现有技术相比，本发明所采用的截割路径规划方法，基于所实时拍摄的截割断面的图像进行栅格法建模，同时根据一定的约束条件对栅格地图进行区域划分，在每个区域内分别进行最优路径规划，相较于现有的路径规划方法，不仅能够实时、全面反应截割断面的情况，还能够根据断面情况快速规划出最优截割路径，缩短了信息处理的时间，提高了截割速度，有效避免了掘进机截割过程中截割矸石对截齿的磨损和破坏，也能避免截割矸石所产生的危险温度引爆瓦斯。
附图说明
图1为本发明结构示意图；
图2为本发明图像获取模块结构示意图；
图3为本发明系统原理图；
图4为本发明具体实施例中区域单元边界选择示意图；
图5为本发明具体实施例中区域单元内的路径规划示意图。
图中：1、掘进机主体，2、图像获取模块，2-1、防爆外壳，2-2、高透光视窗，2-3、ccd摄像机，2-4、隔爆型探照灯，3、数据处理模块，4、隔振器，5、安装架，6、控制模块；
001、障碍物一；002、障碍物二；003、障碍物三；004、障碍物四；
01、区域a；02、区域b。
具体实施方式
下面结合附图对本发明做详细的阐述。
如图1至图3所示，一种掘进机截割轨迹规划系统，其特征在于，包括安装在掘进机主体1上的图像获取模块2、数据处理模块3以及控制模块6；所述图像处理模块2包括防爆壳体2-1和安装在防爆壳体内的ccd摄像机2-3，ccd的摄像机2-3前端的防爆壳体上设有高透光视窗2-2，ccd摄像机2-3的上方安装有隔爆型探照灯2-4；所述数据处理模块3包括嵌入式微处理器系统与plc控制系统，ccd摄像机2-3将拍摄的图像信息输送至微处理器系统，微处理器系统将处理后的信息作为输入变量信号输送至plc控制系统；所述控制模块6包括与掘进机截割臂相连的电液比例控制阀，所述plc控制系统输出信号至电液比例控制阀控制截割臂的动作。
为了降低掘进机工作工程中的振动对系统产生的影响，所述图像处理模块2、数据处理模块3、控制模块6均通过安装支架5以及隔振器4固定在掘进机主体1上。
一种掘进机截割轨迹规划方法，其特征在于，包括以下步骤：
第一步、提前对待截割巷道截割断面的图像进行特性提取，通过bow模型来描述煤与夹矸图像，利用支持向量机训练区分煤与夹矸，将获取巷道截割断面的煤岩纹理信息作为学习样本；
图像的bow模型表示即图像中所有图像块的特征向量得到的直方图。具体分类过程如下：
1)提取训练样本图像块中的特征向量
sift算法首先将图像与高斯核函数进行卷积，得到高斯差分尺度空间，通过极值点检测来初步确定关键点所在的位置和尺度，这一步为粗糙地探测兴趣点的位置，因此得到的兴趣点中含有大量的无用信息，然后就要对这些关键点进行精确的定位，以得到其尺度、方向等信息，具体步骤包括精确插值定位、滤除低对比度的点和去除边缘响应，这样就得到了所需的兴趣点的精确位置信息。下一步给每一个兴趣点分配方向和尺度，每一个特征便具备了四个参数，中心点的水平坐标，中心点的垂直坐标、尺度以及方向。最后一步便是对特征进行描述，应用sift描述子对特征进行描述时，每个特征都将被表示成128维的特征向量，首先以关键点为圆心取16x16的邻域窗口，然后将该窗口分成4x4个子区域，在每个子区域中计算8个方向(0°，45°，90°，135°，180°，225°，270°，315°)的梯度累加值，这样每个特征便可以用4x4x8＝128维的向量来表示。按照这种方法对特征进行描述可以避免尺度变换、旋转变化的影响。
2)利用k-means算法构建视觉词典
k-means算法是一种基于样本间相似性度量的间接聚类方法，将向量空间中的n个特征点按照类内方差和最小的原则分为指定的k类，如下方公式所示。
其中si(i＝1,2,…k)表示中心点为μi的第i个聚类类别，xj表示属于类别si的数据点，k-means聚类方法的具体步骤包括：(1)随机选取k个初始中心；(2)计算每个数据与聚类中心的距离，将n个数据按照最近距离原则分配到以k个初始中心为代表的聚类类别中；(3)根据上一步的结果对新形成的k个类别进行中心计算，得到新的聚类中心；(4)重复步骤(2)和(3)，直到结果收敛为止。然后利用k个聚类中心当作“单词”来构建视觉词典。这样当对待分类图像进行分类处理时，同样对其进行特征抽取和描述，然后将这些特征与视觉词典中的单词进行匹配，通过一定的判别方法找到最相似的单词，这样每一张图片都可以表示为视觉单词出现概率的集合，相应地，可以近似用统计直方图的方式进行表示，因此，bow模型可以被看作基于独立特征的直方图表示。
3)训练svm分类器，
在应用k-means算法生成视觉单词之后，每个图像将会由一个单词袋来表示，在此基础上对分类器进行训练，达到将图像类别进行区分的目的。
一个性能良好的分类器不仅要满足分类的正确性，还要使超平面的两侧间的距离足够大，用{xi,yi}，i＝1,2…n来表示线性可分的样本集，用y∈{1,-1}来表示类别的标号，设该线性空间的维数为d维，那么，线性判别函数就可以表示为:
g(x)＝ωx+b
分类面即超平面的方程可以表示成:
ωx+b＝0
决策函数可以定义为:
f(x)＝sgn(ωx+b)
令离分类面最近的样本的|g(x)|＝1，那么则可以计算出分类间隔2||ω||，因此，如果保证两类的间隔最大，那么则需使||ω||或||ω||2最小。根据上面的分析，考虑到后续的计算方便，线性可分支持向量机可以归结为以下最优化求解问题:
这里需要满足的条件为:
yi(w·xi+b)≥1,i＝1,2…n
然而现实中很多问题都是线性不可分的，需要增加松弛项ζi≥0，需要满足：
yi(w·xi+b)-1+ζi≥0
为了简化计算，可以将上述最优分类面的求解问题转化为在上成立的条件下，求下式极小值：
其中，c是常数，其值越大，表示对错误分类的惩罚越大。这里引入lagrange乘子来进行求解，可以得到如下的线性可分对偶的形式:
约束条件为：
其中，αi可能有三种取值：
(1)αi＝0；(2)0＜αi＜c(；3)αi＝c
把满足(2)的向量xi称为标准支持向量，满足条件(3)的向量称为边界支持向量。而对确定最优超平面以及决策函数起作用的只有支持向量。
由于该分类判别函数只与训练样本中支持向量与待分类样本的内积运算有关，因此只需要知道该空间的内积运算，便可以解决该特征空间的最优线性分类问题。这里需要应用到mercer条件:令k(x,x)表示任意的对称函数，它是某个特征空间的内积的充分必要条件是，对于任意的
根据统计学习理论中的希尔伯特原理，只要有一种运算满足mercer条件，它就可以代替这里的内积使用。用内积k(x,x)代替上述最优分类面中的点积，得到的优化函数为:
通过以上的分析讨论，可以将svm的基本思想总结为：通过定义适当的内积函数进行非线性变换，将输入空间变换到一个高维空间，在这个新的高维空间中求最优分类面。
第二步、ccd摄像机拍摄的图像进行数字图像处理，将其纹理特征与学习样本中的纹理模型库进行对比，进而得出断面煤岩分布情况，并在此基础上，利用栅格法对巷道截面进行地图建模；
具体如下，对于ccd所拍摄的图像，通过下面三步判断图像类别：
1)先提取图像的sift特征；
2)用词表中的单词将图像表示成数值向量直方图；
3)通过svm分类器对矸石和煤体进行分类。
对巷道截面进行地图建模的栅格地图所采用的栅格单元为正六边形。与正方形栅格相比，正六边形栅格图在运动方向上具有更大的选择性，正方形栅格图在单元间移动时只能进行四个方向的运动，而正六边形具有六个移动方向可供选择，这使得路径规划更具有灵活性与多变性；并且在对障碍物的形状描述上更为准确具体。
假设巷道断面最大长度为l，最大宽度为w，每个六边形栅格边长为a,则栅格数为
第三步、利用单元分解法对栅格地图横向分割成若干区域单元；上下两栅格值不同的数量z＞3时，对差异栅格边界连线进行分割；
以图4中某个截割断面建模栅格地图为例，图4中在x＝29与x＝30两行栅格中，i(29，1)＝0、i(30，1)＝1,上下两栅格值不同，并且这种情况存在于y＝1,2,…8,14,15,16,17时，所以对于x＝29与x＝30两行上下两栅格值不同的数量z＝12＞3，则根据存在差异值的栅格边界，在(29,8)与(30,8)的边界与(29,14)与(30,14)的边界间进行横向分割，在(30,17)与(29,17)的边界与地图边界间进行横向分割，将整个地图分割为若干具有较规则图形的区域。并对每个栅格赋予区域值k。
第四步、以区域边界的栅格单元作为路径规划的起点和终点，使运动机器的行走路径覆盖每个区域单元内所有栅格，分别创建每个区域的路径规划路线，并选择重复覆盖率最少的一组路线即作为该区域单元的最优路径规划路线；
具体步骤为：从左下角(1,1)开始运动，进行横向运动，并将已截割栅格的截割状态值由待截割的h＝0改为已截割h＝1,当遇到夹矸即i＝0时，向上进行运动，直至该区域内栅格的h都变为1，然后进入下一个区域。
以图4和图5为例，在区域a01与区域b02边界交界处，区域a01边界的栅格单元由左至右为a01～a05，，区域b02边界的栅格单元由左至右为b01-b06；在从区域b02单元进入区域a01单元时，可由a01-a05任意一个作为01单元截割起始点，对先以最短距离达到单元区域内左下角栅格，进行横向运动，并将已截割栅格的截割状态值由待截割的h＝0改为已截割h＝1,当遇到夹矸即i＝0时，向上进行运动，直至该区域内栅格的h都变为1，然后进入下一个区域，比较以a01-a05为起始点的五种路径的截割重复率，即空截割栅格数目，选择其中最少的一种作为该区域的路径规划方案，
第五步、按照第四步方法依次获得所有区域的最优规划路线。
对整个栅格图进行分区，可以使得区域内障碍物的形状更加规则，同时在每个区域内分块进行路径规划，相比于整张栅格图直接路径规划来说，运算量大大降低，提高了系统响应时间，因此截割速度可以有效提高。
- 还没有人留言评论。精彩留言会获得点赞！