無人抓斗行車火車發(fā)貨關鍵技術研究與應用

0引言

抓斗行車作為一種高空重載輔助運輸工具,在礦山等工業(yè)領域具有極高的應用價值。無人抓斗行車可以根據(jù)調度指令自主運行^[1],作為智能化物流系統(tǒng)的重要組成部分,其在火車發(fā)貨環(huán)節(jié)的應用,對于提高物流效率、降低人力成本、增強作業(yè)安全性等優(yōu)勢顯著。

在無人值守抓斗行車的火車裝車業(yè)務中,火車的位置為非固定,但從安全和效率的角度出發(fā),對貨物裝進車廂的位置有一定要求^[2]。因此,本文研究了無人抓斗行車自動裝車的關鍵技術,設計了一種基于三維分布特征的無人值守抓斗裝火車方案,包括多節(jié)火車車廂定位、火車車號和噸位識別、投料點分析和選取規(guī)劃等。

1 多節(jié)火車車廂定位

無人抓斗行車采用雙梁式起重機,在行車抓取鐵精礦粉末裝車的過程中,大小車按軌道雙向移動,在大車上裝配3D雷達,3D雷達隨行車大車移動并掃描下方料倉,實時獲取現(xiàn)場料帶高度和火車相關圖像數(shù)據(jù)。圖1為火車與料倉相對位置實景?；疖嚩ㄎ皇窃诶走_獲取的三維掃描圖上進行火車邊緣檢測^[3]，獲取火車四個頂點的坐標以確定火車的位置,在此基礎上提取出火車矩形頂點的坐標?；疖嚩ㄎ涣鞒倘鐖D2所示。

圖3為雷達獲取的火車三維建模俯視圖,采用灰度化和高斯濾波對其進行預處理,降低噪聲對下一步邊緣檢測的影響,獲得邊緣檢測的初始圖像如圖4所示。接下來采用Canny算子對預處理圖像進行邊緣檢測^[4],在Canny檢測的結果圖上增加圖像的二次處理,包括二值化和邊緣連接,并設定興趣區(qū)域roi掩膜,通過二次處理降低圖像中無關信息的干擾來提高識別效率。

為了提取火車中心點坐標,需要進一步尋找輪廓來檢測出精度較高的火車車廂的邊緣,從而進行矩形近似操作,圈畫出火車車廂的矩形。最后利用矩形近似相應的函數(shù)提取出火車車廂的四個頂點坐標,根據(jù)四個頂點坐標,便可求得火車車廂中心點坐標。圖5為最終結果圖。

2火車車號和噸位識別

在火車裝貨系統(tǒng)中,火車車號是火車的唯一標識,能夠幫助系統(tǒng)準確定位、追蹤和管理各節(jié)車廂的裝載情況。系統(tǒng)通過車牌識別技術自動獲取火車車號,經(jīng)重量檢測設備實時獲取車廂的凈重信息。以上環(huán)節(jié)可實時監(jiān)控和記錄每節(jié)車廂的裝載情況,方便運輸調度和數(shù)據(jù)統(tǒng)計分析。在裝載結束后,系統(tǒng)根據(jù)記錄的車號與噸位信息生成裝貨報表或運輸單據(jù)。

火車車號識別由OCR光學字符識別算法實現(xiàn),根據(jù)大量現(xiàn)場車輛圖片制作相應的數(shù)據(jù)集,在制作的數(shù)據(jù)集基礎上訓練生成推斷模型。利用上述數(shù)據(jù)集和推斷模型對車號和噸位進行標注,通過自動化方式提高標注效率,進一步提高訓練模型的識別效率和精度。識別出的車號和噸位信息將提交給發(fā)貨系統(tǒng)并存儲在txt文件中,為車輛調度和運輸提供參考依據(jù)。

通過準確識別火車車號和噸位信息,系統(tǒng)可以實現(xiàn)對裝載過程的精準監(jiān)控和管理,確保裝載操作的準確性和高效性。圖6為現(xiàn)場火車的實物圖及識別結果,其中CF60表示該節(jié)車廂噸位為60 t,8103為該節(jié)車廂的車號。

3投料點分析和選取規(guī)劃

在火車裝載系統(tǒng)中,系統(tǒng)結合車廂位置、投料量等因素,自動選擇合適的投料點進行裝載,以確保裝貨的準確性和高效性?？紤]到抓斗行車屬于空中重載設備,投料點的選取應當充分考慮現(xiàn)場人員和設備的安全,同時要確保企業(yè)的經(jīng)濟效益。此外,在裝載和運輸過程中,也要考慮到裝車和運輸時不會導致車輛翻車、盡可能使物料不拋灑出車廂的安全性。

在火車定位獲取的數(shù)據(jù)基礎上,可以得到火車車廂的中心點坐標。為了確保物料分布均勻和裝載安全,設計下列投料方法:假設需要裝載N斗,若N為奇數(shù)則從車廂中心點開始裝載,若N為偶數(shù)則以中心點為對稱中心向兩側裝載。

已知數(shù)據(jù):火車車廂長度為Lc,抓斗完全張開的長度為Lz,火車的載重為wa,抓斗的抓取次數(shù)為N,抓斗某一次抓取的重量為Wi,則抓斗每一次抓取的平均重量為火車中心點坐標為(X₀,Y₀)。

出于安全考慮,布料時車廂前后需分別預留一部分的安全空間,將投料區(qū)總長度定義為L△,令前后安全距離等于抓斗張開長度的一半,即預留長度為

1/2Lz的安全空間,則總共需預留安全空間的長度L△= Lz,以此得出,布料區(qū)域的長度為:

Lb=Lc—L△=Lc—Lz   (1)

需要抓取的次數(shù)為N,每個布料點的間隔距離為:

當抓取的次數(shù)N為奇數(shù)時:將第一個布料點位定位在火車的中心點,每個布料點位的間隔長度為D,如圖7所示。

當抓取的次數(shù)N為偶數(shù)時:分別將第一、第二個布料點位定位在火車中心點前后,兩者與中心點的間隔長度都為1/2D,兩者間隔長度為D,所有相鄰布料點之間的距離仍為D,如圖8所示。

根據(jù)上述內容,設火車車廂的中心點坐標為(X₀,Y₀),第n次的布料點位坐標為(X_n,Y₀)。

當抓取次數(shù)N為奇數(shù)時:

根據(jù)上述規(guī)律可以得出,當抓取次數(shù)N為奇數(shù)時:

當抓取次數(shù)N為偶數(shù)時:

根據(jù)上述規(guī)律結合N為奇數(shù)時的公式,可以得出,當N為偶數(shù)時:

綜上,結合式(5)和式(6)兩種情況得出:

4現(xiàn)場結果分析

4.1火車定位結果分析

圖9為火車車廂頂點坐標值,根據(jù)火車實際尺寸篩選出其中的有效數(shù)據(jù),即Rectangle 4和Rectangle 5的坐標數(shù)據(jù),將此數(shù)據(jù)與MATLAB三維圖中的火車實際坐標進行對比,可得出其中橫坐標最大偏差為7個像素,最低為1個像素,橫坐標的平均偏差約為3個像素。因為火車軌道固定,可將火車中心點的縱坐標Y0視為定值。根據(jù)邊緣檢測數(shù)據(jù)求得的兩節(jié)有效火車車廂中心點的橫坐標為364和596。實際的火車車廂中心點橫坐標在361~365和594~598范圍內,可見邊緣檢測獲取的中心點坐標較為準確。

根據(jù)邊緣檢測得出的火車車廂的四個頂點坐標,可以求得火車車廂中心坐標點,與實際火車車廂中心坐標點范圍相符合。

火車定位誤差約在4個像素,一個像素代表0.05m,即誤差在0.2 m范圍之內,在允許誤差范圍內,且可以同時識別多列火車車廂,滿足了火車定位的要求。4.2 車號和噸位識別結果分析車號識別系統(tǒng)采集到的圖像如圖10所示,識別結果如圖11所示,對比圖10車號識別輸入圖像和圖11輸出圖像,噸位和車號可以在圖中準確定位和識別,輸出結果噸位為CF60,車號為8103,與實際一致。

對不同噸位和車號火車的識別結果進行統(tǒng)計,得到表1數(shù)據(jù),表明噸位和車號識別準確率達到要求,且對不同的車號和噸位都可以正確識別。

4.3投料點規(guī)劃選取結果分析

結合抓斗行車實際運行情況,從圖12現(xiàn)場火車實際裝載圖片進行分析,投料點較為合理,物料拋灑在合理范圍內。以60 t火車為例,根據(jù)火車位置和噸位信息進行投料規(guī)劃,投料總次數(shù)為9次,對應的投料點符合實際。

5結束語

無人抓斗行車可以實現(xiàn)自動化的物料運輸,提高了運輸效率和準確性。通過與智慧礦山管理系統(tǒng)結合,無人抓斗行車可以根據(jù)調度指令自主運行,避免人為操作誤差,減少運輸成本。在礦山作業(yè)中,火車發(fā)貨過程存在一定的安全風險,無人抓斗行車的應用可以減少人員介入,降低事故發(fā)生概率,提升礦山作業(yè)的安全性。

[參考文獻]

[1]劉松平,彭媛.無人化智能行車在精礦庫的應用和關鍵技術探究[J].銅業(yè)工程,2022(4):94—98.

[2]朱明鈞.散料抓斗全自動行車設計與應用[J].銅業(yè)工程, 2020(5):89—92.

[3]劉浩,任宏,趙丁選,等.基于亞像素定位的圖像邊緣檢測 策略研究[J].農(nóng)業(yè)機械學報,2024,55(2):242—248.

[4]于新善,孟祥印,金騰飛,等.基于改進Canny算法的物體邊緣檢測算法[J].激光與光電子學進展,2023,60(22):221—230.

2024年第22期第21篇