無人抓斗行車火車發(fā)貨關(guān)鍵技術(shù)研究與應(yīng)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(lǐng)域具有極高的應(yīng)用價值。無人抓斗行車可以根據(jù)調(diào)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(yīng)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(wù)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(jìn)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(guān)鍵技術(shù),設(shè)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(dá),3D雷達(dá)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(guān)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_(dá)獲取的三維掃描圖上進(jìn)行火車邊緣檢測^[3]，獲取火車四個頂點的坐標(biāo)以確定火車的位置,在此基礎(chǔ)上提取出火車矩形頂點的坐標(biāo)?；疖嚩ㄎ涣鞒倘鐖D2所示。

圖3為雷達(dá)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(jìn)行預(yù)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(yù)處理圖像進(jìn)行邊緣檢測^[4],在Canny檢測的結(jié)果圖上增加圖像的二次處理,包括二值化和邊緣連接,并設(shè)定興趣區(qū)域roi掩膜,通過二次處理降低圖像中無關(guān)信息的干擾來提高識別效率。

為了提取火車中心點坐標(biāo),需要進(jìn)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(jìn)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(yīng)的函數(shù)提取出火車車廂的四個頂點坐標(biāo),根據(jù)四個頂點坐標(biāo),便可求得火車車廂中心點坐標(biāo)。圖5為最終結(jié)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(biāo)識,能夠幫助系統(tǒng)準(zhǔn)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(shù)自動獲取火車車號,經(jīng)重量檢測設(shè)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(diào)度和數(shù)據(jù)統(tǒng)計分析。在裝載結(jié)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(xué)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(yīng)的數(shù)據(jù)集,在制作的數(shù)據(jù)集基礎(chǔ)上訓(xùn)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(jìn)行標(biāo)注,通過自動化方式提高標(biāo)注效率,進(jìn)一步提高訓(xùn)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(diào)度和運輸提供參考依據(jù)。

通過準(zhǔn)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(zhǔn)監(jiān)控和管理,確保裝載操作的準(zhǔn)確性和高效性。圖6為現(xiàn)場火車的實物圖及識別結(jié)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(jié)合車廂位置、投料量等因素,自動選擇合適的投料點進(jìn)行裝載,以確保裝貨的準(zhǔn)確性和高效性。考慮到抓斗行車屬于空中重載設(shè)備,投料點的選取應(yīng)當(dāng)充分考慮現(xiàn)場人員和設(shè)備的安全,同時要確保企業(yè)的經(jīng)濟(jì)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(dǎo)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(chǔ)上,可以得到火車車廂的中心點坐標(biāo)。為了確保物料分布均勻和裝載安全,設(shè)計下列投料方法:假設(shè)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(cè)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(biāo)為(X₀,Y₀)。

出于安全考慮,布料時車廂前后需分別預(yù)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(yù)留長度為

1/2Lz的安全空間,則總共需預(yù)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(dāng)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(dāng)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(nèi)容,設(shè)火車車廂的中心點坐標(biāo)為(X₀,Y₀),第n次的布料點位坐標(biāo)為(X_n,Y₀)。

當(dāng)抓取次數(shù)N為奇數(shù)時:

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

當(dāng)抓取次數(shù)N為偶數(shù)時:

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

綜上,結(jié)合式(5)和式(6)兩種情況得出:

4現(xiàn)場結(jié)果分析

4.1火車定位結(jié)果分析

圖9為火車車廂頂點坐標(biāo)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(biāo)數(shù)據(jù),將此數(shù)據(jù)與MATLAB三維圖中的火車實際坐標(biāo)進(jìn)行對比,可得出其中橫坐標(biāo)最大偏差為7個像素,最低為1個像素,橫坐標(biāo)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(biāo)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(biāo)為364和596。實際的火車車廂中心點橫坐標(biāo)在361~365和594~598范圍內(nèi),可見邊緣檢測獲取的中心點坐標(biāo)較為準(zhǔn)確。

根據(jù)邊緣檢測得出的火車車廂的四個頂點坐標(biāo),可以求得火車車廂中心坐標(biāo)點,與實際火車車廂中心坐標(biāo)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(nèi),在允許誤差范圍內(nèi),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(jié)果分析車號識別系統(tǒng)采集到的圖像如圖10所示,識別結(jié)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(zhǔn)確定位和識別,輸出結(jié)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(jié)果進(jìn)行統(tǒng)計,得到表1數(shù)據(jù),表明噸位和車號識別準(zhǔn)確率達(dá)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(jié)果分析

結(jié)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(jìn)行分析,投料點較為合理,物料拋灑在合理范圍內(nèi)。以60 t火車為例,根據(jù)火車位置和噸位信息進(jìn)行投料規(guī)劃,投料總次數(shù)為9次,對應(yīng)的投料點符合實際。

5結(jié)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(zhǔn)確性。通過與智慧礦山管理系統(tǒng)結(jié)合,無人抓斗行車可以根據(jù)調(diào)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(fēng)險,無人抓斗行車的應(yīng)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(xiàn)]

[1]劉松平,彭媛.無人化智能行車在精礦庫的應(yīng)用和關(guān)鍵技術(shù)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(shè)計與應(yīng)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(xué)報,2024,55(2):242—248.

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

2024年第22期第21篇