张永超， 于智伟， 丁丽林

(山东科技大学 机械电子工程学院，山东 青岛 266590)

0 引言

煤矸石分拣是煤炭粗选的首要环节，也是提高煤炭质量以及矿井效益的重要方法[1]。传统煤矸石分拣如人工分拣、湿选和干选等分拣方式正面临工伤风险率高、环境污染严重及智能化程度低的困境[2-3]。而机械臂分拣不仅能有效降低工伤风险率，同时还具有效率高、绿色分拣的优势。《关于加快煤矿智能化发展的指导意见》也明确提出对具备条件的煤矿要加快智能化改造，推进危险岗位的机器人作业，到2035年各类煤矿基本实现智能化，建成智能感知、智能决策、自动执行的煤矿智能化体系。煤矸石分拣朝着智能机器人化方向发展符合现代工业发展趋势。

目前，用于机器人分拣机械臂的控制算法主要有抓取函数法[4]、基于费拉里法的动态目标抓取算法[5]、金字塔形寻优算法[6]、比例导引法[7]等。这些控制算法中除抓取函数法仅适用静态目标外，其他控制算法均可在已获取目标位置的前提下，实现快速接近目标的目的。然而将以上控制算法应用于煤矸石分拣机械臂时发现，煤矸石分拣机械臂的工作效率严重受限于控制算法中机械臂运动学或动力学等环境模型的设计精度，若精度低则会使煤矸石分拣机械臂末端执行器不能良好接近目标，造成较高的漏选率[8]。王鹏等[9]设计了一种基于机器视觉技术的多机械臂煤矸石分拣机器人系统,该系统可高效分拣50～260 mm粒度的煤矸石，并且能良好适应不同带速，但其机械臂控制算法仍依赖模型的精确性。……