于继明,徐 楠,杨余旺,汤乐军

(金陵科技学院 1.机电工程学院;2.智能科学与控制工程学院,江苏 南京 211169; 3.南京理工大学 计算机科学与工程学院,江苏 南京 210094; 4.南京宝地梅山产城发展有限公司矿业分公司,江苏 南京 210041)

干散堆料发货无人化是干散料发货行业的趋势。当前宝钢、江西铜业等企业做了一些尝试,在自动化、智能任务交互等方面取得了一些成果[1-3]。但是,系统的安全性成为干散料发货无人值守应用的拦路虎,不解决抓取安全问题,无人系统难以实现可靠、规模化应用。抓取点选择不当会造成抓斗开闭绳脱槽、抓斗翻斗的情形,存在较大的安全隐患。人们在三维激光扫描、建模等方面有一些探索与应用。利用三维激光扫描技术精确获取黄金矿采场三维空间数据,构建采场三维精细模型,提高采场体积的计算精度和工作效率[4]。用三维激光扫描技术测量边坡的3个参数,计算后评价边坡的状态,为安全、有效地监测矿山边坡安全状态提供一种方法[5]。利用三维激光扫描系统对采空区进行精准的激光扫描,建立采空区的三维实体模型,进行采空区稳定性分析,该方法提高了采空区稳定性分析的可靠性[6]。运用三维激光探测系统对采空区开展精准探测,采用该方法获得探测数据,构建采空区精确三维模型,能够为采空区治理提供有价值的参考数据[7]。还有研究人员利用交叉激光中心方法,对三维物体进行实时扫描,重建三维图像[8],所得图像的误差小、精度高。干散料的三维分布特征与安全抓取的关系是业务安全、稳定工作的关键。为此,本文分析了细颗粒干散料的三维分布特征与抓取安全特征,建立了三维分布的安全关系模型,提供干散料无人值守系统安全抓取的检测方法。

1 业务场景

在干散料码头、仓库中,散料堆通常为倾倒或抓斗抛放形成,其三维分布具有连续又极不规则的特征,如图1所示,整个区域共由39*99个基本单元格组成。在无人值守系统中,将发货区域分为一个个的抓取方格,即“抓取窗口”。抓取时,抓斗根据作业指令,去抓取其覆盖区下的抓取窗口,整个发货区域被分为多个抓取窗口,如图2所示。

图1 干散堆料三维分布图

图2 抓取窗口图

如图1所示,整个区域划分为m×n个单元窗口,每个单元窗口的边长为l,整个区域可视作1个矩阵Amn,每个单元窗口Aij的平均高度为hij,i=1,2,…,m;j=1,2,…,n。在抓取时,以俯视角度按抓斗抓取范围大小将Amn分成Wpq个窗口,则每个抓取窗口Wxy包含Amn中(m/p)×(n/q)个单元窗口,x=1,2,…,p;y=1,2,…,q。

为了方便分析窗口的三维分布特征与抓取安全特征,将每个抓取窗口划分为4个子窗口及中心子窗口,分别针对平均高度、坡度等分布特征、安全特征进行分析,并根据分析情况进行建模与仿真。

2 三维分布特征与抓取安全性因素分析

对于任意1个抓取窗口Wpq,假设其包含l行c列个基本单元格,则Wpq所在区域覆盖了l*c个单元格。将抓取窗口划分为Wk(k=1,2,…,4)个子窗口和1个中心窗口Wc,Wc在Wpq的中心位置,其余4个子窗口均互不相交,如图3所示,本例中l=12,c=16。图3中,细颗粒散料的分布是连续的,理想的情况是中间高、四周低,即物料集中于中心窗口Wc位置时,抓取安全且效果好。下文分别就4种可能情况进行讨论,如图4所示。

图3 抓取散料与窗口划分示意图

图4 4种典型的三维分布情况图

图4中可以看出,只要4个子窗口高度分布较平均,坡度不大,或者堆料集中在中心窗口,呈“峰”状,则抓取时就比较安全,有较大坡度则容易出现脱槽事故。Wn表示中央窗口高于4个子窗口的数量。图4(a)为最理想的情况,料比较集中在抓取窗口中央,四周低,对于抓斗而言,非常安全;图4(b)中,三角低,一角高,堆料总体上分布在中心位置,周边3个子窗口W2、W3、W4形成1个稳定平面;图4(c)中,总体分布呈大坡状,造成抓斗倾斜,当角度过大时,容易出现脱槽现象;图4(d)中,3个角高可形成稳定平面,1个角低,不会形成安全威胁。从上述分析可知,抓取的安全与堆料分布位置有关,与形成的坡度大小有关。

3 三维分布特征模型与抓取安全检测方法

i=1,2,…,m;j=1,2,…,n

(1)

假设任意1个抓取窗口Wpq包含l行c列个单元窗口,则窗口Wpq的坐标位置

p=1,2,…,l;q=1,2,…,c

(2)

对于任何抓取窗口Wpq,设其中心窗口的平均高度与抓取窗口的平均高度差为

CHS=meanWc-meanWpq

(3)

为表达4个子窗口堆料的分布情况,假设中心窗口的高度与各子窗口的高度差hSk(k∈[1,4])组成的矩阵为H4S,则

(4)

当同一边的2个端点所对应的子窗口值均高于对应另一边的2个端点所对应的子窗口值时,则为“坡”,坡度越大值越大。假设以东西方向坡度与抓斗长边方向一致,则安全隐患主要来源于左右两边平均高差。假设左右两边平均高差为hSlr,则

(5)

另外,4个子窗口Wk的堆料分布也与抓斗的安全有一定关系,分布情况越离散风险越大,对于整个抓取窗口Wpq,分布的离散风险用std(H4S)表示。根据第2节中分析可知H4S中平均高度的正负数量情况以及CHS的值,很容易看出堆料的分布特征。当堆料总体一定时,CHS的值较大时,中心为“峰”,CHS为较大负值时中心为“谷”,相对均安全;当堆料为大坡时,hSlr值越大安全风险越高,成正比关系;与离散程度成正比关系。因此设抓取窗口的安全特征表达式为

SWpq=φ*hSlr*std(H4S)/abs(CHS)

(6)

根据式(3)、(4)、(5)可知,在Wpq抓取业务之前,需检测堆料的三维分布特征,包括中心窗口堆料高度差CHS,4个子窗口的堆料分布离散程度及坡度,由式(6)进行计算得到其风险值。当风险值越小时,抓斗重心与抓取窗口的物料分布中心越接近,在抓斗闭合方向出现翻斗事故的可能性越小,其安全性越好。根据铁精矿仓抓取的现场实验,SWpq>500时,易发生翻斗事故,需要根据检测值避免在风险抓取窗口上进行作业。在实际应用中,需要进一步研究散装物料的物理特性,通过实验确定安全风险域值,当风险值超过预定的域值时,存在较大的安全风险隐患,易发生安全事故。

4 仿真分析

为验证三维分布特征与安全性关系,对图1的情况进行仿真。图1中共33*99个单元格,设l=16,c=32,U=4,V=8,则全场划分为(39/16)*(99/32)共6个抓取窗口,每个抓取窗口又划分为16个子窗口。对全场景所有抓取窗口,按如下流程检测处理:

(1)根据式(1)、式(2)获取各窗口Wpq坐标,(p=1,2;q=1,2,3);

(2)根据式(3)～(5),获得各窗口的CHS、hSk、H4S、hSlr等三维特征分布数据;

(3)根据式(6)计算得到窗口分布特征Fpq,并统计各Wpq中的Wn数据;

(4)对各数据相关的图形进行三维展示,结合数据分析数据与图形的一致性;

(5)对统计数据进行分析,得出结论。

根据上述算法,各窗口的三维分布与安全特征仿真结果如表1和图5所示,φ=1。

表1 示例窗口三维分布数据特征及窗口安全特征表

图5 不同Wpq坐标示例窗口三维分布数据特征图

根据三维分布模型的特征值CHS、H4S、hSlr、Wn计算得到安全特征值SWpq。结合实际三维图,根据重心与平衡的关系,特征值越小,重心越靠近抓取窗口的中心位置,抓取安全性越高,理论模型仿真数据与实际安全风险一致。实际操作上,需避开大斜坡。在实际应用中,通过以上三维特征分布,可有效地检测窗口的安全系数,具有良好的应用价值。

5 结束语

在无人值守行车系统中,抓取的安全是业务正常进行的关键因素。干散堆料在抓取窗口的三维分布特征决定了抓取安全性。对现场实际数据进行规格化,根据抓取业务的安全需求,对堆料的三维分布特征进行建模,包括中心子窗口、周边4个子窗口的均高、凹凸特征、表面坡度等特征,并对数据特征进行仿真。仿真结果与现场实际情况较一致。从理论上解决了抓取窗口的三维分布特征与安全性的关系,为实际抓取业务的安全检测与安全避险提供了理论模型与检测方法。