|
以瓦斯救援机器人为代表煤矿救援机器人的 多传感器功能的研究 慕杰 煤炭科学研究总院，北京 100013 摘要：本文以煤矿救援机器人为研究对象，对瓦斯救援机器人的多种传感器进行了研究，详细论述了其基本原理、特点以及适用范围。所设计的多模块化传感器应用于瓦斯救援机器人，能够在灾后环境信息探测、幸存人员搜寻方面提供帮助，具有较高的研究意义和社会价值。 关键字：传感器，瓦斯救援机器人，煤矿智能化 Research on the multi-sensor function of coal mine rescue robot with gas rescue robot as representative MU jie China Coal Research Institute ,Beijing 100013,China Abstract: Taking the coal mine rescue robot as the research object, this paper studies various sensors of the gas rescue robot, and discusses its basic principles, characteristics and scope of application in detail. The designed multi-modular sensors used in gas rescue robots can provide help in the detection of post-disaster environmental information and search for survivors, and have high research significance and social value. Keywords: sensors, gas rescue robots, coal mine intelligence
1 研究背景 煤炭是我国的基础能源，是保证国家能源安全战略的压舱石。2005年，《国务院关于促进煤炭工业健康发展的若干意见》中开宗明义地指出：煤炭是我国重要的基础能源和原料，在国民经济中具有重要的战略地位[1]。在我国一次能源结构中，煤炭将长期是我国的主要能源。但是，煤矿开采本身是具有较大风险的，随着我国科技进步，煤矿智能化逐渐成为实现煤炭工业高质量发展的核心技术支撑。2020年，国家发改委、国家能源局、应急管理部等相关部委联合印发《关于加快煤矿智能化发展的指导意见》，明确指出要大力发展煤矿机器人，为煤矿智能化开采奠定良好基础。 事故的发生可能有各种形式，包括坑顶垮塌、高温高湿、照明不足、火灾、水灾、电梯故障、使用不安全设备以及拖运事故等。这些类型的事故一次可能造成个别矿工的死亡或残废。更危险的事故是由气体尘埃或者瓦斯气体聚集引发的爆炸，那些情况可能立即造成数十名甚至数百名矿工的死亡[2]。在这些危险事故面前，人类的力量是有限的，但人类智慧是无限的。煤矿救援机器人就是人类智慧在机器人领域的创新型产物。也使得救援机器人的研究成为机器人雪中一个具有实践意义的新领域[3]。 1.1 国外研究现状
美国在机器人研究领域的研究水平较高，如图所示，美国卡梅隆大学研制的名为Groundhog煤矿救援机器人
图1 Groundhog煤矿救援机器人 2006年初，美国的西弗吉尼亚州的煤矿发生矿难造成12名旷工遇难，事故发生后，美国煤矿安全与健康局派出了救援机器人，这是救援机器人第一次应用于矿难事故救援[4]。 美国南弗罗里达大学研制的Simbot矿井搜索机器人，具备校庆灵活、功能强大的优点。该款机器人携带数字摄像机和基本的气体检查组件，可以通过一个钻出的小洞进入矿井，穿过矿井复杂的碎石、泥泞环境，使用其携带的传感器完成矿工搜寻、氧气和甲烷气体探测等救援任务。
图2 Simbot矿井搜索机器人
1.2国内研究现状 中国矿业大学可靠性工程与救灾机器人研究所研制的CUMT-1型矿井搜救机器人，是我国第一台针对煤矿救援的机器人。该机器人装配有低照度摄像机、气体传感器和温度检测等设备。能够探测灾害环境，实时传回灾区的瓦斯、一氧化碳、粉尘浓度、温度及现场图像等信息。同时携带食品、水、药品、救护工具等救援物资，能够使受害者开展自救[5]。 图3 CUMT-1型矿井搜救机器人 哈尔滨工业大学机器人研究所研制了煤矿井下探测机器人。该机器人为三节履带机构形式，具备井下视频音频信号采集及温度、风速、CO、CH4 传感器的数据采集功能。山东省科学院自动化研究所、沈阳新松机器人自动化有限公司研制的井下探险搜救机器人搭载了三自由度的机械臂，在其末端安装了探测传感器、红外摄像头、音频设备等。此外，山东大学针对履带式井下探测机器人的底层控制系统进行了研究与设计。成都理工大学提出了一套搜救机器人的标准描述方法，形成搜救机器人的特征描述表。西安科技大学对适合煤矿救援机器人的矿山地理信息系统进行了研究。 1.3 多传感器融合技术 按照国标GB/T 7665-2005的定义，传感器（sensor）是“能感受被测量并按照一定的规律转换成可用输出信号的器件或装置”[6]，在互联网、云计算方面，传感器的信息融合技术发挥着重要作用。 救援机器人作为面向危险而复杂应用背景的智能系统，其传感信息的获取与处理是其控制决策的前提[7]。单个传感器获得信息非常有限，不能完成对复杂情况的评估。煤矿救援机器人能否高效开展井下救援，实时准确反馈现场环境情况，为后续救援提供依据，主要取决于传感器的应用程度高低。在此情况下，多传感器信息融合技术应运而生。 多传感器信息融合技术（multi-sensor）使煤矿救援机器人在各种复杂环境下探测的数据更加准确；并能够为救援人员提供尽可能精确、详尽、综合的现场信息，为救援决策方案的制定提供更多有用可靠的信息。同时，多传感器信息融合还能应用在救援机器人的传感器测距、目标识别、自主导航和定位及路径规划和跟踪等问题上，将产生积极的效果。
图4 煤矿瓦斯救援机器人的多传感器融合系统 1.4 煤矿救援机器人的技术要求 煤矿救援机器人井下作业工艺和环境特殊，属于特种机器人，应符合如下特殊技术要求： （1）满足煤矿井下防爆、防尘、防潮、抗腐蚀等特殊要求； （2）结构与尺寸满足井下空间作业需求； （3）运动机器人需要具有在井下复杂空间资助路径规划、自动避障、自动平衡、自主行走，主动复位等控制能力； （4）具有对特殊环境的精准感知、自学习、自决策和自适应的能力。 2 传感器模块 瓦斯救援机器人要深入到灾害救援事故现场，采集沿途经过的各种环境信息，并通过无线通信的方式把传感器探测到的这些信息发送到地面上的救援指挥中心；根据一定的算法和评估办法对传感器传回的实时数据进行信息融合，进而实现瓦斯救援机器人的定位、导航、避障等功能，更好完成救援任务。 根据瓦斯救援机器人到达现场探测现场环境以及搜索、施救幸存者的功能要求，救援机器人要具备高校而准确地探测和灾害信息采集能力，这些信息主要包括：灾害现场的温度、湿度、有害气体浓度、风速、被困人员的生命特征信息以及现场环境的实时图像信息等。根据灾后救援人员急需获取的五种环境信息，可将煤矿救援机器人的环境探测功能设计如下： 2.1 温度、湿度检测 温度、湿度检测，获取灾后现场的温度和湿度情况；灾害事故现场的温度、湿度差会给井下被困矿工带来极大的身体不适。当温度、湿度过低时，空气冷燥，人体内的能量将大量流失，身体机能迅速下降，被困矿工的心理将会受到严重考验。当温度、湿度过高时，身体内的水分散发加快，呼吸困难，矿工极易中暑。因此救援环境的温度不仅对被困人员的生存几率有很大的影响，同时也很大程度上影响着救援人员展开救援行动的效率[8]。 因此选择由瑞士Sensirion研制的SHT10温度湿度传感器作为研究对象。该款传感器的工作原理为：电容型聚合体检测湿度，能隙材料检测温度，通过A/D转换器及串行接口电路实现无缝连接，通过两线数字输出，可以方便地与处理器进行连接[9]。具有响应速度快、抗干扰能力强、性价比较高等优点。
图5 SHT10温度湿度传感器 2.2 气体检测 气体检测，煤矿的煤层中含有大量对人体有害的气体与粉尘，其中对人体有害的气体主要包括甲烷、一氧化碳气体，即我们所说的瓦斯气体，瓦斯具有很强的扩散性，井下瓦斯与空气混合到一定浓度后，遇有引爆热源就能燃烧或爆炸；当井下空气中瓦斯浓度较高时，会相对低降低空气中氧气含量，使人窒息死亡[10]。本文所说的气体检测传感器模块是将甲烷气体浓度传感器、一氧化碳气体浓度传感器进行模块化设计。
目前，检测井下一氧化碳气体浓度的方法按照原理可分为：电化学、红外线吸收、催化氧化、气敏半导体和五氧化二碘吸收法等[11]。 本文着重研究采用电化学气体检测的一氧化碳传感器，其工作原理是：外界空气中的氧气、一氧化碳气体经扩散通过一氧化碳传感器薄膜溶解在薄层电解液中，发生电化学氧化还原反应[12]。
图6 ME3-CO 一氧化碳气体传感器 目前，甲烷气体检测的方法主要有：热催化氧化、热到、光干涉、气敏半导体、红外线吸收、激光、超声波等[13]。 本文研究使用热催化氧化法来检测甲烷气体浓度的传感器。其工作院为：甲烷在高温条件下和氧气在催化剂的作用下就会燃烧，燃烧过程放出一定的热量，甲烷传感器中检测黑原件吸收这些热量之后，温度随之升高，其温度与外界甲烷气体浓度呈正比。因此，利用铂金属热电偶将检测黑原件温度变化转变为电阻变化，通过甲烷气体检测电路转化为电压的变化并进行放大。从而实现了气体浓度近似线性地转变为电压值变化[14]。 图7 甲烷气体检测电路 2.3 粉尘检测 粉尘检测，灾害救援现场的粉尘浓度很高，存在着较大的污染，被困人员和救援人员在此环境中身体受到了严重的威胁，会使人患尘肺病。另外，粉尘浓度过高也潜伏者粉尘爆炸的危险，因此，救援机器人搭载的粉尘浓度传感器对救援现场的粉尘浓度进行测量就显得尤为重要[15]。 粉尘浓度传感器是根据激光散射原理，利用激光照射救援现场的含尘空气，当激光束通过含尘空气的固体颗粒，就会发生吸收和散射现象，从而使光在原来传播方向上的强度减弱[16]。 2.4 图像检测 图像检测，通过机器人视觉传感器，可以采集图像获取现场的视频信息，获取瓦斯爆炸的地点、爆炸波及范围、巷道坍塌、通道障碍物、积水等可见环境信息，使得救援人员在第一时间了解灾害事故现场的有关情况。 为了更好地在煤矿中进行导航、观察煤矿中的实际状况，设计一个以深度摄像头为核心的图像检测系统。深度摄像头用于拍摄煤矿内部的RGB图像和深度图像，控制器可通过USB接口读取摄像头数据。 这里提到一个概念，即同步定位与地图创建（Simultaneous Localization and Mapping, SLAM），是指在陌生环境中，机器实现环境感知、理解和完成自身定位，以及路径规划[17]。 根据传感器类型可将SLAM划分为激光、视觉两大类。激光SLAM的研究在理论和工程上都比较成熟，现有的很多行业已经开始使用激光SLAM完成工业工作；而视觉SLAM（visual SLAM,VSLAM）是将图像作为主要环境感知信息源的SLAM系统。视觉检测系统由于视场角限制，一次只能获取周围环境部分的现场信息，其余大部分现场信息被放弃了，无法提供全方位的决策依据信息。因此通过多视几何方法构建3D地图[18]。研究的煤矿瓦斯救援机器人，利用摄像头可实现基于视觉的导航与定位。
2.5 超声检测 超声检测，超声传感器主要用于探测距离，配合配合加权算法对行进中遇到的障碍物进行避障检测，提高运动速度。 除了避障功能之外，超声波还可用于探测生命，其原理为利用超声波发射后遇到人体，其传播特性发生改变。文献[19]提出人体肌肉、脂肪、大脑、血液、颅骨等部位对超声波的特性有数值差异。 通过计算可知，超声波绝大部分的能量在探测到人体后会反射回来，因此，我们需要分析超声波的反射回波来判断探测区域有无生命体。 超声波传感器是一种既可以把电能转化为声能，又可以把声能转化为电能的装置，他通过超声波的发射和接受来实现测距。原理是利用超声波的反射和多普勒效应。超声波碰到杂质成分或洁面就会产生显著反射，形成反射回波；碰到或动物体能产生多普勒效应，通过测量超声波从反射到返回的时间差，即可计算出前方障碍物的距离。比起红外，激光和无线电测距，超声检测具有结构简单、成本较低、不易受光线、延误、电磁影响等优点，所以在某些特殊情况下，超声检测是其他测距方式所不能代替的[20]。 3 结论 本论文在调研了大量国内外关于煤矿救援机器人传感器使用的基础上，对以瓦斯救援机器人为代表的煤矿救援机器人进行了一定的研究。主要介绍了多种传感器的工作原理原理、功能及应用场景，主要包括温度、湿度传感器、甲烷气体检测传感器、一氧化碳气体检测传感器、粉尘浓度检测传感器、图像识别传感器、音频检测传感器、超声波传感器。针对以上传感器进行了较为详细的论述，为后续深入研究打下理论基础。但大多数据、性能参数来源于文献资料，理论性强，因此加强实验、多传感器信息融合将是后面需要深入探讨和完善的地方。
参考文献 [1] 武予鲁. 煤矿本质安全管理[M]. 北京: 化学工业 出版社, 2009. [2] 周心权, 常文杰. 煤矿重大灾害应急救援概述[M]. 徐州: 中国矿业大学出版社, 2007. [3] HIROSE S. Snake, walking and group robots for super mechano-system[C]//,IEEE International Conference on Systems, Man. and Cybernetics, Tokyo International Forum,Tokyo.Piscataway:IEEE,1999:129-133. [4] Robin Murphy. Robot- Assisted Search and Rescue: A Grand Challenge Problem for Computing System[R].University of South Florida. Center for Robot-Assisted Search and Rescue. [5] 由韶泽, 朱华, 赵勇等. 煤矿救灾机器人研究现状及发展方向[J]. 工矿自动化, 2017,04(43): 14-18. [6] 中国机械工业联合会. GB/T 7665-2005 传感器通用术语[S]. 北京: 中国国家标准化管理委员会, 2005. [7] 云峰, 孙上媛. 基于移动机器人的多超声波传感器信息融合[J]. 试验技术与试验机, 2007,05(29): 52-54. [10] 韩兵, 付华. 基于 BP 神经网络数据融合的瓦斯监测系统[J]. 工矿自动化, 2008,12(4): 10-13. [11] 中华人民共和国煤炭工业部.煤矿安全规程[S]. 北京: 煤炭工业出版社, 1980. [12] 国家煤炭工业局行业管理司,国家煤矿安全监察 局政策法规司编.煤矿安全法律法规选编[S]. 北京: 煤炭工业出版社, 2003. [13] 周奇勋, 王勉华, 乐春峡. 便携式智能型低浓度甲烷检测仪研究[J]. 仪器仪表学报, 2003(8): 4-7. [14] 吕玉祥, 刘宏林. 多功能低功耗甲烷浓度监测仪的设计与应用[J]. 中北大学学报(自然科学版), 2006(3): 268-272. [15] 王自亮. 粉尘浓度传感器的研制和应用[J]. 工业安全与环保, 2006,1(10): 51-53. [16] 闫丽华. 基于 PIN 型光敏元件的粉尘传感器设计[J]. 机电产品开发与创新, 2008,03(21): 83-84. [17] CADena C., Carrillo H. Past, Present, and Future of Simultaneous Localization and Mapping: Toward the Robust-Perception Age[J]. IEEE Transactions on Robotics(S1552-3098), 2016,06(32): 1309-1332. [18] Geiger A., Lenz P. Are we ready for autonomous driving? The KITTI vision benchmark suite[C]//. IEEE Conference on Computer Vision and Pattern Recognition, USA. Piscataway: IEEE, 2012. [19] 罗庆生, 韩宝玲. 一种基于超声波与红外线探测技术的测距定位系统[J]. 计算机测量与控制, 2005(04): 304-306. [20] 曹玉华. 超声测距系统设计及其在机器人模糊避障中的应用[D]. 青岛: 中国海洋大学, 2007.
| 
发表于 2021-12-2 00:44:51
|
关注官方微信 
手机扫描访问 
窥视卡
雷达卡
发表于 2020-10-25 12:04:55
桂公网安备 45010302001802号