智能电动铲运机控制方法与流程

1.本发明涉及铲运机自动控制的技术领域，尤其涉及一种智能电动铲运机控制方法。

背景技术：

2.目前，地下铲运机的主流产品还是传统的柴油发动机做为动力源的产品，电动铲运机分为两种产品，一种是外接地面电源的电动铲运机，通过电缆连接地面电源，驱动电机，电机为铲运机的动力源。第二种是在铲运机上安装电池，电池为电机提供能源，电机做为铲运机的动力源。电池铲运机在国内矿山领域还未得到广泛的应用，国外及国内各大厂商都尚处于研发实验阶段，控制系统的研究也处于探索测试阶段，主要是电机在各种工况下的控制方法，需要对各种工况的精细研究，从节能的角度出发，找寻最合适的控制方法。

3.同时铲运机多用于地下采矿，用于将矿物从洞内往外输送，现有的输送方式以人工驾驶为主，但是人工驾驶效率低，且存在安全隐患。

4.针对该问题提出一种面向铲运机的控制方法，以及面向电池铲运机的节能控制方法，从而实现铲运机的智能控制以及自动进行矿物运输。

技术实现要素：

5.本发明提供一种智能电动铲运机控制方法，目的在于(1)实现矿洞内道路识别；(2)实现利用最优铲运机智能控制模型对铲运机进行行驶控制；(3)实现电池铲运机的节能控制。

6.实现上述目的，本发明提供的一种智能电动铲运机控制方法，包括以下步骤：

7.s1：在铲运机头部安装相机，利用相机获取矿洞内部实时的道路图像，并对所获取的道路图像进行相机标定；

8.s2：对相机标定后的道路图像进行预处理，利用道路识别算法识别预处理后道路图像中的道路；

9.s3：构建铲运机智能控制模型，铲运机智能控制模型以上述道路识别结果和当前铲运机行驶信息为输入，以铲运机控制动作为输出；

10.s4：利用粒子群算法对铲运机智能控制模型进行优化，得到最优的铲运机智能控制模型，并利用模型对铲运机进行行驶控制，直到铲运机到达指定作业位置；在铲运机行驶以及执行铲运作业时，利用电机节能控制方法控制能源消耗。

11.作为本发明的进一步改进方法：

12.所述s1步骤中，在铲运机头部安装相机，利用相机获取矿洞内部实时的道路图像，并对所获取的道路图像进行相机标定，包括：

13.对铲运机头部相机获取的道路图像进行相机标定，所获取道路图像的尺寸为m

×

n像素，所述相机标定流程为：

14.将相机的光心o作为相机坐标原点，相机坐标原点的坐标表示为(x0,y0，z0)，则道

路图像中像素点(x,y)在物理坐标系下的实际位置坐标(x

′

,y

′

)为：

[0015][0016][0017]

其中：

[0018]dx

为像素点(x,y)在x轴的增量；

[0019]dy

为像素点(x,y)在y轴的增量；

[0020]

在本发明一个具体实施例中，本发明将道路图像中的像素坐标映射到物理坐标系下的实际坐标。

[0021]

所述s2步骤中，对相机标定后的道路图像进行灰度化的预处理，包括：

[0022]

利用灰度化方法对相机标定后的道路图像进行预处理，将道路图像像素的rgb颜色分量转换为灰度值，得到道路图像的灰度图，所述灰度化方法的公式为：

[0023]

gray

(i,j)

＝r

(i,j)

×

0.314+g

(i,j)

×

0.591+b

(i,j)

×

0.113

[0024]

其中：

[0025]r(i,j)

,g

(i,j)

,b

(i,j)

分别为道路图像像素(i,j)在r，g，b三个颜色分量中的颜色值；

[0026]

gray

(i,j)

为像素(i,j)的灰度值。

[0027]

所述s2步骤中，利用灰度化方法对相机标定后的道路图像进行预处理后，对灰度化处理后的道路图像进行二值化的预处理，包括：

[0028]

对道路图像的灰度图进行二值化的预处理，所述二值化预处理的流程为：

[0029]

1)计算道路图像灰度图的平均灰度：

[0030][0031][0032]

其中：

[0033]m×

n像素为灰度图的大小；

[0034]

k表示灰度图的灰度级；

[0035]

ρ(k)为灰度级为k的像素出现的概率；

[0036]

n(k)为灰度级为k的像素出现的个数；

[0037]

2)以灰度级m为分割阈值，小于此阈值为背景，大于等于此阈值为前景，从而将灰度图分成前景和背景，则背景灰度值为：

[0038][0039]

背景数比例为：

[0040]

[0041]

前景灰度值为：

[0042][0043]

前景数比例为：

[0044][0045]

3)计算前景和背景的方差：

[0046]

σ＝wb×

(μ

b-μ)2+wf×

(μ

f-μ)2[0047]

通过对分割阈值m进行修改，使得前景和背景的方差达到最大，此时的分割阈值为最佳分割阈值，并以最佳分割阈值进行灰度图的二值化分割处理，得到预处理完成的道路图像。

[0048]

所述s2步骤中，利用道路识别算法识别预处理后道路图像中的道路，包括：

[0049]

利用道路识别算法识别道路图像中的道路，所述道路识别算法流程为：

[0050]

1)将道路图像转换为道路图像像素矩阵a，其中a(i,j)表示道路图像像素矩阵中第i行第j列的像素值，在本发明一个具体实施例中，a(i,j)同时表示道路图像中坐标为(i,j)的像素的像素值；对道路图像像素矩阵a进行腐蚀处理：

[0051][0052]

其中：

[0053]

a表示道路图像像素矩阵a；

[0054]

(x,y)表示图像像元；

[0055]

b表示腐蚀矩阵，所采用的腐蚀矩阵为：

[0056][0057]

将b在a上顺序移动，当b平移到a的位置(i,j)时，若b在(i,j)处完全被包含在矩阵a内，则将输出结果对应的位置(i,j)赋值为1，否则赋值为0；

[0058]

2)对腐蚀后的道路图像像素矩阵进行膨胀处理：

[0059][0060]

其中：

[0061]a′

表示腐蚀后的道路图像像素矩阵；

[0062]

c表示膨胀矩阵，所采用的膨胀矩阵为：

[0063][0064]

将b平移到a的(x,y)位置；若b在(x,y)处与a

′

的交集不为空，则将输出结果对应的(x,y)赋值为1，否则赋值为0；

[0065]

3)将经过腐蚀膨胀后的道路图像像素矩阵转换为道路图像，此时道路图像中保留的白线为识别出的道路边缘，两条白线的内部区域为道路区域。

[0066]

所述s3步骤中，构建铲运机智能控制模型，包括：

[0067]

以识别出的道路区域和当前铲运机行驶信息为输入，以铲运机控制动作为输出，构建铲运机智能控制模型，所构建的铲运机智能控制模型对铲运机进行动作控制的流程为：

[0068]

将铲运机头部相机的光心作为铲运机起始点，计算道路图像中每段道路区域的价值，则道路图像中第s段道路区域价值r(n

s,1

,n

s,2

)的计算公式为：

[0069]

r(n

s,1

,n

s,2

)＝2

×

weights+1.2

×

lengths[0070]

其中：

[0071]

weights表示第s段道路区域的宽度；

[0072]

lengths表示第s段道路区域的长度；

[0073]

使用q矩阵记录道路图像中每条道路的评分，q矩阵初始化为一个n

×

n的零矩阵，n表示道路图像中的道路拐点的数目，从q矩阵中铲运机头部相机的光心作为初始节点n，q矩阵的更新策略为：

[0074][0075]

其中：

[0076]

q(n,a)表示由铲运机从当前起始点n通过道路转移到点a的转移评分，所述转移评分即为道路转移的幅度的倒数；

[0077]

r(n,a)表示以n为起点，a为终点的道路区域价值；

[0078]

α表示更新率；

[0079]

β表示衰变系数；

[0080]

q(n,a

′

)表示由起始点n转移到点a

′

的转移评分；

[0081]

对q矩阵进行迭代更新，直到q矩阵中每条道路的转移评分不发生变化；

[0082]

铲运机从头部相机的光心位置出发，在q矩阵中选取以当前位置为起始点，且在q矩阵中道路转移评分最大的转移道路作为下一阶段的运行道路，重复该步骤，直到铲运机到达指定作业位置；

[0083]

在本发明一个具体实施例中，头部相机每隔20秒钟拍摄一张道路图像，并从道路图像中提取道路，将提取到的道路以及铲运机的实时位置作为铲运机智能控制模型的输入，利用铲运机智能控制模型对铲运机进行实时行驶动作控制；当铲运机达到指定作业位置后执行预设的铲运作业，当完成铲运作业后，利用铲运机智能控制模型控制铲运机行驶，直到返回铲运机起始点。

[0084]

在本发明一个具体实施例中，铲运机内工作人员仅需要进行车速控制以及铲运作业。

[0085]

所述s4步骤中，利用粒子群算法对铲运机智能控制模型进行优化，包括：

[0086]

利用粒子群算法对铲运机智能控制模型进行优化，所述粒子群优化算法的流程为：

[0087]

1)随机生成30个粒子，所述第i个粒子的位置信息为：

[0088]

xi＝(αi,βi)

[0089]

其中：

[0090]

αi表示铲运机智能控制模型中的更新率值；

[0091]

βi表示铲运机智能控制模型中的衰变系数值；

[0092]

2)初始化每个粒子的位置xi和速度vi，以及粒子群算法的最大迭代次数max；

[0093]

3)利用每个粒子的位置信息生成铲运机智能控制模型，采集带有最优道路轨迹标注的道路图像，计算粒子的适应度值：

[0094][0095]

其中：

[0096]

q(i)为第i个粒子生成的铲运机智能控制模型，所控制的铲运机行驶轨迹；

[0097]

l表示标注的最优道路轨迹；

[0098]

4)更新粒子的速度和位置：

[0099][0100][0101]

其中：

[0102]

x

best

(t)表示在第t轮迭代时，适应度最高的粒子所对应的粒子位置；

[0103]

x

best

表示从第一次迭代到第t次迭代，适应度最高的粒子所对应的粒子位置；

[0104]

ω表示惯性权重，当ω＝0.72，当ω＝0.2；

[0105]

c1表示加速因子，其值为0.2；

[0106]

c2表示加速因子，其值为0.1；

[0107]

r1,r2分别为(0,1)之间的随机数；

[0108]

5)判断次数迭代次数是否达到最大迭代次数max，若达到最大迭代次数，此时适应度最高的粒子所对应的位置信息即为铲运机智能控制模型参数优化结果；若未达到最大迭代次数，则返回步骤3)。

[0109]

所述s4步骤中，利用电机节能控制方法控制能源消耗，包括：

[0110]

在本发明一个具体实施例中，所述电动铲运机采用电池做为能源，车辆的行驶采用牵引电机，工作及其它辅助系统采用液压工作电机，电动铲运机的电气控制系统包括电池、电源管理系统bms、水冷系统、充电桩、多合一控制器(配电)、dc-dc、牵引电机及其控制器、液压电机及其控制器、空调系统及整车弱电系统vcu；

[0111]

电池提供整车运行的能源，电源管理系统bms控制电池电流的输出、检测电池运行的一些状态参数，比如电压、电流、温度等；充电桩通过电源管理系统bms给电池充电；水冷系统是给电池散热的一套制冷系统；多合一控制器连接电源管理系统bms，将高压电分配分别输送给两个电机控制器、空调压缩机和dc-dc；dc-dc将接收到的高压电转换为低压电，直流24v或12v，为整车各控制器及弱电系统的工作提供电源；牵引电机为整车的行驶提供动力源，液压电机为整车的工作及辅助系统提供动力源；牵引电机和液压电机分别由各自的控制器控制；牵引电机、液压电机及其他们的控制器采用一套水散系统，通过水循环对它们进行散热；

[0112]

所述牵引电机为整个铲运机的行驶提供动力源，牵引电机转速的不同直接影响到车速的不同，因此本发明利用电机节能控制方法在不同的工况下为牵引机选择合适的转速，可以达到节能的目的；

[0113]

所述牵引电机的控制方式可以分为转速控制型和扭矩控制型，根据铲运机的行驶运行特点，利用电机节能控制方法对牵引电机实行分段控制，当铲运机在低速档位运行时，主要是用来铲装作业，需要很大的牵引力，对车速没有特别的要求，所以电机提供大扭矩输出；在高速档位运行时，主要是用来运输作业或者车辆转场作业，主要需要一定的车速，提升运输或者转场的效率，所以需要电机提供较高的转速，以满足车辆对车速的要求。

[0114]

根据铲运机的行驶运行特点，利用电机节能控制方法对牵引电机实行分段控制，当铲运机在低速档位运行时，将油门开度百分比信号与电机目标扭矩值设置为正比例关系，比例系数为0.6，检测油门踏板的开度百分比信号，根据预先设置好的正比例函数关系计算出电机目标扭矩值，将计算出的扭矩值作为牵引电机的扭矩值；当铲运机在高速档位运行时，将油门开度百分比信号与电机转速值设置为正比例关系，比例系数为0.5，检测油门踏板的开度百分比信号，根据预先设置好的正比例函数关系计算出电机目标转速值，将计算出的转速值作为牵引电机的转速值。

[0115]

所述s4步骤中，利用电机节能控制方法控制能源消耗，包括：

[0116]

在本发明一个具体实施例中，液压工作电机为铲运机的液压工作系统提供动力源，主要完成电动铲运机的铲装、转向、制动等工作，液压工作电机连接工作泵，泵以液压油为能量的传递介质，将扭矩传递到工作装置、转向装置及制动装置，从而达到铲运机工作节能的目的；

[0117]

所述液压工作电机只是在铲装工作时，才提供所需求的扭矩和转速，在运输或者转场作业时，只需保持怠速状态，怠速所要求的转速能满足转向及制动的要求即可，转向及制动所消耗的功率相对铲装工作时，功率小很多；如此控制可以节省很多电能，有利于增加整车的续航时间。

[0118]

在铲运机进行铲装工作时，需要很大的铲取力和提升力，所以采用扭矩控制型的方式，根据预先设定好的油门开度信号与电机扭矩的正比例关系，来控制电机达到需求的扭矩，实现铲装的目的。

[0119]

若检测到工作手柄信号的开度为零，则判断整个铲运车处于待机、运输或者转场状态，此时给液压工作电机发送怠速信号，使其工作在预设的怠速转速状态下，预设的怠速转速根据转向和制动需求的最大功率而定，即怠速转速γ＝0.2power，其中γ为怠速转速，power为转向和制动需求的最大功率；若检测到工作手柄信号开度为非0，控制器会根据开度信号与电机转速的正比例关系确定电机的转速，控制电机按要求转速运行，所述正比例关系系数为0.8。

[0120]

相对于现有技术，本发明提出一种智能电动铲运机控制方法，该技术具有以下优势：

[0121]

首先，本方案对提出一种铲运机智能控制模型，通过以识别出的道路区域和当前铲运机行驶信息为输入，以铲运机控制动作为输出，构建铲运机智能控制模型，所构建的铲运机智能控制模型对铲运机进行动作控制的流程为：将铲运机头部相机的光心作为铲运机起始点，计算道路图像中每段道路区域的价值，则道路图像中第s段道路区域价值r(n

s,1

，n

s，2

)的计算公式为：

[0122]

r(n

s，1

,n

s，2

)＝2

×

weights+1.2

×

lengths[0123]

其中：weights表示第s段道路区域的宽度；lengths表示第s段道路区域的长度；使

用q矩阵记录道路图像中每条道路的评分，q矩阵初始化为一个n

×

n的零矩阵，n表示道路图像中的道路拐点的数目，从q矩阵中铲运机头部相机的光心作为初始节点n，q矩阵的更新策略为：

[0124][0125]

其中：q(n,a)表示由铲运机从当前起始点n通过道路转移到点a的转移评分，所述转移评分即为道路转移的幅度的倒数；r(n,a)表示以n为起点，a为终点的道路区域价值；α表示更新率；β表示衰变系数；q(n,a

′

)表示由起始点n转移到点a

′

的转移评分；对q矩阵进行迭代更新，直到q矩阵中每条道路的转移评分不发生变化；铲运机从头部相机的光心位置出发，在q矩阵中选取以当前位置为起始点，且在q矩阵中道路转移评分最大的转移道路作为下一阶段的运行道路，重复该步骤，直到铲运机到达道路图像中道路区域尽头。相较于传统方案，本方案通过在铲运机头部放置相机，头部相机每隔20秒钟拍摄一张道路图像，并从道路图像中提取道路，将提取到的道路以及铲运机的实时位置作为铲运机智能控制模型的输入，利用铲运机智能控制模型对铲运机进行实时行驶动作控制，所述铲运机智能控制模型所选取的道路为长度、宽度且较大，且在行驶过程中铲运机方向不会发生较大变化的道路。

[0126]

同时，本方案提出一种铲运机智能控制模型的优化方案，从而利用粒子群算法对铲运机智能控制模型进行参数优化，所述粒子群优化算法的流程为：1)随机生成30个粒子，所述第i个粒子的位置信息为：

[0127]

xi＝(αi,βi)

[0128]

其中：αi表示铲运机智能控制模型中的更新率值；βi表示铲运机智能控制模型中的衰变系数值；2)初始化每个粒子的位置xi和速度vi，以及粒子群算法的最大迭代次数max；3)利用每个粒子的位置信息生成铲运机智能控制模型，采集带有最优道路轨迹标注的道路图像，计算粒子的适应度值：

[0129][0130]

其中：q(i)为第i个粒子生成的铲运机智能控制模型，所控制的铲运机行驶轨迹；l表示标注的最优道路轨迹；4)更新粒子的速度和位置：

[0131][0132][0133]

其中：x

best

(t)表示在第t轮迭代时，适应度最高的粒子所对应的粒子位置；x

best

表示从第一次迭代到第t次迭代，适应度最高的粒子所对应的粒子位置；ω表示惯性权重，当ω＝0.72，当ω＝0.2；c1表示加速因子，其值为0.2；c2表示加速因子，其值为0.1；r1,r2分别为(0,1)之间的随机数；5)判断次数迭代次数是否达到最大迭代次数max，若达到最大迭代次数，此时适应度最高的粒子所对应的位置信息即为铲运机智能控制模型参数优化结果；若未达到最大迭代次数，则返回步骤3)。相较于传统方案，本方案利用粒子群优化算法对所构建的铲运机智能控制模型进行优化，将粒子的位置坐标作为铲运机智能控制模型参数，在粒子群优化迭代过程中，迭代初期粒子速度较大，有助于快速寻找到最优粒子，避免陷入局部最优解，迭代后期粒子速度较小，有助于在最优解范围内进行缓慢搜索，从而优化得到最优的铲运机智能控制模型。

[0134]

最后，本方案提出一种铲运机运行的电机节能控制方法，根据铲运机的行驶运行特点，利用电机节能控制方法对牵引电机实行分段控制，当铲运机在低速档位运行时，将油门开度百分比信号与电机目标扭矩值设置为正比例关系，比例系数为0.6，检测油门踏板的开度百分比信号，根据预先设置好的正比例函数关系计算出电机目标扭矩值，将计算出的扭矩值作为牵引电机的扭矩值；当铲运机在高速档位运行时，将油门开度百分比信号与电机转速值设置为正比例关系，比例系数为0.5，检测油门踏板的开度百分比信号，根据预先设置好的正比例函数关系计算出电机目标转速值，将计算出的转速值作为牵引电机的转速值。在铲运机工作时，若检测到工作手柄信号的开度为零，则判断整车处于待机、运输或者转场状态，此时给液压工作电机发送怠速信号，使其工作在预设的怠速转速状态下，预设的怠速转速根据转向和制动需求的最大功率而定，即怠速转速γ＝0.2power，其中γ为怠速转速，power为转向和制动需求的最大功率；若检测到工作手柄信号开度为非0，控制器会根据开度信号与电机转速的正比例关系确定电机的转速，控制电机按要求转速运行。由于牵引电机为整个铲运机的行驶提供动力源，牵引电机转速的不同直接影响到车速的不同，因此本方案利用电机节能控制方法在不同的工况下为牵引机选择合适的转速，可以达到节能的目的，同时液压工作电机只是在铲装工作时，才提供所需求的扭矩和转速，在运输或者转场作业时，只需保持怠速状态，怠速所要求的转速能满足转向及制动的要求即可，转向及制动所消耗的功率相对铲装工作时功率小很多，通过对铲运机的电机进行节能控制，从而可以节省很多电能，有利于增加整车的续航时间。

附图说明

[0135]

图1为本发明一实施例提供的一种智能电动铲运机控制方法的流程示意图；

[0136]

图2为本发明一实施例提供的一种智能电动铲运机的电气控制原理图。

[0137]

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

[0138]

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

[0139]

s1：在铲运机头部安装相机，利用相机获取矿洞内部实时的道路图像，并对所获取的道路图像进行相机标定。

[0140]

所述s1步骤中，在铲运机头部安装相机，利用相机获取矿洞内部实时的道路图像，并对所获取的道路图像进行相机标定，包括：

[0141]

对铲运机头部相机获取的道路图像进行相机标定，所获取道路图像的尺寸为m

×

n像素，所述相机标定流程为：

[0142]

将相机的光心o作为相机坐标原点，相机坐标原点的坐标表示为(x0,y0,z0)，则道路图像中像素点(x,y)在物理坐标系下的实际位置坐标(x

′

,y

′

)为：

[0143][0144][0145]

其中：

[0146]dx

为像素点(x,y)在x轴的增量；

[0147]dy

为像素点(x,y)在y轴的增量；

[0148]

在本发明一个具体实施例中，本发明将道路图像中的像素坐标映射到物理坐标系下的实际坐标。

[0149]

s2：对相机标定后的道路图像进行预处理，利用道路识别算法识别预处理后道路图像中的道路。

[0150]

所述s2步骤中，对相机标定后的道路图像进行灰度化的预处理，包括：

[0151]

利用灰度化方法对相机标定后的道路图像进行预处理，将道路图像像素的rgb颜色分量转换为灰度值，得到道路图像的灰度图，所述灰度化方法的公式为：

[0152]

gray

(i,j)

＝r

(i,j)

×

0.314+g

(i,j)

×

0.591+b

(i,j)

×

0.113

[0153]

其中：

[0154]r(i,j)

,g

(i,j)

,b

(i,j)

分别为道路图像像素(i,j)在r，g，b三个颜色分量中的颜色值；

[0155]

gray

(i,j)

为像素(i,j)的灰度值。

[0156]

所述s2步骤中，利用灰度化方法对相机标定后的道路图像进行预处理后，对灰度化处理后的道路图像进行二值化的预处理，包括：

[0157]

对道路图像的灰度图进行二值化的预处理，所述二值化预处理的流程为：

[0158]

1)计算道路图像灰度图的平均灰度：

[0159][0160][0161]

其中：

[0162]m×

n像素为灰度图的大小；

[0163]

k表示灰度图的灰度级；

[0164]

ρ(k)为灰度级为k的像素出现的概率；

[0165]

n(k)为灰度级为k的像素出现的个数；

[0166]

2)以灰度级m为分割阈值，小于此阈值为背景，大于等于此阈值为前景，从而将灰度图分成前景和背景，则背景灰度值为：

[0167][0168]

背景数比例为：

[0169][0170]

前景灰度值为：

[0171]

[0172]

前景数比例为：

[0173][0174]

3)计算前景和背景的方差：

[0175]

σ＝wb×

(μ

b-μ)2+wf×

(μ

f-μ)2[0176]

通过对分割阈值m进行修改，使得前景和背景的方差达到最大，此时的分割阈值为最佳分割阈值，并以最佳分割阈值进行灰度图的二值化分割处理，得到预处理完成的道路图像。

[0177]

所述s2步骤中，利用道路识别算法识别预处理后道路图像中的道路，包括：

[0178]

利用道路识别算法识别道路图像中的道路，所述道路识别算法流程为：

[0179]

1)将道路图像转换为道路图像像素矩阵a，其中a(i,j)表示道路图像像素矩阵中第i行第j列的像素值，在本发明一个具体实施例中，a(i,j)同时表示道路图像中坐标为(i,j)的像素的像素值；对道路图像像素矩阵a进行腐蚀处理：

[0180][0181]

其中：

[0182]

a表示道路图像像素矩阵a；

[0183]

(x,y)表示图像像元；

[0184]

b表示腐蚀矩阵，所采用的腐蚀矩阵为：

[0185][0186]

将b在a上顺序移动，当b平移到a的位置(i,j)时，若b在(i,j)处完全被包含在矩阵a内，则将输出结果对应的位置(i,j)赋值为1，否则赋值为0；

[0187]

2)对腐蚀后的道路图像像素矩阵进行膨胀处理：

[0188][0189]

其中：

[0190]a′

表示腐蚀后的道路图像像素矩阵；

[0191]

c表示膨胀矩阵，所采用的膨胀矩阵为：

[0192][0193]

将b平移到a的(x,y)位置；若b在(x,y)处与a

′

的交集不为空，则将输出结果对应的(x,y)赋值为1，否则赋值为0；

[0194]

3)将经过腐蚀膨胀后的道路图像像素矩阵转换为道路图像，此时道路图像中保留的白线为识别出的道路边缘，两条白线的内部区域为道路区域。

[0195]

s3：构建铲运机智能控制模型，铲运机智能控制模型以上述道路识别结果和当前铲运机行驶信息为输入，以铲运机控制动作为输出。

[0196]

所述s3步骤中，构建铲运机智能控制模型，包括：

[0197]

以识别出的道路区域和当前铲运机行驶信息为输入，以铲运机控制动作为输出，构建铲运机智能控制模型，所构建的铲运机智能控制模型对铲运机进行动作控制的流程

为：

[0198]

将铲运机头部相机的光心作为铲运机起始点，计算道路图像中每段道路区域的价值，则道路图像中第s段道路区域价值r(n

s,1

,n

s,2

)的计算公式为：

[0199]

r(n

s,1

,n

s,2

)＝2

×

weights+1.2

×

lengths[0200]

其中：

[0201]

weights表示第s段道路区域的宽度；

[0202]

lengths表示第s段道路区域的长度；

[0203]

使用q矩阵记录道路图像中每条道路的评分，q矩阵初始化为一个n

×

n的零矩阵，n表示道路图像中的道路拐点的数目，从q矩阵中铲运机头部相机的光心作为初始节点n，q矩阵的更新策略为：

[0204][0205]

其中：

[0206]

q(n,a)表示由铲运机从当前起始点n通过道路转移到点a的转移评分，所述转移评分即为道路转移的幅度的倒数；

[0207]

r(n,a)表示以n为起点，a为终点的道路区域价值；

[0208]

α表示更新率；

[0209]

β表示衰变系数；

[0210]

q(n,a

′

)表示由起始点n转移到点a

′

的转移评分；

[0211]

对q矩阵进行迭代更新，直到q矩阵中每条道路的转移评分不发生变化；

[0212]

铲运机从头部相机的光心位置出发，在q矩阵中选取以当前位置为起始点，且在q矩阵中道路转移评分最大的转移道路作为下一阶段的运行道路，重复该步骤，直到铲运机到达指定作业位置；

[0213]

在本发明一个具体实施例中，头部相机每隔20秒钟拍摄一张道路图像，并从道路图像中提取道路，将提取到的道路以及铲运机的实时位置作为铲运机智能控制模型的输入，利用铲运机智能控制模型对铲运机进行实时行驶动作控制；当铲运机达到指定作业位置后执行预设的铲运作业，当完成铲运作业后，利用铲运机智能控制模型控制铲运机行驶，直到返回铲运机起始点。

[0214]

在本发明一个具体实施例中，铲运机内工作人员仅需要进行车速控制以及铲运作业。

[0215]

s4：利用粒子群算法对铲运机智能控制模型进行优化，得到最优的铲运机智能控制模型，并利用模型对铲运机进行行驶控制，直到铲运机到达指定作业位置；在铲运机行驶以及执行铲运作业时，利用电机节能控制方法控制能源消耗。

[0216]

所述s4步骤中，利用粒子群算法对铲运机智能控制模型进行优化，包括：

[0217]

利用粒子群算法对铲运机智能控制模型进行优化，所述粒子群优化算法的流程为：

[0218]

1)随机生成30个粒子，所述第i个粒子的位置信息为：

[0219]

xi＝(αi,βi)

[0220]

其中：

[0221]

αi表示铲运机智能控制模型中的更新率值；

[0222]

βi表示铲运机智能控制模型中的衰变系数值；

[0223]

2)初始化每个粒子的位置xi和速度vi，以及粒子群算法的最大迭代次数max；

[0224]

3)利用每个粒子的位置信息生成铲运机智能控制模型，采集带有最优道路轨迹标注的道路图像，计算粒子的适应度值：

[0225][0226]

其中：

[0227]

q(i)为第i个粒子生成的铲运机智能控制模型，所控制的铲运机行驶轨迹；

[0228]

l表示标注的最优道路轨迹；

[0229]

4)更新粒子的速度和位置：

[0230][0231][0232]

其中：

[0233]

x

best

(t)表示在第t轮迭代时，适应度最高的粒子所对应的粒子位置；

[0234]

x

best

表示从第一次迭代到第t次迭代，适应度最高的粒子所对应的粒子位置；

[0235]

ω表示惯性权重，当ω＝0.72，当ω＝0.2；

[0236]

c1表示加速因子，其值为0.2；

[0237]

c2表示加速因子，其值为0.1；

[0238]

r1,r2分别为(0,1)之间的随机数；

[0239]

5)判断次数迭代次数是否达到最大迭代次数max，若达到最大迭代次数，此时适应度最高的粒子所对应的位置信息即为铲运机智能控制模型参数优化结果；若未达到最大迭代次数，则返回步骤3)。

[0240]

所述s4步骤中，利用电机节能控制方法控制能源消耗，包括利用电机节能控制方法控制铲运机中的牵引电机：

[0241]

在本发明一个具体实施例中，所述电动铲运机采用电池做为能源，车辆的行驶采用牵引电机，工作及其它辅助系统采用液压工作电机，电动铲运机的电气控制系统包括电池、电源管理系统bms、水冷系统、充电桩、多合一控制器(配电)、dc-dc、牵引电机及其控制器、液压电机及其控制器、空调系统及整车弱电系统vcu；

[0242]

电池提供整车运行的能源，电源管理系统bms控制电池电流的输出、检测电池运行的一些状态参数，比如电压、电流、温度等；充电桩通过电源管理系统bms给电池充电；水冷系统是给电池散热的一套制冷系统；多合一控制器连接电源管理系统bms，将高压电分配分别输送给两个电机控制器、空调压缩机和dc-dc；dc-dc将接收到的高压电转换为低压电，直流24v或12v，为整车各控制器及弱电系统的工作提供电源；牵引电机为整车的行驶提供动力源，液压电机为整车的工作及辅助系统提供动力源；牵引电机和液压电机分别由各自的控制器控制；牵引电机、液压电机及其他们的控制器采用一套水散系统，通过水循环对它们进行散热；

[0243]

所述牵引电机为整个铲运机的行驶提供动力源，牵引电机转速的不同直接影响到车速的不同，因此本发明利用电机节能控制方法在不同的工况下为牵引机选择合适的转

速，可以达到节能的目的；

[0244]

所述牵引电机的控制方式可以分为转速控制型和扭矩控制型，根据铲运机的行驶运行特点，利用电机节能控制方法对牵引电机实行分段控制，当铲运机在低速档位运行时，主要是用来铲装作业，需要很大的牵引力，对车速没有特别的要求，所以电机提供大扭矩输出；在高速档位运行时，主要是用来运输作业或者车辆转场作业，主要需要一定的车速，提升运输或者转场的效率，所以需要电机提供较高的转速，以满足车辆对车速的要求。

[0245]

根据铲运机的行驶运行特点，利用电机节能控制方法对牵引电机实行分段控制，当铲运机在低速档位运行时，将油门开度百分比信号与电机目标扭矩值设置为正比例关系，比例系数为0.6，检测油门踏板的开度百分比信号，根据预先设置好的正比例函数关系计算出电机目标扭矩值，将计算出的扭矩值作为牵引电机的扭矩值；当铲运机在高速档位运行时，将油门开度百分比信号与电机转速值设置为正比例关系，比例系数为0.5，检测油门踏板的开度百分比信号，根据预先设置好的正比例函数关系计算出电机目标转速值，将计算出的转速值作为牵引电机的转速值。

[0246]

所述s4步骤中，利用电机节能控制方法控制能源消耗，包括利用电机节能控制方法控制铲运机中的液压工作电机：

[0247]

在本发明一个具体实施例中，液压工作电机为铲运机的液压工作系统提供动力源，主要完成电动铲运机的铲装、转向、制动等工作，液压工作电机连接工作泵，泵以液压油为能量的传递介质，将扭矩传递到工作装置、转向装置及制动装置，从而达到铲运机工作节能的目的；

[0248]

所述液压工作电机只是在铲装工作时，才提供所需求的扭矩和转速，在运输或者转场作业时，只需保持怠速状态，怠速所要求的转速能满足转向及制动的要求即可，转向及制动所消耗的功率相对铲装工作时，功率小很多；如此控制可以节省很多电能，有利于增加整车的续航时间。

[0249]

在铲运机进行铲装工作时，需要很大的铲取力和提升力，所以采用扭矩控制型的方式，根据预先设定好的油门开度信号与电机扭矩的正比例关系，来控制电机达到需求的扭矩，实现铲装的目的。

[0250]

若检测到工作手柄信号的开度为零，则判断整车处于待机、运输或者转场状态，此时给液压工作电机发送怠速信号，使其工作在预设的怠速转速状态下，预设的怠速转速根据转向和制动需求的最大功率而定，即怠速转速γ＝0.2power，其中γ为怠速转速，power为转向和制动需求的最大功率；若检测到工作手柄信号开度为非0，控制器会根据开度信号与电机转速的正比例关系确定电机的转速，控制电机按要求转速运行，所述正比例关系系数为0.8。

[0251]

参考图2所示，为本发明一实施例提供的智能电动铲运机的电气控制原理图，所述电动铲运机采用电池做为能源，车辆的行驶采用牵引电机，工作及其它辅助系统采用液压工作电机，电动铲运机的电气控制系统包括电池、电源管理系统bms、水冷系统、充电桩、多合一控制器(配电)、dc-dc、牵引电机及其控制器、液压电机及其控制器、空调系统及整车弱电系统vcu；

[0252]

电池提供整车运行的能源，电源管理系统bms控制电池电流的输出、检测电池运行的一些状态参数，比如电压、电流、温度等；充电桩通过电源管理系统bms给电池充电；水冷

系统是给电池散热的一套制冷系统；多合一控制器连接电源管理系统bms，将高压电分配分别输送给两个电机控制器、空调压缩机和dc-dc；dc-dc将接收到的高压电转换为低压电，直流24v或12v，为整车各控制器及弱电系统的工作提供电源；牵引电机为整车的行驶提供动力源，液压电机为整车的工作及辅助系统提供动力源；牵引电机和液压电机分别由各自的控制器控制；牵引电机、液压电机及其他们的控制器采用一套水散系统，通过水循环对它们进行散热。

[0253]

需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个

……”

限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

[0254]

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

[0255]

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。技术特征：

1.一种智能电动铲运机控制方法，其特征在于，所述方法包括：s1：在铲运机头部安装相机，利用相机获取矿洞内部实时的道路图像，并对所获取的道路图像进行相机标定；s2：对相机标定后的道路图像进行预处理，利用道路识别算法识别预处理后道路图像中的道路；s3：构建铲运机智能控制模型，铲运机智能控制模型以上述道路识别结果和当前铲运机行驶信息为输入，以铲运机控制动作为输出；s4：利用粒子群算法对铲运机智能控制模型进行优化，得到最优的铲运机智能控制模型，并利用模型对铲运机进行行驶控制，直到铲运机到达指定作业位置；在铲运机行驶以及执行铲运作业时，利用电机节能控制方法控制能源消耗。2.如权利要求1所述的一种智能电动铲运机控制方法，其特征在于，所述s1步骤中，在铲运机头部安装相机，利用相机获取矿洞内部实时的道路图像，并对所获取的道路图像进行相机标定，包括：对铲运机头部相机获取的道路图像进行相机标定，所获取道路图像的尺寸为m

×

n像素，所述相机标定流程为：将相机的光心o作为相机坐标原点，相机坐标原点的坐标表示为(x0,y0,z0)，则道路图像中像素点(x,y)在物理坐标系下的实际位置坐标(x

′

,y

′

)为：)为：其中：d

x

为像素点(x,y)在x轴的增量；d

y

为像素点(x,y)在y轴的增量。3.如权利要求1所述的一种智能电动铲运机控制方法，其特征在于，所述s2步骤中，对相机标定后的道路图像进行灰度化的预处理，包括：利用灰度化方法对相机标定后的道路图像进行预处理，将道路图像像素的rgb颜色分量转换为灰度值，得到道路图像的灰度图，所述灰度化方法的公式为：gray

(i,j)

＝r

(i,j)

×

0.314+g

(i,j)

×

0.591+b

(i,j)

×

0.113其中：r

(i,j)

,g

(i,j)

,b

(i,j)

分别为道路图像像素(i,j)在r，g，b三个颜色分量中的颜色值；gray

(i,j)

为像素(i,j)的灰度值。4.如权利要求3所述的一种智能电动铲运机控制方法，其特征在于，所述s2步骤中，利用灰度化方法对相机标定后的道路图像进行预处理后，对灰度化处理后的道路图像进行二值化的预处理，包括：对道路图像的灰度图进行二值化的预处理，所述二值化预处理的流程为：1)计算道路图像灰度图的平均灰度：

其中：m

×

n像素为灰度图的大小；k表示灰度图的灰度级；ρ(k)为灰度级为k的像素出现的概率；n(k)为灰度级为k的像素出现的个数；2)以灰度级m为分割阈值，小于此阈值为背景，大于等于此阈值为前景，从而将灰度图分成前景和背景，则背景灰度值为：背景数比例为：前景灰度值为：前景数比例为：3)计算前景和背景的方差：σ＝w

b

×

(μ

b-μ)2+w

f

×

(μ

f-μ)2通过对分割阈值m进行修改，使得前景和背景的方差达到最大，此时的分割阈值为最佳分割阈值，并以最佳分割阈值进行灰度图的二值化分割处理，得到预处理完成的道路图像。5.如权利要求1所述的一种智能电动铲运机控制方法，其特征在于，所述s2步骤中，利用道路识别算法识别预处理后道路图像中的道路，包括：利用道路识别算法识别道路图像中的道路，所述道路识别算法流程为：1)将道路图像转换为道路图像像素矩阵a，其中a(i,j)表示道路图像像素矩阵中第i行第j列的像素值；对道路图像像素矩阵a进行腐蚀处理：其中：a表示道路图像像素矩阵a；(x,y)表示图像像元；

b表示腐蚀矩阵，所采用的腐蚀矩阵为：将b在a上顺序移动，当b平移到a的位置(i,j)时，若b在(i,j)处完全被包含在矩阵a内，则将输出结果对应的位置(i,j)赋值为1，否则赋值为0；2)对腐蚀后的道路图像像素矩阵进行膨胀处理：其中：a

′

表示腐蚀后的道路图像像素矩阵；c表示膨胀矩阵，所采用的膨胀矩阵为：将b平移到a的(x,y)位置；若b在(x,y)处与a

′

的交集不为空，则将输出结果对应的(x,y)赋值为1，否则赋值为0；3)将经过腐蚀膨胀后的道路图像像素矩阵转换为道路图像，此时道路图像中保留的白线为识别出的道路边缘，两条白线的内部区域为道路区域。6.如权利要求1所述的一种智能电动铲运机控制方法，其特征在于，所述s3步骤中，构建铲运机智能控制模型，包括：以识别出的道路区域和当前铲运机行驶信息为输入，以铲运机控制动作为输出，构建铲运机智能控制模型，所构建的铲运机智能控制模型对铲运机进行动作控制的流程为：将铲运机头部相机的光心作为铲运机起始点，计算道路图像中每段道路区域的价值，则道路图像中第s段道路区域价值r(n

s,1

,n

s，2

)的计算公式为：r(n

s,1

,n

s,2

)＝2

×

weight

s

+1.2

×

length

s

其中：weight

s

表示第s段道路区域的宽度；length

s

表示第s段道路区域的长度；使用q矩阵记录道路图像中每条道路的评分，q矩阵初始化为一个n

×

n的零矩阵，n表示道路图像中的道路拐点的数目，从q矩阵中铲运机头部相机的光心作为初始节点n，q矩阵的更新策略为：其中：q(n,a)表示由铲运机从当前起始点n通过道路转移到点a的转移评分，所述转移评分即为道路转移的幅度的倒数；r(n,a)表示以n为起点，a为终点的道路区域价值；α表示更新率；β表示衰变系数；q(n,a

′

)表示由起始点n转移到点a

′

的转移评分；对q矩阵进行迭代更新，直到q矩阵中每条道路的转移评分不发生变化；铲运机从头部相机的光心位置出发，在q矩阵中选取以当前位置为起始点，且在q矩阵

中道路转移评分最大的转移道路作为下一阶段的运行道路，重复该步骤，直到铲运机到达指定作业位置。7.如权利要求6所述的一种智能电动铲运机控制方法，其特征在于，所述s4步骤中，利用粒子群算法对铲运机智能控制模型进行优化，包括：利用粒子群算法对铲运机智能控制模型进行优化，所述粒子群优化算法的流程为：1)随机生成30个粒子，所述第i个粒子的位置信息为：x

i

＝(α

i

,β

i

)其中：α

i

表示铲运机智能控制模型中的更新率值；β

i

表示铲运机智能控制模型中的衰变系数值；2)初始化每个粒子的位置x

i

和速度v

i

，以及粒子群算法的最大迭代次数max；3)利用每个粒子的位置信息生成铲运机智能控制模型，采集带有最优道路轨迹标注的道路图像，计算粒子的适应度值：其中：q(i)为第i个粒子生成的铲运机智能控制模型，所控制的铲运机行驶轨迹；l表示标注的最优道路轨迹；4)更新粒子的速度和位置：4)更新粒子的速度和位置：其中：x

best

(t)表示在第t轮迭代时，适应度最高的粒子所对应的粒子位置；x

best

表示从第一次迭代到第t次迭代，适应度最高的粒子所对应的粒子位置；ω表示惯性权重，当ω＝0.72，当ω＝0.2；c1表示加速因子，其值为0.2；c2表示加速因子，其值为0.1；r1,r2分别为(0,1)之间的随机数；5)判断次数迭代次数是否达到最大迭代次数max，若达到最大迭代次数，此时适应度最高的粒子所对应的位置信息即为铲运机智能控制模型参数优化结果；若未达到最大迭代次数，则返回步骤3)。8.如权利要求1所述的一种智能电动铲运机控制方法，其特征在于，所述s4步骤中，利用电机节能控制方法控制能源消耗，包括：利用电机节能控制方法控制铲运机中的牵引电机，所述牵引电机的控制流程为：根据铲运机的行驶运行特点，利用电机节能控制方法对牵引电机实行分段控制，当铲运机在低速档位运行时，将油门开度百分比信号与电机目标扭矩值设置为正比例关系，比例系数为0.6，检测油门踏板的开度百分比信号，根据预先设置好的正比例函数关系计算出电机目标扭矩值，将计算出的扭矩值作为牵引电机的扭矩值；当铲运机在高速档位运行时，

将油门开度百分比信号与电机转速值设置为正比例关系，比例系数为0.5，检测油门踏板的开度百分比信号，根据预先设置好的正比例函数关系计算出电机目标转速值，将计算出的转速值作为牵引电机的转速值。9.如权利要求1所述的一种智能电动铲运机控制方法，其特征在于，所述s4步骤中，利用电机节能控制方法控制能源消耗，包括：利用电机节能控制方法控制铲运机中的液压工作电机，所述液压工作电机的控制流程为：若检测到工作手柄信号的开度为零，则判断整个铲运机处于待机、运输或者转场状态，此时给液压工作电机发送怠速信号，使其工作在预设的怠速转速状态下，预设的怠速转速根据转向和制动需求的最大功率而定，即怠速转速γ＝0.2power，其中γ为怠速转速，power为转向和制动需求的最大功率；若检测到工作手柄信号开度为非0，控制器会根据开度信号与电机转速的正比例关系确定电机的转速，控制电机按要求转速运行，所述正比例关系系数为0.8。

技术总结

本发明涉及铲运机自动控制的技术领域，公开了一种智能电动铲运机控制方法，包括：在铲运机头部安装相机，利用相机获取矿洞内部实时的道路图像，并对所获取的道路图像进行相机标定；对相机标定后的道路图像进行预处理，利用道路识别算法识别预处理后道路图像中的道路；构建铲运机智能控制模型；利用粒子群算法对铲运机智能控制模型进行优化，得到最优铲运机智能控制模型，并利用最优铲运机智能控制模型对铲运机进行行驶控制，并利用电机节能控制方法控制能源消耗。本发明所述方法通过对矿洞内的道路进行识别，根据识别得到的道路利用最优铲运机智能控制模型对铲运机进行行驶控制以及节能控制，从而实现铲运机的智能控制，自动进行矿物运输。行矿物运输。行矿物运输。

技术研发人员：李达 刘仕辉 高正 张义 郑成博

受保护的技术使用者：青岛中鸿重型机械有限公司

技术研发日：2021.12.08

技术公布日：2022/3/18