机器人运动学与时序预测融合驱动的刮板输送机调直方法.pdf

返回 相似 举报
机器人运动学与时序预测融合驱动的刮板输送机调直方法.pdf_第1页
第1页 / 共15页
机器人运动学与时序预测融合驱动的刮板输送机调直方法.pdf_第2页
第2页 / 共15页
机器人运动学与时序预测融合驱动的刮板输送机调直方法.pdf_第3页
第3页 / 共15页
机器人运动学与时序预测融合驱动的刮板输送机调直方法.pdf_第4页
第4页 / 共15页
机器人运动学与时序预测融合驱动的刮板输送机调直方法.pdf_第5页
第5页 / 共15页
点击查看更多>>
资源描述:
第4 6 卷第2 期 2 0 2 1 年2 月 煤炭学报 J O U R N A L0 FC H I N AC O A LS O C I E T Y V 0 1 .4 6N o .2 F e b .2 0 2 1 麓羞 _ 毒鬈羹;群- - 蕞i 彗辩强罄麓i ;i 麓。 - 主jj j 萋萋| | { | | 囊囊鬻纂瀵鬻鬻缫| | | | i } 机器人运动学与时序预测融合驱动的 刮板输送机调直方法 王学文1 ’2 ⋯,李素华1 ’2 ,谢嘉成1 ’2 ⋯,任芳1 ’2 ,暴庆保2 ’3 ’4 1 太原理工大学机械与运载工程学院,山西太原0 3 0 0 2 4 ;2 .太原理工大学煤矿综采装备山西省重点实验室,山西太原0 3 0 0 2 4 ;3 .太重煤 机有限公司博士后科研工作站,山西太原0 3 0 0 2 4 ;4 .矿山采掘装备及智能制造国家重点实验室,山西太原0 3 0 0 2 4 摘要随着智能化开采的不断发展,刮板输送机直线度控制对于煤矿安全、高效开采具有重要意 义。针对刮板输送机的调直精度不高的问题,提出了一种基于空间运动学与长短时记忆神经网络 轨迹预测相融合的调直方法。首先,利用工业机器人的空间运动学知识对液压支架和刮板输送机 浮动连接机构的运动规律进行了解析,并以c 语言的形式编入u n i t y 3 D 仿真系统底层,通过推移 机构连接头捕捉刮板输送机中部槽上的关键点,实现液压支架与刮板输送机的连接,实现了液压支 架的精准推移,较理想化地解决了销耳间隙的影响;其次,综合考虑到传感器噪声与截割底板轨迹 对刮板输送机轨迹检测的影响,在仿真系统中进行相关的补偿后,在M A T L A B 中利用L S T M L o n g S h o nT i m eM e m o r y 神经网络对刮板输送机的轨迹进行预测;最后,根据实际工况要求建立了目标 调直轨迹的修正模型和轨迹一姿态转换模型,以得到的刮板输送机轨迹为基础,确定及时移架后的 液压支架位置与对应中部槽的相对位置差,基于浮动连接机构运动规律液压支架精准推移,实现刮 板输送机调直。通过虚拟试验的验证,建立的修正模型和转换模型具有较强的可靠性,在仿真系统 与实验室条件下分别在底板存在起伏时进行了调直试验,提出的调直方法的直线度误差分别 在O .2c m 和0 .0 8c m 内,符合调直精度要求,研究结果对刮板输送机的调直研究提供了思路。 关键词刮板输送机;调直方法;空间运动学;时间序列;u n i t y 3 D ;液压支架;直线度 中图分类号T D 6 7 ;T D 8 2 3 .9 7文献标志码A文章编号0 2 5 3 9 9 9 3 2 0 2 1 0 2 0 6 5 2 1 5 S t r a i g h t e I l i n gm e t h o do fs c r a p e rc o n V e y o rd r i V e nb yr o b o tk i n e m a t i c sa n d t i m es e r i e sp r e d i c t i o n W A N GX u e w e n l ’2 ⋯,US u h u a l ’- ,X I EJ i a c h e n 9 1 ’2 ⋯,R E NF a n 9 1 ”,B A OQ i n g b a 0 2 ,3 ,4 1 .c o f f e g e 妒帆c n 几i ∞f 口以托 i c kE 凡g i 胱e r i n g ,%咖帆‰觇船蚵旷7 k n o f o g y ,死i y n n0 3 0 0 2 4 ,∞汛。;2 .J s 矗。心i 缸y 如6 0 m f o ,y 矿几z 哆一 绌 n 一 凡泌dc o n z 胧n i 增叻Ⅱ咖眦玳,仡耖M ∽‰溉瑚毋矿7 k n o f o g y ,%咖o n 0 3 0 0 2 4 ,∞i n 。;3 .凡毋咖n 埘凡i 增肘n c i 船叫G r 0 印c o .,厶d .,P 0 s £d o c £o m 2 i m c e 胁e n 以%m s £m i o n ,%炒u 口n0 3 0 0 2 4 ,∞i n n ;4 .J s o 把K 够k 6 0 m z D ,y 矿胁n 嘲伽M 咖M 眦n n dm 训咖m 缸n 咖以M 矗昭,%哆M o n0 3 0 0 2 4 ,劬i n o A b s t r a c t W i t ht h ed e v e l o p m e n to fi n t e U i g e n tm i n i n g ,t h es t r a i g h t n e s sc o n t r o lo fs c r a p e rc o n v e y o ri so fg r e a ts i g n i f i - 收稿日期2 0 2 0 一1 2 0 3 修回日期2 0 2 卜0 卜1 7 责任编辑郭晓炜D O I l o .1 3 2 2 5 /i .c nk i j c c s .x R 2 0 .1 8 9 7 基金项目国家自然科学基金资助项目 5 2 0 0 4 1 7 4 ;山西省重点研发计划资助项目 2 0 1 9 0 3 D 1 2 1 1 4 1 ;山西省应用基 础研究计划资助项目 2 0 1 9 0 l D 2 1 1 0 2 2 作者简介王学文 1 9 7 9 一 ,男,山西长治人,教授,博士生导师。E m a i l w x u e w 1 6 3 .c o m 通讯作者谢嘉成 1 9 8 9 一 ,男,山西晋城人,副教授。E m a i l x 溺i a c h e n g t r L l t .e d u .c n 引用格式王学文,李素华,谢嘉成,等.机器人运动学与时序预测融合驱动的刮板输送机调直方法[ J ] .煤炭学报, 2 0 2 l ,4 6 2 6 5 2 6 6 6 . w A N Gx u e w e n ,L Is u h u a ,x I EJ i a c h e n g ,e ta 1 .s 【m i g h t e n i “gm e t h o do fs c m p e rc o n v e y o rd “v e nb yr o b o tk i n e m a t i c s a n dt i m es e r i e sp r e d i c t i o n [ J ] .J o u m a lo fc h i n ac o a ls o c i e t y ,2 0 2 1 ,4 6 2 6 5 2 6 6 6 . 移动阅读 万方数据 第2 期王学文等基于空间运动学与时间序列轨迹预测融合的刮板输送机调直方法 c a n c ef o rc o a lm i n es a f e t ya n de m c i e n tm i n i n g .A i m i n ga tt h el o wa c c u r a c yo fs c m p e rc o n V e y o r ,am e t h o do ff u s i o na n d s t r a i g h t e n i n gb a s e do nt h ep r e d i c t i o no fs p a c ek i n e m a t i c sa n dl o n gs h o r tt i m em e m o r yn e u r a ln e t w o r kt r a j e c t o r yi sp r o p o s e d .F i r s t l y ,t h em o V e m e n tl a w so ft h en o a t i n gc o n n e c t i o nm e c h a n i s mo ft h eh y d r a u l i cs u p p o na n ds c m p e rc o n V e y o r a r ea n a l y z e dw i t ht h es p a t i a lk i n e m a t i e sk n o w l e d g eo ft h ei n d u s t r i a lm b o t ,w h i c hi sp r o g r a m m e di n t ot h eU n i t y 3Ds i m u - 1 a t i o ns y s t e mt h r o u g hC l a n g u a g e ,a n dt h ec o n n e c t i o nb e t w e e nh y d r a u l i cs u p p o r ta n ds c r a p e rc o n V e y o ri sr e a l i z e db y c 印t u r i n gt h ek e yp o i n t so nt h em i d d l et r o u g ho fs c r a p e rc o n v e y o rt h r o u g ht h ej o i n to fp u s h i n gm e c h a n i s m ,w h i c hr e a l i - z e st h ep r e c i s ep u s h i n go fh y d r a u l i cs u p p o na n ds o l v e st h ei n n u e n c eo fp i n e a rc l e a r a n c em o r ei d e a l l y .S e c o n d l y ,c o n s i d e r i n gt h ei n n u e n c eo fs e n s o rn o i s ea n dc u t t i n gb o t t o mt K 妇e c t o I yo nt h et r a c kd e t e c t i o no fs c r a p e rc o n V e y o r ,a { t e rt h e r e l e v a n tc o m p e n s a t i o ni nt h es i m u l a t i o ns y s t e m ,L S T M L o n gS h o r tT i m eM e m o r y n e u r a Jn e t w o r ki su s e dt of o r e c a s t t h et m c ko fs c r a p e rc o n v e y o ri nM A T L A B .F i n a U y ,a c c o r d i n gt ot h ea e t u a l 叩e r a t i n gc o n d i t i o n s ,t h ec o r r e c t i o nm o d e lo f t a 蜡e ts t r a i g h t e n i n gt r a j e c t o r ya n dt h et r a j e c t o r y - a t t i t u d et r a n s f 0 Ⅱn a t i o nm o d e la r ee s t a b l i s h e d ,a n db a s e do nt h eo b t a i n e ds c r a p e rc o n v e y o rt r a c k ,t h ep o s i t i o nd i f k r e n c eb e t w e e nh y d r a u l i cs u p p o r ta n dt h ec o I T e s p o n d i n gm i d d l et r o u g hi s d e t e n I l i n e da f t e rt i m e l yf h m er e m o v a l ,a n dt h es t r a i g h t e n i n go fs c r a p e rc o n v e y o ri sr e a l i z e db yp r e c i s ep u s h i n ga n da d - v a n c i n go ft h eh y d r a u l i cs u p p o r tb a s e do nt h em o v e m e n tI a wo ft h en o a t i n gc o n n e c t i o nm e c h a n i s m .T h r o u g ht h ec o m - p I ℃h e n s i v ev e r i f i c a t i o no fv i r t u a le x p e r i m e n ta n dp h y s i c a le x p e r i m e n t ,t h em o d i f i e dm o d e la n dc o n v e r s i o nm o d e le s t a b l i s h e di nt h i sp a p e rh a v es t r o n gr e l i a b i l i t y ,a n dt h es t r a i g h t e n i n gt e s t sa r ec a r r i e do u ti nt h es i m u l a t i o ns y s t e ma n di n t h el a b o m t o I yw i t hu n d u l a t i o n si nt h eb o t t o mp l a t e ,a n dt h es t r a i g h t n e s se I T o r so ft h es t r a i g h t e n i n gm e t h o dp r o p o s e di n t h i sp a p e ra r ew i t h i n 0 .2c ma n d0 .0 8c mr e s p e c t i v e l y ,w h i c hm e e t st h es t r a i g h t e n i n ga c c u r a c yr e q u i r e m e n t sa n d p r o V i d e si d e a sf b rt h es t r a i g h t e n i n gr e s e a r c ho fs c r a p e rc o n V e y o r . K e yw o r d s s c r a p e rc o n v e y o r ;s t r a i g h t e n i n gm e 山o d ;s p a t i a lk i n e m a t i c s ;t i m es e r i e s ;u n i t y 3D ;h y d m u l i cs u p p o r t ; s t r a i g h t n e s s 随着工业“4 .0 ”、中国制造“2 0 2 5 ”等概念的提出 与推进,实现煤矿智能化、无人化成为煤炭行业发展 与生产的新方向‘3J 。刮板输送机作为采煤机的行 走轨道和运煤机械,如果刮板输送机满足不了直线度 要求HJ ,会导致运行阻力与采煤机的截割阻力增大, 进一步导致煤机装备损坏,带来重大事故,因此需要 对刮板输送机的直线度进行控制。 王超等∞1 针对刮板输送机直线度检测困难及测 量精度不高的问题,利用捷联惯导提出了一种基于中 部槽结构尺寸航位推测的刮板输送机形态检测新方 法;H A 0s 等怕。采用航位推算法建立了刮板输送机 轨道几何测量模型,利用测量模型和测量仪器,实现 了采煤机连续生产过程中刮板输送机空间轮廓的自 动测量;张帆等“ 1 针对综采工作面刮板输送机的直 线度误差受刮板输送机的轨迹检测误差和液压支架 的推移误差影响较大的问题,提出了一种基于数字孪 生的卡尔曼滤波刮板输送机位置状态估计方法;方新 秋等旧1 基于光纤光栅三维曲率传感器传感获得的正 交方向上的离散点曲率信息,采用拟合递推的方法进 行了三维算法推导,实现了刮板输送机三维弯曲形态 拟合感知与重建;张智酷等∽o 为了准确检测采煤工 作面中刮板输送机的布置形状,提出了基于采煤机运 动轨迹的刮板输送机布置形态检测方法,根据工作面 中采煤机与刮板输送机之间的几何空间位置关系,建 立以采煤机运行轨迹反演刮板输送机形状数学模型; 牛剑峰等叫用激光对位传感器等设计了工作面直线 度控制系统,实现了工作面液压支架的直线度控制, 同时在2 0 1 9 年叫指出使用视频巡检装置对工作面 液压支架上设置的标签拍摄图像,通过视觉测量技术 进行工作面直线度检测,实现液压支架基于工作面直 线度检测数据驱动的自动找直控制;李森等引为了 解决综采工作面在自动化生产模式下推进数刀后逐 渐不直的问题,提出采用惯性导航技术测量刮板输送 机平直度来定量描述工作面直线度的方法,将惯性导 航装置捷联于采煤机,实时测量采煤机割煤行走时形 成的三维空间轨迹;王世博等3 。利用采煤机轨迹反 演得到刮板输送机的运动轨迹,依据调直参考目标直 线,根据刮板输送机运动轨迹与参考目标直线解算并 控制液压支架的推移距离,实现刮板输送机调直过 程。 由以上的研究可以看出,目前的研究是在忽略一 些影响刮板输送机直线度重要因素下进行的 1 销耳问隙依旧是影响直线度的主要因素。 销耳间隙的存在会使液压支架电液控系统进行定量 推移时,刮板输送机中部槽的相对位置变化并没有满 足要求,因而在对刮板输送机调直时,销耳间隙会影 万方数据 6 5 4 煤炭学报 2 0 2 1 年第4 6 卷 响刮板输送机的直线度。 2 在研究直线度时没有考虑到直线度检测时 传感器的误差影响。由于传感器本身存在一定的误 差,这使得采煤机反演得到的轨迹与实际轨迹存在一 定的偏差,以反演得到的刮板输送机轨迹为依据进行 调直时,刮板输送机的直线度往往达不到要求。 3 没有考虑到煤层底板的起伏对刮板输送机 直线度的影响。对刮板输送机进行轨迹修正时,由于 煤层底板的起伏会使刮板输送机的姿态和液压支架 的姿态与目标姿态存在差异,会使液压支架在推移刮 板输送机时,刮板输送机的中部槽达不到既定的位姿 要求,进而使刮板输送机的直线度达不到要求。 针对以上问题,可以在虚拟环境下建立刮板输送 机调直研究的虚拟场景,摆脱井下进行相关调直试验 困难的困扰,实现刮板输送机调直过程的可视化。 u n i t y 3 D 4o 作为一种支持多维度的虚拟仿真引擎,实 现各种复杂工况的动态可视化,可以作为求解器对复 杂问题进行求解同时也可以将数据实时输出。目前, 已有相关学者5 。1 8 1 利用u n i t y 3 D 进行了煤矿井下相 关工作的仿真研究,并得到了真实可靠的仿真研究结 果,这说明利用u n i t y 3 D 创建的虚拟空间对刮板输送 机进行调直研究是可行的。 笔者基于u n i t y 3 D 提供的虚拟环境,提出了一种 基于空间运动学与长短时记忆网络轨迹预测融合的 调直方法,对刮板输送机的直线度调整进行了研究。 在u n i t y 3 D 中创建了“煤层 装备”虚拟调直仿真系 统,把浮动连接机构的运动规律通过c 群脚本的形式 作用于浮动连接机构,通过捕捉推移关键点,达到理 想化消除销耳间隙的影响的作用,实现了液压支架对 刮板输送机的精准推移;并且考虑到用传感器检测刮 板输送机姿态时存在误差和煤层底板起伏对刮板输 送机直线度的影响,对数据进行相关补偿后以x M L 格式输出,利用L S T M L o n gS h o r tT e 珊M e m o r y 网 络H 纠对刮板输送机的当前刀轨迹与目标调直轨迹进 行了预测;将预测结果和实际直线度要求作为参考标 准,建立了轨迹修正模型和轨迹一姿态转换模型,最 终获得了移架完成后液压支架与中部槽的相对位置 差;基于浮动连接机构的运动规律液压支架精准推移 刮板输送机,完成了刮板输送机的调直过程,并在虚 拟环境和实验室环境下对整个调直研究中得到的结 论进行了验证。 1整体思路 综采工作面“三机”指液压支架、采煤机、刮板输 送机,工作面运行时,采煤机以刮板输送机为运行轨 道,沿煤壁往复割煤,切割煤壁落煤,并将落下的煤装 入刮板输送机,刮板输送机在完成运煤的同时随液压 支架的推进整体前移;采煤机完成作业后,液压支架 对采空区顶板进行及时支护,维持一定的工作空 间㈨。 笔者对刮板输送机的直线度进行了定义,并对影 响刮板输送机直线度的因素进行了分析,通过工业机 器人运动学对浮动连接机构的运动规律进行了解析, 利用L s T M 神经网络对刮板输送机的轨迹进行了预 测,并将获得的运动规律和预测轨迹结合起来对刮板 输送机进行了调直研究。本文的整体框架如图1 所 示。 刮板输送机 l 影响刮板输送机I 浮动连接机构 直线度定义 | I 直线度的因素 l 运动规律的解析l [ 垂匾窭圃[ ] 匾亟口匝垩匦区囵 I 矮装Il 传感器检测误差ff 嘴坐标系统』 [ 1 疆丽r ] [ 亟磊丽甄] [ 而丽垂圈 l 键糌ll 榔黻戥标№彻懒籼I 产2 2 号产2 2 2 2 专产2 2 2 2 。气 l 截割底板轨迹坐标Il 中部槽姿态特点lI 调直乃静预测轨迹I 匡匡壁 预测轨迹坐标 l 中部槽转动角度l 及时推移 试验验证与分析 l 虚拟调直试验I 刮板输送机坐标一姿态转换模型的验证 l 调直方法的验证浮动连接机构的运动规律的理论验证 图1 整体框架 F 瞬1 0 v e m 儿h 丑m e w o r k 2 刮板输送机直线度问题 2 .1 刮板输送机直线度定义 由于目前刮板输送机的直线度没有准确的定义, 笔者针对刮板输送机调直时的直线度要求,对刮板输 送机的直线度进行了定义。 刮板输送机直线度是指在垂直于煤层倾向方向, 用于限制煤矿井下实际刮板输送机姿态对刮板输送 机理想直线度变动量的在平行于煤壁方向上的一种 形位偏差。 如图2 所示,垂直于煤层倾向方向,刮板输送机 在x y 平面有3 种可能的形状轨迹 不包括理想形状 轨迹 。形状偏差是指各形状轨迹上的点与其第1 个点的位置偏差;位置偏差是指刮板输送机形状轨迹 允许波动的最大位置范围;理想形状轨迹是指在垂直 万方数据 第2 期 王学文等基于空间运动学与时间序列轨迹预测融合的刮板输送机调直方法 6 5 5 于煤层倾向方向上刮板输送机不受任何因素影响、自 适应铺设在煤层上、轨迹不存在任何波动时的形状轨 迹;上形状轨迹是指刮板输送机形状轨迹超前于理想 形状轨迹时的情况,对应的形状偏差为卜形状偏差; 下形状轨迹是指刮板输送机滞后于理想形状轨迹时 的情况,对应的形状偏差为下形状偏差;中间形状轨 迹是指介于上形状轨迹与下形状轨迹之间的轨迹,对 应的形状偏差为中间形状偏差。 图2 刮板输送机直线度定义示意 2 .2 刮板输送机直线度的影响因素 2 .2 .1 销耳间隙的影响 推移机构是连接液压支架与刮板输送机的浮动 机构,因而可以将其称为液压支架与刮板输送机的浮 动连接机构 本文简称为浮动连接机构 。 刮板输送机通过挡板侧槽帮上的推移耳座与浮 动连接机构的连接头相连,液压支架推移刮板输送机 时,连接头位于推移耳孑L 的上方,液压支架移架时,连 接头位于推移耳孔的底部,存在一定的前后框量,称 为销耳问隙。2 1 I ,如图3 所示。销耳问隙的存在,利用 液压油缸对刮板输送机进行凋整时会出现非线性误 差,降低了刮板输送机形态的控制精度。 图3 销一耳暗】隙描述 F i g .3D e s c r j p t j o no f1 i n t o e a l .c l e a r a n c e 2 .2 .2 传感器检测误差的影响 由于外界干扰、测量方法等带来的系统误差与传 感器的基本误差,在使用传感器对刮板输送机的轨迹 进行检测或者反演时,得到的测量结果与实际的轨迹 有一定的差距2 2 。3 I 。 2 .2 .3 煤层底板起伏的影响 真实的煤层底板并不是理想的平直平面,由于煤 层沉积过程中基底不平和后期地质构造运动的影响, 在沿煤层倾向与煤层走向上会产生起伏。2 “。综采工 作而的直线度体现在其垂直于煤层倾向方向投影的 瓣 堡 删 掣 直线度情况,刮板输送机的直线度随着底板起伏的增 大而增大‘25 I 。 3 基于空间运动学与L S T M 神经网络预测 融合的刮板输送机调直方法 基于空问运动学获得浮动连接机构运动规律,在 u n i t y 3 D 中将其通过c 脚本编入仿真系统底层,在刮 板输送机推移耳座上标记如图2 所示推溜与移架的 关键点作为推移机构等价机械手模型末端执行器的 捕捉位置,达到理想化消除销耳间隙的影响的作用, 在虚拟环境下得到推移机构各结构运动变量的具体 值,液压支架按得到各运动变量值精准推移,在此情 况下,可自动针对销耳间隙进行推移量的补偿,实现 了液压支架与刮板输送机在虚拟煤层底板上的协同 推进。 3 .1 调直方法 取采煤机从机头至机尾方向割煤时为正向割煤 过程,此时为正常刀割煤,该刀采煤结束后的轨迹为 当前轨迹;取采煤机从机尾至机头方向割煤时为反向 割煤过程,此时为调直刀割煤,取该刀对应的轨迹为 目标渊直轨迹。 基于空间运动学与时间序列轨迹预测的融合调 直方法是指根据预测得到的刮板输送机调直轨迹,获 取移架后的液压支架与对应刮板输送机中部槽的相 对位置,液压支架推移机构利用浮动连接机构的运动 规律得到各结构的具体运动值进行精准推移,实现刮 板输送机调直的一种方法。调直示意图如图4 所示。 把液压支架和刮板输送机的浮动连接机构的运 动规律通过c 语言编入u n i t y 3 D 虚拟仿真系统,完 成液压支架与刮板输送机的虚拟联接,当刮板输送机 万方数据 6 5 6 煤炭 学报 2 0 2 1 年第4 6 卷 目标调 直轨迹 当前轨迹 ‘烈 刷㈨剀/ l \I ,/ 上一循环 目标调直1 轨迹 F ’i g .4 S 。h e m a t l c 1 i a g r a mo fs t r a i g h t e n l n g 向煤壁方向推进时,浮动连接机构及时捕捉推移耳座 处的关键点,实现液压支架与刮板输送机在虚拟复杂 底板下的协同推进。 由于在使用传感器对刮板输送机进行姿态检 测时,传感器测量误差的存在以及煤层底板起伏的 影响会使刮板输送机检测得到的轨迹与实际的轨 迹存在很大的偏差,因而需要综合传感器测量误差 和煤层底板起伏的影响对刮板输送机轨迹进行预 测。根据预测得到的坐标信息转换为刮板输送机 偏转的角度后,确定了刮板输送机在u n i t y 3 D 中的 预测轨迹姿态。整个调直过程在相邻两刀内,按照 “推溜一移架一推溜一移架”的顺序完成刮板输送机 的调直动作。综采工作面连续推进几个循环后,需 要对刮板输送机的直线度进行调整,首先液压支架 根据预测得到的刮板输送机当前刀轨迹进行推溜, 液压支架根据获得的移架行程进行移架;之后液压 支架以刮板输送机的理想调直位置为目标,液压支 架根据浮动连接机构运动规律,以理想调直位置与 液压支架上等价工业机器人基座的相对位置为基 础,获得推移油缸的推移量,最终将刮板输送机推 移至目标位置,液压支架及时移架。 3 .2 基于工业机器人模型的浮动连接机构运动规律 解算 浮动连接机构的运动是空间运动,包括活塞杆的 丁 c o s 臼, 一s i n9 。c o s “ s i np , o s p ,c o sd , 0s i n “. 00 式中,Ⅱ,为沿着咒。轴的。H 轴与z 轴之间的距离,为 连杆长度,包括推移杆的长度f I ;d ,为。H 轴绕着x 轴所转动的角度,为连杆扭转角,此处均为9 0 。。 根据。疋 o 丁.1L 2 L 3 ■4 瓦,建立机械 手模型的正向运动矩阵,继而采用逆向运动学技术, 对各运动参数进行求解l 殂“,即 伸长、推移杆的俯仰运动和偏航运动、连接头的偏航 运动,而工业机器人的关节运动包括直线运动、俯仰 运动、偏航运动和翻滚运动,可以看出浮动连接机构 的运动符合工业机器人的运动特征【2 6 1 引,因而可以 将浮动连接机构转化为工业机器人机械手模型对其 运动规律进行研究。以图5 a 中的点n 位置为基座 建立如图5 1 , 所示的转换模型。 如图6 所示为浮动连接机构的机械手模型与 D 日坐标系统。2 ‘’J 。其中坐标系戈。一钿,戈1 一三l ,戈2 一。2 , 戈,一名,,戈。一。。,戈,一z ,为给每个关节指定的本地参考系; 口,为关节角,指x H 轴绕着戈。轴所转动的角度;d ,为 关节距离,指沿着z H 轴时戈H 轴与戈。轴之间的距 离;f 。为推移杆的长度;2 为连接头的长度。 b _ T 业机器人模型 图5 机械手转换模型 F i g .5 T r a n s f o r m e dn l a l l i p u l a t o rn l o d e l 图6D 日坐标系统 F 磅6 D 日 。o ,r d i n a t es y s t e m 根据相邻两坐标系的变换矩阵 以 o sp n .s i r lp d . 1 4 r , o r i l o 瓦 3 瓦 ‘巧1 o 丁i 1 o 瓦 2 F , r i l 1 丁;‘o r i l ‘’瓦 1 丁, 3 巧1 2 丁;1 1 F ;1 o 丁i 。o 瓦 J 4 丁i 1 3 巧1 2 丁i 1 1 丁i 1 o F i l ‘’丁5 2 呦 坦号 斟意m 架示9 支苴德调 。 阱 万方数据 第2 期l i ’文等旗于空问运动学1 州寸问J 弘列轨迹预测融合的刮板输送机渊茂方法 6 5 7 由以上公式得到浮动连接机构等价机械手模型各关节的运动规律,根据关节路径最短的原则确定最优解, 最优解为 d 。 知一、八丁订了 瓦■丐万 纩心地n ㈢ p ,2arcsinC了乏乏ii;;毛i二i亏磊言主}弓亍萧arcc。sC了亏乏吾ii;亏亏ii亏害ii丢}亍萧p ,2a r c s i n l ‘i i i i i i i 二;i 二i 二;i i i i { i 亏二i j 丽J a r c c 。8 【 了i i i i i i i i i 二i j ;i i ;i 二;;;三二i 而J / 戈 一2 2 c sp 2 c o s9 3 \/ 2 1 c o sp 2 c o sp 3 \ 以朝∽∞5 眈i i i 矛i 丽J 怕⋯8 眈i i i 季寻丽J 3 .3 基于L S T M 神经网络的刮板输送机轨迹预测 由于预测刮板输送机轨迹时需要考虑剑刮板输 送机当前轨迹与煤层底板截割信息、相邻若干刀刮板 输送机的轨迹之间具有强的依赖性。基于这种特性, 需要对刮板输送机轨迹相关的序列变化数据处理,因 而选用I 。S T M 神经网络进行预测。 3 .3 .1 I 。s T M 神经网络 L s T M 神经网络一“’“是一种特殊的R N N 网络, 继承rR N N 模型的大部分特性,同时也解决了梯度 反传过程中出现的梯度消失问题,适合处理和预测时 问序列中问隔和延迟怍常长的事件。其内部结构如 图7 所示。 C l 冬l7 I .s ’l 、Ml ;闲络的内嗣5 2 占构 } 1 i g .7 ⋯㈨1 a lm L ⋯u r e fL S T Mf 1 P 【w 从 图7 中,爿,么1 ,万,z 为使用L s T M 的当前输人x , 和上一状态得到的 川拼接训练得到的;爿,z ‘,∥由 拼接向量乘以权重矩阵后,再通过一个s i g m o i c l 函数转 换为0 ~1 的数值,作为门控状态;z 是将结果通过一 个t a n l l 激活函数将其转换为一l ~l 的数值,作为输入 数据;C ,,C H ,m ,,c ,为细胞单元的记忆状态;c 川为 上一时刻细胞单元的记忆状态;y ,为当前节点状态下 的输出状态; ,为传递到下一个节点的输出状态。 如图8 所示,L S T M 是由输入门 I n p u tg a t e 、遗 忘门 F 儿’g e tg a t e 、输出门 0 u t p u tg a t e 控带4C e l l 的 3 I 矧8 I 。s ’r M } l } I 经单7 L 的处f ‘H 模,趔 F i g .8P l ’ ‘e s s ;n g 【1 1 1 e l ‘ fI .S T Mn H l l l a lu n i I 状态和隐含层的状态,并向其中删减或增加信息;f 为门激活功能;g 为输入激活功能;h 为输出激活功 能。一个I 。s T M 神经单元的计算过程分为4 个步骤 1 遗忘门遗忘一些细胞状态,用于对长期记忆 信息的筛选,选择需要被神经元遗忘的单元,它的输 入是 H 与戈,,输出为0 ~l 之间的数,其中0 代表全 抛弃,l 代表全保留,非0 和l 的数代表特征值。 ‘厂; 盯 w h [ ,。,.,,戈『] 6 。 4 2 输入门输人当前信息,用于计算当前输入戈, 以多大程度添加到长期记忆细胞单元中。 i , 矿 w .,[ 『2 ,一。,x ,] 易. 5 3 候选向鬣用于计算当前的输入的单元状态。 c , 【a n h w 。,[ 戈,,7 z ,..] 6 。 6 此时,需要对记忆细胞单元的信息进行更新,对 旧状态的记忆信息通过遗忘门进行遗忘和通过输入 门添加当前时刻新增加的信息。 c , /c H i ,c , 7 4 输出门确定隐藏变量的输出 片 万方数据 6 5 8 煤炭 学报 2 0 2 1 年第4 6 卷 o , 盯 w 。,,[ ,一.,戈,] 西。, 8 矗, o ,t a n hc , 9 式中。厂, ,,o ,分别为遗忘门、输入门、输出门;c H 为 上一时刻细胞的记忆状态;c ,,c ,为细胞单元的记忆 状态; H 为上一时刻的细胞单元的输出状态; ,为 当前时刻的细胞单元的输出状态;x ,为当前细胞单 元的输入状态;w h W .,W 。W 。,6 ,,西,,6 。6 。为可调参 数矩阵或向量。 3 .3 .2L s T M 神经网络的模型搭建 由于需要提取的特征比较多,为了赋予模型更强 的表达能力,利用M A T L A B 建立了用于刮板输送机 轨迹坐标预测的2 层L S T M 预测模型,输入输出维度 均为一维。如图9 所示,输入层x T H ,z H ,⋯, z ,.,, ,表示在第f 刀之前n 刀的输入特征向量,将第£ 天的数据作为标签,其中输人特征向量x ,为包含截 割底板起伏量和进行传感器测量误差补偿后的中部 槽各坐标值。两层L s T M 网络用于自动提取历史数 据问的固有特征以及输入特征问的复杂非线性关系。 输出层y
展开阅读全文

资源标签

最新标签

长按识别或保存二维码,关注学链未来公众号

copyright@ 2019-2020“矿业文库”网

矿业文库合伙人QQ群 30735420