منجم الفحم الحزام الناقل الفرز الروبوت تحديد الأجسام الغريبة ونظام تحديد المواقعكمعدات مهمة لإنتاج مناجم الفحم ، فإن التشغيل الآمن للناقل الحزام من مناجم الفحم هو أساس مهم لضمان الإنتاج الطبيعي لمنجم الفحم. ومع ذلك ، في عملية إنتاج الفحم ونقله ، يمكن أن تتأثر الأحزمة الناقلة لمناجم الفحم بالأجسام الغريبة الملغومة عن طريق التعدين الشامل أو التنقيب الشامل ، وما إلى ذلك ، مما قد يؤدي إلى حوادث خطيرة مثل الحزام الممزق والحزام المكسور. تعتبر الطرق التقليدية للكشف عن الأجسام الغريبة مثل الاكتشاف اليدوي والكشف عن الرادار وأجهزة الكشف عن المعادن غير فعالة ومكلفة ويصعب نشرها وصيانتها وتنطوي على مخاطر تتعلق بالسلامة.مع التطوير المستمر لتكنولوجيا رؤية الماكينة ، أجرى العلماء والمؤسسات المحلية والأجنبية الكثير من الأبحاث حول تطبيق تقنية رؤية الماكينة في مراقبة حالة حزام ناقل مناجم الفحم والكشف عن الهدف. على الرغم من أن رؤية الماكينة لها أساس نظري معين في الكشف عن الهدف وتحديد هدف ناقل حزام منجم الفحم ، إلا أن تحديد هدف الروبوت الحالي لفرز حزام ناقل منجم الفحم هو أساسًا لتحديد الشوائب ، وهناك القليل من الأبحاث حول تحديد هدف الأجسام الغريبة الذي يتسبب في اختراق الحزام والتمزق ، وما إلى ذلك ، وهناك أبحاث أقل حول تحديد المواقع بدقة للأجسام الغريبة المستهدفة. بموجب هذا ، صممت MingDe نظامًا آليًا لفرز الحزام الناقل لفرز الأجسام الغريبة ونظام تحديد المواقع ، والذي يمكنه تحديد وتحديد أنواع وأشكال مختلفة من الأجسام الغريبة على حزام النقل. من خلال كاميرا استريو متعددة الزوايا ، متعددة الأبعاد عالية الدقة ، فارز الروبوت الذكي يقوم بمسح المعدن الخام بسرعة على حزام النقل. تحدد خوارزمية التعرف على الأجسام الغريبة CRM-CNN التي تم تطويرها ذاتيًا بدقة الموقع ثلاثي الأبعاد للحطام ، وتتحكم في الروبوت للاستيلاء عليه الكائن الغريب ، ويضعه في مربع تجميع الكائن الغريب.خصائص المنتج 1: استنادًا إلى تقنية التعلم العميق ، جنبًا إلى جنب مع قاعدة بيانات كبيرة من المواد الخام الأجنبية ، فارز الروبوت الذكي لديه معدل عالٍ للتعرف على الأجسام الغريبة.2: باستخدام كاميرا استريو صناعية متعددة الزوايا والأبعاد وخوارزمية التعرف على الأشكال الهندسية ثلاثية الأبعاد ، يمكن لآلة فرز الروبوت الذكي قياس وتحديد عمق واتجاه وموقع الأجسام الغريبة بدقة.3: تحكم مرن للغاية ، يمكن إضافة الأجسام الغريبة الناشئة حديثًا في أي وقت.4: ذراع روبوت ذو مستويات حماية عالية مطور خصيصًا ، أسرع وأكثر مرونة ، يمكنه التكيف بشكل فعال مع سرعات النقل المختلفة والبيئات الصناعية القاسية5: مراقبة عن بعد ذكية للغاية وغير مراقبة واختيارية التحقق التجريبي يتم التحقق من موثوقية نظام التعرف على الأجسام الغريبة ونظام الفرز الآلي لفرز روبوت الحزام الناقل وخوارزميته بواسطة النموذج الأولي التجريبي باستخدام أجسام غريبة على شكل قضيب ككائن تجريبي. تُظهر النتائج التجريبية للنموذج الأولي للنظام أن معدل التعرف على الأجسام الغريبة لنظام التعرف على الأجسام الغريبة ونظام تحديد المواقع لفرز روبوت منجم الفحم لا يتأثر بالحجم والمادة واللون وما إلى ذلك ، ويمكنه تحقيق الاستحواذ والمعالجة ، واستخراج الميزات ، والتعرف عليها وتحديد موضعها لصورة الجسم الغريب المستهدف للحزام الناقل ، ومعدل التعرف أكثر من 99.5٪ ، ومتوسط الخطأ في تحديد موضع الجسم الغريب المستهدف حوالي 1٪.

روبوت إزالة المواد MingDe مناور آلي ذراع الروبوت روبوت إزالة الأجسام الغريبةروبوت إزالة المواد الروبوت عبارة عن آلة ذكية يمكنها العمل بشكل شبه ذاتي أو بشكل مستقل تمامًا. يمكن برمجة الروبوتات والتحكم فيها تلقائيًا لأداء مهام مثل العمل أو الحركة.مبدأ المنتجمن خلال كاميرا استريو متعددة الزوايا ، متعددة الأبعاد عالية الدقة ، فارز الروبوت الذكي يقوم بمسح المعدن الخام بسرعة على حزام النقل. تحدد خوارزمية التعرف على الكائنات الغريبة CRM-CNN التي تم تطويرها ذاتيًا بدقة موقع الحطام ثلاثي الأبعاد ، وتتحكم في الروبوت لالتقاط الجسم الغريب ، وتضعه في صندوق تجميع الكائنات الغريبة.خصائص المنتج Mingde1: استنادًا إلى تقنية التعلم العميق ، جنبًا إلى جنب مع قاعدة بيانات كبيرة من المواد الخام الأجنبية ، فارز الروبوت الذكي لديه معدل عالٍ للتعرف على الأجسام الغريبة.2: باستخدام كاميرا استريو صناعية متعددة الزوايا والأبعاد وخوارزمية التعرف على الأشكال الهندسية ثلاثية الأبعاد ، يمكن لآلة فرز الروبوت الذكي قياس وتحديد عمق واتجاه وموقع الأجسام الغريبة بدقة.3: تحكم مرن للغاية ، يمكن إضافة الأجسام الغريبة الناشئة حديثًا في أي وقت.4: ذراع روبوت ذو مستويات حماية عالية مطور خصيصًا ، أسرع وأكثر مرونة ، يمكنه التكيف بشكل فعال مع سرعات النقل المختلفة والبيئات الصناعية القاسية 5: مراقبة عن بعد ذكية للغاية وغير مراقبة واختيارية مجالات التطبيقإنها تستخدم بشكل أساسي لفرز الخام ، وفرز قضبان التثبيت ، والنحاس الفولاذي ، والخرق ، والخشب ، وأجزاء الحديد ، وخط أنابيب تعبئة النفايات وغيرها من الحطام في عملية إنتاج الخام ونقله ، واستبدال الفرز اليدوي اليدوي ، ووضع الأساس لتقليل العمالة البشرية ، وخفض معدل فشل المعدات ، وتقليل الموظفين وزيادة الكفاءة.

تصميم نظام ثلاثي الأبعاد لإخراج الروبوتات من منصات القياس للمواد متعددة المقاييسإزالة المواد روبوت ذراع روبوت مناور آليالخلاصة: في التصنيع الصناعي واللوجستيات ، يعد إزالة المواد عن طريق الروبوتات أحد التطبيقات الشائعة. يعد إلغاء تحميل المواد سيناريو يتم فيه تحميل البضائع ذات المقاييس المختلفة (أي البضائع ذات الأحجام المختلفة أو الأوزان أو القوام) على منصات نقالة للتسليم. كان إلغاء تحميل الروبوت السابق قابلاً للتطبيق فقط على تفريغ البضائع الفردية ويتطلب ترتيب البضائع بترتيب ثابت ، ولم يكن لدى الروبوت القدرة على الإدراك ؛ تم تجهيز نظام إزالة منصات الروبوت الموجه بالرؤية الموضح في هذه الورقة بإمكانية إدراك البيئة في الوقت الفعلي لتوجيه عملية الإمساك ، وبالتالي حل مشاكل الأحجام المتغيرة من الأشياء التي سيتم تفريغها ووضع غير منتظم لأنظمة إزالة المواد متعددة المقاييس. الكلمات الرئيسية: التعرف على الرؤية ثلاثية الأبعاد ، الروبوت ، منصات التحميل الهجينة ، تحديد موضع الكائن ، خوارزمية إزالة المنصات في التصنيع الصناعي واللوجستيات ، يمكن استخدام العديد من الروبوتات الصناعية لتحسين تدفق البضائع ، وأحد التطبيقات الشائعة هو فك المواد. يشير مصطلح "نزع المنصات الآلية" عادةً إلى عملية التفريغ المتسلسل للمواد من المنصات باستخدام أذرع آلية ويمكن استخدامها لتحل محل الأعمال اليدوية البسيطة ولكنها ثقيلة. في مجال الخدمات اللوجستية ، هناك سيناريوهات يتم فيها تسليم البضائع بمقاييس مختلفة (أي أحجام أو أوزان أو مواد مختلفة) في صناديق ، كما هو موضح في الشكل 1.ومع ذلك ، تم التحكم في أنظمة إزالة المنصات الآلية المبكرة يدويًا بشكل أساسي لإكمال إمساك الروبوت ، والذي كان ينطبق فقط على تفريغ شحنة واحدة ويتطلب ترتيب الشحنة بترتيب ثابت ، ولم يكن لدى الروبوت القدرة على الإدراك للتفاعل مع التغييرات الخارجية. ومع ذلك ، تتطلب أنظمة إزالة المواد متعددة المقاييس من الروبوتات أن يكون لديها وعي بيئي في الوقت الحقيقي لتوجيه عملية الإمساك لأن الأشياء المراد تفريغها متغيرة الحجم وموضوعة بشكل غير منتظم.مع تطوير أجهزة استشعار بصرية مختلفة ، تم إدخال تقنية رؤية الكمبيوتر تدريجياً في مهام استيعاب الروبوت لتحسين قدرة الروبوت على الحصول على المعلومات الخارجية. عادةً ما يحتوي نظام إزالة منصات الروبوت الموجه بالرؤية على خمس وحدات ، وهي وحدة اكتساب معلومات الرؤية ، ووحدة تحليل وتوطين الكائن ، ووحدة حساب موضع الإمساك ، ووحدة تحويل تنسيق اليد والعين ، ووحدة تخطيط الحركة ، كما هو موضح في الشكل 2. من بينها ، الوحدات الثلاث الأولى هي الجزء الرئيسي من نظام الرؤية ، وهي المسؤولة عن الحصول على المعلومات المرئية ومعالجتها وتوفير أوضاع الكائنات. يتم استخدام آخر وحدتين بشكل أساسي لتوفير معلومات التحكم للروبوت وإكمال وظيفة الإمساك. في ما يلي ، سوف نقدم كل وحدة ، والأساليب الشائعة وحالات التنفيذ.I. الرؤية وحدة اكتساب المعلوماتيتمثل دور وحدة الحصول على معلومات الرؤية في التقاط المعلومات المرئية وتقديم مدخلات للخطوات اللاحقة. في الوقت الحاضر ، تشتمل المدخلات المرئية شائعة الاستخدام على صور ثنائية الأبعاد RGB وصور سحابة ثلاثية الأبعاد وصور RGB-D مدمجة ثنائية وثلاثية الأبعاد. من بينها ، يعتبر استيعاب الذراع الروبوتية بمساعدة الرؤية استنادًا إلى صور 2D RGB حاليًا حلاً ناضجًا في الصناعة ، والذي يحول مشكلة استيعاب الروبوت إلى مشكلة القيام باكتشاف هدف الكائن أو تجزئة الصورة على صور RGB. ومع ذلك ، تفتقر الرؤية ثنائية الأبعاد إلى معلومات المقياس المطلقة للأشياء ولا يمكن استخدامها إلا في ظل ظروف محددة ، مثل السيناريوهات ذات المنصات الثابتة وأحجام المواد المعروفة. بالنسبة للسيناريوهات التي يكون فيها مقياس المواد غير معروف ، فإن وحدة الرؤية مطلوبة لتزويد الروبوت بمعلومات دقيقة عن الحجم المطلق للكائن المراد التقاطه ، لذلك يمكن فقط استخدام صور سحابة نقطية ثلاثية الأبعاد أو صور RGB-D مع مزيج من 2D و 3D مستخدم. بالمقارنة مع معلومات RGB ، تحتوي معلومات RGB-D على معلومات المسافة المكانية من الكاميرا إلى الكائن ؛ مقارنة بصور سحابة نقطية ثلاثية الأبعاد ، تحتوي معلومات RGB-D على معلومات نسيج ألوان غنية. لذلك ، يمكن استخدام صور RGB-D كمدخل للمعلومات المرئية لنظام إزالة المواد متعدد المقاييس.وحدة تحديد المواقع وتحليل الكائنتستقبل وحدة تحديد موضع الكائن وتحليلها مدخلات البيانات من وحدة الحصول على معلومات الرؤية ، وتحلل المواد الموجودة في المشهد ، وتحصل على المعلومات الأساسية مثل موضعها ووضعها ، ثم تُدخل هذه المعلومات الأساسية في وحدة حساب وضعية الاستيعاب. بشكل عام ، يمكن تحويل مشكلة توطين المواد في نظام إزالة المنصات الآلي إلى اكتشاف الهدف أو مشكلة تجزئة الصورة في مجال الرؤية. يمكن أن يقوم حل استيعاب الروبوت المستند إلى الرؤية RGB-D أولاً بإجراء الكشف عن الهدف ثنائي الأبعاد أو تجزئة الصورة ثنائية الأبعاد على صورة RGB للمادة ، ثم دمج خريطة العمق لإخراج الحجم المطلق للكائن ووضعية الإمساك ؛ أوقم بالكشف عن الهدف أو تقسيمه مباشرة على خريطة سحابة النقطة ثلاثية الأبعاد. فيما يلي مقدمة موجزة للعمل ذي الصلة.1.2D الكشف عن الهدفمدخل اكتشاف الهدف ثنائي الأبعاد هو صورة RGB للمشهد ، والمخرج هو فئة وموضع الكائن في الصورة ، ويتم إعطاء الموضع في شكل حد أو مركز. يمكن تقسيم طرق الكشف عن الهدف إلى طرق تقليدية وأساليب قائمة على التعلم العميق. تستخدم طرق الكشف عن الهدف التقليدية بشكل عام نافذة منزلقة لاجتياز الصورة بأكملها ، بحيث تصبح كل نافذة منطقة مرشحة. لكل منطقة مرشحة ، يتم أولاً استخراج الميزات باستخدام SIFT و HOG وطرق أخرى ، ثم يتم تدريب المصنف على تصنيف الميزات المستخرجة. على سبيل المثال ، تستخدم خوارزمية DPM الكلاسيكية SVM لتصنيف ميزات HOG المعدلة لتحقيق تأثير اكتشاف الهدف. الطريقة التقليدية لها عيبان واضحان: أولاً ، إنها تستغرق وقتًا طويلاً لاجتياز الصورة بأكملها باستخدام نافذة منزلقة ، مما يجعل تعقيد الوقت للخوارزمية مرتفعًا ويصعب تطبيقه على سيناريوهات واسعة النطاق أو في الوقت الفعلي ؛ ثانيًا ، غالبًا ما تحتاج الميزات المستخدمة إلى التصميم يدويًا ، مما يجعل هذه الخوارزميات أكثر اعتمادًا على التجربة وأقل قوة.2. تجزئة الصورة ثنائية الأبعاديمكن اعتبار تجزئة الصورة مهمة تصنيف صورة على مستوى البكسل. اعتمادًا على معنى نتيجة التجزئة ، يمكن تقسيم تجزئة الصورة إلى التجزئة الدلالية وتجزئة المثيل. يصنف التقسيم الدلالي كل بكسل في صورة ما إلى فئة مقابلة ، بينما لا يؤدي تجزئة المثيل تصنيف مستوى البكسل فحسب ، بل يميز أيضًا مثيلات مختلفة على أساس فئات معينة. بالنسبة إلى المربع المحيط لاكتشاف الهدف ، يمكن أن يكون تجزئة المثيل دقيقًا لحواف الكائنات ؛ بالنسبة للتجزئة الدلالية ، يحتاج تجزئة المثيل إلى تسمية أفراد مختلفين من كائنات متشابهة على الرسم البياني. في تطبيقات إزالة المنصة ، نحتاج إلى استخراج حواف المواد بدقة لحساب موضع الإمساك ، لذلك نحتاج إلى استخدام تقنيات تجزئة المثيل. يمكن تقسيم تقنيات تجزئة الصور الحالية إلى طرق تقليدية وأساليب قائمة على التعلم العميق. تعتمد معظم طرق تجزئة الصور التقليدية على تشابه أو تغير القيم الرمادية في صورة ما لتحديد ما إذا كانت وحدات البكسل تنتمي إلى نفس الفئة. تشمل الطرق الشائعة الاستخدام الطرق القائمة على نظرية الرسم البياني ، والطرق القائمة على التجميع والطرق القائمة على اكتشاف الحافة. أدت الأساليب القائمة على التعلم العميق إلى تحسين دقة تجزئة الصور ثنائية الأبعاد بشكل كبير مقارنة بالطرق التقليدية. تضيف أطر الشبكة العصبية العميقة النموذجية ، مثل AlexNet و VGGNet و GoogleNet وما إلى ذلك ، طبقة متصلة بالكامل في نهاية الشبكة لتكامل الميزات ، متبوعة بـ softmax لتحديد فئة الصورة بأكملها. لحل مشكلة تجزئة الصورة ، يستبدل إطار عمل FCN هذه الطبقات المتصلة بالكامل بطبقات deconvolution ، مما يجعل ناتج الشبكة من احتمال أحادي البعد إلى مصفوفة بنفس دقة المدخلات ، وهو العمل الرائد للتطبيق التعلم العميق للتجزئة الدلالية.3. كشف الهدف ثلاثي الأبعاديتيح الكشف عن الهدف ثلاثي الأبعاد للروبوتات إمكانية التنبؤ والتخطيط بدقة لسلوكها ومساراتها عن طريق حساب الموضع ثلاثي الأبعاد للكائنات مباشرةً لتجنب الاصطدامات والانتهاكات. ينقسم الكشف عن الهدف ثلاثي الأبعاد إلى كاميرا أحادية ، وكاميرا ثنائية العين ، وكاميرا متعددة العدسات ، ومسح LIDAR لسطح الخط ، وكاميرا عمق وكاميرا الأشعة تحت الحمراء للكشف عن الهدف وفقًا لنوع المستشعر. بشكل عام ، تتيح أنظمة الاستريو / الرؤية المتعددة التي تتكون من كاميرات متعددة الرؤية أو LiDAR قياسات سحابة ثلاثية الأبعاد أكثر دقة ، حيث يمكن للطرق القائمة على العرض المتعدد استخدام المنظر من الصور ذات المناظر المختلفة للحصول على خرائط العمق ؛ الأساليب المستندة إلى السحابة النقطية تحصل على معلومات الهدف من السحب النقطية. بالمقارنة ، نظرًا لأنه يمكن قياس بيانات عمق النقاط مباشرة ، فإن اكتشاف الهدف ثلاثي الأبعاد المستند إلى السحابة النقطية هو في الأساس مشكلة تحديد نقطة ثلاثية الأبعاد وبالتالي فهو أكثر سهولة ودقة. ثالثًا ، وحدة حساب وضع الالتقاطتستخدم وحدة حساب وضعية الإمساك معلومات وضعية الموضع لإخراج الكائن المستهدف من الوحدة الثانية لحساب وضعية إمساك الروبوت. نظرًا لوجود العديد من الأهداف التي يمكن إدراكها في نظام إزالة منصات المواد متعدد المقاييس ، يجب أن تحل هذه الوحدة مشكلتين "أيهما يجب فهمه" و "كيفية فهمه".الخطوة الأولى هي حل مشكلة "أي". الهدف من هذه المشكلة هو تحديد أفضل هدف زحف من بين العديد من أهداف الزحف ، وغالبًا ما يلزم تحديد "الأفضل" هنا من خلال المتطلبات الفعلية. على وجه التحديد ، يمكننا تحديد بعض المؤشرات التي لها تأثير على حكم الزحف وفقًا للوضع الفعلي ، ثم تحديد أولويات هذه المؤشرات.الخطوة الثانية هي حل مشكلة "كيفcatch ". يمكننا اختيار تحليل وحساب وضعية الإمساك عن طريق التحليل الميكانيكي ، أو يمكننا أولاً تصنيف الكائن عن طريق طريقة التعلم ، ثم تحديد نقطة الإمساك وفقًا للتصنيف ، أو التراجع مباشرة عن وضع الإمساك. رابعًا ، وحدة تحويل تنسيق اليد والعينمع الوحدة الثالثة ، حصلنا على وضعية إمساك مجدية. ومع ذلك ، فإن وضع الإمساك يعتمد على الوضع في نظام إحداثيات الكاميرا ، ويجب تحويل وضع الإمساك إلى نظام إحداثيات الروبوت قبل إجراء تخطيط الحركة. في أنظمة إزالة المنصة ، عادةً ما تُستخدم معايرة اليد والعين لحل هذه المشكلة. اعتمادًا على موضع تثبيت الكاميرا ، يمكن تقسيم طريقة معايرة اليد والعين إلى حالتين. أحدهما هو أن الكاميرا مثبتة على ذراع الروبوت وتتحرك الكاميرا مع الذراع ، تسمى عين في اليد ، كما هو موضح في الشكل 3. في هذه العلاقة ، تظل علاقة الموضع بين قاعدة الروبوت ولوحة المعايرة ثابتة أثناء حركتي ذراع الروبوت ، والكمية التي تم حلها هي علاقة الموضع بين الكاميرا ونظام إحداثيات نهاية الروبوت. يتم تثبيت النوع الآخر من الكاميرا على حامل منفصل ، يسمى "وجهاً ليد" ، كما هو موضح في الشكل 4. في هذه الحالة ، تظل علاقة الموقف بين نهاية الروبوت ولوحة المعايرة كما هي أثناء حركتي الذراع ، والحل هو علاقة الموقف بين الكاميرا ونظام الإحداثيات لقاعدة الروبوت. تتحول كلتا الحالتين في النهاية إلى مشكلة حل مع AX u003d XB ، ويمكن تحويل المعادلة إلى معادلة خطية باستخدام مجموعة الكذب وجبر الكذب لحل كميات الدوران والترجمة ، على التوالي.الخامس. وحدة تخطيط الحركةتنظر هذه الوحدة بشكل أساسي في علم الحركة والديناميكيات والتحليل الميكانيكي وتخطيط الحركة للروبوت لتخطيط مسار حركة ممكن لا يتعارض مع البيئة. بضرب وضع الإمساك في نظام إحداثيات الكاميرا الذي تم الحصول عليه بواسطة وحدة حساب وضعية الإمساك مع مصفوفة التحويل التي تمت معايرتها بواسطة وحدة تحويل تنسيق اليد والعين ، يمكننا الحصول على وضع الإمساك في نظام إحداثيات ذراع الروبوت. بناءً على هذا الموقف ، يمكن تنفيذ تخطيط الحركة ويمكن توجيه ذراع الروبوت لإكمال مهمة إزالة المنصة. لذلك ، فإن مدخلات وحدة تخطيط الحركة هي مواضع البداية والهدف لذراع الروبوت ، والإخراج هو مسار حركة ذراع الروبوت. يمكن تقسيم خوارزمية تخطيط الحركة الكاملة إلى الخطوات الثلاث التالية.الخطوة 1: الحل الحركي العكسي. من أجل تجنب مشاكل مثل التفردات ، يتم إجراء تخطيط حركة الذراع الآلية بشكل عام تحت مساحة المفصل. لذلك ، يجب علينا أولاً إجراء الحل الحركي المعكوس بناءً على المدخلات التي تطرح للحصول على القيم المشتركة المقابلة للأوضاع.الخطوة 2: تخطيط المسار. باستخدام خوارزمية تخطيط المسار ، يمكننا الحصول على مسار حركة الذراع الآلية. الهدف من هذه الخطوة ذو شقين: الأول هو تجنب العوائق ، لضمان عدم اصطدام الذراع الآلية بأشياء أخرى في المشهد أثناء حركتها ؛ والثاني هو تحسين سرعة التشغيل من أجل زيادة كفاءة تشغيل النظام. من خلال التخطيط لمسار حركة معقول ، يمكن جعل وقت تشغيل قبضة واحدة للذراع الآلي أقصر ، وبالتالي تحسين الكفاءة.الخطوة 3: وقت الاستيفاء. على الرغم من أنه يمكننا بالفعل الحصول على مسار حركة ممكن من خلال تخطيط المسار ، إلا أن هذا المسار يتكون من نقطة موقع واحدة تلو الأخرى. عندما تعمل ذراع الروبوت على طول هذا المسار ، فإنها تحتاج إلى الحفاظ على التسارع والتباطؤ ، لذلك سيكون لها تأثير على سرعة الجري. لهذا السبب ، نحتاج إلى إجراء استيفاء زمني للحصول على معلومات السرعة والتسارع والوقت لكل نقطة على المسار بينما يتحرك ذراع الروبوت إلى تلك النقطة. بهذه الطريقة ، يمكن لذراع الروبوت العمل بشكل مستمر وسلس ، وبالتالي تحسين الكفاءة. السادس. مثال التنفيذبناءً على البحث أعلاه ، يمكن استخدام نظام رؤية كامل يتكون من كاميرا عمق ثلاثية الأبعاد ونظام إضاءة وجهاز كمبيوتر وبرمجيات معالجة الرؤية في سيناريو تعريف مادة الصندوق المقطعي للحصول على بعض المعلومات الخاصة حول الأشياء الحقيقية ، والمعلومات التي تم الحصول عليها من خلال هذا يمكن استخدام النظام لإنجاز بعض المهام الخاصة ، مثل الحصول على موضع الصندوق من خلال نظام الرؤية ، والذي يمكن أن يوجه الروبوت لفهم معلومات كمية الصندوق والحصول عليها كمعايرة للمهمة. المكونات الرئيسية لهذا النظام كما هو موضح في الشكل 5.تُستخدم الكاميرا ثلاثية الأبعاد ونظام الإضاءة بشكل أساسي لتصوير الصور ، حيث يمكن للكاميرا ثلاثية الأبعاد الحصول على بيانات العمق ضمن نطاق معين. ويرتبط تصوير الصور الرقمية بنظام الإضاءة. من ناحية أخرى ، يشتمل الكمبيوتر على أجهزة حوسبة وتخزين للأغراض العامة لحفظ الصور ومعالجة الصور من خلال برامج الرؤية المتخصصة وأيضًا للشبكةالتواصل مع الأنظمة الأخرى. تسهل شاشة الصور المشغل تشغيل برنامج معالجة الرؤية ومراقبة تشغيل النظام. يتم استخدام التخزين ذو السعة الكبيرة للتخزين الدائم أو المؤقت للصور أو البيانات الأخرى. من ناحية أخرى ، تشتمل برامج الرؤية المتخصصة على معالجة الصور الرقمية وتحليل بيانات الصور وبعض الوظائف الخاصة. بشكل عام ، تتميز كاميرا العمق ثلاثية الأبعاد بمعدل إطار من 1 إلى 30 إطارًا في الثانية ، ودقة صورة RGB تبلغ 640 × 480 ، و 1280 × 960 ، و 1920 × 1080 ، و 2592 × 1944 ، ونطاق عمق يتراوح من 500 مم إلى حوالي 5000 مم. واعتمادًا على السعر ، هناك دقة ونطاق مختلفان. فيما يلي مثال لعلامة تجارية للكاميرا ثلاثية الأبعاد مع معلمات كما هو موضح في الشكل 6 والدقة كما هو موضح في الشكل 7.باستخدام الكاميرا ثلاثية الأبعاد ، يمكنك الحصول على صور RGB وصور عميقة لمشاهد خاصة ، ووفقًا لمعالجة هذه الصور وتحليلها (انظر الشكل 8) ، يمكنك الحصول على بعض المعلومات حول موضع العناصر وعددها ومعلوماتها في مشهد.المربع المستطيل في الشكل 9 هو خريطة موضع الاستيلاء على الصندوق التي تم تحديدها بعد المعالجة. ترتيب أعلى اليسار ، وأسفل اليسار ، وأعلى اليمين ، وأعلى اليمين هو "2 ، 3 ، 3 ، 2" على التوالي ، أي أن يد الروبوت ستلتقط صندوقين على اليسار ، وثلاثة مربعات على اليسار ، وثلاثة مربعات على على اليمين ومربعين على اليمين وفقًا لمعلومات الموقع التي يوفرها نظام التعرف على الصور.سابعا. ملخصفي هذه الورقة ، قدمنا إطار العمل والأساليب الشائعة لنظام إزالة منصات روبوت المواد متعدد المقاييس الموجهة بالرؤية ثلاثية الأبعاد ، وحددنا العديد من الوحدات الأساسية التي يحتاجها الإطار ، وهي وحدة اكتساب معلومات الرؤية ، ووحدة توطين الكائن والتحليل ، استيعاب وحدة حساب الموضع ، وحدة تحويل تنسيق اليد والعين ، ووحدة تخطيط الحركة ، وشرح المهام الرئيسية والأساليب الشائعة لكل وحدة. في التطبيقات العملية ، يمكن استخدام طرق مختلفة لتنفيذ هذه الوحدات حسب الحاجة دون التأثير على وظائف الوحدات الأخرى والنظام ككل.

الروبوتات والأتمتة: تعمل الروبوتات الجديدة على تحسين كفاءة مناولة الموادظهور الروبوتات يعني أن عمال المستودعات يمكن أن يقضوا وقتًا أقل في مناولة المواد والمزيد من الوقت في الحفر وخدمة العملاء. كما أنه يخلق فرصًا للعمال لإدارة و "تدريب" معدات جديدة. لسنوات ، كانت المستودعات تدمج الروبوتات بهدوء في عمليات مناولة المواد ، ولكن على مدار الـ 18 شهرًا الماضية ، انتقل الاتجاه إلى حالة تأهب قصوى بسبب زيادة الطلب على التجارة الإلكترونية ونقص العمالة بشكل عام خلال وباء التاج الجديد. من غير المتوقع أن يستقر هذا الطلب في أي وقت قريب. يمكن أن يكون للطفرة في الأتمتة تأثير مضاعف على القوى العاملة ، أي إعادة كتابة التوصيفات الوظيفية للعديد من العاملين في التصنيع واللوجستيات والبيع بالتجزئة. لن يقتصر دور الروبوتات على تسريع العمليات ، خاصة في المناطق التي تعاني من نقص حاد في العمالة ، بل ستخلق أيضًا وظائف جديدة للعمال الذين يمكنهم إدارة المعدات الآلية وصيانتها و "تدريبها" ، كما يقول الموردون. كيف تغير الروبوتات الوظائف في صناعة مناولة مواد المستودعات؟ كيف يقوم الناس "بتدريب" الروبوتات للقيام بوظائف معينة في العاصمة؟حاليًا ، تتم برمجة معظم الروبوتات بواسطة أشخاص إما يكتبون رمز البرنامج أو يوجهون ذراع الروبوت فعليًا إلى الموضع الصحيح. لكن الجيل القادم من الروبوتات يعتمد بشكل متزايد على الذكاء الاصطناعي (AI) لتوجيه الاتجاه ، مما يمنح العمال الحرية الكاملة لأداء مهام DC الأخرى.كيف تغير الروبوتات عملية مناولة المواد في المنجم؟في عملية التعدين والنقل ، غالبًا ما يتم خلط الخامات بالخشب والمسامير الفولاذية والخرق والأجزاء البلاستيكية وأنابيب ملء النفايات وأشياء أخرى. أثرت هذه النثرية بشكل خطير على سلامة وفعالية المعدات في النقل والسحق والطحن والاستفادة منها. في الماضي ، كان يتم استخدام الفرز اليدوي عادةً لإزالته ، ولكن هناك مخاطر جسيمة تتعلق بالسلامة والصحة المهنية في الفرز اليدوي ، فضلاً عن مشاكل مثل الفرز اليدوي غير الكامل. يمكن لروبوت التعدين أن يحل المشكلات المذكورة أعلاه بشكل فعال.من خلال كاميرا استريو متعددة الزوايا وعالية الدقة عالية الدقة ، يقوم الروبوت الذكي لإزالة المواد بمسح المعدن الخام بسرعة على الناقل. الاستيلاء على خوارزمية التعرف على الكائنات الغريبة CRM-CNN التي تم تطويرها ذاتيًا تحدد بدقة الموضع ثلاثي الأبعاد للحطام ، وتتحكم في الروبوت لالتقاط الجسم الغريب ، وتضعه في صندوق تجميع الأجسام الغريبة.

تطبيق الذكاء الاصطناعي في روبوتات مناجم الفحم الملخص مع التطور السريع لتكنولوجيا الذكاء الاصطناعي ، أصبح تطبيقها في مناجم الفحم أكثر وأكثر اتساعًا. في عملية إنتاج مناجم الفحم ، أدى إلحاح الطلب على استبدال الروبوت إلى تسريع التطبيق الصناعي لروبوتات مناجم الفحم وتطبيق تكنولوجيا الذكاء الاصطناعي في روبوتات مناجم الفحم. يتم تحليل واستكشاف تطبيق تكنولوجيا الذكاء الاصطناعي في روبوتات مناجم الفحم ، ويتم تقديم المحتويات البحثية الرئيسية لتكنولوجيا الذكاء الاصطناعي وتطبيقها في الصناعة ، ويتم تحليل الوضع الحالي لتطبيق الذكاء الاصطناعي في إنتاج مناجم الفحم ، ومفهوم تم تطوير تطبيق تكنولوجيا الذكاء الاصطناعي على روبوتات مناجم الفحم بشكل فعال ، ومن المتوقع أن يتم تطوير الذكاء الاصطناعي في روبوتات مناجم الفحم. الكلمات المفتاحية ذكاء اصطناعي ، روبوت منجم الفحم ، إدراك ذكي ، اتخاذ قرار ذكي ، مراقبة ذكية ， روبوت لإزالة المواد0 مقدمةتواجه عملية الإنتاج والتشغيل تحت الأرض لمنجم الفحم مشاكل العديد من الأشخاص الذين ينزلون في المنجم ، والمخاطر العالية للكوارث ، وارتفاع معدل الحوادث ، وبيئة التشغيل القاسية ، والتلوث البيئي الخطير [1]. في مواجهة العمليات عالية المخاطر تحت الأرض ، أصبحت روبوتات مناجم الفحم إحدى الطرق المهمة لتحقيق هدف إنتاج مناجم الفحم الجوفية بشكل آمن وفعال. يمكن أن تساعد روبوتات مناجم الفحم أو تحل محل الأشخاص لإكمال بعض عمليات التعدين الخطرة وتحقيق إنتاج آمن وفعال في مناجم الفحم. من أجل تحقيق "لا يوجد أحد آمن" ، فإن الروبوتات هي الاتجاه لاستبدال عمال المناجم في العمليات تحت الأرض. من خلال استراتيجية "صنع في الصين 2025" و "الصناعة الألمانية 4.0" و "الإنترنت الصناعي الأمريكي" واتصالات 5G وإنترنت الأشياء والبيانات الضخمة والحوسبة السحابية والذكاء الاصطناعي النضج التدريجي للتقنيات مثل اتصالات 5G وإنترنت عززت الأشياء والبيانات الضخمة والحوسبة السحابية والذكاء الاصطناعي بشكل كبير التحول والارتقاء بالصناعة التحويلية التقليدية في الصين [2]. كعلم وتكنولوجيا ناشئين ، يمكن للذكاء الاصطناعي أن يجعل تكنولوجيا الكمبيوتر أكثر دقة وسرعة وملاءمة لإكمال الحسابات العلمية المعقدة التي لا يستطيع العقل البشري القيام بها ، وتحقيق الاستبدال الجزئي ، والتوسع ، وتعزيز الدماغ البشري ، وبالتالي خلق آلات ذكية يمكنها إكمال العمليات المعقدة والخطيرة بدلاً من البشر [3]. سوف يتطور إنتاج مناجم الفحم في المستقبل نحو منجم غير مأهول ومستقل وذكي وفعال ، حيث ستلعب تقنية الذكاء الاصطناعي دورًا لا يمكن الاستغناء عنه وسيتم تطبيق تقنيات الذكاء الاصطناعي المتنوعة على روبوتات مناجم الفحم [4]. على الرغم من أن التطبيق الحالي للذكاء الاصطناعي في مجال مناجم الفحم الصناعية لا يزال في فترة التخبط ، إلا أنه مع التطبيق الواسع الانتشار لتكنولوجيا الذكاء الاصطناعي في مجال مناجم الفحم ، فإن بناء مناجم التشغيل غير المأهولة أمر لا مفر منه [5] . 1 المشاكل الملحة في صناعة الفحمشهدت صناعة الفحم في الصين أكثر من 40 عامًا من التطور ، ويميل تعدين موارد الفحم المعدنية تدريجياً إلى أن يكون ذكيًا ، ولكن لا تزال هناك بعض الاختناقات التي يجب حلها. 1.1 التكنولوجيا والمعدات تحتاج إلى تحديثعلى الرغم من أن تعدين ونقل الفحم في الصين قد مر بمراحل الرقمنة والأتمتة والمعلوماتية ، لا يزال المستوى التقني العام ومعدات الإنتاج أقل من تلك الموجودة في البلدان المتقدمة [6]. في عام 2019 ، كانت إدارة الدولة السابقة لمنجم الفحم اقترحت مراقبة السلامة لتسريع تصنيع وتطبيق روبوتات مناجم الفحم للحفر وتعدين الفحم والنقل ومراقبة السلامة والدعم والإنقاذ. لم يعد روبوت منجم الفحم الحالي يكمل عمليات بسيطة متكررة فحسب ، بل يمكنه الشعور بالبيئة المحيطة وإعطاء ملاحظات في الوقت الفعلي للعالم الخارجي ، ولكنه لا يتمتع بعد بقدرات مستقلة على التفكير والتعرف والاستدلال والحكم واتخاذ القرار ، ولا تزال بحاجة إلى مشاركة بشرية لإنجاز بعض مهام العمل المعقدة. 1.2 مخاطر السلامة الجسيمةصناعة الفحم هي صناعة عالية الخطورة ، وهناك العديد من المخاطر في كل خطوة من خطوات الإنتاج ، والمياه والنار والغاز وغبار الفحم والتكوينات الجيولوجية والكوارث الأخرى متكررة ، والبيئة المعقدة تحت الأرض تهدد بشكل خطير سلامة حياة مشغلي تحت الأرض. على الرغم من أن المراقبة الذكية وتكنولوجيا الإنذار المبكر لمناجم الفحم القائمة على إنترنت الأشياء والبيانات الضخمة والحوسبة السحابية قد قللت إلى حد كبير من وقوع الحوادث وضمنت الإنتاج الآمن لمناجم الفحم ، لا تزال هناك العديد من المشاكل. تؤدي الدقة الضعيفة والحساسية لأجهزة الاستشعار إلى عدم اكتمالهاوجمع معلومات السلائف في الوقت المناسب ؛ أنظمة المراقبة مستقلة عن بعضها البعض ولها وظيفة واحدة ، وعمق تكامل وتكامل التطبيق للنظام الأساسي السحابي ليس عميقًا بدرجة كافية ؛ أمن قاعدة بيانات نظام المراقبة ضعيف ؛ تفتقر معدات المراقبة إلى التعلم العميق وكذلك القدرة على التكيف الذاتي [7]. 1.3 تلوث بيئي خطيرتنتج مناجم الفحم غبار الفحم أثناء عملية التعدين ، وتنتج أيضًا غازات ضارة مثل أول أكسيد الكربون وثاني أكسيد الكربون لتلويث الغلاف الجوي [8]. في الوقت نفسه ، تحتوي النفايات السائلة الناتجة عن تعدين الفحم على كمية كبيرة من المعادن الثقيلة والمواد الحمضية ، والتي يمكن أن تتسرب بسهولة إلى التربة أو تدخل المياه الجوفية لتلوث الجيولوجيا ومصادر المياه. سوف تتعدى مشاريع تعدين الفحم على مساحات كبيرة من الغطاء النباتي والأراضي الزراعية ، وتكون الأرض عرضة للانهيار بعد التعدين مما يؤدي إلى تدمير الطبقة السطحية [9]. 2 المحتوى البحثي الرئيسي للذكاء الاصطناعي2.1 التعرف على الأنماطيستخدم التعرف على الأنماط في تقنية الذكاء الاصطناعي وظائف جمع البيانات وتحليلها ومعالجتها القوية لتقنية الكمبيوتر المتقدمة لمحاكاة الإدراك البشري والتعرف على البيئة الخارجية من خلال إعداد البرامج المقابلة مسبقًا. يمكن للروبوتات الذكية التي تتضمن التعرف على الأنماط محاكاة القدرات الحسية البشرية بشكل أفضل ، والتعرف على الشخصيات ، والأصوات ، والصور ، والمشاهد ومعلوماتهم المدمجة بدقة عالية ، وإدراك البيئة المحيطة وتصميمها بدقة من خلال الحصول على معلومات متعددة المصادر [10]. الرؤية الآلية في تكنولوجيا الذكاء الاصطناعي ، باعتبارها واحدة من أهم أساليب الإدراك البيئي ، تحاكي القدرات البصرية البشرية لتحسين فهم الروبوت لبيئة قاع البئر ، والعمليات التشغيلية ، وظواهر التغذية الراجعة. الروبوتات الذكية التي تتضمن رؤية الآلة ، أولاً ، قادرة على التكيف بشكل جيد مع بيئة التشغيل في قاع البئر والتعاون بشكل جيد مع الأجهزة الاصطناعية الأخرى ؛ ثانيًا ، القدرة على الحصول على مزيد من المعلومات حول المشهد الخارجي وفهم محتوى الصور والتعمق فيه من خلال الرؤية المجسمة والتفتيش البصري وتقنيات تحليل الصور الديناميكية ؛ وثالثًا ، القدرة على الحكم على ظاهرة التغذية الراجعة تحت الأرض لعملية التشغيل وإرجاع المعلومات حول حالة الروبوت إلى نظام التحكم في الحركة [11]. 2.2 نظام خبيرالأنظمة الخبيرة هي تقنيات تمثل معرفة وخبرة الخبراء البشريين وتستخدم لحل المشكلات مثل قرارات النظام والعمليات والفشل. من خلال تقنيات الذكاء الاصطناعي ، يتم إنشاء أنظمة المعرفة لأنظمة قاع البئر التي تحاكي البشر لحل المشكلات العملية التي تتم مواجهتها أثناء العمليات. يمكن للخبراء البشريين التنبؤ بفشل النظام وتحديد نقاط الفشل وإنشاء حلول لاستكشاف الأخطاء وإصلاحها بناءً على الحالة الحالية للنظام ، مثل شاشات عرض المعدات والأصوات ومعلمات البيانات التشغيلية وحالة المنتج عند حل مشكلات العالم الحقيقي. لذلك ، تُستخدم الأنظمة الخبيرة بشكل شائع للتنبؤ بالأخطاء والتشخيص واستكشاف الأخطاء وإصلاحها. بالإضافة إلى ذلك ، في صناعة التصنيع ، تُستخدم الأنظمة الخبيرة أيضًا لقرارات تخطيط الإنتاج وتحسين عملية الإنتاج وتنسيق الإنتاج وتحسين معلمات المعدات. 2.3 التعلم الآلييحاكي التعلم الآلي في تقنيات الذكاء الاصطناعي قدرات التعلم البشري من خلال الأطر والخوارزميات النموذجية لاستخراج القوانين الجوهرية تلقائيًا من خلال بيانات التدريب والمعلومات البيئية والتغذية المرتدة لتحسين أداء النظام وتعزيز التكيف البيئي والمتانة. تتمتع الروبوتات التي تتضمن التعلم الآلي بقدرات استخراج قانون شبيهة بالبشر وقدرات تلخيص المعرفة لتحديد المعلومات الفعالة من الكمية الكبيرة من موارد المعلومات التي تم جمعها وتعلم تحسين ذكائها. يمكن لتقنية التعلم الآلي أن تحل بشكل فعال سلسلة من المشاكل في المواقف غير المتوقعة وأن تقلل إلى حد كبير من تكاليف العمالة والإنتاج [12]. 2.4 الذكاء الاصطناعي الموزعينسق نظام الذكاء الاصطناعي الموزع الجدولة والتحكم في أنظمة الجسم متعددة الذكاء غير المتجانسة من خلال الجمع العلمي والعقلاني بين الذكاء الاصطناعي وتكنولوجيا الكمبيوتر ، وذلك لتعزيز أداء نظام الذكاء الاصطناعي ، وتحسين القدرة على تنفيذ المهام ، وزيادة كفاءة العمل التعاوني لكل نظام مستقل في الروبوت الذكي. عندما يواجه الروبوت الذكي بعض المواقف غير المتوقعة ، فإنه لا يزال بإمكانه ضمان قيام كل نظام فرعي بالعمل العادي. لا يزال نظام الذكاء الاصطناعي الموزع الحالي في المرحلة الأولى من البحث والتطوير ، وتكمن الصعوبة التقنية في كيفية تنسيق قواعد التشغيل للأنظمة المختلفة [13]. 3 حالة تطبيقالذكاء الاصطناعي في روبوتات مناجم الفحم3.1 تطبيق الذكاء الاصطناعي في التحكم في حركة روبوتات مناجم الفحممن أجل التأكد من أن روبوتات مناجم الفحم يمكن أن تعمل بشكل صحيح في بيئات معقدة تحت الأرض ، قام الباحثون بتطبيق تقنيات الذكاء الاصطناعي مثل الأنظمة الخبيرة والشبكات العصبية الاصطناعية لروبوت طرق التحكم في الحركة والخوارزميات والعمليات التعاونية. من خلال محاكاة التفكير البشري ومستوى المعرفة ، يمكن لروبوتات مناجم الفحم حل بعض المشكلات غير الخطية المعقدة متعددة الأبعاد ، وتقليل كمية العمليات لتحليل النظام الديناميكي ، وإعداد المعلمات ومعالجة البيانات ، وتحسين كفاءة ودقة التحكم. صمم الباحثون Wang Nian et al [14] روبوتًا ذكيًا للتعدين يعتمد على ucos مضمن واستخدموا شبكة GSM لتحقيق التحكم عن بعد في الجهاز ؛ استخدم الباحثون Zhang Chuancai وآخرون [15] شبكة BP العصبية لتأسيس طريقة قياس لتحديد زاوية دوران الروبوت بناءً على سرعة المحرك ووقت التشغيل ، والتي يمكن أن توفر معلمات الزاوية لتخطيط مسار الروبوت ؛ قام Wang Xuesong et al [16] أفراد الباحثين بتقريب المعلمات الحركية غير المؤكدة بناءً على شبكة Elman العصبية المحسنة وأرسلوا أوامر تحكم لنظام مؤازر روبوت منجم الفحم باستخدام جهاز تحكم عصبي غامض. قام باحثو Song Xin et al [17] بتطبيق الشبكات العصبية في مجال التحكم في الروبوتات لإنجاز إجراءات مثل التحكم في اقتران الذراع الروبوتية متعدد المفاصل وتخطيط المسار النهائي والتحكم في الصمامات الهيدروليكية.  3.2 تطبيق الذكاء الاصطناعي في الإدراك الذكي والتنبؤ بالمخاطر لروبوت منجم الفحمتدرك روبوتات فحص التعدين الإدراك الشامل لمعلومات البيئة تحت الأرض من خلال حمل أجهزة استشعار مختلفة ، والمراقبة في الوقت الحقيقي لأعطال الأدوات والمعدات ، وسلامة الأفراد ومعلومات الكوارث مثل الغاز وغبار الفحم والماء والنار ، وإصدار الإنذار المبكر في الوقت المناسب إلى الحد من وقوع حوادث مناجم الفحم. بالنسبة للعديد من الصعوبات التقنية مثل التحديد غير الدقيق والمراقبة في وقت غير مناسب في البيئات المعقدة تحت الأرض ، يستخدم الباحثون التعلم العميق ، والتعرف على الأنماط ، وتقنيات النظام الخبيرة لزيادة تعزيز التعرف الدقيق للروبوت والمراقبة في الوقت الحقيقي للمخاطر الناشئة تحت الأرض. استخدم الباحثون في لو وانجي وزملاؤه [18] خوارزميات التعلم العميق القائمة على الشبكات العصبية التلافيفية لنمذجة وتدريب معدات مناجم الفحم حتى يتمكن روبوت التفتيش تحت الأرض من تحديد نوع معدات منجم الفحم بدقة ؛ اقترح باحثون في Zhang Fan وآخرون [19] طريقة لإعادة بناء صورة التعدين بناءً على الشبكات العصبية المتبقية للتأثيرات المزعجة للضوضاء تحت الأرض على بيئة التشغيل المرئية ، مما أدى إلى تحسين وضوح صور المراقبة واستخدم Nie Zhen et al [20] خوارزمية جينية تعتمد على شبكة BP العصبية لبناء نظام كشف ذكي لبيئة غاز الأنفاق والحصول على بيانات في الوقت الفعلي لتوزيع تركيز الغاز على أقسام الأنفاق المختلفة في مسار روبوتات تفتيش مناجم الفحم ؛ استخدم Pan Yue et al [21] شبكة BP العصبية لإنشاء نموذج تشخيصي لأعطال المروحة وإنشاء خريطة بين أنواع أعطال المروحة ونطاقات تردد اهتزاز المروحة الدوارة ، وبالتالي تحقيق تشخيص أعطال المروحة. العلاقة ، ومن ثم تحقيق تشخيص أعطال المروحة ؛ يان جونجي وزملاؤه [22] باحثون يعتمدون على الشبكة العصبية الاصطناعية لإنشاء نموذج تشخيصي لأعطال تروس آلات مناجم الفحم ، باستخدام إشارة الإدخال لتدريب نموذج الشبكة العصبية ، وتصنيف إشارة الخرج ، ثم تحديد خطأ الترس. 3.3 تطبيق الذكاء الاصطناعي في الملاحة وتحديد المواقع المستقلة وبناء الخرائط لروبوتات مناجم الفحميتطلب تحقيق تحديد المواقع والملاحة بشكل مستقل في بيئات مناجم الفحم المعقدة غير المهيكلة النظر في كل من عدم إمكانية تطبيق تقنية GPS مباشرة في قاع البئر والحاجة إلى التغلب على التداخل من العوامل الخارجية مثل الغبار ودرجة الحرارة والرطوبة والضوضاء وتدفق الهواء ، مما يضع أعلى تتطلب تقنية تحديد المواقع والملاحة المستقلة والدقيقة للروبوتات في البيئات المقيدة والمغلقة أسفل البئر. أصبح إنشاء الخرائط وتحديد المواقع والملاحة وتخطيط المسار وتجنب العقبات في الوقت الفعلي لروبوتات مناجم الفحم القائمة على تقنية الذكاء الاصطناعي نقاطًا ساخنة للبحث التطبيقي. اقترح باي يون [23] بنية متغيرة لشبكة عصبية غامضة وطبقها على عملية استشعار البيئة لروبوتات إنقاذ الثعابين تحت الأرض ، ودمج بيانات أجهزة الاستشعار متعددة المصادر لتحقيق التعرف على العوائق ونمذجة البيئة لروبوتات الثعابين في البيئات القاسية ؛ استخدم الباحثون فو هوا وآخرون [24] نموذج شبكة عصبية اصطناعية لنمذجة ووصف مساحة عمل نظام مراقبة منجم الفحم الذكي بشكل ديناميكي ، باستخدام نموذج الشبكة العصبية لتخطيط مسار تجنب عقبة الروبوت. استخدم الباحثون Zhang Yaofeng وزملاؤه [25] تعويضات قائمة على شبكة Elman للموجات فوق الصوتيةخطأ قياس المستشعر للروبوت تحت الأرض ، مما أدى إلى تحسن كبير في دقة النطاق بالموجات فوق الصوتية واكتشاف العوائق ؛ لخص الباحثون Zhai Guodong et al [26] تقنية الرؤية ثنائية العينين في روبوت إنقاذ منجم الفحم للحصول على معلومات عن موقع الحادث وتحقيق تجنب العوائق المستقلة وتخطيط المسار ، بما في ذلك تصنيف النمط والتعرف عليه ، والقياس البصري وإعادة البناء ثلاثي الأبعاد ، والقياس المشترك والتوطين ، والبصرية أجهزة التحكم؛ قام باحثو Ma Hongwei وآخرون [27] ببناء نظام رؤية آلي قائم على الكاميرا واقترح طريقة تنقل تعتمد على الرؤية العميقة ، حيث يتم تجهيز الروبوت بكاميرا عمق RGB-D للحصول على البيانات لتحقيق إنشاء الخرائط والتنقل المستقل . 4 البحث عن روبوتات مناجم الفحم الذكيةهناك أنواع مختلفة من تقنيات الذكاء الاصطناعي ، وتشمل محتويات البحث الرئيسية المطبقة في مجال روبوتات مناجم الفحم الإدراك الذكي متعدد الوسائط ، وتعلم المعرفة واتخاذ القرارات الذكية ، والعملية التعاونية للتحكم الذكي. من خلال الإدراك والتعلم واتخاذ القرار والتحكم التعاوني ، يتم تحقيق التطوير الذكي لروبوتات مناجم الفحم. 4.1 الإدراك الذكي متعدد الوسائطتم تجهيز روبوت منجم الفحم بمختلف المستشعرات المقاومة للانفجار وعالية الدقة والموثوقية لبناء نظام إدراك ذكي مع اندماج متعدد الوسائط للرؤية والسمع والشم واللمس وما إلى ذلك ، لاستكمال التعرف والتحليل الذكي والصوت غير الطبيعي التعرف ، ومراقبة درجة الحرارة غير الطبيعية ، وكشف الدخان ، وكشف تركيز الغازات الضارة ، وتجنب العوائق المستقلة ، والإمساك المستقل والعمليات الأخرى. (1) بحث حول التعرف على رؤية الماكينة وتقنيات الكشف البصري في سيناريوهات تطبيقات مناجم الفحم. من خلال معالجة الصور وفهمها ، يكون الروبوت قادرًا أولاً على تحديد ومراقبة العدادات الرقمية للمعدات وشاشات LCD والمؤشرات والصمامات وما إلى ذلك ؛ ثانياً ، الكشف عن تقطر سائل خط الأنابيب وتشغيل الشريط والتكسير ؛ ثالثًا ، القيام بتطفل الأفراد ، والأفراد المناوبين ، والكشف عن خلع الملابس ؛ رابعًا ، حدد وتعقب الأجسام الغريبة مثل الشوائب وقضبان التثبيت وسجلات الطرق والأنابيب الحديدية وما إلى ذلك التي تظهر على الشريط. (2) البحث عن تقنيات مثل السمع الآلي ، أي اكتشاف الصوت والتعرف عليه في سيناريوهات تطبيقات مناجم الفحم. باستخدام مستشعر التقاط الصوت عالي الحساسية ، ومعالج الإشارات الرقمية DSP عالي السرعة ، جنبًا إلى جنب مع تقنية معالجة تقليل الضوضاء الديناميكية التكيفية ، واستخراج ميزات الصوت وتقنية التعرف على خوارزمية نموذج الكشف لتحديد الصوت غير الطبيعي في المنجم. (3) البحث عن تقنية التعرف الذكي على الشم الآلي ، أي اكتشاف الغاز في سيناريوهات تطبيق مناجم الفحم. الكشف الدقيق عن الميثان وكبريتيد الهيدروجين وأول أكسيد الكربون والأكسجين والغازات الأخرى في البيئة وما إذا كان الدخان يتجاوز الحد المسموح به والكشف في الوقت المناسب عن تسرب الغاز والإنذار المبكر بالحرائق. (4) البحث عن التكنولوجيا اللمسية للروبوتات في سيناريوهات تطبيقات مناجم الفحم. جمع درجة حرارة الأشياء مثل المحركات والمضخات والمحامل والبكرات والأشرطة وما إلى ذلك من خلال الاتصال أو عدم الاتصال وتحليل البيانات ؛ من خلال معدات استشعار القوة ، والمراقبة في الوقت الحقيقي لقوة الاتصال ، وقوة الإمساك ، وقوة التشغيل ، والضغط الداخلي ، وتحقيق استشعار القوة والتحكم في السلامة. 4.2 التعلم المعرفي واتخاذ القرارات الذكيةفي ضوء المشكلات الحالية المتمثلة في بروتوكولات نظام روبوت مناجم الفحم غير المتوافقة ونقص مشاركة المعلومات والتكامل ، سنعمل على دمج روبوتات مناجم الفحم بعمق مع تكنولوجيا معلومات الجيل الجديد ، وبناء نظام معمم وموحد ومرن للتعلم المتبادل وتبادل المعرفة للفحم. روبوتات المناجم ، واختراق الاختناقات التقنية لفهم مشهد روبوت مناجم الفحم ، واكتشاف السلامة ، وتحديد المواقع بدقة ، والإدراك المستقل والملاحة الفعالة. تحقيق الخدمات عبر الإنترنت المستندة إلى السحابة للتقنيات الشائعة لروبوتات مناجم الفحم لحل قيود الروبوتات الفردية وتحسين اتخاذ القرار الذكي لروبوتات مناجم الفحم. (1) إنشاء إطار التعلم والتعميم الذي يدمج الفرد والكل. على المستوى الفردي ، يقوم الروبوت الفردي بدمج الاستشعار ، واتخاذ القرار ، والتحكم ، والتعاون ، ومعلومات التفاعل بين الإنسان والروبوت أثناء التشغيل ، وإجراء تدريب تدريجي في الوقت الفعلي عبر الإنترنت من خلال إطار تعلم الذكاء الاصطناعي الذي تمثله الشبكات العصبية بشكل ديناميكي. ضبط الحالة التشغيلية للروبوت وتحقيق التحكم المثالي واتخاذ القرار بدورة كاملة. على المستوى العام ، تقوم الروبوتات المتعددة بتحميل وتوزيع معارفها المكتسبة فيما بينها من خلال الجيل الجديد من تكنولوجيا المعلومات ، بحيث عندما يواجه الروبوت مهمة تشغيلية جديدة تمامًا ، يمكنه التعرف بسرعة على الخصائص التشغيلية مع نتائج المعرفة الروبوتات الأخرى ، وتقليل وقت إعادة التعلم ،وتعزيز مرونة مهام النظام العام وقدرته على التكيف. (2) إنشاء وضع تشغيل يتم فيه دمج جسم الإنسان الآلي والسحابة. اختراق نموذج البحث والتطوير التقليدي للروبوت والتكامل ، وتحقيق مسار جديد للبحث والتطوير للروبوت والتكامل الذي يدمج جسم الإنسان الآلي الخفيف الوزن مع قدرة معالجة البيانات عالية الأداء في السحابة بمساعدة "5G + الحوسبة السحابية". يتم نقل الخوارزميات التي تتطلب قوة حوسبة قوية ، مثل إدراك البيئة الذكية ، والتعرف على الأنماط ، وإنشاء الخرائط ، والتنقل المستقل ، إلى السحابة ، ويقوم الروبوت المحلي بتحميل بيانات أجهزة الاستشعار والمحركات الموجودة على متن الطائرة إلى السحابة في الوقت الفعلي ، ويحسن حساب الإدراك والنمذجة والتنفيذ من خلال معالجة البيانات القوية وقوة الحوسبة السحابية. يتم إرسال النتيجة إلى الروبوت المحلي في الوقت الفعلي ، مما يقلل من العبء الحسابي للروبوت المحلي ويحول المزيد من موارد الأجهزة إلى المستشعر وجانب التنفيذ لتحقيق تصميم روبوت تشغيلي خفيف الوزن ومبسط وعالي الأداء.   4.3 التحكم الذكي في العملية التعاونيةدمج التعلم العميق وتقنيات الليزر / SLAM المرئية في روبوتات مناجم الفحم ، جنبًا إلى جنب مع نظام الاستشعار الذكي للاندماج متعدد الوسائط ، يحقق وظائف الحركة المستقلة ، وتحديد المواقع بدقة ، وتعديل الموقف ، وتخطيط التشغيل الذكي ، والتشغيل المستقل ، والاستشعار الذكي للكوارث من روبوتات مناجم الفحم في بيئة منجم معقدة ، ويدرك التحكم التعاوني الذكي في عمليات الكشف والحفر ودعم العمليات. (1) دمج تكنولوجيا الشبكة العصبية في التحكم التشغيلي التعاوني والتخطيط لروبوتات متعددة لمناجم الفحم. التنظيم الذاتي والتجميع الذاتي والتنسيق الذاتي للروبوتات المتنقلة في المناجم لتحقيق تكامل المعدات غير المتجانسة. من خلال تحليل المهام الذكي ، وإسناد المهام ، وتقنيات موازنة الحمل ، يتم تشكيل سرب من الروبوتات في البيئات المعقدة في المناجم ، وتقنيات مثل التنقل المستقل في الفضاء تحت الأرض ، واستشعار الحالة متعدد المستشعرات ، وتخطيط التشغيل الذكي ، والتعاون متعدد الروبوتات يتم تطبيق التحكم لتحقيق عمليات تعاونية فعالة بين الروبوتات المتعددة في حفر سطح العمل ، والحفر ، والاستخراج ، والنقل ، والدعم. (2) توسيع نمط التفاعل البشري مع روبوت واحد للتفاعل البشري مع مجموعات روبوت متعددة ، وتحقيق تدخل وتعاون المشغلين في مجموعات الروبوت. أثناء تشغيل روبوتات مناجم الفحم ، يشكل كل روبوت غير متجانس له وظائف مختلفة سربًا تعاونيًا معقدًا متعدد الروبوتات. في الوقت نفسه ، يحتاج السرب التعاوني متعدد الروبوتات إلى أن يكون قادرًا على التعاون مع المشغل بعمق. من خلال تقنية الذكاء الاصطناعي ، يمكننا اختراق وضع "عرض تنفيذ الأوامر" البسيط لتقنية التفاعل بين الإنسان والروبوت ، ودمج التدخل البشري في دورة التحكم لتحقيق وضع جديد للتفاعل بين الإنسان والروبوت مع "الإنسان في الحلقة" "، وتحقيق" مجموعة أنظمة تحت الأرض بدون طيار + مجموعة أنظمة تحت الأرض بدون طيار + مجموعة أنظمة تحت الأرض بدون طيار ". مجموعة النظام غير المأهول تحت الأرض + وضع التشغيل للمشغل تحت الأرض ، لتحسين الكفاءة التشغيلية للنظام بشكل عام ، ومرونة المهام والمتانة. من أجل تحقيق هدف منجم الفحم الذكي ، سنجري بحثًا حول "روبوت منجم الفحم +" و "روبوت منجم الفحم + 5G" لتحقيق الاستشعار الشامل والترابط ومشاركة معلومات المجال بالكامل والتفاعل متعدد القنوات بين الإنسان والروبوت ؛ "روبوت مناجم الفحم + الحوسبة السحابية" روبوت منجم الفحم + الحوسبة السحابية "يحقق التوافق بين علم الإنسان الآلي الخفيف الوزن والمنخفض التكلفة وقدرة الحوسبة التعليمية عالية الأداء ؛" روبوت منجم الفحم + البيانات الضخمة "يحقق التنبؤ الديناميكي وتكامل المعلومات و يوفر قاعدة بيانات للتعلم التطوري للروبوت ؛ "روبوت منجم الفحم + AI" روبوت منجم + AI "يدرك الإدراك الذاتي الذكي والتحليل واتخاذ القرار الأمثل وتطور تعلم المعرفة ، وبالتالي تشكيل نظام ذكي كامل للإدراك ثلاثي الأبعاد والتعلم المستقل والسيطرة التعاونية في المنجم. 5 النظرة المستقبليةتم تطبيق الذكاء الاصطناعي على نطاق واسع في مجال روبوتات مناجم الفحم ، وتم تحقيق المزيد من نتائج البحث. ومع ذلك ، باعتباره تقنية رائدة ناشئة ، لا يزال للذكاء الاصطناعي قيود. (1) إن تكنولوجيا الذكاء الاصطناعي الحالية موجهة أساسًا إلى مهمة واحدة ، ولم يتحقق بعد إطار عام للذكاء الاصطناعي يمكنه مواجهة مهام متعددة. على سبيل المثال ، لا يمكن استخدام النماذج المدربة على التعرف على الصور لاكتشاف الصوت والتعرف عليه ؛ لا يمكن توسيع إطار عمل الخوارزمية للتعرف على كائن هدف محدد إلى التعرف على كائنات الهدف التعسفي ، وتحتاج مجموعة البيانات إلى الإنشاء وإعادة التدريب عند ظهور هدف تصنيف جديد. هذه الميزة تحد من التطبيقالذكاء الاصطناعي في سيناريوهات المهام المعقدة. (2) تحتاج خوارزميات الذكاء الاصطناعي إلى الاعتماد على كمية كبيرة من البيانات ، ويجب إجراء عمليات مثل جمع البيانات ومعالجتها ومعايرتها ومواءمتها يدويًا ، وهو أقل كفاءة. أصبحت كيفية استخدام كمية أقل من البيانات لتحقيق أداء أعلى واحدة من النقاط الساخنة البحثية الحالية لأساليب الذكاء الاصطناعي. (3) هناك أنواع عديدة من روبوتات مناجم الفحم ، ويوجد عدد كبير من أجهزة الاستشعار وأجهزة القيادة وأجهزة التشغيل. تتنوع تنسيقات البيانات لكل جهاز ، ومن الصعب تكوين واجهة بيانات موحدة ، مما يجعل البيانات بين كل نظام مستقلة عن بعضها البعض. تجعل البيانات غير المتوافقة من الصعب على نظام الذكاء الاصطناعي تنسيق الروبوتات في كل جزء من عملية إنتاج مناجم الفحم ، والحصول على بيانات كافية لتشكيل خطة موحدة مغلقة الحلقة لعملية الإنتاج بأكملها. (4) البيئة التي تعمل فيها روبوتات مناجم الفحم خطيرة للغاية ، لذا لا يمكن لأنظمة الذكاء الاصطناعي الحالية وحدها أن تضمن مستوى عالٍ من الأمان والاستقرار. تصبح كيفية دمج نظام الذكاء الاصطناعي مع التدخل اليدوي للمشغل ودمج التدخل البشري في حلقة تشغيل نظام الذكاء الاصطناعي بالكامل أحد العناصر الرئيسية التي يجب معالجتها في الخطوة التالية. في المستقبل ، ستتطور أنظمة الذكاء الاصطناعي المطبقة على روبوتات مناجم الفحم نحو التعميم ، وانخفاض النفقات العامة ، والتوحيد ، والتعاون بين الإنسان والآلة ، مع ظهور إطار عمل خوارزمية عام للذكاء الاصطناعي لمهام متعددة تتعلم وتتطور باستمرار عبر الإنترنت باستخدام كميات صغيرة من البيانات وطرق تدريب منخفضة التكلفة ، قادرة على دمج البيانات الرئيسية من جميع جوانب إنتاج مناجم الفحم للحوسبة والجدولة المتكاملة ، وقادرة على التعاون مع بعضها البعض والبشر لتحقيقها. إنتاج مناجم الفحم المستقلة. 6 الخلاصةمع تطور تكنولوجيا الذكاء الاصطناعي ، ستشهد صناعة تعدين الفحم تغييرًا كبيرًا. من خلال بناء النموذج الفعال ، والحوسبة الموازية ، وقدرات التخطيط للذكاء الاصطناعي ، ستصل ذكاء الروبوتات الآلية لمناجم الفحم إلى مستوى جديد ، مما يحقق حقًا المتطلبات غير المأهولة والآمنة لإنتاج مناجم الفحم. في الوقت نفسه ، سيمكن الذكاء الاصطناعي من تحقيق زيادة كبيرة في كفاءة إنتاج مناجم الفحم وتعزيز التنمية الآمنة والصحية والمستدامة لصناعة مناجم الفحم.