煤矿机器人群调度指挥平台首页
机器人集群仿真
单体仿真
为推动工业机器人、智能装备在危险工序和环节替代人工，原国家煤矿安全监察局在2019年1月发布了《煤矿机器人重点研发目录》，聚焦关键岗位、危险岗位。据不完全统计，未来应用到煤矿的机器人种类不少于70种，大致分为安控类、掘进类、救援类、运输类以及采煤类，煤矿多场景机器人化已经成为煤矿智能化发展的必然趋势。因此，如何对多种机器人进行必要的指挥调度，使其能够协同作业、协同感知、协同决策是未来亟待解决的问题。
笔者研究了煤矿机器人群调度指挥系统技术体系，构建了系统整体架构，分析了当前现有机器人在煤矿场景下应用的问题难点，并重点阐述了关键技术和发展思路；提出了煤矿机器人群调度指挥系统应具备的功能，以达到科学分管、精准调度的集群管理目标，提升煤矿机器人群的管理水平和工作效率。
机器人群协同指挥研究现状
机器人指挥控制概念起源于军事领域，概念模型有认知过程模型、能力层级模型、OODA模型、HEAT模型、ALBERT模型等[1]。随着指挥控制系统的发展，其应用已深入多种专业领域。
近年来，以美国、德国、法国等为代表的发达国家大力加强跨领域、跨部门、跨平台的机器人指挥控制系统架构研究。欧盟建成的e-Risk系统，是基于卫星通信，集成有线语音系统、无线语音系统、宽带卫星系统、数据网络系统、视频系统等多个系统，配合应急管理平台，保证指挥中心、联动单位、专家小组和现场作业人员的高效通信[2]。日本机器人调度系统，能够在保障通信的同时收集各种灾害情报，并传达行动指令，保证机器人所在场所长时间无人值守。
目前在煤矿应用领域，实现机器人群协同指挥功能还面临诸多挑战，具体包括以下3个方面：
（1）缺少完整的基础理论研究。机器人群与协同指挥控制系统结合的新机制、新理论研究还较为薄弱，缺少将煤矿机器人群与煤矿现场指挥调度系统有机结合的理论指导，对如何提升机器人群在任务执行过程中的监测监控和自我分析决策能力研究较少。
（2）未充分形成信息集成优势。机器人在执行任务的过程中，场景分散且独立，每台机器人所获信息共享率低，容易造成机器人任务规划模糊、突发煤矿事件应对迟缓等局面。
（3）机器人群多场景多任务的协同规划研究仍处于探索阶段。当前研究主要面向的是同一种类机器人的路径规划和任务分配，针对异构机器人及其群体的总体规划、相互协作及控制指令下达少有研究。
因此，将较为成熟的机器人指挥系统与煤矿机器人特征有效结合，打造针对煤矿多场景下的机器人群协同调度指挥与管理平台十分必要。笔者主要对其中的关键问题进行研究，重点攻克机器人群的体系化建设和整合、协同监控与预警、基础数据汇集与分类管理、辅助决策、仿真模拟、智能决策调度，同时将多个机器人获取的数据信息进行整合，完成了数据挖掘、分类及一体化决策，完成了煤矿机器人系统的运维管理，实现了机器人群数据通信的标准化，提高了机器人群平台的交互性，以及机器人群的作业效率，并借助数字孪生系统，实现管理人员信息获取的立体化。
煤矿机器人群调度指挥系统架构及关键技术
总体架构
图1机器人群调度指挥系统总体架构
图2煤矿机器人群调度指挥系统显示效果
机器人群调度指挥系统总体架构如图1所示。系统主要分为以下3个部分：①机器人实体群，由安控类、掘进类、救援类、运输类、采煤类5大类机器人组成，分布于煤矿各个场景，系统支持单一场景中同时布置多个机器人，这些机器人可通过调度指挥系统协作完成指定工作；②数据传输层，负责对机器人本体数据和工作环境参数进行采集，并实现调度和决策信息的下发；③数据处理和展示层，负责存储图像、声音、各种数字量、模拟量等所有数据信息，并进行综合分析处理，通过数据挖掘，最终实现生成决策意见、规划机器人行走路径、生成多种数据报表、机器人状态评估等功能。煤矿机器人群调度指挥系统支持安卓移动端实时操作，手机端可支持鸿蒙系统，PC端可支持鲲鹏系统；此外，还支持煤矿多场景模拟仿真，系统显示效果如图2所示。
关键技术及发展思路
机器人群调度指挥系统关键技术包括高保真数据采集与稳定传输技术，机器人状态、环境感知等关键元素的在线监测和远程诊断技术，以及基于矿区环网的煤矿机器人群云端运维管理技术、煤矿机器人及其场景的3D仿真建模技术等。由于部分巡检类和少量作业类煤矿机器人现已开始在煤矿场景内实际应用，但缺少能够将这些机器人全部接入其中并能够进行调度指挥的系统，因此上述的前3项技术是目前亟需发展突破的关键技术。
图3高保真数据采集与稳定传输技术流程
（1）高保真数据采集与稳定传输技术
由于煤矿井下粉尘、淋水、潮湿等环境因素的复杂性，以及大型设备产生的强磁场环境导致数据采集和传输过程中容易发生数据缺失、数据异常、数据精度不可靠的问题。因此，机器人群的数据管理平台需要高保真的数据采集与稳定传输技术作为支撑。高保真数据采集与稳定传输技术流程如图3所示。
在数据实际使用过程中，采集到的数据经常存在异常、缺失、突变、干扰等数据粗糙情况，从数据库中采集到目标数据后，必须对数据进行清洗和处理，不但增加了传输负担，也使后期数据处理的工作量大幅增加。主要解决方法为：对于出现归零或极大值的异常数据进行多一步的替换或清除处理；对缺失的数据进行补齐处理等，尽量降低对结果的干扰，保证预测结果的稳定性和准确性。煤矿机器人分布于多场景应用现场，因此提出煤矿机器人群高保真数据采集技术，将煤矿机器人得到的包括生产设备、传感器等多源时序异构数据、文本数据、监控视频数据等非结构化数据，构建一种协议解析引擎与网络通信相分离机制，实现了实时数据交换接口与信息采集。
考虑到机器人群个体中采集的数据存在非线性/非稳态、样本庞大、数据海量、传输实时性差等特点，构建了机器人运行环境和状态的复合触发机制，提出了机器人运行状态数据采集与无损压缩传输方法，实现了单体状态信号、环境感知信息以及全体交互信息的快速精准采集。基于AI视频采集分析装置、温度红外监测系统、PLC系统和现场总线双向通信接口等模块组件，构建温度、湿度、风速、巷道断面等多元多维度数据智能分析决策系统。针对ZigBee/Wi-Fi等多节点组网、光纤集成、网络等传输媒介，提出抗干扰编码技术与多参量冗余信号全域网络融合的传输方法，实现了广域分布式海量运行数据的无损传输。
（2）机器人状态、环境感知等关键元素在线监测和远程诊断技术
结合设备诊断实时性的要求，以及人机交互友好的原则，对机器人群监测和管理平台及移动APP等远程设备访问接口进行研究，形成了机器人状态、环境感知等关键元素的在线监测和远程诊断技术。基于对状态监测的评估与诊断结果，构建了机器人智能决策模型，结合提出的远程控制策略，实现了危险因素预警、远程启停机操作。基于数据采集模块、在线分析模块和状态预测模块，搭建了数据库与多个采集前端一对多的通信模型，提出了独立于硬件采集前端的统一的测试数据标准，实现了对各类采集前端数据统一平台管理。针对机器人故障类型、故障程度、故障位置、故障部件等，建立多维度故障标签模型，针对不同环境参数需求建立多种类信息监测模型，计算出不同故障形式及环境信息对应的统计特征大小量级，形成知识并存储。
针对机器人的实际监控情况，从系统数据库中提取目标数据，通过对目标数据进行数据清理、数据转换等一系列操作后，根据工作区域划分不同的安全等级，对影响数据变化的因素进行分类，基于目标数据利用分析算法对各指标进行关联分析，挖掘期望的目标结果，得到指标之间的强关联关系，实现监测目标的远程诊断。机器人关键元素在线监测和远程诊断技术流程及机器人作业监测界面如图4、图5所示。
图4机器人关键元素在线监测和远程诊断技术流程
图5机器人作业监测界面
图6通过云端的运维模式
（3）基于矿区环网的煤矿机器人群云端运维管理技术
煤矿机器人运行环境极为复杂，机器人本身结构也超出常见的工业机器人，维护成本高，要求作业人员具备较强的操作能力。为解决这一问题，煤矿机器人集群调度指挥系统提出了4G/5G边缘计算智能网关，建立井下煤矿机器人智能远程运维管理系统。整个系统部署在云端，可实现设备的远程状态监控、实时报警通知和故障诊断分析、远程故障定位和程序升级、设备资产管理、设备预防性维护以及大数据挖掘等功能，云端运维模式如图6所示。结合煤矿环网的网络特征，提出了具有误差控制能力的最短路径求解优化算法，对煤矿机器人进行资源快速搜索和路径规划；提出了应用非线性插值法计算误差控制参数的方法；提出了应用逆算法对最近的煤矿机器人资源进行搜索[3]。运维平台技术路线如图7所示。
图7运维平台技术路线
机器人群通过矿区环网将各自的传感器数据、位置信息、任务信息等大量、多频次的状态数据实时传送云平台，可实现故障实时报警、在线远程监测、数据分析对比及分析挖掘，并可实现机器人群运维系统的在线远程诊断。单体机器人调度监控信息及机器人本体信息如图8、图9所示。
图8单体机器人调度监控信息
图9机器人本体信息
煤矿机器人群调度指挥系统主要功能
煤矿机器人群是基础，数据信息是支撑，集群运维管理是目标。为实现真正面向煤矿场景的煤矿机器人群指挥协同，机器人群调度指挥系统功能应至少包括机器人群指挥调度引擎（图10）、煤矿多场景模拟仿真、机器人状态诊断评估、集群统一运维、基础数据管理、任务使命下达、机器人定位融合等。其中，机器人指挥调度功能、煤矿多场景模拟仿真功能和机器人状态诊断评估功能是本系统紧密结合煤矿特殊场景及煤矿机器人特种装备，创新提出贴合现状并能真正解决用户痛点的创造性功能。
图10机器人群指挥调度引擎
图11机器人手动控制界面
机器人指挥调度功能
通过智能化信息数字系统替代传统模拟系统，实现机器人群指挥系统的数字化、网络化及智能化。利用计算机智能硬件和网络成熟技术以及必要的音频、视频和信息技术，将其相互融合，构建出具备有效调度、快速响应、智能分析决策、智能任务规划以及任务执行效率评估等功能的智能调度指挥系统，可提高人员决策的效率、缩短决策时间，使复杂任务的指挥更为智能。
（1）单体机器人自主调度
单体机器人的主要任务是在煤矿固定场景下进行巡检或作业，其操作方式包括自动和手动模式（图11），以保障所在区域内安全稳定。在中小型煤矿中，机器人工作区域范围和功能需求数量有限，因此对单体煤矿机器人调度的硬性需求不明显。然而在大型煤矿中，煤矿固定场所中拥有数量庞大且种类繁多的待检设备和目标以及多样的作业需求，复杂的局部和整体路况状态，导致单纯的自主运行不能完全适应环境的发展和变化。因此，提出单体机器人自主调度功能，从而解决初始设置不全面导致的功能固化问题。机器人单体调度平台效果如图12所示。
图12机器人单体调度平台界面
图13同类机器人覆盖作业调度流程
（2）同类机器人覆盖作业调度
同类机器人覆盖作业调度主要是为了解决区域范围内的突发问题，同时也能完成区域内正常的巡检作业任务。该功能依托于系统的数据层，采用网格化管理，将同类机器人应用场景划分为若干区域，按区域分配机器人来保障每一场景下的正常巡检。网格化管理应以调度时间为准，调度时间是衡量机器人响应快慢的主要指标，在有限的机器人资源配置下，进行合理部署才能保障区域内机器人响应时间最短。在日常调度指挥中，单体机器人自主调度和同类机器人覆盖作业调度虽然是2种不同类型的资源部署方法，但两者在实际应用中往往相互结合使用。首先对关键紧急场景进行任务下达，在此基础上再进行区域移动巡检作业的部署。同类机器人覆盖作业调度流程如图13所示。
（3）异构机器人协同作业
调度在煤矿日常生产中，较易发生突发性事故，单体调度和同类机器人调度不能完全满足多场景下的事故处理需要，因此需要实现异构机器人系统作业调度功能。通过掌握不同类型机器人的资源状况，提高机器人执行效率，实现异构机器人任务使命下达是更为合理高效的机器人调派模式。比如，根据煤矿机器人所在位置情况，结合实际环境路况信息，搜索事故地点距离最近的有效机器人资源，规划最快的救援路径。
煤矿机器人在未来煤矿生产中的发展趋势是协同作业，单体机器人通常只具备一种功能，多种类型的煤矿机器人协同作业，拓展了机器人集群的适用范围，使得执行任务具有多样化，且很大程度上提高了任务的可靠性。异构机器人覆盖作业调度效果如图14所示。
图14异构机器人覆盖作业调度
图15机器人健康评估
煤矿多场景模拟仿真功能
通过研发机器人3D集成开发环境，使其包含单体计算模块（逆运动学、物理/动力学、碰撞检测、最小距离计算、路径规划等）以及分布式控制架构（无限数量的控制脚本，线程或非线程）[3]，同时具备若干扩展机制（插件和客户端应用程序等）。为了保证多种不同类别机器人能够在同一场景下协同工作，研发了面向于机器人群复合作业的交互仿真平台。煤矿多场景模拟仿真功能可实时调用每个机器人的运动信息、结构参数信息以及规划轨迹信息，并对整个作业流程进行合理规划，实现机器人群的整体仿真。煤矿机器人相关理论算法、结构参数以及运动性能均可在仿真平台验证与优化，为机器人群在煤矿场景下的实际应用提供了重要的技术支撑。
机器人状态诊断评估功能
综合多个评估体系，煤矿机器人群调度指挥系统将导航能力评估、运行性能评估、续航能力评估、集群作业能力评估作为机器人群的评估标准。导航能力评估涵盖磁导航、视觉导航、激光导航等多种导航方式，可视指标包括定位精确、规划路径灵活度、覆盖范围大小等参数；运行性能评估包括接地比压、驱动能力、地面阻力、转向能力、越障能力、平顺性、稳定性等，可涵盖轮式、履带式、轮-腿-履带复合式、四周履带式、连续履带式等不同驱动方式的机器人；续航能力评估包括对放电电压、电流、SOC等数据的实时监测，以及对定时系统电量信息进行分析；集群作业能力评估包括机器人集群任务条件概率计算、任务可靠性预测等。机器人健康评估效果如图15所示。
结语
论述了机器人群调度指挥系统的研究现状，指出了在煤矿领域内机器人群协同指挥应用存在的问题；构建的基于煤矿机器人集群，可实现数据信息采集-挖掘-分析-决策一体化、统一协同指挥调度智能化、机器人及场景融合仿真平台化的集群调度指挥系统架构；提出了推进煤矿机器人群调度指挥系统建设的覆盖化、网络化、智能化等关键技术及其发展思路；指出了煤矿机器人群调度指挥系统应具备的功能。
研究成果充实了我国煤矿机器人领域的集群调度指挥相关理论基础和技术方法，煤矿机器人群调度指挥系统可为煤矿机器人群资源合理部署和应急机器人动态调度提供技术手段，为煤矿信息化系统建设奠定技术基础，对建立科学高效的机器人运维管理机制具有重要的理论价值和现实意义。
