散装静止煤的移动采样系统智能化采样方案算法研究_王鹤.pdf

第 38 卷第 1 期煤质技术Vol.38No.12023 年 1 月COAL QUALITY TECHNOLOGYJan 2023移动阅读王鹤，连进京，邢勇峰，等 散装静止煤的移动采样系统智能化采样方案算法研究 J 煤质技术，2023，38(1):8592WANG He，LIAN Jinjing，XING Yongfeng，et al Algorithm research on intelligent sampling scheme of mobile sam-pling system for bulk static coal J Coal Quality Technology，2023，38(1):8592散装静止煤的移动采样系统智能化采样方案算法研究王鹤1，连进京2，3，邢勇峰1，邵徇2，3(1.国能销售集团有限公司，北京100142;2.英飞智信(北京)科技有限公司，北京100102;3.英飞智信(苏州)科技有限公司，江苏 苏州215151)摘要:在煤炭的生产、贸易过程中各环节质量管控离不开准确、快速、先进的煤炭分析技术，目前散装静止煤采样质量管控工作基本依赖人工操作进行，其受环境及人为因素影响较大，因而机械化智能化采样方式需对散装静止煤采样点算法进行研究。基于国家标准的采样逻辑分析，并结合煤堆特征识别研究、多层级随机布点算法研究、采样区间智能划分和采样点精确定位、采样方案设计软件层实现，构建 1 套基于图像识别及随机算法的采样方案，系统根据采样方案进行采样点的二次定位，保证采样点和采样方案的设计一致。基于煤场智能成像技术，系统可实现煤堆快速成像、采样随机布点、行车路线智能规划等功能，采样过程全程管控，保证系统采样过程无人为因素影响。应用结果表明，移动采样智能升级技术通过构建对象、设备、信息化管控及设备交互层架构从而实现采样过程的智能化与可溯源性，移动采样系统可依据智能算法达到预先设计目标并自行优化采样过程。关键词:散装静止煤;移动采样系统;智能化;随机算法;采样方案;可溯源性中图分类号:TQ533文献标志码:A文章编号:10077677(2023)0108507收稿日期:20220725责任编辑:何毅聪DOI:10.3969/j.issn.10077677.2023.01.012作者简介:王鹤(1985)，男，山东济宁人，工程师、博士，主要研究方向为煤质研究。Email:scorpiowang 通讯作者:邵徇(1984)，男，山东菏泽人，副研究员、硕士，主要研究方向为煤炭自动采制化技术。Email:shaoxun Algorithm research on intelligent sampling scheme of mobile sampling systemfor bulk static coalWANG He1，LIAN Jinjing2，3，XING Yongfeng1，SHAO Xun2，3(1 China Energy Trading Group Corporation Ltd，Beijing100142，China;2 Infinity Intelligence Information(Beijing)Technology Corporation Ltd，Beijing100102，China;3 Infinity Intelligence Information(Suzhou)Technology Corporation Ltd，Suzhou215151，China)Abstract:In the process of coal production and trade，the quality control of each link is inseparable from accurate，rapid and advanced coal analysis technology At present，sampling quality control of bulk stationary coal basically de-pends on manual operation，which is greatly affected by environmental and human factors Therefore，the mecha-nized intelligent sampling method needs to study the sampling point algorithm of bulk stationary coal Based on thesampling logic analysis of national standards，combined with the research of coal pile feature recognition，research ofmultilevel random distribution algorithm，intelligent division of sampling interval and accurate location of samplingpoints，sampling scheme design software layer implementation，a set of sampling scheme based on image recognitionand random algorithm was constructed The system performs secondary positioning of sampling points according to the煤质技术2023 年第 38 卷sampling scheme to ensure that the design of sampling points and sampling schemes are consistent Based on the intel-ligent imaging technology of coal yard，the system can realize the functions of rapid imaging of coal pile，samplingrandom distribution，intelligent planning of driving route，etc The entire sampling process is controlled to ensurethat the sampling process of the system is not affected by human factors The application results show that the intelli-gent upgrade technology of mobile sampling can realize the intelligentization and traceability of the sampling process byconstructing the architecture of object，equipment，information management and control and equipment interactionlayer The mobile sampling system can achieve the predesigned goal and optimize the sampling process by itself ac-cording to the intelligent algorithmKey words:bulk static coal;mobile sampling;intellectualization;stochastic algorithm;sampling scheme;tracea-bility0引言煤炭在我国能源消费总量的占比虽呈现不断下降的趋势，但仍是中国能源安全和稳定供应的压舱石1。在煤炭利用的过程中，散装煤炭是常见形态之一。其质量检测是提高煤炭质量、管控成本、降低环境污染的关键措施。当前散装煤炭一般采用人工采取，GB/T 475 商品煤样人工采取方法中对于人工采样过程有严格的规定2。受客观环境因素影响，散装煤炭的人工采样方式不推荐作为仲裁的依据。目前散装煤炭采样机械化一般有 2 种方式2:在散装煤炭装载前或装载后进行机械化采样，例如采用火车机械化采样，回避了堆垛采样的问题。采用移动式车载煤炭采样系统。车载采样系统的应用可以降低采样过程中的劳动强度，提升安全性。但在应用过程中，需要人工选择点位，难以避免人为影响因素。由于散装煤炭往往存在体积大，采集时间有限的情况，移动式车载采样方式应用于散装煤炭采样有时间条件和人工选择难以避免的问题，目前仍以火车或汽车采样为主36。移动采样智能升级的技术，可在实现自动化控制基础上，通过构建对象、设备、信息化管控及设备交互层架构，实现采样过程的智能化，符合国家标准的要求7。因此有必要对移动采样系统中的煤堆采样点自动布置，自动采样，全程可溯源的方案进行研究。笔者为实现煤堆的智能化全自动采样方案构建了移动采样系统的智能算法，并依据该算法进行了实际应用。1智能化采样方案算法研究技术路线当前，对自动化煤炭采样，火车及汽车采样的自动点位选取已经有所研究。例如激光探测快速对火车采样进行采样范围探测8，火车车厢定位配合大小车光电编码器对采样点进行定位，超声波定位辅助汽车型号输入的方式对汽车采样进行选点9。依据国家标准建立自动化采样的逻辑，对采样范围进行识别并进行处理，根据采样逻辑，进行系统采样或随机采样。因此，可将煤堆的智能化采样方案算法研发分解为 5 个主要部分:采样逻辑研究、煤堆特征智能识别研究、采样位置随机布点算法开发、采样区间智能划分和采样点精准定位研究、智能化采样软件开发。开发技术路线图如图 1 所示。图 1智能化采样方案算法研究技术路线Fig.1Technical route of intelligent sampling scheme algorithmresearch2智能化采样方案算法研究2.1采样逻辑研究GB/T 475 商品煤样人工采取方法中，对于散装煤炭采样过程给出了具体要求，其根据高度分为上、中、下 3 层采样，其中子样数、子样质量参考煤堆总重量和粒度根据标准规定采样10。采样前需对煤堆的长宽高进行测定，将工作面分为若干区，再将区分为若干面积相等的小块，随后采用系统采样法或随机采样法决定采样区和每区采样点的位置，从每 1 小块采取 1 个全深度或一定深部或顶部煤样，此外为避免煤堆粒度分级的影响，要求尽量避免采集低于 0.5 m 的点，在非新工作面情况68第 1 期王鹤等:散装静止煤的移动采样系统智能化采样方案算法研究下，采样时应先除去 0.2 m 的表面层2。基于国家标准的要求，智能采样系统应实现煤堆快速成像、采样随机布点、行车路线智能规划等功能。其主要采样逻辑路线为:智能采样系统下达采样指令;视觉成像系统扫描煤堆;采样点随机分布、煤堆形貌图片化;行车路线智能规划，标出停车点位;自动生成采样方案，并可根据采样过程中的参数变化实时调整采样方案。2.2煤堆特征识别研究图像识别技术已在煤炭行业内得到了相关应用。对 煤 堆 形 态 识 别 可 通 过 激 光 盘 煤 系 统 进行1112，可使用视觉识别监控井下煤矿带式传输机状态13，可使用视觉识别技术进行选矸等14。笔者方案中形貌识别系统由高分辨率线阵相机、编码器、多路切换器、图像采集卡、数据处理器、计算机组成。在车辆顶部安装线阵相机，沿煤堆行快速扫描和图像识别，获取煤堆图像，同时车辆配备编码器进行相机信息同步，解决车辆不匀速的问题，最终完成整个煤堆的图像数据处理。线阵相机获取被测煤堆表面的图像，经图像拼接拟合成煤堆 2D 形貌图。煤堆为不规则的堆积体，处于水平面之上，顶部和四周均由多个数量不等的二次曲面连接而成，构成物体的堆积表面。通过相机对煤堆连续摄像，使用 OpenCv 图像融合算法对相片进行 2D 图像识别，编码器进行图像矫正，最终获得煤堆形貌的整体图像。2.3多层级随机布点算法研究煤堆子样点分布的确定，需要满足布点的随机性。煤堆现场分布复杂，存在大小堆、不连续堆放、采样路径弯曲等多种情况。按照点数、距离、高度、深度四维层级分配，采样点的分配需要在每一层级都实现智能随机。为避免出现伪数值随机算法，每一层级有必要交叉使用不同的 1 种或多种随机算法15，如 Dijkstra 算法16、BellmanFord 算法17、Floyd 算法18、SPFA 算法19 等，及多层级真数值概率随机算法。将 n 段煤堆的长度 L、停车点煤堆划分采样区间数即采样网格数量 N 作为初始输入参数，随机停车点数极值 Pmin和 Pmax、1 次停车采样次数 Cmin和 Cmax作为限制条件，在各层级算法内进行处理，从而得出最终停车点数 P、采样次数 C 及采样位置Nc(高度和深度函数)，具体公式见式(1)，其中F 作为多层级随机算法，在不同层级采用了蒙特卡洛算法(Monte Carlo)、数值概率算法以加强结果的随机代表性。各层级随机算法所要完成的并非最优解，而是要实现结果的完全随机性，从而达到采样充分的代表性。P，C，Nc=F(L，N，Pmin，Pmax，Cmax，Cmin)(1)常见的随机算法均是计算机自动生成的伪随机算法，其随机出的结果均具有一定的规律性，无法满足随机采样的要求，也无法保证样品的随机性。结合实际的采样方案需求，笔者进行了特定的多层级随机采样方案算法的研究。在不同层级的随机方案中，采用不同随机算法的耦合集成，既保证了效率又保证了质量。由式(1)可见，除限制参数停车点数 P、一次停车采样次数 C 外，采样网格数量 N 是影响算法结果的 1 个重要因素，网格数量过多过少对算法的计算均会产生很大影响，因此算法中的网格数量N 不仅作为输入参数，也是 1 个自优化参数，智能化多层级随机采样算法如图 2 所示。在网格初始化输入后，通过不间断的采样方案的生成及使用，网格数量 N 也将进行自动优化，使算法达到最优，既能保证结果具有代表性，又能使方案的效率达到最优化。多层级随机优化算法的构建可保证系统在采样过程中遇到特殊点后的智能化处理。如遇到的采样点不适宜采样，则舍弃该采样点，程序依据算法所增补的采样点依然可以满足系统的随机性分布，从而满足移动智能采样系统在采样点布局中的随机性。2.4采样区间智能划分和采样点精确定位依据多层级随机布点算法进行采样点随机布局，系统依据随机布点对所有采样点分布位置进行智能规划，将全部采样点划分在 n 个采样区间内，并标出每 1 个采样区间的停车位置。依据停车位置，进行智能行车路线规划。所有采样点、采样区间和行车路线均可在上位机软件上显示，采样点分布和采样区间划分如图 3 所示。采样车上以采样器底端某固定位置作为基础点。线阵相机随采样车移动并快速找到指定停车采样点，系统引导采样车移动到指定采样停车位后，对采样车基础点和即将待采样的煤堆区间进行二次定位，对系统给出的采样点位置进行精准确认。采样车到达精准采样位置后，利用二次探测技术进行采样点精确定位。第 1 次探测先确定采样头距离煤堆表面一定范围的平均距离。之后采样头沿探测方向向煤堆表面前进。到达指定距离的位置78煤质技术2023 年第 38 卷图 2智能化多层级随机采样算法Fig.2Algorithm of intelligent multilevel random sampling图 3采样点分布和采样区间划分Fig.3Distribution of sampling points and division ofsampling interval后，对采样点的精确位置进行二次测量。根据二次探测的数值，采样头继续前进 1 段距离，到达煤堆表面。在二次探测之后，系统会根据当前采样头与采样点之间的空间坐标，进行位置校准，保证采样点与探测点位置重合。样品采样过程偶尔会出现当前采样点不满足要求的情况，例如待采样点距离过远、采样点处不具备停车条件等，此情况下需要系统算法进行增补采样点。具体步骤为:采样器会自动返回，当前点放弃;软件自动根据多层级随机补点算法在后续采样任务中增补 1 个采样点。2.5采样方案设计软件层实现智能化采样方案信息化交互设计的结果需满足 GB/T 4752 和 GB/T 19494.120 中的相关规定，同时需满足采样现场的需求。采样方案按照不同的随机算法、路径规划算法为核心，智能化采样方案自动设计软件编写完成后需要进行现场测试与优化，通过预设不同的现场采样条件，分析软件编写的采样方案是否科学合理，同时发现对软件的主要要求，并根据分析结果对软件进行修改。对软件的主要要求具体如下:(1)根据输入的现场条件、国标规定的采样要求，自动给出随机的采样位置。(2)具有对不同现场场地条件、采样条件等各种工况的适应性，针对预设的各种工况，软件测试合格。(3)根据算法结果、标准要求、采样方案和现场情况，对因煤堆长度过短、高度过低或其它情况导致采样点数量分配不够的情况，系统自动完成采样点补正和路径补正。此外，基于系统识 别 的 煤 堆 特 征 和 GB/T19494.120 规定的基本采样标准，n 块煤堆采高均依据递变层理的原理，限制在距离地面 0.52.8 m的高度范围内。对多层级随机布点算法的输入、输出参数优化的要求如下:(1)优选出关键参数和一般参数，在选择随机计算模型过程中，对此部分参数进行优化。(2)研究输入参数的简化条件，同时保证计算结果满足使用需求。(3)研究比选输出参数设定的科学性和实用性。满足制定采样方案的数据需求，减少冗余数据、非随机数据的产生。88第 1 期王鹤等:散装静止煤的移动采样系统智能化采样方案算法研究智能化采样方案需根据不同的煤堆形态预先建立不同的处理模型，并进行不同算法的智能优选。智能化采样方案自动设计软件设计技术路线如图 4所示，在软件开发过程中遵循了图 4 所示的具体技术路线。图 4智能化采样方案自动设计软件设计技术路线Fig.4Technical route of software design for automatic designof intelligent sampling scheme智能化采样方案软件的其它功能主要包括记录、传输、发出警报及自动归类记录等，详述如下:(1)记录每个采样点采样时的图片，便于追溯;(2)视频记录采样全过程;(3)采样过程可远程传输路线至监控室;(4)停车采样位置与规划位置不一致时，发出警报;(5)采样数据可自动归类记录，便于查询。智能化采样软件采用人工智能的问题求解模式以有效获得结果，其问题求解在很大程度上依赖于对采样标准的深度理解以及现场条件的适宜性分析，因而软件需要具备表示、获取、存取和处理数据等方面的能力，其问题求解算法是非确定型的或称启发式的方法。智能化采样软件应具有现场感应能力即快速适应环境的能力，其能与所处的现实世界进行交往，并适应此种现场，与现实世界的交往主要包括感知、学习、推理、判断并做出相应的动作。3移动智能采样系统智能算法应用结果智能采样系统的智能算法设计已应用于神华山西煤炭采购中心王家寨站台及东恒站台。现场通过自动采样进行了测试，动采样系统采样量试验结果见表 1。表 1移动采样系统采样量试验结果Table 1Sampling quality test results of mobilesampling system序号采样个数采样总质量/kg平均采样量/kg1944725.022934054.353613505.744803784.735805066.336804465.587774325.618763594.729734836.6210713905.4911753634.8412684957.2813704856.9314764906.4515944975.2916914985.4717815917.3018795757.28试验结果表明，随系统运行算法不断优化后，采集子样量满足需求，设计点位及采样量达到预先设计目标。4结论基于国家标准的采样逻辑分析，结合煤堆特征识别研究、多层级随机布点算法研究、采样区间智能划分和采样点精确定位、采样方案设计软件层实现等多方面技术支撑，构建基于图像识别及随机算法的采样方案，系统可根据采样方案进行采样点的98煤质技术2023 年第 38 卷二次定位并保证采样点和采样方案的设计一致，结论如下:(1)建立了 1 种移动采样系统的智能算法，并在散装煤堆采样环节进行了应用，采样结果表明，随系统运行，智能算法可达到预先设计目标，设定采样过程可进行自行优化。(2)基于系统视觉识别及多重随机算法，可保证采样点在多个维度上随机布点，当系统采样点由于采样条件不满足时，即取消当前采样过程，进行点位增补，增补后点位满足随机分布。(3)到达采样点后，构建了采样点位精度定位的二次探测形式，通过二次探测和采样位置的及时修正，从而确保采样位置精准落在探测位置上。(4)构建了 1 套基于智能算法的上位机软件，软件记录采样全过程，有效保证系统采样过程的可溯源性，从而避免采样过程受到人为因素的负面影响。参考文献(eferences):1匡立春，邹才能，黄维和，等 碳达峰碳中和愿景下中国能源需求预测与转型发展趋势 J 石油科技论坛，2022，41(1):917KUANG Lichun，ZOU Caineng，HUANG Weihe，etal Chinas energy demand projection and energy tran-sition trends under carbon peak and carbon neutralitysituation J Petroleum Science and Technology Fo-rum，2022，41(1):917 2全国煤炭标准化技术委员会 商品煤样人工采取方法:GB/T 4752008 S 北京:中国标准出版社，2009:05 3同志学，史丽晨，张立岗 火车煤采样机多自由度机械臂运动轨迹控制研究 J 机械设计，2012，29(9):8184TONG Zhixue，SHI Lichen，ZHANG Ligang Studyon track control to multiple degrees of freedom mechani-cal arm of the sampling machine for coal at railway carri-age J Journal of Machine Design，2012，29(9):8184 4同志学，张宾，张楠 煤炭采样车工作装置整体集成有限元分析 J 机械设计与制造，2018(12):6164TONG Zhixue，ZHANG Bin ZHANG Nan Integra-tion coupling of finite element analysis on the sample carworking device J Machinery Design Manufacture，2018(12):6164 5白志东，徐海波，王军，等 移动式煤炭采样机采样 装 置 运 动 特 性 分 析 J 煤 炭 技 术，2017，36(10):242244BAI Zhidong，XU Haibo，WANG Jun，et al Analysisof motion characteristics of sampling device for coal sam-pler J Coal Technology，2017，36(10):242 244 6付兴，徐海波，王军，等 移动式煤炭采样机采样臂智能避障路径规划方法研究 J 现代制造工程，2018(9):7075FU Xing，XU Haibo，WANG Jun，et ale-search on intelligent obstacle avoidance path plan-ning method for sampling arm of mobile coal sampler J ModernManufacturingEngineering，2018(9):7075 7郇璇，罗陨飞，姜英 煤炭质量数字化检验中心建设及关键技术装备研究 J 洁净煤技术，2021，27(S2):6167HUAN Xuan，LUO Yunfei，JIANG Ying Constructionof digital center for coal quality inspection and researchon key technology and equipment J Clean CoalTechnology，2021，27(S2):6167 8周玉辉，闫玉乐，王保华，等 火车煤炭采样点快速选取系统设计与应用 J 煤矿机械，2017，38(1):107108ZHOU Yuhui，YAN Yule，WANG Baohua，et al De-sign and application of quick selection system of coalsampling point of train J Coal Mine Machinery，2017，38(1):107108 9祝培，彭超 全自动汽车煤炭采制样机的研究 J 煤炭加工与综合利用，2011(3):2125ZHU Pei，PENG Chao Study on the fully automaticsampler for coal trucks J Coal Processing and Com-prehensive Utilization，2011(3):2125 10李翔 提高煤炭堆垛采样准确性的研究 J 质量与认证，2022(5):8081 11张文军，舒新前，姜洪才，等 基于激光三维扫描的不规则煤场测量系统设计 J 煤炭科学技术，2009，37(5):111114ZHANG Wenjun，SHU Xinqian，JIANG Hongcai，etal Design on survey system of irregular coal storageyard based on laser 3D scanning J Coal Scienceand Technology，2009，37(5):111114 12张波，刘春雷，刘琴，等 激光盘煤技术在火电厂储煤 场 管 理 中 的 应 用 J 激 光 杂 志，2014，35(5):5355ZHANG Bo，LIU Chunlei，LIU Qin，et al Applica-tion of laser disc technology of coal in power plant coalstorage yard management J Laser Journal，2014，35(5):535509第 1 期王鹤等:散装静止煤的移动采样系统智能化采样方案算法研究 13郝志伟 基于机器视觉识别技术的煤矿带式输送自适应 控 制 系 统 设 计 J 煤 炭 工 程，2019，51(9):3741HAOZhiweiCoalminebeltconveyoradap-tive control system based on machine vision recog-nition technology J Coal Engineering，2019，51(9):3741 14曹现刚，刘思颖，王鹏，等 面向煤矸分拣机器人的煤矸识别定位系统研究 J 煤炭科学技术，2022，50(1):237246CAO Xiangang，LIU Siying，WANG Peng，et alesearch on coal gangue identification and positioningsystem based on coal gangue sorting robot J Coal Science and Technology，2022，50(1):237246 15赵卫绩，巩占宇，王雯，等 几种经典的最短路径算法比较分析 J 赤峰学院学报(自然科学版)，2018，34(12):4749 16王树西，吴政学 改进的 Dijkstra 最短路径算法及其应用研究 J 计算机科学，2012，39(5):223228WANG Shuxi，WU Zhengxue Improved Dijkstra shor-test path algorithm and its application J Comput-er Science，2012，39(5):223228 17韩伟一 经典 BellmanFord 算法的改进及其实验评估 J 哈尔滨工业大学学报，2012，44(7):7477HAN Weiyi Improvement and experimental evaluationon classical BellmanFord algorithm J Journal ofHarbin Institute of Technology，2012，44(7):7477 18石为人，王楷 基于 Floyd 算法的移动机器人最短路径 规 划 研 究 J 仪 器 仪 表 学 报，2009，30(10):20882092SHI Weiren，WANG Kai Floyd algorithm for theshortest path planning of mobile robot J ChineseJournal of Scientific Instrument，2009，30(10):20882092 19夏正冬，卜天明，张居阳 SPFA 算法的分析及改进 J 计算机科学，2014，41(6):180184XIA Zhengdong，BU Tianming，ZHANG Juy-ang Analysis and improvement of SPFA algo-rithm J ComputerScience，2014，41(6):180184 20全国煤炭标准化技术委员会 煤炭机械化采样第 1部分:采样方法:GB/T 19494 12004 S 北京:中国标准出版社，2004:10(上接第 78 页)CUI Xiuqiang，MENG Fanke esearch and applica-tion of intelligent robot sample preparation system forfuel coal J Coal processing comprehensive utili-zation，2018(9):5660 13杨勇，任率 机器人制样系统关键技术研究及性能试验 J 煤质技术，2022，37(3):6471YANGYong，EN Shuai Key technology research andperformance test of robotic sample preparation system J Coal Quality Technology，2022，37(3):6471 14张蕊红，王健 煤炭质量检测分析技术的发展及趋势 J 煤炭加工与综合利用，2021(3):8183ZHANG uihong，WANG Jian The development andtrend of analysis of coal quality testing technology J Coal Processing Comprehensive Utilization，2021(3):8183 15杨勇，任率 煤质无人化验系统的关键技术及性能试验 J 煤质技术，2022，37(2):5460YANG Yong，EN Shuai Technology research andperformance test of coal intelligent analysis system J Coal Quality Technology，2022，37(2):5460 16陈国强，殷音 碳排放数据造假，各方主体都承担什么法律责任?J 环境经济，2022(5):5863CHEN Guoqiang，YIN Yi What legal liability does allparties bear for carbon emission data fraud J Envi-ronmental Economics，2022(5):586319