煤矿井下气体环境机器人检测评估及自主避险

煤矿井下气体环境机器人检测评估及自主避险煤矿机器人已成为煤矿安全基础设施的一部分。然而 , 煤矿井下气体环境中的有毒有害气体的状况是未知的 , 所采集的井下气体环境参数之间的关联程度和影响关系都没有表现出来 , 难以判断煤矿井下气体环境的安全状况。为满足煤矿机器人的动力需求 , 绝大多数煤矿机器人采用隔爆驱动 , 为了防止煤矿机器人出现故障或翻滚碰撞的情况下引起瓦斯煤尘爆炸 , 煤矿机器人不能进入高浓度瓦斯区域 ( 称为危险气体区域 ), 尤其是在 0 区环境 ( 即连续出现或长期出现爆炸性气体混合物的环境 ) 。因此 , 研究煤矿井下气体环境检测、 安全评估和自主避险是煤矿机器人顺利进入矿井执行探测和救援任务的前提 , 具有重要的理论意义和实践意义。本文针对井下气体环境检测、安全评估和机器人自主避险进行展开研究 , 主要内容如下 :(1) 对煤矿井下气体环境进行了分析。研究井下气体特性 , 尤其是瓦斯状态 , 瓦斯来源 , 及运动形式。以实际煤矿为依据建立了直巷道、 弯曲巷道、交叉巷道、倾斜巷道等多种巷道几何模型 , 用数值分析的方法模拟瓦斯和 CO等多组分气体在不同涌出情况、不同巷道类型、不同风速等条件下的分布规律 , 并通过实测煤矿巷道中各个位置的瓦斯数据和模拟的情况对比 , 验证了井下气体环境数值模拟的可靠性。为下气体环境的检测系统的设计 , 布置在煤矿机器人上的瓦斯气体传感器位置及数量 , 煤矿机器人的巡检路径和运动决策等提供了依据和指导方向。(2) 研究了井下气体环境的检测和数据处理。从硬件和软件两个方面设计了井下气体环境的检测系统 , 并对主要功能进行了效果测试。为提高传感器原始数据的准确性 , 用时间序列融合算法降低单个传感器的噪声干扰和测量误差造成的检测数据的不准确性 ; 用模糊推理数据融合算法对多个瓦斯传感器进行数据融合获得机器人当前位置精确的瓦斯信息。仿真和试验结果均表明, 多瓦斯传感器的模糊推理数据融合方法能对机器人当前位置的瓦斯状态做出相应的判断 , 这为煤矿机器人的自主避险提供了依据。(3) 提出了基于 FCE-ANP的煤矿井下气体环境的安全评估方法。结合三角模糊数 , 将 ANP融入到 FCE用于煤矿井下气体环境的安全评估。建立了煤矿气体环境安全评估指标体系 , 对安全评估的指标进行合理的量化, 并给出指标因素之间的关联性。构建煤矿井下气体环境的安全评估模型 , 确定因素集、评语集 , 计算评估指标的隶属度、 FCE-ANP的权重等。用从实际煤矿所测得的数据进行井下气体环境的安全评估实例验证 , 结果表明所提出的煤矿井下气体环境的安全评估方法和构建的安全评估模型是合理有效的 , 这对煤矿机器人的行进方向和路径规划具有重要的指导意义。 (4) 提出了基于速度分解法的机器人主动避险算法。 为使得机器人自主避险时具有良好的运动响应 , 设计了机器人的 SOA-PID速度控制器。将自主避险算法融入路径规划算法 , 调整机器人的局部路径。仿真实验结果表明 , 采用避险算法结合 Dijkstra 算法得到的机器人路径不仅能自主避险 , 还比用 Dijkstra 算法得到路径的总长要短 11.66m, 节约大量煤矿机器人的时间 ; 当路径中出现环境信息突变时 , 通过调整机器人的局部路径 , 使得机器人能够可以快速完成当前路径的调整。 (5) 实验和应用。分别在实验室气体环境和相对封闭的模拟巷道气体环境进行机器人自主避险试验。 通过机器人两侧气体传感器的输出电压随时间变化的曲线 , 了解和分析自主避险过程中危险气体的分布及浓度变化 , 气体传感器连续两次输出的信号变化范围很小 , 证实了SOA-PID速度控制方法的有效性。然后将气体环境检测、安全评估及自主避险应用到煤矿机器人上, 在瓦斯煤尘爆炸试验场地进行煤矿探测机器人自主避险试验。结果表明, 煤矿机器人能够实时检测当前位置的气体环境并给出数据融合结果和安全评估结果 ; 煤矿探测机器人能够躲避障碍和危险气体区域 , 且当危险气体区域的变化时 , 所提出的自主避险算法能够实现局部路径调整并自主避险。本文的研究成果 , 将提高煤矿机器人的智能化 , 提高机器人的工作效率和安全性 , 可有效避免灾害事故的发生。