本發(fā)明涉及煤礦安全與智能巡檢，具體為一種煤礦井下機器人巡檢系統(tǒng)及其管控方法。

背景技術：

1、煤礦生產環(huán)境復雜且風險極高，巡檢工作作為煤礦安全生產的重要環(huán)節(jié)，長期以來多依賴人工完成。這種傳統(tǒng)方式存在效率低、安全隱患大、數據采集精度有限等問題。為提高煤礦生產安全性和巡檢任務的效率，機器人技術逐漸應用于煤礦井下環(huán)境中，成為解決這一問題的重要手段。機器人通過自動化巡檢減少了人員下井作業(yè)的需求，并通過實時感知與數據處理，為煤礦管理提供了科學依據。

2、現有技術中，煤礦井下機器人巡檢系統(tǒng)已取得一定成果。部分技術方案通過激光雷達或攝像頭實現障礙物檢測和環(huán)境建模，能夠滿足簡單巷道中的路徑規(guī)劃需求。一些方案采用固定規(guī)則的避障方法，提高了機器人在靜態(tài)環(huán)境中的任務完成率。同時，一些技術方案能夠通過能量監(jiān)控模塊在電量耗盡前發(fā)出警告，并結合預設路徑完成巡檢返航。這些技術的應用降低了人工巡檢的安全風險，提高了部分煤礦場景下的作業(yè)效率。

3、然而，現有技術仍存在一些不足，；其一，環(huán)境感知能力有限，單一傳感器方案無法全面獲取動態(tài)障礙、巷道細節(jié)和氣體濃度等復雜信息，導致路徑規(guī)劃基礎數據不足；其二，路徑規(guī)劃多基于固定規(guī)則或靜態(tài)環(huán)境假設，無法動態(tài)調整，機器人在復雜巷道中運行容易出現震動或路徑失效的問題；其三，動態(tài)決策能力較弱，現有系統(tǒng)對障礙物密集區(qū)域或突發(fā)變化場景的響應滯后，影響巡檢效率和安全性；其四，能耗管理缺乏智能化，動力輸出與導航方向未結合任務需求優(yōu)化分配，續(xù)航能力難以保障；其五，執(zhí)行模塊功能單一，對動態(tài)環(huán)境的避障支持較差，任務數據反饋不足。

技術實現思路

1、針對現有技術的不足，本發(fā)明提供了一種煤礦井下機器人巡檢系統(tǒng)及其管控方法，解決了現有技術中環(huán)境感知不足、路徑規(guī)劃不靈活、動態(tài)決策能力弱及能耗管理與任務執(zhí)行不完善的問題。

2、為實現以上目的，本發(fā)明通過以下技術方案予以實現：一種煤礦井下機器人巡檢系統(tǒng)，包括：

3、環(huán)境感知模塊，用于采集煤礦巷道的三維環(huán)境數據，包括障礙物位置、巷道形態(tài)和動態(tài)變化信息；

4、路徑優(yōu)化模塊，用于基于三維環(huán)境數據對巡檢路徑進行優(yōu)化，生成路徑長度和曲率優(yōu)化的最優(yōu)路徑；

5、強化學習決策模塊，用于根據實時感知的動態(tài)環(huán)境信息調整路徑規(guī)劃和動力輸出；

6、能耗管理模塊，用于監(jiān)控機器人電量狀態(tài)并動態(tài)分配動力輸出與導航方向；

7、執(zhí)行模塊，用于接收路徑優(yōu)化模塊與強化學習決策模塊的控制指令，驅動機器人完成巡檢任務。

8、優(yōu)選的，所述環(huán)境感知模塊包括：

9、激光雷達，用于采集煤礦巷道的障礙物位置和形態(tài)信息；

10、紅外攝像頭，用于感知巷道中的動態(tài)變化；

11、氣體檢測儀，用于監(jiān)測巷道內有害氣體濃度及環(huán)境狀態(tài)。

12、優(yōu)選的，所述路徑優(yōu)化模塊包括：

13、基于finsler幾何的路徑建模單元，用于計算巡檢路徑的環(huán)境代價和曲率代價，并生成路徑優(yōu)化目標；

14、曲率優(yōu)化單元，用于對路徑的曲率進行平滑處理，確保路徑連續(xù)性和運動平穩(wěn)性；

15、全局路徑生成單元，用于生成路徑長度與曲率綜合優(yōu)化的最優(yōu)路徑。

16、優(yōu)選的，所述強化學習決策模塊包括：

17、狀態(tài)空間構建單元，用于構建包括機器人位置、速度、加速度、電量狀態(tài)和障礙物距離的動態(tài)狀態(tài)空間；

18、動作控制單元，用于控制動力輸出與導航方向調整；

19、獎勵計算單元，用于根據路徑長度、曲率代價、能耗代價和避障要求計算獎勵值；

20、策略更新單元，用于基于proximalpolicyoptimization算法更新決策策略。

21、優(yōu)選的，所述能耗管理模塊包括：

22、電量監(jiān)控單元，用于實時監(jiān)控機器人電池的剩余電量；

23、能量分配單元，用于根據任務需求和路徑狀態(tài)動態(tài)分配動力輸出和導航能耗；

24、預警與返航單元，用于當電量低于預設閾值時發(fā)出預警并規(guī)劃返航路徑。

25、優(yōu)選的，所述執(zhí)行模塊包括：

26、運動控制單元，用于控制機器人在最優(yōu)路徑上的行進與導航；

27、障礙物規(guī)避單元，用于通過實時感知環(huán)境數據調整路徑以規(guī)避障礙物；

28、數據反饋單元，用于記錄巡檢過程中機器人路徑、能耗和環(huán)境狀態(tài)，并將數據上傳至系統(tǒng)后臺。

29、本發(fā)明還提供一種煤礦井下機器人巡檢系統(tǒng)的管控方法，包括以下步驟：

30、環(huán)境感知，通過環(huán)境感知模塊采集煤礦巷道的三維環(huán)境數據；

31、路徑優(yōu)化，通過路徑優(yōu)化模塊基于環(huán)境數據生成路徑長度和曲率優(yōu)化的最優(yōu)路徑；

32、實時決策，通過強化學習決策模塊結合動態(tài)環(huán)境信息調整路徑規(guī)劃和動力輸出；

33、能耗管理，通過能耗管理模塊實時監(jiān)控電量狀態(tài)，根據路徑和任務需求動態(tài)分配動力輸出和導航方向，當電量低于預設閾值時發(fā)出預警并規(guī)劃返航路徑；

34、任務執(zhí)行，通過執(zhí)行模塊接收優(yōu)化后的路徑和動力指令，驅動機器人沿最優(yōu)路徑完成巡檢任務，并在巡檢過程中記錄任務數據以供反饋和分析。

35、優(yōu)選的，所述環(huán)境感知包括：

36、采集障礙物位置和形態(tài)信息；

37、感知巷道中的動態(tài)變化；

38、監(jiān)測巷道內的氣體濃度和環(huán)境狀態(tài)。

39、優(yōu)選的，所述路徑優(yōu)化包括：

40、基于finsler幾何對路徑進行建模，計算路徑長度和環(huán)境代價；

41、基于曲率優(yōu)化方法對路徑進行平滑處理，減少路徑的曲率變化；

42、根據優(yōu)化目標生成路徑長度和曲率綜合優(yōu)化的最優(yōu)路徑。

43、優(yōu)選的，所述實時決策包括：

44、構建動態(tài)狀態(tài)空間，包括位置、速度、加速度、電量狀態(tài)和障礙物距離；

45、根據動態(tài)狀態(tài)空間計算路徑長度代價、曲率代價、能耗代價和避障獎勵；

46、基于強化學習算法調整動力輸出和導航方向，以動態(tài)優(yōu)化路徑規(guī)劃。

47、本發(fā)明提供了一種煤礦井下機器人巡檢系統(tǒng)及其管控方法。具備以下有益效果：

48、1、本發(fā)明通過強化學習的技術方案，實時調整路徑規(guī)劃和動力輸出，實現了在動態(tài)環(huán)境中的智能避障與路徑優(yōu)化。與現有技術相比，克服了傳統(tǒng)路徑規(guī)劃依賴固定規(guī)則、在動態(tài)變化場景下響應不靈活的缺陷，顯著提高了機器人在煤礦復雜環(huán)境中的適應能力。

49、2、采用動態(tài)能耗分配與低電量預警技術，本發(fā)明有效延長了機器人續(xù)航時間。在低電量狀態(tài)下，還能優(yōu)先規(guī)劃最短返航路徑，確保任務安全完成。相較于現有技術對電量消耗的被動監(jiān)控方式，該技術實現了更合理的能量調度，解決了續(xù)航不足導致的巡檢中斷問題。

50、3、本發(fā)明結合finsler幾何建模和曲率優(yōu)化，生成了路徑代價低且曲率平滑的最優(yōu)路徑，保證機器人運行的穩(wěn)定性。與僅以最短路徑為目標的現有技術不同，該方案消除了機器人因路徑不平滑引起的震動和運行不穩(wěn)定的問題，在復雜巷道環(huán)境中表現更為出色。

51、4、執(zhí)行模塊將優(yōu)化的路徑和動力指令轉化為具體的運動行為，具備精準運動控制與實時避障能力，同時記錄巡檢數據供后續(xù)分析。相比于現有技術中單一功能的執(zhí)行系統(tǒng)，該模塊通過全面的數據反饋和高效的任務執(zhí)行，顯著提升了巡檢任務的完整性和可靠性。