露天矿多机器人无人采装运协同框架：分层场景建模、数字孪生仿真与装载流程优化

《Advances in Mechanical Engineering》：Technical framework for multi-robot unmanned mining, loading, and transportation in open-pit mines

　　

自主露天采矿能够提高作业效率、降低职业健康风险并降低能耗。本研究提出了一种由多机器人协同执行采矿、装载与运输作业的框架。分层场景模型（hierarchical scene model）融合了地形、环境与路径规划约束，数字孪生仿真平台（digital twin simulation platform）支撑静态场景构建。铲–卡（shovel–truck）装载的二维空间模型可自动生成装载点。多策略改进自适应蚁群优化算法（multi-strategy improved adaptive ant colony optimization algorithm，MIAACO）规划卡车路径，五次非均匀有理B样条（fifth-degree non-uniform rational B-splines，NURBS）支持电铲挖掘轨迹规划。上述组件在闭环系统中协调装载作业流程。研究人员建立了效率模型并在生产矿山对该框架进行了测试。在实验条件下，模型估计结果与现场测试结果均表明该系统的作业效率高于常规作业。研究结果为协同自主系统在露天矿中的应用提供了支持。

煤炭支撑全球能源供给与工业生产，露天采矿具有规模化、生产效率高、开采成本低等优势，但满足资源需求与限制环境影响、改善安全水平的矛盾依然突出。据报道，中、美、澳煤矿百万吨死亡率分别为0.044、0.022与0.010，采矿等工业过程占全球温室气体排放的5.2%，机器人技术可减少人员暴露并降低能耗。然而技术仍面临瓶颈：地下采矿机器人受GPS拒止、光照不足、巷道相似与通信受限等约束，多局限于局部部署与现场验证，面向地下铰接式装载运输设备（load-haul-dump，LHD）的智能控制研究亦聚焦单车在受限隧道内的轨迹跟踪；露天矿采掘持续改变地形，台阶结构与天气改变道路边界，装载点选择与路径规划须兼顾地形约束与动态工况，电铲等采掘机器人还须满足坡面、沟壑等变化地形下的几何约束，将异构技术整合为协调运行系统亦为难题。因此，构建露天矿多机器人无人采装运协同体系十分必要。

针对上述问题，研究人员提出了面向露天矿的多机器人无人采装运框架，在闭环装载流程中协调自主采矿卡车与挖掘机器人。框架以分层场景模型（hierarchical scene model）刻画采区环境，以数字孪生（digital twin）仿真平台构建静态场景，通过铲–卡（shovel–truck）装载的二维空间模型自动生成装载点；采用多策略改进自适应蚁群优化算法（multi-strategy improved adaptive ant colony optimization，MIAACO）规划卡车路径，经Rosen投影梯度算法优化轨迹；以五次非均匀有理B样条（fifth-degree non-uniform rational B-splines，NURBS）规划电铲（electric shovel）挖掘轨迹，最终整合为可支持效率测试的装载场景库。仿真场景库、自动装载点生成方法与基于MIAACO的路径规划方法为本研究的原创性成果，为协同自主系统在露天矿的应用提供了完整技术框架。

关键技术方法上，研究人员构建了地形、车道、静态与环境四层场景模型与数字孪生静态场景，并以机器人操作系统（Robot Operating System，ROS）通信集成各功能模块；装载点生成经分层低差异采样与整车包络约束检验后由代价函数择优；卡车路径采用MIAACO全局规划并经Rosen投影梯度算法优化；电铲采用改进Denavit–Hartenberg（D-H）方法建立运动学模型、基于拉格朗日（Lagrangian）法建立动力学模型，以NURBS曲线表征并优化挖掘轨迹。场景地形取自Haerwusu与Heidaigou露天煤矿，现场测试于Guoneng Beidian胜利一号露天煤矿（中国内蒙古）2025年9月21日至10月20日进行。

研究结果包含三项内容。其一为装载点生成与路径规划对比：在30×30栅格、50只蚂蚁、最多100次迭代的参数下，MIAACO较蚁群优化算法（ant colony optimization，ACO）将平均路径长度由56.55 m降至43.17 m（降幅23.7%），方差由4.92降至0.67，平均转弯次数由19.67降至5.33（降幅72.9%），重复实验表明解更稳定；场景库仿真中其平均路径长度62.9 m，较A*算法短5.9 m、较Dijkstra算法短13.8 m，规划耗时0.9 s（A*为1.7 s、Dijkstra为2.4 s）；运输时间55.3 s、总作业时间115.5 s，较人工驾驶的116 s缩短0.5 s。其二为挖掘轨迹规划对比验证：在35°、40°、45°物料坡角下，NURBS-PG方法（NURBS结合投影梯度）生成的斗杆轨迹较恒定切削角遗传算法（genetic algorithm，GA）更平滑，执行时间与能耗略有下降（35°坡角下由15.07 s、17,040 kJ降至14.83 s、16,912 kJ），铲斗充满系数均接近100%，二者装载能力相当。其三为无人装载效率提升：模型估计自主与人工作业效率比值为109.75%（停机时间利用系数K_C=1.095，即自主系统日均作业23 h、人工21 h）；现场测试期间自主运输完成产量463,695.00 m3、作业288.3 h，电铲生产能力1608.3767 m3/h，较同型电铲人工作业的1428.2057 m3/h更高，现场效率比达112.62%。

讨论部分指出，效率提升主要归因于自主作业减少了换班、就餐与休息造成的停机，且效率比对停机时间系数K_C与循环时间tr_A敏感；框架虽可减少卡车与电铲操作岗位，但仍需安全人员现场或远程监督，完全无人化有待进一步技术突破。作者承认现场验证仅于单一露天矿开展，场景受该矿特定道路几何、设备配置与作业规程制约，结论外推性有限，未来应在多矿山、多工况条件下评估系统的鲁棒性与可迁移性；并展望以缓冲转载机构（reversed loader）简化卡车运动、以U形路径（210.26 m）替代常规折返路径（238.61 m，转弯半径15 m，满足930E卡车14.85 m的最小转弯半径要求）等改进方向。结论部分可概括为：本研究提出了露天矿多机器人无人采装运框架，集成数字孪生仿真、自适应路径规划与机器人装载技术，实现了四层分层场景建模与仿真、基于机器人操作系统（ROS）的装载流程协调以及卡车与电铲轨迹优化，并在测试条件下取得模型估计109.75%与现场测试112.62%的效率比，支持了该框架在评估场景中的运行潜力。