为解决目前国内洗煤厂人工拣矸方式所存在的分拣效率低、工人健康危害大等问题,设计了一种煤矸分拣机器人,重点研究了其多矸石分拣优先级排序及机械臂拣矸过程运动轨迹规划问题。首先,基于优先抓取带式输送机上尺寸大、距离近并且与其它矸石重叠的矸石的规则,采用模糊逻辑推理方法构建了识别区域矸石的待抓取优先级排序模型,为机械臂有序、高效分拣矸石提供了合理的逻辑顺序;然后,为了解决带式输送机上矸石的机械臂动态跟踪轨迹规划问题,采用比例导引方法,建立了实现矸石匀速运动下的动态跟踪过程的机械臂运动轨迹规划模型,进一步

(1)确定煤矸分拣机器人的基本结构,依据机器人的工作原理和煤矸分拣工作的控制需求,提出煤矸分拣机器人的总体控制方案。(2)研究模糊逻辑推理方法,根据识别区域待抓取矸石特性,构建待抓取优先级排序模型。为了解决拣矸胶带机上矸石的机械臂动态跟踪轨迹规划问题,采用比例导引法,建立机械臂拣矸过程的机械臂运动轨迹规划模型。考虑到大块矸石需要同步跟踪抓取的问题,基于七段式梯形曲线规划机械臂同步跟踪运动轨迹,为保证机械臂运动时间最短,基于遗传算法优化七段式梯形曲线中“匀加速”、“匀速”和“匀减速”阶段机械臂的运

现有煤矸石分拣方法主要是根据煤和岩石的纹理特征值，利用图像处理和模式识别技术对煤矸石进行识别分选，分选的煤矸石粒度为25～150mm,而对于150mm以上的煤矸石仍依靠人工进行分选。为了对大粒度煤矸石进行分拣，设计了一种基于机器视觉的多机械臂煤矸石分拣机器人系统。该系统采用机器视觉采集煤矸石信息，应用深度学习方法实现煤矸石识别和抓取特征提取；在获取煤矸石序列信息后，根据煤矸石位置进行排序工作，并通过多目标任务分配策略将抓取任务下达给相应机械臂控制器；机械臂获取任务后，根据获得的任务对目标进行动态

为了实现煤和矸石的自动化和智能化分选，降低煤炭洗选的投资和生产成本，提高煤炭质量，针对国内外目前煤炭分选方式存在的资源浪费、环境污染，分选效率较低和成本较高等问题，提出了一种多动态目标多机械臂协同的煤矸分拣方案，依据国内煤矿的煤矸分选现状和迭煤厂的工况，设计了一种适应于狭小工作空间和速度较快手拣矸输送带的煤矸分拣机器人，该机器人构建了一种基于深度学习的煤矸快速识别方法，通过实时采集煤和矸石流的图像数据，利用训练好的卷积神经网络模型自动提取煤矸图像特征，给出准确的识别信息，并通过双目立体视觉技术对