【WRC大咖论道】芬兰阿尔托大学教授Heikki Koivo：《应用于海洋产业和采矿业的新型自主解决方案》

2024世界机器人大会以“共育新质生产力 共享智能新未来”为主题，为期三天的主论坛和26场专题论坛上，416位国内外顶尖科学家、国际组织代表、院士和企业家聚焦前沿技术、产业动向和创新成果，深入研讨人工智能与机器人技术深度融合带来的新趋势、新机遇，共同打造了一场十分精彩的机器人领域前沿观点盛宴！

在8月22日下午的主论坛上，芬兰阿尔托大学教授Heikki Koivo以《应用于海洋产业和采矿业的新型自主解决方案》为主题发表演讲。

数说2024世界机器人大会

论坛

26 家国际支持机构

3 大主题 26 场专题论坛

416 名国内外顶尖科学家、国际组织代表、院士和企业家

74 位国外嘉宾及港澳台嘉宾参会

线上线下听众达 160万 人次

展览

27 款人形机器人集中亮相

首发新品 60 余款

近 170 家参展企业 600 余件参展产品

参观人数近 25万 人次

大赛

全球 10 余个国家和地区的 7000 余支赛队

 13000 余名参赛选手

每天参赛人数 4000 余人

媒体关注

近 400 家国内外媒体

短视频平台话题播放量达 2.9亿

Heikki Koivo（芬兰阿尔托大学教授）

以下是演讲内容实录 

全新自主解决方案，应用于海洋和采矿行业，这是来自于芬兰的实践，但对中国的经济整体也有很多的借鉴作用。

首先海洋的面积很大，自主船舶已经越来越成为现实，船舶变的更加电气化、电动化、自动化和数字化。

2020年的节点已经有很多这方面的进步并且非常重要，自动化解决方案有望改变航运业并且机器人在这个领域也有很多的功能和贡献，包括传感器技术、数据分析和计算能力都能提高船舶导航、驾驶和控制的自动化水平。

自动驾驶船舶必须具有高度的自主性才能自主化，就像我们看汽车的驾驶，现在已经达到了五级的自主驾驶水平，在船舶行业它的驾驶更难，有些人说在这五级里需要达到四级或三级，这是我们的目标。并且仍然需要人工远程控制和监督。

让我讲一下船舶最佳速度与航线，旨在智能优化船舶的航线和速度，使用电力推进，数据驱动决策支持和船舶在岸集成解决方案很快就会有利于实现零排放的船舶航行行业，这第一类的解决方案有助于减少燃料消耗、船航成本和排放。

市场上第一个能够根据预测天气情况同时智能的优化轨道和运行速度的解决方案，这样能够向操作者建议应进行的任何船舶航线或速度的调整以避开恶劣的天气。让船员知道恶劣天气的预报可以适时的做好提前的规划准备，在这类船舶的研究领域上更进一步的话就要谈到大型船舶的自动化解决方案CTEM是它的命名，意思是自动化和集成船上关键系统的控制报警和监督监控的解决方案。

因此电气化是自动化解决方案适用于船舶系统的关键技术，还包括机器人控制和数字化技术应用，大型船舶自动化解决方案能够实现更快的故障排除和维护来提高效率和安全性。可以轻松与相关的船舶系统集成并可远程访问和维修，也可以将之前我们说的当船接近港口时会有很多问题需要关注，所以仅仅获知动作控制、防冲撞和电气化的识别系统这在现代化船舶上已经实现了。

另一个问题是会与卫星连接，这样的话卫星上已有自动的、实时的数据收集，在此基础上还可以为操作员展示一个中心的数据展板，就可以直接和船进行通讯，这是我选了这个例子，因为非常有趣。

同时在中国如果没记错的话在上世纪90年代末，中国已经有比较小的船舶进行极地破冰了，这个船是世界上最大的新一代破冰船，正在加拿大进行设计，到2030年将会成为最大功率最强的柴电破冰船，配备了34兆瓦的推进器，所以6年以后就可以准备好送到加拿大，这将为电气化和自动化部分的设计提供一个重大的问题。

在这个下面有一个备注，今年芬兰向美国提交了新的破冰船，因为我们正在为美国建造这种新的破冰船以满足其需求，他们如果得不到破冰船的话也会遇到一些问题和难题，这是我对船方面的分享。

因为时间有限，我要把话题转移到智能矿山上，包括ABB我在很久前就在ABB工作过，那时候我还是学生，智能矿山也有类似的情况，我也一直在关注，这里有装载、托运、卸载液压机也就是LHD，在这里车上没有负载，但它下井再回来的时候应该是装满了负载，看上去就完全不一样了，它的装载斗会满，离开场地的时候要从柴厂到破碎站，运输距离在50-400米，行程中使用什么样的技术呢？这段距离里使用有效的数据融合技术来估算移动装载机铲斗中的有效荷载，不让它停止运行，通过数据融合技术这是我们的理念，我们有联合的项目联合一个公司一起做的，这一数据融合技术到这里有展示，叫卡尔曼滤波器在数据输入神经网络之前，降低测量信号中的噪声水平，我们要建立这种系统，由卡尔曼滤波器注入神经网络，在当时有多层感知器以及MLP表示表述负载的间接测量值与铲斗中实际负载之间的非线性连接耦合，结果表明这些方法的组合为估算有效载荷提供了可行的解决方案。

数据融合技术这是一个简图，我们从测量开始所以要有重要参数的测量包括倾斜角度、吊杆位置和液压油的温度等，这些是我们可以测量的重要数据，当它输入卡尔曼筛选器，这是我的叫法，经过这一筛选器进一步将数据输入神经网络之后进行有效载荷的估算，包括使用的间接测量看机器移动时可以用较端的测量时间实现而不用停车，它是卡尔曼滤波器右边是估算信号电频比较复杂的计算公式。

我提到好几次卡尔曼滤波器，第一次是它来到赫尔辛基大学科技部门里，我们一起祝贺这位教授，他说如果你用卡尔曼来命名或者将来有一天如果能够实现的话那就太好了，我就这样做了，卡尔曼博士已经去世了。

言归正传，我们来看一下卡尔曼滤波器可以评估上方的压力，也就是这条红色的曲线，通过卡尔曼滤波器这条曲线是很准确的水平，这条红色曲线在三秒之后就会维持平稳，三秒后会曲线走平，上方的压力可以看到会经历一个坡度角的变化，三秒之内会有波动。是比较困难的，但是可以达成的。

第三点是没有列在幻灯片上，大家可以借此在卡尔曼滤波器的估算有一个基本的了解，我们从之前几页幻灯片上可以看到卡尔曼滤波器可以很好的来估算数据的水平并且将数据录入神经网络，我们会使用多层感知器MLP来做学习的算法，有几个不同的输入和输出，4-7个输入，1个输出，1个隐藏棚大约有600个测量结果。

这边是其结果，我们使用神经网络的算法来计算荷载的称重，在图上给出了测量值和估计值的两条曲线，它的曲线重合度很高的，换句话说这种神经网络的算法给出的结果是相对准确的，这页上可以看到基于神经网络的方法可以确定移动装载机前面的负载重量，神经网络与卡尔曼滤波器结合可以为估算装载机铲斗中的载荷提供可行的解决方案。

为什么在这里加一个注释，有一位女士玛丽娜，她是拥有这个技术的专利，地下矿井的空气质量非常重要，很多地下矿井的柴油发动机已经被电动机取代，这样子减少了井下通风和冷却的条件，并且提高了机器的效率，这些电机也实现了自动化井下电机的数量取得了迅猛的发展。

这边可以看到地下自动电机的事例，看起来真的是非常棒，我最喜欢这一章。而且它是无人驾驶的，我们芬兰的规划就是在开放矿坑的采矿，世界各地很常用这种采矿当中使用电力来作为能源，对于开放的矿井或者露天的采矿是很有挑战性的。我们现在在芬兰也正在建设这个实验矿坑，从明年开始就会配备电动自动化、数字化的设备，而且也会有AI的辅助。

对于创新的露天采矿的解决方案希望彻底摆脱依赖化石能源的技术，使用电力作为此替代，并且增加镍的开采和加工，镍是很宝贵的资源，此外也要考虑稀土元素钴和锂，电气化自动化和数字化的趋势可以帮助我们消耗更少的燃料，只使用电池而且时间也可以缩短。

这边有几个案例，其实也是可以露天使用的，我就说到这里，谢谢大家！

（本文根据录音整理）