井下水仓储存着煤矿开采过程中产生的大量煤泥和废水,是防止矿井水灾的重要设施,也是每一个矿井必须配备的生产系统。然而井下水仓清淤工作环境条件恶劣,煤泥中含水量大,搅动后往往变成半流态或流态,周期性清仓需要大量人工且无法保证工人的生命安全。随着智能化矿山的建设与矿井水患安全意识的提高,自主化清仓成为趋势。根据水仓实际生产需求,设计了一种可以持续自主清仓的智能清淤机器人,为井下水仓煤泥清理的各类自主式机器人的开发提供参考,推动井下水仓清理工作的智能化、无人化进程。煤矿井下水仓智能清淤机器人关键技术在于对清淤过程中煤泥清理密度的模糊PID控制和同时定位与建图（Simultaneous Localization and Mapping,SLAM）技术,具体研究内容包括以下几个方面:首先,对水仓煤泥理化特性进行分析和对泵送系统的参数进行计算,为建立清淤过程基于阶梯模糊PID的煤泥密度控制模型提供了数据条件,并通过仿真验证此模型的有效性。其次,分析卡尔曼滤波算法和标准粒子滤波算法的算法原理,建立SLAM问题的数学模型与井下水仓清淤机器人模型,并对SLAM中地图构建问题进行分析并加以选取,从而将井下水仓清淤机器人的SLAM问题分解为清淤工作定位问题与建图问题。再者,引入FastSLAM算法并对其原理进行分析,采用二叉树优化降低原算法的时间开销和计算复杂度,并采用粒子群优化算法对FastSLAM算法的粒子全局收敛性差和枯竭进行改进,使得每个粒子综合考虑个体粒子和群体粒子的共同影响,不断优化更新粒子的位置和权重值,在不需要增加粒子数量的情况下,逼近系统的真实后验概率分布,进而使清淤机器人更接近真实系统状态分布,并对改进后的算法进行无障碍区域与井下水仓栅格模型下的仿真实验,分析不同数量的路标点和不同参数的里程计对算法性能差异的影响,并验证改进算法的有效性。最后,介绍了清淤机器人的机械系统、液压系统和智能控制系统的设计,对搭建好的清淤机器人在井下水仓进行一个清淤周期的应用调试,并对调试过程的作业进度数据进行分析,进一步验证了清淤工作过程中基于阶梯模糊PID的煤泥密度控制与基于粒子群优化算法的FastSLAM算法的有效性。