概要：為了減少采礦事故的頻率，提高安全和生產效率，開發無需衛星導航信號輔助的采礦設備自主定位和導航技術非常重要。
概要：為了減少采礦事故的頻率，提高安全和生產效率，開發無需衛星導航信號輔助的采礦設備自主定位和導航技術非常重要。
在這項研究中，我們回顧了當前地下定位和導航的技術環境，并提出了幾種綜合導航策略。介紹了現有的地下定位導航技術，并對基于該技術的不同方法的性能進行了分析和比較。討論了地下定位導航策略的組合類型和定位效果。綜述了地下定位導航濾波方法和定位估計算法的比較新研究方向。
關鍵詞：煤炭開采；地下定位導航、綜合導航策略、慣性導航、定位算法。
介紹：
能源是人類生存和經濟發展的物質基礎。煤炭的需求持續增長，約占世界一次能源供應的 25%。2015 年，中國地下煤礦的煤炭年產量達到 33 億噸。Shirong、Zhongbin 和 Shibo（2016 年）估計，地下煤礦有超過 300 萬礦工，在惡劣和危險的條件下工作。
圖 1示意性地顯示了重要的設備項目。為保證采煤掘進設備沿規劃的路徑和方向行進，必須準確確定設備的空間位置和運行軌跡。在沒有衛星導航信號的情況下，由于空間封閉、電磁環境復雜，煤礦井下設備和礦工的定位和導航準確確定是一項艱巨的任務。因此，為降低采礦安全風險，推動煤炭開采技術革命，開發針對礦工和井下采礦設備的智能化、自動化導航定位技術具有重要意義。
地下定位導航技術：
根據文獻（Liu and Shi 2018），室內導航和定位技術近年來已成為國際上重要的研究課題，組織和出版物都在密切關注事態發展。截至2018年底，我國智能采掘工作面數量已達145張。
多種定位導航技術和算法被提出并用于地下礦山和隧道中的設備和人員定位導航。根據檢測原理的不同，現有技術可分為以下幾類：
? 基于無線通信信號的交叉路口技術
? 基于視覺圖像特征的定位技術
? 基于慣性裝置的導航技術
? 基于可見光通信（VLC）的定位技術。
幾種定位導航技術的實現難度和基本精度如圖2和 表I所示（Yassin et al., 2016）。
基于無線通信信號的交叉口測量技術：
技術包括激光掃描定位、射頻識別 (RFID)、Zigbee 無線、超寬帶 (UWB)、超聲波和紅外定位。根據處理信號的方式，這類技術可以分為兩種距離測量方法。兩種方法都是利用三邊和三角定位原理來估計物體的具體定位；然而，利用擴頻信號的到達時間和信號接收能量的衰減來完成定位方法。
利用視覺圖像特征的定位技術：
這種定位技術主要依賴于視覺傳感器采集的圖像特征的運動分析。待定位物體與環境背景特征的距離可以通過視覺距離投影模型或背景圖像差分法來確定。目前的研究表明，這項技術通常可以達到分米級的精度（Yassin et al., 2016）。
使用慣性裝置的導航技術：
慣性設備對于導航、定向和運動載體控制很重要。它們可用于檢測加速度、角度、沖擊、振動、旋轉和多自由度運動。慣性導航技術是一種自主導航，可以不斷地實時確定載體的位置、姿態、速度等信息。該技術不受氣候條件或外部干擾因素的影響，可提供較高的短期精度。但是，它容易受到嚴重的長期誤差累積問題的影響。
使用 VLC 的定位技術：
VLC是一種具有高帶寬、高頻率、低電磁輻射特點的新技術。距離計算方法包括信號到達角度、信號到達時間、信號圖像特征、光強和光源ID。傳輸的信息被編譯成光電信號，并通過脈寬調制的方式附加到光源的驅動電流上。VLC是一種潛在的井下定位技術，在提高煤礦照明效果的同時，將定位精度提高到1 m尺度。
然而，由于無線信號反射引起的信號衰減、非視距 (NLOS) 和多徑傳播效應等問題，所描述的定位技術的準確性在不受控制的室內環境中嚴重降低（Zhou，Kavehrad , 和鄧, 2012)。可以合并其他信號傳感器，例如慣性測量單元 (IMU)、相機和測距儀，以彌補這些問題。這通過融合來自不同定位系統的信息來提高定位系統的準確性和魯棒性。
綜合定位導航策略：
增加定位節點和閱讀器的數量有助于提高定位精度，盡管此類系統的部署、管理和維護成本很高，而且超過 75% 的安裝時間花費在電纜上（Lynch 和 Loh， 2006）。不同定位技術的組合可用于解決單傳感器定位技術在實際應用中的局限性（Retscher 和 Thienelt，2004；Retscher 和 Kealy，2006）。因此，學者們一直在研究基于無線傳感器網絡（WSN）的綜合導航定位策略。針對井下采礦設備和人員的定位和導航提出了綜合定位和導航策略（Retscher 和 Thienelt al，2004）。表二。
基于WSN的定位策略：
Fink 和 Beikirch (2012) 將鏈路數量信息 (LQnI) 與基于距離估計的冗余傳感器信息結合到加權質心定位技術中，以改善室內定位。基于倒數平方和（RSS）的冗余距離估計結合LQnI方法需要更多的基礎設施或處理能力，然后可以輕松提高位置估計的準確性。如圖 3所示，Song等人。（2014）提出了一種基于RFID和車載傳感器的隧道車輛多傳感器融合定位策略。RFID用于估計隧道中車輛的初始位置。采用聯合卡爾曼濾波器比較小均方（LMS）為全局收斂算法提供初始位置信息。基于交互式多重模型的全局收斂算法融合了初步的位置估計結果和低成本的汽車傳感器數據，例如電子羅盤和輪速傳感器讀數。采用強跟蹤擴展卡爾曼濾波算法替代傳統的擴展卡爾曼濾波（EKF）算法，用于保證整車運行中實際系統參數的魯棒性（Song et al.,2014）。
MacGougan、O'Keefe 和 Klukas (2009) 使用真實數據從理論和實踐角度評估了 UWB 的精度和準確性。
Wang and Li (2017) 結合 UWB 和 IMU 數據，在 NLOS 環境中通過粒子濾波實現室內定位（圖 4）。基于零速度更新算法，通過對加速度和角速度進行積分得到速度和方向。定位策略是通過將 IMU 信號作為粒子濾波器的先驗信息，以 UWB 觀測值作為更新權重的基礎來執行的。實驗結果表明，IMU提供的先驗信息可以抑制非視距條件下UWB的觀測誤差，定位精度可以從單個UWB系統的1.6 m提高到0.7 m左右。IEEE 802.15.4a 脈沖無線電 UWB 系統實現了 30 厘米以下的測距性能（Oh, Park 和 Kim，2009）。
基于視覺圖像特征的策略：
在已知位置布置 RFID 標簽陣列的概念用于為同時定位和映射 (SLAM) 算法提供初始位置信息。Errington、Daku 和 Prugger (2010) 提出了一個基于傅里葉 tesseral 諧波和基于比較小二乘的位置估計器的標簽接收似然模型，并在地下和室內實驗中對其進行了評估。地下試驗的平均誤差低為 20.49 cm，室內試驗的平均誤差為 75.53 cm。
Kaiming, Wei, and Ruisong (2015) 提出了一種基于視頻的協同定位策略（圖5），利用礦燈在巷道道岔結構和光照條件差的情況下對礦工進行定位。為準確檢測礦燈圖像，采用背景差分法獲得地下隧道背景圖像與采集的視頻序列圖像之間的差異。相機位置點與相機成像平面上相應的礦燈投影映射點之間建立直線。比較小二乘法用于通過找到線的比較好交點來定位礦工。該策略的平面誤差在一次定位測試中達到了 0.274 m (Kaiming, Wei, and Ruisong, 2015)。
陳等人。 （2016 年）將車載激光雷達 SLAM 技術應用于煤礦環境。他們使用激光掃描匹配技術成功生成了 2D 和 3D 隧道模型，并開發了一種改進的、概率驅動的比較大似然估計算法，在實際條件下精度限制在大約 5 厘米。間接觀察表明，該方法的定位精度至少比傳統方法高一個級別。
Kai 和 Xianmin (2017) 采用結合超聲波測距技術和雙目機器視覺圖像處理方法的控制策略來提高地下機器人的避障精度。超聲波測距技術和圖像處理方法分別用于探測和觀察遠程障礙物和封閉測距的形狀。基于神經網絡的雙目視覺障礙物識別系統和機器視覺與圖像處理相結合的避障策略為井下巡檢機器人巡檢避障提供了良好的實驗結果。
徐等人。（2017）提出了一種基于視覺和超聲波傳感器的煤礦隧道局部區域車輛的自主定位策略（圖6）。UPC-A碼上設計的獨特條碼標簽成對排列在隧道兩側的墻壁上，并被兩個車載視覺傳感器識別。使用超聲波傳感器檢測車輛中心與隧道墻左側之間的距離。使用視覺距離投影模型確定每個條形碼標簽特征框與車輛中心點之間的距離。一旦建立了條碼標簽與車輛中心點的空間幾何關系，得到了車輛中心點在隧道全局坐標系中的3D坐標。在煤礦隧道自動駕駛車輛定位試驗中，車輛中心點的平均平面定位誤差被證明在0.381 m以下。
基于慣性裝置的策略：
張等人。 (2009) 將 EKF 與 3D RFID 定位方法和慣性導航系統 (INS) 相結合，以實現準確和連續的定位，并為室內定位提供 1.7 m 的精度。范等人。(2014) 提出了一種基于捷聯 INS (SINS) 和 WSN 耦合的新動態定位策略（圖 7 ）。采用WSN定位策略消除SINS的累積誤差，建立耦合模型。對采煤機姿態和位置的跟蹤性能進行了虛擬和實時實驗驗證，定位精度為0.2 m。
基于 WiFi 技術和 SINS 的定位系統的實現非常復雜且難以設計。羅（2016）因此提出了一種新的降階十態變量綜合定位系統（圖8) 和通過結合微型 IMU 和 WiFi 的簡化卡爾曼濾波器定位算法。Belyaev (2017) 提出了一種使用具有慣性導航的移動掃描系統進行地下測量任務的方法。由移動掃描系統確定的地下設備相對于環境的位置信息是對慣性系統獲得的運動參數的補充。實驗結果表明，位置誤差的比較大均方根在0.26 m/515 m以內。基于降階集成定位系統可實現定位誤差0.5 m的高定位精度。萬等人。（2018）提出了一種基于聯邦濾波的由立體相機、IMU和里程表組成的組合導航方法。如圖 9所示，該方法通過分別形成 IMU 里程表和相機里程表的兩個子濾波器，提高了系統的定位魯棒性。實驗證明，該方法有效地將移動平臺的導航定位精度提高到0.48 m，即使立體視覺定位系統出現故障，也能實現連續定位。
Mascarich等人(2018) 描述的多模態映射單元將可見光相機與慣性傳感器緊密同步。實現了拒絕 GPS、黑暗和視覺退化環境的密集映射。
基于 VLC 的策略：
已經提出了一種基于 EKF 的 VLC 定位和慣性導航融合定位系統（Li, Feng, and Yang, 2017; Li et al., 2017），以減少多徑效應引起的誤差（圖 10）。系統比較大定位誤差為0.41 m，平均誤差為0.14 m。對比分析證明，融合系統的定位精度是基于VLC的定位系統的2倍，是INS的4倍。
為了降低室內定位的高成本和防止墻體遮擋，Wen等人提出了一種低成本、高效率、高精度的室內定位系統。（2018 年）。采用室內LED燈作為定位基站，利用視覺RGB深度（RGB-D）SLAM技術進行2D或3D室內測繪，實現高精度室內定位。
定位算法研究進展：
根據定位過程中需要的信息，定位系統中常用的傳感器節點定位算法可分為兩大類：基于距離的和不基于距離的（Wang et al., 2011）。目前，一些提出的組合導航定位系統需要不斷更新信號處理和定位算法，以滿足高精度定位系統的可靠性和魯棒性要求。近年來出現了新的信號處理方法和濾波技術。系統布局和位置估計如下所述。
信號處理和濾波技術：
需要考慮多傳感器導航系統的運動狀態約束，以提高定位精度和可靠性。Yang、Gao 和 Zhang (2010) 將狀態約束應用于標準和魯棒卡爾曼濾波器，以生成魯棒卡爾曼濾波器，其中狀態約束存在于集成導航系統中的多傳感器狀態之間。理論上已經證明，帶約束的卡爾曼濾波器估計的狀態向量的協方差矩陣確實小于無約束濾波器的協方差矩陣（Yang、Gao 和 Zhang，2010）。為解決傳統線性卡爾曼濾波策略濾波精度迅速下降甚至發散的問題，Fan et al. （2014）通過忽略噪聲先驗數據的準確測量，提出了一種模糊自適應卡爾曼濾波器（FAKF）。使用 FAKF 濾波算法的 INS/UWB 系統比動態定位誤差限制在 0.27 m 的傳統卡爾曼濾波器具有更好的穩定性和實時性（Fan等人， 2014）。
針對人員和設備在室內運動過程中非線性和非高斯噪聲的特點，Ruotsalainen等人。（2018）將通過比較大似然法找到的正確錯誤概率密度函數添加到粒子濾波器以構建自舉濾波器。基于慣性和視覺傳感器的測量誤差統計模型，水平定位性能顯著提高。
研究表明（Dorais、Gawdiak 和 Clancy，2002 年；Heidari 和 Pahlavan，2008 年），到達時間（TOA）的測距和定位誤差主要受 NLOS 場景中的多徑現象和傳播特性的影響，以及大尺度當無法檢測到直接路徑脈沖時，錯誤很常見。針對高斯白噪聲與有色噪聲不匹配的問題，提出一種信道分類-卡爾曼濾波器（CC-KF），一種結合真實信道分類和卡爾曼濾波的距離緩和算法，以提高室內環境下的距離緩和性能。 NLOS的極端環境和多徑效應。在六種典型的室內和地下環境中比較了 CC-KF 和四種傳統 TOA 距離緩解算法的性能。等人， 2014）。巴特等人。（2012）證明，與多層感知相比，基于知識的源差分人工神經網絡將低成本傳感器的導航性能提高了 81%，無論是否有外部輔助源。
系統布置和位置估計：
通過Wang等人提出的一種新的煤礦井下信標節點布置方法，解決了WSN定位中節點布局模型精度低、不穩定等問題。（2015 年）。與傳統的定位方法相比，該方法（圖 11) 在滿足定位要求的前提下需要更少的節點資源。到達時間差/到達角混合算法是一種用于煤礦的3D精確定位算法。它由基站與未知節點之間的到達時間信息和到達角信息組成，用于實現節點定位。仿真結果表明，基于新的節點布置模型，該算法具有良好的定位精度和穩定性，滿足某煤礦定位要求。
Yi, Tao, and Jun (2017)將參與定位的每個錨節點接收到的目標節點RSS值之和的倒數作為權重因子，在傳統三邊算法的基礎上提出了加權三邊法。通過采用Grubbs偏差測試降低卡爾曼濾波器對脈沖偏差峰值的影響，設計了一種混合濾波算法。據推測，改進后的定位方法與混合濾波算法相結合，定位精度高達 0.95 m (Yi, Tao, and Jun, 2017)。
為實現煤礦動臂式掘進機的無人位姿檢測，Fu等人。（2017）設計了一個由四個UWB定位基站和三個掘進機定位節點組成的UWB位姿檢測系統，并提出了一種基于Caffery變換和泰勒級數展開（CTFPA）的融合定位算法。基于系統TOA定位模型求解機體三個姿態角（航向角、俯仰角和滾轉角）（如圖12所示）) 使用每個基站與節點之間的 12 組距離測量信息。UWB P440模塊的測距精度實驗是在狹窄封閉的隧道中進行的。實驗數據表明，該模塊的平均誤差和標準差可以達到 2 cm (Fu et al.,2017）。結合采煤機采煤過程作為非完整約束，Zhang（2017）基于煤炭慣性定位導航系統位姿漂移的非確定性研究，建立了系統定位閉合路徑比較優誤差補償模型。采煤機。建立系統定位閉合路徑的比較優誤差補償模型，將慣性導航系統的定位精度提高近50%（Zhang，2017）。
總結和未來研究：
介紹了地下定位導航技術的新研究進展，總結了近期提出的綜合導航策略和定位方法。由于非視距現象、多徑效應和墻體干擾，地下信號的傳播會遭受嚴重的衰減、反射干擾和環境敏感性。目前單一的導航定位技術無法滿足煤礦定位的要求。基于多傳感器融合和無外部節點信息的獨立導航系統的地下定位技術對于提高地下導航定位系統的精度和魯棒性極具前景。
致謝
本工作得到國家自然科學基金（No.51975570）、徐州市科技成果轉化計劃（KC20203）、江蘇省高等學校學術拔尖計劃項目（TAPP）和國家科技部資助項目的資助。江蘇省高等學校優先學術項目發展（PAPD）。
相關推薦：
評價