煤矿井下智能化辅助运输系统设计*

2023-09-18唐永岗周李兵

陕西煤炭 2023年5期

陈科,唐永岗,周李兵

(1.陕西陕煤榆北煤业有限公司榆林信息化运维分公司,陕西榆林 719000;2.天地(常州)自动化股份有限公司,江苏常州 213015;3.中煤科工集团常州研究院有限公司,江苏常州 213015)

0 引言

矿井下辅助运输作为煤矿开采的重要组成部分,是煤矿有序运行的关键环节,主要作用包括井下生产需用物料和人员的运输;井下辅助运输系统的优劣是制约煤炭开采量及生产效率的瓶颈,对煤矿开采效率和安全生产影响重大[1]。如何实现井下辅助运输系统无人驾驶,对于减少煤矿开采过程中的经济损失和人员伤亡,降低运输成本,提高采矿工作效率,具有重大的推动作用[2-4]。对于煤矿开采而言,实现井下辅助运输系统无人驾驶技术能极大地增加煤矿开采效益,有效地推动煤矿开采过程中整体降低能耗、提高安全生产水平,加快智慧矿山的建设步伐[5]。当前井下辅助运输多由人工驾驶,但由于煤矿井下恶劣的驾驶环境,极大的增加了驾驶难度。此外,司机工作强度大,长期不良的工作环境会导致司机的身体机能下降、反应迟钝,矿井中粉尘等导致井下能见度低,这些因素给井下辅助运输系统埋下严重的安全隐患。因此,探索自动驾驶技术与井下辅助运输装备相结合,对提升系统运输效率,降低运输成本,实现安全高效运输具有重要的实际意义。井下智能辅助运输系统的功能包括无人车辆启停、车道保持、换道、避障等[6-7]。通过无人驾驶技术,提高运输车辆自动化、智能化程度,为保障煤矿安全作业和辅助运输安全运行发挥重要作用。

1 井下智能辅助运输系统概述

设计的井下车载无人驾驶系统包括环境信息处理和车辆运行决策2部分。第1部分包含冗余组合定位[8]、井下环境感知[9]、路径规划[10-12]和高精地图[11,13];第2部分包含车辆控制[14]和远程启停[15]等功能模块。冗余组合定位采用UWB(Ultra Wide Band)、惯性、轮速里程计和激光进行多传感器融合,获取连续稳定的高精度定位数据[16]。环境感知采用激光和视觉等传感器,采用多源异构感知融合技术,实现对井下环境的实时准确感知。采用三维激光雷达构建井下矿三维高精地图,为路径规划提供支持,并为车辆定位、感知提供辅助。车辆动态控制模块根据路径规划结果,生成相应的车辆控制指令,实现操作人员和井下车辆之间的协同作业体[17],描述无人车自动驾驶硬件的详细布局。井下运输车传感器布局如图1所示。

图1 井下运输车传感器布局示意

2 环境信息处理设计

2.1 冗余组合定位

无人车定位方法主要有相对定位和绝对定位2种。相对定位主要是利用轮速里程计、IMU(Inertial Measurement Unit)、视觉等外部传感器,推测无人车在预测环境中的位姿。绝对定位最常用的手段是GNSS(Global Navigation Satellite System)定位,该方式可直接获取机器人在环境中的绝对位置,但由于井下没有GNSS信号而无法使用;对于井下环境,其他可用的绝对定位手段包括UWB和激光。最后,为获得更加精确稳定的导航定位数据,需要对无人车相对定位和绝对定位数据进行融合,主要融合手段包括EKF(ExtendedKalmanFilter)和UKF(Unscented Kalman Filter)。

通过引入UWB定位手段,辅助确定车辆在井下的绝对位置,UWB定位原理如图2所示。为了在井下矿中实现车辆的定位,解决长巷道、暗灯光、潮湿等环境下的定位问题。基于UWB、IMU、激光雷达等多种传感器,实现井下特殊场景下的多传感器融合定位。

图2 UWB定位示意

采用UWB定位精度≤10 cm、激光雷达传感器和IMU传感器实现精准定位,借助SLAM(Simultaneous Localization and Mapping)方法进行融合以获得车体的位姿。该方案的定位系统完整性好,适用性强,车体位姿是大地坐标系下的绝对位置,易与地面感知系统结合。

2.2 井下环境感知

在传感器的安装过程中,需要保证无人驾驶车辆360°的感知范围以适应井下复杂的工况。对于井下环境,采用视觉、激光雷达的多源融合感知技术,利用不同的传感器的物理特性,得出准确可靠的精准感知结果。通过不间断的传感器感知实现动态障碍物检测跟踪、道路特征信息提取(如路面区域,道路红绿灯、限速彩虹灯、道路坡度信息等)以及无人料车空重载分析等丰富传感信息。车辆环境感知流程如图3所示。感知子系统主要任务包括可行驶区域检测、路沿检测、目标检测、传感器融合和目标跟踪等任务。每个模块完成不同的功能。可行驶区域检测模块检测车辆前方可行驶区域;路沿检测模块检测当前道路环境中路沿信息;目标检测模块运用激光雷达感知算法和毫米波雷达感知算法,检测当前环境中的目标信息;多传感器融合模块完成不同传感器感知结果融合的功能;目标跟踪模块完成对目标的稳定跟踪功能。通过使用多传感器融合的方法,对检测到的障碍物信息进行置信度分析,减少“误检”“漏检”等情况发生。目标跟踪使用卡尔曼滤波器,结合预测(先验分布)和测量更新的状态推测算法,通过不断迭代测量值与预测值进行计算,得到最终的更新值。

图3 环境感知流程架构

可行驶区域检测进行动态障碍物检测跟踪及道路特征分析两方面的感知检测,通过道路特征分析技术获取矿井道路路面、边界位置信息。采用上下融合技术,降低路沿探测算法的重复计算量进而提高运算速度。

在维护可行驶区域的约束中,会为规划提供全局的边界约束信息,在车辆行驶、防碰壁、掉头和倒车上起到关键作用。在检测边界信息的同时,感知会向规划提供当前行驶过程的局部中心参考线,规划控制模块根据局部中心参考线与自身的姿态进行车道保持控制,以调整车辆行驶姿态,通过感知和车辆动态控制的联动,保证车辆行驶安全。

2.3 高精地图

井下高精地图构建过程与地面类似,通过激光雷达、相机和组合惯导等传感器对井下巷道路面环境数据进行采集,并提取可行驶区域、进行道路自动拓扑和元素构建,最终得到具备多种语义元素和多层次组织结构的高精度地图。充分考虑了矿区道路边缘的不平整性,克服了传统SLAM对高度变化不稳定的问题,使得建立得到的底图平整,点云分布均匀,准确地描述了矿区的环境。有效地解决了矿区道路易变、不平整带来的难以拟合和难以表示的问题。构建的语义高精度地图能够更好地辅助无人驾驶系统运行,保证无人驾驶的安全和高效率。

高精地图软件通过分层方式实现对整个系统的地理信息数据入库、编辑、监控、变更维护等工作,涉及的数据主要包括底图、路网数据、设备工作区数据、障碍物数据、监测点实时数据、车辆实时位置、车辆历史轨迹等数据。系统提供的高精地图包含语义信息,包括路沿、平整度、坡度、立杆等元素,精度达到厘米级。高精地图软件提供多种地图格式,为指挥平台的后台提供地图数据,用于调度路径规划。

2.4 路径规划

无人车辆的自主避障是动态路径规划的核心功能之一,项目采用基于Frenet的动态路径规划方案,可以大大提高车辆避障路径的计算实时性和有效性。基于Frenet的规划,通过感知提供的中心线和障碍物信息为算法提供多个采样点(起始点已知,终止点未知,终止点需要通过采样得到)。

规划算法在Frenet规划流程基础上,仅需考虑地图采样,相当于只需要常数的规划时间;而后通过检查,决定是否要进行复杂的搜索规划。而搜索规划使用A*/D*算法,其可以适应动态变化的环境,以及通过多个周期的迭代,边走边逐步优化规划结果。时空分离的多级规划算法会系统性的考虑不同的规划环境,针对前方目标的速度分开处理静态障碍物和动态障碍物,规划出对车辆当前能量损耗最少、安全系数最高的规划路径,降低搜索求解问题的维度,减少重复规划,提高系统的实时性。

3 车辆运行决策

3.1 车辆控制

无人矿车动态控制系统的主要功能是以规划系统的行驶轨迹曲线为基础,结合定位子系统反馈的位置信息,经过数据解析处理后,通过横纵向的控制算法对接收到的信息进行算法计算,将方向盘转角控制指令和速度控制指令输出给相应的执行机构,以达到精准实现无人矿车规划层的期望轨迹和车速控制。控制系统整体功能框架如图4所示。

图4 控制系统整体功能框架

车辆动态控制的横向控制算法是将目标轨迹与车辆的实际位置姿态做对比,计算出当前路径最近点的道路曲率及误差输入到控制模块中,之后横向控制模块根据曲率和误差计算出前轮的目标转向角,输入值底层完成转向角的跟随,最终实现对目标轨迹的跟踪。

设计采用横向控制算法是前馈和预瞄PID反馈控制,纵向控制算法采用的是油门和电制动双PID控制闭环。车辆动态控制的纵向控制算法将目标车速和当前车速作对比,结合目标档位以及当前车辆状态(重量)、路面状态(坡度,摩擦系数)等信息,综合计算出油门踏板、电制动踏板、机械制动踏板的深度以及档位控制量,具有最大坡道15°内的平稳控制功能,并具备防溜车功能。

3.2 远程启停

远程启动/停止功能通过无线远程开关和车端指令接收装置实现。远程启停系统原理如图5所示。远程启停系统遥控开关采用便携式设计,操作人员单手即可操作,车端遥控器安装在工控机上。开关和信号接收器通过无线方式通信,开关发出指令,自动驾驶系统接收遥控开关信号,完成启动和停止。ON/OFF按钮分别对应人员在装卸料结束后发送开停车指令。自动倒车至卸料地点进行卸料。车端具有无线接收装置,接收指令后将启停指令发送给车辆,完成控制。