概要：為了減少采礦事故的頻率，提高安全和生產(chǎn)效率，開發(fā)無需衛(wèi)星導(dǎo)航信號(hào)輔助的采礦設(shè)備自主定位和導(dǎo)航技術(shù)非常重要。

在這項(xiàng)研究中，我們回顧了當(dāng)前地下定位和導(dǎo)航的技術(shù)環(huán)境，并提出了幾種綜合導(dǎo)航策略。介紹了現(xiàn)有的地下定位導(dǎo)航技術(shù)，并對(duì)基于該技術(shù)的不同方法的性能進(jìn)行了分析和比較。討論了地下定位導(dǎo)航策略的組合類型和定位效果。綜述了地下定位導(dǎo)航濾波方法和定位估計(jì)算法的比較新研究方向。

關(guān)鍵詞：煤炭開采；地下定位導(dǎo)航、綜合導(dǎo)航策略、慣性導(dǎo)航、定位算法。

?

介紹：

能源是人類生存和經(jīng)濟(jì)發(fā)展的物質(zhì)基礎(chǔ)。煤炭的需求持續(xù)增長(zhǎng)，約占世界一次能源供應(yīng)的 25%。2015 年，中國地下煤礦的煤炭年產(chǎn)量達(dá)到 33 億噸。Shirong、Zhongbin 和 Shibo（2016 年）估計(jì)，地下煤礦有超過 300 萬礦工，在惡劣和危險(xiǎn)的條件下工作。

圖 1示意性地顯示了重要的設(shè)備項(xiàng)目。為保證采煤掘進(jìn)設(shè)備沿規(guī)劃的路徑和方向行進(jìn)，必須準(zhǔn)確確定設(shè)備的空間位置和運(yùn)行軌跡。在沒有衛(wèi)星導(dǎo)航信號(hào)的情況下，由于空間封閉、電磁環(huán)境復(fù)雜，煤礦井下設(shè)備和礦工的定位和導(dǎo)航準(zhǔn)確確定是一項(xiàng)艱巨的任務(wù)。因此，為降低采礦安全風(fēng)險(xiǎn)，推動(dòng)煤炭開采技術(shù)革命，開發(fā)針對(duì)礦工和井下采礦設(shè)備的智能化、自動(dòng)化導(dǎo)航定位技術(shù)具有重要意義。

?

地下定位導(dǎo)航技術(shù)：

根據(jù)文獻(xiàn)（Liu and Shi 2018），室內(nèi)導(dǎo)航和定位技術(shù)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(guān)注事態(tài)發(fā)展。截至2018年底，我國智能采掘工作面數(shù)量已達(dá)145張。

多種定位導(dǎo)航技術(shù)和算法被提出并用于地下礦山和隧道中的設(shè)備和人員定位導(dǎo)航。根據(jù)檢測(cè)原理的不同，現(xiàn)有技術(shù)可分為以下幾類：

??基于無線通信信號(hào)的交叉路口技術(shù)

??基于視覺圖像特征的定位技術(shù)

??基于慣性裝置的導(dǎo)航技術(shù)

??基于可見光通信（VLC）的定位技術(shù)。

幾種定位導(dǎo)航技術(shù)的實(shí)現(xiàn)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(hào)的交叉口測(cè)量技術(shù)：

技術(shù)包括激光掃描定位、射頻識(shí)別 (RFID)、Zigbee 無線、超寬帶 (UWB)、超聲波和紅外定位。根據(jù)處理信號(hào)的方式，這類技術(shù)可以分為兩種距離測(cè)量方法。兩種方法都是利用三邊和三角定位原理來估計(jì)物體的具體定位；然而，利用擴(kuò)頻信號(hào)的到達(dá)時(shí)間和信號(hào)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(shù)：

這種定位技術(shù)主要依賴于視覺傳感器采集的圖像特征的運(yùn)動(dòng)分析。待定位物體與環(huán)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(xiàng)技術(shù)通?？梢赃_(dá)到分米級(jí)的精度（Yassin?et al.,?2016）。

使用慣性裝置的導(dǎo)航技術(shù)：

慣性設(shè)備對(duì)于導(dǎo)航、定向和運(yùn)動(dòng)載體控制很重要。它們可用于檢測(cè)加速度、角度、沖擊、振動(dòng)、旋轉(zhuǎn)和多自由度運(yùn)動(dòng)。慣性導(dǎo)航技術(shù)是一種自主導(dǎo)航，可以不斷地實(shí)時(shí)確定載體的位置、姿態(tài)、速度等信息。該技術(shù)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(yán)重的長(zhǎng)期誤差累積問題的影響。

使用 VLC 的定位技術(shù)：

VLC是一種具有高帶寬、高頻率、低電磁輻射特點(diǎn)的新技術(shù)。距離計(jì)算方法包括信號(hào)到達(dá)角度、信號(hào)到達(dá)時(shí)間、信號(hào)圖像特征、光強(qiáng)和光源ID。傳輸?shù)男畔⒈痪幾g成光電信號(hào)，并通過脈寬調(diào)制的方式附加到光源的驅(qū)動(dòng)電流上。VLC是一種潛在的井下定位技術(shù)，在提高煤礦照明效果的同時(shí)，將定位精度提高到1 m尺度。

然而，由于無線信號(hào)反射引起的信號(hào)衰減、非視距 (NLOS) 和多徑傳播效應(yīng)等問題，所描述的定位技術(shù)的準(zhǔn)確性在不受控制的室內(nèi)環(huán)境中嚴(yán)重降低（Zhou，Kavehrad , 和鄧, 2012)?？梢院喜⑵渌盘?hào)傳感器，例如慣性測(cè)量單元 (IMU)、相機(jī)和測(cè)距儀，以彌補(bǔ)這些問題。這通過融合來自不同定位系統(tǒng)的信息來提高定位系統(tǒng)的準(zhǔn)確性和魯棒性。

?

綜合定位導(dǎo)航策略：

增加定位節(jié)點(diǎn)和閱讀器的數(shù)量有助于提高定位精度，盡管此類系統(tǒng)的部署、管理和維護(hù)成本很高，而且超過 75% 的安裝時(shí)間花費(fèi)在電纜上（Lynch 和 Loh， 2006）。不同定位技術(shù)的組合可用于解決單傳感器定位技術(shù)在實(shí)際應(yīng)用中的局限性（Retscher 和 Thienelt，2004；Retscher 和 Kealy，2006）。因此，學(xué)者們一直在研究基于無線傳感器網(wǎng)絡(luò)（WSN）的綜合導(dǎo)航定位策略。針對(duì)井下采礦設(shè)備和人員的定位和導(dǎo)航提出了綜合定位和導(dǎo)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(shù)量信息 (LQnI) 與基于距離估計(jì)的冗余傳感器信息結(jié)合到加權(quán)質(zhì)心定位技術(shù)中，以改善室內(nèi)定位?；诘箶?shù)平方和（RSS）的冗余距離估計(jì)結(jié)合LQnI方法需要更多的基礎(chǔ)設(shè)施或處理能力，然后可以輕松提高位置估計(jì)的準(zhǔn)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(jì)隧道中車輛的初始位置。采用聯(lián)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?；诮换ナ蕉嘀啬Ｐ偷娜质諗克惴ㄈ诤狭顺醪降奈恢霉烙?jì)結(jié)果和低成本的汽車傳感器數(shù)據(jù)，例如電子羅盤和輪速傳感器讀數(shù)。采用強(qiáng)跟蹤擴(kuò)展卡爾曼濾波算法替代傳統(tǒng)的擴(kuò)展卡爾曼濾波（EKF）算法，用于保證整車運(yùn)行中實(shí)際系統(tǒng)參數(shù)的魯棒性（Song?et al.,2014）。

MacGougan、O'Keefe 和 Klukas (2009) 使用真實(shí)數(shù)據(jù)從理論和實(shí)踐角度評(píng)估了 UWB 的精度和準(zhǔn)確性。

Wang and Li (2017) 結(jié)合 UWB 和 IMU 數(shù)據(jù)，在 NLOS 環(huán)境中通過粒子濾波實(shí)現(xiàn)室內(nèi)定位（圖 4）。基于零速度更新算法，通過對(duì)加速度和角速度進(jìn)行積分得到速度和方向。定位策略是通過將 IMU 信號(hào)作為粒子濾波器的先驗(yàn)信息，以 UWB 觀測(cè)值作為更新權(quán)重的基礎(chǔ)來執(zhí)行的。實(shí)驗(yàn)結(jié)果表明，IMU提供的先驗(yàn)信息可以抑制非視距條件下UWB的觀測(cè)誤差，定位精度可以從單個(gè)UWB系統(tǒng)的1.6 m提高到0.7 m左右。IEEE 802.15.4a 脈沖無線電 UWB 系統(tǒng)實(shí)現(xiàn)了 30 厘米以下的測(cè)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(biāo)簽陣列的概念用于為同時(shí)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(gè)基于傅里葉 tesseral 諧波和基于比較小二乘的位置估計(jì)器的標(biāo)簽接收似然模型，并在地下和室內(nèi)實(shí)驗(yàn)中對(duì)其進(jìn)行了評(píng)估。地下試驗(yàn)的平均誤差低為 20.49 cm，室內(nèi)試驗(yàn)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(xié)同定位策略（圖5），利用礦燈在巷道道岔結(jié)構(gòu)和光照條件差的情況下對(duì)礦工進(jìn)行定位。為準(zhǔn)確檢測(cè)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(jī)位置點(diǎn)與相機(jī)成像平面上相應(yīng)的礦燈投影映射點(diǎn)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(diǎn)來定位礦工。該策略的平面誤差在一次定位測(cè)試中達(dá)到了 0.274 m (Kaiming, Wei, and Ruisong, 2015)。

陳等人。?（2016 年）將車載激光雷達(dá) SLAM 技術(shù)應(yīng)用于煤礦環(huán)境。他們使用激光掃描匹配技術(shù)成功生成了 2D 和 3D 隧道模型，并開發(fā)了一種改進(jìn)的、概率驅(qū)動(dòng)的比較大似然估計(jì)算法，在實(shí)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(tǒng)方法高一個(gè)級(jí)別。

Kai 和 Xianmin (2017) 采用結(jié)合超聲波測(cè)距技術(shù)和雙目機(jī)器視覺圖像處理方法的控制策略來提高地下機(jī)器人的避障精度。超聲波測(cè)距技術(shù)和圖像處理方法分別用于探測(cè)和觀察遠(yuǎn)程障礙物和封閉測(cè)距的形狀?；谏窠?jīng)網(wǎng)絡(luò)的雙目視覺障礙物識(shí)別系統(tǒng)和機(jī)器視覺與圖像處理相結(jié)合的避障策略為井下巡檢機(jī)器人巡檢避障提供了良好的實(shí)驗(yàn)結(jié)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(qū)域車輛的自主定位策略（圖6）。UPC-A碼上設(shè)計(jì)的獨(dú)特條碼標(biāo)簽成對(duì)排列在隧道兩側(cè)的墻壁上，并被兩個(gè)車載視覺傳感器識(shí)別。使用超聲波傳感器檢測(cè)車輛中心與隧道墻左側(cè)之間的距離。使用視覺距離投影模型確定每個(gè)條形碼標(biāo)簽特征框與車輛中心點(diǎn)之間的距離。一旦建立了條碼標(biāo)簽與車輛中心點(diǎn)的空間幾何關(guān)系，得到了車輛中心點(diǎn)在隧道全局坐標(biāo)系中的3D坐標(biāo)。在煤礦隧道自動(dòng)駕駛車輛定位試驗(yàn)中，車輛中心點(diǎn)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(dǎo)航系統(tǒng) (INS) 相結(jié)合，以實(shí)現(xiàn)準(zhǔn)確和連續(xù)的定位，并為室內(nèi)定位提供 1.7 m 的精度。范等人。(2014) 提出了一種基于捷聯(lián) INS (SINS) 和 WSN 耦合的新動(dòng)態(tài)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(duì)采煤機(jī)姿態(tài)和位置的跟蹤性能進(jìn)行了虛擬和實(shí)時(shí)實(shí)驗(yàn)驗(yàn)證，定位精度為0.2 m。

?

基于 WiFi 技術(shù)和 SINS 的定位系統(tǒng)的實(shí)現(xiàn)非常復(fù)雜且難以設(shè)計(jì)。羅（2016）因此提出了一種新的降階十態(tài)變量綜合定位系統(tǒng)（圖8) 和通過結(jié)合微型 IMU 和 WiFi 的簡(jiǎn)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(dǎo)航的移動(dòng)掃描系統(tǒng)進(jìn)行地下測(cè)量任務(wù)的方法。由移動(dòng)掃描系統(tǒng)確定的地下設(shè)備相對(duì)于環(huán)境的位置信息是對(duì)慣性系統(tǒng)獲得的運(yùn)動(dòng)參數(shù)的補(bǔ)充。實(shí)驗(yàn)結(jié)果表明，位置誤差的比較大均方根在0.26 m/515 m以內(nèi)?；诮惦A集成定位系統(tǒng)可實(shí)現(xiàn)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(lián)邦濾波的由立體相機(jī)、IMU和里程表組成的組合導(dǎo)航方法。如圖 9所示，該方法通過分別形成 IMU 里程表和相機(jī)里程表的兩個(gè)子濾波器，提高了系統(tǒng)的定位魯棒性。實(shí)驗(yàn)證明，該方法有效地將移動(dòng)平臺(tái)的導(dǎo)航定位精度提高到0.48 m，即使立體視覺定位系統(tǒng)出現(xiàn)故障，也能實(shí)現(xiàn)連續(xù)定位。

Mascarich等人(2018) 描述的多模態(tài)映射單元將可見光相機(jī)與慣性傳感器緊密同步。實(shí)現(xiàn)了拒絕 GPS、黑暗和視覺退化環(huán)境的密集映射。

基于 VLC 的策略：

已經(jīng)提出了一種基于 EKF 的 VLC 定位和慣性導(dǎo)航融合定位系統(tǒng)（Li, Feng, and Yang, 2017; Li?et al.,?2017），以減少多徑效應(yīng)引起的誤差（圖 10）。系統(tǒng)比較大定位誤差為0.41 m，平均誤差為0.14 m。對(duì)比分析證明，融合系統(tǒng)的定位精度是基于VLC的定位系統(tǒng)的2倍，是INS的4倍。

?

為了降低室內(nèi)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(nèi)定位系統(tǒng)。（2018 年）。采用室內(nèi)LED燈作為定位基站，利用視覺RGB深度（RGB-D）SLAM技術(shù)進(jìn)行2D或3D室內(nèi)測(cè)繪，實(shí)現(xiàn)高精度室內(nèi)定位。

?

定位算法研究進(jìn)展：

根據(jù)定位過程中需要的信息，定位系統(tǒng)中常用的傳感器節(jié)點(diǎn)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(dǎo)航定位系統(tǒng)需要不斷更新信號(hào)處理和定位算法，以滿足高精度定位系統(tǒng)的可靠性和魯棒性要求。近年來出現(xiàn)了新的信號(hào)處理方法和濾波技術(shù)。系統(tǒng)布局和位置估計(jì)如下所述。

信號(hào)處理和濾波技術(shù)：

需要考慮多傳感器導(dǎo)航系統(tǒng)的運(yùn)動(dòng)狀態(tài)約束，以提高定位精度和可靠性。Yang、Gao 和 Zhang (2010) 將狀態(tài)約束應(yīng)用于標(biāo)準(zhǔn)和魯棒卡爾曼濾波器，以生成魯棒卡爾曼濾波器，其中狀態(tài)約束存在于集成導(dǎo)航系統(tǒng)中的多傳感器狀態(tài)之間。理論上已經(jīng)證明，帶約束的卡爾曼濾波器估計(jì)的狀態(tài)向量的協(xié)方差矩陣確實(shí)小于無約束濾波器的協(xié)方差矩陣（Yang、Gao 和 Zhang，2010）。為解決傳統(tǒng)線性卡爾曼濾波策略濾波精度迅速下降甚至發(fā)散的問題，F(xiàn)an?et al.?（2014）通過忽略噪聲先驗(yàn)數(shù)據(jù)的準(zhǔn)確測(cè)量，提出了一種模糊自適應(yīng)卡爾曼濾波器（FAKF）。使用 FAKF 濾波算法的 INS/UWB 系統(tǒng)比動(dòng)態(tài)定位誤差限制在 0.27 m 的傳統(tǒng)卡爾曼濾波器具有更好的穩(wěn)定性和實(shí)時(shí)性（Fan等人，?2014）。

針對(duì)人員和設(shè)備在室內(nèi)運(yùn)動(dòng)過程中非線性和非高斯噪聲的特點(diǎn)，Ruotsalainen等人。（2018）將通過比較大似然法找到的正確錯(cuò)誤概率密度函數(shù)添加到粒子濾波器以構(gòu)建自舉濾波器?；趹T性和視覺傳感器的測(cè)量誤差統(tǒng)計(jì)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(dá)時(shí)間（TOA）的測(cè)距和定位誤差主要受 NLOS 場(chǎng)景中的多徑現(xiàn)象和傳播特性的影響，以及大尺度當(dāng)無法檢測(cè)到直接路徑脈沖時(shí)，錯(cuò)誤很常見。針對(duì)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(jié)合真實(shí)信道分類和卡爾曼濾波的距離緩和算法，以提高室內(nèi)環(huán)境下的距離緩和性能。 NLOS的極端環(huán)境和多徑效應(yīng)。在六種典型的室內(nèi)和地下環(huán)境中比較了 CC-KF 和四種傳統(tǒng) 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(shí)的源差分人工神經(jīng)網(wǎng)絡(luò)將低成本傳感器的導(dǎo)航性能提高了 81%，無論是否有外部輔助源。

系統(tǒng)布置和位置估計(jì)：

通過Wang等人提出的一種新的煤礦井下信標(biāo)節(jié)點(diǎn)布置方法，解決了WSN定位中節(jié)點(diǎn)布局模型精度低、不穩(wěn)定等問題。（2015 年）。與傳統(tǒng)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(jié)點(diǎn)資源。到達(dá)時(shí)間差/到達(dá)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(jié)點(diǎn)之間的到達(dá)時(shí)間信息和到達(dá)角信息組成，用于實(shí)現(xiàn)節(jié)點(diǎn)定位。仿真結(jié)果表明，基于新的節(jié)點(diǎn)布置模型，該算法具有良好的定位精度和穩(wěn)定性，滿足某煤礦定位要求。

Yi, Tao, and Jun (2017)將參與定位的每個(gè)錨節(jié)點(diǎn)接收到的目標(biāo)節(jié)點(diǎn)RSS值之和的倒數(shù)作為權(quán)重因子，在傳統(tǒng)三邊算法的基礎(chǔ)上提出了加權(quán)三邊法。通過采用Grubbs偏差測(cè)試降低卡爾曼濾波器對(duì)脈沖偏差峰值的影響，設(shè)計(jì)了一種混合濾波算法。據(jù)推測(cè)，改進(jìn)后的定位方法與混合濾波算法相結(jié)合，定位精度高達(dá) 0.95 m (Yi, Tao, and Jun, 2017)。

為實(shí)現(xiàn)煤礦動(dòng)臂式掘進(jìn)機(jī)的無人位姿檢測(cè)，F(xiàn)u等人。（2017）設(shè)計(jì)了一個(gè)由四個(gè)UWB定位基站和三個(gè)掘進(jìn)機(jī)定位節(jié)點(diǎn)組成的UWB位姿檢測(cè)系統(tǒng)，并提出了一種基于Caffery變換和泰勒級(jí)數(shù)展開（CTFPA）的融合定位算法?；谙到y(tǒng)TOA定位模型求解機(jī)體三個(gè)姿態(tài)角（航向角、俯仰角和滾轉(zhuǎn)角）（如圖12所示）) 使用每個(gè)基站與節(jié)點(diǎn)之間的 12 組距離測(cè)量信息。UWB P440模塊的測(cè)距精度實(shí)驗(yàn)是在狹窄封閉的隧道中進(jìn)行的。實(shí)驗(yàn)數(shù)據(jù)表明，該模塊的平均誤差和標(biāo)準(zhǔn)差可以達(dá)到 2 cm (Fu?et al.,2017）。結(jié)合采煤機(jī)采煤過程作為非完整約束，Zhang（2017）基于煤炭慣性定位導(dǎo)航系統(tǒng)位姿漂移的非確定性研究，建立了系統(tǒng)定位閉合路徑比較優(yōu)誤差補(bǔ)償模型。采煤機(jī)。建立系統(tǒng)定位閉合路徑的比較優(yōu)誤差補(bǔ)償模型，將慣性導(dǎo)航系統(tǒng)的定位精度提高近50%（Zhang，2017）。

?

總結(jié)和未來研究：

介紹了地下定位導(dǎo)航技術(shù)的新研究進(jìn)展，總結(jié)了近期提出的綜合導(dǎo)航策略和定位方法。由于非視距現(xiàn)象、多徑效應(yīng)和墻體干擾，地下信號(hào)的傳播會(huì)遭受嚴(yán)重的衰減、反射干擾和環(huán)境敏感性。目前單一的導(dǎo)航定位技術(shù)無法滿足煤礦定位的要求?；诙鄠鞲衅魅诤虾蜔o外部節(jié)點(diǎn)信息的獨(dú)立導(dǎo)航系統(tǒng)的地下定位技術(shù)對(duì)于提高地下導(dǎo)航定位系統(tǒng)的精度和魯棒性極具前景。

?

致謝

本工作得到國家自然科學(xué)基金（No.51975570）、徐州市科技成果轉(zhuǎn)化計(jì)劃（KC20203）、江蘇省高等學(xué)校學(xué)術(shù)拔尖計(jì)劃項(xiàng)目（TAPP）和國家科技部資助項(xiàng)目的資助。江蘇省高等學(xué)校優(yōu)先學(xué)術(shù)項(xiàng)目發(fā)展（PAPD）。

來源：https://www.zhongduokeji.cn/teamview_6489096.html