井下蓄电池无轨胶轮车无人驾驶系统设计研究

井下蓄电池无轨胶轮车无人驾驶系统设计研究

王永飞

国电建投内蒙古能源有限公司察哈素煤矿 内蒙古自治区鄂尔多斯市 017200

摘要：由于防爆柴油无轨胶轮车污染严重、能效低，已逐渐被逐渐发展起来的防爆电池无轨胶轮车取代。而且无人驾驶技术需要安装和使用更多的电气元件，改造目标是让电动车更好的解决内部供电和机械系统改造的问题。如今，无人驾驶技术在地面上得到广泛应用，其高效、安全的特点已经在各个领域得到了实际应用。

关键词：无轨胶轮车；井下巷道；无人驾驶；模型预测；

无轨胶轮车是矿井辅助运输系统中的一种重要形式，根据动力源的不同主要可分为防爆柴油机和防爆电机两种驱动方式。蓄电池无轨胶轮车以其清洁、高效、体积小的优势，将是未来井下无轨运输车辆的主要发展方向。无轨胶轮车在井下工作时面临着工作环境恶劣、照明不充分、运输道路复杂等问题，以至于人员驾驶的车辆充满着诸多不确定性，导致事故率居高不下。无人驾驶具有井下运输系统迫切需求的安全、高效特点，在路面车辆上的应用已逐渐趋于成熟，但是针对煤矿井下无人驾驶技术的研究整体仍处于起步阶段。

一、巷道行驶路径识别处理

图像处理。灰度化处理。由于井下光照较为不足，拍摄图像多为黑灰色，彩色图片提供的信息量有限，反而会增加处理时计算量进而减慢处理速度，所以在摄像机拍摄得到图片后首先进行灰度化处理。一般彩色图片中的颜色是由红黄蓝三原色组成，彩色图片存储信息量是黑白的三倍，彩色图像数字化时可将其划分为0～.255共256个级别，其中0是全黑，255是全亮。红外线信号处理。无人驾驶方案在车辆顶部布置双排红外传感器对顶部设置好的白色轨迹线进行路径识别循迹。由于在安装时将前排红外传感器向前倾斜15°，能够预先得知前方路径的信息，继而对车辆行驶位置与行驶姿态进行实时掌控。在循迹过程中会遇到多种情况，根据轨迹线识别效果对自身运行姿态进行调整，需要在面对不同情况下能够直接识别前方路况和车辆姿态，综合考虑后，根据井下巷道环境循迹情况一共可分为如下图1所示的a到e这五种。

图1五种红外线循迹情况

首先，a情况代表前排与后排红外传感器接收到的信号均是中间两个传感器被轨迹线反射而回的，所以代表车辆行驶在巷道的正中央部分，是在没有干扰条件下最佳行驶状态；而b和c情况均代表车辆前后均偏移巷道中心，说明车辆正在弯道中行驶，可通过传感器的状态实时调整车辆姿态，使红外传感器接收到信号能够更加趋于a情况；d和e情况则可能表示两种可能性：其一为前方是弯道，需要车辆转弯处理，其二为车辆受颠簸或其他因素干扰而偏移中心，需要车辆进行校正。所以在d和e情况下可通过结合摄像头与激光雷达传感器对前方路况识别统一判断，通过这样多方式的结合能够保证车辆在正常行驶中不会驶离轨迹。

二、巷道行驶障碍物识别处理

1.障碍物激光雷达传感器检测。无人驾驶无轨胶轮车在巷道行驶工作时，需要能够实时检测周围的道路与环境情况，能够在发现车辆或工作人员等障碍物时控制车辆制动或转向，保证井下人员的人身安全与车辆的行驶安全。本无人驾驶方案对于障碍物的识别需要依靠车身上三种传感器即摄像头、激光雷达及超声波协同判断，而根据实际的巷道路况使用激光雷达传感器时可以将障碍物的识别分为直行、左转、右转三种情况。直行状态。车辆在巷道直行时，一般只需要对前方障碍物进行识别处理，超声波传感器对于两侧物体只需要起到预警及防止车辆剐蹭到巷道壁与行人的作用。

2.摄像头对于障碍物检测。摄像头对障碍物的检测同样需要图像处理，提取需要的感兴区域，对于其他部分忽略，大大减少无人驾驶系统在行驶时整体的处理时间，更好保证了系统实时性。首先依据障碍物与周围环境灰度值的不同使用阈值分割法进行区域划分，再保留含有障碍物的感兴区域，并平滑处理后，将其他部分灰度值变为0。能够对区别于路面灰度值的障碍物进行提取。再根据激光雷达对前方障碍物扫描后传输数据，对障碍物位置与大小设定相应的固定阈值以对于障碍物部分进行更精确的提取检测，就得到障碍物所处位置与大小信息，再将信息传递到车辆的控制系统中进行路径决策规划，继而根据情况选择行驶命令。

三、基于模型预测算法的路径规划控制器设计

1.模型预测算法。模型预测算法属于一种优化控制算法，是目前各大智能车辆研究机构研究无人驾驶轨迹跟踪控制所使用较多且效果良好的算法。该算法能够很大程度上实现轨迹的提前预测和跟踪。该算法同样遵循预测模型、滚动优化以及反馈校正这些基本算法原理，（1）预测模型。预测模型是该算法的基础核心，该功能能够根据被控系统当前状态，累加上未来需要控制的变量，就可以对系统未来的状态进行预测。预测模型的形式较为多变，可根据被控系统与预测状态量的不同选择不同的模型，根据路径规划的空间特性，选择了状态空间模型预测来对轨迹进行规划设计。（2）滚动优化。优化能够大大提高算法的准确性与稳定性，预测控制算法相对于传统不变全局优化采用了具有滚动性的优化方式，该过程是不断在线进行的，在每个有限时域中求解出该时域中的最优控制率，始终在现有基础上建立新优化模型，能够的提升对未来模型预测的精确性以及减小实际不确定性造成的模型失稳。

2.设计轨迹跟踪控制器。预测模型控制算法搭建是整个无人驾驶系统实现对轨迹的实时跟踪基础，基于第二章井下无人驾驶要求，需要通过模型预测得到来车辆前方路径方向，所以需要使用状态空间模型控制形式。设计轨迹跟踪控制器需要先建立线性误差模型，再设计目标函数，最后根据实际行驶要求对控制器添加车辆动力学约束这三个步骤。对目标函数设计。在未来需要预测时域内的状态量可通过现在状态量加上控制时域内的控制增量计算得到。状态量相对较为容易得到，一般通过传感器对车辆行驶状态进行计算转换即可，而系统的控制增量是难以直接或间接得到的，需要预先设定好合理的优化目标，再根据该目标函数进行计算，得到最优的控制增量，最后加入未来预测时域计算中。设定目标函数的意义在于使得系统在对未来时域持续预测中具有更高的精确性并保证当前车辆行驶的稳定性。

3.设计带有规划层的轨迹跟踪控制器。井下无人驾驶无轨胶轮车常规执行行驶任务只需要按照预定轨迹进行行驶即可，此时只需轨迹跟踪控制器就可实现功能。然而井下行驶情况经常有变化，若是前方有其他障碍物阻挡，就需要无人驾驶车辆能够重新规划路径，自主绕开障碍物。而在轨迹跟踪控制器的基础上加入局部规划层，使得车辆在遇障碍时能再规划出一条绕开障碍物的新路径，并将之导入跟踪控制器中来实现全局化的路径跟踪。

总之，结合井下巷道实际工况与无轨胶轮车设计标准，制定出井下无人驾驶系统基本要求和结构；根据工况合理选用并安装传感器组成感知系统，并对车辆的控制系统与执行系统相应改造，构建出无人驾驶整车系统；通过多传感器融合的方式解决车辆在巷道行驶中遇到的循迹和避障难题，并基于模型预测的路径规划算法，设计出整车无人系统的控制策略。

参考文献：

[1]王燕.浅谈无轨胶轮车辅助运输.2017.

[2]刘凡.井下蓄电池无轨胶轮车无人驾驶系统设计.2019.