基于边云协同的井下无人电机车遇障调控系统设计

为了保障煤矿井下无人电机车的运输安全、解决无人驾驶云计算工作模式下的计算资源缺乏和网络通信延时等问题,提出了边云协同的井下无人电机车遇障调控系统。采用以MobileNet为骨干网络的改进SSD目标检测模型对井下障碍物进行检测。当检测出前方道路存在障碍物时,根据障碍物与车辆之间的距离,利用遗传算法(GA)优化的PID控制实现对车速的精确快速调节。实验结果表明,该系统适用于煤矿井下的运输环境,可顺利执行障碍物的实时检测,并依据电机车与障碍物的距离快速做出调速和控制决策,具有很高的应用价值。

煤矿井下人车联动控制系统

为保障煤矿井下无人运输车辆行驶过程中巷道内人员的安全,提出了一种煤矿井下人车联动控制系统。使用深度可分离卷积网络代替YOLOv3目标检测模型的DarkNet-53特征提取网络,提高目标检测的实时性,并根据上采样与特征金字塔网络的思想,扩大特征图尺度,保证目标检测的精度;使用改进的YOLOv3目标检测模型在车辆行驶时对井下人员进行检测,依据人员与车辆之间的距离,利用遗传算法优化的PID控制实现车辆速度快速、精确调节。实验结果表明,该系统可快速检测人员目标,并根据人员与车辆之间的距离快速控制车辆速度,具有较高的可靠性。

基于空间模型预测控制的矿井车辆避障控制器的研究

针对矿井车辆在巷道实时避障过程中参考轨迹的平滑性问题以及在轨迹跟踪过程中转向角突然变化对矿井车辆结构和转向部件造成损伤问题,设计了1种改进的基于空间模型预测控制(SMPC)算法的矿井车辆避障控制器。该设计结合模型预测控制原理和曲线坐标系,将笛卡尔坐标系下的基于时间t的车辆运动学模型转换成曲线坐标系下基于空间s的偏差模型,采用泰勒线性化处理和欧拉法离散,推导出矿井车辆偏差模型的预测方程;在轨迹跟踪部分建立目标函数优化车辆转向曲率的一阶、二阶导数和横向位移偏差值,在轨迹重规划部分建立目标函数优化横向偏差值及其一阶、二阶导数,并结合障碍物信息和巷道边界信息设置边界函数;将目标函数转换为二次规划问题求解最优控制序列。模拟井下巷道环境搭建仿真平台,对本文提出的矿井车辆避障控制器进行实时仿真验证。结果表明,改进后的控制器在轨迹跟踪方面能够保证车辆与参考轨迹之间的横向位移偏差控制在0.2 m以内,航向角偏差控制在0.09 rad以内;与传统的MPC控制算法相比,改进后的控制器具有更加优秀的精确性和平稳性;在实时避障方面,控制器控制性能会受到道路曲率的影响,但无论是在单个障碍物还是连续多个障碍物情况下,车辆都能够避开障碍物,获得平滑的转向输入和平滑、精确的行驶轨迹。