露天煤矿无人驾驶矿卡安全冗余设计与研究

针对矿卡无人驾驶的运行安全问题,以矿卡的角度,分析了矿卡无人驾驶系统架构,设计了无人驾驶矿卡安全冗余整体框架。在此基础上,针对线控系统,进行了双控制器、双通信总线、多传感器和多执行套件的安全冗余设计方法;针对车载无人驾驶系统,进行了硬件、软件和作业安全的安全冗余设计。通过合理的安全冗余设计和安全冗余控制策略,可以确保矿卡能够安全、可靠地工作,防止故障发生,提高矿山生产效率和安全性,降低生产成本。

基于深度学习的井工矿车道线检测算法

针对在井工矿辅助运输装备作业复杂环境下,传统车道线检测算法精度低、鲁棒性差等问题,文章提出一种基于深度学习的井工矿车道线检测算法,采用UFLD行索引车道线检测算法,并根据井下实际道路场景,自定义标注车道线规则,建立一种涵盖非结构道路下的车道线数据集,从而实现对井下非结构性道路的车道线检测任务。相较于传统车道线检测算法,该算法充分利用了深度学习中先验知识的有效信息,实现了对不同道路场景下的车道线检测任务的兼容性。通过分析基于自建数据集模型训练及检测指标的评估结果表明,该算法提高了对井下车辆车道线检测任务的能力,为井下辅助运输车辆智能驾驶系统的高阶功能应用奠定了基础,且在提高检测精度的同时,保证了其在检测非结构车道场景车道线任务中的鲁棒性,并通过TensorRT架构进行模型推理加速及部署,验证了其在井工矿场景的有效性和工程化部署的可行性。

基于LQR控制和姿态预测的井下无人矿车路径跟踪研究

在新的时代背景下,智能技术已经成为井下无人矿车发展的主要趋势,路径跟踪控制技术是实现井下无人矿车智能化的关键,也是亟待解决的无人驾驶难题。为了进一步促进井下无人矿车的发展,文章从数学模型和轨迹跟踪控制方法两个方面描述了如何实现井下无人驾驶矿车的自动运行功能,并着重研究了LQR控制器的路径跟踪控制方法。基于这一研究基础,采用松鼠搜索优化算法对LQR控制器的参数进行优化,得到了LQR控制器的最优解。最后构建仿真环境进行模拟,结果显示实际路径与理想路径呈现较大程度拟合,说明这是一种可行的井下无人矿车路径跟踪控制的实现方案。