CN114545933A - 一种煤矿井下电机车无人驾驶系统及方法 - Google Patents
一种煤矿井下电机车无人驾驶系统及方法 Download PDFInfo
- Publication number
- CN114545933A CN114545933A CN202210110136.2A CN202210110136A CN114545933A CN 114545933 A CN114545933 A CN 114545933A CN 202210110136 A CN202210110136 A CN 202210110136A CN 114545933 A CN114545933 A CN 114545933A
- Authority
- CN
- China
- Prior art keywords
- locomotive
- base station
- vehicle
- wireless base
- dispatching center
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000003137 locomotive effect Effects 0.000 title claims abstract description 246
- 239000003245 coal Substances 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 59
- 238000004891 communication Methods 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 11
- 239000013307 optical fiber Substances 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 13
- 230000004888 barrier function Effects 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61C—LOCOMOTIVES; MOTOR RAILCARS
- B61C3/00—Electric locomotives or railcars
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明提供煤矿井下电机车无人驾驶系统及方法,属于机电运输技术领域,所述系统包括与网络通信平台连接的地面控制调度中心、机车运输监控模块及车载控制模块;网络通信平台,用于各模块与地面控制调度中心连接;地面控制调度中心,获取机车运输监控模块上传的井下设备状态、机车及路况信息,并向车载控制模块下发机车控制调度指令;车载控制模块,根据地面控制调度中心下发的机车控制调度指令指挥机车运行,或者在脱网状态下根据机车运输监控模块获取的井下设备状态、机车及路况信息指挥机车运行。本发明进行井下精确定位、对视频图像进行处理,实现井下机车安全运调,结合机车变频控制最终实现机车无人驾驶。
Description
技术领域
本发明属于机电运输技术领域,具体涉及一种煤矿井下电机车无人驾驶系统及方法。
背景技术
现有煤矿井下的辅助运输系统的移动目标分散,机车行车规律性差,多为矸石车、物料车、空车及空机头进行作业任务。现有煤矿井下的物料运输通常无明显的时间限制,各车的行车路线不固定,且每列车司机单点作业,经常会出现随意停放物料车皮的现象,从而造成运输轨道区段被长时间占用,其它车辆经过时需人工判断临时避让。现有的技术手段无法实现规则化、程序化和可统筹调度的有机整体行车控制方式;另外,现有轨道运输系统还配有大量的辅助运输服务岗位:司机、押车工、调度员,生产运转效率低下,成本开支巨大。
此为现有技术的不足,因此,针对现有技术中的上述缺陷,提供一种煤矿井下电机车无人驾驶系统及方法,是非常有必要的。
发明内容
针对现有技术的上述现有煤矿井下运输系统移动目标分散,机车行车规律性差,无法实现规则化、程序化及可统筹调度的有机整体行车控制方式,并辅助运输岗位多,成本大的缺陷,本发明提供一种煤矿井下电机车无人驾驶系统及方法,以解决上述技术问题。
第一方面,本发明提供一种煤矿井下电机车无人驾驶系统,包括地面控制调度中心、网络通信平台、机车运输监控模块以及车载控制模块;
地面控制调度中心、机车运输监控模块及车载控制模块均与网络通信平台连接;网络通信平台,用于各模块与地面控制调度中心的连接;
机车运输监控模块与车载控制模块连接;
地面控制调度中心,获取机车运输监控模块上传的井下设备状态、机车及路况信息,并向车载控制模块下发机车控制调度指令;
车载控制模块,根据地面控制调度中心下发的机车控制调度指令指挥机车运行,或者在脱网状态下根据机车运输监控模块获取的井下设备状态、机车及路况信息指挥机车运行。车载控制模块通过变频控制指挥机车运行。
进一步地,地面控制调度中心包括远控操作台、视频服务器、通信服务器、联锁主机以及调度管理机。
进一步地,网络通信平台包括有线网络单元和无线网络单元;
有线网络单元包括核心交换机及若干光纤基站;
核心交换机与各光纤基站通过光纤连成环网;
核心交换机与地面控制调度中心通过有线网络连接,各光纤基站与无线网络单元连接;
无线网络单元包括若干固定无线基站,各固定无线基站均设置于井下,并与对应距离最近的光纤基站通过无线网络连接。网络通信平台具有VLAN划分及流量控制功能,确保系统的传输带宽要求,可以控制视频及车载控制模块数据的带宽。
进一步地,机车运输监控模块包括机车定位单元;
机车定位单元包括定位控制器和若干移动无线基站;
各移动无线基站分别设置于对应机车顶部,移动无线基站随机车行进过程中与各固定无线基站通过先连接后断开的方式进行切换连接;
移动无线基站定时向固定无线基站发送定位请求信号,固定无线基站接收到定位请求信号向移动无线基站发送返回信号,定位控制器根据定位请求信号与返回信号计算各固定无线基站间距离,再根据定位算法计算移动无线基站的位置信息,进而进行机车的精确定位,并将机车定位结果提供给车载控制模块以及上传到地面控制调度中心。先断开后连接的方式为软切换双流通信模式,确保机车运输在运行过程中无线通信网络的安全,使得机车与地面控制调度中心数据通信无缝切换。煤矿井下采用UWB定位算法对井下机车进行精确定位,定位精度及刷新速度高,实现10cm以内的定位精度,抗多径效应好,适用于井下粉尘及潮湿环境,且成本低,施工难度低。
进一步地,煤矿井下区域划分为若干分区,每个分区内有一个固定无线基站;
移动无线基站随机车行进过程中依次穿过各分区,并与对应各分区的固定无线基站建立连接;
当机车由第一分区进入第二分区时,对应移动无线基站先与第二分区的固定无线基站建立连接,再与第一分区的固定无线基站断开连接。先断开后连接的通信方式使得高清图像传输能力达15帧/秒,机车与地面控制调度中心数据通信周期在0.3秒,车载的障碍物识别能力为10帧/秒。
进一步地,煤矿井下区域的机车运行轨道上设置有转辙机和计轴器;
机车运行轨道侧设置有信标器和信号机;
地面控制调度中心对计轴器、信号机以及转辙机进行联锁控制,实现区间联锁和敌对进路联锁;
机车运输监控模块通过机车定位单元对机车位置、车号、信号机以及道岔进行监控,并上传到地面控制调度中心;
地面控制调度中心,还用于根据物料调配计生成机车运输任务计划,授权机车的车载控制模块自主驾驶运行。本发明实现机车运输调度和信号指挥作用。
进一步地,机车运输监控模块包括障碍物识别单元;
障碍物识别单元包括识别控制器、摄像头和激光雷达;
识别控制器通过摄像头获取机车轨道边缘及行人障碍物的视频图像信息,并通过Hough变化算法及极角极径约束算法对视频图像信息进行分析生成视频图像样本;
识别控制器创建SVM参数模型,并使用视频图像样本对SVM参数模型进行训练,得到SVM训练模型,并使用SVM训练模型对摄像头实时获取的视频图像样本进行分析,判断检测窗口内视频图像样本是否含有行人或障碍物,并在含有行人或障碍物时,通过激光雷达获取行人或障碍物距离信息,并将行人、障碍物以及距离信息提供给车载控制模块,以及上传到地面控制调度中心。障碍物识别单元融合神经网络深度学习技术,利用深度卷积神经网络多层非线性结构的特性对视频目标进行整体建模,实现了具有照度自适应,摄像头镜头防抖动功能,可在矿井低照度、振动工况环境下的多目标视频图像识别、跟随目标障碍物,并对目标障碍物进行判断。障碍物识别不依赖于地面控制调度中心,在脱网状态下,车载控制模块仍可以通过图像识别、精确位置数据的多源包括激光及微波雷达的信息融合,并进行特征匹配处理,完成机车对井下巷道周界环境的全方位立体化感知,从而实现了真正意义上的电机车无人驾驶。
进一步地,车载控制模块设有遥控接口,遥控接口连接有手持式遥控终端;
手持式遥控终端设置在运输起点、终点、车场及料场处;
车载控制模块判断机车控制工作模式,当工作模式为遥控模式时,接收手持式遥控终端的控制信号,当工作模式为干线运输模式,接收地面控制调度中心的机车控制调度指令指挥机车运行。遥控模式适用于运输起点、终点、车场及料场处需要人采用的作业环节;而干线运输模式则实现井下巷道封闭化管理。
第二方面,本发明提供一种煤矿井下电机车无人驾驶方法,包括如下步骤:
S1.组建网络通信平台,建立地面控制调度中心与车载控制模块及机车运输监控模块的连接;
S2.机车运输监控模块通过网络通信平台向地面控制调度中心上传井下设备状态、机车及路况信息;
S3.地面控制调度中心向车载控制模块下发控制调度指令;
S4.车载控制模块根据控制调度指令指挥机车运行,或者在脱网状态下根据机车运输监控模块获取的井下设备状态、机车及路况信息指挥机车运行。
进一步地,步骤S1具体步骤如下:
S11.通过光纤连接核心交换机与各光纤基站,形成环网;
S12.设置地面控制调度中心与核心交换机连接;
S13.设置各光纤基站与对应一个分区的固定无线基站连接;
S14.设置于机车上的移动无线基站与固定无线基站通过无线网络连接;
S15.车载控制模块和机车运输监控模块均通过移动无线基站建立与网络通信平台的连接,进而与地面控制调度中心连接;
步骤S2具体步骤如下:
S21.机车运输监控模块的机车定位单元通过移动无线基站定时向固定无线基站发送定位请求信号,再接收固定无线基站发送的返回信号;
S22.定位控制器根据定位请求信号与返回信号计算各固定无线基站间距离,再根据定位算法计算移动无线基站的位置信息,进而进行机车的精确定位,并将机车定位结果提供给车载控制模块以及上传到地面控制调度中心;
S23.机车运输监控模块的障碍物识别单元通过摄像头获取机车轨道边缘及行人障碍物的视频图像信息;
S24.识别控制器通过Hough变化算法及极角极径约束算法对视频图像信息进行分析生成视频图像样本,并创建SVM参数模型,再使用视频图像样本对SVM参数模型进行训练,得到SVM训练模型;
S25.识别控制器使用SVM训练模型对摄像头实时获取的视频图像样本进行分析,判断检测窗口内视频图像样本是否含有行人或障碍物,并在含有行人或障碍物时,通过激光雷达获取行人或障碍物距离信息,并将行人、障碍物以及距离信息提供给车载控制模块,以及上传到地面控制调度中心。
进一步地,步骤S3具体步骤如下:
S31.判断机车控制工作模式;
当机车控制工作模式为遥控模式时,进入步骤S32;
当机车控制工作模式为干线运输模式时,进入步骤S33;
S32.手持式遥控终端向车载控制模块发送控制信号,进入步骤S4;
S33.地面控制调度中心向车载控制模块下达控制调度指令;
步骤S4具体步骤如下:
S41.车载控制模块判断工作模式;
当工作模式为遥控模式时,进入步骤S42;
当工作模式为干线运输模式时,进入步骤S43;
S42.车载控制模块根据手持式遥控终端发送的控制信号指挥机车运行,结束;
S43.车载控制模块判断是否能获取到地面控制调度中心指令;
若是,进入步骤S44;
若否,进入步骤S45;
S44.车载控制模块根据地面控制调度中心下达的控制调度指令指挥机车运行,结束;
S45.车载控制模块根据机车运输监控模块获取的井下设备状态、机车及路况信息指挥机车运行。
本发明的有益效果在于:
本发明提供的煤矿井下电机车无人驾驶系统及方法,通过机车定位单元进行井下精确定位、通过障碍物识别单元对视频图像进行处理,通过地面调度控制中心实现井下机车安全运调,结合机车变频控制实现机车无人驾驶。
此外,本发明设计原理可靠,结构简单,具有非常广泛的应用前景。
由此可见,本发明与现有技术相比,具有突出的实质性特点和显著的进步,其实施的有益效果也是显而易见的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明煤矿井下电机车无人驾驶系统的网络拓扑示意图。
图2是本发明煤矿井下电机车无人驾驶系统的连接示意图。
图3是本发明煤矿井下电机车无人驾驶方法的实施例3流程示意图。
图4为本发明煤矿井下电机车无人驾驶方法的实施例4流程示意图。
图中,1-地面控制调度中心;2-网络通信平台;3-机车运输监控模块;4-车载控制模块;5-远控操作台;6-视频服务器;7-通信服务器;8-联锁主机;9-调度管理机;10-核心交换机;11-光纤基站;12-固定无线基站;13-移动无线基站;14-机车;15-机车运行轨道;16-转辙机;17-计轴器;18-信标器;19-信号机;20-摄像头。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
实施例1:
如图1和图2所示,本发明提供一种煤矿井下电机车无人驾驶系统,包括地面控制调度中心1、网络通信平台2、机车运输监控模块3以及车载控制模块4;
地面控制调度中心1、机车运输监控模块3及车载控制模块4均与网络通信平台2连接;网络通信平台2,用于各模块与地面控制调度中心1的连接;
机车运输监控模块3与车载控制模块4连接;
地面控制调度中心1,获取机车运输监控模块3上传的井下设备状态、机车及路况信息,并向车载控制模块4下发机车控制调度指令;
车载控制模块4,根据地面控制调度中心1下发的机车控制调度指令指挥机车14运行,或者在脱网状态下根据机车运输监控模块3获取的井下设备状态、机车及路况信息指挥机车14运行。
实施例2:
如图1和图2所示,本发明提供一种煤矿井下电机车无人驾驶系统,包括地面控制调度中心1、网络通信平台2、机车运输监控模块3以及车载控制模块4;
地面控制调度中心1、机车运输监控模块3及车载控制模块4均与网络通信平台2连接;网络通信平台2,用于各模块与地面控制调度中心1的连接;
机车运输监控模块3与车载控制模块4连接;
地面控制调度中心1,获取机车运输监控模块3上传的井下设备状态、机车及路况信息,并向车载控制模块4下发机车控制调度指令;
车载控制模块4,根据地面控制调度中心1下发的机车控制调度指令指挥机车14运行,或者在脱网状态下根据机车运输监控模块3获取的井下设备状态、机车及路况信息指挥机车14运行;
地面控制调度中心1包括远控操作台5、视频服务器6、通信服务器7、联锁主机8以及调度管理机9;
网络通信平台2包括有线网络单元和无线网络单元;
有线网络单元包括核心交换机10及若干光纤基站11;
核心交换机10与各光纤基站11通过光纤连成环网;
核心交换机10与地面控制调度中心1通过有线网络连接,各光纤基站11与无线网络单元连接;
无线网络单元包括若干固定无线基站12,各固定无线基站12均设置于井下,并与对应距离最近的光纤基站11通过无线网络连接;
机车运输监控模块3包括机车定位单元;
机车定位单元包括定位控制器和若干移动无线基站13;
各移动无线基站13分别设置于对应机车14顶部,移动无线基站13随机车14行进过程中与各固定无线基站12通过先连接后断开的方式进行切换连接;
移动无线基站13定时向固定无线基站12发送定位请求信号,固定无线基站12接收到定位请求信号向移动无线基站13发送返回信号,定位控制器根据定位请求信号与返回信号计算各固定无线基站12间距离,再根据定位算法计算移动无线基站13的位置信息,进而进行机车14的精确定位,并将机车定位结果提供给车载控制模块4以及上传到地面控制调度中心1;
煤矿井下区域划分为若干分区,每个分区内有一个固定无线基站12;
移动无线基站12随机车14行进过程中依次穿过各分区,并与对应各分区的固定无线基站12建立连接;
当机车14由第一分区进入第二分区时,对应移动无线基站12先与第二分区的固定无线基站12建立连接,再与第一分区的固定无线基站12断开连接;
煤矿井下区域的机车运行轨道15上设置有转辙机16和计轴器17;
机车运行轨道15侧设置有信标器18和信号机19;
地面控制调度中心1对计轴器17、信号机19以及转辙机16进行联锁控制,实现区间联锁和敌对进路联锁;
机车运输监控模块3通过机车定位单元对机车14位置、车号、信号机19以及道岔进行监控,并上传到地面控制调度中心1;
地面控制调度中心1,还用于根据物料调配计生成机车运输任务计划,授权机车14的车载控制模块4自主驾驶运行;
机车运输监控模块3包括障碍物识别单元;
障碍物识别单元包括识别控制器、摄像头20和激光雷达;
识别控制器通过摄像头20获取机车轨道15边缘及行人障碍物的视频图像信息,并通过Hough变化算法及极角极径约束算法对视频图像信息进行分析生成视频图像样本;
识别控制器创建SVM参数模型,并使用视频图像样本对SVM参数模型进行训练,得到SVM训练模型,并使用SVM训练模型对摄像头20实时获取的视频图像样本进行分析,判断检测窗口内视频图像样本是否含有行人或障碍物,并在含有行人或障碍物时,通过激光雷达获取行人或障碍物距离信息,并将行人、障碍物以及距离信息提供给车载控制模块4,以及上传到地面控制调度中心1;
车载控制模块4设有遥控接口,遥控接口连接有手持式遥控终端;
手持式遥控终端设置在运输起点、终点、车场及料场处;
车载控制模块4判断机车控制工作模式,当工作模式为遥控模式时,接收手持式遥控终端的控制信号,当工作模式为干线运输模式,接收地面控制调度中心1的机车控制调度指令指挥机车运行。
上述实施例2中,机车运输监控模块3的机车定位单元采用UWB定位算法,UWB定位算法为基于到达时间定位法TOA为基础的扩展基于飞行时间的双向测距法TW-TOF;
当作为发射点的移动无线基站在T0时刻发射信号,作为接收端的固定无线基站在T1时刻接收到信号,并在T2时刻返回信号,信号到达移动无线基站的时间为T3。这样,移动无线基站发射端与固定无线基站的距离为:
L0=[(T3-T2)+(T1-T0)]/2V0;
式中V0为电磁波在介质中传播的速度,一般计算时我们都以真空中光速c来代替;这样,我们可以通过作为动节点移动无线基站发射有规律的定位请求信号来计算与各个作为固定节点的固定无线基站之间的距离,然后再通过定位算法来计算作为动节点的移动无线基站的位置信息,从而实现井下机车的精确定位;
机车运输监控模块3的障碍物识别单元进行视频图像分析及激光雷达扫描;
通过Hough变换算法、SVM算法识别轨道边缘以及行人障碍物,在传统Hough变换基础上提出了极角极径约束法来提高检测速度和精度,引入卷积神经网络;并将SVM算法和Adaboost算法进行对比,平均检测率提高了15%,达到96%以上;SVM算法,为支持向量机的非线性算法,Adaboost是一种迭代算法,其核心思想是针对同一个训练集训练不同的分类器;
SVM算法模型的分类器的训练就是通过正负样本确定分类器参数的过程,首先要选取制作正负样本图像;然后提取正负样本图像的特征,将检测窗口以16像素为步长在行人检测区域内滑动,每滑动一次,都提取该位置检测窗口内的162维特征向量,并将其带入SVM训练模型判别表达式中,根据表达式的输出值判定检测窗口内是否包含行人,若输出值为正,表示检测窗口内包含行人;再将处理结果发送给车载控制模块4。
实施例3:
如图3所示,本发明提供一种煤矿井下电机车无人驾驶方法,包括如下步骤:
S1.组建网络通信平台,建立地面控制调度中心与车载控制模块及机车运输监控模块的连接;
S2.机车运输监控模块通过网络通信平台向地面控制调度中心上传井下设备状态、机车及路况信息;
S3.地面控制调度中心向车载控制模块下发控制调度指令;
S4.车载控制模块根据控制调度指令指挥机车运行,或者在脱网状态下根据机车运输监控模块获取的井下设备状态、机车及路况信息指挥机车运行。
实施例4:
如图4所示,本发明提供一种煤矿井下电机车无人驾驶方法,包括如下步骤:
S1.组建网络通信平台,建立地面控制调度中心与车载控制模块及机车运输监控模块的连接;具体步骤如下:
S11.通过光纤连接核心交换机与各光纤基站,形成环网;
S12.设置地面控制调度中心与核心交换机连接;
S13.设置各光纤基站与对应一个分区的固定无线基站连接;
S14.设置于机车上的移动无线基站与固定无线基站通过无线网络连接;
S15.车载控制模块和机车运输监控模块均通过移动无线基站建立与网络通信平台的连接,进而与地面控制调度中心连接;
S2.机车运输监控模块通过网络通信平台向地面控制调度中心上传井下设备状态、机车及路况信息;具体步骤如下:
S21.机车运输监控模块的机车定位单元通过移动无线基站定时向固定无线基站发送定位请求信号,再接收固定无线基站发送的返回信号;
S22.定位控制器根据定位请求信号与返回信号计算各固定无线基站间距离,再根据定位算法计算移动无线基站的位置信息,进而进行机车的精确定位,并将机车定位结果提供给车载控制模块以及上传到地面控制调度中心;
S23.机车运输监控模块的障碍物识别单元通过摄像头获取机车轨道边缘及行人障碍物的视频图像信息;
S24.识别控制器通过Hough变化算法及极角极径约束算法对视频图像信息进行分析生成视频图像样本,并创建SVM参数模型,再使用视频图像样本对SVM参数模型进行训练,得到SVM训练模型;
S25.识别控制器使用SVM训练模型对摄像头实时获取的视频图像样本进行分析,判断检测窗口内视频图像样本是否含有行人或障碍物,并在含有行人或障碍物时,通过激光雷达获取行人或障碍物距离信息,并将行人、障碍物以及距离信息提供给车载控制模块,以及上传到地面控制调度中心;
S3.地面控制调度中心向车载控制模块下发控制调度指令;具体步骤如下:
S31.判断机车控制工作模式;
当机车控制工作模式为遥控模式时,进入步骤S32;
当机车控制工作模式为干线运输模式时,进入步骤S33;
S32.手持式遥控终端向车载控制模块发送控制信号,进入步骤S4;
S33.地面控制调度中心向车载控制模块下达控制调度指令;
S4.车载控制模块根据控制调度指令指挥机车运行,或者在脱网状态下根据机车运输监控模块获取的井下设备状态、机车及路况信息指挥机车运行;具体步骤如下:
S41.车载控制模块判断工作模式;
当工作模式为遥控模式时,进入步骤S42;
当工作模式为干线运输模式时,进入步骤S43;
S42.车载控制模块根据手持式遥控终端发送的控制信号指挥机车运行,结束;
S43.车载控制模块判断是否能获取到地面控制调度中心指令;
若是,进入步骤S44;
若否,进入步骤S45;
S44.车载控制模块根据地面控制调度中心下达的控制调度指令指挥机车运行,结束;
S45.车载控制模块根据机车运输监控模块获取的井下设备状态、机车及路况信息指挥机车运行。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述,但本发明并不限于此。在不脱离本发明的精神和实质的前提下,本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换,而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种煤矿井下电机车无人驾驶系统,其特征在于,包括地面控制调度中心、网络通信平台、机车运输监控模块以及车载控制模块;
地面控制调度中心、机车运输监控模块及车载控制模块均与网络通信平台连接;网络通信平台,用于各模块与地面控制调度中心的连接;
机车运输监控模块与车载控制模块连接;
地面控制调度中心,获取机车运输监控模块上传的井下设备状态、机车及路况信息,并向车载控制模块下发机车控制调度指令;
车载控制模块,根据地面控制调度中心下发的机车控制调度指令指挥机车运行,或者在脱网状态下根据机车运输监控模块获取的井下设备状态、机车及路况信息指挥机车运行。
2.如权利要求1所述的煤矿井下电机车无人驾驶系统,其特征在于,网络通信平台包括有线网络单元和无线网络单元;
有线网络单元包括核心交换机及若干光纤基站;
核心交换机与各光纤基站通过光纤连成环网;
核心交换机与地面控制调度中心通过有线网络连接,各光纤基站与无线网络单元连接;
无线网络单元包括若干固定无线基站,各固定无线基站均设置于井下,并与对应距离最近的光纤基站通过无线网络连接。
3.如权利要求2所述的煤矿井下电机车无人驾驶系统,其特征在于,机车运输监控模块包括机车定位单元;
机车定位单元包括定位控制器和若干移动无线基站;
各移动无线基站分别设置于对应机车顶部,移动无线基站随机车行进过程中与各固定无线基站通过先连接后断开的方式进行切换连接;
移动无线基站定时向固定无线基站发送定位请求信号,固定无线基站接收到定位请求信号向移动无线基站发送返回信号,定位控制器根据定位请求信号与返回信号计算各固定无线基站间距离,再根据定位算法计算移动无线基站的位置信息,进而进行机车的精确定位,并将机车定位结果提供给车载控制模块以及上传到地面控制调度中心。
4.如权利要求3所述的煤矿井下电机车无人驾驶系统,其特征在于,煤矿井下区域划分为若干分区,每个分区内有一个固定无线基站;
移动无线基站随机车行进过程中依次穿过各分区,并与对应各分区的固定无线基站建立连接;
当机车由第一分区进入第二分区时,对应移动无线基站先与第二分区的固定无线基站建立连接,再与第一分区的固定无线基站断开连接。
5.如权利要求4所述的煤矿井下电机车无人驾驶系统,其特征在于,煤矿井下区域的机车运行轨道上设置有转辙机和计轴器;
机车运行轨道侧设置有信标器和信号机;
地面控制调度中心对计轴器、信号机以及转辙机进行联锁控制,实现区间联锁和敌对进路联锁;
机车运输监控模块通过机车定位单元对机车位置、车号、信号机以及道岔进行监控,并上传到地面控制调度中心;
地面控制调度中心,还用于根据物料调配计生成机车运输任务计划,授权机车的车载控制模块自主驾驶运行。
6.如权利要求3所述的煤矿井下电机车无人驾驶系统,其特征在于,机车运输监控模块包括障碍物识别单元;
障碍物识别单元包括识别控制器、摄像头和激光雷达;
识别控制器通过摄像头获取机车轨道边缘及行人障碍物的视频图像信息,并通过Hough变化算法及极角极径约束算法对视频图像信息进行分析生成视频图像样本;
识别控制器创建SVM参数模型,并使用视频图像样本对SVM参数模型进行训练,得到SVM训练模型,并使用SVM训练模型对摄像头实时获取的视频图像样本进行分析,判断检测窗口内视频图像样本是否含有行人或障碍物,并在含有行人或障碍物时,通过激光雷达获取行人或障碍物距离信息,并将行人、障碍物以及距离信息提供给车载控制模块,以及上传到地面控制调度中心。
7.如权利要求6所述的煤矿井下电机车无人驾驶系统,其特征在于,车载控制模块设有遥控接口,遥控接口连接有手持式遥控终端;
手持式遥控终端设置在运输起点、终点、车场及料场处;
车载控制模块判断机车控制工作模式,当工作模式为遥控模式时,接收手持式遥控终端的控制信号,当工作模式为干线运输模式,接收地面控制调度中心的机车控制调度指令指挥机车运行。
8.一种煤矿井下电机车无人驾驶方法,其特征在于,包括如下步骤:
S1.组建网络通信平台,建立地面控制调度中心与车载控制模块及机车运输监控模块的连接;
S2.机车运输监控模块通过网络通信平台向地面控制调度中心上传井下设备状态、机车及路况信息;
S3.地面控制调度中心向车载控制模块下发控制调度指令;
S4.车载控制模块根据控制调度指令指挥机车运行,或者在脱网状态下根据机车运输监控模块获取的井下设备状态、机车及路况信息指挥机车运行。
9.如权利要求8所述的煤矿井下电机车无人驾驶方法,其特征在于,步骤S1具体步骤如下:
S11.通过光纤连接核心交换机与各光纤基站,形成环网;
S12.设置地面控制调度中心与核心交换机连接;
S13.设置各光纤基站与对应一个分区的固定无线基站连接;
S14.设置于机车上的移动无线基站与固定无线基站通过无线网络连接;
S15.车载控制模块和机车运输监控模块均通过移动无线基站建立与网络通信平台的连接,进而与地面控制调度中心连接;
步骤S2具体步骤如下:
S21.机车运输监控模块的机车定位单元通过移动无线基站定时向固定无线基站发送定位请求信号,再接收固定无线基站发送的返回信号;
S22.定位控制器根据定位请求信号与返回信号计算各固定无线基站间距离,再根据定位算法计算移动无线基站的位置信息,进而进行机车的精确定位,并将机车定位结果提供给车载控制模块以及上传到地面控制调度中心;
S23.机车运输监控模块的障碍物识别单元通过摄像头获取机车轨道边缘及行人障碍物的视频图像信息;
S24.识别控制器通过Hough变化算法及极角极径约束算法对视频图像信息进行分析生成视频图像样本,并创建SVM参数模型,再使用视频图像样本对SVM参数模型进行训练,得到SVM训练模型;
S25.识别控制器使用SVM训练模型对摄像头实时获取的视频图像样本进行分析,判断检测窗口内视频图像样本是否含有行人或障碍物,并在含有行人或障碍物时,通过激光雷达获取行人或障碍物距离信息,并将行人、障碍物以及距离信息提供给车载控制模块,以及上传到地面控制调度中心。
10.如权利要求8所述的煤矿井下电机车无人驾驶方法,其特征在于,步骤S3具体步骤如下:
S31.判断机车控制工作模式;
当机车控制工作模式为遥控模式时,进入步骤S32;
当机车控制工作模式为干线运输模式时,进入步骤S33;
S32.手持式遥控终端向车载控制模块发送控制信号,进入步骤S4;
S33.地面控制调度中心向车载控制模块下达控制调度指令;
步骤S4具体步骤如下:
S41.车载控制模块判断工作模式;
当工作模式为遥控模式时,进入步骤S42;
当工作模式为干线运输模式时,进入步骤S43;
S42.车载控制模块根据手持式遥控终端发送的控制信号指挥机车运行,结束;
S43.车载控制模块判断是否能获取到地面控制调度中心指令;
若是,进入步骤S44;
若否,进入步骤S45;
S44.车载控制模块根据地面控制调度中心下达的控制调度指令指挥机车运行,结束;
S45.车载控制模块根据机车运输监控模块获取的井下设备状态、机车及路况信息指挥机车运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210110136.2A CN114545933A (zh) | 2022-01-29 | 2022-01-29 | 一种煤矿井下电机车无人驾驶系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210110136.2A CN114545933A (zh) | 2022-01-29 | 2022-01-29 | 一种煤矿井下电机车无人驾驶系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114545933A true CN114545933A (zh) | 2022-05-27 |
Family
ID=81674379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210110136.2A Pending CN114545933A (zh) | 2022-01-29 | 2022-01-29 | 一种煤矿井下电机车无人驾驶系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114545933A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115285187A (zh) * | 2022-10-10 | 2022-11-04 | 山西易联智控科技有限公司 | 一种单轨吊无人驾驶控制系统及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010010865A (ja) * | 2008-06-25 | 2010-01-14 | Mitsubishi Electric Corp | 無線通信システム |
WO2012129740A1 (zh) * | 2011-03-25 | 2012-10-04 | 上海磁浮交通发展有限公司 | 用于轨道交通的车地无线通信系统及其基站间切换方法 |
KR101421172B1 (ko) * | 2013-05-10 | 2014-07-22 | 퍼스텍주식회사 | 셔틀로봇 플랫폼을 이용한 무인운송차량 |
CN105450990A (zh) * | 2015-11-16 | 2016-03-30 | 合肥工业大学 | 面向无人驾驶机车的井下移动宽带流媒体网络 |
CN105629967A (zh) * | 2014-10-30 | 2016-06-01 | 丹东东方测控技术股份有限公司 | 基于高精度定位导航终端的井下矿机车无人驾驶系统 |
CN105892397A (zh) * | 2016-06-12 | 2016-08-24 | 河北钢铁集团矿业有限公司 | 一种井下电机车无人驾驶运输系统 |
CN205787841U (zh) * | 2016-06-12 | 2016-12-07 | 河北钢铁集团矿业有限公司 | 一种井下电机车无人驾驶运输系统 |
WO2018032485A1 (zh) * | 2016-08-19 | 2018-02-22 | 郑晓辉 | 一种矿山无人运输车队控制系统 |
CN108773381A (zh) * | 2018-06-06 | 2018-11-09 | 厦门矿通科技有限公司 | 一种基于行车电脑控制的矿山轨道机车无人自动驾驶系统 |
WO2020239674A1 (fr) * | 2019-05-28 | 2020-12-03 | Sigfox | Procédé et système de géolocalisation d'un objet à l'aide d'une station de base mobile |
CN113581259A (zh) * | 2021-08-23 | 2021-11-02 | 北京北矿智能科技有限公司 | 一种适用于超大规模矿井运输的电机车无人驾驶系统 |
WO2021228147A1 (zh) * | 2020-05-15 | 2021-11-18 | 长沙智能驾驶研究院有限公司 | 矿车运输驾驶控制方法、装置、矿车和存储介质 |
-
2022
- 2022-01-29 CN CN202210110136.2A patent/CN114545933A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010010865A (ja) * | 2008-06-25 | 2010-01-14 | Mitsubishi Electric Corp | 無線通信システム |
WO2012129740A1 (zh) * | 2011-03-25 | 2012-10-04 | 上海磁浮交通发展有限公司 | 用于轨道交通的车地无线通信系统及其基站间切换方法 |
KR101421172B1 (ko) * | 2013-05-10 | 2014-07-22 | 퍼스텍주식회사 | 셔틀로봇 플랫폼을 이용한 무인운송차량 |
CN105629967A (zh) * | 2014-10-30 | 2016-06-01 | 丹东东方测控技术股份有限公司 | 基于高精度定位导航终端的井下矿机车无人驾驶系统 |
CN105450990A (zh) * | 2015-11-16 | 2016-03-30 | 合肥工业大学 | 面向无人驾驶机车的井下移动宽带流媒体网络 |
CN105892397A (zh) * | 2016-06-12 | 2016-08-24 | 河北钢铁集团矿业有限公司 | 一种井下电机车无人驾驶运输系统 |
CN205787841U (zh) * | 2016-06-12 | 2016-12-07 | 河北钢铁集团矿业有限公司 | 一种井下电机车无人驾驶运输系统 |
WO2018032485A1 (zh) * | 2016-08-19 | 2018-02-22 | 郑晓辉 | 一种矿山无人运输车队控制系统 |
CN108773381A (zh) * | 2018-06-06 | 2018-11-09 | 厦门矿通科技有限公司 | 一种基于行车电脑控制的矿山轨道机车无人自动驾驶系统 |
WO2020239674A1 (fr) * | 2019-05-28 | 2020-12-03 | Sigfox | Procédé et système de géolocalisation d'un objet à l'aide d'une station de base mobile |
WO2021228147A1 (zh) * | 2020-05-15 | 2021-11-18 | 长沙智能驾驶研究院有限公司 | 矿车运输驾驶控制方法、装置、矿车和存储介质 |
CN113581259A (zh) * | 2021-08-23 | 2021-11-02 | 北京北矿智能科技有限公司 | 一种适用于超大规模矿井运输的电机车无人驾驶系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115285187A (zh) * | 2022-10-10 | 2022-11-04 | 山西易联智控科技有限公司 | 一种单轨吊无人驾驶控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN205507542U (zh) | 基于激光和视觉的道路自主清扫控制系统 | |
CN105759820A (zh) | 基于激光和视觉的道路自主清扫控制系统及控制方法 | |
JP2023155302A (ja) | インテリジェント道路インフラストラクチャシステム(iris):システム及び方法 | |
CN112068548A (zh) | 5g环境下面向特殊场景的无人驾驶车辆路径规划方法 | |
CN105739534A (zh) | 基于车联网的无人驾驶车多车协同驾驶方法及装置 | |
CN110942653A (zh) | 一种基于车联网的智能驾驶汽车辅助泊车系统 | |
CN113377107B (zh) | 一种混同作业路权控制系统及控制方法 | |
CN109552367B (zh) | 基于通信与主动识别相结合的列车行驶防护系统及方法 | |
CN107564313A (zh) | 高速公路交通拥堵预告系统及预告方法 | |
CN110126882B (zh) | 列车控制方法和系统及移动授权的计算方法 | |
CN105242673A (zh) | 一种基于超宽带定位系统的道路车辆自动驾驶控制系统 | |
Zhong et al. | Internet of things for high-speed railways | |
CN109450536B (zh) | 一种基于可见光通信的车辆物联网系统及通信方法 | |
CN107507444A (zh) | 用于无人驾驶的智能公路系统及其控制方法 | |
CN110126883B (zh) | 列车行车路径的规划方法和车载控制器 | |
WO2021036907A1 (zh) | 列车控制系统、列车控制方法 | |
CN111225336B (zh) | 一种基于智慧灯杆的基站选择与切换方法及系统 | |
US20200333802A1 (en) | Unmanned-drive mobile multifunctional vehicle system and using method thereof | |
CN114194259A (zh) | 一种灵活编组的控制系统 | |
US20200341490A1 (en) | Method, system and apparatus for an autonomous routing algorithm with a failsafe provision at a final drop-off location | |
CN112562374A (zh) | 一种智能道路交通5g-v2x系统 | |
CN112799409A (zh) | 基于车路云协同架构的用于机场的地面交通管控集成系统 | |
CN110415557A (zh) | 基于5g、c-v2x和自动驾驶技术的停车场逆向寻车系统及方法 | |
CN114545933A (zh) | 一种煤矿井下电机车无人驾驶系统及方法 | |
WO2021253314A1 (zh) | 一种基于智能交通系统的车辆共享充电方法及系统、移动充电车 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |