CN114660593A - 基于毫米波雷达的竖井井壁形变检测方法及检测系统 - Google Patents

Abstract

本发明公开一种基于毫米波雷达的竖井井壁形变检测方法及检测系统，采用毫米波雷达采集竖井井壁的雷达回波信号，并根据回波信号的距离信息对竖井井壁上的每个点赋予属性值，根据每个点的属性值将点云聚成两类：疑似形变区域和非形变区域；采用上述方法对疑似变形区域进行再次检测，将第二次得到的疑似变形区域与第一次得到的疑似变形区域进行比对，两次得到的疑似变形区域的重合部分为变形区域，检测结束。本发明不受环境影响，能够实时准确的检测竖井井壁变形情况，无需人工检测，检测效率高，检测精度高。

Description

基于毫米波雷达的竖井井壁形变检测方法及检测系统

技术领域

本发明涉及一种检测方法及检测系统，具体是一种基于毫米波雷达的竖井井壁形变检测方法及检测系统，属于检测仪器设备技术领域。

背景技术

随着我国矿业领域的不断发展，矿场竖井井壁形变检测成为必不可少的工作。其中涉及到井下空气流通，需要建设通风竖井，排放并稀释有害气体。矿层开采深度增加后，地质条件逐渐变得复杂，矿山地压不断在增大，矿井承受的压力也不断增大，容易变形。因此，对于通风竖井的井壁形变检测显得尤为重要，与工作人员的人身安全也有着密切的关系，在矿井使用期间需要对通风竖井进行形变检测进和维护。

目前，国内通常采用人工检测的方式检测井壁变形程度，该方式存在以下问题。首先，在检测过程中，工作人员需要攀爬竖井楼梯，人身安全受到威胁，检测安全性较低。其次，人工检测致使工作量较大，检测时间过长，效率较低，而且，人员攀爬过程中视野受限，对井壁的细微形变难以检验。

除此以外，部分矿井使用摄像头、激光检测井壁是否变形，相较于人工检测效率高，安全性强。但是，仍然存在以下问题：

1.在黑暗条件下，摄像头不能采集清晰图片，无法检测；

2.通风竖井井壁管道伴有沙尘颗粒，大量水汽雾气，会严重影响摄像头和激光的检测性能，检测准确性较低。

发明内容

针对上述现有技术存在的问题，本发明提供一种基于毫米波雷达的竖井井壁形变检测方法及检测系统，不受环境影响，能够实时准确的检测竖井井壁变形情况，无需人工检测，检测效率高，检测精度高。

为实现上述目的，本发明一种基于毫米波雷达的竖井井壁检测方法，包括以下步骤：

S1首次使用时，采用聚类形变检测算法进行初步检验，确定竖井井壁的尺寸，并建立原始数据库，同时对待测竖井井壁的尺寸进行确认，并调节雷达参数，使毫米波雷达处于最佳距离分辨率模式；

S2信号采集：使用毫米波雷达对竖井井壁进行雷达扫描，并接收雷达回波信号；

S3信号增强：采用拟Newton法的自适应数字波束形成算法对雷达回波信号进行波束聚集；

S4形变检测：采用聚类形变检测算法对波束聚集后的雷达回波信号进行形变检测，对竖井井壁每个点赋予属性值，并根据每个点的属性值将点云聚成两类：疑似形变区域和非形变区域，并根据3D傅里叶变换获取竖井井壁疑似变形区域的方位角，用于回检定位；

S5验证：对竖井井壁进行二次雷达扫描，并增加对疑似变形区域的观测时长，对该疑似变形区域进行二次雷达扫描，并接收雷达回波信号，再次利用拟Newton法自适应波束形成算法对雷达回波信号进行波束聚集，然后执行步骤S4，将第二次得到的疑似变形区域与第一次得到的疑似变形区域进行比对，两次得到的疑似变形区域的重合部分为变形区域，检测结束。

一种基于毫米波雷达的竖井井壁形变检测系统，包括

轨道，所述轨道竖直安装在竖井内；

轨道巡检机器人，所述轨道巡检机器人安装在轨道上，且能够沿轨道上下移动。

毫米波雷达，所述毫米波雷达用于采集竖井井壁的反射的雷达回波信号；

数据传输板，所述数据传输板用于接收毫米波雷达传送的信号；

数据采集器，所述数据采集器用于接收并同步数据传输板传送的信号；

微型机，所述微型机用于接收、存储和处理数据采集器传输的信号，用于控制毫米波雷达的启动和停止；

远程计算机，所述远程计算机与微型机相连，用于接收微型机传送的处理结果，用于远程控制微型机调节毫米波雷达参数、接收数据、保存数据；

移动电源，所述移动电源与微型机相连；

所述毫米波雷达、数据传输板、数据采集器、微型机和移动电源均安装在轨道巡检机器人上。

与现有技术相比，本发明通过毫米波雷达对竖井井壁是否形变进行检测，检测方法简单准确，不受环境影响。本发明检测系统，在巡检过程中，检修人员无需下井作业，通过远程控制自动运行，从而达到井壁形变检测目的。本发明检测系统具有较高的自动化水平，实现了通风竖井井壁形变的自动检测，大大节省了人力，降低了安全风险。相比于摄像头和激光，本系统无需在检测前进行除水汽、雾气和沙尘作业，可随时自动巡检，不受检测环境影响，具有较强的鲁棒性，

附图说明

图1为井壁形变检测装置立体示意图；

图2为井壁切面示意图。

图中：1、竖井，2轨道，3、移动电源，4、毫米波雷达，5、数据传输板，6、微型机，7、轨道巡检机器人。

具体实施方式

下面结合附图对本发明作进一步说明。

本发明一种基于毫米波雷达4的竖井1井壁检测方法，包括以下步骤：

S1首次使用时，采用聚类形变检测算法进行初步检验，确定竖井1井壁的尺寸，并建立原始数据库，所述初步检测的目的是：获取井壁与雷达之间距离信息，从而确定正常井壁的尺寸，以便于后面设置形变阈值D，并建立原始数据库，同时对待测竖井1井壁的尺寸进行确认，并调节雷达参数，使毫米波雷达4处于最佳距离分辨率模式；

其中采用聚类形变检测算法进行初步检验，并建立原始数据库，具体方法如下：设置形变阈值D，建立原始数据库，所述原始数据库包括竖井1井壁上每个点与毫米波雷达4发射端之间的初始距离D_i，其中i为点的编号，i＝1,2,3……，如第一个点的初始距离为D₁；

S2信号采集：使用毫米波雷达4对竖井1井壁进行雷达扫描，并接收雷达回波信号；

S3信号增强：采用于拟Newton法的自适应数字波束形成算法对雷达回波信号进行波束聚集，具体方法如下：

对雷达回波信号并离散化采样生成复信号序列，对每一阵列的接收信号进行加权处理，使得波束形成在某一方向上，然后在测量过程中不断改变权值，寻找最优权值，从而实现对不同方向的波束聚集，这种波束聚集的表现为对相应的区域内的回波信号的加强，同时减少了其他方向上的回波信号的干扰。

为简化运算，所述最优权值通过以下方法获得：

拟Newton法的代价函数如下：

其中，G为K×M维阵元K次快拍采样矩阵，K为快拍数，M为阵元数，时域分析时利用快拍矢量A计算代价函数梯度，d＝[d(1)d(2)…d(K)]为目标信号K次采样参考信号，x为需要计算的权值向量，x^H为x的转置，其中，对x的梯度为：

令

计算最优权值矢量，具体步骤如下：

a)设置一个x的初值x(0)，初始矩阵H(0)为单位矩阵，沿着负梯度方向下降向量g(0)为：

g(0)＝-f′(x(0))

第k次迭代梯度下降方向记为g_k。

b)第k次搜索方向d(k)为：

d_k＝-H_kg_k

其中，H_k由DFP修正公式计算，为第k次迭代矩阵；

c)采用精确一维线性搜索确定步长，第k次搜索步长计算如下：

d)第k+1次权矢量更新表达式和采用如下递推公式来调整：

x(k+1)＝x(k)+β(k)d(k)

其中，β(k)为每次更新的搜索步长，d(k)为搜索方向，x(k)代表第k次的权矢量。

e)令s_k＝x_k+1-x_k，y_k＝g_k+1-g_k

若

则结束迭代，获得最优权值，否则令k＝k+1，由DFP修正公式得

返回步骤b)。

S4形变检测：采用聚类形变检测算法对波束聚集后的雷达回波信号进行形变检测，对竖井1井壁每个点赋予属性值，并根据每个点的属性值将点云聚成两类：疑似形变区域和非形变区域，并根据3D傅里叶变换获取竖井1井壁疑似变形区域的方位角，用于回检定位，具体方法如下：

1)对雷达回波信号解析并作一维傅里叶变换，得到毫米波雷达4探测区域内毫米波雷达4与竖井1井壁每个点的实时距离d_i，并与原始数据库中的初始距离D_i进行比对，若某个点的D_i和d_i的差值ΔD超出预先设定的形变阈值D，则该点为形变点，将该形变点赋予属性值1，否则赋予属性值0，然后通过雷达坐标系与世界坐标系转换得到该点在世界坐标系中的空间位置，并根据差值ΔD和形变阈值D分别建立点的坐标矩阵和属性矩阵；

2)将步骤1)得到的每个点的坐标矩阵和属性矩阵输入至LVQ神经网络聚类模型进行聚类分析，根据每个点的属性值将点云聚成两类：疑似形变区域和非形变区域，并根据3D傅里叶变换获取竖井1井壁疑似变形区域的方位角，用于回检定位，具体方法如下：

LVQ算法在每一轮迭代中，随机选取一个有属性值的训练样本(即具有属性值的点)，然后找出与其距离最近的原型向量，并根据两者的属性值是否一致来对原型向量进行相应的更新，若原型向量与训练样本的属性值相同，则使原型向量向着训练样本方向聚拢，否则，使原型向量远离训练样本方向，而每次聚拢的程度都将受到学习效率的影响；

最后输出聚类结果：属性值为1的团簇为疑似形变区域，属性值为0的团簇为非形变区域，根据3D傅里叶变换获取竖井1井壁疑似变形区域的方位角，用于回检定位。

S5验证：根据步骤S4的方位角确定并记录疑似变形区域的位置，再次经过疑似变形区域时，对该疑似变形区域进行二次雷达扫描，并接收雷达回波信号，再次利用拟Newton法自适应波束形成算法对雷达回波信号进行波束聚集，然后执行步骤S4，将第二次得到的疑似变形区域与第一次得到的疑似变形区域进行比对，两次得到的疑似变形区域的重合部分为变形区域，检测结束。

S6每隔15天，在相同的毫米波雷达4参数下，执行步骤S2至步骤S5。

参见图1和图2，上述检测方法通过以下形变检测系统实现，该检测系统包括轨道2、轨道巡检机器人7、毫米波雷达4、数据传输板5、数据采集器(图中未显示)、微型机6、远程计算机和移动电源3，毫米波雷达4通过数据传输板5与数据采集器相连，所述数据采集器与微型机6相连，所述微型机通过无线或有线信号与远程计算机相连，所述移动电源3与微型机相连，所述毫米波雷达4、数据传输板5、数据采集器、微型机6和移动电源3均安装在轨道巡检机器人7上，所述远程计算机安装在地面控制室内；

所述轨道2竖直安装在竖井1内，所述轨道巡检机器人7安装在轨道2上，且能够沿轨道2上下移动，所述毫米波雷达4用于采集竖井1井壁反射的雷达信号，所述数据传输板5用于接收毫米波雷达4传送的信号，所述数据采集器用于接收和同步数据传输板5传送的信号，所述微型机6用于接收、存储和处理数据采集器传输的信号，用于控制毫米波雷达4的启动和停止，所述远程计算机与微型机6相连，用于接收微型控制器的处理结果，用于远程控制微型机6调节毫米波雷达4参数、接收数据、保存数据。

所述移动电源3与微型机6相连，用于给轨道巡检机器人7供电。

为了进一步提高检测数据的准确性和全面性，本发明轨道巡检机器人7上安装有四块毫米波雷达4，分别对应竖井1井壁四个方位(东西南北四个方位)，每块毫米波雷达4连接一块数据传输板5，每个毫米波雷达4水平角覆盖范围为100°，俯仰角覆盖范围为90°，以达到全方位检测。所述轨道巡检机器人7可为四方体，四块毫米波雷达4分别安装在轨道巡检机器人7从西南北四个侧壁，分别对应竖井井壁东西南北四个方位，所述轨道2穿过轨道巡检机器人7内部，轨道巡检机器人7沿着轨道2上下移动。

在一些具体实施例中，所述毫米波雷达4型号为IWR1843，毫米波雷达4发射线性调频脉冲信号，并捕捉其发射路径中的竖井1井壁反射的信号。所述数据传输板5采用DCA1000上，该设备可以使用网口快速传输接收到的数据。所述数据采集器可同步四块雷达数据，使雷达数据能够同时保存至微型机6并计算，数据采集器从解析后的数据中提取周期计数数据并发送到微型机6，同时为每一帧的起始数据设置时间戳，微型机6通过数据周期计数数据和接收时间戳对数据进行精准同步。

在一些实施例中，为了使毫米波雷达4能够全方位的采用竖井1井壁反射的信号所述轨道巡检机器人7上设有通孔，所述轨道2穿过轨道巡检机器人7的通孔(图中未显示)安装在竖井1中间位置。进一步，为了保证轨道巡检机器人7在管道2上运行的稳定性，所述轨道巡检机器人7上设有两个通孔，所述轨道2可设置为两个平行的轨道2，两个平行的轨道2穿过轨道巡检机器人7的通孔安装在蜀将1中间位置，轨道巡检机器人7以设定的速度沿着两个平行的轨道2上下匀速移动。

所述轨道2安装在竖井1中间，所述轨道巡检机器人7以设定的速度匀速下降或上升，如通过电机、导轮和缆绳使轨道巡检机器人7在轨道2上移动，具体装置如下：电机和导轮均固定在轨道2顶部，所述电机输出轴与导轮相连，缆绳一端缠绕在导轮上，另一端固定在所述轨道巡检机器人7顶部，通过控制电机的转动带动导轮转动，导轮转动实现缆绳收放，从而实现了轨道巡检机器人7在轨道2竖直方向上移动。

上述形变检测系统具体检测方法如下：

1)在首次使用井壁形变检测系统测量井壁时，通过远程计算机控制微型机6采集聚类形变检测算法进行初步检验，确定竖井1井壁的尺寸，并建立原始数据库，即获取竖井1井壁与毫米波雷达4发射端之间的初始距离D_i，从而确定正常井壁的尺寸，以便于后面设置形变阈值D，对待测竖井1井壁的尺寸进行确认，并通过远程计算机远程操控微型机6调节雷达参数，使雷达处于最佳距离分辨率模式；

毫米波雷达4的最大探测距离R_max：

式中，IF_max为雷达能支持的最大中频带宽，c为光速，s为发射的chirp信号的斜率；雷达距离分辨率R_res：

式中，c为光速，B表示线性调频信号的扫描带宽；

根据公式(1)和(2)，调节毫米波雷达4相关参数，确定合适探测距离，设置较大的带宽，提高测量的距离分辨率。

2)通过远程计算机控制微型机6启动毫米波雷达4，对竖井1井壁进行雷达扫描，并接收雷达回波信号；

3)信号增强：工作人员通过远程计算机控制微型机6控制轨道巡检机器人7以0.4m/s的速度从竖井1井口匀速下降，轨道巡检机器人7上的毫米波雷达4实时对竖井1井壁进行雷达扫描，并将接收到的雷达回波信号通过数据传输板5和数据采集器传送至微型机6，数据采集器同步四块雷达传送的数据，微型机6采用于拟Newton法的自适应数字波束形成算法对雷达回波信号进行波束聚集；

4)形变检测：微型机6采用聚类形变检测算法对波束聚集后的雷达回波信号进行形变检测，对竖井1井壁每个点赋予属性值，并根据每个点的属性值将点云聚成两类：疑似形变区域和非形变区域；当轨道巡检机器人7运行至井底时，暂停运行，同时结束采集数据，并将数据保存在微型机6内；

5)定位：当检测到竖井1井壁某个区域疑似变形时，根据3D傅里叶变换获取该井壁疑似变形区域的方位角，即疑似变形区域的位置，用于回检时定位；

6)回检验证：远程计算机通过微型机6控制轨道巡检机器人7以0.4m/s的速度从竖井1井底匀速上升，轨道巡检机器人7上的毫米波雷达4再次对竖井1井壁进行雷达扫描，进行验证检测，当轨道巡检机器人7上升至与步骤5)获取的疑似变形区域的位置平行时，作停留检测(如停留5-10秒)，增加观测时长，微型机6采用拟Newton法自适应波束形成算法对雷达回波信号进行波束聚集，即自动改变该疑似形变区域的赋值权重，寻找最优权值，以提高该区域的波束聚集，然后执行步骤4)，若最后得到的变形区域与疑似变形区域相同或部分重合，则认定疑似变形区域为变形区域，否则，认定该疑似变形区域为非变形区域，单次检测结束；

7)在微型机6内设定每间隔15天，使用上述形变检测系统，在相同的毫米波雷达4参数下，执行步骤2)至步骤6)。

Claims (9)

1.一种基于毫米波雷达的竖井井壁形变检测方法，其特征在于，包括以下步骤：

S1首次使用时，采用聚类形变检测算法进行初步检验，确定竖井井壁的尺寸，并建立原始数据库，同时对待测竖井井壁的尺寸进行确认，并调节雷达参数，使毫米波雷达处于最佳距离分辨率模式；

S2信号采集：使用毫米波雷达对竖井井壁进行雷达扫描，并接收雷达回波信号；

S3信号增强：采用拟Newton法的自适应数字波束形成算法对雷达回波信号进行波束聚集；

S4形变检测：采用聚类形变检测算法对波束聚集后的雷达回波信号进行形变检测，对竖井井壁每个点赋予属性值，并根据每个点的属性值将点云聚成两类：疑似形变区域和非形变区域，并根据3D傅里叶变换获取竖井井壁疑似变形区域的方位角，用于回检定位；

S5验证：对竖井井壁进行二次雷达扫描，并增加对疑似变形区域的观测时长，对该疑似变形区域进行二次雷达扫描，并接收雷达回波信号，再次利用拟Newton法自适应波束形成算法对雷达回波信号进行波束聚集，然后执行步骤S4，将第二次得到的疑似变形区域与第一次得到的疑似变形区域进行比对，两次得到的疑似变形区域的重合部分为变形区域，检测结束。

2.根据权利要求1所述的一种基于毫米波雷达的竖井井壁形变检测方法，其特征在于，步骤1)中采用聚类形变检测算法进行初步检验，并建立原始数据库，具体方法如下：设置形变阈值D，建立原始数据库，所述原始数据库包括竖井井壁上每个点与毫米波雷达发射端之间的初始距离D_i。

3.根据权利要求1所述的一种基于毫米波雷达的竖井井壁形变检测方法，其特征在于，所述步骤S3具体方法如下：对雷达回波信号并离散化采样生成复信号序列，对每一阵列的接收信号进行加权处理，使得波束形成在某一方向上，然后在测量过程中不断改变权值，寻找最优权值，实现对不同方向的波束聚集，加强雷达回波信号。

4.根据权利要求3所述的一种基于毫米波雷达的竖井井壁形变检测方法，其特征在于，所述最优权值通过以下方法获得：

拟Newton法的代价函数如下：

其中，G为K×M维阵元K次快拍采样矩阵，K为快拍数，M为阵元数，时域分析时利用快拍矢量A计算代价函数梯度，d＝[d(1)d(2)…d(K)]为目标信号K次采样参考信号，x为需要计算的权值向量，x^H为x的转置，其中，对x的梯度为：

令

计算最优权值矢量，具体步骤如下：

a)设置一个x的初值x(0)，初始矩阵H(0)为单位矩阵，沿着负梯度方向下降向量g(0)为：

g(0)＝-f′(x(0))

第k次迭代梯度下降方向记为g_k。

b)第k次搜索方向d(k)为：

d_k＝-H_kg_k

其中，H_k由DFP修正公式计算，为第k次迭代矩阵；

c)采用精确一维线性搜索确定步长，第k次搜索步长计算如下：

d)第k+1次权矢量更新表达式和采用如下递推公式来调整：

x(k+1)＝x(k)+β(k)d(k)

其中，β(k)为每次更新的搜索步长，d(k)为搜索方向，x(k)代表第k次的权矢量。

e)令s_k＝x_k+1-x_k，y_k＝g_k+1-g_k

若

则结束迭代，获得最优权值，否则令k＝k+1，由DFP修正公式得

返回步骤b)。

5.根据权利要求1所述的一种基于毫米波雷达的竖井井壁形变检测方法，其特征在于，步骤S4具体方法如下：

1)对雷达回波信号解析并作一维傅里叶变换，得到毫米波雷达探测区域内毫米波雷达与竖井井壁每个点的实时距离d_i，并与原始数据库中的初始距离D_i进行比对，若某个点的D_i和d_i的差值ΔD超出预先设定的形变阈值D，则该点为形变点，将该形变点赋予属性值1，否则赋予属性值0，然后通过雷达坐标系与世界坐标系转换得到该点在世界坐标系中的空间位置，并根据差值ΔD和形变阈值D分别建立点的坐标矩阵和属性矩阵；

2)将步骤1)得到的每个点的坐标矩阵和属性矩阵输入至LVQ神经网络聚类模型进行聚类分析，根据每个点的属性值将点云聚成两类：疑似形变区域和非形变区域，并根据3D傅里叶变换获取竖井井壁疑似变形区域的方位角，用于回检定位，具体方法如下：

LVQ算法在每一轮迭代中，随机选取一个有属性值的训练样本，然后找出与其距离最近的原型向量，并根据两者的属性值是否一致来对原型向量进行相应的更新，若原型向量与训练样本的属性值相同，则使原型向量向着训练样本方向聚拢，否则，使原型向量远离训练样本方向；

最后输出聚类结果：属性值为1的团簇为疑似形变区域，属性值为0的团簇为非形变区域，根据3D傅里叶变换获取竖井井壁疑似变形区域的方位角，用于回检定位。

6.一种基于毫米波雷达的竖井井壁形变检测系统，其特征在于，包括

轨道，所述轨道竖直安装在竖井内；

轨道巡检机器人，所述轨道巡检机器人安装在轨道上，且能够沿轨道上下移动。

毫米波雷达，所述毫米波雷达用于采集竖井井壁反射的雷达信号；

数据传输板，所述数据传输板用于接收毫米波雷达传送的信号；

数据采集器，所述数据采集器用于接收并同步数据传输板传送的信号；

微型机，所述微型机用于接收、存储和处理数据采集器传输的信号，用于控制毫米波雷达的启动和停止；

远程计算机，所述远程计算机与微型机相连，用于接收微型控制器的处理结果，用于远程控制微型机调节毫米波雷达参数、接收数据、保存数据；

移动电源，所述移动电源与微型机相连；

所述毫米波雷达、数据传输板、数据采集器、微型机和移动电源均安装在轨道巡检机器人上。

7.根据权利要求6所述的一种基于毫米波雷达的竖井井壁形变检测系统，其特征在于，所述轨道巡检机器人上安装有四块毫米波雷达，分别对应竖井井壁四个方位，每块毫米波雷达连接一块数据传输板，每个毫米波雷达水平角覆盖范围为100°，俯仰角覆盖范围为90°。

8.根据权利要求7所述的一种基于毫米波雷达的竖井井壁形变检测系统，其特征在于，所述毫米波雷达型号为IWR1843，所述数据传输板采用DCA1000上。

9.根据权利要求5或8所述的一种基于毫米波雷达的竖井井壁形变检测系统，其特征在于，所述轨道巡检机器人上设有通孔，所述轨道穿过轨道巡检机器人的通孔安装在竖井中间位置。

Images