CN115372932A - 一种单轨吊可行驶性评估及巷道风险预测系统及方法 - Google Patents
一种单轨吊可行驶性评估及巷道风险预测系统及方法 Download PDFInfo
- Publication number
- CN115372932A CN115372932A CN202210807377.2A CN202210807377A CN115372932A CN 115372932 A CN115372932 A CN 115372932A CN 202210807377 A CN202210807377 A CN 202210807377A CN 115372932 A CN115372932 A CN 115372932A
- Authority
- CN
- China
- Prior art keywords
- roadway
- point cloud
- data
- monorail crane
- cloud data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims description 28
- 238000013210 evaluation model Methods 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 239000003245 coal Substances 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000002360 preparation method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000012067 mathematical method Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 239000011435 rock Substances 0.000 abstract description 13
- 230000008859 change Effects 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F13/00—Transport specially adapted to underground conditions
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公布一种单轨吊可行驶性评估及巷道风险预测系统及方法。包括安装在单轨吊上的激光雷达、车载工控机、车载显示器、网络交换机和告警装置;车载工控机通过网络交换机分别连接车载显示器和激光雷达;车载工控机连接单轨吊的驱动模块;激光雷达为采集激光点云数据的传感器,并实时向车载工控机输出采集到的激光点云数据;车载工控机实时接收并处理激光雷达采集到的激光点云数据,并将处理预测的结果进行对外输出,并操控驱动模块和告警装置。本发明构建了单轨吊前方区域可行驶性评估模型,利用激光点云数据观测巷道围岩变化,实现了对巷道围岩状态的评估预测,为矿井集控中心提供预警信息,保障车辆在前方区域的安全行驶及人员、车辆的安全。
Description
技术领域
本发明涉及矿井运输装备技术领域,尤其涉及一种深部受限空间下单轨吊前方区域可行驶性评估及巷道风险预测系统及方法。
背景技术
单轨吊是井下主要辅助运输设备之一,具有运输效率高、爬坡能力强、不易受巷道底鼓影响的优势。近年来随着煤矿智能化建设的开展,国内企业对于单轨吊的智能化改造也在积极学习当前迅猛的自动驾驶技术,譬如多传感器融合技术。
煤矿巷道作为深部受限空间,相较于地面道路环境差异较大,单轨吊作为巷道内轨道交通设备,运行安全对巷道断面、轨道变形要求极高。深部受限空间存在掉轨、顶板冒落、围岩变形等特殊工况,常规巡查手段以单轨吊司机目测为主,存在准确性低、巡查频率低、可靠性低的问题。多传感器融合技术为这些问题带来了新的解决方式。
此外,借助传感器势必会在工作过程中收集大量的监测数据,如何有效利用这些监测数据也是需要关注的重点问题之一。
因此,急需一种可以更加便捷、高效和准确的巡查装置及方法。对单轨吊行驶区域严密监测,保障车辆在前方区域的安全行驶,并对行驶区域巷道围岩状态进行评估预测。
发明内容
为了克服上述现有技术的不足之处,本发明提供一种单轨吊可行驶性评估及巷道风险预测系统及方法,能对单轨吊行驶区域巷道断面形状进行实时监测,同时评估巷道围岩风险等级,最终实现对单轨吊前方区域的可行驶性评价,辅助单轨吊安全驾驶,为地面集控中心提供巷道风险预警。
本发明目的通过如下技术方案实现的:一种单轨吊可行驶性评估及巷道风险预测系统,包括安装在单轨吊上的激光雷达、车载工控机、车载显示器、网络交换机和告警装置;所述车载工控机通过网络交换机分别连接车载显示器和激光雷达;车载工控机通过CAN分析仪输出接口连接单轨吊的驱动模块;
所述激光雷达为采集激光点云数据的传感器,并实时向车载工控机输出采集到的激光点云数据;
所述车载工控机实时接收并处理激光雷达采集到的激光点云数据,并将处理预测的结果进行对外输出,并操控驱动模块和告警装置。
其进一步是:所述驱动模块包括单轨吊速度控制器和制动装置,单轨吊速度控制器包括编码器;所述编码器为采集行程位置数据的传感器,并实时向车载工控机输出采集到的行程位置数据。
一种单轨吊可行驶性评估及巷道风险预测的方法,包括如下步骤:
S1:通过单轨吊车头装设的所述激光雷达实时采集巷道的激光点云数据,完成数据清洗与预处理;
S2:在激光雷达坐标系中根据完成数据清洗与预处理后的激光点云数据提取关键特征点,并保存提取后的数据;
S3:拟合与修正S2中提取的关键特征点,建立单轨吊前方区域可行驶性评估模型;
S4:读取S3评估模型构建过程中的数据,根据实时数据与历史数据,计算巷道的风险预测特征值;
S5:根据S4中计算的风险预测特征值参数,预测单轨吊前方区域的巷道风险;
S6:通过S3中单轨吊前方区域可行驶性评估模型,控制单轨吊运行;根据S5中的巷道风险预测结果,为矿井集控中心提供单轨吊行驶区域巷道风险预警信息,矿井集控中心根据巷道风险预警信息制定响应方案。
其进一步是:S1中数据清洗与预处理包括以下步骤,
S1.1、格式化所采集到的激光点云数据,过滤异常数据,确保数据数据格式统一;
S1.2、采集激光雷达的行程位置数据信息并与S1.1中得到的过滤后的激光点云数据进行配准;
S1.3、筛除巷道外部的异常激光点云数据,由于煤矿巷道为封闭空间,巷道外部的点不存在实际意义,视为噪声点;
S1.4、为防止数据冗余,提高数据处理速度,在保留激光点云数据特征的基础上,进行点云降采样;
S1.5、对S1.3处理后的激光点云数据进行巷道断面的提取,在沿巷道走向一段距离上,将巷道视为直线段,以该直线段为激光点云数据坐标轴的方向,分段处理该坐标轴上的激光点云数据,得到该坐标轴方向上不同位置的巷道断面激光点云数据;
S1.6、断面点云分类,针对二维的断面点云,采用二维坐标系下的数学方法对其进行拟合处理,以区分不同类型的点云断面。
其进一步是:所述S1.1中异常数据包括乱码值点、空值点以及NaN值点;
所述S1.3中筛除巷道外部的异常激光点云数据的方式包括统计滤波和条件滤波;
所述S1.4中降采样的方式包括体素滤波和随机降采样;
所述S1.6中不同类型的点云断面区域包括辅运大巷、准备巷道、回采巷道和石门。
其进一步是:S2中提取关键特征点包括以下步骤,
根据井下不同巷道内的空间特性及断面特征,搭建巷道断面点云提取模型,并进行关键特征点提取,所述的不同巷道包括辅运大巷、准备巷道、回采巷道和石门;
在二维激光点云数据中查找距断面中心左右侧距离值最大的点,为巷道帮部特征点;
在二维激光点云数据中查找距断面中心上下侧距离值最大的点,为巷道顶底板特征点;
根据轨道中心与单轨吊车体的安全边界,计算出巷道安全边界特征点;
其进一步是:在提取所述关键特征点时,通过滤波处理的方式来滤除异常点;
滤波处理包括以下步骤:
步骤a、实时提取并选择前后一段时间的多个断面激光点云数据;
步骤b、对每个断面激光点云数据分别提取帮部特征点、顶底板特征点;
步骤c、采用滑动窗口实时通过多项式拟合窗口内的数据点,对缺失或者异常数据替换为多项式拟合值;
所述关键特征点的数据格式包括断面位置值、数据采集时刻值、帮部特征点距离值、顶底板特征点距离值。
其进一步是:S3中可行驶性评估模型的建立包括以下步骤,
步骤a、提取处理后的断面激光点云数据;
步骤b、分别计算连续十个断面上每个断面内距离水平中心线距离值最小的帮部特征点或顶底板特征点;
步骤c、利用车体轮廓信息计算得到断面上的帮部特征点或顶底板特征点的安全阈值;
步骤d、选择步骤c中的最小值作为安全评估值;
步骤e、根据《煤矿安全规程》和安全评估值,共同决策输出车辆运行指令;
步骤f、在XY平面、YZ平面内对计算所得的se值线进行拟合,构建单轨吊前方区域可行驶性评估模型。
与现有技术相比,本发明的有益效果是:
1、本发明主要基于激光雷达实现,对装设有激光雷达的单轨吊可直接进行软件端升级、对未装设激光雷达的单轨吊仅需加装激光雷达即可完成硬件改造;
2、构建了单轨吊前方区域行驶性评估模型,为单轨吊安全行驶提供可靠空间信息,有效辅助单轨吊无人驾驶;
3、充分利用采集的激光点云数据,深入挖掘激光点云数据内部蕴含的信息,利用历史信息结合实时数据观测巷道围岩变化,实现了对巷道围岩风险的评估预测;
4、为保证单轨吊前方行驶区域安全性,巷道风险预测信息,为矿井集控中心提供预警信息,使得集控中心做出相应措施,充分保障单轨吊行驶区域的人员、车辆安全。
附图说明
下面根据附图和实施例对本发明进一步说明;
图1是本发明的预测系统结构示意图;
图2是本发明的激光点云数据预处理流程图;
图3是本发明的断面提取示意图;
图4是本发明的断面点云示意图一;
图5是本发明的断面点云示意图二;
图6是本发明的断面特征点示意图;
图7是本发明的前方区域行驶性评估模型在XY平面内的投影示意图;
图8是本发明的前方区域行驶性评估模型在XZ平面内的投影示意图。
具体实施方式
下面将结合说明书附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有开展创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
对于本领域技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
实施例一
结合图1所示,一种单轨吊可行驶性评估及巷道风险预测系统,包括安装在单轨吊上的激光雷达1、车载工控机2、车载显示器3、网络交换机4和告警装置5。车载工控机2通过网络交换机4分别连接车载显示器3和激光雷达1,网络交换机4用于实时传输激光点云数据与处理结果。
车载工控机2通过CAN分析仪输出接口连接单轨吊的驱动模块。驱动模块包括单轨吊速度控制器和制动装置6,单轨吊速度控制器包括编码器7。车载工控机2通过USB扩展接口直接连接编码器7、制动装置6与告警装置5。
激光雷达1为采集激光点云数据的传感器,并实时向车载工控机2输出采集到的激光点云数据。编码器7为采集行程位置数据的传感器,并实时向车载工控机2输出采集到的行程位置数据。
车载工控机2搭载处理算法,实时接收并处理激光雷达1采集到的激光点云数据,并将处理识别的结果进行对外输出,并控制告警装置、制动装置。车载工控机2通过对激光点云数据处理分析,监测前方行驶区域断面状态,评估巷道围岩风险等级,对单轨吊前方行驶区域进行可行性评价。
实施例二
在上述实施例一的基础上,一种单轨吊可行驶性评估及巷道风险预测的方法,包括如下步骤:
坐标系说明:前进方向X,水平方向Y,竖直方向Z;
S1:通过单轨吊车头装设的激光雷达1实时采集巷道的激光点云数据,完成数据清洗与预处理;
结合图2所示,具体的:S1.1、格式化所采集到的激光点云数据,此处可采用常规的PointCloud激光点云数据格式,过滤异常数据,确保数据数据格式统一;异常数据包括乱码值点、空值点以及NaN值点。
S1.2、采集激光雷达1的行程位置数据信息并与S1.1中得到的过滤后的激光点云数据进行配准;具体的,可以通过编码器实时记录位置信息,通过时间戳与激光点云数据进行配准。
S1.3、通过统计滤波和条件滤波的方式筛除巷道外部的异常激光点云数据,由于煤矿巷道为封闭空间,巷道外部的点不存在实际意义,视为噪声点;
本实施例采用直通滤波进行异常点过滤。考虑到单轨吊上激光雷达在巷道中的位置、矿井巷道的设计规范、巷道支护材料反射率等因素,经过测试得到一个值,以及激光发射端为基准,确定x范围距离为-1.2至1.2米、y范围距离为-1.2至1.2米,在xy平面上不属于设定范围内的点云均予以裁剪。
S1.4、为防止数据冗余,提高数据处理速度,在保留激光点云数据特征的基础上,通过体素滤波和随机降采样的方式进行点云降采样;
本实施例采用采用体素滤波(Voxel Grid Filter)的方式对点云进行降采样,体素尺寸设置为30cm*30cm*300cm。降采样后点云能够较好的保留隧道的三维特征,点云数量可有效减少便于提升工控机数据处理速度。
S1.5、对S1.3处理后的激光点云数据进行巷道断面的提取,在沿巷道走向相对短的一段距离巷道可近似视为直线段,以该直线段为激光点云数据坐标轴的方向,分段处理该坐标轴上的激光点云数据,得到该坐标轴方向上不同位置的巷道断面激光点云数据;
本实施例中对巷道断面提取,实施方法为对体素滤波之后的点云,对其X值进行分段处理,如图3所示,采用0.1m为间隔,得到多个断面点云。
S1.6、断面点云分类,针对二维的断面点云,采用二维坐标系下的数学方法对其进行拟合处理,以区分不同类型的点云断面。如图4和图5所示,在不同类型巷道,断面点云形状各不相同。根据不同断面点云形状可判别不同类型巷道。点云断面区域包括辅运大巷、准备巷道、回采巷道和石门。
S2:在激光雷达1坐标系中根据完成数据清洗与预处理后的激光点云数据提取关键特征点,并保存提取后的数据;
具体的:根据井下不同巷道内的空间特性及断面特征,搭建巷道断面点云提取模型,并进行关键特征点提取。关键特征点的数据格式包括断面位置值、数据采集时刻值、帮部特征点距离值、顶底板特征点距离值。不同巷道包括辅运大巷、准备巷道(上下山)、回采巷道(回风顺槽)和石门。
巷道的点云断面提取方法具体包括:
为方便后续数据计算,采用矿业工程领域中常用的十字测点法所测的测点为断面特征点,具体为:在二维激光点云数据中查找距断面中心左右侧距离值最大的点,为巷道帮部特征点;在二维激光点云数据中查找距断面中心上下侧距离值最大的点,为巷道顶底板特征点;根据轨道中心与单轨吊车体的安全边界,计算出巷道安全边界特征点;
进一步的:
如图6所示,本实施例中将断面高度分为六等分。在左帮激光点云数据中查找与断面高度16位于同一水平,且距离断面中心轴线最近的点作为左帮特征点1;在左帮激光点云数据中查找与断面高度26位于同一水平,且距离断面中心轴线最近的点作为左帮特征点2;在左帮激光点云数据中查找与断面高度36位于同一水平,且距离断面中心轴线最近的点作为左帮特征点3;在左帮激光点云数据中查找与断面高度46位于同一水平,且距离断面中心轴线最近的点作为左帮特征点4;在左帮激光点云数据中查找与断面高度56位于同一水平,且距离断面中心轴线最近的点作为左帮特征点5。
右帮特征点与左帮特征点提取方法相同。
将宽度分为六等分。在顶板激光点云数据中查找与断面左侧位于同一位置,且距离断面中心水平线最近的点作为顶板特征点1;在顶板激光点云数据中查找与断面宽度16位于同一位置,且距离断面中心水平线最近的点作为顶板特征点2;在顶板激光点云数据中查找与断面宽度26位于同一位置,且距离断面中心水平线最近的点作为顶板特征点3;在顶板激光点云数据中查找与断面宽度36位于同一位置,且距离断面中心水平线最近的点作为顶板特征点4;在顶板激光点云数据中查找与断面宽度46位于同一位置,且距离断面中心水平线最近的点作为顶板特征点5;在顶板激光点云数据中查找与断面宽度56位于同一位置,且距离断面中心水平线最近的点作为顶板特征点6;在顶板激光点云数据中查找与右帮位于同一位置,且距离断面中心水平线最近的点作为顶板特征点7。
底板特征点与顶板特征点提取方法相同。
在提取关键特征点时,为防止巷道断面点云特征点发生缺失或误判,通过滤波处理的方式来滤除异常点;
巷道断面点云特征点发生缺失或误判的情况包括:
1)由于激光雷达传感器装设方式影响,当单轨吊拐弯、爬坡、下坡时激光雷达会有一定几率丢失一侧激光点云数据,采集不到完整的断面激光点云数据;
2)由于井下环境恶劣,存在水雾、粉尘影响,所以会存在部分噪声数据影响特征点数据准确性。
本实施例中,滤波处理包括以下步骤:
步骤a、实时提取并选择前后一段时间的多个断面激光点云数据;
步骤b、对每个断面激光点云数据分别提取帮部特征点、顶底板特征点;
步骤c、采用滑动窗口实时通过多项式拟合窗口内的数据点,对缺失或者异常数据替换为多项式拟合值。
进一步的:
本实施例采用插值后滤波的方式处理该类断面点云,滤波选用SG平滑算法,步骤如下:
1.每隔0.1m提取断面激光点云数据,当采集够10组断面激光点云数据后开始滤波,此时数据为(xl1,xr1,zr1,zf1),(xl2,xr2,zr2,zf2),···,(xl10,xr10,zr10,zf10);
2.分别提取xl1~xl10,xr1~xr10,zr1~zr10,zf1~zf10四组数据,并依次按照下述步骤处理;
3.查询每组数据内缺失的点,以xl为例,查询数据缺失点为xln,则通过xln=(xln+xln)/2公式对xln进行插值;
4.对插值后的数据采用SG滤波法(SavitzkyGolay Filter)进行滤波,具体步骤如下:
a)设置滤波窗口的宽度为5,各测量点为x=(-2,-1,0,1,2),各滤波点对应值Y=(xl1,xl2,xl3,xl4,xl5),采用3次多项式对窗口内数据进行拟合,得到拟合后的矩阵如下:
d)重复步骤a-c直至得到所有数据;
5.对每组数据重复步骤4,即可得到所有数据。
S3:拟合与修正S2中提取的关键特征点,提出车辆前方区域行驶性评估模型建立方法,结合车辆信息、《煤矿安全规程》相关条例,建立单轨吊前方区域可行驶性评估模型;
具体的:可行驶性评估模型的建立包括以下步骤,
步骤a、提取处理后的断面激光点云数据;
步骤b、分别计算连续十个断面上每个断面内距离水平中心线距离值最小的帮部特征点或顶底板特征点;
步骤c、利用车体轮廓信息计算得到断面上的帮部特征点或顶底板特征点的安全阈值;
步骤d、选择步骤c中的最小值作为安全评估值;
步骤e、根据《煤矿安全规程》和安全评估值,共同决策输出车辆运行指令;
步骤f、在XY平面、YZ平面内对计算所得的se值线进行拟合,构建单轨吊前方区域可行驶性评估模型。
进一步的:
结合图7和图8所示,
本实施例中前方区域可行驶性评估模型构建方法具体如下:
1.提取滤波后的激光点云数据,此时数据为(xl1,xr1,zr1,zf1),(xl2,xr2,zr2,zf2),···,(xl10,xr10,zr10,zf10);
2.分别对不同类型特征点进行下述步骤;
3.以顶板特征点zr为例,计算连续十个断面上每个断面内距离水平中心线距离值最小的顶板特征点zrmin=min(zr1,zr2,...,zr10);
4.用3中求得的每个断面上的顶板特征点,减去基本车体高度的一半b,得到断面上的行驶区域顶板安全阈值sr=zrmin-b;
5.以sr中的最小值作为车辆行驶区域安全评估值se,并以时间戳为索引保存该值,计算方法为se=min(sr1,sr2,...,sr10);
其中A1对应下表输出结果
A1数值 | A1指令 |
0 | 车辆禁止通过 |
1 | 车辆低速通过 |
2 | 车辆正常通过 |
7.分别在XY平面、YZ平面内对计算所得的se值线进行拟合,可得到车辆前方区域可行驶性评估模型。
S4:读取S3评估模型构建过程中的数据,根据实时数据与历史数据,计算巷道的风险预测特征值;
具体的:S4.1、读取S3中保存的数据;
S4.2、分别计算各个位置特征点的巷道风险预测特征值。
S5:根据S4中计算的风险预测特征值参数,预测单轨吊前方区域的巷道风险;
具体的:S5.1、分别读取S4中得到不同类型巷道风险预测特征值;
S5.2、根据巷道围岩风险等级预测方法预测当前区域巷道围岩风险。
本实施例中巷道车辆行驶区域风险预测方法如下:
1.提取左帮,右帮,顶板,底板的车辆行驶区域安全评估值se;
其中A2对应下表输出结果
A2数值 | A2指令 |
0 | 该区域未来无风险。 |
1 | 该区域未来存在低风险,需要加强监测。 |
2 | 该区域未来存在中风险,需要制定治理方案。 |
3 | 该区域风险等级为高,请立即停止作业并治理。 |
S6:通过S3中单轨吊前方区域可行驶性评估模型,控制单轨吊安全高效运行;根据S5中的巷道风险预测结果,为矿井集控中心提供单轨吊行驶区域巷道风险预警信息,矿井集控中心根据巷道风险预警信息制定响应方案;
具体的:S6.1、查看前述步骤构建的前方区域行驶性评估模型。得到单轨吊运行指令A1,控制单轨吊实现不同等级的行驶或制动;
S6.2、根据前述步骤预测巷道车辆行驶区域风险,得到指令A2发送至集控中心。集控中心根据指令内容制定相应的应对措施并下发到各级工作部门。
上述实施例可以确认,本发明的技术效果是:
1.本发明的深部受限空间下单轨吊前方区域可行驶性评估及巷道风险预测系统及方法由车载工控机、网络交换机、激光雷达等组成,传感器种类少,设备数量少,结构轻量化,部署成本较低,无需复杂的传感器同步与融合,易于搭建,具有较好的实时性与可用性;
其中,车载工控机搭载处理算法,能够实时接收并处理激光雷达采集到的激光点云数据,并能够将处理识别的结果进行对外输出,并控制告警装置、制动装置;
激光雷达是本发明中采集激光点云数据的传感器,并实时向车载工控机输出采集到的激光点云数据,该激光雷达一般安装于单轨吊车头中心,探测前方巷道环境;
网络交换机是本发明中用于实时传输激光点云数据与处理结果的通信设备,实现对与多台激光雷达的控制,并增强单轨吊功能扩展能力。
2.本发明方案能够实时采集激光雷达探测到的激光点云数据,实时对激光点云数据进行清洗与预处理,对数据进行降采样处理,减小算法的处理数据量,提高处理效率,提高方案的实时性。从点云中提取巷道断面信息,对断面特征进行分类,判断当前断面的巷道类型。
3.根据煤矿巷道的空间特性以及不同巷道类型的断面特征,搭建基于激光点云数据的巷道临界点提取模型,并针对提取巷道断面的特征点(辅运大巷、准备巷道、回采巷道和石门)。
4.由于井下环境恶劣会导致无法获取到断面点云全部信息以及或错判,对于此类情况带来的负面影响,本发明基于插值算法以及适用于巷道围岩变形数据特征的滤波算法处理该类问题。
5.根据拟合修正后的连续断面上的特征点,结合单轨吊形态信息,车体与两帮距离,根据《煤矿安全规程》相关条例,构建车辆前方区域行驶性评估模型。
6.基于可行驶区域评估模型的时空数据信息,计算巷道风险预测特征值,预测行驶区域内巷道围岩风险。构建前方区域行驶性评估模型后,根据模型当前评估数据及模型历史保存数据,计算巷道风险预测特征值Vse、ΔVse,实现对前方行驶区域的风险预测。
7.根据前方区域行驶性评估模型评估结果,接收单轨吊运行指令A1,控制单轨吊安全高效运行;对行驶区域巷道围岩风险进行预测,将风险预测指令A2传输至集控中心,由集控中心根据不同等级风险预警制定相应措施并下发至各个部门。
以上所述仅为本发明的示例性实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种单轨吊可行驶性评估及巷道风险预测系统,其特征在于:包括安装在单轨吊上的激光雷达(1)、车载工控机(2)、车载显示器(3)、网络交换机(4)和告警装置(5);所述车载工控机(2)通过网络交换机(4)分别连接车载显示器(3)和激光雷达(1);车载工控机(2)通过CAN分析仪输出接口连接单轨吊的驱动模块;
所述激光雷达(1)为采集激光点云数据的传感器,并实时向车载工控机(2)输出采集到的激光点云数据;
所述车载工控机(2)实时接收并处理激光雷达(1)采集到的激光点云数据,并将处理预测的结果进行对外输出,并操控驱动模块和告警装置(5)。
2.根据权利要求1所述的一种单轨吊可行驶性评估及巷道风险预测系统,其特征在于:所述驱动模块包括单轨吊速度控制器和制动装置(6),单轨吊速度控制器包括编码器(7);所述编码器(7)为采集行程位置数据的传感器,并实时向车载工控机(2)输出采集到的行程位置数据。
3.一种单轨吊可行驶性评估及巷道风险预测的方法,其特征在于,包括如下步骤:
S1:通过单轨吊车头装设的所述激光雷达(1)实时采集巷道的激光点云数据,完成数据清洗与预处理;
S2:在激光雷达(1)坐标系中根据完成数据清洗与预处理后的激光点云数据提取关键特征点,并保存提取后的数据;
S3:拟合与修正S2中提取的关键特征点,建立单轨吊前方区域可行驶性评估模型;
S4:读取S3评估模型构建过程中的数据,根据实时数据与历史数据,计算巷道的风险预测特征值;
S5:根据S4中计算的风险预测特征值参数,预测单轨吊前方区域的巷道风险;
S6:通过S3中单轨吊前方区域可行驶性评估模型,控制单轨吊运行;根据S5中的巷道风险预测结果,为矿井集控中心提供单轨吊行驶区域巷道风险预警信息,矿井集控中心根据巷道风险预警信息制定响应方案。
4.根据权利要求3所述的一种单轨吊可行驶性评估及巷道风险预测的方法,其特征在于:
S1中数据清洗与预处理包括以下步骤,
S1.1、格式化所采集到的激光点云数据,过滤异常数据,确保数据数据格式统一;
S1.2、采集激光雷达(1)的行程位置数据信息并与S1.1中得到的过滤后的激光点云数据进行配准;
S1.3、筛除巷道外部的异常激光点云数据,由于煤矿巷道为封闭空间,巷道外部的点不存在实际意义,视为噪声点;
S1.4、为防止数据冗余,提高数据处理速度,在保留激光点云数据特征的基础上,进行点云降采样;
S1.5、对S1.3处理后的激光点云数据进行巷道断面的提取,在沿巷道走向一段距离上,将巷道视为直线段,以该直线段为激光点云数据坐标轴的方向,分段处理该坐标轴上的激光点云数据,得到该坐标轴方向上不同位置的巷道断面激光点云数据;
S1.6、断面点云分类,针对二维的断面点云,采用二维坐标系下的数学方法对其进行拟合处理,以区分不同类型的点云断面。
5.根据权利要求4所述的一种单轨吊可行驶性评估及巷道风险预测的方法,其特征在于:
所述S1.1中异常数据包括乱码值点、空值点以及NaN值点;
所述S1.3中筛除巷道外部的异常激光点云数据的方式包括统计滤波和条件滤波;
所述S1.4中降采样的方式包括体素滤波和随机降采样;
所述S1.6中不同类型的点云断面区域包括辅运大巷、准备巷道、回采巷道和石门。
6.根据权利要求3所述的一种单轨吊可行驶性评估及巷道风险预测的方法,其特征在于:
S2中提取关键特征点包括以下步骤,
根据井下不同巷道内的空间特性及断面特征,搭建巷道断面点云提取模型,并进行关键特征点提取,所述的不同巷道包括辅运大巷、准备巷道、回采巷道和石门;
在二维激光点云数据中查找距断面中心左右侧距离值最大的点,为巷道帮部特征点;
在二维激光点云数据中查找距断面中心上下侧距离值最大的点,为巷道顶底板特征点;
根据轨道中心与单轨吊车体的安全边界,计算出巷道安全边界特征点。
7.根据权利要求6所述的一种单轨吊可行驶性评估及巷道风险预测的方法,其特征在于:
在提取所述关键特征点时,通过滤波处理的方式来滤除异常点;
滤波处理包括以下步骤:
步骤a、实时提取并选择前后一段时间的多个断面激光点云数据;
步骤b、对每个断面激光点云数据分别提取帮部特征点、顶底板特征点;
步骤c、采用滑动窗口实时通过多项式拟合窗口内的数据点,对缺失或者异常数据替换为多项式拟合值;
所述关键特征点的数据格式包括断面位置值、数据采集时刻值、帮部特征点距离值、顶底板特征点距离值。
8.根据权利要求7所述的一种单轨吊可行驶性评估及巷道风险预测的方法,其特征在于:
S3中可行驶性评估模型的建立包括以下步骤,
步骤a、提取处理后的断面激光点云数据;
步骤b、分别计算连续十个断面上每个断面内距离水平中心线距离值最小的帮部特征点或顶底板特征点;
步骤c、利用车体轮廓信息计算得到断面上的帮部特征点或顶底板特征点的安全阈值;
步骤d、选择步骤c中的最小值作为安全评估值;
步骤e、根据《煤矿安全规程》和安全评估值,共同决策输出车辆运行指令;
步骤f、在XY平面、YZ平面内对计算所得的se值线进行拟合,构建单轨吊前方区域可行驶性评估模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210807377.2A CN115372932A (zh) | 2022-07-08 | 2022-07-08 | 一种单轨吊可行驶性评估及巷道风险预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210807377.2A CN115372932A (zh) | 2022-07-08 | 2022-07-08 | 一种单轨吊可行驶性评估及巷道风险预测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115372932A true CN115372932A (zh) | 2022-11-22 |
Family
ID=84061506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210807377.2A Pending CN115372932A (zh) | 2022-07-08 | 2022-07-08 | 一种单轨吊可行驶性评估及巷道风险预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115372932A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115653590A (zh) * | 2022-12-09 | 2023-01-31 | 山西易联智控科技有限公司 | 一种掘进机自动移机控制系统及方法 |
-
2022
- 2022-07-08 CN CN202210807377.2A patent/CN115372932A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115653590A (zh) * | 2022-12-09 | 2023-01-31 | 山西易联智控科技有限公司 | 一种掘进机自动移机控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112985304B (zh) | 一种隧道施工辅助监测系统 | |
CN103150907B (zh) | 一种基于高速公路运营安全的移动监控和预警系统及方法 | |
CN101458069B (zh) | 隧道围岩变形监测方法及其监测系统 | |
CN116644373B (zh) | 基于人工智能的汽车流量数据分析管理系统 | |
CN109278053B (zh) | 一种铁路隧道运营状态检测监测方法 | |
CN105352439B (zh) | 基于全光栅结构的车辆外形参数测量系统及方法 | |
CN100589143C (zh) | 判断浮动车行驶状态的方法及装置 | |
CN109489584B (zh) | 一种基于3d技术的隧道限界检测系统及隧道限界识别方法 | |
CN113911912B (zh) | 一种单轨吊智能驾驶综合安全防护方法及其装置 | |
CN103914688A (zh) | 一种城市道路障碍物识别系统 | |
CN109955849A (zh) | 应用于露天煤矿车辆防撞预警的方法及装置 | |
CN109977748A (zh) | 一种多融合技术的列车障碍物检测方法 | |
CN115372932A (zh) | 一种单轨吊可行驶性评估及巷道风险预测系统及方法 | |
CN109343064A (zh) | 一种矿用卡车障碍物探测系统及探测方法 | |
CN115601008A (zh) | 基于数字孪生的工程沉降变形监测系统及方法 | |
CN115527364B (zh) | 一种基于雷视数据融合的交通事故溯源方法及系统 | |
CN114633774A (zh) | 一种基于人工智能的轨道交通故障检测系统 | |
CN107561552A (zh) | 一种矿山井下无轨设备防碰撞方法与装置 | |
CN116631187B (zh) | 一种案件现场勘查信息智能采集分析系统 | |
CN113091835A (zh) | 基于边缘计算和大数据的网轨隧综合检测装置及方法 | |
CN204926529U (zh) | 一种车辆公路行驶稳定性检测系统 | |
CN115743195A (zh) | 一种矿用智能平板车 | |
CN107886714A (zh) | 一种危险路段判定方法和道路分析方法及装置 | |
CN115223128A (zh) | 一种基于神经网络的道路车辙拥包检测方法及系统 | |
CN112285111A (zh) | 一种受电弓前碳滑板缺陷检测方法、装置、系统和介质 |
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 |