Research on obstacle avoidance control method of multi-rotor aircraft in coal mine
-
摘要: 多旋翼飞行器以其机械结构简单、可悬停和多方向飞行的优点，在煤矿井下生产巡检方面具有良好的应用前景。但多旋翼飞行器移动速度较快，飞行时易受外界各种因素的影响，难以建立精确的数学模型，使得飞行控制算法的设计较为复杂，现有基于激光雷达的同步定位与地图构建方法难以满足多旋翼飞行器快速飞行的实时性要求。针对上述问题，研究了一种利用虚拟远程操控技术对煤矿井下多旋翼飞行器进行避障的控制方法。构建了煤矿井下巷道多旋翼飞行器虚拟远程操控系统，根据煤矿巷道初始信息在虚拟远程操控系统中建立虚拟巷道模型及全局导航地图，获得飞行器移动过程中已知的静态障碍物信息，建立已知的静态环境模型，减少多旋翼飞行器运动过程中对环境感知建模的任务量，提高虚拟远程操控的运行效率。在巡检过程中，多旋翼飞行器通过自身携带的传感设备检测移动方向的动态障碍物信息，虚拟远程操控系统将动态障碍物信息实时重建于初始虚拟巷道模型中，对虚拟环境状态进行实时更新，为飞行器局部避障控制提供可靠的环境依据；虚拟远程操控系统通过读取障碍物与飞行器的位置数据和移动速度信息，采用复合虚拟势场（CVFF）避障控制算法进行避障路径规划，如果检测到前方障碍物对飞行器移动产生较大威胁，远程操控人员可根据规划的避障路径对飞行器进行远程干预，实现了自主避障飞行和人为远程干预控制。为提高飞行器对动态障碍物的感知效率和精度，在虚拟势场（VFF）算法的基础上引入飞行器与障碍物、目标点之间的相对速度影响，提出了一种CVFF避障控制算法。从静态和动态障碍物避障路径2个方面对CVFF避障控制算法进行仿真验证，结果表明：静态情况下，相比VFF算法，CVFF避障控制算法在减少了迭代次数的同时，也缩短了飞行器的轨迹长度；动态情况下，飞行器成功避开了提前设定的2个动态障碍物，顺利到达设定目标点，验证了采用CVFF算法的煤矿井下多旋翼飞行器避障控制方法的有效性。Abstract: Multi-rotor aircraft has a good application prospect in coal mine production inspection because of its advantages of simple structure, hovering and multi-directional flight. However, multi-rotor aircraft moves at a high speed, and the aircraft is easily influenced by various external factors during flying. It is difficult to establish a precise mathematical model. The design of a flight control algorithm is complicated. The existing synchronous positioning and map construction method based on laser radar is difficult to meet the real-time requirement of rapid flying of the multi-rotor aircraft. In view of the above problems, an obstacle avoidance control method of multi-rotor aircraft in coal mine by using remote virtual control technology is studied. The virtual remote control system of the multi-rotor aircraft in coal mine underground roadway is constructed. The virtual roadway model and the global navigation map are established in the virtual remote control system according to the initial information of the coal mine roadway. The known static obstacle information in the moving process of the aircraft is obtained, and the known static environment model is established. The task quantity of environment perception modeling in the moving process of the multi-rotor aircraft is reduced, and the operation efficiency of virtual remote control can be improved. In the inspection process, the multi-rotor aircraft detects dynamic obstacle information in the moving direction through sensing equipment carried by the multi-rotor aircraft. The remote control system reconstructs the dynamic obstacle information in an initial virtual roadway model in real-time according to obstacle data. The virtual environment state is updated in real-time to provide a reliable environment basis for local obstacle avoidance control of the aircraft. The remote control system uses the compound virtual force field (CVFF) obstacle avoidance control algorithm to plan the obstacle avoidance path by reading the positioning data and moving speed information of obstacles and aircraft. If the obstacle in front is detected to pose a great threat to the movement of the aircraft, the remote controller can implement remote intervention on the aircraft according to the planned obstacle avoidance path. The system realizes autonomous obstacle avoidance flight and human remote intervention control. In order to improve the perception efficiency and accuracy of aircraft to dynamic obstacles, a CVFF obstacle avoidance control algorithm is studied based on virtual force field (VFF) algorithm by introducing the influence of relative velocity between aircraft and obstacles and target points. The CVFF obstacle avoidance control algorithm is verified by simulation from two aspects of static and dynamic obstacle avoidance paths. The results show that under static conditions, compared with the VFF algorithm, the CVFF algorithm reduces the number of iterations and also shortens the trajectory length of the aircraft. Under dynamic conditions, the aircraft successfully avoids the two dynamic obstacles set in advance and successfully reaches the set target point. The effectiveness of the obstacle avoidance control method of multi-rotor aircraft using the CVFF algorithm is verified.
-
0. 引言
2021年全国发生非煤矿山事故265起，死亡325人，其中较大以上事故8起，死亡55人，事故起数是煤矿的近3倍，死亡人数是煤矿的近2倍。整体来看，非煤矿山呈现“事故基数大，人员伤亡多”的现象。2021年国家矿山安全监察局在非煤矿山明查暗访和督导检查工作中发现，非煤矿山存在办矿意识淡薄、边建边采、以采代建、擅自改动生产系统、采矿工艺与设计不符、风险隐患排查处理不及时、互抢资源、超层越界开采等违法违规行为[1]。现阶段对非煤矿山的地方监管监察手段依靠基层执法人员通过管理平台审查或现场走访检查，主要是查看非煤矿山安全标准化及“双控”等资料，巡查生产现场、生产设备是否存在隐患和风险[2]。该方式存在以下问题：① 受时空限制，监管监察效率不高，信息获取不及时，应急响应不充分[3]。采用基于人工填报信息的管理模式，无法实时监测，地方政府难以全面系统地掌握非煤矿山企业动态变化的安全生产状况。② 缺少风险监测预警功能。目前，非煤矿山监测内容、监测技术还不明晰，其风险监测预警系统尚未建设。③ 各级安全监察单位与其监管地区非煤矿山数量不匹配。
从国家政策、地方政府、非煤矿山企业三方主体的要求出发[4-8]，有必要建立以风险为核心的安全监管监察模式。但我国非煤矿山呈现多、散、贫、小的基本特征[9]，不同类别的非煤矿山风险不同，且信息化管控程度不同。为了实现对不同类别非煤矿山风险的一致化管控，提高非煤矿山安全监管监察效率，本文采用互联网
$＋ $ 监测技术，将风险对象化处理，抽取以风险为维度的监测数据，以风险点和风险面的方式，分别进行单一风险预警分析和综合风险报警分析，构建基于风险监测预警的非煤矿山监管监察模式。1. 非煤矿山安全监管监察模式
1.1 当前非煤矿山监管监察模式
非煤矿山主要分为金属非金属地下矿山、金属非金属露天矿山及尾矿库。此外，考虑岩盐矿特殊的钻井水溶开采岩盐技术及其钻井涌卤污染周围环境问题，需区别于地下矿山，独立设置监测采卤参数的传感器和地面沉降专题。现阶段主要通过安全管理检查和现场安全监管检查2种模式进行非煤矿山监管监察[10]。安全管理检查内容主要包括证照信息、双重预防机制、外包工程管理、安全生产管理机构及人员配备、安全投入、应急管理、管理制度、教育培训、安全设施设计及其重大变更情况，以及设计、现状评价及资质验收。
对于不同类型的非煤矿山，现场安全监管检查内容存在较大差异。对于地下矿山，重点检查内容包括：矿井安全出口，采矿方法，矿(岩)柱留设；提升设备检测检验报告及证书有效期；各种制动、过卷防护保护装置，联锁闭锁装置；阻车器，防跑车装置；主要通风机运行及备用电动机完备情况；“三专两探一撤”措施执行情况；排水系统证书及运行情况，防治水专业技术人员配备情况，排水泵及管道数量、型号，防水门设置；变压器设备证书、检查维保记录、是否双独立线路设计，变电硐室出口、标高合规性；废弃巷道、采空区储水排查情况；便携式气体检测仪器和自救装备，通信设备，出入管理制度执行情况。对于露天矿山，重点检查内容包括：开采方式，台阶参数，交叉作业、同一平台铲装作业、上下台阶同时铲装作业情况；边坡在线监测系统，边坡稳定性分析报告；运输路段坡度、急转弯度合理性，防护栏、警示牌、卸货场所挡车设施设置；电线、电缆裸露情况；排土场堆积参数及稳定性分析报告；小型露天矿开采合规性。对于尾矿库，重点检查内容包括：库底平均纵坡、标准化等级、抗震设防烈度、设计等别、坝体参数、排洪设施形式等参数是否符合安全要求；尾矿库安全风险评估报告，“一库一策”执行情况；尾矿库在线监测系统建设及运行情况；井、斜槽、隧洞等排洪设施运行情况；排洪构筑物质量检测报告；值班制度管理、汛期安全防护与物资准备等报告。对于岩盐矿，重点检查内容包括：岩盐开采地面沉降年度监测报告；地下溶腔记录（地下溶腔底板和腔顶的深度、位置及不同深度的溶腔直径等监测数据）；PLC，DCS（Distributed Control System，分布式控制系统)运行情况及其流量、压力等监测数据异常情况；注水井及卤水井储量情况等。
安全管理检查、现场安全监管检查这2种监管监察模式分别依托安全信息化管理平台和安全监察人员现场检查。基于非煤矿山多而散的特性，只通过平台材料审查和人员现场检查难以实现动态全面监管，亟需构建基于风险监测预警的非煤矿山监管监察模式，由“人员检查、静态监察”的现场监管转变成“系统监测、动态预警”的远程监管。
1.2 基于风险监测预警的非煤矿山监管监察模式
基于风险监测预警的非煤矿山监管监察模式是以非煤矿山风险监测预警系统为依托，抽取人员、环境、设备设施、管理及监测专题5个方面的风险监测指标数据，以风险点、风险面2种方式分别对数据进行单一风险预警分析和综合风险报警分析，以实现单一风险预警分级推送和综合风险报警分级管控，如图1所示。
![]()
图 1 基于风险监测预警的非煤矿山安全监管监察模式流程Figure 1. Flow of non-coal mine safety supervision mode based on risk monitoring and early warning风险点监测对象是人工填报数据及传感器监测数据。人工填报数据包括矿山基础信息及安全生产管理过程中产生的文件；传感器监测数据包括环境气体、人员及视频等数据。若数据未填报或填报数据字段无效，会触发低风险预警，若长时间未处置，预警等级会随时间按低风险→一般风险→较大风险→重大风险顺序逐步增大；若传感器监测数据超过设定的单一预警阈值，会触发单一风险预警，即时通知矿端管理人员，若长时间未采取有效管控措施，风险会进一步升级，当触发较大风险预警时，预警信息自动上传至政府端监测预警平台，如一氧化碳体积分数超过24×10−6，触发单一风险预警，若时长超过2 min，则预警信息上传至政府端监测预警平台。
单一风险预警处置见表1，流程如图2所示。非煤矿山风险监测预警系统产生的预警信息通过系统消息、APP消息、手机短信3种方式进行推送，按照预警等级推送至不同范围内的相关人员，经核查后，由矿端落实处置措施，并逐级上报相关部门和领导。以重大风险预警处置流程为例，系统出现“重大风险”预警消息时，利用系统消息、APP消息、手机短信推送至省应急管理厅，省应急管理厅、市应急管理局组织相关人员开展远程监察或现场核查，协调矿端进行详情核查、风险处理，处理完毕后由调度员在系统内填报预警处理情况说明，同时由矿端上报市应急管理局、省应急管理厅，市应急管理局相关人员填报预警处置情况说明，消除预警状态，形成问题闭环。
表 1 单一风险预警处置Table 1. Early warning and disposal of single risk预警等级 推送对象 信息推送方式 参与主体 上报流程 时间要求 低风险 矿领导 系统消息 矿领导、调度中心 调度中心→矿领导 响应时间≤8 h，
处理时间≤12 h一般风险 矿领导 系统消息、APP消息 矿领导、调度中心 调度中心→矿领导 响应时间≤4 h，
处理时间≤8 h较大风险 市应急管理局 系统消息、APP消息、
手机短信市应急管理局、集团领导、
矿领导、调度中心调度中心→矿领导→集团领导→
市应急管理局响应时间≤1 h，
处理时间≤4 h重大风险 省应急管理厅 系统消息、APP消息、
手机短信省应急管理厅、市应急管理局、
集团领导、矿领导、调度中心调度中心→矿领导→集团领导→
市应急管理局→省应急管理厅响应时间≤0.5 h，
处理时间≤4 h风险面监测对象是人员、环境、设备设施、管理及监测专题5个方面的风险监测指标。风险面监测的目的是实现非煤矿山风险综合研判，按照确定指标体系→熵权法赋权→评价各指标得分情况→计算综合风险得分→将综合风险得分由高到低排序并划分综合风险等级→根据综合风险等级确定监管等级→采取对应监管周期和措施的评价流程，实现非煤矿山综合风险分级管控。
2. 非煤矿山监测数据及专题
2.1 监测数据
非煤矿山监测数据包括风险基本数据、风险管理数据、传感器监测数据3类。不同类型非煤矿山的风险基本数据和风险管理数据基本相同，但传感器监测数据差别较大。
风险基本数据主要是矿山基本信息，包括矿山简介、证照信息、图纸专项信息、从业人员信息、安全技术管理体系信息、主要生产系统档案信息、工艺及设备信息。
风险管理数据主要是安全生产管理中产生的一系列文件信息，包括企业年度、专项风险辨识评估后形成的风险清单，企业在隐患排查治理、应急管理、事故管理、教育培训、特种设备管理过程中形成的台账记录。
传感器监测数据包括环境监测数据、人员监测数据、视频监控数据。各类非煤矿山传感器监测数据见表2。
表 2 非煤矿山传感器监测数据Table 2. Sensor monitoring data of non-coal mine非煤矿山类型 环境监测数据 人员监测数据 视频监控数据 金属非金属
地下矿山① 井下环境中的氧气、温度、一氧化碳、二氧化碳、二氧化氮、烟雾监测数据，高含硫地下矿山中硫化氢、二氧化硫浓度，存在铀、钍等放射性元素的地下矿山中氡(钍射气)及其子体浓度；② 风压、风速、通风机开停状态等；③ 井下地压、顶底板变形数据等 携卡人员基本信息，携卡人员出/入井时刻、出/入重点区域时刻、出/入限制区域时刻等，出/入井的携卡人员总数，携卡人员下井活动路线信息，领导带班信息，工作异常的携卡人员基本信息、分布等报警数据 提升人员的井口信号房、提升机房，井口、调车场等人员进出场所，紧急避险设施及井下爆破器材库、油库、中央变电所等主要硐室的视频监控数据 金属非金属
露天矿山① 露天矿山（排土场）中温度、粉尘、噪声、氧气、一氧化碳、二氧化氮等监测数据；② 露天矿山（排土场）中表面位移、内部位移、应力、质点速度、渗透压力、地下水位、降雨量、裂隙等 露天矿山（排土场）人员进/离场时间 露天矿山（排土场）采场主要边坡、出入口、主要作业区域、爆破器材库、采场高点等位置的视频监控数据 尾矿库 干滩、库水位、表面位移、浸润线、降雨量、内部位移等 — 滩顶放矿处、排尾管道、坝体下游坡、排洪设施进出口、库水位尺、干滩标杆等位置的视频监控数据 岩盐矿 采输卤设备流量、压力等 — 钻井口、运输干线交叉口、重点设备和关键部位等位置的视频监控数据 2.2 监测专题
非煤矿山不仅要建设视频监控和安全信息化管理系统[11]，还要对各类非煤矿山易发生的重大事故建设监测专题，见表3。
表 3 非煤矿山重大事故监测专题Table 3. Monitoring topics of serious accidents in non-coal mine重大事故 专题 内容描述 金属非金属
地下矿山冒顶、片帮、
透水冲击
地压监测监测工作面矿压、巷道矿压、微震等，系统自动生成报表、曲线图等 水害治理 通过各种传感器检测风速、雨量、水温、水流速度、水位、风向、水质、水量数据及其视频、图像等，实现在线监测与预警 金属非金属
露天矿山滑坡边坡监测 根据露天矿山采场边坡高度、边坡角、地质条件、稳定性等指标确定不同的监测等级，结合边坡分区的安全监测等级要求，对爆破震动、边坡变形、水文气象、采动应力进行监测 尾矿库溃坝 位移监测 监测坝体表面位移、内部位移、坝体渗流压力、绕坝渗流、渗流量、渗流水浑浊度、干滩、库水位、降水量、排洪设施运行数据、库区地质滑坡体数据等 岩盐矿地表
塌陷地面
沉降监测根据DZ/T 0283—2015《地面沉降调查与监测规范》，对地面沉降及其伴生地裂缝进行调查与监测，并将调查记录资料和成果报告电子化归档，形成岩盐开采地面沉降监测报告[12] 3. 综合风险研判分级监管模型
3.1 模型构建
非煤矿山风险面监测通过建立综合风险研判分级监管模型（以下简称分级监管模型）实现综合风险报警分级管控。该模型可通过划分企业风险级别来建立[13]。
基于非煤矿山风险监测预警系统数据构建分级监管模型，并将该模型应用于风险监测预警系统是实现风险实时预警、分级推送、响应处置的前提[14]。基于现有数据提取风险监测指标，构建风险监测指标体系；利用熵权法进行数据分析，对风险监测指标赋权，进而制定评分标准，对本地下辖非煤矿山企业各指标进行打分；基于指标权重和得分确定企业综合风险等级。
（1） 指标体系。考虑各类非煤矿山监测专题内容，从人员、设备设施、环境、管理、监测专题5类风险监测内容中选取较为全面合理的风险监测指标，见表4。指标选取遵循应用尽用原则，即指标应最大限度地覆盖人员、设备设施、环境、管理多方面信息，并考虑非煤矿山不同类别，对可能导致重大事故的事件建立监测专题，尽可能地使用非煤矿山风险监测预警系统现存的数据字段，以便将分级监管模型应用到风险监测预警系统中，实现指标得分及排名自动输出。
表 4 非煤矿山风险监测指标体系及权重Table 4. Risk monitoring index system and weight of non-coal mine一级指标 二级指标 三级指标 人员（0.29） 人员定位（0.154） 井下超时人员（0.036） 当前带班领导（0.024） 重点区域人员（0.015） 非法进入人员（0.030） 区域超员信息（0.018） 当前网络状态（0.009） 平均下井时长（0.022） 人为作业（0.136） 人员经验（0.050） 人员专业技术能力（0.025） 按规程操作（0.040） 作业监督（0.021） 设备设施（0.214） 大型设备
(0.08)大型设备检验（0.045） 大型设备故障（0.035） 传感器(0.134) 传感器分布地点（0.038） 传感器安装数量（0.034） 传感器故障情况（0.033） 传感器标校情况（0.029） 环境（0.158） 视频监控(0.046) 监控报警（0.046） 参数监测
(0.112)实时监控（0.044） 实时报警（0.068） 管理（0.134） 基础信息管理
（0.021）证照信息（0.003） 组织架构（0.003） 安全管理制度（0.003） 生产系统档案（0.003） 从业人员信息（0.003） 工艺设备管理（0.003） 矿井图纸（0.003） 隐患管理（0.02） 隐患台账（0.020） 风险管理
（0.027）风险清单（0.015） 风险提醒（0.012） 事故管理（0.028） 伤亡事故统计与分析（0.017） 非伤亡事故统计与分析（0.011） 应急管理（0.038） 物资信息（0.007） 现场救援物资分布（0.009） 物资库管理（0.009） 应急培训计划（0.002） 应急演练计划（0.002） 应急预案（0.009） 监测专题（0.204） 金属非金属地下矿山 冲击地压监测（0.106） 水害治理（0.098） 金属非金属露天矿山 边坡监测（0.204） 尾矿库 位移监测（0.204） 岩盐矿 地面沉降监测（0.204） （2） 评价方法。为避免专家打分评价指标权重时主观性过强的问题，采用熵权法对指标赋权[15]。
首先进行数据标准化。由于不同指标的量化单位不同，无法直接计算，所以需要对指标进行无量纲化处理。
$$ {{r}}_{ij} = \frac{{x_{ij} - \min {x_{ij}} }}{{\max {x_{ij}} - \min {x_{ij}} }} $$ (1) 式中：
$ {{r}}_{ij} $ 为第i（i=1，2，$ \cdots ， $ m，m为当地待评价对象即非煤矿山数量）个评价对象第j（j=1，2，$\cdots ， $ n，n为三级指标个数）个三级指标的标准值，${{r}}_{ij}$ ∈（0，1）；$ x_{ij} $ 为第i个评价对象第j个三级指标的原始值。其次，计算第i个评价对象第j个三级指标的权重：
$$ p_{ij} = \frac{{r_{ij}}}{{ \displaystyle \sum\limits_{i = 1}^m {r_{ij}} }} $$ (2) 然后，计算各三级指标的信息熵：
$$ E_{j} = - \frac{1}{{{\rm{ln}}m}}\sum\limits_{i = 1}^m {p_{ij}}{\rm{ ln }}p_{ij} $$ (3) 最后，计算三级指标的熵权：
$$ W_{j} = \frac{{1 - E_{j}}}{{n -\displaystyle \sum\limits_{j = 1}^n {E_{j}} }} $$ (4) 二级指标和一级指标的熵权分别由相应的三级指标和二级指标的熵权相加得到。基于熵权法所得的各评价指标权重见表4。
根据GB 16423—2020《金属非金属矿山安全规程》、AQ 2032—2011《金属非金属地下矿山人员定位系统建设规范》、AQ/T 2051—2016《金属非金属地下矿山人员定位系统通用技术要求》、AQ/T 2050.1—2016《金属非金属地下矿山 安全标准化规范导则》、AQ/T 2053—2016《金属非金属地下矿山监测监控系统 通用技术要求》、AQ/T 2050.4—2016《金属非金属矿山安全标准化规范 尾矿库实施指南》、AQ 2031—2011《金属非金属地下矿山监测监控系统建设规范》《矿山安全生产风险监测预警系统查看、上报及问题处置工作办法（暂行）》等制定各评价指标的评价方式及评分标准，计算各三级指标得分
$ {S _{j}} $ 。则非煤矿山综合风险得分为$$ Q = \sum\limits_{j = 1}^n {{W_j}} {S_{ j}} $$ (5) （3） 分级标准。依据帕累托法则[16]，高风险企业占比20%。将各非煤矿山综合风险得分由高到低排序，以2∶3∶3∶2的比例划分风险等级，即得分前20%为低风险，得分前20%~50%为一般风险，得分前50%~80%为较大风险，得分后20%为重大风险。若矿山企业存在死亡事故，则直接评定为高风险（期限为3个月）。监管部门可通过下辖非煤矿山动态风险等级进行分级管控。考虑得分排名的局限性，必然存在高风险矿山，引入风险阈值Rmax，该值为当地所有非煤矿山综合风险得分平均值的85%（经过数据分析测算得到）。若矿山企业风险排名位于后20%，但其综合风险得分大于Rmax，则风险等级降低为较大风险。
3.2 分级监管等级及措施
政府差异化分级监管是划分风险等级的根本目的[13,17]。根据企业综合风险等级确定监管等级，根据监管等级确定抽查范围及频率，具体见表5。
表 5 分级监管等级及措施Table 5. Graded supervision levels and measures企业综合风险等级 监管等级 抽查范
围/%抽查频率 监管措施 重大风险 一级 100 每月
抽查1次针对扣分严重指标（扣分分值超过总分的75%）的限期整改治理情况进行监管 较大风险 二级 50 每季度
抽查1次针对扣分较重指标（扣分分值超过总分的50%）的限期整改治理情况进行监管 一般风险 三级 20 每半年
抽查1次针对扣分一般指标（扣分分值超过总分的25%）的限期整改治理情况进行监管 低风险 四级 10 每年
抽查1次针对扣分指标的限期整改治理情况进行监管 当地非煤矿山年度平均抽查次数为
$$ N = \sum\limits_{k = 1}^4 {{\eta _k}} {s_k}{N_k} $$ (6) 式中：ηk（k=1，2，3，4，分别表示监管等级为一、二、三、四级）为监管等级为k的非煤矿山占比；sk为监管等级为k的非煤矿山抽查范围；Nk为监管等级为k的非煤矿山年度抽查次数。
将表5中数据代入式（6），得N=3.14。 若当地非煤矿山数量为m，则年度抽查次数为3.14m，较年度普查次数（12m）减少74%，监管效率提高2.82倍。
4. 结论
（1） 目前非煤矿山监管监察模式主要包括安全管理检查和现场安全监管检查2种， 监测手段落后，信息获取不及时，无法实时监测，且监察效率低，监管监察部门难以全面系统地掌握非煤矿山企业动态变化的安全生产状况。
（2） 基于风险监测预警的非煤矿山监管监察模式从非煤矿山风险监测预警系统中获取人员、环境、设备设施、管理及监测专题5个方面的风险监测数据，构建风险监测指标体系，分别以风险点、风险面2种方式对数据进行单一风险预警分析和综合风险报警分析，以实现单一风险预警分级推送和综合风险报警分级管控。
（3） 与现有非煤矿山监管监察模式相比，基于风险监测预警的非煤矿山监管监察模式具有以下特点：① 基于互联网
$＋ $ 监察技术，依托非煤矿山风险监测预警系统实现了远程监视和智能巡检，提高了监管监察效率，降低了监察人员现场执法检查频率。② 实现了风险分级预警处置。基于单一风险分级预警触发条件，构建了矿端−集团端−政府端（市应急管理局、省应急管理厅）的风险处置闭环流程，可优化配置及合理利用政府端监察资源。③ 实现了综合风险智能研判。根据综合风险等级（得分），指导矿山企业有针对性地加强安全管理薄弱项建设，实现限期整改项跟踪查询，进一步提高企业安全生产管理水平。 -
![]()
图 1 煤矿井下多旋翼飞行器虚拟远程操控系统组成
Figure 1. Composition of virtual remote control system of underground coal mine multi-rotor aircraft
![]()
图 2 复杂环境下多旋翼飞行器避障控制流程
Figure 2. Obstacle avoidance control flow for multi-rotor aircraft in complex environment
![]()
图 6 多旋翼飞行器在复合虚拟势场中的受力
Figure 6. The force of multi-rotor aircraft in compound virtual force field
![]()
图 7 CVFF避障控制算法流程
Figure 7. Compound virtual force field obstacle avoidance control algorithm flow
![]()
图 8
$ {p}_{0} $ =0.5时VFF算法仿真结果Figure 8. Simulation results of virtual force field algorithm when
$ {p}_{0} $ = 0.5![]()
图 9
$ {p}_{0} $ =0.5时CVFF避障控制算法仿真结果Figure 9. Simulation results of compound virtual force field obstacle avoidance control algorithm when
$ {p}_{0} $ =0.5![]()
图 10
$ {p}_{0} $ =1时VFF算法仿真结果Figure 10. Simulation results of virtual force field algorithm when
$ {p}_{0} $ =1![]()
图 11
$ {p}_{0} $ =1时CVFF避障控制算法仿真结果Figure 11. Simulation results of compound virtual force field obstacle avoidance control algorithm when
$ {p}_{0} $ =1表 1 仿真环境参数
Table 1 Simulation environment parameters
参数名称 数值 位置势场引力增益系数$ {K}_{{\rm{p}}} $ 13 速度势场引力增益系数$ {{K}}_{\mathrm{v}} $ 15 位置势场斥力增益系数$ {{M}}_{\mathrm{p}} $ 5 速度势场斥力增益系数$ {M}_{{\rm{v}}} $ 7 步长$ {l}_{0} $/dm 1 迭代次数J 500 障碍物影响距离$ {p}_{0} $ 0.5/1 
下载: 导出CSV
表 2
$ {p}_{0} $ =0.5时2种算法性能比较Table 2 Performance comparison of two algorithms when
$ {p}_{0} $ =0.5算法 迭代次数 轨迹长度/dm VFF算法 75 19.175 CVFF避障控制算法 64 17.378
下载: 导出CSV
表 3
$ {p}_{0} $ =1时2种算法性能比较Table 3 Performance comparison of two algorithms when
$ {p}_{0} $ =1算法 迭代次数 轨迹长度/dm VFF算法 74 20.412 CVFF避障控制算法 62 19.036
下载: 导出CSV
-
[1] 陈维健, 曹茂永. 中国煤矿安全技术与管理丛书−煤矿安全装备篇[M]. 徐州: 中国矿业大学出版社, 2014. CHEN Weijian, CAO Maoyong. China coal mine safety technology and management series: coal mine safety equipment[M]. Xuzhou: China University of Mining and Technology Press, 2014.
[2] 贾勇骁,郑学召,崔嘉明,等. 煤田火灾无人机监测关键技术研究[J]. 工矿自动化,2019,45(9):30-33,53. DOI: 10.13272/j.issn.1671-251x.17473 JIA Yongxiao,ZHENG Xuezhao,CUI Jiaming,et al. Research on key technologies of unmanned aerial vehicle monitoring of coalfield fire[J]. Industry and Mine Automation,2019,45(9):30-33,53. DOI: 10.13272/j.issn.1671-251x.17473
[3] 吴文臻. 基于5G技术的矿用四旋翼巡检机器人设计[J]. 煤炭工程,2021,53(12):159-163. WU Wenzhen. Design of mine quadrotor inspection robot based on 5G technology[J]. Coal Engineering,2021,53(12):159-163.
[4] 张沛,孙运强,石喜玲. 应用于矿井的多旋翼飞行器姿态信息融合设计[J]. 煤炭技术,2016,35(5):279-281. DOI: 10.13301/j.cnki.ct.2016.05.115 ZHANG Pei,SUN Yunqiang,SHI Xiling. Fusion design of multi rotor aircraft attitude information used in coal mine[J]. Coal Technology,2016,35(5):279-281. DOI: 10.13301/j.cnki.ct.2016.05.115
[5] 王岩,马宏伟,王星,等. 基于迭代最近点的井下无人机实时位姿估计[J]. 工矿自动化,2019,45(9):25-29. DOI: 10.13272/j.issn.1671-251x.17441 WANG Yan,MA Hongwei,WANG Xing,et al. Real-time pose estimation of underground unmanned aerial vehicle based on ICP method[J]. Industry and Mine Automation,2019,45(9):25-29. DOI: 10.13272/j.issn.1671-251x.17441
[6] 郑学召,童鑫,张铎,等. 矿井危险区域多旋翼侦测无人机关键技术探讨[J]. 工矿自动化,2020,46(12):48-56. DOI: 10.13272/j.issn.1671-251x.17653 ZHENG Xuezhao,TONG Xin,ZHANG Duo,et al. Discussion on key technologies of multi-rotor detection UAVs in mine dangerous area[J]. Industry and Mine Automation,2020,46(12):48-56. DOI: 10.13272/j.issn.1671-251x.17653
[7] 贾文友,魏文涛,朱良恒,等. 移动机器人改进Dijkstra算法下路径规划及可视化研究[J]. 徐州工程学院学报(自然科学版),2021,36(2):34-38. JIA Wenyou,WEI Wentao,ZHU Liangheng,et al. Research on path planning and visualization of mobile robot based on improved Dijkstra algorithm[J]. Journal of Xuzhou Institute of Technology(Natural Sciences Edition),2021,36(2):34-38.
[8] 张旭辉,吕欣媛,王甜,等. 数字孪生驱动的掘进机器人决策控制系统研究[J]. 煤炭科学技术,2022,50(7):36-49. DOI: 10.13199/j.cnki.cst.2022-0176 ZHANG Xuhui,LYU Xinyuan,WANG Tian,et al. Research on decision control system of tunneling robot driven by digital twin[J]. Coal Science and Technology,2022,50(7):36-49. DOI: 10.13199/j.cnki.cst.2022-0176
[9] 杨林,马宏伟,王岩,等. 煤矿巡检机器人同步定位与地图构建方法研究[J]. 工矿自动化,2019,45(9):18-24. DOI: 10.13272/j.issn.1671-251x.17444 YANG Lin,MA Hongwei,WANG Yan,et al. Research on method of simultaneous localization and mapping of coal mine inspection robot[J]. Industry and Mine Automation,2019,45(9):18-24. DOI: 10.13272/j.issn.1671-251x.17444
[10] 张旭辉,王妙云,张雨萌,等. 数据驱动下的工业设备虚拟仿真与远程操控技术研究[J]. 重型机械,2018(5):14-17. DOI: 10.3969/j.issn.1001-196X.2018.05.005 ZHANG Xuhui,WANG Miaoyun,ZHANG Yumeng,et al. Virtual simulation and remote control technology with data-driven for industrial equipment[J]. Heavy Machinery,2018(5):14-17. DOI: 10.3969/j.issn.1001-196X.2018.05.005
[11] 董润霖. 煤矿探测机器人环境重建与虚拟操控技术研究[D]. 西安: 西安科技大学, 2018. DONG Runlin. Environmental reconstruction and virtual manipulation technology of coal mine detection robot[D]. Xi'an: Xi'an University of Science and Technology, 2018.
[12] 程旗,岳碧波. 无人机自主编队的人工力场控制方法[J]. 兵器装备工程学报,2018,39(8):88-91. DOI: 10.11809/bqzbgcxb2018.08.019 CHENG Qi,YUE Bibo. Artificial potential fields control method of UAV autonomous formation[J]. Journal of Ordnance Equipment Engineering,2018,39(8):88-91. DOI: 10.11809/bqzbgcxb2018.08.019
[13] GIANIBELLI A, CARLUCHO I, PAULA M D, et al. An obstacle avoidance system for mobile robotics based on the virtual force field method[C]. IEEE Biennial Congress of Argentina （ARGENCON）, San Miguel de Tucuman, 2018: 1-8.
[14] 邓学强. 基于改进人工势场法的移动机器人路径规划[J]. 山东理工大学学报(自然科学版),2014,28(1):38-41. DENG Xueqiang. Path planning of mobile robot based on modified artificial potential field method[J]. Journal of Shandong University of Technology(Natural Science Edition),2014,28(1):38-41.
-
期刊类型引用(1)
1. 于永政，陈虹燕，张宝林，王浩. 矿山安全“再监督”监管平台设计与应用研究. 工业安全与环保. 2024(07): 79-82+89 . 
百度学术
其他类型引用(4)
计量
- 文章访问数: 241
- HTML全文浏览量: 62
- PDF下载量: 32
- 被引次数: 5
