• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于UWB技術(shù)的礦山電鏟定位算法研究

      2020-12-31 01:25:14郭安斌蘇紅俊閆孝姮
      工礦自動化 2020年12期
      關(guān)鍵詞:電鏟滑動基站

      郭安斌,蘇紅俊,閆孝姮

      (1.中國神華能源股份有限公司 哈爾烏素露天煤礦, 內(nèi)蒙古 鄂爾多斯 010300;2.遼寧工程技術(shù)大學(xué) 電氣與控制工程學(xué)院, 遼寧 葫蘆島 125105)

      0 引言

      礦山工作環(huán)境惡劣,傳統(tǒng)的電纜卷放方法無法保證電鏟長時間供電,造成電鏟工作效率低下,且供電過程中存在安全隱患。跟隨電鏟移動的新型電纜卷放車可解決上述問題。要實現(xiàn)電纜卷放車對電鏟的自主跟隨,電鏟的定位與跟蹤非常必要,定位是電纜卷放車完成路徑規(guī)劃、自主導(dǎo)航等復(fù)雜任務(wù)的前提[1]。傳統(tǒng)的無線定位技術(shù)包括全球定位系統(tǒng)(GPS)、WiFi、射頻識別(RFID)等,這些技術(shù)由于自身局限性,無法實現(xiàn)對電鏟的高精度定位,不適合電鏟設(shè)備的大規(guī)模裝備與長期化應(yīng)用。超寬帶(UWB)技術(shù)采用納秒級的非正弦波窄脈沖技術(shù)實現(xiàn)定位,具有定位精度高、抗噪聲能力強、多徑分辨率高與穿透力強的特點,在礦山環(huán)境中應(yīng)用具有很大優(yōu)勢[2-4]。此外,UWB的無線通信空間容量能很好地滿足電鏟定位需求[5]。文獻[6-7]驗證了UWB技術(shù)適用于礦山環(huán)境中大型機械的定位。

      目前,常用的UWB定位算法包括到達時間(TOA)、飛行時間(TOF)、到達時間差(TDOA)、到達角(AOA)等,其中TDOA算法與TOF算法在工業(yè)應(yīng)用中使用較多。相較于TOF 算法,TDOA算法中定位標(biāo)簽只需要發(fā)射或接收1次UWB信號,縮短了工作時長,降低了功耗,提高了定位容量,且可實現(xiàn)動態(tài)定位,更適用于礦山工作環(huán)境。因此,本文采用TDOA算法實現(xiàn)電鏟定位。

      針對基于TDOA算法的運動目標(biāo)定位問題,張麗[8]提出了一種基于TDOA的擴展卡爾曼濾波(EKF)算法,并將其應(yīng)用于UWB定位系統(tǒng)中,該算法具有良好的定位能力,實現(xiàn)了高精度的目標(biāo)運動軌跡跟蹤,但當(dāng)TDOA測量誤差較大時,該算法定位精度會降低且定位結(jié)果容易發(fā)散。當(dāng)定位系統(tǒng)處于穩(wěn)定狀態(tài)時,EKF算法的預(yù)測誤差協(xié)方差趨于最小,但是當(dāng)目標(biāo)運動軌跡突變時,EKF算法會失去對目標(biāo)的跟蹤能力。吳濤等[9]提出的強跟蹤擴展卡爾曼濾波(STFEKF)算法解決了上述問題,可明顯減小定位誤差,增強對移動物體的跟蹤定位能力。

      本文將STFEKF算法應(yīng)用到礦山環(huán)境中,結(jié)合滑動平均濾波算法,實現(xiàn)目標(biāo)電鏟的定位與跟蹤,使電纜卷放車能夠跟隨電鏟位置移動,提高電纜卷放工作的效率及安全性,延長電鏟可工作時間,降低成本及工人勞動強度。

      1 基于UWB技術(shù)的礦山電鏟定位原理

      1.1 電鏟定位模型

      TDOA算法的基本思想:測量不同基站發(fā)送到目標(biāo)點脈沖信號之間的時差,計算距離差,根據(jù)基站之間的距離差計算目標(biāo)點位置[10]。在電鏟跟蹤定位系統(tǒng)中,2個TDOA數(shù)據(jù)值可構(gòu)成一組關(guān)于目標(biāo)電鏟位置的雙曲線方程組,求解該方程組可得到需要定位的電鏟位置。

      根據(jù)基站的設(shè)定位置建立坐標(biāo)系xoy,基于UWB技術(shù)的礦山電鏟定位模型如圖1所示, 3個UWB基站安裝在電纜卷放車上,定位標(biāo)簽安裝在要定位的電鏟上。

      圖1 基于UWB技術(shù)的礦山電鏟定位模型Fig.1 Mine shovel positioning model based on UWB technology

      (1)

      求解式(1)即可得到電鏟位置坐標(biāo)(x,y)。

      1.2 電鏟定位流程

      在實際的UWB定位系統(tǒng)中,由于基站本身的內(nèi)部原因,會產(chǎn)生測量噪聲,對定位精度和穩(wěn)定性有一定影響。滑動平均濾波算法實現(xiàn)簡單、能實時且快速地處理不平穩(wěn)數(shù)據(jù)[11],減小定位數(shù)據(jù)誤差波動,提高定位精度。因此,本文采用滑動平均濾波算法對距離測量噪聲進行濾波。為了提高電鏟定位精度,在計算出標(biāo)簽位置坐標(biāo)后,利用STFEKF算法進一步去噪。

      基于UWB 技術(shù)的礦山電鏟定位流程如圖2所示。建立二維定位坐標(biāo)系,根據(jù)TDOA測距算法,測量各基站到目標(biāo)電鏟位置的距離并計算差值;對獲取的距離差信息進行滑動平均濾波,以抑制測距過程中產(chǎn)生的噪聲,平穩(wěn)數(shù)據(jù);根據(jù)濾波修正后的距離差計算出標(biāo)簽位置;用STFEKF算法跟蹤目標(biāo)電鏟位置,進一步消除噪聲,提高在運動過程中目標(biāo)電鏟的定位精度,得到平滑的運動軌跡。

      圖2 基于UWB 技術(shù)的礦山電鏟定位流程Fig.2 Mine shovel positioning process based on UWB technology

      2 電鏟定位算法實現(xiàn)

      2.1 滑動平均濾波算法

      在礦山環(huán)境中,要求電纜卷放車與電鏟的距離保持在25 m左右,當(dāng)卷放車與電鏟之間的距離增加或電鏟運動狀態(tài)發(fā)生突變時,電鏟的定位誤差會增大。滑動平均濾波可有效減小測距誤差,使獲得的距離差數(shù)據(jù)波動減小。

      設(shè)定一個固定長度為N的滑動窗口,在測得的距離差數(shù)據(jù)(TDOA值)隊列上移動滑動窗口,距離差數(shù)據(jù)隨著窗口移動不斷更新。每移動一個單位長度,數(shù)據(jù)隊列前端將輸入新的距離差數(shù)據(jù),并刪除隊列最后的一位數(shù)據(jù),使窗口內(nèi)始終有N個數(shù)據(jù)。取每個滑動窗口內(nèi)N個數(shù)據(jù)的平均值組成新的隊列,完成濾波。濾波后的輸出數(shù)據(jù)為

      (2)

      式中:n為輸出數(shù)據(jù)的序號;p為輸入數(shù)據(jù)。

      滑動平均濾波算法的效果取決于滑動窗口的大小,可根據(jù)實際濾波要求合理選擇。

      2.2 STFEKF算法

      EKF算法采用前一時刻的估計值作為參考點做線性化,其線性化模型更可靠?;赥DOA的EKF算法的狀態(tài)方程是線性的[12],觀測方程是非線性的。EKF算法將非線性函數(shù)以泰勒級數(shù)展開的方式,保留一階項,實現(xiàn)對非線性函數(shù)的線性化,用Jacoby矩陣代替卡爾曼濾波方程中的狀態(tài)轉(zhuǎn)移矩陣,以此來解決非線性問題。在電鏟定位系統(tǒng)中,觀測方程為非線性,因此,EKF算法適用于對目標(biāo)電鏟進行定位跟蹤。

      在實際的定位過程中,不可避免地存在測量誤差,因此有必要通過實時觀測系統(tǒng)的輸入輸出數(shù)據(jù),實現(xiàn)對定位數(shù)據(jù)的濾波優(yōu)化。由文獻[13]可知,EKF應(yīng)用的非線性系統(tǒng)數(shù)學(xué)模型為

      Xk=Ф(Xk-1)+Wk

      (3)

      Zk=h(Xk)+Vk

      (4)

      式中:Xk為電鏟在k時刻的狀態(tài)向量,Xk=[x,y,vx,vy],vx,vy為k時刻電鏟在x軸和y軸的速度;Φ為狀態(tài)轉(zhuǎn)移矩陣;Wk,Vk為噪聲向量,且互不相關(guān);Zk為k時刻的觀測值,即距離差信息;h(Xk)為量測函數(shù),h(Xk)=(d21,d31)。

      目標(biāo)電鏟的定位精度要求高,且在運動過程中會有運動狀態(tài)突然改變的情況,因此,采用STFEKF算法來提高定位的精度。當(dāng)目標(biāo)電鏟運動狀態(tài)突然發(fā)生變化時,輸出殘差γ(k)就會增大,STFEKF算法通過文獻[14]中的次優(yōu)方法得到時變漸消因子λ(k+1),通過λ(k+1)來調(diào)節(jié)預(yù)測協(xié)方差矩陣Pk+1|k,進而調(diào)節(jié)增益矩陣Kk+1,得到電鏟的最優(yōu)狀態(tài)估計值Sk+1。

      令殘差γ(k)=Zk-h(Sk+1|k),Sk+1|k為狀態(tài)預(yù)測值,則實際輸出殘差序列的協(xié)方差矩陣為

      (5)

      式中ρ為遺忘因子,0<ρ≤1,一般取0.95~0.98。

      令Hk為k+1時刻h(Sk+1|k)在Sk+1|k處的Jacoby矩陣[15],即觀測矩陣,對h(Sk+1|k)進行Taylor級數(shù)展開,得

      (6)

      式中h1(Sk),h2(Sk)分別為目標(biāo)到第2、第3個基站的距離與到基準(zhǔn)基站的距離差值。

      時變漸消因子的計算公式為[9]

      λ(k+1)=tr(N(k+1))/tr(M(k+1))

      (7)

      (8)

      (9)

      式中:tr()表示求矩陣的跡;β為弱化因子,β≥1;Pk為估計誤差協(xié)方差矩陣;Qk,R為分別噪聲向量Wk,Vk的協(xié)方差矩陣。

      STFEKF算法步驟:

      (1) 首先由狀態(tài)方程得到定位預(yù)測值,根據(jù)上一時刻最優(yōu)估計值Sk與狀態(tài)轉(zhuǎn)移矩陣等得到k+1時刻的狀態(tài)預(yù)測值Sk+1|k:

      Sk+1|k=ФSk

      (10)

      (2) 引入時變漸消矩陣Lk+1,計算上述預(yù)測值的預(yù)測協(xié)方差矩陣Pk+1|k:

      Pk+1|k=Lk+1ФPkФT

      (11)

      Lk+1=diag[λ1(k+1),λ2(k+1),…,λ4(k+1)]

      (12)

      (13)

      式中j=1~4。

      (3) 計算濾波增益:

      (14)

      (4) 得到濾波輸出值,即輸出定位結(jié)果:

      Sk+1=Sk+1|k+Kk+1(Zk-h(Sk+1|k))

      (15)

      (5) 更新估計誤差協(xié)方差矩陣:

      Pk+1=(I-Kk+1Hk)Pk+1|k

      (16)

      式中I為單位矩陣。

      電鏟工作過程中會由于某些原因致其運動狀態(tài)發(fā)生改變,STFEKF算法可增強對目標(biāo)電鏟跟蹤定位的能力,從而保證電纜卷放車依據(jù)電鏟位置準(zhǔn)確移動。

      3 仿真分析

      為了驗證基于UWB技術(shù)的礦山電鏟定位算法的性能,采用Matlab軟件進行仿真分析。電鏟的實際移動速度約為3 km/h,假設(shè)目標(biāo)電鏟作勻速直線運動,采用3個觀測基站,基站位置分別為S1(0,0),S2(3 m,0),S3(0,5 m),以S1為基準(zhǔn)基站。設(shè)采樣周期為1 s,滑動平均濾波數(shù)據(jù)長度為5,初始航向角為60°,速度vx=0.42 m/s,vy=0.72 m/s;運行20 s后,目標(biāo)轉(zhuǎn)向,航向角變?yōu)?,速度約為0.81 m/s,運動時間為30 s;采用本文算法和傳統(tǒng)EKF算法對目標(biāo)的運動軌跡進行追蹤。

      當(dāng)R為0.000 2的純量矩陣(矩陣對角線元素均為0.000 2,其余元素為0)時,目標(biāo)跟蹤曲線如圖3(a)所示。將R增大為0.000 5的純量矩陣,目標(biāo)跟蹤曲線如圖3(b)所示。從圖3 可看出,在不同觀測噪聲的影響下,用本文算法得到的定位軌跡更接近于目標(biāo)的真實移動軌跡。

      (a) R為0.000 2的純量矩陣

      (b) R為0.000 5的純量矩陣

      目標(biāo)定位誤差計算公式為

      (17)

      定位誤差對比如圖4所示。從圖4可看出,隨著電鏟運動狀態(tài)的改變及電鏟與電纜卷放車之間距離的增加,本文算法的定位誤差小于傳統(tǒng)EKF算法。

      不同觀測噪聲狀況下2種算法的定位均方差對比見表1,其中E1,E2分別表示R為0.000 2,0.000 5的純量矩陣時的定位均方差。從表1可看出,在不同的噪聲影響下,本文算法定位均方差均不到傳統(tǒng)EKF算法的30%,符合電鏟定位應(yīng)用要求。

      4 結(jié)論

      (1) 提出一種基于UWB技術(shù)的礦山電鏟定位算法,采用TDOA算法實現(xiàn)電鏟定位,建立了定位模型。

      (a) R為0.000 2的純量矩陣

      (b) R為0.000 5的純量矩陣

      表1 電鏟定位均方差對比Table 1 Comparison of mean square deviation of electric shovel positioning

      (2) 由于在定位過程中會產(chǎn)生定位誤差,且電鏟移動軌跡會發(fā)生突變,采用滑動平均濾波算法對距離測量噪聲進行濾波,并在計算出標(biāo)簽位置坐標(biāo)后,利用STFEKF算法進一步去噪,提高了電鏟定位精度。

      (3) 仿真結(jié)果表明,在不同觀測噪聲的影響下,滑動平均濾波+STFEKF的定位方案誤差小于傳統(tǒng)EKF算法,有效解決了距離增加或電鏟運動狀態(tài)突變時定位誤差增大的問題;定位均方差較傳統(tǒng)EKF算法降低70%以上,定位軌跡更接近于目標(biāo)的真實移動軌跡,具有良好的定位跟蹤及噪聲抑制能力。

      猜你喜歡
      電鏟滑動基站
      有效降低電鏟維修維護成本的措施研究
      淺談如何提高電鏟的鏟裝效率
      一種新型滑動叉拉花鍵夾具
      Big Little lies: No One Is Perfect
      可惡的“偽基站”
      電鏟推壓皮帶防滑報警裝置的設(shè)計與實現(xiàn)
      電子制作(2016年11期)2016-11-07 08:43:34
      基于GSM基站ID的高速公路路徑識別系統(tǒng)
      小基站助力“提速降費”
      移動通信(2015年17期)2015-08-24 08:13:10
      滑動供電系統(tǒng)在城市軌道交通中的應(yīng)用
      基站輻射之爭亟待科學(xué)家發(fā)聲
      富源县| 繁昌县| 抚松县| 方正县| 樟树市| 宜城市| 邢台县| 花莲市| 洞头县| 佛教| 香格里拉县| 同仁县| 海门市| 修文县| 秀山| 连城县| 永和县| 岳阳县| 金平| 鹤岗市| 邯郸市| 芜湖县| 诸城市| 大姚县| 永登县| 西乌珠穆沁旗| 盘山县| 苏州市| 卫辉市| 安多县| 正宁县| 柞水县| 咸宁市| 麻栗坡县| 柘城县| 贺州市| 伊宁县| 城口县| 金川县| 乐安县| 固阳县|