基于大数据与AI驱动的智能煤矿目标位置服务技术

发布时间：2021-02-22 23:50

　　在大数据和人工智能驱动下,矿山目标与事件源位置可以提供丰富的位置服务,这些服务远超出了人员定位、装备定姿、机器人导航、无人驾驶等单个系统的范畴,宜从系统观点和全局角度进行统一设计。给出了矿山目标位置服务的框架结构,研究了其位置对象层、位置获取层、位置传输层、位置挖掘与服务层的主要构成和功能;探讨了矿山目标位置服务的3大关键技术,其中:①矿井动目标精确定位技术重点研究距离测量、距离测量优化、目标节点位置解算和定位系统研发;②矿山位置大数据技术研究大数据的获取、存储和分析策略;③矿山目标位置服务人工智能算法则主要研究感知智能、生产智能和决策智能。总结了矿山目标位置服务在应急撤离与应急救援、遥控采煤与无人采煤、矿井位置大数据应用等3大领域的研究热点,主要包括规划最佳逃生路径,确定被困人员位置与救援,事故原因分析与追责,采掘装备定位定姿与导航,多机器人协同定位与导航,矿井无人驾驶技术与装备,事件时空演化规律分析,基于轨迹的调度决策,煤矿生产过程一张图等。指出矿山目标位置服务正成为煤矿的基础设施,其发展趋势是构建融合时空属性的泛在一张网,融合位置推理的决策模型库和融合位置服务的智能矿山平台。 

【文章来源】：煤炭科学技术. 2020,48(08)北大核心

【文章页数】：10 页

【部分图文】：

矿山目标位置服务的框架结构

矿井动目标精确定位技术的研究需要解决4个关键问题(图2):基本距离测量，距离测量优化，目标节点(或称未知节点)的位置解算，定位系统研发。基本距离测量旨在测量信标节点与目标节点之间的距离。由于基于非距离测量的定位系统精度较低，因此矿井环境通常采用基于距离测量的方法。常见的距离测量方法包括ToA(Time of Arrival)、AoA(Angle of Arrival)、TDoA(Time Difference of Arrival)、PDoA(Phase Difference of Arrival)和RSSI(Received Signal Strength Indication)。ToA和TDoA都是基于时间的测距，ToA有双程ToA和单程ToA之分，而TDoA则有多信号TDoA和多节点TDoA共2种，其中单程ToA和多节点TDoA要求节点之间具有严格的时间同步。AoA通过天线阵列测量信号的到达角度，要求节点具有多条天线。PDoA通过测量节点之间的相位差测量距离，要求同时发射2个不同频率的信号。RSSI通过测量信号的强度测量距离，由于各种节点基本都有信号强度测量能力，因此RSSI测距法尽管精度偏低，但是在矿井中使用得非常广泛。

矿山对象的位置属性已逐渐嵌入到智能煤矿建设的各个方面，目前的热点方向主要集中在应急撤离与灾后救援、遥控采煤与无人采煤、矿井位置大数据应用等3大领域(图3)。3.1 应急撤离与灾后救援


本文编号：3046724