張 晞，梁 斌，于 淼，龐春霖，彭 陽，黃麗莎，趙梓澄

(1.中國礦業(yè)大學(xué)(北京)，北京 100083；2.煤礦智能化與機器人創(chuàng)新應(yīng)用應(yīng)急管理部重點實驗室，北京 100083；3.車載信息服務(wù)產(chǎn)業(yè)應(yīng)用聯(lián)盟，北京 100040)

1 露天礦運輸安全風(fēng)險分析及研究現(xiàn)狀

隨著淺部資源的逐漸稀少，各礦山陸續(xù)轉(zhuǎn)為深部凹陷開采，邊坡垂直高度不斷增大，延長運輸距離的同時也增大了滑坡及邊坡傾倒滑移等地質(zhì)災(zāi)害發(fā)生的概率。露天礦區(qū)運輸與一般道路運輸不同，環(huán)境惡劣揚塵大、道路狹窄彎道多、路面坑洼不平整；運輸車輛車體寬盲區(qū)大，對駕駛員資質(zhì)要求高；而部分礦區(qū)位于超深度、高海拔區(qū)域使得安全風(fēng)險更高。此外各礦山企業(yè)普遍存在用工難、用工成本高等問題，無人駕駛的應(yīng)用恰能有效緩解人力供給不足導(dǎo)致的產(chǎn)能遲滯，還有利于各企業(yè)根據(jù)市場需求靈活調(diào)整產(chǎn)能。而礦區(qū)運輸運行路線固定、道路封閉等特點更為無人駕駛在該領(lǐng)域的應(yīng)用提供了便利[1]。

自20世紀70年代國內(nèi)外就開始對礦山自動化開展研究。目前小松生產(chǎn)制造的930E無人駕駛礦車車隊已在澳大利亞和智利投入使用，實現(xiàn)了無人裝載、運輸和卸載循環(huán)的自動化。2020年日立建機于澳大利亞Whitehaven煤礦實現(xiàn)了EH5000AC3完全無人駕駛礦車車隊商業(yè)運行。自2013年智慧礦山建設(shè)被提出以來我國煤礦智能化建設(shè)快速推進，現(xiàn)已有包括北方重汽、三一集團、中國重汽等多家企業(yè)具備試制無人礦車的能力。2018年11月，徐工集團在上海寶馬車展上展出自制的無人礦車?？傮w而言我國礦用無人駕駛正處于系統(tǒng)編組試驗階段，2020年1月包鋼集團白云鄂博鐵礦牽頭發(fā)布的團標正式實施，填補了我國露天礦無人駕駛運行安全標準體系的空白，中國信息通信研究院聯(lián)合慧拓等編制的團體標準也于2021年1月發(fā)布。我國露天礦無人駕駛正在朝著成熟化、規(guī)?；粩嘹吔?。

根據(jù)礦山運輸?shù)墓ぷ餍枨螅蓪o人駕駛技術(shù)根據(jù)具體功能分為以下幾項技術(shù)：環(huán)境感知技術(shù)、定位導(dǎo)航技術(shù)、路徑規(guī)劃技術(shù)、決策控制技術(shù)、線控技術(shù)、通訊網(wǎng)絡(luò)及調(diào)度技術(shù)。無人駕駛關(guān)鍵技術(shù)框架如圖1所示。

圖1 無人駕駛關(guān)鍵技術(shù)框架

2 環(huán)境感知技術(shù)現(xiàn)狀

礦區(qū)環(huán)境復(fù)雜、載運車輛過大導(dǎo)致駕駛員視野受阻是運輸車輛發(fā)生事故的主要原因，使用環(huán)境感知技術(shù)進行觀察能有效改善這一情況。

2.1 單一傳感器的環(huán)境感知

常見的環(huán)境感知手段有激光雷達、毫米波雷達、超聲波傳感器、紅外傳感器、視覺傳感器及4D光場智能感知系統(tǒng)等。各傳感器工作性能對比見表1。

表1 各傳感器工作性能對比

激光雷達在測距、測速及跟蹤時有較高的精度，具有探測數(shù)據(jù)多、分辨率高及抗干擾能力強等優(yōu)點。但成本較高，受天氣影響大，波束極窄，在采集過程中可能損失目標輪廓、紋理等信息。

毫米波雷達測量精度高，與激光雷達相比穿透性強，環(huán)境適應(yīng)性強[2]。但易受雷達內(nèi)部工作性能不穩(wěn)定、金屬物干擾、回波能量不均勻等因素影響而出現(xiàn)無效或虛假感知。毫米波雷達是在露天礦場景中最可靠且最具有發(fā)展前景的環(huán)境感知技術(shù)，與其他傳感技術(shù)融合時具有很強的優(yōu)越性。

視覺傳感器突出的優(yōu)勢是可以通過擴展數(shù)據(jù)庫識別新的目標，此外還具有能準確提取目標三維輪廓、探測范圍廣等優(yōu)勢。但其性能受光線影響較大，在揚塵較大的露天礦環(huán)境中測量準確性更加受限，可利用其在障礙物識別上的優(yōu)勢輔助提升系統(tǒng)整體性能。

紅外傳感器在夜間及惡劣天氣條件下優(yōu)勢最為明顯，但測距和測速精度低，單獨使用無法滿足露天礦運輸車輛實時避障的需求，主要用于輔助提高系統(tǒng)在昏暗環(huán)境中的感知性能。

超聲波雷達較激光雷達和毫米波雷達成本最低，但分辨能力弱，檢測精度低。它最根本的問題是測距過近，僅為4～5m，而露天礦無人駕駛理想測距范圍為20m，單獨使用無法保障安全性。

4D光場智能感知系統(tǒng)能一體化獲取2D及3D信息，無需進行數(shù)據(jù)融合匹配，有效提高了感知效率及可靠性，環(huán)境適應(yīng)性強。但其仍存在光學(xué)采集的固有缺點：在絕對遮擋的情況下無法工作。光場技術(shù)是近年來眾多科技巨頭爭相布局的熱門，要實際運用到露天礦運輸中，還需針對設(shè)備小型化和低功耗化等問題加強研究。

綜上所述，各傳感器各有利弊，單獨使用能一定程度滿足環(huán)境感知需求，但對于安全性要求較高的露天礦運輸場景，還需進一步提高系統(tǒng)準確性、實時性及穩(wěn)定性等。當前最有效且最常用的方法就是多傳感器融合。

2.2 多傳感器融合的環(huán)境感知

將不同傳感器所獲數(shù)據(jù)利用聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)等算法進行融合處理以提高數(shù)據(jù)準確性，達到統(tǒng)計學(xué)上的最佳效果，是目前常見的提升感知系統(tǒng)性能的思路。如毫米波雷達分辨率較激光雷達低，可使用激光雷達采集數(shù)據(jù)對毫米波雷達采集數(shù)據(jù)進行替換更新，從而有效提高分辨率[3]。多傳感器融合主要有兩種策略：前融合和后融合。后融合為每個傳感器獨立處理各自所獲目標信息后，由主處理器進行數(shù)據(jù)融合并輸出最終結(jié)果的算法。而前融合則是將各傳感器所獲原始目標數(shù)據(jù)同步，而后通過感知算法對融合后的多維綜合數(shù)據(jù)進行感知，從而達到端到端的目標識別效果。前融合算法結(jié)構(gòu)原理如圖2所示，后融合算法結(jié)構(gòu)原理如圖3所示。

圖2 前融合算法結(jié)構(gòu)原理

圖3 后融合算法結(jié)構(gòu)原理

前融合算法是現(xiàn)在各高校、研究所的主要研究方向，也是無人駕駛的未來。后融合算法各自獨立生成目標數(shù)據(jù)后再進行融合，過濾低置信度信息，因此主處理器需處理數(shù)據(jù)量小，能獲得較好的實時性，但這也造成原始數(shù)據(jù)損失，而損失的低置信度原始數(shù)據(jù)往往可通過數(shù)據(jù)融合用于提高置信度。另外，不同傳感器生成數(shù)據(jù)幀率可能差距極大，在空間上難以匹配，從而犧牲魯棒性。而前融合算法各傳感器采集數(shù)據(jù)在傳輸過程中沒有發(fā)生損失，能夠得到更高的感知精度，但也因為傳輸數(shù)據(jù)量較大，實時性有所下降。未來還需對如何通過改進融合方式來提高算法魯棒性、感知精度尤其是實時性進一步加強研究。

如激光雷達與相機的融合，當前大多數(shù)基于多傳感器融合的目標識別算法都是將視覺獲取方案和激光點云2D獲取方案集成在一個網(wǎng)絡(luò)中，由于激光雷達采集的三維點云數(shù)據(jù)與相機獲取的圖像數(shù)據(jù)幀率差距非常大，難以進行匹配，因此傳統(tǒng)的后融合算法魯棒性較弱，也難以實現(xiàn)實時處理。針對這一問題，可以通過改用前融合的方法來解決，Caltagirone L等提出先將點云投影到相機圖像上，通過上采樣獲取編碼空間信息的密集2D圖像的方法。Liu H.等提出通過引入金字塔投影方法來提高多尺度激光雷達圖生成精度的方法。

3 定位導(dǎo)航技術(shù)現(xiàn)狀

定位導(dǎo)航技術(shù)用于獲取車輛的位置、行駛方向、速度、姿態(tài)等信息。露天礦運輸?shù)缆房油莶黄剑囕v易發(fā)生顛簸、偏離，對定位系統(tǒng)的精度要求更高。常用的定位導(dǎo)航技術(shù)有慣性導(dǎo)航系統(tǒng)、GNSS差分定位技術(shù)、SLAM技術(shù)等。

3.1 常用定位導(dǎo)航技術(shù)

慣性導(dǎo)航系統(tǒng)可實現(xiàn)全天候、全時段、各種工作環(huán)境下的穩(wěn)定實時高精度定位。但其經(jīng)積分產(chǎn)生，因此使用越久，誤差越大，精度也越低，且價格高昂。礦山企業(yè)對于無人化升級關(guān)心的一大問題就是成本，因此需要價格更加低廉并能保障精度及穩(wěn)定性需求的定位導(dǎo)航技術(shù)。

GNSS差分定位技術(shù)具有全天候、全方位的特點，抗干擾能力強。雖也存在誤差，但可通過設(shè)置基準站的差分定位方式來提高精度。自我國北斗衛(wèi)星導(dǎo)航系統(tǒng)正式開始提供區(qū)域服務(wù)，GNSS定位精度進一步提高，可達厘米級，具有巨大的發(fā)展優(yōu)勢，筆者認為可作為定位導(dǎo)航技術(shù)的重點研究方向。

即時定位與地圖構(gòu)建技術(shù)即SLAM技術(shù)是當前主流的定位技術(shù)，根據(jù)實現(xiàn)形式可分為激光SLAM、視覺SLAM等，具有定位質(zhì)量不依托于基準圖、可融合多種傳感器、環(huán)境適應(yīng)性強、定位精度高等優(yōu)點，激光SLAM精度可達厘米級，具有廣闊的應(yīng)用前景。經(jīng)典SLAM系統(tǒng)主要包含三個部分：定位、建圖、閉環(huán)，在行駛過程中它會實時感知環(huán)境信息并構(gòu)建局部地圖，將局部地圖與已有的全局地圖相關(guān)聯(lián)并對其實時更新從而實現(xiàn)定位，而閉環(huán)主要用于消除系統(tǒng)誤差和測量噪聲對系統(tǒng)造成的漂移。2019年提出的SuMa++是同時使用幾何和語義信息的激光SLAM系統(tǒng)，較傳統(tǒng)純幾何激光SLAM系統(tǒng)在動態(tài)物體較多的環(huán)境中表現(xiàn)出明顯優(yōu)勢，且改善了魯棒性和準確性。針對閉環(huán)問題，2020年提出的OverlapNet神經(jīng)網(wǎng)絡(luò)利用深度學(xué)習(xí)方式分析兩幀激光點云間的重疊部分大小和相對偏航角，有效提高了系統(tǒng)建圖精度及定位性能。

3.2 組合導(dǎo)航系統(tǒng)

為保障無人礦卡的行駛安全性，需提高定位導(dǎo)航技術(shù)的精度及穩(wěn)定性，使用單一定位技術(shù)難以同時兼顧以上需求。因此推薦使用組合導(dǎo)航系統(tǒng)來獲取車輛位置估計的最優(yōu)解，實現(xiàn)運輸路徑的全局定位，有效提高系統(tǒng)的抗干擾、防故障能力，保證系統(tǒng)長期穩(wěn)定運行。

GNSS和視覺SLAM組合導(dǎo)航定位技術(shù)是現(xiàn)在的常用組合，它們能夠?qū)崿F(xiàn)優(yōu)劣互補，利用GNSS抑制視覺SLAM的誤差累積，而GNSS穩(wěn)定性差、易受干擾，利用視覺SLAM能有效克服外部遮擋及干擾對GNSS系統(tǒng)定位性能的影響。GNSS/雙目VO松組合系統(tǒng)最早由Agrawal和Konolige在2006年提出，試驗證明其性能優(yōu)于純視覺系統(tǒng)的定位性能[4]。為進一步提高該組合導(dǎo)航定位系統(tǒng)的精度及可用性，王磊等將影像中世界坐標系的已知特征點與GNSS測距信號進行緊耦合，提高了定位精度，在弱GNSS環(huán)境下仍能實現(xiàn)持續(xù)精確定位[5]。張奕然等利用深度學(xué)習(xí)技術(shù)，通過圖像信息進行目標探測識別，從而優(yōu)化系統(tǒng)的定位性能[6]。

此外，GNSS差分定位導(dǎo)航系統(tǒng)和慣性導(dǎo)航系統(tǒng)相融合也是現(xiàn)在許多學(xué)者的研究方向，利用GNSS的高精度彌補慣導(dǎo)的誤差發(fā)散問題，利用慣導(dǎo)的自主性輔助GNSS實現(xiàn)持續(xù)定位導(dǎo)航，主要的問題是成本較高。隨著我國北斗系統(tǒng)正式投入使用，我國各高校對基于北斗的組合導(dǎo)航系統(tǒng)及其濾波算法開展了深入研究。趙志鵬等提出一種基于矢量跟蹤結(jié)構(gòu)的深組合導(dǎo)航通道濾波器，能有效抑制載波頻率劇烈變化對定位性能的不利影響[7]。

另外，還可通過路側(cè)及車載多傳感器融合感知的方式來輔助車輛定位，通過設(shè)置路側(cè)感知單元與作業(yè)車輛的感知系統(tǒng)融合感知，從而實現(xiàn)裝載與卸載區(qū)域的局部精確定位。路車多傳感器融合的感知技術(shù)示意如圖4所示。

圖4 路車多傳感器融合的感知技術(shù)示意圖

4 路徑規(guī)劃技術(shù)現(xiàn)狀

路徑規(guī)劃技術(shù)即保證車輛沿系統(tǒng)分析出的最優(yōu)路徑或次優(yōu)路徑安全穩(wěn)定駛達目標位置的技術(shù)，根據(jù)對環(huán)境信息的把握程度可分為基于先驗完全信息的全局路徑規(guī)劃和基于傳感器信息的局部路徑規(guī)劃。全局路徑規(guī)劃主要保證車輛沿期望路徑行駛，而局部路徑規(guī)劃則是在此基礎(chǔ)上使車輛實現(xiàn)車道保持和動態(tài)避障等功能[8，9]。常用的路徑規(guī)劃技術(shù)有基于圖搜索的路徑規(guī)劃算法、基于采樣的路徑規(guī)劃算法、基于曲線插值的路徑規(guī)劃算法等。

4.1 常用路徑規(guī)劃算法

基于圖搜索的路徑規(guī)劃算法根據(jù)已知的外界環(huán)境信息規(guī)劃可行路徑，主要有深度優(yōu)先和廣度優(yōu)先兩種途徑。深度優(yōu)先算法求解效率高但往往不是最優(yōu)解。廣度優(yōu)先算法則相反，搜索到的第一條路徑即為最短路徑。經(jīng)典的該類算法有Dijkstra算法、A*算法等。Dijkstra算法作為經(jīng)典的廣度優(yōu)先算法，能保證路徑最優(yōu)性，但求解效率低。A*算法在廣度優(yōu)先基礎(chǔ)上加入一個估價函數(shù)，能夠在保證路徑最優(yōu)的同時有效提高規(guī)劃效率。但由于礦山運輸環(huán)境復(fù)雜、來往車輛及作業(yè)人員較多，簡單的A*算法無法滿足要求，所獲取的最優(yōu)路徑易與障礙物相切，導(dǎo)致車輛與障礙物發(fā)生摩擦或碰撞。針對這一問題，提出了Voronoi圖法，采用將相鄰兩障礙物連線取中垂線的方法代替A*算法直接取障礙物投影的方式，提高了路徑安全性，但也使得規(guī)劃路徑相應(yīng)延長。而針對動態(tài)環(huán)境下的路徑規(guī)劃問題又提出了D*算法及基于雙重A*算法的移動機器人路徑規(guī)劃方法等。此外常見的基于圖搜索的路徑規(guī)劃算法還有ARA*算法[10]、MHA*算法及DMHA*算法等。

基于采樣的路徑規(guī)劃算法無需對狀態(tài)空間的自由區(qū)域建模，算法效率高，但無法解決非完整約束的動力學(xué)問題。典型的該類算法有PRM算法和RRT算法，其中RRT算法實時性較好，在解決復(fù)雜環(huán)境中的路徑規(guī)劃問題時優(yōu)勢明顯，但其生成的路徑存在冗余節(jié)點且一定不是最優(yōu)解，在某些工況下也無法保證路徑確定性。為解決這一問題研究人員又基于兩者提出了漸近最優(yōu)的RRT*算法。RRT*的主要優(yōu)化在于能夠選擇低代價節(jié)點的父節(jié)點進行擴展，使之有方向性地進行規(guī)劃，通過不斷迭代收斂尋得最優(yōu)路徑，但也導(dǎo)致效率降低。為此研究人員又提出了進一步提高收斂速度的informed-RRT*算法及針對動態(tài)環(huán)境中的路徑規(guī)劃問題改進設(shè)計的Risk-RRT算法等。

基于曲線插值的路徑規(guī)劃算法利用計算機輔助幾何設(shè)計技術(shù)來實現(xiàn)路徑的平滑優(yōu)化，根據(jù)預(yù)先輸入的約束條件對已知節(jié)點進行插值優(yōu)化，能獲得具有良好連續(xù)性的路徑，但在多障礙物場景中表現(xiàn)較差，無法滿足環(huán)境復(fù)雜的礦山運輸場景的技術(shù)需求。常見的基于曲線插值的路徑規(guī)劃算法有多項式曲線、貝塞爾曲線及杜賓曲線等。其中杜賓曲線在二維坐標約束基礎(chǔ)上增加yaw約束，并保證其變化連續(xù)，采用基于兩定點(x，y，yaw)的方式，可將任意位置和航向角的兩點平滑連接，被廣泛應(yīng)用于自動泊車等無人駕駛路徑規(guī)劃場景中。許多學(xué)者借鑒這一思路，通過在經(jīng)典路徑規(guī)劃算法中增加yaw約束來改善算法所得路徑的連續(xù)性及安全性。

4.2 組合路徑規(guī)劃算法

綜上所述，對于路況復(fù)雜、安全性要求尤為苛刻的礦山運輸場景來說，單獨使用某一路徑規(guī)劃算法獲得的實時性和安全性仍稍顯遜色，可通過組合路徑規(guī)劃算法的方式來改善系統(tǒng)性能?，F(xiàn)在普遍采用的組合路徑規(guī)劃思路是先規(guī)劃、后優(yōu)化。使用基于圖搜索或基于采樣的規(guī)劃算法獲得一條質(zhì)量較高的原始路徑，在此基礎(chǔ)上使用基于插值的路徑規(guī)劃算法提高路徑連續(xù)性及安全性，且由于原始路徑質(zhì)量較高，因此二次優(yōu)化計算量小，系統(tǒng)仍能保證較好的實時性。

還可采用數(shù)值優(yōu)化算法與A*算法等經(jīng)典路徑規(guī)劃算法融合以優(yōu)化原始路徑的方法，將已知的環(huán)境信息及車輛性能參數(shù)等轉(zhuǎn)化為約束條件，根據(jù)工況設(shè)置優(yōu)化目標后進行求解并獲得最優(yōu)路徑。約束可分為硬約束和軟約束，即嚴格滿足的約束和優(yōu)先滿足的約束。通過硬約束得到的路徑一般能夠滿足安全要求，但可能會出現(xiàn)離障礙物過近或摩擦邊界的情況，通過軟約束能夠使得路徑盡可能遠離障礙物邊界，因此軟約束優(yōu)化是現(xiàn)在更加理想的優(yōu)化方法。但軟約束因為表現(xiàn)的是一種偏向，調(diào)參不到位可能會出現(xiàn)與障礙物相撞的問題，在進行算法設(shè)計時需加強注意。

5 決策控制技術(shù)現(xiàn)狀

決策控制單元負責進一步處理采集信息并根據(jù)處理結(jié)果控制車輛油門、剎車及方向盤等，從而指導(dǎo)車輛行為，可分為縱向控制和橫向控制?？v向控制主要用于控制車輛的車速信息，而橫向控制指路徑跟蹤，即通過轉(zhuǎn)向控制使車輛安全無碰撞地沿期望路徑行駛。

由于車輛運輸作業(yè)時基本保持低速行駛，橫向控制主要考慮車輛運動學(xué)約束影響。主要的路徑跟蹤方法有：純跟蹤算法、PID控制方法、模型預(yù)測控制算法、模糊控制方法等。

多數(shù)研究采用模糊控制算法對車輛進行橫向控制，但該方法所得反饋信號存在滯后現(xiàn)象，難以保證車輛按期望路徑行駛。PID控制方便可靠且具有閉環(huán)特性，但對于非線性、高耦合的無人駕駛系統(tǒng)難以實現(xiàn)系統(tǒng)處理，魯棒性較差。許多研究人員通過優(yōu)化傳統(tǒng)的PID控制方法，在航向反饋控制中根據(jù)偏差調(diào)整微分及積分作用的強弱，從而獲得更好的跟蹤性能及適應(yīng)性?，F(xiàn)在更熱門的研究方向為模型預(yù)測控制和基于預(yù)瞄的路徑跟蹤控制。

5.1 模型預(yù)測控制

模型預(yù)測控制算法能有效解決多變量、多約束系統(tǒng)的控制問題。P.Falcone研究了基于車輛非線性及線性模型的模型預(yù)測控制器分別的性能表現(xiàn)[11]。傳統(tǒng)模型預(yù)測算法基于時間建立預(yù)測模型，其輸出的轉(zhuǎn)向角變化曲線較為粗糙，平滑性不足，導(dǎo)致轉(zhuǎn)向系磨損嚴重[12，13]。馬浩楠等提出一種改進的空間模型預(yù)測控制算法，將傳統(tǒng)的基于時間的車輛運動學(xué)模型轉(zhuǎn)換為基于空間的偏差模型，優(yōu)化目標函數(shù)，從而有效提高路徑跟蹤的精確性和平穩(wěn)性[14]。但模型預(yù)測控制算法在道路突變情況下易發(fā)生跟蹤超調(diào)，影響路徑跟蹤準確性及穩(wěn)定性。

5.2 基于預(yù)瞄的路徑跟蹤控制

基于預(yù)瞄的路徑跟蹤控制方法將預(yù)先規(guī)劃好的期望路徑軌跡點儲存在軌跡跟蹤器及方向、速度控制器中，通過環(huán)境感知系統(tǒng)和車速檢測系統(tǒng)等獲取車輛實時坐標及行駛方向等信息，與期望路徑進行相似性確定，依據(jù)分析結(jié)果調(diào)整車輛的運動軌跡、姿態(tài)及速度。該方法能有效解決路徑突變等復(fù)雜情況下車輛易發(fā)生控制超調(diào)的問題，保證行駛穩(wěn)定性和安全性。露天礦運輸作業(yè)區(qū)域較為封閉，運輸車輛具有組織性，行駛路線較為固定，行駛速度較為穩(wěn)定，恰有利于基于預(yù)瞄的路徑跟蹤控制方法的應(yīng)用。

綜上所述，基于預(yù)瞄的路徑跟蹤算法恰能彌補模型預(yù)測控制方法在路徑曲率過大時的超調(diào)問題，因此將兩者結(jié)合以改善算法性能是常見的優(yōu)化思路。孟宇等構(gòu)建基于預(yù)瞄距離的MPC控制器，經(jīng)驗證改善了跟蹤精度及穩(wěn)定性[15]。

其控制流程如圖5所示，ξkin為運動學(xué)模型的狀態(tài)輸入量，xf、yf、θf、γf分別為車體前橋中點的x坐標、y坐標、航向角度值及轉(zhuǎn)向角度，ukin為控制輸出量，vf、ωγ分別為前車架參考速度及車輛轉(zhuǎn)向角速度。

圖5 基于預(yù)瞄距離的MPC控制器路徑跟蹤控制原理

在實際應(yīng)用場景中，為應(yīng)對不同的行駛狀況、獲得最佳的行駛效率，必定需要對車輛的行駛方向和車速進行全面控制，需要將橫縱向控制相結(jié)合，以實現(xiàn)對無人礦用車輛行為的精確操縱。礦卡橫縱向控制原理示意如圖6所示。

圖6 礦卡橫縱向控制原理示意圖

6 線控技術(shù)現(xiàn)狀

線控技術(shù)是代替駕駛員操縱車輛的技術(shù)，傳感器將車輛轉(zhuǎn)向、制動、油門、貨箱舉升等動作轉(zhuǎn)換為電信號，經(jīng)由電纜操縱執(zhí)行機構(gòu)。它具有很高的精度和可靠性，是當前主流的控制方案，根據(jù)技術(shù)路線可分為前裝線控和后裝線控。

前裝線控即為出廠前主機廠對自產(chǎn)的礦用工程車進行線控化改造升級，而后裝線控為出廠后。前者易實施但不便于規(guī)?；瘡?fù)制，后者便于對已投入使用的礦用工程車進行規(guī)?；€控升級。露天礦山運輸車輛主要包括大型礦用卡車與小型寬體自卸車。大型礦卡價格高昂，可達幾百萬到幾千萬不等，使用壽命可達十五年左右，對于礦區(qū)已投入使用的礦卡一般采用后裝的方式，而新購礦卡多采用前裝方式。而小型寬體自卸車，一般成本相對較低，使用壽命較短，從無人化改造的成本角度考慮，一般只對新購車輛進行前裝的線控改造方式。

7 通訊網(wǎng)絡(luò)及調(diào)度

要實現(xiàn)無人礦卡安全可靠運行，還需配備穩(wěn)定且高速的無線通訊系統(tǒng)用于信號放大和傳遞，而露天礦生產(chǎn)計劃的實施還需要合理的車流分配調(diào)度才能完成。

7.1 通訊網(wǎng)絡(luò)平臺

為保證無人礦卡自身及外部信息得到實時處理，需配備無線通訊系統(tǒng)并在作業(yè)區(qū)域內(nèi)搭建基塔?；跍蚀_性、可靠性需求，露天礦無線通訊系統(tǒng)設(shè)置多制式、多冗余通道。常用通訊制式包括LTE/WIFI/5G等，一套系統(tǒng)至少使用2種制式，一種制式至少開通2條通道。在常用的通訊技術(shù)中，5G通信技術(shù)是現(xiàn)在最熱門的技術(shù)，它最顯著的特點是高速率、低時延、大容量。已知無人礦卡所需網(wǎng)絡(luò)時延為20～30ms(端到端)，帶寬上行需10～14Mbps/臺，而5G通信技術(shù)的最高理論數(shù)據(jù)傳輸速率可達每秒數(shù)；空口時延可低至1ms，可靠性高達99.999%，能夠滿足露天礦無人運輸需求。2019年6月全球首個無人礦卡編組的5G+應(yīng)用在白云鄂博礦區(qū)發(fā)布，實現(xiàn)了礦卡車輛的無人駕駛。5G技術(shù)是建立安全穩(wěn)定露天礦無人駕駛系統(tǒng)的關(guān)鍵和核心，未來應(yīng)在煤礦生產(chǎn)運輸中重點推廣。

7.2 礦用卡車分配調(diào)度

合理的礦卡分配調(diào)度對減少露天礦運輸成本、提高運輸效率有重要的意義。當前，國外常利用仿真模擬進行車流分配調(diào)度模型的構(gòu)建。Patterson[16]等以減少車輛排隊時間為目標構(gòu)建了車流分配調(diào)度模型；J.B.Mendes[17]等提出一種動態(tài)礦卡調(diào)度的多目標遺傳算法，能有效提高調(diào)度效率。國內(nèi)多采用精確算法求解單目標車流分配調(diào)度模型，采用啟發(fā)式算法求解多目標車流分配調(diào)度模型，其中最常用且有效的方法為通過改進遺傳算法求解。郭天中[18]采用模擬退火算法對遺傳算法改進優(yōu)化，得到了更高質(zhì)量的露天礦卡車流調(diào)度全局最優(yōu)解。

總體而言，目前關(guān)于露天礦卡車分配調(diào)度模型的研究主要以單目標模型為主，對多目標模型的理論研究還較少，且隨著露天礦山無人運輸?shù)牟粩喟l(fā)展，傳統(tǒng)的分配調(diào)度模型已不再適用，應(yīng)加強針對無人礦卡車流調(diào)度的研究。

8 結(jié) 論

1)將多傳感器融合，取長補短以提高環(huán)境感知系統(tǒng)的整體性能是十分有效的方法。而前融合是融合算法前進方向，未來還需對如何提高實時性深入研究。

2)隨著北斗系統(tǒng)投入使用，基于北斗的組合導(dǎo)航系統(tǒng)及其濾波算法將長期作為我國定位技術(shù)的研究熱點，如何輔助GNSS實現(xiàn)持續(xù)定位是主要的融合思路。

3)露天礦運輸屬于動態(tài)復(fù)雜環(huán)境下的路徑規(guī)劃，對安全性及穩(wěn)定性要求嚴格，采用先規(guī)劃、后優(yōu)化的思路，在改善規(guī)劃路徑平滑性的同時保證實時性。

4)面對復(fù)雜的礦山作業(yè)環(huán)境，需要結(jié)合橫向控制與縱向控制以組成準確且具備高適用性的復(fù)合決策模型。

5)為適應(yīng)新的無人駕駛露天礦運輸場景，應(yīng)更廣泛地將5G技術(shù)應(yīng)用于露天礦運輸中并加強對多目標動態(tài)車輛調(diào)度模型的研究。