張家棟　于寶涵　蔡子豪　徐國(guó)瑞　高程

摘 要：為解決井下受限空間內(nèi)煤炭運(yùn)輸問(wèn)題，首先通過(guò)激光雷達(dá)對(duì)井下巷道進(jìn)行定位，構(gòu)建地圖，從而實(shí)現(xiàn)路徑規(guī)劃，接著通過(guò)MPC（Model Predictive Control）算法進(jìn)行軌跡跟蹤；為保證安全，然后將速度檢測(cè)，超聲波檢測(cè)等功能集成在無(wú)人車上；為了檢驗(yàn)實(shí)際性能，通過(guò)搭建車模進(jìn)行模擬；運(yùn)用CarSim（Mechanical Simulation Corporation）對(duì)車輛進(jìn)行優(yōu)化系統(tǒng)大量參數(shù)；最后運(yùn)用MATLAB實(shí)現(xiàn)MPC算法的功能模擬，證明了所設(shè)計(jì)無(wú)人車的可行性，并在仿真平臺(tái)上進(jìn)行軌跡仿真，驗(yàn)證了所設(shè)計(jì)無(wú)人車的適用性、穩(wěn)定性。

關(guān)鍵詞：井下無(wú)人駕駛 無(wú)軌膠輪車 激光雷達(dá)檢測(cè) 模型預(yù)測(cè)控制

1 引言

煤礦資源作為我國(guó)的基本戰(zhàn)略能源，是能源結(jié)構(gòu)中的主體，在能源生產(chǎn)和消費(fèi)中處于主導(dǎo)地位[1]。目前，國(guó)家仍然缺乏煤炭資源開(kāi)采、加工、運(yùn)輸?shù)淖詣?dòng)化技術(shù)，在很大程度上依然依賴勞動(dòng)力。一方面，煤礦井下環(huán)境惡劣，是安全生產(chǎn)的一定隱患，造成財(cái)產(chǎn)損失以及人員傷亡；另一方面礦用無(wú)軌膠輪車的不當(dāng)使用也會(huì)導(dǎo)致交通事故的頻繁發(fā)生，因此迫切需要研究如何提高井下無(wú)軌膠輪車的安全性，以減少此類事件的發(fā)生。

無(wú)人駕駛是一種利用傳感器和計(jì)算機(jī)來(lái)到達(dá)目的地而不是使用人工交通工具運(yùn)輸?shù)臒o(wú)人駕駛技術(shù)，它具有安全性高，效率高，精確度高等特點(diǎn)。目前無(wú)人駕駛技術(shù)的發(fā)展也越來(lái)越成熟，已多方面應(yīng)用于地面車輛。自動(dòng)駕駛能夠減少由于操作失誤造成的交通事故，因此自動(dòng)駕駛技術(shù)仍然是國(guó)內(nèi)外自動(dòng)駕駛領(lǐng)域的熱門(mén)課題。目前，世界上無(wú)人駕駛汽車的研究方向仍然集中在地面道路環(huán)境下無(wú)人駕駛的車輛、露天運(yùn)輸卡車、礦井電機(jī)車等車輛上；無(wú)人駕駛技術(shù)在礦山開(kāi)采、井下交通運(yùn)輸?shù)忍厥猸h(huán)境中的應(yīng)用較少。近年來(lái)，對(duì)煤礦井下環(huán)境下的無(wú)人駕駛系統(tǒng)應(yīng)用出現(xiàn)了發(fā)展緩慢的現(xiàn)象。井下無(wú)軌膠輪車的自動(dòng)駕駛研究，可有效減少財(cái)產(chǎn)損失，提高開(kāi)采效率，降低運(yùn)輸成本，還可用于井下事故后的應(yīng)急救援，具有重要的戰(zhàn)略價(jià)值和廣闊的應(yīng)用前景[2]。

2 硬件搭建及選型

2.1 車模選型

車輛受井下受限空間的非結(jié)構(gòu)化特征影響，即出入空間不規(guī)則、動(dòng)作受限、障礙物多、路面凹凸不平等不可控因素，考慮以上因素，可以選用無(wú)軌膠輪車來(lái)進(jìn)行井下運(yùn)輸。其在很大程度上能夠減少人力資源的消耗，提高開(kāi)采及運(yùn)輸?shù)纳a(chǎn)效率。

2.2 激光雷達(dá)導(dǎo)航

在井下狹窄空間中，開(kāi)展工程作業(yè)與運(yùn)輸作業(yè)情況較為復(fù)雜，由于巷道狹窄導(dǎo)致作業(yè)可施展范圍受限且環(huán)境較差，光線較暗，綜合這些井下情況，對(duì)車輛工作來(lái)說(shuō)有著較大的難度。首先要保證的就是，車輛在行進(jìn)的過(guò)程中不會(huì)發(fā)生碰撞的現(xiàn)象，使用激光雷達(dá)生成的點(diǎn)云圖，可以幫助進(jìn)行特征的提取，得出空間信息標(biāo)定，進(jìn)而得到坐標(biāo)，通過(guò)最小二乘法等優(yōu)化方法可以轉(zhuǎn)化為最優(yōu)解問(wèn)題，進(jìn)行數(shù)據(jù)獲取。

激光雷達(dá)工作時(shí)，通過(guò)發(fā)射激光束來(lái)探測(cè)目標(biāo)物體的位置，速度等特征量。本系統(tǒng)選用思嵐一線激光雷達(dá)，其發(fā)揮的主要功能是對(duì)前方道路狀況判斷和對(duì)車輛運(yùn)動(dòng)行經(jīng)掃描，通過(guò)控制系統(tǒng)進(jìn)行判斷，得到最優(yōu)路徑。其主要原理是激光發(fā)射器在平面內(nèi)以逆時(shí)針270°發(fā)射激光束掃描，激光束遇到障礙物后會(huì)被反射，傳到雷達(dá)的接收器后經(jīng)數(shù)字濾波和放大處理后即可得到目標(biāo)在模擬坐標(biāo)軸上的坐標(biāo)信息，根據(jù)其周期性平面掃描便可得到其坐標(biāo)信息從而得到與平面障礙物的距離和大小形狀。

2.3 激光雷達(dá)在自動(dòng)駕駛的應(yīng)用

自動(dòng)駕駛技術(shù)融合了人工智能系統(tǒng)、傳感器等多種技術(shù)，仍是目前自動(dòng)駕駛領(lǐng)域研究的熱點(diǎn)問(wèn)題，位列于科技的前沿。早期激光雷達(dá)主要用于軍事領(lǐng)域，隨著人工智能的發(fā)展，它逐漸滲透到民用領(lǐng)域，作為高精度傳感器，它已成為自動(dòng)駕駛中不可或缺的器件。同時(shí)對(duì)激光雷達(dá)更高的標(biāo)準(zhǔn)隨著自動(dòng)駕駛發(fā)展的迅速也應(yīng)運(yùn)而生，小型化，高精度，低成本都是目前自動(dòng)駕駛技術(shù)的主要研究方向，高性能的雷達(dá)技術(shù)最大限度地提高感知能力，以減少交通事故發(fā)生[3]。

2.4 傳感器選型

2.4.1 紅外線傳感器

為了確定車輛在行駛時(shí)的姿態(tài)和軌跡，通過(guò)前一次或多次掃描后獲得的軌跡線長(zhǎng)度來(lái)確定無(wú)軌膠輪車的當(dāng)前位置，由于向不同顏色區(qū)域發(fā)射的紅外線反射回來(lái)的光強(qiáng)差別很大，所以紅外傳感器會(huì)以固定頻率在周期時(shí)間內(nèi)不停地發(fā)射紅外線。因處于井下巷道環(huán)境中，整體發(fā)射目標(biāo)顏色較深，多為深灰色，對(duì)光線能力吸收比較強(qiáng)，因此紅外光線遇到白色循跡線就會(huì)發(fā)生漫反射，不易受到干擾，可以被車內(nèi)的紅外接收器接收，我們判斷車輛是否在規(guī)劃路徑上行駛的依據(jù)是紅外接收器收到信號(hào)與否。經(jīng)對(duì)比后，根據(jù)井下條件選用紅外線傳感器型號(hào)為E18-D80，該傳感器通電后持續(xù)發(fā)射紅外線，在與物體接觸后發(fā)生反射現(xiàn)象，根據(jù)其工作性質(zhì)，接收器可將反射的光信號(hào)轉(zhuǎn)換成電流信號(hào)，然后通過(guò)放大電路等一系列操作加以識(shí)別物體信息。

2.4.2 超聲波傳感器

超聲波傳感器的工作原理與前文的激光雷達(dá)傳感工作原理相似，通過(guò)超聲波發(fā)射器發(fā)射信號(hào)與超聲波接收器接收返回信號(hào)的時(shí)間差[4]與聲速的關(guān)系算出與前方物體的距離。經(jīng)對(duì)比后，選擇超聲波傳感器的型號(hào)為JSN-SR04T，該傳感器在超聲波接收器那一端接受到一個(gè)10微秒的高電平信號(hào)，內(nèi)部會(huì)產(chǎn)生8個(gè)周期為0.025ms的方波信號(hào)，再通過(guò)換能器將方波信號(hào)轉(zhuǎn)換成對(duì)應(yīng)的超聲波信號(hào)。

2.4.3 速度傳感器

為了提高井下無(wú)軌膠輪車的工作效率，無(wú)軌膠輪車的車速如果是恒定的，將很難滿足各種各樣的工作功能和工作環(huán)境要求，因此車速因根據(jù)具體情況進(jìn)行合理設(shè)置，所以對(duì)無(wú)軌膠輪車的速度進(jìn)行實(shí)時(shí)控制和監(jiān)測(cè)尤為必要。經(jīng)過(guò)比較，選用了霍爾結(jié)構(gòu)式速度傳感器，其原理是把霍爾器件安裝在軸上，由于霍爾效應(yīng)是由于切割磁感線引發(fā)的電磁感應(yīng)所引起的，進(jìn)而實(shí)現(xiàn)電流脈沖信號(hào)和磁場(chǎng)脈沖信號(hào)的轉(zhuǎn)換，所以軸的速度可通過(guò)脈沖產(chǎn)生的頻率計(jì)算得出。因此選用的速度傳感器型號(hào)為T(mén)D-4008，該傳感器具有較強(qiáng)的抗干擾性，可達(dá)到20kHZ頻率響應(yīng)，較好適用于井下低速行駛環(huán)境。

3 基于MPC算法的軌跡研究

3.1 車輛的動(dòng)力學(xué)模型

為了減少控制算法的計(jì)算量，需要將車輛動(dòng)力學(xué)模型作為控制器的預(yù)測(cè)模型，在對(duì)車輛動(dòng)力學(xué)過(guò)程更準(zhǔn)確描述的基礎(chǔ)上對(duì)模型簡(jiǎn)化[5]。由于實(shí)際系統(tǒng)中存在不確定因素及外界干擾，使得傳統(tǒng)數(shù)學(xué)模型很難對(duì)其實(shí)現(xiàn)有效控制。因此在建立車輛動(dòng)力學(xué)模型時(shí)，應(yīng)當(dāng)做出以下理想化假設(shè)：（1）忽略車輛豎直方向運(yùn)動(dòng)（2）忽略車輛的懸架特性（3）忽略輪胎橫、縱向耦合關(guān)系（4）不考慮輪胎的橫向載荷轉(zhuǎn)移，并認(rèn)為輪距相對(duì)于轉(zhuǎn)彎半徑可以忽略不計(jì)，運(yùn)用單軌模型來(lái)描述車輛（5）忽略空氣阻力[6]。

最原始的狀態(tài)變量為橫向距離變化率和橫擺角速度變化率，輸入變量車輛的前輪偏角為。

將上述公式拓展輸出變量為，輸入變量為新的狀態(tài)空間方程為

將公式（2）帶入公式（3）選取的狀態(tài)變量，輸入變量為

公式（2）和公式（4）將期望橫擺角的變化率作為輸入，實(shí)際上期望橫擺角的變化率是一個(gè)擾動(dòng)量。

MPC算法有三個(gè)運(yùn)算步驟：（1）系統(tǒng)未來(lái)動(dòng)態(tài)變化的預(yù)測(cè);（2）解決優(yōu)化開(kāi)環(huán)運(yùn)作;（3）與模型選用無(wú)關(guān)，采樣這個(gè)過(guò)程是不斷進(jìn)行的，與之同時(shí)進(jìn)行的是將最優(yōu)解這一部分作用于控制系統(tǒng)，MPC與其他的控制算法不同之處在于控制系統(tǒng)每一次預(yù)測(cè)都將每個(gè)時(shí)刻采集到的預(yù)測(cè)值作為預(yù)測(cè)未來(lái)動(dòng)態(tài)的初始值，通過(guò)這來(lái)實(shí)現(xiàn)實(shí)時(shí)獲取開(kāi)環(huán)優(yōu)化序列，而傳統(tǒng)控制算法構(gòu)成的控制系統(tǒng)并不能在線得到實(shí)時(shí)的反饋控制律，與之相比，MPC更像一個(gè)動(dòng)態(tài)的控制預(yù)測(cè)。

他們?nèi)齻€(gè)基本特征是：基于模型的預(yù)測(cè)、滾動(dòng)優(yōu)化和前饋-反饋的控制結(jié)構(gòu)。

3.1.1 基于模型的預(yù)測(cè)

在MPC算法的使用中，對(duì)于對(duì)象的動(dòng)態(tài)行為模擬必不可少，因此需要建立一個(gè)對(duì)系統(tǒng)未來(lái)進(jìn)行動(dòng)態(tài)的預(yù)測(cè)模型?？梢詫⒛骋粫r(shí)刻狀態(tài)與控制輸入結(jié)合到一起，進(jìn)行對(duì)下一個(gè)時(shí)刻的預(yù)測(cè)并輸出。將下一時(shí)刻的輸出與本次進(jìn)行做差，得到誤差，經(jīng)過(guò)運(yùn)算使其實(shí)現(xiàn)最小。模型預(yù)測(cè)作用是研究的重點(diǎn)。

3.1.2 滾動(dòng)優(yōu)化

得到模型關(guān)于時(shí)間的預(yù)測(cè)輸出值后，建立預(yù)測(cè)下一時(shí)刻期望值輸出與本次實(shí)際值輸出之間的差以及輸出控制量與對(duì)象變化率的目標(biāo)函數(shù)（本次使用二次函數(shù)）。通過(guò)線性或非線性的二次規(guī)劃方法從而實(shí)現(xiàn)對(duì)控制量的最優(yōu)解，也就是輪偏角。由于初始化模型系統(tǒng)期望的輸出是橫向偏差和橫擺角做差的結(jié)果，因此期望初始輸出值為0。

3.1.3 前饋-反饋

前饋-反饋是通過(guò)比較模型輸出與實(shí)際對(duì)象輸出之間的偏差來(lái)修正模型的預(yù)測(cè)輸出，這一點(diǎn)在目前的MATLAB 的仿真模擬案例中未能體現(xiàn)出來(lái)。

3.2 仿真分析

MPC參數(shù)的選擇不僅可以影響MPC的控制性能，還會(huì)影響其內(nèi)部時(shí)間點(diǎn)在線優(yōu)化時(shí)計(jì)算的復(fù)雜程度。采樣周期的選取過(guò)大，那么系統(tǒng)反應(yīng)的時(shí)間過(guò)長(zhǎng)會(huì)導(dǎo)致難以進(jìn)行及時(shí)的修正控制;相反，如果采樣周期的選取過(guò)小，會(huì)造成系統(tǒng)產(chǎn)生大量在線優(yōu)化計(jì)算，造成過(guò)大開(kāi)銷。所以建議采樣周期選取開(kāi)環(huán)響應(yīng)時(shí)間的十分之一或二十分之一。

4 結(jié)語(yǔ)

本文設(shè)計(jì)了基于MPC算法在井下受限空間下的無(wú)人車設(shè)計(jì)，通過(guò)激光雷達(dá)對(duì)井下巷道進(jìn)行定位，構(gòu)建地圖，從而實(shí)現(xiàn)路徑規(guī)劃，然后通過(guò)MPC算法進(jìn)行軌跡跟蹤；為了提高車的性能，還將速度檢測(cè)，超聲波檢測(cè)等功能集成在了無(wú)人運(yùn)輸車上，為了檢驗(yàn)實(shí)際性能，通過(guò)搭建車模進(jìn)行模擬；運(yùn)用CarSim對(duì)車輛大量參數(shù)進(jìn)行調(diào)節(jié)；運(yùn)用MATLAB實(shí)現(xiàn)MPC的功能模擬。

盡管本次開(kāi)發(fā)和研究上，已經(jīng)做了大量的工作，但是由于研發(fā)時(shí)間急促，系統(tǒng)從硬件設(shè)計(jì)到軟件研發(fā)上都還有些許可以改進(jìn)的地方。例如對(duì)于路徑規(guī)劃的方法只嘗試了激光雷達(dá)，而沒(méi)有嘗試對(duì)于攝像頭等傳感器構(gòu)建地圖；對(duì)于MPC算法可以通過(guò)熵權(quán)法等對(duì)權(quán)重進(jìn)行優(yōu)化；對(duì)于此次項(xiàng)目，研究還偏于理論，對(duì)于實(shí)踐因受限于各種現(xiàn)實(shí)因素，沒(méi)能實(shí)地進(jìn)行考察等。

注：項(xiàng)目名稱：江蘇省創(chuàng)新創(chuàng)業(yè)項(xiàng)目支持，項(xiàng)目編號(hào)：202113579009Y。

參考文獻(xiàn)：

[1] 關(guān)莉莉.馬克思資源配置理論與我國(guó)新能源產(chǎn)業(yè)發(fā)展研究[M].蘭州：西北師范大學(xué)，2012.

[2] 駱彬.井下蓄電池?zé)o軌膠輪車無(wú)人駕駛系統(tǒng)設(shè)計(jì)研究[M].徐州：中國(guó)礦業(yè)大學(xué)，2019.

[3] 張春蓉.激光雷達(dá)在自動(dòng)駕駛中的技術(shù)應(yīng)用[J].產(chǎn)業(yè)與科技論壇，2021，20（21）：35-36.

[4] 邴麗媛.基于多傳感器融合的無(wú)人機(jī)自動(dòng)避障技術(shù)研究[M].長(zhǎng)春：長(zhǎng)春理工大學(xué)，2017.

[5]王甜甜.基于聯(lián)合仿真的智能車輛轉(zhuǎn)向避撞和穩(wěn)定性聯(lián)合控制研究[M].西安：長(zhǎng)安大學(xué)，2018.

[6] 王銀，張灝琦，孫前來(lái)，李小松，孫志毅.基于自適應(yīng)MPC算法的軌跡跟蹤控制研究[J].計(jì)算機(jī)工程與應(yīng)用，2020，57（14）：251-258.