【技术实现步骤摘要】
一种煤矿井下无人驾驶车辆超前自主降尘方法及系统
[0001]本专利技术涉及煤矿辅助运输装备
,具体涉及一种煤矿井下无人驾驶车辆超前自主降尘方法及系统。
技术介绍
[0002]随着煤矿智能化建设步伐的加快,针对矿井辅助运输车辆无人化、智能化的研究及应用越来越多。目前井下无人驾驶车辆智能化改造的重要手段之一是对其增加各类传感器,如激光雷达、网络摄像仪、超声波雷达等,但是井下辅助运输巷道,特别是回风巷道存在诸多风险,如掉轨、顶板冒落、围岩变形,这些风险常伴随着大量的粉尘、煤尘突出,直接导致摄像仪感知数据清晰度剧烈下降、激光雷达等传感器探测距离降低等问题,危害井下无人驾驶车辆驾驶运输安全,此外也影响巷道内工作人员得身体健康。
[0003]因此,急需一种消除粉尘干扰的装置及方法。减少矿尘干扰,保障井下无人驾驶车辆传感器感知性能,实现井下无人驾驶车辆安全驾驶运输作业。
技术实现思路
[0004]针对上述存在的技术不足,本专利技术的目的是提供一种煤矿井下无人驾驶车辆超前自主降尘方法及系统,其可以利用激光雷达识别井下无人驾驶车辆行驶巷道内粉尘突出区域,然后利用去尘装置对粉尘、煤尘进行消除,保障井下无人驾驶车辆传感器感知能力。
[0005]为解决上述技术问题,本专利技术采用如下技术方案:
[0006]本专利技术提供一种煤矿井下无人驾驶车辆超前自主降尘方法及系统,利用安装在井下无人驾驶车辆前端的激光雷达与喷淋装置组成去尘系统,激光雷达与喷淋装置连接车载工控机并由其控制工作,所述去尘方法包括以 ...
【技术保护点】
【技术特征摘要】
1.一种煤矿井下无人驾驶车辆超前自主降尘方法,利用安装在井下无人驾驶车辆前端的激光雷达与喷淋装置组成去尘系统,激光雷达与喷淋装置连接车载工控机并由其控制工作,其特征在于,所述去尘方法包括以下步骤:步骤1、利用激光雷达对井下无人驾驶车辆前方行驶区域内粉尘突出位置进行点云信息采集,建立巷道矿尘浓度样本数据库;步骤2、建立矿尘浓度识别神经网络模型DC
‑
CDC
‑
NET;步骤3、利用训练集数据训练模型,得到训练后的矿尘浓度推理模型;步骤4、分别建立激光雷达与喷淋装置笛卡尔坐标系,计算坐标转换关系;步骤5、标定喷淋装置给定喷射压力与喷射距离间的关系;步骤6、井下无人驾驶车辆运行时矿尘探测;步骤7、喷淋装置喷淋去尘;步骤8、重复步骤6
‑
步骤7,直至粉尘浓度降至阈值W以下,结束喷淋工作。2.如权利要求1所述的一种煤矿井下无人驾驶车辆超前自主降尘方法,其特征在于:步骤1中,在巷道易发生粉尘突出的位置使用激光雷达扫描并采集点云信息,记录探测区域矿尘浓度下激光回波信息的指及特征,构建特征样本数据库;使用未装备于井下无人驾驶车辆的同类型激光雷达,在巷道易发生粉尘处催动巷道产生粉尘突出,通过粉尘监测仪记录粉尘浓度,使用激光雷达扫描粉尘产生位置的粉尘,记录当前粉尘浓度下激光回波信息的各个指标表现及特征,构建特征样本数据库;数据库样本中设输入特征为:点云坐标x、点云坐标y、点云坐标z、点云回波强度,对应样本标签为:粉尘/煤尘混合浓度。3.如权利要求2所述的一种煤矿井下无人驾驶车辆超前自主降尘方法,其特征在于:步骤2中,激光雷达与喷淋装置连接车载工控机并受其控制,车载工控机内部署矿尘浓度识别神经网络模型DC
‑
CDC
‑
NET,模型共包含8层,各层的层类型均为全连接层,其中第一层为数据输入层,第二层至第七层为隐含层,第八层为数据输出层,第一层至第七层的激活函数为ReLU函数,ReLU函数表达式为f(x)=max(0,x),第八层的激活函数为用于输出的人Linear函数,第一层到第八层的节点分别为4、64、128、256、128、64、32、1。4.如权利要求3所述的一种煤矿井下无人驾驶车辆超前自主降尘方法,其特征在于:步骤3中,首先通过用Z
‑
Score标准化方式对数据进行预处理,标准化公式为其中x是样本值,μ是样本均值,σ是...
【专利技术属性】
技术研发人员:张益东,闫万梓,李小强,程敬义,张鑫,张宇,李泽鑫,马奇,王宇,李莹,于航,
申请(专利权)人:中国矿业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。