面向井下改进分布式粒子滤波跟踪算法研究

基于煤矿井下复杂环境,无线传感器网络节点能量有限且易于布放的特点,提出了一种面向煤矿井下改进分布式粒子滤波目标跟踪算法。在动态分簇的基础上利用粒子滤波对目标跟踪。仿真结果表明,与传统分簇算法比较,改进算法可以降低节点的冗余度,降低能耗。同时将改进分簇算法与粒子滤波跟踪算法结合,集中了2种算法的优点,在保证跟踪精度的前提下延长网络的生存周期,且满足煤矿井下的目标跟踪要求。     

基于运动特征的矿井下运动钻杆跟踪方法研究

针对煤矿井下运动钻杆目标跟踪时,由于井下目标物体全部遮挡、颜色相似等因素会造成目标瞬间跟踪失败的情况。因此,提出一种基于运动特征的煤矿井下运动钻杆跟踪方法。该方法首先采用混合高斯模型建模,对当前帧图像进行背景剔除获得目标运动特征,同时,利用权值融合的方式建立图像的运动和颜色联合概率分布图,然后经粒子滤波器滤波处理,进而实现钻杆目标的跟踪。该算法的测试结果表明:该方法很好的解决了完全遮挡问题。     

基于TOA技术和Kalman滤波相结合的井下人员定位系统设计

结合煤矿巷道特点,设计了基于TOA测距的井下人员定位算法,建立Kalman滤波模型消除随机误差;定位节点采用nano PAN5375无线射频模块作为核心器件,设计了人员定位系统中的测距系统,详细介绍了标识卡和读卡器的软件、硬件设计,并在煤矿巷道进行了性能测试。实验结果表明,该系统定位精度3 m,可实现井下人员实时跟踪定位。     

基于ORB特征的矿井移动目标双目视觉跟踪与定位

针对井下NLOS环境信号接收强度(RSSI)和飞行时间(ToF)定位方法存在多径干扰和定位时延,导致定位误差较大问题,提出了基于ORB特征的矿井移动目标双目视觉跟踪与定位方法。首先根据矿井移动目标双目视觉跟踪与定位原理,利用RSSI阈值监测井下移动目标的位置范围,据此触发双目视觉传感器对移动目标图像信息采样和特征提取;然后对采集的目标图像与训练图像进行ORB算法特征匹配;最后根据双目视觉传感器的视差均值和图像像素坐标公式,求解相机内外参矩阵和标定移动目标的世界坐标,从而获取井下移动目标的准确位置信息,实现实时跟踪与精确定位。结果表明,与其他算法相比,本文方法能够有效提高定位精度和实时性,对井下目标遮挡、低照度和噪声环境具有较强的鲁棒性。     

大功率掘进机危险区域报警系统设计与实现

针对大功率掘进机工作时其周边作业人员无意识进入掘进机危险区域以此带来安全隐患,甚至引发人身安全事故的问题,开展掘进机危险区域报警系统的研究。该系统以电磁场理论为基础,利用低频电磁波作为测距媒介,采用检测电磁波强度及三边定位算法确定井下作业人员的位置,并判断是否在危险区域。系统选择STM32F103嵌入式ARM作为控制芯片,由安置在掘进机上的集中式数据处理装置和工作人员随身携带的移动监测装置2部分组成。通过对样机的模拟试验测试,在0.5~4.0 m内人员定位判定平均误差为4.3%,实现了危险区域的定位与报警。     

基于红外测距原理的防爆倒车报警装置的应用

为减小煤矿井下车辆倒车时的视觉盲区,提高倒车安全性,研究了激光测距、超声波测距、微波雷达测距、红外测距的测距原理。结合煤矿井下高潮湿、多粉尘的实际工况,提出了最适合井下使用的倒车测距方式,整套系统采用浇封兼本质安全型结构,便于大部分的防爆车辆安装。研究结果表明,车辆在安装防爆倒车报警装置后,可根据传感器距离障碍物的距离进行分级别报警,配合倒车影像,可大大降低倒车时碰撞发生率。     

基于改进加权混合滤波的矿井RSSI定位方法

针对煤矿井下人员定位算法普遍存在定位精度较低、受环境干扰大、设备成本高等问题,提出了一种基于改进加权混合滤波的矿井RSSI(Received Signal Strength Indication)定位算法。首先对固定点离线采集的信号进行高斯滤波,去除各位置点接收到的小概率、大干扰信号值,引入最大值加权处理得到各位置对应的信号值;其次设计了引入等价权函数的改进卡尔曼滤波器对各位置点计算所得信号值进行平滑处理,抑制环境中噪声因素引起的误差;最后利用最小二乘法计算该环境下路径损耗指数n和环境参量X_σ,建立符合煤矿井下特殊环境的无线信号传输模型。矿井工作人员携带信号接收装置进入巷道,利用该信号传输模型求出矿井人员到信号节点的距离,进而确定人员的位置。仿真结果表明,所提方法有效减小了RSSI测距定位误差,为将RSSI测距定位技术更好地应用于煤矿井下人员定位奠定了理论基础。     

煤矿井下Bounding-Box的二次定位算法研究

根据煤矿井下人员精确定位系统对实时性和定位精度的要求,提出了基于TOF(time of flight,飞行时间)的Bounding-Box二次定位算法,该算法综合了TOF测距不易受环境干扰和Bounding-Box计算实时性高的优点。利用待定位节点与参考节点测距获得距离,并利用Bounding-Box得到初始区域位置信息后,再将周围已定位的节点考虑进去,并再次利用Bounding-Box算法进行二次定位,缩小未知节点所在的区域,最终获得位置信息。实验结果表明,该算法实时性高,并且能够提高定位精度。     

基于Zigbee和CAN技术的井下人员跟踪定位系统

针对目前矿山的井下人员定位系统不可靠的现状,提出了基于Zigbee和CAN技术的井下人员跟踪定位系统。详细介绍了系统组成和系统核心读卡器的硬件和软件的设计,人员跟踪定位采用先进的RSSI测距三边测量定位算法。通过在井下矿山试验运行,证实该系统能够实现井下人员准确定位。     

基于距离约束的井下目标定位方法

煤矿井下巷道为狭长的条状结构,信号衰减较大,地面已有的目标定位方法和技术难以直接应用于井下,现有的矿井目标定位主要采取基于时间和信号强度的测距方法,而这些方法并没有考虑到井下巷道的条状结构特点,定位误差较大,依据矿井巷道的条状结构特点,提出一种基于距离约束的井下目标定位方法。在巷道内每4个锚节点构成1个矩形区域,将固定的两锚节点之间的距离作为约束条件,结合垂直向量乘积为零的原理,矩形对角线的长度已知,通过基于RSSI的测距原理获得移动节点到矩形区域两对角线上锚节点的距离之比公式,进而通过合理的近似运算和向量乘法定理得到向量方程组,通过求解向量方程组可以得到移动节点的坐标,仿真实验表明该方法可以有效地降低定位误差。     

基于自适应分类的井下移动节点无线定位算法

针对井下移动节点无线定位算法,在能量计算定位算法的基础上,设计了一种自适应分类选择的3点定位算法。算法将任意单点位置采集的N个点中能量距离信息通过排序的方法分类,将相似类中具有特征性强的保留并自适应选择3个特征强的位置点,再通过3个信标点定位算法获取目标点的准确位置。仿真计算了最小响应功率与路径损耗系数这2个重要参数对能量计算的影响。对不同环境下3个未知目标节点进行定位测试,测距结果显示随着距离的增大,测距精度降低,但在100 m范围内测距误差均低于4%。经3点定位算法分析计算后,被测目标的坐标与真实目标位置误差小于1.0 m。     

井下WSN目标跟踪局部异常检测算法

针对煤矿井下特殊信道环境对无线传感器网络(WSN)目标跟踪造成的约束和对量测数据的精确性造成的影响,设计了适用于井下巷道特征的网络拓扑结构以及分布式分簇目标跟踪算法,并在此基础上提出运用局部异常因子检测算法(LOF)对量测数据中存在的异常点进行实时监测和更新最后结合交互式多模型滤波算法(IMM)实现目标状态估计,仿真结果表明,该算法有效提高了跟踪精度,平衡并降低了网络能耗。     

井下WSN目标跟踪局部异常检测算法

针对煤矿井下特殊信道环境对无线传感器网络(WSN)目标跟踪造成的约束和对量测数据的精确性造成的影响，设计了适用于井下巷道特征的网络拓扑结构以及分布式分簇目标跟踪算法，并在此基础上提出运用局部异常因子检测算法(LOF)对量测数据中存在的异常点进行实时监测和更新最后结合交互式多模型滤波算法(IMM)实现目标状态估计，仿真结果表明，该算法有效提高了跟踪精度，平衡并降低了网络能耗。     

基于遗传算法优化小波神经网络的井下电缆故障测距方法

针对煤矿井下电网发生单相接地故障后定位困难,现有测距方法可靠性及测距精度低等问题,提出基于故障后暂态电气量由遗传算法优化小波神经网络,实现井下电缆馈线单相接地故障测距的方法。通过不同过渡电阻,故障距离情况的仿真结果表明,基于遗传算法优化的小波神经网络能实现准确故障测距,且较之基于BP算法小波神经网络的测距方法,其在测距精度和收敛时间方面表现更优。     

信标节点链式部署的井下无线传感器网络定位算法

针对煤矿井下巷道狭长,信号多径效应明显,接收信号强度（RSSI）测距算法受井下环境影响大,定位精度低的情况,提出了一种信标节点链式部署结构下的动态RSSI测距算法,该算法以信标节点间的距离和他们间测量到的RSSI值为参考,计算巷道内实际环境下的路径衰落指数,以提高RSSI测距算法对环境的适应性。实验结果表明,在相同的实验环境下,该算法定位精度优于RSSI定位算法,能够满足井下人员定位的要求。     

基于Camshift自适应多特征模板的视频目标跟踪

Camshift算法实时性高,计算量小,在目标跟踪领域应用效果良好。但其仅依靠颜色模型的特点使得在噪声大、照度不均的井下视频目标跟踪中易造成目标丢失。通过在Camshift基础上建立多特征融合的模板自适应更新算法,实现边缘、纹理等特征的融合,制定特征贡献度规则,在环境变化时根据不同特征贡献度的不同自适应分配权重,更新模板。实验结果表明：新算法抗干扰能力强,特征间互补不足,跟踪准确,在煤矿复杂环境井下视频目标跟踪中有良好应用前景。     

井下危险区域目标检测

建立适合煤矿井下特殊环境的危险区域目标检测系统结构和新的目标匹配算法。新算法基于SIFT(scale invariant feature transform)多尺度变换,结合形态学技术用降维后的局部区域匹配方法提高系统实时性;交叉匹配粗筛选后将RANSAC(random sample consensus)算法和L-M(Levenberg Marquardt)非线性优化算法结合估计优化参数,解决现有算法计算复杂,匹配时间长,复杂环境匹配精度低的问题。实验证明,新算法对煤矿井下模糊、低照度、遮挡、高噪声和尺度变化等情况均具有良好的鲁棒性,解决多摄像机不同视角目标匹配问题,适合实时处理的监控系统中井下危险区域目标检测。     

基于WiFi和计时误差抑制的TOA煤矿井下目标定位方法

针对现有煤矿井下目标定位方法精度不能满足应急救援、井下人员作业管理以及煤矿物联网建设对精确定位的需要,提出基于TOA（Time of Arrival）的煤矿井下目标精确定位方法。针对TOA方法用于目标定位受设备计时误差影响较大,井下巷道呈一维条状分布,无法采用地面常用的二维、三维抑制误差算法,提出基于计时误差抑制的TOA煤矿井下目标定位方法,建立双路WiFi（Wireless Fidelity）信道+单路光纤信道的一维定位方法和信号收发计时方式,在此基础上提出计时误差抑制算法。测试结果证明计时误差抑制算法在采用此定位方法基础上,有效地抑制了设备计时误差造成的测距误差,实测误差不影响定位精度,验证了此方法的定位性能。     

矿山井下人员监测的研究

井下危险区域中运动目标检测和跟踪在井下安全监控系统中有着重要作用,可以做到提前预警,通过结合联动系统防止危险事故发生。对于光线缓慢变化和突然变化的环境下的移动目标,分别提出用结合帧差法的改进的在线调节学习速率混合高斯模型和结合颜色梯度以及数学形态学的背景建模方法进行检测,并通过HSV颜色模型有效去除了阴影,从而快速准确定位运动目标。     

基于无线传感网络的井下区域定位算法

煤矿坑道工作环境恶劣,安全隐患众多。事故发生时,为及时确定工作人员的位置信息,保证人员的生命财产安全,采用无线传感网络技术,分析比较现有成熟的定位方法,针对坑道复杂的环境,以RSSI测距的多元回归模型为基础,利用信标节点的距离差分信息,对信标节点确定的目标节点距离信息修正,并结合三边定位算法,提出一种煤矿区域差分定位算法。实验证明该算法无需较多的信标节点就能保证很高的定位精度,以该算法为核心的定位系统能够适用于坑道环境。