露天礦山無(wú)人駕駛運(yùn)輸技術(shù)現(xiàn)狀及發(fā)展趨勢(shì)研究

張 晞，梁 斌，于 淼，龐春霖，彭 陽(yáng)，黃麗莎，趙梓澄

(1.中國(guó)礦業(yè)大學(xué)(北京)，北京 100083；2.煤礦智能化與機(jī)器人創(chuàng)新應(yīng)用應(yīng)急管理部重點(diǎn)實(shí)驗(yàn)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(yùn)輸安全風(fēng)險(xiǎn)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(kāi)采，邊坡垂直高度不斷增大，延長(zhǎng)運(yùn)輸距離的同時(shí)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(yùn)輸與一般道路運(yùn)輸不同，環(huán)境惡劣揚(yáng)塵大、道路狹窄彎道多、路面坑洼不平整；運(yùn)輸車輛車體寬盲區(qū)大，對(duì)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(xiǎn)更高。此外各礦山企業(yè)普遍存在用工難、用工成本高等問(wèn)題，無(wú)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(chǎng)需求靈活調(diào)整產(chǎn)能。而礦區(qū)運(yùn)輸運(yùn)行路線固定、道路封閉等特點(diǎn)更為無(wú)人駕駛在該領(lǐng)域的應(yīng)用提供了便利[1]。

自20世紀(jì)70年代國(guó)內(nèi)外就開(kāi)始對(duì)礦山自動(dòng)化開(kāi)展研究。目前小松生產(chǎn)制造的930E無(wú)人駕駛礦車車隊(duì)已在澳大利亞和智利投入使用，實(shí)現(xiàn)了無(wú)人裝載、運(yùn)輸和卸載循環(huán)的自動(dòng)化。2020年日立建機(jī)于澳大利亞Whitehaven煤礦實(shí)現(xiàn)了EH5000AC3完全無(wú)人駕駛礦車車隊(duì)商業(yè)運(yùn)行。自2013年智慧礦山建設(shè)被提出以來(lái)我國(guó)煤礦智能化建設(shè)快速推進(jìn)，現(xiàn)已有包括北方重汽、三一集團(tuán)、中國(guó)重汽等多家企業(yè)具備試制無(wú)人礦車的能力。2018年11月，徐工集團(tuán)在上海寶馬車展上展出自制的無(wú)人礦車?？傮w而言我國(guó)礦用無(wú)人駕駛正處于系統(tǒng)編組試驗(yàn)階段，2020年1月包鋼集團(tuán)白云鄂博鐵礦牽頭發(fā)布的團(tuán)標(biāo)正式實(shí)施，填補(bǔ)了我國(guó)露天礦無(wú)人駕駛運(yùn)行安全標(biāo)準(zhǔn)體系的空白，中國(guó)信息通信研究院聯(lián)合慧拓等編制的團(tuán)體標(biāo)準(zhǔn)也于2021年1月發(fā)布。我國(guó)露天礦無(wú)人駕駛正在朝著成熟化、規(guī)模化不斷趨近。

根據(jù)礦山運(yùn)輸?shù)墓ぷ餍枨?，可將無(wú)人駕駛技術(shù)根據(jù)具體功能分為以下幾項(xiàng)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(wú)人駕駛關(guān)鍵技術(shù)框架如圖1所示。

圖1 無(wú)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(yùn)車輛過(guò)大導(dǎo)致駕駛員視野受阻是運(yùn)輸車輛發(fā)生事故的主要原因，使用環(huán)境感知技術(shù)進(jìn)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(jiàn)的環(huán)境感知手段有激光雷達(dá)、毫米波雷達(dá)、超聲波傳感器、紅外傳感器、視覺(jué)傳感器及4D光場(chǎng)智能感知系統(tǒng)等。各傳感器工作性能對(duì)比見(jiàn)表1。

表1 各傳感器工作性能對(duì)比

激光雷達(dá)在測(cè)距、測(cè)速及跟蹤時(shí)有較高的精度，具有探測(cè)數(shù)據(jù)多、分辨率高及抗干擾能力強(qiáng)等優(yōu)點(diǎn)。但成本較高，受天氣影響大，波束極窄，在采集過(guò)程中可能損失目標(biāo)輪廓、紋理等信息。

毫米波雷達(dá)測(cè)量精度高，與激光雷達(dá)相比穿透性強(qiáng)，環(huán)境適應(yīng)性強(qiáng)[2]。但易受雷達(dá)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(wú)效或虛假感知。毫米波雷達(dá)是在露天礦場(chǎng)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(shí)具有很強(qiáng)的優(yōu)越性。

視覺(jué)傳感器突出的優(yōu)勢(shì)是可以通過(guò)擴(kuò)展數(shù)據(jù)庫(kù)識(shí)別新的目標(biāo)，此外還具有能準(zhǔn)確提取目標(biāo)三維輪廓、探測(cè)范圍廣等優(yōu)勢(shì)。但其性能受光線影響較大，在揚(yáng)塵較大的露天礦環(huán)境中測(cè)量準(zhǔn)確性更加受限，可利用其在障礙物識(shí)別上的優(yōu)勢(shì)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(shì)最為明顯，但測(cè)距和測(cè)速精度低，單獨(dú)使用無(wú)法滿足露天礦運(yùn)輸車輛實(shí)時(shí)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(dá)較激光雷達(dá)和毫米波雷達(dá)成本最低，但分辨能力弱，檢測(cè)精度低。它最根本的問(wèn)題是測(cè)距過(guò)近，僅為4～5m，而露天礦無(wú)人駕駛理想測(cè)距范圍為20m，單獨(dú)使用無(wú)法保障安全性。

4D光場(chǎng)智能感知系統(tǒng)能一體化獲取2D及3D信息，無(wú)需進(jìn)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(qiáng)。但其仍存在光學(xué)采集的固有缺點(diǎn)：在絕對(duì)遮擋的情況下無(wú)法工作。光場(chǎng)技術(shù)是近年來(lái)眾多科技巨頭爭(zhēng)相布局的熱門，要實(shí)際運(yùn)用到露天礦運(yùn)輸中，還需針對(duì)設(shè)備小型化和低功耗化等問(wèn)題加強(qiáng)研究。

綜上所述，各傳感器各有利弊，單獨(dú)使用能一定程度滿足環(huán)境感知需求，但對(duì)于安全性要求較高的露天礦運(yùn)輸場(chǎng)景，還需進(jìn)一步提高系統(tǒng)準(zhǔn)確性、實(shí)時(shí)性及穩(wěn)定性等。當(dāng)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(jìn)行融合處理以提高數(shù)據(jù)準(zhǔn)確性，達(dá)到統(tǒng)計(jì)學(xué)上的最佳效果，是目前常見(jiàn)的提升感知系統(tǒng)性能的思路。如毫米波雷達(dá)分辨率較激光雷達(dá)低，可使用激光雷達(dá)采集數(shù)據(jù)對(duì)毫米波雷達(dá)采集數(shù)據(jù)進(jìn)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(gè)傳感器獨(dú)立處理各自所獲目標(biāo)信息后，由主處理器進(jìn)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(biāo)數(shù)據(jù)同步，而后通過(guò)感知算法對(duì)融合后的多維綜合數(shù)據(jù)進(jìn)行感知，從而達(dá)到端到端的目標(biāo)識(shí)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(wú)人駕駛的未來(lái)。后融合算法各自獨(dú)立生成目標(biāo)數(shù)據(jù)后再進(jìn)行融合，過(guò)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(shí)時(shí)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(guò)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(guò)程中沒(méi)有發(fā)生損失，能夠得到更高的感知精度，但也因?yàn)閭鬏敂?shù)據(jù)量較大，實(shí)時(shí)性有所下降。未來(lái)還需對(duì)如何通過(guò)改進(jìn)融合方式來(lái)提高算法魯棒性、感知精度尤其是實(shí)時(shí)性進(jìn)一步加強(qiáng)研究。

如激光雷達(dá)與相機(jī)的融合，當(dāng)前大多數(shù)基于多傳感器融合的目標(biāo)識(shí)別算法都是將視覺(jué)獲取方案和激光點(diǎn)云2D獲取方案集成在一個(gè)網(wǎng)絡(luò)中，由于激光雷達(dá)采集的三維點(diǎn)云數(shù)據(jù)與相機(jī)獲取的圖像數(shù)據(jù)幀率差距非常大，難以進(jìn)行匹配，因此傳統(tǒng)的后融合算法魯棒性較弱，也難以實(shí)現(xiàn)實(shí)時(shí)處理。針對(duì)這一問(wèn)題，可以通過(guò)改用前融合的方法來(lái)解決，Caltagirone L等提出先將點(diǎn)云投影到相機(jī)圖像上，通過(guò)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(guò)引入金字塔投影方法來(lái)提高多尺度激光雷達(dá)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(yùn)輸?shù)缆房油莶黄?，車輛易發(fā)生顛簸、偏離，對(duì)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(shí)現(xiàn)全天候、全時(shí)段、各種工作環(huán)境下的穩(wěn)定實(shí)時(shí)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(jià)格高昂。礦山企業(yè)對(duì)于無(wú)人化升級(jí)關(guān)心的一大問(wèn)題就是成本，因此需要價(jià)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(diǎn)，抗干擾能力強(qiáng)。雖也存在誤差，但可通過(guò)設(shè)置基準(zhǔn)站的差分定位方式來(lái)提高精度。自我國(guó)北斗衛(wèi)星導(dǎo)航系統(tǒng)正式開(kāi)始提供區(qū)域服務(wù)，GNSS定位精度進(jìn)一步提高，可達(dá)厘米級(jí)，具有巨大的發(fā)展優(yōu)勢(shì)，筆者認(rèn)為可作為定位導(dǎo)航技術(shù)的重點(diǎn)研究方向。

即時(shí)定位與地圖構(gòu)建技術(shù)即SLAM技術(shù)是當(dāng)前主流的定位技術(shù)，根據(jù)實(shí)現(xiàn)形式可分為激光SLAM、視覺(jué)SLAM等，具有定位質(zhì)量不依托于基準(zhǔn)圖、可融合多種傳感器、環(huán)境適應(yīng)性強(qiáng)、定位精度高等優(yōu)點(diǎn)，激光SLAM精度可達(dá)厘米級(jí)，具有廣闊的應(yīng)用前景。經(jīng)典SLAM系統(tǒng)主要包含三個(gè)部分：定位、建圖、閉環(huán)，在行駛過(guò)程中它會(huì)實(shí)時(shí)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(duì)其實(shí)時(shí)更新從而實(shí)現(xiàn)定位，而閉環(huán)主要用于消除系統(tǒng)誤差和測(cè)量噪聲對(duì)系統(tǒng)造成的漂移。2019年提出的SuMa++是同時(shí)使用幾何和語(yǔ)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(dòng)態(tài)物體較多的環(huán)境中表現(xiàn)出明顯優(yōu)勢(shì)，且改善了魯棒性和準(zhǔn)確性。針對(duì)閉環(huán)問(wèn)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(diǎn)云間的重疊部分大小和相對(duì)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(wú)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(shí)兼顧以上需求。因此推薦使用組合導(dǎo)航系統(tǒng)來(lái)獲取車輛位置估計(jì)的最優(yōu)解，實(shí)現(xiàn)運(yùn)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(zhǎng)期穩(wěn)定運(yùn)行。

GNSS和視覺(jué)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(bǔ)，利用GNSS抑制視覺(jué)SLAM的誤差累積，而GNSS穩(wěn)定性差、易受干擾，利用視覺(jué)SLAM能有效克服外部遮擋及干擾對(duì)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(yàn)證明其性能優(yōu)于純視覺(jué)系統(tǒng)的定位性能[4]。為進(jìn)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(biāo)系的已知特征點(diǎn)與GNSS測(cè)距信號(hào)進(jìn)行緊耦合，提高了定位精度，在弱GNSS環(huán)境下仍能實(shí)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(guò)圖像信息進(jìn)行目標(biāo)探測(cè)識(shí)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(bǔ)慣導(dǎo)的誤差發(fā)散問(wèn)題，利用慣導(dǎo)的自主性輔助GNSS實(shí)現(xiàn)持續(xù)定位導(dǎo)航，主要的問(wèn)題是成本較高。隨著我國(guó)北斗系統(tǒng)正式投入使用，我國(guó)各高校對(duì)基于北斗的組合導(dǎo)航系統(tǒng)及其濾波算法開(kāi)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(duì)定位性能的不利影響[7]。

另外，還可通過(guò)路側(cè)及車載多傳感器融合感知的方式來(lái)輔助車輛定位，通過(guò)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(shí)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(dá)目標(biāo)位置的技術(shù)，根據(jù)對(duì)環(huán)境信息的把握程度可分為基于先驗(yàn)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(shí)現(xiàn)車道保持和動(dòng)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(gè)估價(jià)函數(shù)，能夠在保證路徑最優(yōu)的同時(shí)有效提高規(guī)劃效率。但由于礦山運(yùn)輸環(huán)境復(fù)雜、來(lái)往車輛及作業(yè)人員較多，簡(jiǎn)單的A*算法無(wú)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(duì)這一問(wèn)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(zhǎng)。而針對(duì)動(dòng)態(tài)環(huán)境下的路徑規(guī)劃問(wèn)題又提出了D*算法及基于雙重A*算法的移動(dòng)機(jī)器人路徑規(guī)劃方法等。此外常見(jiàn)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(wú)需對(duì)狀態(tài)空間的自由區(qū)域建模，算法效率高，但無(wú)法解決非完整約束的動(dòng)力學(xué)問(wèn)題。典型的該類算法有PRM算法和RRT算法，其中RRT算法實(shí)時(shí)性較好，在解決復(fù)雜環(huán)境中的路徑規(guī)劃問(wèn)題時(shí)優(yōu)勢(shì)明顯，但其生成的路徑存在冗余節(jié)點(diǎn)且一定不是最優(yōu)解，在某些工況下也無(wú)法保證路徑確定性。為解決這一問(wèn)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(jià)節(jié)點(diǎn)的父節(jié)點(diǎn)進(jìn)行擴(kuò)展，使之有方向性地進(jìn)行規(guī)劃，通過(guò)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(jìn)一步提高收斂速度的informed-RRT*算法及針對(duì)動(dòng)態(tài)環(huán)境中的路徑規(guī)劃問(wèn)題改進(jìn)設(shè)計(jì)的Risk-RRT算法等。

基于曲線插值的路徑規(guī)劃算法利用計(jì)算機(jī)輔助幾何設(shè)計(jì)技術(shù)來(lái)實(shí)現(xiàn)路徑的平滑優(yōu)化，根據(jù)預(yù)先輸入的約束條件對(duì)已知節(jié)點(diǎn)進(jìn)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(chǎng)景中表現(xiàn)較差，無(wú)法滿足環(huán)境復(fù)雜的礦山運(yùn)輸場(chǎng)景的技術(shù)需求。常見(jiàn)的基于曲線插值的路徑規(guī)劃算法有多項(xiàng)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(biāo)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(diǎn)(x，y，yaw)的方式，可將任意位置和航向角的兩點(diǎn)平滑連接，被廣泛應(yīng)用于自動(dòng)泊車等無(wú)人駕駛路徑規(guī)劃場(chǎng)景中。許多學(xué)者借鑒這一思路，通過(guò)在經(jīng)典路徑規(guī)劃算法中增加yaw約束來(lái)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(duì)于路況復(fù)雜、安全性要求尤為苛刻的礦山運(yùn)輸場(chǎng)景來(lái)說(shuō)，單獨(dú)使用某一路徑規(guī)劃算法獲得的實(shí)時(shí)性和安全性仍稍顯遜色，可通過(guò)組合路徑規(guī)劃算法的方式來(lái)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(jì)算量小，系統(tǒng)仍能保證較好的實(shí)時(shí)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(biāo)后進(jìn)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(yán)格滿足的約束和優(yōu)先滿足的約束。通過(guò)硬約束得到的路徑一般能夠滿足安全要求，但可能會(huì)出現(xiàn)離障礙物過(guò)近或摩擦邊界的情況，通過(guò)軟約束能夠使得路徑盡可能遠(yuǎn)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?yàn)楸憩F(xiàn)的是一種偏向，調(diào)參不到位可能會(huì)出現(xiàn)與障礙物相撞的問(wèn)題，在進(jìn)行算法設(shè)計(jì)時(shí)需加強(qiáng)注意。

5 決策控制技術(shù)現(xiàn)狀

決策控制單元負(fù)責(zé)進(jìn)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。縱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(guò)轉(zhuǎn)向控制使車輛安全無(wú)碰撞地沿期望路徑行駛。

由于車輛運(yùn)輸作業(yè)時(shí)基本保持低速行駛，橫向控制主要考慮車輛運(yùn)動(dòng)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(cè)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(duì)車輛進(jìn)行橫向控制，但該方法所得反饋信號(hào)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(duì)于非線性、高耦合的無(wú)人駕駛系統(tǒng)難以實(shí)現(xiàn)系統(tǒng)處理，魯棒性較差。許多研究人員通過(guò)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(qiáng)弱，從而獲得更好的跟蹤性能及適應(yīng)性。現(xiàn)在更熱門的研究方向?yàn)槟Ｐ皖A(yù)測(cè)控制和基于預(yù)瞄的路徑跟蹤控制。

5.1 模型預(yù)測(cè)控制

模型預(yù)測(cè)控制算法能有效解決多變量、多約束系統(tǒng)的控制問(wèn)題。P.Falcone研究了基于車輛非線性及線性模型的模型預(yù)測(cè)控制器分別的性能表現(xiàn)[11]。傳統(tǒng)模型預(yù)測(cè)算法基于時(shí)間建立預(yù)測(cè)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(yán)重[12，13]。馬浩楠等提出一種改進(jìn)的空間模型預(yù)測(cè)控制算法，將傳統(tǒng)的基于時(shí)間的車輛運(yùn)動(dòng)學(xué)模型轉(zhuǎn)換為基于空間的偏差模型，優(yōu)化目標(biāo)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(cè)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(zhǔn)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(diǎn)儲(chǔ)存在軌跡跟蹤器及方向、速度控制器中，通過(guò)環(huán)境感知系統(tǒng)和車速檢測(cè)系統(tǒng)等獲取車輛實(shí)時(shí)坐標(biāo)及行駛方向等信息，與期望路徑進(jìn)行相似性確定，依據(jù)分析結(jié)果調(diào)整車輛的運(yùn)動(dòng)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(wèn)題，保證行駛穩(wěn)定性和安全性。露天礦運(yùn)輸作業(yè)區(qū)域較為封閉，運(yùn)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(bǔ)模型預(yù)測(cè)控制方法在路徑曲率過(guò)大時(shí)的超調(diào)問(wèn)題，因此將兩者結(jié)合以改善算法性能是常見(jiàn)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(yàn)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(yùn)動(dòng)學(xué)模型的狀態(tài)輸入量，xf、yf、θf(wàn)、γf分別為車體前橋中點(diǎn)的x坐標(biāo)、y坐標(biāo)、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(shí)際應(yīng)用場(chǎng)景中，為應(yīng)對(duì)不同的行駛狀況、獲得最佳的行駛效率，必定需要對(duì)車輛的行駛方向和車速進(jìn)行全面控制，需要將橫縱向控制相結(jié)合，以實(shí)現(xiàn)對(duì)無(wú)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(dòng)、油門、貨箱舉升等動(dòng)作轉(zhuǎn)換為電信號(hào)，經(jīng)由電纜操縱執(zhí)行機(jī)構(gòu)。它具有很高的精度和可靠性，是當(dāng)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(jī)廠對(duì)自產(chǎn)的礦用工程車進(jìn)行線控化改造升級(jí)，而后裝線控為出廠后。前者易實(shí)施但不便于規(guī)模化復(fù)制，后者便于對(duì)已投入使用的礦用工程車進(jìn)行規(guī)?；€控升級(jí)。露天礦山運(yùn)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(jià)格高昂，可達(dá)幾百萬(wàn)到幾千萬(wàn)不等，使用壽命可達(dá)十五年左右，對(duì)于礦區(qū)已投入使用的礦卡一般采用后裝的方式，而新購(gòu)礦卡多采用前裝方式。而小型寬體自卸車，一般成本相對(duì)較低，使用壽命較短，從無(wú)人化改造的成本角度考慮，一般只對(duì)新購(gòu)車輛進(jìn)行前裝的線控改造方式。

7 通訊網(wǎng)絡(luò)及調(diào)度

要實(shí)現(xiàn)無(wú)人礦卡安全可靠運(yùn)行，還需配備穩(wěn)定且高速的無(wú)線通訊系統(tǒng)用于信號(hào)放大和傳遞，而露天礦生產(chǎn)計(jì)劃的實(shí)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(tái)

為保證無(wú)人礦卡自身及外部信息得到實(shí)時(shí)處理，需配備無(wú)線通訊系統(tǒng)并在作業(yè)區(qū)域內(nèi)搭建基塔?；跍?zhǔn)確性、可靠性需求，露天礦無(wú)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(kāi)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(diǎn)是高速率、低時(shí)延、大容量。已知無(wú)人礦卡所需網(wǎng)絡(luò)時(shí)延為20～30ms(端到端)，帶寬上行需10～14Mbps/臺(tái)，而5G通信技術(shù)的最高理論數(shù)據(jù)傳輸速率可達(dá)每秒數(shù)；空口時(shí)延可低至1ms，可靠性高達(dá)99.999%，能夠滿足露天礦無(wú)人運(yùn)輸需求。2019年6月全球首個(gè)無(wú)人礦卡編組的5G+應(yīng)用在白云鄂博礦區(qū)發(fā)布，實(shí)現(xiàn)了礦卡車輛的無(wú)人駕駛。5G技術(shù)是建立安全穩(wěn)定露天礦無(wú)人駕駛系統(tǒng)的關(guān)鍵和核心，未來(lái)應(yīng)在煤礦生產(chǎn)運(yùn)輸中重點(diǎn)推廣。

7.2 礦用卡車分配調(diào)度

合理的礦卡分配調(diào)度對(duì)減少露天礦運(yùn)輸成本、提高運(yùn)輸效率有重要的意義。當(dāng)前，國(guó)外常利用仿真模擬進(jìn)行車流分配調(diào)度模型的構(gòu)建。Patterson[16]等以減少車輛排隊(duì)時(shí)間為目標(biāo)構(gòu)建了車流分配調(diào)度模型；J.B.Mendes[17]等提出一種動(dòng)態(tài)礦卡調(diào)度的多目標(biāo)遺傳算法，能有效提高調(diào)度效率。國(guó)內(nèi)多采用精確算法求解單目標(biāo)車流分配調(diào)度模型，采用啟發(fā)式算法求解多目標(biāo)車流分配調(diào)度模型，其中最常用且有效的方法為通過(guò)改進(jìn)遺傳算法求解。郭天中[18]采用模擬退火算法對(duì)遺傳算法改進(jìn)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(biāo)模型為主，對(duì)多目標(biāo)模型的理論研究還較少，且隨著露天礦山無(wú)人運(yùn)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(qiáng)針對(duì)無(wú)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(zhǎng)補(bǔ)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(jìn)方向，未來(lái)還需對(duì)如何提高實(shí)時(shí)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(zhǎng)期作為我國(guó)定位技術(shù)的研究熱點(diǎn)，如何輔助GNSS實(shí)現(xiàn)持續(xù)定位是主要的融合思路。

3)露天礦運(yùn)輸屬于動(dòng)態(tài)復(fù)雜環(huán)境下的路徑規(guī)劃，對(duì)安全性及穩(wěn)定性要求嚴(yán)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(shí)保證實(shí)時(shí)性。

4)面對(duì)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(zhǔn)確且具備高適用性的復(fù)合決策模型。

5)為適應(yīng)新的無(wú)人駕駛露天礦運(yùn)輸場(chǎng)景，應(yīng)更廣泛地將5G技術(shù)應(yīng)用于露天礦運(yùn)輸中并加強(qiáng)對(duì)多目標(biāo)動(dòng)態(tài)車輛調(diào)度模型的研究。