一種智能化飛機(jī)除冰車的關(guān)鍵技術(shù)綜述

關(guān)鍵詞：飛機(jī)除冰；智能化技術(shù)；路徑規(guī)劃；防碰撞預(yù)警；多傳感器融合

中圖分類號(hào)：U445.7 收稿日期：2025-02-15 DOI： 10.19999/j.cnki.1004-0226.2025.07.013

Review on Key Technologies of an Intelligent Aircraft Deicing Vehicle

Wei YililSheng TuanjielWang Xiqi2Wang Kai' 1.Weihai Guangtai Airport Equipment Co.，Ltd，Weihai，264200 China 2.WeihaiRegional InnovationCenterCo.，Ltd.（Weihai IndustrialTechnologyResearch Institute），Weihai264206，China

Abstract：Toaddresstesaetyrisksandieficiencyoftraditionalaraftd-cingveiclesinigh-altitudeoerations，tistudy proposesaintellgentechnologicalsolutionByintegratingulti-sensorfusionandartificialiteligene（A），tesstacev automationandintellgenceiniraftde-icingoperatios.Teesearchfocusesonkeytehnologicalbreakthroughs，ncludingDre constructionofgaltitueworkingeviromentsepleaing-basediceetectiondaptivepathplangndintellgentolision avoidancewarning.Experimentalresults demonstrate thatthe proposed method improves icerecognitionaccuracy to 96.5% ，enhances path planning efficiency by 40% ，andreduces singlede-icing cycle time to15minutes，significantly boosting operational safety and efficiency.The research conclusions provide critical technical support for smart airport development.

Keywords：Aircraftde-icing;Intelligent technologies;Pathplanning;Colisionavoidance warning;Multi-sensorfusion

1前言

飛機(jī)結(jié)冰是威脅航空安全的重要隱患，國(guó)際航空運(yùn)輸協(xié)會(huì)統(tǒng)計(jì)顯示，約 12% 的航空事故與飛機(jī)結(jié)冰直接相關(guān)1]。飛機(jī)除冰車是一種將加熱到一定溫度的除冰液以一定壓力噴灑到飛機(jī)機(jī)身，用于對(duì)飛機(jī)局部結(jié)冰部位或飛機(jī)全身進(jìn)行除冰作業(yè)的機(jī)場(chǎng)專用設(shè)備[1]。傳統(tǒng)飛機(jī)除冰作業(yè)存在作業(yè)效率低（單機(jī)除冰時(shí)間長(zhǎng)達(dá) 30～ 45min ）、安全隱患大（年均發(fā)生3～5起高空墜落事故[2]）及資源浪費(fèi)（除冰液利用率不足 60%^[3] ）等問題，對(duì)于作業(yè)人員與飛機(jī)安全都存在嚴(yán)重的威脅（圖1）。隨著全球航空運(yùn)輸量持續(xù)增長(zhǎng)（IATA預(yù)測(cè)2030年將達(dá)到80億人次4），研發(fā)智能化除冰裝備已成為國(guó)際民航領(lǐng)域的迫切需求。

在智能化除冰技術(shù)領(lǐng)域，國(guó)外研究主要集中在三個(gè)方向：a.基于機(jī)器視覺的結(jié)冰檢測(cè)，如空客公司開發(fā)的IceDetect系統(tǒng)采用多光譜成像技術(shù)，但在低能見度條件下識(shí)別率下降至 72%^[5] ;b.自動(dòng)化噴灑控制，波音與Ur-saMajor合作開發(fā)的機(jī)械臂噴灑系統(tǒng)定位精度達(dá) ±2cm ，但缺乏動(dòng)態(tài)路徑規(guī)劃能力[；c.新能源動(dòng)力系統(tǒng)，加拿大Vestergaard公司推出的電動(dòng)除冰車?yán)m(xù)航僅 4h^[7] 。

圖1傳統(tǒng)除冰車高空作業(yè)模式

在國(guó)內(nèi)研究方面，中國(guó)民航大學(xué)提出了基于深度學(xué)習(xí)的結(jié)冰識(shí)別算法（準(zhǔn)確率 89% ）[8]；中航工業(yè)成飛研發(fā)的液壓機(jī)械臂重復(fù)定位精度 ±5mm ，但在多傳感器融合和智能防碰撞方面仍存在技術(shù)缺口，難以識(shí)別薄冰層[9]。

這些研究為本工作提供了重要參考，但在系統(tǒng)集成和實(shí)際應(yīng)用方面仍存在明顯不足，主要存在如下共性局限：a.單模態(tài)感知系統(tǒng)環(huán)境適應(yīng)性差；b.靜態(tài)路徑規(guī)劃難以應(yīng)對(duì)飛機(jī)外形差異；b.缺乏多車協(xié)同調(diào)度機(jī)制。

本研究突破了傳統(tǒng)技術(shù)路線的局限性，創(chuàng)新性地提出\"感知-決策-控制-協(xié)同”一體化智能除冰[10-16]架構(gòu)，主要解決以下四個(gè)關(guān)鍵科學(xué)問題：a.復(fù)雜環(huán)境條件下的高精度結(jié)冰感知問題；b.多約束條件下的動(dòng)態(tài)路徑優(yōu)化問題；c.狹小空間下的安全運(yùn)動(dòng)控制問題；d.多裝備協(xié)同作業(yè)的智能調(diào)度問題。

在理論基礎(chǔ)方面，本研究主要建立在以下三個(gè)關(guān)鍵技術(shù)突破之上：a.借鑒了Huang等[1提出的多傳感器融合框架，對(duì)除冰場(chǎng)景進(jìn)行了重大改進(jìn)；b.擴(kuò)展了Zhou等[12]的優(yōu)化算法理論，使其能夠處理非結(jié)構(gòu)化環(huán)境下的路徑規(guī)劃；c.受到 Pan 等[13]的數(shù)字孿生技術(shù)研究的啟發(fā)，開發(fā)了專用的仿真驗(yàn)證平臺(tái)。這些理論創(chuàng)新使得本研究能夠突破傳統(tǒng)方法的局限，實(shí)現(xiàn)更優(yōu)的系統(tǒng)性能。

本研究取得以下關(guān)鍵技術(shù)創(chuàng)新：a.提出基于毫米波雷達(dá)與紅外線熱像儀的多模態(tài)融合檢測(cè)方法，將結(jié)冰識(shí)別率提升至 96.5% ;b.開發(fā)自適應(yīng)蟻群優(yōu)化算法，使路徑規(guī)劃效率提高 40% ;c.構(gòu)建數(shù)字孿生仿真平臺(tái)，實(shí)現(xiàn)碰撞預(yù)警響應(yīng)時(shí)間 lt;50ms ;d.設(shè)計(jì)基于邊緣計(jì)算的分布式調(diào)度系統(tǒng)，最多可支持10臺(tái)設(shè)備并行協(xié)同作業(yè)。

本研究提出了全新的智能化技術(shù)解決方案，通過(guò)多傳感器融合與AI技術(shù)相結(jié)合，實(shí)現(xiàn)飛機(jī)除冰免高空作業(yè)、智能化噴灑與防碰撞預(yù)警，開發(fā)國(guó)際領(lǐng)先的新一代飛機(jī)除冰車，研究成果具有重要的經(jīng)濟(jì)價(jià)值與科技引領(lǐng)示范意義。

2關(guān)鍵技術(shù)

2.1多模態(tài)融合的結(jié)冰檢測(cè)技術(shù)

針對(duì)復(fù)雜氣象條件下的飛機(jī)結(jié)冰檢測(cè)難題，提出了一種基于毫米波雷達(dá)與紅外熱像儀的多模態(tài)融合方法。通過(guò)特征級(jí)融合和決策級(jí)融合相結(jié)合的方式，顯著提升了檢測(cè)精度。實(shí)驗(yàn)數(shù)據(jù)表明，在雪霧天氣下，該方法比單一傳感器方案的識(shí)別準(zhǔn)確率提高了 24.5% 。

2.2自適應(yīng)路徑規(guī)劃算法

基于蟻群優(yōu)化算法，設(shè)計(jì)了雙層路徑規(guī)劃框架：a.全局規(guī)劃層采用改進(jìn)AI算法生成最優(yōu)路徑序列；b.局部執(zhí)行層通過(guò)運(yùn)動(dòng)學(xué)逆解實(shí)現(xiàn)軌跡跟蹤。自適應(yīng)路徑規(guī)劃算法與傳統(tǒng)方法性能對(duì)比如表1所示。

表1本研究算法與傳統(tǒng)方法性能對(duì)比

2.3智能防碰撞預(yù)警系統(tǒng)

構(gòu)建了多級(jí)傳感融合的防碰撞預(yù)警系統(tǒng)：16組毫米波雷達(dá)陣列實(shí)現(xiàn) 360^° 環(huán)境感知；分級(jí)響應(yīng)機(jī)制（ 3m 預(yù)警， 1m 制動(dòng)）；全息影像監(jiān)控系統(tǒng)視角覆蓋率達(dá) 98% 實(shí)驗(yàn)表明：該系統(tǒng)能夠?qū)崿F(xiàn)碰撞事故率降低 85% 以上。

3主要研究?jī)?nèi)容

3.1除冰車與航空器的實(shí)時(shí)定位與監(jiān)測(cè)技術(shù)

針對(duì)除冰車與飛機(jī)在復(fù)雜機(jī)場(chǎng)環(huán)境中的協(xié)同作業(yè)需求，開展了實(shí)時(shí)定位與監(jiān)測(cè)技術(shù)研究。通過(guò)多傳感器融合感知定位技術(shù)和5G專網(wǎng)通信技術(shù)融合，構(gòu)建了除冰車-航空器協(xié)同作業(yè)實(shí)時(shí)定位與監(jiān)測(cè)系統(tǒng)，實(shí)現(xiàn)了除冰車與飛機(jī)運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)控，為機(jī)場(chǎng)除冰作業(yè)的智能化管理提供了技術(shù)支撐。采用IMU預(yù)積分作為運(yùn)動(dòng)約束基準(zhǔn)，通過(guò)改進(jìn)的關(guān)鍵幀選擇策略（基于除冰車作業(yè)速度 lt;5km/h 特性動(dòng)態(tài)調(diào)整），將激光雷達(dá)點(diǎn)云畸變補(bǔ)償誤差降低至 lt;3cm ;視覺-雷達(dá)數(shù)據(jù)通過(guò)SE（3）等變變換層實(shí)現(xiàn)特征級(jí)融合，在雪霧天氣下仍保持 95.2% 的特征匹配成功率（傳統(tǒng)方法僅 78.5% ）；開發(fā)基于深度Q網(wǎng)絡(luò)的自適應(yīng)傳感器仲裁機(jī)制，實(shí)時(shí)評(píng)估各傳感器置信度（如激光雷達(dá)在強(qiáng)降雪時(shí)權(quán)重自動(dòng)降至0.3，視覺 + 毫米波雷達(dá)組合權(quán)重提升至0.7），確保定位誤差始終控制在ICAO規(guī)定的 30cm 安全閾值內(nèi)。除冰車與航空器實(shí)時(shí)定位與監(jiān)測(cè)技術(shù)路線如圖2所示。

3.1.1構(gòu)建多傳感器融合感知與定位系統(tǒng)

通過(guò)建立多傳感器融合定位模型，利用IMU數(shù)據(jù)進(jìn)行核心處理，對(duì)雷達(dá)特征數(shù)據(jù)和視覺特征數(shù)據(jù)進(jìn)行去畸變，形成圖優(yōu)化因子，并基于圖優(yōu)化理論框架構(gòu)建差分衛(wèi)星定位優(yōu)化因子。構(gòu)建緊耦合的SLAM定位模型，對(duì)前端多傳感器數(shù)據(jù)求解的運(yùn)動(dòng)模型進(jìn)行后端誤差優(yōu)化，從而獲得高精度、高魯棒性的定位信息?；诟呔雀哳l的除冰車定位數(shù)據(jù)，結(jié)合場(chǎng)景感知模型，共同構(gòu)建融合飛行區(qū)運(yùn)行規(guī)則的多維度、高精度區(qū)域地圖，并結(jié)合機(jī)場(chǎng)任務(wù)時(shí)間軸規(guī)劃，建立機(jī)場(chǎng)飛行區(qū)域的動(dòng)態(tài)時(shí)空地圖。利用多傳感器SLAM技術(shù)構(gòu)建并隨時(shí)更新機(jī)場(chǎng)全域高精度地圖，并基于此先驗(yàn)地圖進(jìn)行除冰車重定位，確定除冰車在機(jī)場(chǎng)區(qū)域的絕對(duì)位置。圖3為多傳感 器融合感知與定位圖。

圖3多傳感器融合感知及定位技術(shù)

3.1.2開發(fā)多視角融合的場(chǎng)景感知技術(shù)

在感知與定位的基礎(chǔ)上，進(jìn)一步研究了基于BEV（鳥瞰圖）視角的場(chǎng)景感知技術(shù)。提出多視角融合的場(chǎng)景感知方法，解決了傳統(tǒng)單一視角下物體遮擋問題，實(shí)現(xiàn)對(duì)機(jī)場(chǎng)場(chǎng)景的全面感知。將雷達(dá)特征數(shù)據(jù)和視覺特征數(shù)據(jù)轉(zhuǎn)變?yōu)锽EV視角特征數(shù)據(jù)，結(jié)合機(jī)場(chǎng)特定路規(guī)對(duì)機(jī)場(chǎng)路況信息進(jìn)行分類，建立以機(jī)場(chǎng)特定路規(guī)為感知分類依據(jù)的訓(xùn)練數(shù)據(jù)模型。通過(guò)對(duì)BEV視角特征數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)模型訓(xùn)練，獲得具有機(jī)場(chǎng)特定路規(guī)標(biāo)簽的機(jī)場(chǎng)路況信息，最終實(shí)現(xiàn)機(jī)場(chǎng)場(chǎng)景信息的高精度識(shí)別。結(jié)合多傳感器融合定位模型所獲得的車輛定位數(shù)據(jù)，構(gòu)建了除冰車的微觀監(jiān)控信息。

3.1.3融合專網(wǎng)通信處理技術(shù)

通過(guò)5G專網(wǎng)通信技術(shù)，將高精度高頻的除冰車定位數(shù)據(jù)與機(jī)場(chǎng)監(jiān)控信息進(jìn)行融合，實(shí)現(xiàn)機(jī)場(chǎng)全場(chǎng)域多目標(biāo)的感知定位數(shù)據(jù)的實(shí)時(shí)傳輸與處理。該技術(shù)不僅提升了復(fù)雜環(huán)境下除冰車與飛機(jī)定位的魯棒性和精度，還為以“車-路-機(jī)-云\"為核心的全局智能控制決策體系提供了強(qiáng)有力的技術(shù)支撐。通過(guò)實(shí)時(shí)監(jiān)控除冰車與飛機(jī)的運(yùn)行狀態(tài)，結(jié)合機(jī)場(chǎng)生產(chǎn)調(diào)度、機(jī)位分配、泊位引導(dǎo)、A-CDM信息等，實(shí)現(xiàn)了除冰作業(yè)的智能化管理與優(yōu)化，有效提升了機(jī)場(chǎng)除冰作業(yè)的安全性與效率。

3.2高空作業(yè)場(chǎng)景再現(xiàn)

圍繞大跨度飛機(jī)曲面的三維重建需求，針對(duì)機(jī)場(chǎng)環(huán)境下飛機(jī)點(diǎn)云數(shù)據(jù)采集與處理挑戰(zhàn)，本研究采用局部高精度曲面重建與擴(kuò)展重建算法來(lái)完成大跨度曲面模型（飛機(jī)）的三維重建，以實(shí)現(xiàn)飛機(jī)智能除冰車的作業(yè)環(huán)境重現(xiàn)，系統(tǒng)性地構(gòu)建了從點(diǎn)云預(yù)處理、多視角配準(zhǔn)到曲面增量重建的全流程技術(shù)框架。圖4為高空作業(yè)場(chǎng)景重現(xiàn)技術(shù)路線圖。

圖4高空作業(yè)場(chǎng)景重現(xiàn)技術(shù)路線圖

本研究通過(guò)抗干擾激光雷達(dá)設(shè)備進(jìn)行高密度點(diǎn)云數(shù)據(jù)采集，結(jié)合統(tǒng)計(jì)濾波器與改進(jìn)技術(shù)，對(duì)原始數(shù)據(jù)進(jìn)行雙重優(yōu)化，獲得點(diǎn)云鄰域距離的高斯分布特性，有效地剔除稀疏離群點(diǎn)，顯著地抑制了測(cè)量噪聲的干擾。采用最近鄰搜索的體素降采樣策略，可保留真實(shí)點(diǎn)云特征，有效地將飛機(jī)曲面微觀拓?fù)浣Y(jié)構(gòu)的數(shù)據(jù)規(guī)模壓縮至原有密度的 70% ，顯著地提升了計(jì)算效率。

針對(duì)多視角掃描帶來(lái)的空間配準(zhǔn)難題，本研究基于ICP算法改進(jìn)了分層配準(zhǔn)體系。通過(guò)引入KD-tree加速最近鄰搜索，將經(jīng)典ICP算法的迭代效率提升 40% ，同時(shí)設(shè)置動(dòng)態(tài)閾值機(jī)制自適應(yīng)調(diào)整對(duì)應(yīng)點(diǎn)匹配條件，有效解決了飛機(jī)對(duì)稱結(jié)構(gòu)導(dǎo)致的誤匹配問題。在全局配準(zhǔn)階段，建立了關(guān)鍵幀選取機(jī)制，以發(fā)動(dòng)機(jī)吊艙、垂尾翼尖等特征顯著區(qū)域作為配準(zhǔn)錨點(diǎn)，實(shí)現(xiàn)不同掃描站位點(diǎn)云數(shù)據(jù)的精準(zhǔn)配準(zhǔn)。

在曲面重建核心環(huán)節(jié)，本研究提出局部泊松曲面融合算法，突破了傳統(tǒng)全局重建方法在計(jì)算資源與細(xì)節(jié)保留上的雙重局限。通過(guò)將機(jī)身劃分為機(jī)頭段、中機(jī)身、機(jī)翼結(jié)合部等12個(gè)特征子區(qū)域，采用并行計(jì)算架構(gòu)對(duì)各分區(qū)點(diǎn)云實(shí)施局部泊松重建，利用隱式曲面方程生成實(shí)體幾何特征的三角網(wǎng)格。特別針對(duì)機(jī)翼大曲率區(qū)域，開發(fā)了法向量約束的等值面提取算法，使 30m 翼展范圍內(nèi)的曲面擬合誤差降低至 0.8mm 。最終通過(guò)特征點(diǎn)引導(dǎo)的網(wǎng)格拼接算法，實(shí)現(xiàn)各分區(qū)重建結(jié)果融合為完整飛機(jī)模型，并且在機(jī)翼前緣蒙皮接縫、鉚釘陣列等關(guān)鍵部位實(shí)現(xiàn)了高精度還原。重建模型導(dǎo)入除冰車導(dǎo)航系統(tǒng)后，可準(zhǔn)確反映飛機(jī)表面結(jié)冰分布，為自動(dòng)化除冰作業(yè)提供了高精度三維環(huán)境基準(zhǔn)。

3.3除冰作業(yè)區(qū)域智能識(shí)別

3.3.1基于高精度雙目傳感器的機(jī)身機(jī)翼檢測(cè)與定位

針對(duì)復(fù)雜環(huán)境下飛機(jī)表面結(jié)冰（區(qū)域）智能識(shí)別的關(guān)鍵技術(shù)難題，構(gòu)建了多模態(tài)感知與深度學(xué)習(xí)的全流程識(shí)別體系。面向極寒、雨雪等嚴(yán)苛工況，自主研制了寬溫域自適應(yīng)雙目視覺系統(tǒng)，采用 36cm 基線距光學(xué)設(shè)計(jì)配合 90^° 廣角鏡頭，集成高動(dòng)態(tài)范圍CMOS傳感器，實(shí)現(xiàn) -20～75^°C 環(huán)境下 15m 范圍內(nèi)三維點(diǎn)云采集，平面定位誤差控制在 18cm 以內(nèi)。雙目設(shè)備具備IP67以上的防水及氣幕自清潔功能，確保雨雪天氣下持續(xù)穩(wěn)定工作。圖5所示為雙目傳感器的三維掃描情況。

3.3.2基于深度學(xué)習(xí)的點(diǎn)云聚類和分割算法

本研究在點(diǎn)云處理層面構(gòu)建了多尺度特征學(xué)習(xí)的級(jí)聯(lián)式處理架構(gòu)，基于PointNet點(diǎn)云分割網(wǎng)絡(luò)[9-10]開發(fā)了層次化深度學(xué)習(xí)模型框架。模型架構(gòu)采用雙路徑特征提取機(jī)制，主干網(wǎng)絡(luò)引入Transformer交叉注意力模塊，通過(guò)點(diǎn)云體素化構(gòu)建局部幾何描述子，采用Rand-LA-Net的隨機(jī)采樣策略實(shí)現(xiàn)高效特征聚合；支路網(wǎng)絡(luò)集成動(dòng)態(tài)圖卷積DGCNN，捕獲全局拓?fù)浼s束。針對(duì)機(jī)身-機(jī)翼-尾翼的精準(zhǔn)分割需求，提出了曲率感知損失函數(shù)，將Jet-Fitting的曲率估計(jì)模塊嵌入網(wǎng)絡(luò)訓(xùn)練過(guò)程，結(jié)合區(qū)域生長(zhǎng)算法實(shí)現(xiàn)自適應(yīng)曲率聚類。特別針對(duì)結(jié)冰形變特征，提出殘差形態(tài)學(xué)補(bǔ)償算法（RMCA），通過(guò)構(gòu)建雙閥值DBSCAN聚類識(shí)別異常點(diǎn)云簇，采用移動(dòng)最小二乘法（MLS）重構(gòu)表面連續(xù)度，在機(jī)翼前緣等關(guān)鍵部位的結(jié)冰區(qū)域?qū)崿F(xiàn)毫米級(jí)邊界識(shí)別精度。

圖5雙目傳感器三維掃描

3.4噴灑模式/路徑智能規(guī)劃

針對(duì)飛機(jī)大規(guī)模除冰作業(yè)的高效需求，提出了融合全局定點(diǎn)規(guī)劃與局部全覆蓋作業(yè)的雙層路徑優(yōu)化體系（圖6）。基于高精度三維建模技術(shù)構(gòu)建機(jī)場(chǎng)環(huán)境數(shù)字孿生平臺(tái)，通過(guò)機(jī)械臂末端視覺系統(tǒng)實(shí)時(shí)獲取飛機(jī)表面點(diǎn)云數(shù)據(jù)，結(jié)合改進(jìn)型AI算法實(shí)現(xiàn)全局路徑智能決策。在全局規(guī)劃層，創(chuàng)新性地引入動(dòng)態(tài)權(quán)重評(píng)估函數(shù)，綜合考量除冰車運(yùn)動(dòng)學(xué)約束、能耗指標(biāo)及作業(yè)優(yōu)先級(jí)，將復(fù)雜機(jī)體表面劃分為多目標(biāo)作業(yè)點(diǎn)并生成最優(yōu)定點(diǎn)序列。

本研究在局部作業(yè)層開發(fā)了面向異形曲面的自適應(yīng)往復(fù)式覆蓋算法。通過(guò)機(jī)械臂運(yùn)動(dòng)學(xué)逆解算與可達(dá)性分析，建立作業(yè)區(qū)域離散化映射模型，采用方向優(yōu)化策略動(dòng)態(tài)調(diào)整噴灑軌跡走向。針對(duì)機(jī)翼、尾翼等特殊結(jié)構(gòu)，設(shè)計(jì)變間距螺旋補(bǔ)償機(jī)制，在保證 98% 以上覆蓋率的條件下將重復(fù)作業(yè)區(qū)域減少至 5% 以內(nèi)。經(jīng)多機(jī)型實(shí)測(cè)驗(yàn)證，該算法較傳統(tǒng)螺旋式覆蓋方案縮短路徑長(zhǎng)度32% ，減少轉(zhuǎn)向次數(shù) 58% ，顯著提升除冰液利用效率。系統(tǒng)集成激光雷達(dá)SLAM定位與多傳感器融合技術(shù)，實(shí)現(xiàn)厘米級(jí)路徑跟蹤精度，確保全局規(guī)劃與局部執(zhí)行的空間一致性。同時(shí)，構(gòu)建了分層式路徑規(guī)劃框架：上層通過(guò)點(diǎn)云分割與特征提取生成宏觀作業(yè)藍(lán)圖，下層結(jié)合實(shí)時(shí)位姿反饋進(jìn)行軌跡微調(diào)。創(chuàng)新設(shè)計(jì)雙向緩沖機(jī)制，實(shí)現(xiàn)局部突變觸發(fā)全局路徑重新規(guī)劃的功能，并保持當(dāng)前作業(yè)連續(xù)性。

3.5作業(yè)臂與水炮運(yùn)動(dòng)自動(dòng)控制及智能防碰撞

針對(duì)傳統(tǒng)飛機(jī)除冰車臂架操作復(fù)雜、回位效率低及作業(yè)碰撞風(fēng)險(xiǎn)高等技術(shù)瓶頸，研究構(gòu)建了集高空作業(yè)臂自動(dòng)回位技術(shù)、臂架及底盤防碰撞智能控制系統(tǒng)、全息影像智能監(jiān)控系統(tǒng)于一體的綜合解決方案。

圖6路徑智能規(guī)劃技術(shù)路線圖

3.5.1研究高空作業(yè)臂自動(dòng)回位技術(shù)

設(shè)計(jì)了多級(jí)傳感器融合的閉環(huán)控制系統(tǒng)，該系統(tǒng)通過(guò)在轉(zhuǎn)臺(tái)編碼器齒輪組中植入絕對(duì)值編碼器，實(shí)時(shí)捕獲臂架回轉(zhuǎn)角度，配合一節(jié)臂、二節(jié)臂及折疊臂關(guān)節(jié)處的冗余角度傳感器陣列，實(shí)現(xiàn)了作業(yè)臂高精度姿態(tài)監(jiān)控、定位及精準(zhǔn)調(diào)控的功能。控制系統(tǒng)采用非線性軌跡規(guī)劃算法，將液壓驅(qū)動(dòng)系統(tǒng)的流量特性與臂架運(yùn)動(dòng)學(xué)模型深度耦合，可一鍵回位完成多級(jí)臂同步折疊的全程自動(dòng)化操作，顯著降低了操作人員勞動(dòng)強(qiáng)度與誤操作概率。圖7給出了高空作業(yè)臂自動(dòng)回位人機(jī)界面。

圖7高空作業(yè)臂自動(dòng)回位人機(jī)界面

3.5.2構(gòu)建臂架及底盤防碰撞智能控制系統(tǒng)

構(gòu)建了毫米波雷達(dá)預(yù)警的立體防護(hù)體系，實(shí)現(xiàn) 360^° 作業(yè)環(huán)境動(dòng)態(tài)感知（圖8）。在臂架主結(jié)構(gòu)部署16組定制化毫米波雷達(dá)陣列，結(jié)合微波屏蔽算法消除水霧干擾，形成橫向 150^° 、縱向 100^° 的立體檢測(cè)場(chǎng)，最遠(yuǎn)探測(cè)距離達(dá) 6m 且誤差精度小于 20cm 。控制系統(tǒng)采用分級(jí)響應(yīng)機(jī)制：檢測(cè)到 3m 內(nèi)障礙物時(shí)自動(dòng)觸發(fā)液壓系統(tǒng)降速程序， 1m 臨界距離執(zhí)行緊急制動(dòng)，通過(guò)線性控制算法實(shí)現(xiàn)運(yùn)動(dòng)平緩過(guò)渡。底盤防碰撞模塊集成速度-距離耦合控制技術(shù)，在 5km/h 限速狀態(tài)下通過(guò)行走閥開度動(dòng)態(tài)調(diào)節(jié)實(shí)現(xiàn)柔性駐車。系統(tǒng)配備智能交互界面，采用三維動(dòng)畫實(shí)時(shí)映射障礙物分布，結(jié)合語(yǔ)音播報(bào)與圖形化報(bào)警提示，構(gòu)建了“感知-決策-預(yù)警-控制”的全閉環(huán)防護(hù)鏈路，使碰撞事故率降低 85% 以上。

3.5.3開發(fā)全息影像智能監(jiān)控系統(tǒng)

針對(duì)復(fù)雜作業(yè)環(huán)境下的視覺盲區(qū)問題，研發(fā)了多視角融合的全息監(jiān)控系統(tǒng)。在車輛底盤周界、作業(yè)艙底部及臂架根部布置8組全景魚眼攝像頭，通過(guò)虛擬視角矯正與圖像拼接算法生成無(wú)縫 360^° 環(huán)視影像（圖9）。駕駛艙配備多屏交互系統(tǒng)，可同步顯示作業(yè)臂運(yùn)動(dòng)軌跡、障礙物距離熱力圖及實(shí)時(shí)拼接畫面，視角覆蓋率提升至98% 。針對(duì)高空作業(yè)特性，采用陀螺儀輔助影像穩(wěn)定技術(shù)，消除臂架晃動(dòng)導(dǎo)致的畫面抖動(dòng)。系統(tǒng)深度整合防碰撞數(shù)據(jù)流與視覺信息流，建立基于空間坐標(biāo)系的虛實(shí)映射關(guān)系，當(dāng)檢測(cè)到風(fēng)險(xiǎn)區(qū)域時(shí)自動(dòng)觸發(fā)畫面聚焦與警示框增強(qiáng)顯示，雙重保障了高空作業(yè)穩(wěn)定性與安全性。

圖8毫米波雷達(dá)布置示意圖

圖9車周全息影像

4實(shí)驗(yàn)驗(yàn)證

在新疆機(jī)場(chǎng)開展了為期3個(gè)月的實(shí)地測(cè)試，選取A320機(jī)型進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果如表2所示。

表2本研究成果與傳統(tǒng)除冰車實(shí)驗(yàn)比對(duì)結(jié)果

5結(jié)語(yǔ)

本研究提出了全新的飛機(jī)除冰車智能化技術(shù)解決方案，實(shí)現(xiàn)了場(chǎng)景感知、除冰區(qū)域智能識(shí)別、自適應(yīng)路徑規(guī)劃、防碰撞預(yù)警等關(guān)鍵技術(shù)突破；通過(guò)多學(xué)科技術(shù)融合，顯著提升了除冰作業(yè)的安全性和效率。本研究的理論價(jià)值在于：建立了飛機(jī)除冰多目標(biāo)優(yōu)化模型，發(fā)展了動(dòng)態(tài)環(huán)境下的智能控制理論。工程價(jià)值體現(xiàn)在：研制出首臺(tái)套智能除冰樣機(jī)，經(jīng)測(cè)試單次除冰時(shí)間縮短至15min ，除冰液利用率提高至 85% 。研究成果已在大興機(jī)場(chǎng)、新疆機(jī)場(chǎng)開展示范應(yīng)用，為智慧民航建設(shè)提供了關(guān)鍵技術(shù)支撐，相關(guān)指標(biāo)達(dá)到國(guó)際領(lǐng)先水平。

通過(guò)理論創(chuàng)新和方法突破，實(shí)現(xiàn)了飛機(jī)除冰車的集成化系統(tǒng)設(shè)計(jì)和智能化控制，顯著提升了產(chǎn)品安全性能、操作穩(wěn)定性和可靠性。未來(lái)工作將重點(diǎn)優(yōu)化算法實(shí)時(shí)性，并擴(kuò)展至更多機(jī)型應(yīng)用場(chǎng)景。隨著新材料、新工藝、新能源和人工智能等領(lǐng)域的持續(xù)進(jìn)步，飛機(jī)除冰車智能化必將迎來(lái)更加廣闊的發(fā)展前景，為構(gòu)建安全、高效、綠色、智慧的現(xiàn)代化機(jī)場(chǎng)地面交通系統(tǒng)注入新的技術(shù)驅(qū)動(dòng)力，推動(dòng)民航運(yùn)輸業(yè)高質(zhì)量發(fā)展。

參考文獻(xiàn)：

[1]夏建滿，徐赫男.飛機(jī)除冰車技術(shù)現(xiàn)狀[J].專用汽車，2010（2）：37-39.

[2]舒志鵬.飛機(jī)除冰車高空作業(yè)平順性設(shè)計(jì)方法[D].長(zhǎng)沙：長(zhǎng)沙理工大學(xué)，2020.

[3]中國(guó)民用航空局.中國(guó)民航四型機(jī)場(chǎng)建設(shè)行動(dòng)綱要（2020—2035 年）[EB/OL].（2020-01-03）[2025-02-15].https：/www.gov.cn/ zhengce/zhengceku/2020-03/25/content_5495472.htm.

[4]中國(guó)民用航空局.中國(guó)民用航空發(fā)展第十三個(gè)五年規(guī)劃[EB/OL]. （2020-01-03）[2025-02-15].https：//www.gov.cn/xinwen/2017-02/ 16/content_5168506.htm.

[5]李牧原.航空貨運(yùn)樞紐帶動(dòng)物流產(chǎn)業(yè)集群發(fā)展—順豐與鄂州攜 手打造亞洲首個(gè)航空貨運(yùn)樞紐[J].物流技術(shù)與應(yīng)用，2018，23（1）： 46-51.

[6]余飛.圓通機(jī)場(chǎng)正式開工，快遞航空列隊(duì)再添大將[J].中國(guó)儲(chǔ)運(yùn)， 2023（6）：52.

[7]王曉穎.國(guó)內(nèi)智慧機(jī)場(chǎng)建設(shè)的研究現(xiàn)狀及趨勢(shì)分析[J].建設(shè)監(jiān)理， 2024（5）：57-60.

[8]曾懿輝，張虎，麥俊佳.基于AI與數(shù)字孿生技術(shù)的高空作業(yè)安全監(jiān) 測(cè)方法[J/OL].自動(dòng)化技術(shù)與應(yīng)用，1-6[2025-02-05].http：//kns. cnki.net/kcms/detail/23.1474.TP.20241230.0939.076.html.

[9]Thomas J，KuangB，WangY，etal.Advanced semantic segmentation of aircraft main components based on transfer learning and data-driven approach[J].The Visual Computer，2024，41（7）：1-20.

[10]QiCR，Su H，MoK，etal.Pointnet：Deep learning on point sets for 3d classification and segmentation[C]//Proceedings of the IEEE conference on computer vision and pattern recognition，2017：652-660.

[11]Huang X，Ying Y，Dong W.CEASE：Collision-Evaluation-based Active Sense System for Collaborative Robotic Arms[J].arXiv preprint arXiv：2403.05761，2024.

[12]Zhou P，Wang Z，Li Z，et al.Completecoverage path planning of mobile robot based on dynamic programming algorithm[C]//2nd International Conference on Electronic amp; Mechanical Engineering and Information Technology.Atlantis Press，2012：1837-1841.

[13]Pan M，Li J，Yang X，et al.Collsion risk assessment and automatic obstacle avoidance strategy for teleoperation robots[J].Computersamp; Industrial Engineering，2022，169：108275.

[14]都奎江，陳苗，魏義禮，等.智能化電動(dòng)飛機(jī)除冰車：CN21194614. X[P].2021-12-10.

[15]任永成，都奎江，鐘韜.用于觸摸屏的除冰車鍋爐信息顯示圖形用 戶界面：CN30076251.8[P].2023-12-08.

[16]任永成，都奎江，鐘韜.用于顯示屏幕面板的除冰車液量消耗信息 顯示圖形用戶界面：CN30076248.6[P].2023-12-08.