矿井人员融合定位系统.pdf

第44卷第4期 2018年4月工矿自动化 Industry and Mine Automation Vol. 44 No. 4 Apr 2018 文章编号文章编号 6 7 1 -2 51X 201804-0074-06 D O I10. 13272/j. issn. 1671-251x. 17296 矿并八员融合定位系统矿并八员融合定位系统吴静然S 崔冉S 赵志凯3有鹏S 张雷23 1 .中国矿业大学徐海学院，江苏徐州中国矿业大学徐海学院，江苏徐州221008; 2.中国矿业大学信息与控制工程学院，中国矿业大学信息与控制工程学院，江苏徐州江苏徐州221116修回日期修回日期2018-03-05;责任编辑;责任编辑李明。基金项目基金项目江苏省自然科学基金青年基金资助项目（BK20140216江苏省高校自然科学研究面上经费资助项目（17KID510007。作者简介作者简介吴静然（1989-，女，河北保定人，讲师，硕士，研究方向为嵌人式开发、异构网络融合、煤矿井下定位，E-mail1025108703。引用格式引用格式吴静然，崔冉，赵志凯，等.矿井人员融合定位系统工矿自动化，2018,444 4-79. WU Jingran，CUI Ran，ZHAO Zhikai，et al Mine personnel fusion location system[J]. Industry and Mine Automation, 2018,44 474-79. HUANG Lixin， HUANG Baofu. Experiment and system-level parameters optimization of arc fault in 10 kV low-resistance grounding system ]. Insulators and Surge Arresters,20126 107-110. [ 4 ]顾荣斌，蔡旭，陈海昆，等.非有效接地电网单相电弧接地故障的建模及仿真电力系统自动化，2009, 33133-67. GU Rongbin,CAI Xu,CHEN Haikun,et al. Modeling and simulating of single-phase arc grounding fault in non-effective earthed networks [J]. Automation of Electric Power Systems,2009,3313 63-67. [ 1 5 ]杨柳林，李德奎，陈延明，等.基于RTD S的电弧接地故障自定义建模及仿真分析电力系统保护与控制，2016,441637-142. YANG Liulin，LID ekui，CHEN Yanming，et al. User defined modeling and simulation of arc grounding fault based on RTDS [J]. Power System Protection and Control,2016,4416 137-142. [ 6 ] 许晔，郭谋发，陈彬，等.配电网单相接地电弧建模及仿真分析研究） ] .电力系统保护与控制，2015,43 7 57-64. XU Ye，GUO Moufa，CHEN Bin，et l Modeling and simulation analysis of arc in distribution network[j]. Power System Protection and Control, 2015,43 7 57- 6 4 . [ 7 ] 刘聚财，耿蒲龙，曲兵妮，等.矿井供电系统弧光接地过电压影响因素研究[J ].工矿自动化，2017,43 2 58- 637 LIU Jucai,GENG Pulong,QU Bingni,et al. Research on influencing factors of arc grounding over-voltage in mine power supply system [J]. Industry and Mine Automation,2017,4312 58-63. [ 8 ] 要焕年，曹梅月.电力系统谐振接地[M ].北京中国电力出版社，2000. 2 0 1 8 年第期吴静然等矿井人员融合定位系统 75 Mine personnel fusion location system W U Jingran1, MU 2. School of In ation an d C on tro l E ngineering, MGina U niversity of M ining and T echnology, XuzGou 221116, MGina; 3. Internet of TGing Perception M ine besearcG C enter, MGina U niversity of M ining and T echnology, XuzGou 221008, MGina A bstract For problem s tGat m ine personnel location system based on traditional received signal strengtG indication bSS m ine personnel location; fingerprint location; signal strengtG indication; pedestrian dead reckoning；； JD b location; extended K alm an filter fusion location 〇引言〇引言目前矿井定位系统大多采用基于测距的定位方目前矿井定位系统大多采用基于测距的定位方法，其中法，其中 b S S Ibeceiv ed S ig nal StrengtG Indicator, 接收信号强度指示）定位方法技术成熟，无需额外设接收信号强度指示）定位方法技术成熟，无需额外设备，成本较低备，成本较低。文献文献[1] 采用] 采用b S S I定位方法，利用定位方法，利用煤矿井下上千米巷道仅在一定长度内结构具有不变煤矿井下上千米巷道仅在一定长度内结构具有不变性的特点，根据传输模型对巷道进行合理分段，求解性的特点，根据传输模型对巷道进行合理分段，求解损耗因子，并对位置坐标进行动态辅助修正，实现了损耗因子，并对位置坐标进行动态辅助修正，实现了精确定位精确定位。文献文献[2 -3 ]采用采用b S S I指纹定位算法实现指纹定位算法实现井下定位，根据井下定位，根据b S S I和物理位置的相关性进行定和物理位置的相关性进行定位，易于在终端上实现，但需要以位，易于在终端上实现，但需要以一定间隔（如定间隔（如2 m 进行进行b S S I信号采集，耗时费力，成本较高信号采集，耗时费力，成本较高。因井下因井下巷道为受限空间且呈长链状巷道为受限空间且呈长链状，b S S I信号受周围环境信号受周围环境影响大，直接将传统影响大，直接将传统b S S I指纹定位算法应用于井指纹定位算法应用于井下效果差强人意下效果差强人意。 JD b Jed estrian Dead b eck o n in g ,行人航迹推行人航迹推算算算法对短距离定位的精度较高，受周围环境影响算法对短距离定位的精度较高，受周围环境影响小，但存在定位误差累计的缺点小，但存在定位误差累计的缺点。文献文献[ ] 通过采集] 通过采集加速度计、陀螺仪和磁力计数据，结合粒子滤波解决加速度计、陀螺仪和磁力计数据，结合粒子滤波解决了传感器漂移误差关键技术问题，实现了井下定位了传感器漂移误差关键技术问题，实现了井下定位，但并未提及初始定位位置对准问题但并未提及初始定位位置对准问题。本文充分考虑本文充分考虑b S S I指纹定位算法和指纹定位算法和J D b算算法法[5]特点，将特点，将2种算法进行种算法进行E K F E xtended K alm an F ilte r，扩展卡尔曼滤波融合扩展卡尔曼滤波融合，设计了设计了一种兼顾定位一种兼顾定位精度和系统成本的矿井人员融合定位系统精度和系统成本的矿井人员融合定位系统。该系统该系统通过智能终端采集惯性传感器、通过智能终端采集惯性传感器、b S S I和时间戳数和时间戳数据，将数据通过井下据，将数据通过井下W iF i网络和工业以太环网上网络和工业以太环网上传至地面监控中心定位服务器 ; 定位服务器对传至地面监控中心定位服务器 ; 定位服务器对bS S I 法法 JD b 法的法的 EK F 合合，实现井下人员定位实现井下人员定位。该系统减小了指纹离线采该系统减小了指纹离线采样阶段指纹数据库采集难度，解决了定位累计误差样阶段指纹数据库采集难度，解决了定位累计误差大的问题，提高了井下定位精度大的问题，提高了井下定位精度。 1系统组成系统组成矿井人员融合定位系统主要由地面监控中心矿井人员融合定位系统主要由地面监控中心、井下工业以太环网、本质安全型井下工业以太环网、本质安全型2 J 2 c c e s s J o in t，接人点）和智能终端组成如卩图接人点）和智能终端组成如卩图1所示所示。本质安全型本质安全型 2 J构成无线构成无线W iF i网络网络，实现井下无线网络覆盖实现井下无线网络覆盖；地面监控中心通过千兆工业以太环网和无线地面监控中心通过千兆工业以太环网和无线W iFi 网络实现对智能终端的监测网络实现对智能终端的监测[67]。智能终端集环境采集、人员定位、信息交互等功智能终端集环境采集、人员定位、信息交互等功能于一体，由矿工随身携带能于一体，由矿工随身携带。矿工通过智能终端实矿工通过智能终端实时获取井下温度、瓦斯浓度、当前时间等信息，查看时获取井下温度、瓦斯浓度、当前时间等信息，查看调度调度、救援信息救援信息[6]。智能终端组成如图智能终端组成如图2所示所示。惯惯性传感器采用性传感器采用M JU 9 1 50。控制器采用控制器采用G S1011，其，其 76 工矿自动化2 0 1 8 年第 4 4 卷图图1矿井人员融合定位系统组成矿井人员融合定位系统组成 Fig. 1 Composition of mine personnel fusion location system 内部集成无线W iFi模块，将MPU9150采集的加速度、角速度、磁场方向，以及智能终端接收的RSSI 上传至地中心务器，利用RSSI 库和PD R算法 EK F融合 0 图图2智能终端组成智能终端组成 Fig. 2 Composition of intelligent terminal 0系统关键技术系统关键技术 2.1 系统A P布置方式煤矿井下为受限空间，巷道呈长链状，实际宽度为3〜4 m，长度达千米。井下巷道近似线型的分布方式降 A P间的相互，可维定环境，只考虑巷道长度方向。结合巷道电缆 i 设备安装规范，在主巷道巷道内沿巷道壁一侧布置A P，如图3所示。采用Aero Scout Analysis无线信号分件测试后发现，普通巷道内A P的覆盖范围为180〜200 m。为保证井下 W iFi网络全覆盖，设定A P间距为90 m。图图3矿井人员融合定位系统矿井人员融合定位系统A P布置布置 Fig. 3 AP distribution of mine personnel fusion location system 2. 2 PD R算法 PDR算法利用惯性传感器提供的数据，结合初始位置，估计出运动步频、步长和方向角，利用式（1 计下一时刻的。 I 421 4 2 lp1 sin p21 1 134 1 , 2 V421 cos 外外1 式中 p p为人员第p步所的坐标max ％min 分别为行走中的最大和最小角速度。系统采用四法[7]估计方向角。对惯航、去噪，采用四法求解姿态矩阵，计算出智能终端姿态角度，进而得到其运动方向。 2.3 改进R S S I指纹定位算法 RSSI 法线采样阶段和定位匹配阶段[10]。线采样对一些标 RSSI ，，建立样本点库。匹配阶段对终端获得的信号强度与库中的匹配，获得终端。的井下RSSI 法存在的问题 ①离散采样用督方式[2,5，11]，每隔2〜3 m 1 ，不适用于井下狭长巷道，耗费人、物力。②井下环境复杂，R S S I信号易受终端运动方向、使用者身体遮挡等因素的，在同一位置、不同运动方向，终端接收到A P的R S S I值可能不同。考虑到煤矿井下可看成一维环境，在离散采样用连样和线插的督采样方式[12]建立库，以提高度。库中引入终端运动方向，化库，采用区域定位方式实现井下快速定位。改进的 RSSI 法如图 4 所示。 “ 离线采样。人智能终端，沿选定采样路径以1 m/s匀速行进，终端每隔1 s采样 2 0 1 8 年第期吴静然等矿井人员融合定位系统 77 图改进的图改进的RSSI指纹定位算法原理指纹定位算法原理 Fig. 4 Principle of improved RSSI fingerprint location algorithm 1次数据，遍历巷道。。已知采样路径起始位置 Ls t a r t Xstart，， ystatt、、结束位置位置 L endAnd，，3W 及及每个参个参考考点的采采样时间戳戳T由智能终终端利用线性插公公式（（式（（3 ，，计算算路径径中每点的 t L x，，3〇。〇。 Lend end， 31nd Lstart Cstart ， start C 3 式中乃为采样时间； TS tat为采样开始时间；T\nd为采样结束时间。试发现，当背对A P时，R SSI值达到最低。线采样，人员分别沿选定路速往量，分别将终端运动方向、每样点接收到各A P的RSSI 样时间戳了上传至 i服务器。定位服务器接收到后，通过数据处理建立指纹数据库{DIR，MAC，R S I ， location }，其中 DIR 为终端运动方向，location为与之对应的当前位置，）， /2〇，分别为终端接收到 2卩的 /2〇地址和R SSI平均值。考虑到在同一固、同一运动方向处接收到的来自同一 A P的信号高斯分布，对同一固、同一运动方向量的 R SSI取均值，并将其存入库。 2; 匹。查端接收到AP 的R SSI最大值及与之对应的M AC地址，锁定终端所在区域。方向角端运行方向，利用改进欧式式（式（ 4和K近邻算法，找出终端接收A P的R SSI与指纹数据库中包含该M A C地址的RSSI 的K个样本，心作为定点的计。 L ,槡R X8- ⑷⑷ 式中式中L为为终端端所有接收到所有接收到A P的的RSSI 与对应与对应R S S I平均值的欧氏平均值的欧氏为接收到为接收到A P的的 R S S I个数个数;A Z为第％个为第％个A P所占的权重；％所占的权重；％分别分别为接收到第％个为接收到第％个A P的的R S S I和和R S S I平均值。平均值。 A. , 11 8 I * |S1/8 i，1 定位匹配流程如图5 所示。图图5定位匹配流程定位匹配流程 Fig. 5 Location matching process 2.4 E K F融融合定位算法定位服务器接收到智能终端发来的RSSI、惯性传感后，通过PD R算法估计出运动步频、步方向角；将RSSI 方向角利用欧式 K 邻法匹，计出结果；最后利用W iFi定位获得PD R定位的初始位，采用EKF 合。E FK融合流程如图6所示。图图6 EK F融合定位流程融合定位流程 Fig. 6 EKF fusion location process 卡尔含预测和更新2 。在预测阶段，使用上的估计当前状态；在更新阶段，通过当前的测量化。状态模型[1315* -1 2 Vsin cp k-1 2 Xk fX k-1 2 - -1 2 Vcos p-1 2 nA 6 -p-1 2 *p 2 np _ 式中X k为时刻的状态向量，，Xk [k k Pk]T ，T ，，为k时刻的位置，，Pk为k时刻的方向角； fXk1为系统状态模型在k时刻与k 一一1时刻的非线 - k为程高斯量，-k [n ny np]T，，n，，P k，，P ,分别为系统分别为系统k时刻预测值协方差矩阵时刻预测值协方差矩阵和估计值协方差矩阵；和估计值协方差矩阵；M H为测量矩阵为测量矩阵;Z k为々时刻测量向量的预测值，为々时刻测量向量的预测值， /k hX k 为单位矩阵。为单位矩阵。 3系统性能测试系统性能测试在某瓦斯爆炸重点实验室长在某瓦斯爆炸重点实验室长138 m、宽、宽2.2 m、、高高2.33 m的模拟巷道内对矿井人员融合定位系统的模拟巷道内对矿井人员融合定位系统进行性能测试。模拟巷道中进行性能测试。模拟巷道中2个个R u c k u sA P 采用采用 5 d B i全向天线）布局如图全向天线）布局如图7所示。所示。 _______LA 90 90 m 合合L , 1010m 图7模拟巷道A P布局 Fig. 7 AP distribution in simulated tunnel 在离线采样阶段，测试人员手持智能终端，以在离线采样阶段，测试人员手持智能终端，以 A P 1为起点，沿巷道中心线以为起点，沿巷道中心线以1 m /s的速度勻速行的速度勻速行进，终端每隔进，终端每隔1 s采样采样1次，行至次，行至A P 2时停止，重复时停止，重复 1 0次，建立进入巷道指纹数据库。然后以次，建立进入巷道指纹数据库。然后以A P 2为为起点，沿反方向勻速行进，行至起点，沿反方向勻速行进，行至A P 1时结束，重复时结束，重复 1 0次，建立离开巷道指纹数据库。次，建立离开巷道指纹数据库。在定位匹配阶段，测试人员手持智能终端以在定位匹配阶段，测试人员手持智能终端以 1 m /s的速度沿定位路线的速度沿定位路线AP1 AP2 A P 1运动，运动，重复进行重复进行1 5组测试。分别采用传统组测试。分别采用传统R S S I指纹定指纹定位算法、位算法、P D R算法和算法和E K F融合定位算法进行定位，融合定位算法进行定位，如如图图 8 所示所示。。图8 3种定位算法的定位误差 Fig. 8 Location error of three location algorithms 由图由图8可知，传统可知，传统RSSI指纹定位算法误差跳指纹定位算法误差跳动性较大，因测试者运动方向改变及身体遮挡等原动性较大，因测试者运动方向改变及身体遮挡等原因，进入巷道后定位误差明显比离开巷道时小，在接因，进入巷道后定位误差明显比离开巷道时小，在接 AP 时时度度高高。 PDR 法法度度较高，但存在定位误差累计问题较高，但存在定位误差累计问题。当测试者行进约当测试者行进约 40 m后，误差超过后，误差超过4 m。EK F融合定位算法的定位融合定位算法的定位误差较其他误差较其他2种算法小种算法小。 1 5组测试定位误差见表组测试定位误差见表1。可看出采用可看出采用RSSI 指纹定位算法时指纹定位算法时，系统最大定位误差为系统最大定位误差为6. 71 m，平平均误差为均误差为4. 04 m。采用采用PD R算法时，系统测试位算法时，系统测试位移总误差为移总误差为4. 6 7 测试范围总位移为测试范围总位移为180 m为为便于对比，将偏移量转换为绝对误差量，得最大累计便于对比，将偏移量转换为绝对误差量，得最大累计误差为误差为8.40 m，1 5次测量的最大累计误差平均值次测量的最大累计误差平均值为为8. 23 m，累计误差较大；整个定位过程平均误差，累计误差较大；整个定位过程平均误差为为5. 58 m。采用采用E K F融合定位算法时，系统最大融合定位算法时，系统最大为为 2.78 m，均均为为 1.79 m，度度明显高于其他明显高于其他2种算法，对于长达几千米的巷道而种算法，对于长达几千米的巷道而言言，完全满足定位精度要求完全满足定位精度要求。表1 3种定位算法的最大误差和平均误差 Table 1 The maximum error and average error of three location algorithms 算法算法最大误差最大误差/m平均误差平均误差/m RSSI指纹定位算法指纹定位算法6. 714.04 PDR算法算法8. 405. 58 EKF融合定位算法融合定位算法2. 781. 79 4结语结语考虑煤矿井下环境特征和定位影响因素，充分考虑煤矿井下环境特征和定位影响因素，充分利用井下现有利用井下现有W iF i网络，设计了一种矿井人员融网络，设计了一种矿井人员融 2 0 1 8 年第期吴静然等矿井人员融合定位系统 79 合定位系统。该系统采用智能终端将采集的惯性传感器、R S SI和时间戳等数据上传到地面定位服务器，定位服务器采用基于改进RSSI指纹定位算法和PDR算法的E K F融合定位算法，实现井下人员定位。测试结果表明，该系统最大定位误差为 2. 78 m,平均定位误差为 1. 79 m,满足井下定位精度要求。参考文献（参考文献（References 1 *李论，张著洪，丁恩杰，等.基于RSSI的煤矿巷道高精度定位算法研究[R ].中国矿业大学学报，2017, 461183-191. LI Lun， ZHANG Zhuhong， DING Enjie， et al. Precision positioning algorithm in coal mine tunnel based on R SSI[J]. Journal of China University of Mining j Technology,2017,461 183-191. [2 ]李论，丁恩杰，郝丽娜，等.一种改进的煤矿井下指纹定位匹配算法[ J ] .传感技术学报，2014, 27 3 388-3937 LI Lun，DING Enjie， HAO Lina， et al. An improved location fingerprint localization matching algorithm in coal m0ne [ J ] .Ch0nese Journal of Sensors and Actuators, 2014,273388-393. [3 ]王桃.基于位置指纹的煤矿井下定位算法研究[D]. 徐州中国矿业大学，2015. [ 4 ]李世银，王铨，张楠.基于M EM S惯性传感器的井下人员定位系统[ ] .煤矿安全，2017,48411-114. LI Shiyin,WANG Quan,ZHANG Nan. Underground personnel positioning system based on MEMS inertial sensors [ J]. Safety in Coal Mines，2017， 48 4 111-114. [5 ]马京，胡青松，宋泊明，等.基于指纹膜与航迹推算的井下人员定位系统[ J ] .工矿自动化，2016,42 5 19-237 MA Jing， HU Qingsong， SONG Boming， et al. Underground personnel positioning system based on fingerprint and dead-reckoning[J]. Industry and Mine Automation,2016,425 19-23. [ 6 ] 吴静然，李秀凤，吴倩.基于W iFi的煤矿井下智能终端设计[J ].工矿自动化，2013，394 -8. WU Jingran， LI Xiufeng， WU Qian. Design of underground intelligent terminal based on W iFi[J]. Industry and Mine Automation, 2013,394 5-8. [ 7 ] 杨海，李威，罗成名，等.基于捷联惯导的采煤机定位定姿技术实验研究[ J ] .煤炭学报，报，2014,39 12 2550-2556. YANG H ai， LI W ei， LUO Chengming， et al. Experimental study on position and attitude technique for shearer using SINS measurement [J]. Journal of China Coal Society , 2014,3912 2550-2556. [8 ] LEVI R W , JUDD T. Dead reckoning navigational system using accelerometer to measure foot impacts US5583776[P]71996-10-127 [9 ] WEINBERG H. Using the ADXL202 in pedometer and personal navigation applications[EB/OL]. [2017 10-10]. http/ / www. docin. com/p-1743 985 325. html. [10] HASTIE T , TIBSHIRANI R. Discriminant adaptive nearest neighbor classification[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，，1996，， 186607-616. [ 1 ] 刘晓晓文，张秀秀均，郝丽娜丽娜，等.基于W -F I的井下定位算算法研究[J ].传传感技术学报，报，2012，，256 854-858. LIU Xiaowen， ZHANG Xiujun， HAO Lina , et al. Research on underground fingerprint localization algorithm based on WI-FI [J]. Chinese Journal of Sensors and Actuators , 2012,256 854-858. [ 2 ] 原野.室内W iFi指纹定位系统中的半监督训练方法研究[D ].上海上海交通大学，，2015. [ 3 ] 姚志锋.基于W iFi和惯性传感器的多信息融合室内定位系统的设计与实现[D ] .广州华南理工大学 20167 [ 1 4 ]陈国良，，张言哲，，汪云甲，，等. W iFi-PDR室内组合定位的无迹卡尔曼滤波算法[ J ] .测绘学报，，20