基于物聯(lián)網(wǎng)多源協(xié)同感知井下精準(zhǔn)定位算法研究

王鈺寧 周紹軍 劉曉霞

摘? 要：針對單一感知技術(shù)對礦井井下人員或設(shè)備定位存在的不足，本文提出一種基于物聯(lián)網(wǎng)多源協(xié)同感知的礦井井下精準(zhǔn)定位算法。首先對物聯(lián)網(wǎng)井下感知定位系統(tǒng)框架進(jìn)行設(shè)計(jì);然后從多源多視角定位原理出發(fā)，提出基于物聯(lián)網(wǎng)多源協(xié)同感知的礦井井下精準(zhǔn)定位算法;最后將本文算法與參考文獻(xiàn)算法進(jìn)行實(shí)驗(yàn)和對比分析，得到各算法的定位置信概率與誤差的比較曲線。通過實(shí)驗(yàn)和對比分析可知，本文算法具有一定的實(shí)用性和先進(jìn)性。

關(guān)鍵詞：精準(zhǔn)定位;井下;協(xié)同感知;多源;物聯(lián)網(wǎng)

中圖分類號：TP76? ? ?文獻(xiàn)標(biāo)識碼：A

文章編號：2096-1472（2021）-01-35-04

Abstract： This paper proposes a mine precise positioning algorithm based on multi-source collaborative sensing of the Internet of Things （IoT）， aiming to improve single sensing technology for locating personnel or equipment in underground mines. First， a framework of IoT mine sensing and a positioning system are designed. Then， a mine precise positioning algorithm based on the multi-source collaborative sensing of the IoT is proposed from the principle of multi-source and multi-view positioning. Finally， experiments and comparative analysis are carried out between the proposed algorithm and the reference algorithm， and the comparison curve of probability and error of each algorithm at a fixed position is obtained. The proposed algorithm proves to be practical and advanced.

Keywords： precise positioning; mine; collaborative sensing; multi-source; Internet of Things

1? ?引言 （Introduction）

礦井井下安全是礦井生產(chǎn)的生命線，而井下安全最為重要的部分就是井下作業(yè)人員的安全。井下作業(yè)人員定位是確保井下作業(yè)人員安全的重要保障之一，并能對井下作業(yè)人員實(shí)時(shí)定位，為井下應(yīng)急救援、人員作業(yè)管理以及礦井建設(shè)等提供重要位置信息[1]。物聯(lián)網(wǎng)（Internet of Things， IoT）多源協(xié)同感知定位技術(shù)是利用物聯(lián)網(wǎng)感知技術(shù)，如各種傳感器、射頻識別和全球定位等，實(shí)現(xiàn)實(shí)時(shí)采集、監(jiān)控、連接、互動，進(jìn)而達(dá)到物與物、物與人、人與人的泛在連接和物的智能化感知、識別和管理。但礦井有其自身特點(diǎn)，常規(guī)定位因無線信號的非直射徑向誤差和多徑衰減等，導(dǎo)致定位精度低和適應(yīng)性差等缺點(diǎn)，因此，必須采用先進(jìn)的物聯(lián)網(wǎng)多源協(xié)同感知定位技術(shù)，來改善和提高井下定位的精度和適應(yīng)性等[2]。

對礦井井下定位的研究而言，國內(nèi)外產(chǎn)業(yè)界和研究者進(jìn)行了諸多研究和探索，其定位方法可分為鄰近信息法、場景分析法和幾何特征法等。其中幾何特征法目前應(yīng)用最廣泛，又分為三邊定位法、三角定位法和雙曲線定位法[3]。無論何種定位方法，都離不開無線通信技術(shù)的支撐，礦井定位的無線通信技術(shù)主要有WiFi、RFID、UWB和ZigBee等。定位時(shí)使用精確的測距方式予以實(shí)現(xiàn)，而測距方法主要基于檢測接收信號強(qiáng)度指示（Received Signal Strength Indication， RSSI）的測距模式，該模式以RFID、ZigBee、WiFi等無線通信技術(shù)為支撐;另一種是基于傳輸?shù)竭_(dá)時(shí)間（Time of Arrival， ToA）和到達(dá)時(shí)間差（Time Difference of Arrival， TDoA）的測距模式，該模式以線性調(diào)頻擴(kuò)頻（Chirp Spread Spectrum， CSS）及UWB（Ultra Wide Band， UWB）等無線通信技術(shù)為支撐[4]。礦井井下定位主要用于礦井作業(yè)人員或設(shè)備的定位，大多采用基于RSSI、ToA和TDoA測距的定位方法[5]。而到目前為止，研究者們對井下定位取得了新的進(jìn)展，如文獻(xiàn)[6]對地下開采巖體結(jié)構(gòu)中的微震聲源進(jìn)行定位研究，提出一種基于解析迭代解的多傳感源協(xié)同定位算法。

綜上，現(xiàn)有研究未充分利用物聯(lián)網(wǎng)技術(shù)，為礦井井下定位提高精確協(xié)同定位技術(shù)和方法等，有待進(jìn)一步研究，以實(shí)現(xiàn)精確定位。因此，針對礦井現(xiàn)有定位方法存在的問題，利用無線超高頻測距、慣性導(dǎo)航、多源混合定位與多源信息融合等技術(shù)，對其進(jìn)行物聯(lián)網(wǎng)多源多視角感知的協(xié)同精確定位方法研究，提出一種具有較高時(shí)間準(zhǔn)確性和低環(huán)境影響率的精確定位算法，以實(shí)現(xiàn)井下作業(yè)人員和設(shè)備的精確定位、大型移動設(shè)備人員接近檢測、采掘裝備與井下搜救人員（機(jī)器人）自主導(dǎo)航與定位等服務(wù)。

2? ?系統(tǒng)架構(gòu)（System architecture）

礦井井下有其自身的特點(diǎn)和特殊的要求，其能見度非常低，重巖墜落的可能性十分巨大，另外隨時(shí)可能產(chǎn)生危險(xiǎn)的易燃易爆有毒氣體。礦井一旦發(fā)生事故，都涉及人員生命安全，其救援難度亦是非常大。因此，急需引入新的物聯(lián)網(wǎng)技術(shù)，解決井下作業(yè)人員和重要設(shè)備設(shè)施的定位問題。物聯(lián)網(wǎng)的發(fā)展和普及，為礦井井下定位提供了新的思路和范式，利用物聯(lián)網(wǎng)多源多視角感知技術(shù)，可提供多源協(xié)同的精確定位服務(wù)，其系統(tǒng)架構(gòu)如圖1所示。

如圖1所示，在礦井井下布置三類特性的節(jié)點(diǎn)，移動特性不強(qiáng)的大型設(shè)備節(jié)點(diǎn)、作業(yè)人員的動態(tài)感知節(jié)點(diǎn)和信息感知與傳輸匯聚節(jié)點(diǎn)。每個節(jié)點(diǎn)由多種感知態(tài)勢組成，如信息感知與傳輸匯聚節(jié)點(diǎn)就集信息感知與傳輸匯聚于一體，一方面要實(shí)現(xiàn)實(shí)時(shí)的信息感知任務(wù);另一方面要進(jìn)行信息的傳輸匯聚，將控制和命令信息傳輸?shù)骄伦鳂I(yè)人員和大型設(shè)備。這三類節(jié)點(diǎn)，起到兩方面的作用，一是對人員和設(shè)備進(jìn)行感知;二是對感知信息進(jìn)行傳輸與交互的匯聚節(jié)點(diǎn)。因此，井下部署節(jié)點(diǎn)為感知節(jié)點(diǎn)和匯聚節(jié)點(diǎn)，人員為自身攜帶的感知設(shè)備構(gòu)成感知節(jié)點(diǎn)。對圖1進(jìn)行形式化抽象，得到如圖2所示的示意圖。

由圖2可知，感知層由各種傳感器、感知節(jié)點(diǎn)和匯聚節(jié)點(diǎn)構(gòu)成，其中傳感器負(fù)責(zé)井下數(shù)據(jù)采集，感知節(jié)點(diǎn)主要對感知到的數(shù)據(jù)進(jìn)行現(xiàn)場處理與發(fā)送，匯聚節(jié)點(diǎn)主要是傳輸井下感知數(shù)據(jù)、接收經(jīng)網(wǎng)絡(luò)傳輸來的應(yīng)用命令和產(chǎn)生井下WiFi信號等[7]。感知層的傳感器主要有井下傳感器、視頻傳感器和井下人員的WiFi指紋及人體傳感器;井下傳感器主要有瓦斯傳感器、一氧化碳傳感器、風(fēng)速傳感器、風(fēng)壓傳感器、溫度傳感器、開停傳感器和風(fēng)門傳感器等，這些傳感器中，與定位相關(guān)的為視頻傳感器、井下作業(yè)人員的WiFi指紋及人體傳感器。網(wǎng)絡(luò)層主要由路由器與井下匯聚節(jié)點(diǎn)進(jìn)行通信，并與后端系統(tǒng)進(jìn)行連接。應(yīng)用層由井外傳輸網(wǎng)絡(luò)和后端系統(tǒng)構(gòu)成。后端系統(tǒng)通過網(wǎng)關(guān)與路由器進(jìn)行連接，服務(wù)部分主要由現(xiàn)場服務(wù)器、礦場服務(wù)器和現(xiàn)場監(jiān)控主機(jī)等構(gòu)成，其中礦場服務(wù)器連接礦內(nèi)各職能部門，以便進(jìn)行礦區(qū)管理;現(xiàn)場服務(wù)器運(yùn)行傳感器定位、無線定位與分析和視頻定位與分析的多視角協(xié)同定位算法。

3? ?定位算法（Positioning algorithm）

3.1? ?多源多視角定位原理

由圖2可知，感知層的傳感器中，與定位相關(guān)的傳感器為視頻傳感器、WiFi指紋和人體傳感器，其中人體傳感器采用人體紅外傳感器，以感知人體離感知節(jié)點(diǎn)的距離。由此，得到多源多視角定位原理，如圖3所示。

由圖3，利用三維坐標(biāo)系，可得：

其中，為點(diǎn)在三維坐標(biāo)中的坐標(biāo)值，為井下作業(yè)人員或設(shè)備的三維坐標(biāo)值。由此，井下具有可感知定位裝置的人員和設(shè)備，均可計(jì)算得到其與布置的感知節(jié)點(diǎn)和匯聚節(jié)點(diǎn)的垂直夾角，且。

如圖3所示，節(jié)點(diǎn)N1和N2間的距離為r1，N2和N3間的距離為r2，通過節(jié)點(diǎn)N1、N2和N3可計(jì)算得到：

然后利用式（1）和式（2），可求得井下作業(yè)人員的精確三維坐標(biāo)。同理可計(jì)算任意進(jìn)入井下作業(yè)的人員的三維坐標(biāo)。

3.2? ?定位算法

為確保定位精度，采用多樣本特征提取技術(shù)實(shí)現(xiàn)實(shí)時(shí)在線井下作業(yè)人員及設(shè)備的精確定位。人員的特征提取來自視頻傳感器、WiFi指紋和人體傳感器的實(shí)時(shí)數(shù)據(jù)，與井下位置三維位置地圖數(shù)據(jù)庫一起，映射到實(shí)時(shí)位置變換矩陣，得到實(shí)時(shí)位置特征，結(jié)合實(shí)時(shí)協(xié)同定位算法，一起輸出精確的井下作業(yè)人員和設(shè)備設(shè)施的三維井下坐標(biāo)，其過程描述如圖4所示。

如圖4所示，從原始多源感知數(shù)據(jù)集中提取含有位置特征的大量實(shí)時(shí)信息，來表征井下作業(yè)人員和設(shè)備實(shí)時(shí)位置的原始數(shù)據(jù)，然后與多源特征數(shù)據(jù)庫結(jié)合，利用多源多視角精確協(xié)同定位算法，得到井下作業(yè)人員和設(shè)備的精確位置信息，以實(shí)現(xiàn)實(shí)時(shí)精確定位。其算法步驟如下：

第1步：依據(jù)采集到的信息，利用式（1）和式（2），得到原始位置信息數(shù)據(jù)集，并用向量來表示，其中為井下作業(yè)人員在處采集到的三個信息源的向量，N為參考點(diǎn)個人員的向量構(gòu)成的矩陣維度為。

第2步：映射定義。定義映射，其中為參考點(diǎn)所在歐幾里得空間，H為高階希爾伯特泛函空間，利用核函數(shù)：

計(jì)算H中的內(nèi)積;式（3）中，表示向量。

第3步：數(shù)據(jù)標(biāo)準(zhǔn)化處理。對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，得到新的標(biāo)準(zhǔn)化數(shù)據(jù)集而更新原數(shù)據(jù)集，其更新后為：

然后對由式（1）、式（2）得到的多源感知下坐標(biāo)數(shù)據(jù)進(jìn)行RSS（Root-Sum-Squares）序列均值化處理，即可得到M維實(shí)時(shí)特征向量;對M維向量數(shù)據(jù)進(jìn)行本征維度處理，得到：

其中，為監(jiān)測點(diǎn)附近的多傳感器感知數(shù)據(jù)經(jīng)式（12）處理后得到的個數(shù);為距離的本征維度數(shù)。則式（13）即為被測點(diǎn)離感知點(diǎn)的最優(yōu)距離。再利用式（1）、式（2）得到被測點(diǎn)的最優(yōu)坐標(biāo)值。

4? ?實(shí)驗(yàn)與結(jié)果分析（Experiment and result analysis）

實(shí)驗(yàn)在L型巷道中進(jìn)行。如圖5所示為實(shí)驗(yàn)測試使用巷道平面示意圖，使用兩種類型的節(jié)點(diǎn)，一種為感知節(jié)點(diǎn)，另一種為匯聚節(jié)點(diǎn)。實(shí)驗(yàn)時(shí)按照圖1方式進(jìn)行系統(tǒng)構(gòu)建，被測對象為八位身高不一的同學(xué)，測得如表1所示每位同學(xué)所在點(diǎn)的三維數(shù)據(jù)。

對得到的實(shí)驗(yàn)數(shù)據(jù)，利用本文算法進(jìn)行多源協(xié)同精確定位算法的計(jì)算，并與文獻(xiàn)[8]—文獻(xiàn)[10]進(jìn)行對比分析，得到如圖6所示的實(shí)驗(yàn)結(jié)果比較分析圖。由圖6可知，文獻(xiàn)[8]和文獻(xiàn)[9]的誤差波動比較大，平穩(wěn)性相對差一點(diǎn)，而文獻(xiàn)[10]采用融合定位方法，得到的對比數(shù)據(jù)有波動，但相對于文獻(xiàn)[8]和文獻(xiàn)[9]而言，還是比較好的。本文算法定位平均誤差較小，隨著測試點(diǎn)距離初始位置變遠(yuǎn)，其誤差會變大，但穩(wěn)定性較好。

5? ?結(jié)論（Conclusion）

單一感知技術(shù)對礦井井下作業(yè)人員或設(shè)備定位存在不足，因此本文提出一種基于物聯(lián)網(wǎng)多源協(xié)同感知的礦井井下精準(zhǔn)定位算法。首先對物聯(lián)網(wǎng)井下感知定位系統(tǒng)框架進(jìn)行設(shè)計(jì)，得到多源井下感知定位的系統(tǒng)框架;然后從多源多視角定位原理出發(fā)，提出基于物聯(lián)網(wǎng)多源協(xié)同感知的礦井井下精準(zhǔn)定位算法;最后在校L型樓道進(jìn)行實(shí)驗(yàn)，并利用本文算法進(jìn)行多源協(xié)同精準(zhǔn)定位，與其他方法進(jìn)行了對比分析。通過實(shí)驗(yàn)和對比分析可知，本文算法在定位誤差和執(zhí)行概率方面，具有一定的優(yōu)越性。

參考文獻(xiàn)（References）

[1] Dong L， Zou W， Li X， et al. Collaborative localization method using analytical and iterative solutions for microseismic/acoustic emission sources in the rockmass structure for underground mining[J]. Engineering Fracture Mechanics， 2019， 210（4）：95-112.

[2] Guo Jikun， Chen Sihan， Zhao Qing. Research on Optical Fiber Location System of Coal Mine Based on Φ-OTDR [C]. International Conference in Communications， Signal Processing， and Systems， CSPS， 2017：485-492.

[3] Ambarish G. Mohapatra， Bright Keswani， Shivani Nanda， et al. Precision local positioning mechanism in underground mining using IoT-enabled WiFi platform[J]. International Journal of Computers & Applications， 2020， 42（3）：266-277.

[4] Firoozabadi A D， Azurdia-Meza C A， Soto I， et al. A Novel Frequency Domain VLC Three-Dimensional Trilateration System for Localization in Underground Mining[J]. Applied Sciences， 2019， 9（7）：1-15.

[5]Rogers W. Pratt， Kahraman M. Mustafa， Drews Frank A， et al. Automation in the Mining Industry： Review of Technology， Systems， Human Factors， and Political Risk[J]. Mining， Metallurgy & Exploration， 2019（36）：607-631.

[6] Dong Longjun， Zou Wei， Li Xibing， et al. Collaborative localization method using analytical and iterative solutions for microseismic/acoustic emission sources in the rockmass structure for underground mining[J]. Engineering Fracture Mechanics， 2019， 210（4）：95-112.

[7] 汪金花，郭云飛，郭立穩(wěn)，等.基于GRPM井下定位的MPMD匹配算法的試驗(yàn)研究[J].煤炭學(xué)報(bào)，2019，44（04）：1274-1282.

[8] 沈輝，李世銀.基于WiFi與PDR融合的井下定位方法[J].煤礦機(jī)械，2020，41（10）：202-204.

[9] Karthikeyan A， Arunachalam V P， Karthik S. Performing Data Assessment in Terms of Sensor Node Positioning over Three Dimensional Wireless Sensor Network[J]. Mobile networks & applications， 2019， 24（6）：1862-1871.

[10] 李宗偉，王翀，王剛，等.煤礦井下人員融合定位方法[J].工礦自動化，2020，46（1）：59-64.

作者簡介：

王鈺寧（1982-），女，本科，講師.研究領(lǐng)域：物聯(lián)網(wǎng)數(shù)據(jù)感知與定位技術(shù).

周紹軍（1971-），男，碩士，副教授.研究領(lǐng)域：計(jì)算機(jī)應(yīng)用技術(shù).

劉曉霞（1976-），女，碩士，副教授.研究領(lǐng)域：計(jì)算機(jī)應(yīng)用技術(shù)，物聯(lián)網(wǎng).