【技术实现步骤摘要】
本专利技术涉及智能导航，特别是指基于惯性导航的矿山车辆智能导航与安全驾驶方法和系统。
技术介绍
1、矿山开采环境复杂，作业条件恶劣，对矿山车辆的导航和驾驶提出了极高的要求。传统的矿山车辆导航系统主要依赖于gps进行定位和导航，然而在矿山内部或地下矿井等gps信号较弱或完全丧失的环境中，单纯依靠gps的导航方式难以满足高精度和高可靠性的要求。为了提高矿山车辆的导航精度和安全性，必须采用多传感器融合技术，并结合先进的导航和控制算法，实现对矿山车辆的精确导航和智能驾驶。
2、惯性导航技术(ins)是通过对车辆加速度和角速度的测量，利用积分运算计算出车辆的位置、速度和姿态。然而，惯性导航系统存在累计误差问题，即随着时间的推移，定位误差会不断累积，导致精度下降。为了克服这一问题，惯性导航系统通常与其他传感器(如gps、lidar、视觉传感器等)进行数据融合，利用多源信息相互补充和校正，从而提高整体导航系统的精度和稳定性。
3、近年来，随着传感器技术、计算机技术和人工智能技术的快速发展，多传感器融合导航系统在矿山车辆领域得到了广泛的研究和应用。典型的多传感器融合方法包括卡尔曼滤波(kalmanfilter)、扩展卡尔曼滤波(extended kalmanfilter，ekf)和粒子滤波(particle filter)等。这些方法通过对不同传感器的数据进行加权融合，能够有效减少单一传感器的误差，提高导航系统的鲁棒性和可靠性。
4、在矿山车辆的实际应用中，环境感知和路径规划同样至关重要。环境感知主要通过li
5、此外，矿山车辆的安全驾驶也是一个关键问题。由于矿山环境复杂多变，车辆在行驶过程中可能会遇到各种突发情况，如道路塌陷、障碍物突然出现等。因此，矿山车辆导航系统需要具备实时的异常检测和故障诊断能力，及时发现并处理潜在的危险，确保车辆和作业人员的安全。
6、综上所述，现有的矿山车辆导航系统虽然在一定程度上能够满足基本的导航需求，但在复杂的矿山环境中仍存在导航精度不足、系统稳定性差、环境感知能力有限等问题。因此，设计一种基于惯性导航的矿山车辆智能导航与安全驾驶系统，充分利用多传感器融合技术和先进的控制算法，提高导航精度、系统稳定性和安全性，是解决矿山车辆智能化导航与安全驾驶的关键。
技术实现思路
1、为了解决现有技术中导航精度不足、系统稳定性差、环境感知能力有限的技术问题，本专利技术提供了基于惯性导航的矿山车辆智能导航与安全驾驶方法和系统。
2、本专利技术提供的技术方案如下：
3、第一方面：
4、本专利技术提供的基于惯性导航的矿山车辆智能导航与安全驾驶方法，包括：
5、s1、获取矿山车辆的初始位置、速度和姿态数据，通过全球定位系统(gps)和惯性测量单元(imu)对初始位置p0、初始速度v0和姿态四元数q0进行初始化；
6、s2、惯性导航系统通过所述imu提供的加速度和角速度数据，结合惯性导航方程对车辆的位置、速度和姿态进行实时更新，位置更新公式如下：
7、
8、上述式中，pk表示时刻k的位置，vk表示时刻k的速度，ak表示时刻k的加速度，δt表示时间步长，速度更新公式如下：
9、vk+1＝vk+akδt
10、姿态更新公式如下：
11、
12、上述式中，δq表示角速度积分得到的四元数增量，表示四元数乘法，四元数增量δq的计算公式如下：
13、
14、上述式中，ωk表示时刻k的角速度；
15、s3、利用扩展卡尔曼滤波器(ekf)对imu数据和其他传感器数据进行融合，以提高导航精度，所述其他传感器包括所述gps、激光雷达(lidar)、超声波传感器、视觉传感器、磁力计和里程计，所述ekf包括预测和更新两个步骤；
16、s4、利用矿山道路的地图信息和车辆当前状态，进行路径规划，采用a*算法进行路径规划，主要步骤如下：
17、启发式函数h(n)的计算：
18、
19、上述式中，n表示当前节点，(xn,yn)表示节点n的坐标，(xgoal，ygoal)表示目标节点的坐标；
20、代价函数g(n)的计算：
21、g(n)＝g(nparent)+cost(nparent，n)
22、上述式中，nparent表示节点n的父节点，cost(nparent，n)表示从父节点至当前节点的代价；
23、总估计代价f(n)的计算：
24、f(n)＝g(n)+h(n)
25、节点扩展和路径选择：
26、重复扩展当前节点的所有子节点，计算其启发式函数f(n)的值，并选择f(n)值最小的节点进行下一步扩展，直至到达目标节点；
27、s5、结合路径规划和环境感知，实时进行避障处理，避障策略包括动态窗口法(dwa)和人工势场法(apf)；
28、s6、采用pid控制器或模型预测控制(mpc)对车辆进行控制。
29、第二方面：
30、本专利技术提供的基于惯性导航的矿山车辆智能导航与安全驾驶系统，包括：
31、传感器模块、数据处理模块、控制模块、状态监测与自诊断模块，以及通信模块，所述传感器模块用于采集车辆运行过程中所需的数据，所述传感器模块包括惯性测量单元(imu)、全球定位系统(gps)、激光雷达(lidar)、超声波传感器、视觉传感器、磁力计和里程计，所述imu用于获取车辆的加速度和角速度数据，所述gps用于提供车辆的位置信息，所述激光雷达用于环境感知和障碍物检测，所述超声波传感器用于近距离障碍物检测，所述视觉传感器用于识别道路标志、检测障碍物和辅助导航，所述磁力计用于提供车辆的方位信息，所述里程计用于测量车辆的行驶距离，所述传感器模块采集的数据传输至数据处理模块；
32、所述数据处理模块用于对传感器数据进行融合和处理，生成车辆的高精度位置信息和运动状态，所述数据处理模块将处理后的结果传输到所述控制模块和所述状态监测与自诊断模块；
33、所述控制模块根据所述数据处理模块输出的导航信息生成车辆控制指令，实现智能导航和安全驾驶，所述控制模块将根据所述数据处理模块信息生成的控制指令传递给车辆执行器；
34、所述状态监测与自诊断模块用于实时监测车辆的运行状态，确保系统的稳定和安全，所述状态监测与自诊断模块将监测结果传输至所述通信模块；
35、所述通信模块用于车辆与控制中心之间的数据通信，实现远程监控和操作，包括无线通信和数据存储，所述通信模块通过无线通信将数据传输至远程控制中心，实现远程监控和操作。
36、本发本文档来自技高网...
【技术保护点】
1.基于惯性导航的矿山车辆智能导航与安全驾驶方法，其特征在于，包括：
2.根据权利要求1所述的基于惯性导航的矿山车辆智能导航与安全驾驶方法，其特征在于，所述S3中的EKF包括：
3.根据权利要求1所述的基于惯性导航的矿山车辆智能导航与安全驾驶方法，其特征在于，所述S5中的动态窗口法包括：
4.根据权利要求1所述的基于惯性导航的矿山车辆智能导航与安全驾驶方法，其特征在于，所述S5中的人工势场法包括：
5.根据权利要求1所述的基于惯性导航的矿山车辆智能导航与安全驾驶方法，其特征在于，所述S6中的PID控制器包括：
6.根据权利要求1所述的基于惯性导航的矿山车辆智能导航与安全驾驶方法，其特征在于，所述S6中的模型预测控制包括：
7.根据权利要求1所述的基于惯性导航的矿山车辆智能导航与安全驾驶方法，其特征在于，还包括状态监测和自我诊断：
8.根据权利要求7所述的基于惯性导航的矿山车辆智能导航与安全驾驶方法，其特征在于，所述均值漂移检测包括：
9.根据权利要求7所述的基于惯性导航的矿山车辆智能导
10.基于惯性导航的矿山车辆智能导航与安全驾驶系统，其特征在于，包括：
...【技术特征摘要】
1.基于惯性导航的矿山车辆智能导航与安全驾驶方法，其特征在于，包括：
2.根据权利要求1所述的基于惯性导航的矿山车辆智能导航与安全驾驶方法，其特征在于，所述s3中的ekf包括：
3.根据权利要求1所述的基于惯性导航的矿山车辆智能导航与安全驾驶方法，其特征在于，所述s5中的动态窗口法包括：
4.根据权利要求1所述的基于惯性导航的矿山车辆智能导航与安全驾驶方法，其特征在于，所述s5中的人工势场法包括：
5.根据权利要求1所述的基于惯性导航的矿山车辆智能导航与安全驾驶方法，其特征在于，所述s6中的pid控制器包括：
【专利技术属性】
技术研发人员：李春蕾，
申请(专利权)人：西安三航智能信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。