1、基于惯性导航的采煤机位姿监测系统研究与应用王斐（山西铺龙湾煤业有限公司，山西大同037104）摘要：随着采煤机记忆截割、自动调高等智能控制技术不断发展，如何实现采煤机更加精准快速地定位已成为煤矿智能化建设的核心研究方向。目前惯导定位技术仍存在累计误差、位姿飘移等问题，导致采煤机位姿监测不准确，严重影响控制效果。基于此，对采煤机惯性导航定位技术进行了详细分析研究，并对相应惯导位姿监测模型进行建立，在此基础上采用优化的卡尔曼滤波算法对惯导定位系统进行优化，可有效降低系统定位误差，提高系统抗干扰性。关键词：采煤机；惯性导航；位姿监测；卡尔曼滤波中图分类号：TD632.1；TN96文献标识码：A文章编
2、号：1003-773X（2023）06-0171-030引言随着采煤机智能控制技术的不断发展，针对采煤机位置、姿态角等运动状态的测量精确度需求不断提高。目前常规的采煤机定位方法包括红外信号定位、超声波定位、里程计定位等，但上述方法均存在定位信号抗干扰能力差、定位实时性不强等缺点，使得定位误差较大，不适用于采煤机智能化控制场景。惯性导航技术因其在矿井恶劣工况下仍具备较高的定位维度及良好的实时性及自主性，可实现任意环境下自主连续的三维定位定向，目前已成为主流采煤机位姿监测方法。虽然惯性导航技术在井下采煤机定位中具备一定优势，但实际运行中仍存在累计误差、位置及姿态漂移等无法避免的误差，影响测量精度。
3、为了降低累计误差及位姿漂移度，提高惯导系统定位精确性，对惯性导航定位方法原理进行研究，针对姿态、速度及位置误差模型采用卡尔曼滤波算法进行优化，从而降低惯导定位初始对准误差，有效提高采煤机运动姿态及位置测量的精度。1采煤机惯性导航定位方法研究1.1惯性导航位姿测量原理井下煤矿开采主要依靠采煤机、液压支架及刮板输送机协同作业完成，其中，采煤机主要完成割煤及落煤操作，在这一过程中，采煤机的位置及姿态会随工作面倾斜角度变化及刮板输送机的移动发生改变1-3，“三机”协同工作过程如图 1 所示。为了对采煤机的运动姿态进行实时采集，通过安装于采煤机重心处的惯导系统对采煤机三维位姿实现精准测量。惯导定位的基本
4、原理是利用惯性传感器测量出采煤机在惯性坐标系下的加速度矢量及角速度等参数，随后通过建立三维导航坐标系并将测量数据作为输入量计算得到姿态矩阵后，即可通过位姿解算方法得到姿态角及位移量等位姿参数。1.2采煤机惯性导航定位方案确定由于惯导位姿测量需要利用惯性传感器进行数据采集，当采煤机在运行过程中发生振动时会导致惯性传感器出现漂移误差，在进一步积分求解位姿参数的过程中该误差将产生累计。同时通过导航坐标系获取采煤机初始状态位置及姿态角也会产生固定误差，从而影响最终解算得到的位姿参数的精确度。为了有效降低上述两种误差，提出了一种采用卡尔曼滤波算法优化的采煤机惯性导航位姿监测方案，首先采用差分结构对四个惯
5、性传感器进行安装布置，有效降低传感器漂移误差，在此基础上采用卡尔曼滤波算法分别对四个惯性传感器的初始对准环节进行误差补偿，输出更为精确的采煤机加速度及角速度参数。随后通过矩阵转换及姿态解算计算出精确的采煤机偏向位移、姿态角等位姿参数，相应惯性导航位姿监测方案如下页图 2 所示。2采煤机惯性导航位姿监测方法研究2.1惯性导航系统坐标系建立惯性导航位姿监测系统利用固定于采煤机机身处的惯性传感器采集其角速度及加速度参数，上位机接收到采集参数后通过解算算法得出采煤机在导航坐标系中的位移及姿态角。其中导航坐标系 p 又称东北天坐标系，其坐标原点为采煤机初始位置，x、y、z 三收稿日期：2022-08-0
6、2作者简介：王斐（1982），男，山西朔州人，本科，毕业于太原理工大学采矿工程专业，助理工程师，研究方向为采煤、机电、机械。总第 242 期2023 年第 6 期机械管理开发MechanicalManagementandDevelopmentTotal 242No.6，2023DOI:10.16525/14-1134/th.2023.06.069图 1“三机”协同工作过程示意图煤层惯导系统采煤机运输巷轨道巷液压支架刮板输送机自动化系统设计机械管理开发第 38 卷轴分别指向东、北、天方向。而惯性传感器的参数感知基于以采煤机机身为主体的载体坐标系 b，其坐标原点为机身重心处，x 轴为采煤机行进方向
7、，z 轴方向垂直机身向上，y 轴方向由右手关系确定，惯导系统坐标系建立如图 3 所示。2.2位姿解算方法研究为了将采煤机位姿采集测量值转换实际值，需通过姿态矩阵 Cnb实现载体坐标系与导航坐标系间的转换，从而通过解算得到采煤机的实时位姿数据。本文采用算式较少、无需正交化解算的欧拉法实现姿态矩阵的解算。分别设采煤机俯仰角、偏向角及滚动角为、，相应欧拉法解算向量方程为：?|=1cos-sin0coscoscos0sinsinsinsincos-cossinxyz|.式中：x、y、z分别为载体坐标系 xb、yb、zb三轴角速度，可通过惯性传感器测得。向矩阵输入 x、y、z三轴角速度值后，即可求得采煤
8、机当前三个姿态角，即可进一步计算得到姿态变换矩阵 Cnb。在完成矩阵变换后，对导航坐标系下各轴方向加速度进行一次及二次积分，即可求得采煤机在三轴各方向下的姿态角及固定时间内的位移量，从而通过姿态角及偏向位移对采煤机进行定向及定位。2.3基于卡尔曼滤波优化的初始对准方法由于惯导系统上位机计算得到的导航坐标系存在固定误差，导致系统在获取采煤机初始状态值时存在误差，为了降低该误差对后续积分所产生的精度影响，本文采用两步对准方案完成系统的初始对准过程。两步对准方案为：第一步通过惯性传感器采集的采煤机姿态测量值对姿态矩阵进行求解估算，得到初始姿态变换矩阵 Ctb；第二步采用卡尔曼滤波算法对/初始姿态变换
9、矩阵 Ctb进行滤波及误差补偿，进一步得到更为精确的姿态变换矩阵 Cnb，从而有效降低惯性传感器漂移误差对采煤机初始状态确定的影响，姿态角及位移量的积分计算值将更为精确。卡尔曼滤波算法的核心是系统不断通过当前观测值对上一时刻的测量值进行滤波修正，从而获取到当前最优估计值。卡尔曼滤波器时间更新方程及状态更新方程如下：x?k=Ax?k-1+Buk-1.（1）Pk=APk-1AT+Q.（2）Kk=Pk-HTHPk-HT+R.（3）x?k=x?k+Kk（zk-Hx?k）.（4）Pk=（I-KkH）Pk.（5）式中：zk为滤波输入的测量值；uk-1为 k-1 时刻的控制输入；Kk为卡尔曼系数；A、B、H
10、 分别为三种转换矩阵；Q、R、Pk分别为 k-1 及 k 时刻后验估计协方差，过程激励噪声协方差、测量噪声协方差及先验估计协方差；x?k为先验状态估计值，均为滤波中间计算结果；Pk-1、Pk分别为 k-1 及 k 时刻后验估计协方差，是滤波结果之一；I 为单位矩阵；x?k-1及x?k分别为 k-1 和 k 时刻的最优估计值，在计算过程中，系统只需输入初始值 x0和 P0即可推算出 k 时刻最优估计值，实现滤波及误差补偿。3实验分析及应用为了对本文所提出的采煤机位姿监测方案的有效性进行验证，本节搭建了实验平台对该优化方案进行实际运行测试。该实验平台包括上位机、数据采集模块、数据处理模块三部分，数
11、据采集模块由四个采用差分布局的 LPMS-BE2 OEM 微型惯导传感器构成，其内部集成了三轴陀螺仪及三轴加速度计，可通过编程写入卡尔曼滤波优化算法进行误差补偿。数据处理模块采用单片机对惯导传感器采集数据进行位姿解算得到采煤机姿态角及位置数据，同时具备通信功能，可将数据上传至上位机进行实时显示。测试实验将采煤机初始状态设置为沿北加速行驶至 5 m/min，随后进入减速状态直至停车，行驶时间设置为 300 s。最终测得的姿态角及位移误差如表 1、图 2采煤机惯性导航位姿监测方案示意图图 3采煤机惯性导航系统坐标系示意图姿态角最大误差/（）平均误差/（）偏向角1.3210.889俯仰角0.7410
12、.306滚动角0.2230.101表 1采煤机姿态角测量误差差分布局惯性传感器旋转角速度加速度姿态角卡尔曼优化算法位移采煤机初始状态值姿态解算矩阵转换采煤机zpzbxpypybO1722023 年第 6 期表 2 所示。通过实验测得的姿态角及位移测量误差可知，在姿态角测量方面偏向角平均漂移误差及俯仰角、滚动角最大漂移误差均小于 1，有效降低了惯导传感器漂移误差对测量精确度造成的影响。在位移测量方面，三个方向最大测量误差均小于 1 m，完全满足采煤机定位标准精度要求。4结语本文在传统采煤机惯性导航方法基础上，通过引入卡尔曼滤波算法并采用差分结果对惯性传感器进行布局，从而有效减小了惯导系统固有的累
13、计误差及传感器漂移误差。经实验测试分析，该方法在姿态角及位移量测量上均具有较高精确度，可有效提高采煤机定位定向准确性。参考文献1张建兵.采煤工程中薄煤层开采技术研究J.矿业装备，2019（2）：60-61.2吕文.采煤机截割滚筒防碰撞监控系统的应用研究J.机械管理开发，2020（6）：217-218.3刘旭.综采工作面模拟装置与模拟试验研究D.徐州：中国矿业大学，2019.（编辑：王慧芳）位移方位最大误差/m平均误差/m东向0.4100.166北向0.8870.376天向0.2210.089表 2采煤机位移测量误差Research and Application of Coal Mining
14、Machine Pose Monitoring System Based on InertialNavigationWang Fei（Shanxi Pulongwan Coal Industry Co.,Ltd.,Datong Shanxi 037104）Abstract:With the continuous development of memory cutting and automatic adjustment intelligent control technology for coal miningmachines,how to achieve more accurate and
15、rapid positioning of coal mining machines has become the core research direction of intelligentconstruction in coal mines.At present,inertial navigation positioning technology still has problems such as accumulated errors and posedrift,which leads to inaccurate monitoring of the coal mining machine
16、pose and seriously affects the control effect.In response to the aboveissues,a detailed analysis and research have been conducted on the inertial navigation positioning technology of coal mining machines,andthe corresponding inertial navigation pose monitoring model has been established.Based on this,an optimized Kalman filtering algorithm isused to optimize the inertial navigation positioning system,which can effectively reduce system positioning errors and improve systemanti-interference.Key w