基于端对端最优功率的成套连采系统设计

洪 涛, 张富强

(山西工商学院 实验实训中心, 山西 太原 030006)

0 引 言

近年来, 国内煤矿建设与发展目标是： 基于煤矿的数字化与信息化, 采取主动感知、 自动分析、 快速处理等手段, 开展煤矿生产、 职业健康与安全、 技术支持与后勤保障等工作, 最终令无人、 高效、 清洁、 安全的智慧煤矿得以实现[1]。作为提升全国煤矿智能化水平、 支撑煤炭工业高质量发展的主要核心, 煤矿智能化掘进、 辅助运输以及成套连采技术设备的研究与成果转化是实现智慧煤矿[2]的关键部分。为满足煤矿业与日俱增的通信需求, 打破传统通信技术的带宽、 连接数等限制, 5G技术[3]作为该领域的新型通信技术稳步发展, 并将高速率、 高可靠的通信链路提供给煤矿智能开采、 矿井网络建设等。

为此, 笔者以成套智能连采系统为研究目标, 利用5G通信技术, 探究复杂巷道条件下多种设备间的通信问题。利用终端到终端技术, 强化各类设备间的直接通信速率, 减小集控中心负荷, 扩大集控中心覆盖范围, 提高边缘设备通信质量； 通过分析多频带上能取得的传输容量, 抑制复用蜂窝上行频谱时生成的干扰信号； 采用最优功率算法, 得到成套连采系统的最优性能增益, 提升系统综合性能。

1 终端到终端下最优功率算法智能成套连采系统

1.1 智能连采工作面

根据较为常用的连采工艺, 将连采机作为一个整体连采工作面的主要设备, 表1所示为连采工作面相关配套设备的数量与效用。

工作面以负荷中心为中心, 将动力通过电缆提供、 分配给其他设备, 诸如梭车、 连采机和锚杆机等, 主要电力驱动设备的活动范围存在一定限制性, 通常情况下限定在负荷中心方圆100～150 m内呈“井”字型交错的巷道中； 而其他电力驱动设备活动范围不受限。值得注意的是, 当工作面发生移动时, 负荷中心也将随之推进。

1.2 智能连采系统

根据预设开采工艺[4], 连采工作面的多个设备展开有序的分工协作, 使工作面与采区煤炭的切割、 牵引、 运输、 支护以及一系列辅助性作业等任务逐步完成, 令煤炭生产更安全、 更高效、 可持续发展[5]。图1给出了智能连采工作面设备间的作业相关性。

通信设备间采用终端到终端[6]的直接通信技术, 结合蜂窝网络构架[7], 创建一种如图2所示的应用模型。

连采机作为唯一切割设备, 直接与发送工作指令的集控中心、 基站实现通信； 通过集控中心与基站的协调控制, 梭车与锚杆机直接通信, 两者之间呈平行作业关系； 辅助设备及其上级设备间构成一个子系统, 令内部设备实现直接通信。

1.3 终端到终端最优功率算法

1.3.1单、 多频带传输容量计算

主网络存在多条独立频带, 在通信阶段复用蜂窝上行频谱[8], 将生成一定的干扰信号, 为使此类信号得到抑制, 需先深入分析多频带上能取得的传输容量。

(1)

(2)

若功率分配向量P′=(p1,p2,…,pN), 用户密度值为λ0, 则基于蜂窝共享多频带的系统传输容量通过

(3)

解得。采用不等式

(4)

作为中断概率的约束条件, 确保终端到终端的信号传输质量。其中单频带链路的用户中断概率极大值为θ0, 工作频段的用户保护值为θ1。

获取终端到终端最优功率的目的是基于全部约束条件, 令信号传输容量达到最大, 因此, 将式(3)转变成优化问题, 构建传输容量最大化模型

(5)

模型约束条件除式(4)外, 还需添加不等式

(6)

频带ι的发送功率上下限, 如下

(7)

(8)

为简化运算复杂度, 将不等式约束条件松弛[12]成等式条件, 得

wiλ0e-ζ0(λ0+(Pi/pi)2/αλi)=wiλ0e-ζ0(Pi/pi)2/αλi

(9)

因此, 总功率上限通过

(10)

取得。故当总功率大于上限时, 总功率即为上界。

终端点将用户密度分为N′个区间, 各子区间的总功率上限为临界点, 经对比其与传输容量大小, 即可获取子区间的局部最优, 通过进一步比较取得容量最大值, 此时对应的用户密度与功率分配参量即为所需的最优参数值。

1.3.2 最优功率算法

经分析连采机复用蜂窝上行频谱资源时单频带成功传输概率与多频带传输容量, 采用最优功率算法解决梭车接收端的上行干扰问题。

假设连采机与设备i的发射功率分别为pc、pi, 则梭车接收端接收信号为

(11)

其中服从均值为0、 方差为1的高斯随机变量[13-14]用ν表示。

(12)

若信噪比与给定值之间呈小于关系[20], 则通信中断概率

(13)

综上, 设备i的最优功率计算公式如下

(14)

2 实验分析

2.1 实验环境

根据最优功率算法结果发现, 智能连采工作面获取最优通信性能时, 设备数量在25～30台之间, 且目标信噪比小于8 dB。为提升系统通用性与可维护性, 缩短开发周期, 利用proteus仿真软件[16]模块化设计系统结构, 比如输入数据与输出数据、 参数设置、 数据转换与信道处理、 调制与解调、 计算误码率等, 规范系统软件开发流程。按照表2所示参数, 完成智能成套连采系统设置。

表2 智能成套连采系统参数配置表

2.2 实验效果分析

2.2.1 基于不同干扰的误码特性

高斯白噪声[18]与多径干扰[19-20]下的信号误码率曲线如图3所示。多径使接收信号互相重合, 造成码间干扰, 所以, 多径干扰通常会比高斯白噪声对系统性能影响更大, 误码率更高。

从图3中的曲线走势可以看出, 设计系统在多径干扰下的误码率明显低于高斯白噪声, 这是因为采用了蜂窝网络构架下终端到终端的直接通信技术, 经终端到终端最优功率算法成功获取到设备最优功率, 故有效抑制了多径衰落对系统性能的影响。

图3 不同干扰误码特性 图4 不同子载波个数误码特性

2.2.2 不同子载波个数的误码特性

为进一步提升系统性能, 分别仿真8、16、32、64、128子载波个数下的误码率数值, 得到结果如图4所示。

从图4可以看出, 误码率与子载波个数呈反函数关系, 但过多的子载波个数势必会增加系统的计算复杂度, 减缓调制时数据的处理速度, 综上分析, 将系统子载波个数设定为64较为合理。

2.2.3 不同多径衰落幅度的误码特性

通过仿真得到的不同多径衰落幅度下误码率曲线如图5所示。

从图5可以看出, 随着信噪比的增加, 不同多径衰落幅度的误码率呈现降低趋势, 这是因为设计系统以负荷中心为圆心, 利用电缆将动力提供、 分配给其他设备, 根据预设开采工艺, 逐步完成切割、 牵引、 运输、 支护以及一系列辅助性作业等任务, 利用终端到终端的直接通信技术, 结合蜂窝网络构架, 实现了设备间通信, 降低了多径衰落幅度对误码率的影响, 使信道多径衰落干扰程度较大问题得到有效解决。

图5 不同多径衰落幅度误码特性 图6 不同实现方式误码特性

2.2.4 不同实现方式的误码特性

经对比系统在有保护间隔与无保护间隔下的误码率变化结果如图6所示。

由图6可知, 由于保护间隔能去除多径衰落引发的信道干扰, 所以, 存在保护间隔时, 系统误码率相对较小。但设计系统因分析单频带成功传输概率、 多频带传输容量及其最大容量, 获取了频带发送的总功率上限, 采用最优功率算法解决了梭车接收端的上行干扰问题。因此, 即使是在没有保护间隔的情况下, 系统误码率依然能满足实际的应用需求。

3 结 语

5G通信技术凭借其优异性能, 在各领域得到了广泛应用。为探索除单一功能或单一设备外的智能化发展, 笔者面向基于连采工作面成套设备与开采工艺的成套系统, 利用相对成熟的5G通信技术, 解决了终端到终端技术与功率优化算法等问题。

尽管取得了一定的研究成果, 但仍需从以下几个方面加以完善： 应尝试结合新的算法与技术, 改善系统容量, 提升系统性能与网络覆盖范围, 强化系统鲁棒性与可靠性； 笔者仅以假设性前提作为理论基础, 这需要在今后的工作中展开深入的分析与研究； 下一步应以梭车为应用对象, 创建视频监控系统, 获取良好的移动设备视频监控影像, 大力推动连采工作面信息化与自动化发展。随着信息技术不断升级, 设备日益升级换代, 所建系统不仅为连采系统的智能化、 数字化奠定了基础, 也将逐渐成为煤矿行业信息化发展的有力支撑。