基于光纤感知阵列的井下车辆状态监测技术研究

王建宏,王纪程,安 政

(山西能源学院 计算机与信息工程系,山西 太原 030000)

1 引 言

实时掌握煤矿井下人员与车辆的位置信息对安全监控、资源配置、高效运营等都具有重要意义[1]。井下现有最常见的是采用超宽带技术UWB(Ultra Wide Band[2]),该技术被大量应用于井下人员定位[3]。但由于其属于高频信号,作用距离和折返传播能力都比较有限,故对于工作距离范围较大的井下车辆而言,其监测能力明显不足。

王浩等人[4]将卡尔曼滤波引入UWB定位系统,提升了系统定位精度,但是作用距离小于100 m,在长距离中难以应用。牛卫国等人[5]为了提高井下车辆的运输效率,提出了采用UWB实时精准跟踪及定位的方法,实验测试效果稳定,但其实验环境主要以直线巷道为主,且测试距离小于200 m,而实际井下运输车辆不仅距离更远且存在拐弯等问题。相比之下,光纤传感技术具有无源性、测试距离长、体积小、价格低等优势[6-8]。QinetiQ公司的OptaSense产品系列利用原有光纤通信网络的铺设位置,采用光纤传感技术对超过5 km以上的路面进行车辆定位,其定位精度可达±5.0 m,其对公路车辆分布实时监控具有很好的作用[9]。张浩[10]采用分布式光纤网络获取火车隧道中列车的振动信号,在分析主频率与振动幅值的条件下,实现了列车位置测试精度±3.0 m的效果。谢鑫等人[11]通过三层BP神经网络算法对光纤传感信号进行分析,实现对光纤传感范围内入侵信号的实时解调,识别正确率优于96.83 %。Liu等人[12]通过改进小波算法将时域光纤信号进行特征分离,实现了多目标车辆同时识别的功能,实验结果显示该算法的车辆分类识别概率超过75.5 %。

光纤传感技术在井下环境中进行车辆状态实时监测具有显著优势。本文在搭建了光纤光栅(Fiber Bragg Grating,FBG[13-15])阵列的基础上,重点研究了基于多光纤光栅传感器组合下,目标车辆位置及速度等状态信息的动态识别算法。

2 系统设计

基于光纤感知阵列的井下车辆状态监测系统如图1所示。测试系统主要分为两部分,井下的测试网络中主要包含解调模块、多路控制模块和光纤传感网络。其中光纤传感网络采集井下测试区域的振动信号,并且根据不同通道编码成等效的阵列位置,由多路控制模块分时传输给解调模块。解调模块对测试数据进行频谱解析,并将光纤传感网络测试数据导入数据库,利用预先设计的识别算法完成对目标车辆位置与速度等信息的反演。最终结果分别传输到井上监控平台和远程监控终端。

图1 基于光纤感知阵列的井下车辆状态监测系统

在图1中,对井下测试区域中每一条可以通行运输车辆的巷道进行编号,在东西方向上,由西向东定义FBG序号为FBGx11、FBGx12、…、FBGx1i,在南北方向上,由北向南定义FBG序号为FBGy11、FBGy12、…、FBGy1j。与x或y轴不平行或垂直的巷道,其与哪个轴的夹角相对较小则编入对应的阵列中,由此可以构建覆盖所有可以通行车辆的巷道。相邻阵列上的两个FBG参数在实际巷道中未必相邻,但并不影响通过FBG组网对区域内目标车辆位置与速度的计算,因为井下巷道与连接节点都具有唯一性,所以能够采集对应矩阵位置上的响应信号就能够反演目标位置及速度信息。

3 工作原理

3.1 信号获取与解算

FBG的回波可以表示为:

λB=2neffΛ

(1)

其中,λB为中心波长,neff为纤芯折射率,Λ为光栅周期。光栅周期本身受到温度与应变的双重作用,在井下长距离监测过程中,不同位置的温度变化影响是不能忽略的。在本系统中,采用双FBG封装结构完成温度与应力的解耦。在温度与应力共同作用下,回波波长可以表达为:

ΔλB=λB·[(α+ξ)ΔT+(1-Pε)·Δε]

(2)

在常系数中,α表示膨胀系数;ξ表示热光系数;Pε表示弹性系数;在变量中,ΔT表示温度变化值;Δε表示应变变化值。为了避免温度对应变测试的影响,采用温度补偿的方式解决。将FBG应力传感器固定于巷道监测位置,而FBG温度传感器则不固定,这时目标车辆振动导致的应力变化对两种FBG传感器的作用效果相差很大,而温度影响是一样了,由此通过两组数据的差分处理就能够消除温漂干扰。解耦函数可表示为:

(3)

其中,ΔT1和ΔT2表示FBG1(应变传感器)和FBG2(温度传感器)的温度值,由于测试位置很近,可以认为相等;Kε和KT表示FBG1和FBG2的应变响应系数与温度响应系数;ΔλB1和ΔλB2表示FBG1和FBG2的对应的回波偏移值。由此可见,当采用温度补偿后,应变响应值可以被求解。

3.2 车辆状态参数反演算法

根据井下巷道长度往往小于2000 m的实际情况,采用单光纤串接40个FBG传感器为例,可以实现每50 m一个测试点位,而单个FBG的波长动态响应范围1.5 nm时,波长调制范围60.0 nm对于普通光纤光栅解调模块是很容易实现的。基于此,在对任意两个FBG传感器之间的响应程度进行分段标定,就可以实现对目标车辆的位置计算。结合测试系统的响应时间,还可以反演车辆的速度信息。

由于是面向井下巷道,而每条可以通行车辆的巷道都可以在原有电缆的位置铺设光缆。所以,对于某一条巷道中的单一目标定位,就是单光纤上介于两个FBG传感器之间车辆位置的计算。以东西巷道为例,设目标位于FBGxi和FBGxi+1之间,两个传感器的波长响应分别是Δλxi和Δλxi+1,则位置信息可表示为:

(4)

由此可以计算得到目标车辆在巷道中的具体位置x,从而完成实时定位。当存在2个以上的目标车辆时,则会在多个FBG节点之间产生响应。设有n个目标车辆,其影响的FBG响应个数i介于3至2n之间。则有目标矩阵:

(5)

其中,Cx和Cy是对于x和y方向上的补偿系数。因为巷道中x与y方向上的FBG并不是均匀分布成矩形的,而巷道长度与倾斜角度不同,反演具体位置时需要进行相应的校正,这就是补偿系数的作用。又因为井下巷道是固定不变的,所以该补偿系数为常系数,由巷道中FBG铺设的间距决定。x(i)由式(4)得到,y(i)与x(i)的计算方式一致,它们共同构成目标的二维坐标位置。

4 距离分辨率仿真

采用MATLAB对在x与y轴上FBG测试点位的间隔距离与目标车辆定位精度进行仿真分析,仿真结果如图2所示。

图2 测试点间距与定位精度的变化关系

由图2可以看出,在x方向与y方向上,当FBG传感器分布间距增大时,距离分辨率的测试精度随之增大。但x轴方向的增大速率比y轴方向的增大速率小,分析认为这是在设置相应参数时由于需要考虑实际矿井巷道长度与直线度使标定参数Cx和Cy不同导致的,其物理意义是在x轴方向上巷道更直,在两个FBG传感器之间的响应量可以更好地计算目标的位置信息。而在y轴方向上的巷道具有一定的弧形角度,位置解算偏差相对较大,故其对应的距离分辨率精度略低于x轴方向。从两个参数的总体分布上可以看出,只要让FBG传感器的分布基本均匀就可以使距离分辨率达到稳定水平,从而实现对目标车辆位置的定位识别。根据仿真结果可知,在x轴方向上FBG传感器的间隔设置为4.0 m,在y轴方向上FBG传感器的间隔设置为3.0 m时,可以使距离分辨率完全满足2.0 m的设计要求。每两个FBG之间的环境参数十分接近,所以可以根据相邻两个FBG之间响应值振幅之比计算目标的位置,已获得更接近真实值的测试值。

5 实 验

5.1 测试条件

为了测试系统定位准确性与精度,在太原西山矿区某非工作状态矿井巷道中对3辆运煤轨道车进行了实验测试。井下温度约22.3 ℃,相对湿度约73.5 %。3个目标车辆分别采用没有装载煤炭(A),装载半箱煤炭(B)与装满煤炭三种状态(C)。测试过程中使车辆分别为以5 km/h、10 km/h和20 km/h(井下限速最大值)匀速运动,运行轨道分别选取两条具有一定特征的巷道,直线轨道型(x)和弧线轨道型(y),然后测试计算目标位置与速度信息,系统如图3所示。

图3 矿井下实验系统图

5.2 目标状态测试

将A、B、C三种测试目标分别在x与y轨道上以不同速度运行,然后采集1 s,2 s,5 s和10 s时的FBG网络数据。反演计算目标位置,计算结果如表1所示,再与对应时刻该目标的真实位置进行对比分析。其中,V表示目标车辆的准确速度值,V计算表示通过测试位置值计算得到的目标速度值。T表示测试时间。A、B、C分布表示三种测试目标,x和y分布表示两条测试轨道。

表1 不同时刻目标位置反演数据对比

由测试数据表1可知,随着时间的增加,目标车辆的位置越来越远,而由FBG测试数据反演得到的坐标值也是逐渐增大的。将5～20 s之间的各个测试位置的x值(或y值)相加后除以对应时间就能求解V。对比三组测试数据可知,B和C的速度测试值基本一致,与真实值相差很小。而A的测试值偏差较大,分析认为由于A目标车辆是空载,故对轨道压力较小,容易造成抖动等杂散噪声,故每一次的速度计算会产生一定的误差累积。同时,三种速度的测试结果都是偏小,说明测试点是在目标更靠近测试点时才获取有效信号的。随着速度的增大,三种测试目标的测试结果均有所提升。分析认为当时间一定、速度增大时,测试距离增大,从而使目标经过的FBG测试点增多,相对测试位置增大降低了随机误差的干扰。而实际的巷道距离往往超过100 m,故测试数据中偏向较远位置的测试结果更具说服力。三种测试数据中,在x巷道中的测试结果普遍优于y巷道,这是测试环境对测试结果影响的体现。当传输巷道具有一定角度时,相当于测试系统两个FBG之间存在一个方向参数。从测试数据中可以看出,y巷道中的位置数据与x巷道中的位置数据均具有较好的线性度,故可以采用线性标定的方法降低巷道弯曲对测试数据的影响。

5.3 误差分析

将A、B、C三种测试目标在不同参数下的测试数据进行分析,给出了影响位置与速度计算精度的误差分析曲线,重点讨论了影响位置与速度计算精度的二个重要因子:测试距离D与巷道曲率半径R。

如图4(a)所示,测试距离对位置误差的影响呈递减趋势,当其超过一定阈值时位置误差基本趋于稳定。对于A、B、C目标而言,最大位置误差分别为1.87 m、1.42 m和1.12 m。A目标在大约300 m位置上逐渐趋于平缓,位置误差收敛于0.62 m;B目标在大约250 m位置上逐渐趋于平缓,位置误差收敛于0.53 m;C目标在大约250 m位置上逐渐趋于平缓,位置误差收敛于0.54 m。说明质量对位置误差具有一定影响,但影响不大,在0.5 m量级的位置精度测试中基本可忽略不计。如图4(b)所示,当巷道曲率半径超过400 m时,测试数据基本趋于平缓,由于实际巷道中的曲率半径往往都比较大,不存在急转弯道,故该项影响可以不计。而A、B、C目标的位置误差均值分别是0.61 m、0.45 m和0.52 m,三条曲线的变化趋势几乎一致,故可以采用补偿系数的方式对不同曲率半径的巷道进行测试值修正。

图4 关于测试距离与巷道曲率半径的位置误差曲线

6 结 论

针对井下车辆通道距离长、有弯道而不适合采用无线通信的问题,本文提出了采用光纤传感网络实现多目标井下车辆的位置与速度的实时获取。在基于巷道方向基础上构建了光纤传感网络,通过仿真与实验测试了车辆质量、巷道曲率等对位置识别的影响,验证了系统与算法的可行性。该设计在井下车辆定位与定速识别中具有更好的应用前景。