[发明专利]一种井下无人驾驶单轨吊荷载质量和轨道坡度联合识别方法

说明书

本发明涉及一种井下无人驾驶电动单轨吊荷载质量和轨道坡度联合估计方法，包括步骤1、获取单轨吊实时状态数据和单轨吊结构参数；步骤2、建立汽车质量模型与道路坡度模型，并计算模型参数；步骤3、基于纵向动力学模型与运动学模型，基于动态遗忘因子最小二乘进行质量识别和自适应无迹卡尔曼坡度识别；步骤4、采用递推迭代进行实时识别，并用Sage‑Husa算法动态优化调整得到精准值。本发明通过该方法实时获取单轨吊的荷载质量和轨道坡度，为井下无人驾驶驾驶安全性能提供了重要保障，对安全运行控制起到关键性作用，提高了辅助运输的智能化水平运输效率，对实现智能化矿山建设起到十分重要的作用。

技术领域

本发明涉及井下辅助运输安全控制性能关键参数识别领域，具体是一种井下无人驾驶单轨吊荷载质量和轨道坡度联合识别方法。

背景技术

随着智能化矿山的建设，井下辅助运输作为智能化矿山建设的重要部分，起到十分关键的作用。目前随着无人驾驶驾驶技术的日趋成熟，在交通运输领域不同行业得到的应用也日渐普及，将无人驾驶驾驶技术与井下交通辅助运输系统相结合，也是以后辅助辅助运输智能化的发展的方向所在，但是由于特殊的矿井环境无人驾驶驾驶在井下的应用需要更高的主动安全控制性能，以保证井下安全运输，但这些安全控制性能需要依靠精准的车辆参数和轨道坡度情况。单轨吊在运输过程中，由于存在载人、载集装箱和载液压支架等不同情况，此时空载和满载在质量上差距很大，质量最大可相差32吨。如果能实时精准的获取荷载质量和轨道坡度，将显著提升单轨吊的安全控制性能。

现有一种针对强耦合关系的荷载质量和轨道坡度识别方法，该方法主要包括以下步骤：首先通过车辆的外加传感器和车辆自身传感设备获取车辆的数据；其次，根据单轨吊特点建立对应的动力学模型；然后，根据所建立的动力学模型，构建递推最小二乘和扩张卡尔曼识别模型；最终，通过循环迭代实现荷载质量和轨道的实时识别。

但是针对现有方案，由于依靠动力学模型，适用的条件较高，迭代过程中容易产生较大的误差，对现有井下无人驾驶驾驶的安全运行造成很大影响。

发明内容

本发明为克服上述现有技术中单轨吊荷载质量和轨道坡度识别准确度不足的问题，提供一种井下无人驾驶单轨吊荷载质量和轨道坡度联合识别方法，该方法的优点是可解耦车辆质量和道路坡度，依次识别出荷载质量和轨道坡度，通过遗忘迭代，提高识别精度。

本发明实现发明目的采用如下技术方案：一种井下无人驾驶单轨吊荷载质量和轨道坡度联合识别方法，其特征在于，包括如下步骤：

步骤1：通过单轨吊的CAN总线和外加传感器实时获取单轨吊的车辆运行数据，结合单轨吊的固有结构参数，如驱动轮半径、机械系数和动摩擦因数，计算相关的模型参数：主要包括单轨吊的整体加速度、速度，纵向的加速度、速度，电机扭矩、转速，和相应的传动比。

步骤2：根据所获取的感知参数建立关于单轨荷载质量与轨道坡度的纵向动力学模型，并建立关于轨道坡度的纵向运动学模型；

步骤3：基于纵向动力学模型构建了VFFRLS-AUKF联合识别器。首先，通过基于运动学的VFFRLS识别器实现对荷载质量的识别，其次，通过AUKF识别器实现对轨道坡度的识别，最终输出此刻精准的状态参数识别值。

步骤4：根据实时数据会对下一个时刻的荷载质量和轨道坡度进行迭代识别，基于改良的Sage-Husa算法对轨道坡度过程噪声和测量噪声进行校正，以输出实时更新的荷载质量和轨道坡度进行识别值。

进一步，所述步骤2中，单轨吊荷载质量和轨道坡度的纵向动力学模型具体为：

式中:为单轨吊的纵向加速度，γ为惯性系数常数，它与车辆的机械材料和结构等相关，机械系数值为1.8,u为有效滚动摩擦因素，经过实际运行数据进行验证其值约为0.35，θ为工字钢轨道坡度，g为重力加速度,M为井下无人驾驶电单轨吊自身质量与荷载质量之和，r是驱动轮半径，T_e为永磁同步电机电机单轴转矩。