基于智能手机的惯性导航轨迹生成算法

王郑合

王郑合.基于智能手机的惯性导航轨迹生成算法[J].工矿自动化,2015,41(5):87-90.. DOI: 10.13272/j.issn.1671-251x.2015.05.021
引用本文: 王郑合.基于智能手机的惯性导航轨迹生成算法[J].工矿自动化,2015,41(5):87-90.. DOI: 10.13272/j.issn.1671-251x.2015.05.021
WANG Zhenghe. Trajectory generation algorithm of inertial navigation based on smart phone[J]. Journal of Mine Automation, 2015, 41(5): 87-90. DOI: 10.13272/j.issn.1671-251x.2015.05.021
Citation: WANG Zhenghe. Trajectory generation algorithm of inertial navigation based on smart phone[J]. Journal of Mine Automation, 2015, 41(5): 87-90. DOI: 10.13272/j.issn.1671-251x.2015.05.021

基于智能手机的惯性导航轨迹生成算法

详细信息
  • 中图分类号: TD67/655

Trajectory generation algorithm of inertial navigation based on smart phone

  • 摘要: 针对传统的手机惯性导航技术存在无法精确计步和计算步长的问题,提出了一种基于智能手机的惯性导航轨迹生成算法。该算法根据智能手机上三轴加速度传感器捕捉的人走路时产生的三轴加速度,利用基于Mealy状态机的计步算法计算人所走过的步数,并获得每一步的起止时间戳;根据三轴陀螺仪所获取的数据及每一步的起止时间戳,结合指南针读数,计算人走过的每一步所发生的方向变化;根据不同步长的人行走时所产生的不同加速度,基于最小二乘法估计人的步长;根据路径起点的坐标,结合步长及方向变化,计算人走过的每一步相对于路径起点的坐标,得到人的运动轨迹。仿真结果表明该算法能够达到较高的惯性导航精度。
    Abstract: In view of problem that traditional inertial navigation technology of mobile phone is unable to calculate steps or step length accurately, a trajectory generation algorithm of inertial navigation based on smart phone was put forward. The walking steps of people are calculated by use of step counting algorithm based on Mealy state machine according to three-axis accelerations of walking people captured by three-axis acceleration sensor of smart phone, and start-stop timestamp of each step is gotten. Direction change of each step is calculated according to data of three-axis gyroscope and the start-stop timestamp of each step combined with compass reading. Step length is estimated based on the least square method considering different acceleration of walking people with different step length. Coordinate relative to starting point of each step is calculated on the basis of coordinate of the starting point, step length and direction change, so as to get movement trajectory of people. The simulation result shows that the algorithm can achieve high accuracy of inertial navigation.
  • 随着我国煤炭产业机械化技术的发展,掘进过程中粉尘产生量越来越多,导致尘肺病发病率升高[1-2]。在传统“通风总量”控制通风方式下,不能对压风口风流进行动态调控,使巷道内粉尘聚集严重,为改善该问题,国内外学者对粉尘场分布及沉降情况进行了大量研究。李雨成等[3]研究了出风口参数变化对粉尘场分布规律的影响。蒋仲安等[4]等研究了风筒不同高度对粉尘场的影响,得到了距工作面20 m处粉尘浓度最低。陈绍杰等[5]研究了风筒不同位置及不同压风口风速对粉尘悬浮运移规律的影响。Zhang Lichao等[6]对综采工作面粉尘浓度和粒径空间分布规律进行了研究。M. M. Alam[7]、K. J. Candra等[8]利用数值模拟分析了粉尘颗粒的基本分布规律。王建国等[9]研究了风流影响下粉尘浓度分布情况及粉尘沉降规律。王晓珍等[10]分析了压入式通风下粉尘浓度分布,得到全尘和呼尘浓度沿程变化规律。秦跃平等[11]、Wang Zhongwei等[12]通过数值模拟分别研究了压入式和混合式通风下的粉尘团逸散情况,得到了粉尘沿程分布规律。王冕[13]通过相似模拟实验研究了压入式通风方式下粉尘沉降规律。龚晓燕等[14-16]研发了风流动态调控装置并研究了压风口口径、偏角对粉尘运移的影响。上述研究分析了工作面风流对粉尘场分布及沉降规律的影响,但对综掘工作面混合式风流调控下粉尘沉降规律及优化的研究还不够深入。

    本文以陕煤集团神木柠条塔矿业有限公司(以下简称柠条塔煤矿)综掘工作面为背景,研究压风口距工作面距离、右偏角度、口径、抽风口距工作面距离和压抽比等混合式风流调控参数对粉尘沉降规律的影响,以及参数综合变化下粉尘沉降的最优风流调控方案。研究结果可为改善煤矿井下作业环境提供新思路。

    对柠条塔煤矿综掘工作面传统的混合式通风方式进行改造,在压风筒出风口处安装风流调控装置,混合式风流调控系统布局如图1所示[17],通过改变出风口风流参数改变风流状态,进而研究粉尘沉降规律并对粉尘场进行优化。

    图  1  混合式风流调控系统布局
    Figure  1.  Layout of hybrid air flow control system

    根据综掘工作面巷道端面尺寸及井下相关设备等参数,建立混合式风流调控下粉尘沉降分析的几何模型,如图2(a)所示,其中X为巷道宽,Y为巷道高,Z为巷道长。模型为30 m×5.2 m×3.85 m(长×宽×高)的矩形巷道,压风筒、抽风筒直径均为1 m,中轴线距底板3.05 m,距侧壁0.7 m。将建立的几何模型进行网格划分,如图2(b)所示。

    图  2  粉尘沉降分析有限元模型
    Figure  2.  Finite element model for dust settlement analysis

    研究粉尘在风流中的运动过程属于气固两相流理论,巷道内风流为湍流流动,因此选用Realizable k-ε模型[18]。由于综掘工作面粉尘颗粒体积分数低于10%,属于稀相流动,所以选用Euler-Lagrange方法[19]来模拟计算。求解器采用瞬态和绝对速度进行求解,粉尘设定为形状规则的球形,产尘方式为面喷射,重力加速度为9.81 m/s2,粒径大小的分布遵循Rosin-Rammler分布[20],通过现场实测确定粒径大小分布范围为1~100 μm。模型边界条件及离散相参数设定分别见表1表2

    表  1  边界条件
    Table  1.  Boundary condition
    参数 设定
    压风口 入口速度/(m·s−1 9.78
    入口湍流强度/% 2.97
    入口水力直径/m 1.0
    抽风口 入口速度/(m·s−1 −9.78
    入口湍流强度/% 2.97
    入口水力直径/m 1.0
    入口边界类型 Velocity-inlet
    出口边界类型 Outflow
    壁面剪切条件 No Slip
    下载: 导出CSV 
    | 显示表格
    表  2  离散相参数
    Table  2.  Discrete phase parameters
    参数 设定
    相间耦合 On
    相间耦合频率/(s−1 20
    升力 On
    材质 Coal-mv
    粒径个数 10
    分布指数 1.62
    质量流率/(kg·s−1 0.004
    积分尺度 0.15
    湍流扩散模型 DRW模型
    离散相边界类型 底板trap,其余reflect
    下载: 导出CSV 
    | 显示表格

    为确保数值模拟结果的准确性,需对网格独立性进行检验。在回风侧行人呼吸带(X=4.7 m,Y=1.5 m,Z=0~30 m)上取10个点,比较其原始场(原始场工况:压风口距工作面10 m,偏转0°,口径为1 m,抽风口距工作面5 m,压抽比为1)计算的风速,取网格数量分别为80.8×104,97.1×104,122.6×104个,风速分布如图3所示。可看出当网格数量从80.8×104个增加到122.6×104个,风速在分布上差别不大,对于计算结果影响也很小。但网格数量不断增加,计算量也会增加,因此网格数量选用80.8×104个最佳。

    图  3  不同网格数量下风速分布
    Figure  3.  Wind speed distribution under different grid numbers

    为研究风流调控单参数变化对粉尘沉降的影响规律,选取司机处(X=2.6 m,Y=2 m,Z=7.5 m)和回风侧行人呼吸带截面,统计这2处粉尘粒径分布来反映粉尘沉降情况。

    压风口距工作面距离分别为7,8,9,10 m时司机处和回风侧行人呼吸带截面粉尘粒径分布如图4所示。可看出随着压风口距工作面距离的增加,在司机处和回风侧行人呼吸带截面的大颗粒粉尘占比先增后减再增,较小颗粒的粉尘占比增加但变化不大;粒径为71~100 μm的粉尘向下沉降明显,小颗粒粉尘占比有所增加。因此,在压风口距工作面距离为9 m左右时,粉尘沉降效果最好。

    图  4  压风口距工作面距离变化下粉尘粒径分布
    Figure  4.  Particle size distribution of dust under the change of distance between pressure air outlet and working face

    压风口右偏角度分别为5,10,15,20°时司机处和回风侧行人呼吸带截面粉尘粒径分布如图5所示。可看出随着压风口右偏角度增加,压风口风流方向改变,在司机处截面大颗粒粉尘占比先减再增,在回风侧行人呼吸带截面的大颗粒粉尘占比先增后减再增;在压风口右偏角度为15°时,粒径为91~100 μm的粉尘沉降明显,而小颗粒粉尘受风流影响较大,沉降不明显。因此,在压风口右偏角度为15°左右时,粉尘沉降效果最好。

    图  5  压风口右偏角度变化下粉尘粒径分布
    Figure  5.  Particle size distribution of dust under the change of right angle of pressure air outlet

    压风口口径分别为0.8,0.9,1.0,1.1 m时司机处和回风侧行人呼吸带截面粉尘粒径分布如图6所示。可看出随着压风口口径的增加,在司机处截面小颗粒粉尘占比先增后减再增,回风侧行人呼吸带截面小颗粒粉尘占比变化不明显,而大颗粒粉尘占比先增后减;粒径为81~100 μm的粉尘沉降明显,而在口径为0.9时粉尘占比波动很大,其余口径时粉尘占比变化不明显。因此,在压风口口径为0.9 m左右时,粉尘沉降效果最好。

    图  6  压风口口径变化下粉尘粒径分布
    Figure  6.  Particle size distribution of dust under the change of pressure air outlet diameter

    抽风口距工作面距离分别为2,3,4,5 m时司机处和回风侧行人呼吸带截面粉尘粒径分布如图7所示。可看出随着抽风口距工作面距离的增加,司机处截面大颗粒粉尘占比先增后减,小颗粒粉尘占比先增后减再增,回风侧行人呼吸带截面粉尘粒径分布变化不明显;粒径为71~100 μm的粉尘在抽风口距工作面3~5 m范围内沉降明显,而小颗粒粉尘在抽风口距工作面距离为5 m时占比增加幅度最大,在抽风口距工作面距离为3 m时占比变化不大,在抽风口距工作面距离为4 m时占比也有所增加,且粉尘粒径分布较均匀。因此,在抽风口距工作面距离为4 m左右时,粉尘沉降效果最好。

    图  7  抽风口距工作面距离变化下粉尘粒径分布
    Figure  7.  Particle size distribution of dust under the change of distance between extraction air outlet and working face

    压抽比分别为1.0,1.1,1.2,1.3时司机处和回风侧行人呼吸带截面粉尘粒径分布如图8所示。可看出随着压抽比增大,在司机处和回风侧行人呼吸带截面的大颗粒粉尘占比变化不大;在压抽比大于1.0时,粉尘沉降明显,小颗粒粉尘占比减少。因此,在压抽比大于1.0时,粉尘沉降效果最好。

    图  8  压抽比变化下粉尘粒径分布
    Figure  8.  Particle size distribution of dust under the change of pressure-pumping ratio

    由于风流调控各参数会对粉尘场产生交互影响,所以对参数综合变化下粉尘沉降进行优化分析。设计二次回归中心组合试验,选取压风口距工作面距离L1、抽风口距工作面距离L2、压风口右偏角度θ、压风口口径D、压抽比B作为影响因素。选择五因素的上下水平并计算其零水平值与变化区间,五因素水平编码[21]表3。其中Zi为编码值,+γ为上星号臂,−γ为下星号臂,+1为上水平,0为零水平,−1为下水平,Δi为因素变化间距。

    表  3  五因素水平编码
    Table  3.  Five factors horizontal coding
    Zi L1 L2 θ D B
    +γ 9.27 5.27 16.37 1.13 1.23
    +1 9.00 5.00 15.00 1.10 1.20
    0 8.00 4.00 10.00 1.00 1.10
    −1 7.00 3.00 5.00 0.90 1.00
    γ 6.73 2.73 3.64 0.87 0.97
    Δi 1.00 1.00 5.00 0.10 0.10
    下载: 导出CSV 
    | 显示表格

    根据统计学原理,本试验采用五因素(1/2实施)的二次回归中心组合设计,其中因素个数p=5,试验实施情况α=1表示1/2实施,星号臂γ=1.27,本文中心试验点试验次数为6,而全因素试验点和星号点由于因素搭配不同,按照设计方案进行试验,所以二水平(−1,1)全因素试验点个数mc=16,星号臂水平(−γγ)因素试验点个数2p=10,零水平试验点个数m0=6,共进行32组试验。试验设计方案及模拟计算结果见表4。其中X1X5分别对应L1L2θDBY1Y2分别为回风侧行人呼吸带全尘平均浓度、司机处呼尘平均浓度[22]

    表  4  试验设计方案及模拟计算结果
    Table  4.  Experimental design scheme and simulation calculation results
    方案X1X2X3X4X5Y1/(mg·m−3Y2/(mg·m−3
    111111130.75483.474
    2111−1−1137.72984.821
    311−11−1153.50381.955
    411−1−11135.77380.676
    51−111−1135.55295.461
    61−11−11143.22383.555
    $ \vdots $$ \vdots $$ \vdots $$ \vdots $$ \vdots $$ \vdots $$ \vdots $$ \vdots $
    3100000114.55260.282
    3200000125.33062.133
    下载: 导出CSV 
    | 显示表格

    表4的回归样本数据利用SPSS软件进行平稳性检验,根据变量累积比例与指定分布累积比例之间关系绘制P−P图,验证数据近似符合正态分布且偏差值较小,可作为建立粉尘沉降优化回归模型的数据样本。建立回风侧行人呼吸带全尘平均浓度Y1和司机处呼尘平均浓度Y2的回归方程:

    $$ \begin{split} {Y_1} =& 100{{.61 - 3}}{{.64}}{X_1}{{ - 1}}{{.73}}{X_2}{{ - 7}}{{.35}}{X_3}{{ - 0}}{{.78}}{X_4}{{ - }} \\ &{{ 0}}{{.94}}{X_5}{{ + 1}}{{.33}}{X_1}{X_2}{{ + 1}}{{.07}}{X_1}{X_3}{{ + 1}}{{.22}}{X_1}{X_4}- \\ &{{ 0}}{{.78}}{X_1}{X_5}{{ + 0}}{{.099}}{X_2}{X_3}{{ + 2}}{{.75}}{X_2}{X_4}{{ + }} \\ & {{ 0}}{{.85}}{X_2}{X_5}{{ - 5}}{X_3}{X_4}{{ - 0}}{{.55}}{X_3}{X_5}{{ - 1}}{{.86}}{X_4}{X_5}{{ + }} \\ &{{ 9}}{{.14}}X_1^2{{ + 6}}{{.4}}X_2^2{{ + 20}}{{.37}}X_3^2{{ + 2}}{{.83}}X_4^2{{ + 2}}{{.8}}6X_5^2 \end{split} $$ (1)
    $$ \begin{split} {Y_2} =& 58{{.59 + 2}}{{.44}}{X_1}{{ - 3}}{{.01}}{X_2}{{ - 2}}{{.21}}{X_3}{{ - 0}}{{.032}}{X_4}{{ + }} \\ & {{ 0}}{{.46}}{X_5}{{ - 0}}{{.92}}{X_1}{X_2}{{ + 0}}{{.58}}{X_1}{X_3}{{ - 0}}{{.45}}{X_1}{X_4}{{ - }} \\ &{{ 4}}{{.4}}{X_1}{X_5}{{ + 0}}{{.89}}{X_2}{X_3}{{ + 1}}{{.5}}{X_2}{X_4}{{ + 3}}{{.1}}{X_2}{X_5}- \\ &{{ 0}}{{.18}}{X_3}{X_4}{{ - 1}}{{.23}}{X_3}{X_5}{{ + 0}}{{.43}}{X_4}{X_5}{{ + 5}}{{.2}}X_1^2+ \\ &{{ 4}}{{.05}}X_2^2{{ + 13}}{{.59}}X_3^2{{ - 1}}{{.33}}X_4^2{{ + 3}}{{.31}}X_5^2 \end{split}$$ (2)

    该回归方程需完成显著性水平检验,计算该回归方程的失拟项F和概率P,得到式(1)的F值为3.63、P值为0.016 0,式(2)中的F值为6.18、P值为0.001 8。P值均在0.05以下,表明该回归方程回归性较好。

    通过回归分析,以回风侧行人呼吸带全尘平均浓度及司机处呼尘平均浓度最低为优化目标,建立粉尘沉降优化回归模型:

    $$ \left\{\begin{array}{l}\mathrm{min}\;Y(X)=\left\{{Y}_{1},\;{Y}_{2}\right\}\\ {\mathrm{s.t}}.X=\left[{X}_{1}\;\;{X}_{2}\;\;{X}_{3}\;\;{X}_{4}\;\;{X}_{5}\right]\\ {X}_{1}\in (7,\;10)\\ {X}_{2}\in (2,\;5)\\ {X}_{3}\in (5,\;20)\\ {X}_{4}\in (0.8,\;1.1)\\ {X}_{5}\in (1,\;1.3)\end{array}\right. $$ (3)

    粒子群优化算法具有易于实现、计算精度高、收敛速度快等优势,被广泛应用于优化问题中[23]。基于粒子群优化算法对优化回归模型进行求解,设定粒子种群初始规模为100,最大迭代次数为500,惯性权值为0.7,学习因子为2.05。计算求解获得优化回归模型的非劣解集,结合5个参数可实现的调节范围,确定最优风流调控方案:压风口距工作面距离为8.9 m,压风口右偏角度为14.8°,压风口口径为0.9 m,抽风口距工作面距离为4.3 m,压抽比为1.1。

    对原始场和优化风流调控后粉尘沉降效果进行对比分析,如图9所示。可看出调控前大颗粒粉尘占比较多,沉降粒子较少,且随风流运移到掘进机后方,扩散污染范围较大;调控后的大颗粒粉尘占比较少,大部分沉降到底板,扩散污染范围明显减小,小颗粒粉尘随着风流运移到后方,且较调控前粉尘浓度明显降低。

    图  9  风流调控前后粉尘沉降效果对比
    Figure  9.  Comparison of dust settling effect before and after air flow control

    为验证最优风流调控方案的效果,在“综掘工作面风流智能调控降尘物理实验平台”[24]的基础上,搭建风流调控下粉尘沉降实验平台,如图10所示。实验测点布置如图11所示,在测点1—7布置全尘浓度传感器和CCZ−1000粉尘浓度测试仪,在测点8布置呼尘浓度传感器。为减少误差,进行5次重复测试,求平均值。

    图  10  风流调控下粉尘沉降实验平台
    Figure  10.  Dust settling experimental platform under air flow control
    图  11  实验测点布置
    Figure  11.  Experimental measuring point arrangement

    最优风流调控方案下回风侧行人呼吸带全尘平均浓度和司机处呼尘平均浓度的测试值与模拟值对比见表5。可看出测试值与模拟值的相对误差在13%以内,验证了粉尘沉降优化回归模型的准确性。

    表  5  最优风流调控方案测试值与模拟值对比
    Table  5.  Comparison of test values and simulated values of optimal air flow control scheme
    位置 模拟值/(mg·m−3 测试值/(mg·m−3 相对误差/%
    回风侧行人呼吸带 89.32 80.71 9.64
    司机处 65.08 56.96 12.47
    下载: 导出CSV 
    | 显示表格

    最优风流调控前后粉尘粒径分布如图12所示。可看出在风流调控优化后,71~100 μm粉尘沉降效果显著,且在掘进机前方沉降;小于71 μm的粉尘几乎不随风流向后扩散,小颗粒粉尘随风流的裹挟作用向后运移,随着距工作面距离的增加,小颗粒粉尘占比增加。

    图  12  风流调控前后粉尘粒径分布
    Figure  12.  Particle size distribution of dust before and after air flow control

    最优风流调控前后粉尘浓度如图13所示。可看出经过风流调控优化后,回风侧行人呼吸带全尘平均浓度由调控前的156.6 mg/m3降低为82.4 mg/m3,降低了47.4%,司机处呼尘平均浓度由调控前的102.3 mg/m3降低为58.9 mg/m3,降低了42.4%。

    图  13  风流调控前后粉尘浓度对比
    Figure  13.  Comparison of dust concentration before and after air flow control

    1) 风流调控参数对粉尘沉降影响规律:随着压风口距工作面距离增加,司机处和回风侧行人呼吸带截面大颗粒粉尘占比先增后减再增,小颗粒粉尘占比增加;随着压风口右偏角度增加,司机处和回风侧行人呼吸带截面大颗粒粉尘占比变化明显;随着压风口口径增加,司机处截面小颗粒粉尘占比先增后减再增,回风侧行人呼吸带截面大颗粒粉尘占比先增后减;随着抽风口距工作面距离增加,司机处截面大颗粒粉尘占比先增后减,小颗粒粉尘占比先增后减再增,回风侧行人呼吸带截面粉尘粒径分布变化不大;随着压抽比增大,司机处和回风侧行人呼吸带截面小颗粒粉尘占比减小。

    2) 以风流调控参数为自变量,以巷道内回风侧行人呼吸带全尘平均浓度和司机处呼尘平均浓度最低为目标,建立了粉尘沉降优化回归模型,通过粒子群优化算法求解,得到最优风流调控方案:压风口距工作面距离为8.9 m,压风口右偏角度为14.8°,压风口口径为0.9 m,抽风口距工作面距离为4.3 m,压抽比为1.1。

    3) 经风流调控优化后,粒径为71~100 μm的粉尘大部分在掘进机前方沉降,粒径小于71 μm的粉尘随风流向后扩散,充满整个巷道;回风侧行人全尘平均浓度降低了47.4%,司机处呼尘平均浓度降低了42.4%。

  • 期刊类型引用(1)

    1. 薛永峰. 刮板输送机负载预测与调速控制策略研究. 凿岩机械气动工具. 2025(05): 185-187 . 百度学术

    其他类型引用(0)

计量
  • 文章访问数:  42
  • HTML全文浏览量:  6
  • PDF下载量:  9
  • 被引次数: 1
出版历程
  • 刊出日期:  2015-05-09

目录

/

返回文章
返回