Research progress and challenges faced by unmanned aerial vehicles in complex underground spaces
-
摘要: 分析了地下复杂空间无人机的技术发展与应用现状,指出地下复杂空间无人机面临单体性能不足、环境态势感知与自主导航能力有限、编队协同能力有限等问题,针对上述问题,展望了地下无人机关键技术发展趋势:① 小型化轻量化一体化无人机设计技术。通过改进无人机的机械结构,提高激光雷达、深度相机等信息感知传感器与控制系统的集成度,优化电源管理系统等,最终实现单体无人机巡航速度、续航时间等性能的提升;② GPS拒止环境下态势感知与自主导航技术。攻克即时定位与地图构建(SLAM)导航与实时路径规划等关键技术难题,围绕特定场景逐步突破算法的局限性,提升无人系统的感知能力、环境适应性和鲁棒性;③ 有限信息下编队协同控制技术。攻克异构/同构无人机集群协同、复杂信道环境下的无线通信等技术难题,通过优化无人机群体智能控制策略、信息交互机制及任务决策协同机制等,增强集群无人系统的鲁棒性,提高无人系统在地下复杂环境中的自适应能力,进而提升无人系统的任务执行效率与成功率。Abstract: The technological development and application status of underground complex space UAVs are analyzed. It is pointed out that underground complex space UAVs face problems such as insufficient individual performance, limited environmental situational awareness and autonomous navigation capabilities, and limited formation collaboration capabilities. In order to solve the above problems, the development trends of key technologies for underground UAVs are prospected. ① Small and lightweight integrated UAV design technology is proposed. By improving the mechanical structure of the UAV, improving the integration of information perception sensors such as LiDAR and depth camera with control systems, and optimizing power management systems, the ultimate goal is to improve the cruise speed, endurance time, and other performance of individual UAV. ② Situation awareness and autonomous navigation technology in GPS rejection environment is proposed. The key technical challenges such as simultaneous localization and mapping (SLAM) navigation and real-time path planning should be overcome. The limitations of algorithms around specific scenarios should be gradually broken through. The perception capability, environmental adaptability, and robustness of unmanned systems should be improved. ③ Formation collaboration control technology under limited information is proposed. The technical problems such as heterogeneous/isomorphic UAV cluster collaboration, and wireless communication in complex channel environments should be overcome. By optimizing UAV swarm intelligence control strategies, information interaction mechanisms, and task decision-making collaboration mechanisms, the robustness of clustered unmanned systems should be enhanced. The adaptability of unmanned systems in complex underground environments should be improved. Furthermore, the task execution efficiency and success rate of unmanned systems should be improved.
-
0. 引言
我国华北区域煤炭开发的石炭系煤层正逐渐走向深部,由此煤层开发所面临的奥灰岩溶水威胁变得尤为突出[1]。采用长定向钻孔工艺对导、含水层进行超前区域注浆改造与加固是华北型煤田煤层底板岩溶水害防治的主要技术手段[2-3]。
煤矿注浆工程中,由于工艺和材料等因素可能造成注浆孔间盲区问题,所以有必要对注浆效果进行检测,以便发现盲区,消除隐患。目前针对注浆效果检测的手段还很有限,注浆检测技术理论也不成熟,注浆改造加固效果也没有一个明确的标准,如何对注浆效果进行正确有效的评价,成为煤矿注浆工程结束后亟需解决的难题[4]。
目前,针对注浆效果检测的方法主要有钻孔法、物探法等[5]。钻孔法方面:薛翊国等[6]采用钻孔取心、压水试验分析及注浆前后岩心力学实验分析进行注浆检测,取得了一定效果;刘世奇等[7]采用钻孔超声波检测注浆前后岩性岩体力学性质变化规律,通过弹性模量评价注浆效果。钻孔法直接高效,但造价较高,且由于地层存在不均匀性和各向异性会导致浆液扩散方向和范围具有不确定性,易导致安全隐患。物探法方面:李雁等[8]对破裂煤样注浆前后的裂隙结构进行了CT扫描;刘鑫明等[9]、刘恋等[10]在地面采用高密度电法检测浅层采空区注浆效果;齐飞等[11]、常青等[12]采用瞬变电磁法对注浆区域效果进行了检测;柴敬等[13]以温度为监测参量,引入光纤传感技术对被注介质内部浆液扩散范围和状态进行了监测;湛铠瑜等[14-16]采用动水注浆扩散、裂隙动水注浆模型对浆液扩散范围进行了试验,浆液扩散受水流流速、裂隙开度、注浆压力和浆液黏度的影响。物探法可探测浆液在钻孔周围的扩散范围,但由于工艺所限仅在注浆前后采集数据,定性地分析注浆效果,缺少对注浆全过程的跟踪动态监测,未得到注浆全过程的地层电性数据,很难对注浆效果进行准确评价。
电阻率对化学浆液的运动具有很好的“可视化”再现和指示浆液渗流位置功能[17],在煤矿井下注浆层位全过程动态监测地层电阻率,是准确判断浆液扩散范围、评价导水断裂带注浆效果的关键。本文引入孔间电阻率监测系统对注浆改造岩层的电阻率变化特征进行全过程监测,以实现浆液扩散范围的精准探测。利用定向钻孔内布置的电阻率监测系统[18],采用孔间电阻率监测技术,获取注浆全过程注浆层位电阻率的监测数据,然后采用三维电阻率反演对监测数据进行处理解释,得到注浆层位岩性电阻率变化规律,从而推测浆液扩散范围。
1. 孔间电阻率监测技术
1.1 电阻率监测系统
目前,煤矿工作面电阻率监测系统[19-20]被广泛应用于煤层底板采动破坏及导水通道发育过程的动态监测,该系统结构如图1所示。将电极及线缆埋入综采工作面两侧的巷道,监测主机置于2条巷道开口处,采用光端机将监测主机通过网络连接至井上控制服务器,在井上服务器通过采集操控软件对井下监测分站进行控制并采集数据,数据传输至井上服务器后由数据处理软件自动实现反演成像,采集系统的数据库与处理软件自动交互,传输与处理过程不需要人工干预,从而实现井下系统的无人化数据采集及数据初步分析。系统最大发射电压为105 V,最大发射电流为60 mA,发射频率为1~128 Hz,最小信号分辨率为5 μV,记录的工作参数为发射电流和接收电压信号。数据处理软件可实现开发数据库自动交互的数据实时处理,采用小波分析等技术对接收的电压信号进行预处理,并采用拟高斯−牛顿法进行三维反演及成像。
1.2 钻孔布置工艺
煤矿注浆改造工程一般为将煤层顶底板某一岩层通过注浆手段改造为稳定的隔水层,在工作面巷道内布置的电阻率监测收发装置纵向距离注浆位置达30~50 m,横向距离注浆位置最大达150 m,距离较远将导致精度降低,且在巷道中监测时易受巷道中各种设备和生产活动产生的电磁干扰,导致监测数据分辨率无法满足精细监测的需求。
因此设计将电阻率监测系统布置于钻孔中,形成孔间电阻率监测系统,避开巷道中各种干扰源,且电极具备稳定不变的接地条件,从而获取更高分辨率的原始数据。孔间电阻率监测系统的网络和监测主机与巷道监测系统一致,监测测线布置不同:首先通过水力送线工艺[21],在长定向钻孔中送入电极和线缆,使电极等间距均匀平铺在定向钻孔中,然后在孔口将线缆接入监测主机,最后对定向钻孔进行注浆封孔,使每个电极与钻孔围岩接触较好。孔中线缆电极布置如图2所示,监测平面范围为2个孔之间扇形区域,监测的垂向范围与孔距有关,为30~60 m。
1.3 数据处理与解释方法
数据的正演通过数学模型计算得到其理论监测数据,数据的反演成像从监测数据中获取浆液扩散范围。正演采用有限体积法的离散偏微分方程,利用预条件双共轭梯度稳定算法对方程进行求解[22-23]。
$$ \left( {D{\boldsymbol{S}}\left( \sigma \right)G} \right){\boldsymbol{u}} = A\left( \sigma \right){\boldsymbol{u}} = {\boldsymbol{q}} $$ (1) 式中:D为三维散度;$ {\boldsymbol{S}}\left( \sigma \right) $为包含电导率$ \sigma $的对角矩阵;G为梯度算子;u为电位向量;$ A\left( \sigma \right) $为正演算子;q为包含了正负电流源位置的源向量。
采用拟高斯−牛顿法对采集的监测数据进行反演拟合,并用预条件共轭梯度法计算更新模型。则目标函数为
$$ \varPhi \left( m \right) = \frac{1}{2}{\left\| {d\left( m \right) - {d_{{\rm{obs}}}}} \right\|^2} + \frac{\beta }{2}{\left\| {{\boldsymbol{W}}\left( {m - {m_{{\rm{ref}}}}} \right)} \right\|^2} $$ (2) 式中:$ \varPhi \left( m \right) $为目标函数,m为反演迭代的模型,模型参数取$ \ln \sigma $;$ d\left( m \right) $为确定模型正演计算所得的数据;$ {d_{{\rm{obs}}}} $为观测的电压除以发射电流所得的数据;$ \beta $为正则化参数;W为模型正则化矩阵;$ {m_{{\rm{ref}}}} $为参考模型。
2. 注浆过程的数值模拟
浆液通过钻孔注入地层后,将降低地层的电阻率,并充填地层的原始裂隙。为研究孔间电阻率监测系统对注浆过程中地层电阻率变化规律的分辨能力,分析电阻率变化范围与浆液扩散范围之间的关系,同时给予实际工程理论支持和测线布置指导,开展注浆过程的数值模拟。
注浆工程电阻率监测模型如图3所示,孔1和孔2为监测施工孔,夹角30°,孔长480 m,为避免套管影响,距孔口80 m处开始布设电极,电极间距为20 m,共布设42个电极。孔3为注浆孔,假设浆液在破裂点处向四周均匀扩散,形成一个球状异常体。
以孔口为坐标原点,以钻孔所在的平面为x−y平面,以孔1方向为x方向,建立坐标系。球状异常体中心位置为(250,80,0) m,浆液电阻率为20 Ω·m,地层电阻率为100 Ω·m。随着浆液注入,球状异常体模型半径从0逐渐增大至30 m,分别选取半径为10,20,30 m的模拟监测数据进行反演成像, 浆液扩散范围的孔间电阻率监测反演成像如图4所示,图中红色虚线的圆圈为浆液扩散范围。可看出浆液扩散的位置存在低阻异常区(蓝色区域),在x方向上浆液扩散范围与模型参数基本吻合,在y方向上与模型参数有偏差。随着浆液逐渐扩散,低阻异常区范围逐渐变大,低阻异常强度逐渐增强。通过对注浆过程的数值模拟,表明采用孔间电阻率监测技术能够较为准确地圈定浆液扩散范围。
3. 工作面监测试验
3.1 矿井地质概况
某煤矿位于准格尔煤田中东部,目前主要综放开采石炭–二叠系太原组均厚为 18.93 m 的 6 号煤层,间接充水水源为煤层底板富水性中等、强的奥陶系岩溶裂隙含水层地下水(底板隔水层厚为 30~80 m,6 号煤带水压为0.7~1.5 MPa)。井田范围内落差大于 5 m 的断层和其他构造较为发育,导致奥陶系灰岩水可能通过构造涌入矿井,形成底板突水的水害问题[22]。
3.2 定向钻孔结果
煤层底板定向钻孔实施位置位于煤矿61304工作面辅助运输巷6号调车硐室,计划施工3个主孔,其中1号孔和4号孔为单独主孔,3号孔为1个主孔,其2个分支孔分别为3−1号和3−2号孔,钻孔水平钻进层位为煤层底板下35 m中砂岩,布置如图5所示。
通过定向钻孔结果发现在Y6异常区大部分区域内岩性、层位、水量正常,基本排除了Y6异常区内存在大型“陷落柱”的情况。为进一步消除区域内可能存在小型断裂带,对上述钻孔进行注浆封孔,并开展注浆效果检测,监测浆液扩散范围。
3.3 孔间电阻率监测布置
根据定向钻孔方案,在1号孔和4号孔中布置孔间电阻率监测系统,采用定向钻机将线缆推送至孔内,然后进行注浆封孔。注浆完成后,通过测试每个电极的发射电流判断电极接地情况。
本次采用的电极间距为20 m,布置见图5中的黑色圆点,2个钻孔共布置34个电极。收发装置采用偶极−偶极,1号孔和4号孔交替收发,共监测12 d,平均每天采集有效数据5组,相比巷道监测系统,孔中监测收发电极不受巷道中各种因素干扰,发射电流稳定,发射电流均大于45 mA,接收电压均大于500 μV,监测1号孔和4号孔间岩层电阻率动态变化过程。
3.4 监测结果分析
采用三维电阻率反演对监测数据进行处理成像,煤层底板下30 m注浆层位的电阻率反演成像结果如图6所示。
由图6(a)可看出,在未进行注浆时,电阻率稳定在120~150 $ {\Omega }\cdot \mathrm{m} $之间,未发现明显蓝绿色的低阻异常区,与钻孔结果一致;当向1号孔注浆116 t后,浆液水灰比为3∶1,注浆压力为6 MPa,在1号孔底旁侧岩层电阻率下降为50~90 $ {\Omega }\cdot \mathrm{m} $,命名为J1低阻异常区;向3−1号孔注浆20 t后,浆液水灰比为3∶1,注浆压力为6 MPa,在3−1号孔四周发现岩层电阻率下降为80~110 $ {\Omega }\cdot \mathrm{m} $,命名为J2低阻异常区。
根据孔间电阻率监测成果,推测J1和J2低阻异常区分别为1号和3−1号孔的浆液扩散区:1号孔浆液扩散x方向80~130 m、y方向300~330 m,3−1号孔浆液扩散x方向150~230 m、y方向200~270 m,均超过理论模拟的扩散半径10 m[23],说明定向钻孔附近存在裂隙。根据低阻异常区推测3−1号孔附近裂隙较1号孔附近裂隙平面范围较大。
3.5 验证结果
为验证孔间电阻率监测系统监测浆液扩散范围的准确性,分别在运输巷和切眼进行打钻验证。在运输巷对J1低阻异常区进行打钻取心,发现异常区存在浆液水泥块,异常区外岩性正常。在J2低阻异常区内进行打钻取心,经施工穿层孔取心发现J2低阻异常区内存在水泥块,3−1号孔注浆浆液集中在J2低阻异常区附近。经验证,孔间电阻率监测发现低阻区与注浆浆液扩散范围基本一致。
4. 结论
1) 注浆浆液扩散过程数值模拟结果表明:孔间电阻率监测三维反演成像能识别浆液异常的扩散范围;根据电阻率随时间的变化趋势可推测浆液扩散范围,随着浆液逐渐扩散,异常区范围逐渐变大,异常强度逐渐增强。
2) 通过煤层底板长定向钻孔孔间电阻率监测试验表明:采用孔间电阻率监测系统对注浆区域内的岩层进行电阻率动态监测,通过对监测数据的电阻率三维反演成像推测了注浆浆液扩散范围,经打钻验证了推测的准确性。
3) 本次监测试验的2条测线均位于煤层底板下35 m层位,采集的数据严格意义上仍为二维数据体,导致垂向分辨率较低,需增加采集数据维度和数量或结合其他手段,可进一步提高解释的精度。
-
表 1 国内外关键技术研究现状总结
Table 1 Summary of the research status of key technologies at home and abroad
研究团队/机构 研究方向及代表算法 存在的问题 浙江大学FAST实验室 研究方向主要集中在无人机运动规划。
针对微小型无人机,提出了一种无需距离场的基于梯度的轨迹规划算法,EGO−Planner偏向理论研究,示范与应用验证较少,算法工程适用性仍需验证 天津大学无人系统自主导航与控制实验室 研究方向主要集中在多无人机集群控制与路径规划。针对多无人机协同系统,提出了基于地图匹配及全局路图的多无人机协同定位及协同调度算法 实际应用场景仅限于无GPS森林、无矿洞和隧道的示范与应用,算法工程适用性仍需验证 香港科技大学空中
机器人研究组研究组与大疆创新科技有限公司建立联合实验室,倾向于使用优化的思路去解决无人机自主飞行中的工程问题,研究方向主要集中在无人机状态估计、建图、运动规划等。
针对深度视觉定位无人机,提出了一种鲁棒且通用的单目视觉惯性状态估计器,VINS Mono无人机控制算法相关的研究较少,示范与应用验证较少 香港大学MaRS实验室 研究方向主要是空中机器人设计、规划和控制,以及基于激光雷达的SLAM。
针对激光雷达定位无人机,提出了一种计算高效且鲁棒的LiDAR惯性里程计框架,FAST−LIO算法路径规划与控制算法相关的研究较少,示范与应用验证较少 卡内基梅隆大学
机器人研究所主要研究方向为导航拒止环境下自主导航和路径规划算法,提出了多种路径规划算法,如Falco、自主探索的方法、TARE、FAR Planner 等 感知定位和鲁棒控制算法相关的研究较少,示范与应用验证较少,算法工程适用性仍需验证 表 2 仿真环境
Table 2 Simulation environment
序号 环境 特征 1 校园环境
(340 m×340 m)包含一些上下坡及盘绕的地形 2 室内环境
(130 m×100 m)包含长且窄的走廊及许多桌子/椅子等障碍物,其中还有一个护栏,由于其中间可以穿透的特性,会对机器人的感知(perception)模块增加挑战性 3 停车场
(140 m×130 m,5层)包含多层楼且有上下坡,会给机器人3D导航任务增加难度 4 隧道(330 m×250 m) 由错综复杂的隧道构成的一个庞大的网格结构 5 森林(150 m×150 m) 包含无规律分布的树木及几栋房子 -
[1] 郑学召,童鑫,张铎,等. 矿井危险区域多旋翼侦测无人机关键技术探讨[J]. 工矿自动化,2020,46(12):48-56. ZHENG Xuezhao,TONG Xin,ZHANG Duo,et al. Discussion on key technologies of multi-rotor detection UAVs in mine dangerous area[J]. Industry and Mine Automation,2020,46(12):48-56.
[2] 张铎,吴佩利,郑学召,等. 矿井侦测无人机研究现状与发展趋势[J]. 工矿自动化,2020,46(7):76-81. ZHANG Duo,WU Peili,ZHENG Xuezhao,et al. Research status and development trend of mine detection unmanned aerial vehicle[J]. Industry and Mine Automation,2020,46(7):76-81.
[3] XU Wei,ZHANG Fu. Fast-lio:a fast,robust LiDAR-inertial odometry package by tightly-coupled iterated Kalman filter[J]. IEEE Robotics and Automation Letters,2021,6(2):3317-3324. DOI: 10.1109/LRA.2021.3064227
[4] ZHANG Kunyi,JIANG Chenxing,LI Jinghang,et al. DIDO:deep inertial quadrotor dynamical odometry[J]. arXiv e-prints,2022,7(4):9083-9090.
[5] SHEN Hongming,ZONG Qun,TIAN Bailing,et al. Voxel-based localization and mapping for multi-robot system in GPS-denied environments[J]. IEEE Transactions on Industrial Electronics,2022,69(10):10333-10342. DOI: 10.1109/TIE.2022.3153822
[6] ZHANG Ji,HU Chen,CHADHA R G,et al. Falco:fast likelihood-based collision avoidance with extension to human-guided navigation[J]. Journal of Field Robotics,2020,37:1300-1313. DOI: 10.1002/rob.21952.
[7] ZHU Hongbiao, CAO Chao, XIA Yukun, et al. DSVP: dual-stage viewpoint planner for rapid exploration by dynamic expansion[C]. IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Prague, 2021: 7623-7630.
[8] CAO Chao, ZHU Hongbiao, CHOSET H, et al. Tare: a hierarchical framework for efficiently exploring complex 3D environments[C]. Robotics: Science and System (RSS), 2021. DOI: 10.15607/RSS.2021.XVII.018.
[9] YANG Fan, CAO Chao, ZHU Hongbiao, et al. Far planner: fast, attemptable route planner using dynamic visibility update[J]. Computer Science ArXiv, 2021. DOI: 10.48550/arXiv.2110.09460
[10] ZHOU Boyu,ZHANG Yichen,CHEN Xinyi,et al. Fuel:fast UAV exploration using incremental frontier structure and hierarchical planning[J]. IEEE Robotics and Automation Letters,2021,6(2):779-786. DOI: 10.1109/LRA.2021.3051563
[11] ZHOU Xin,WANG Zhepei,YE Hongkai,et al. EGO-planner:an ESDF-free gradient-based local planner for quadrotors[J]. IEEE Robotics and Automation Letters,2021,6(2):478-485. DOI: 10.1109/LRA.2020.3047728
[12] ZHOU Boyu, GAO Fei, PAN Jie, et al. Robust real-time UAV replanning using guided gradient-based optimization and topological paths[C]. IEEE International Conference on Robotics and Automation (ICRA), Paris, 2020: 208-1214.
[13] 张学伟,田栢苓,鲁瀚辰,等. 面向复杂未知多障碍环境的多无人机分布式在线轨迹规划[J]. 中国科学:信息科学,2022,52(9):1627-1641. ZHANG Xuewei,TIAN Bailing,LU Hanchen,et al. Multi-UAV decentralized online trajectory planning in complex unknown obstacle-rich environments[J]. Scientia Sinica(Informationis),2022,52(9):1627-1641.
[14] HOU Jialiang,ZHOU Xin,GAN Zhongxue,et al. Enhanced decentralized autonomous aerial robot teams with group planning[J]. IEEE Robotics and Automation Letters,2022,7(4):9240-9247. DOI: 10.1109/LRA.2022.3191037
[15] 刘栋. 矿井无人机飞行轨迹定位及多机协同搜索方法的研究 [D]. 徐州: 中国矿业大学, 2018. LIU Dong. Research on UAV flight trajectory localization and multi-UAV collaborative search method for coal mine environment[D]. Xuzhou: China University of Mining and Technology, 2018.
[16] TIAN Bailing, LIU Lihong, LU Hanchen, et al. Multivariable finite time attitude control for quadrotor UAV: theory and experimentation[J]. IEEE Transactions on Industrial Electronics, 2018(3). DOI: 10.1109/tie.2017.2739700.
[17] JI Jialin, ZHOU Xin, XU Chao, et al. CMPCC: corridor-based model predictive contouring control for aggressive drone flight[J]. arXiv, 2020. DOI: 10.48550/arXiv.2007.03271.
[18] DING Ziming, YANG Tiankai, ZHANG Kunyi, et al. VID-fusion: robust visual-inertial-dynamics odometry for accurate externa VID-fusion l force estimation[C]. IEEE International Conference on Robotics and Automation (ICRA), Xi'an, 2021: 14469-14475.
[19] SEO H, LEE D, SON C, et al. Robust trajectory planning for a multirotor against disturbance based on Hamilton-Jacobi reachability analysis[C]. IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS), Macau, 2019: 3150-3157.
[20] PHILIPP F, KAUFMANN E, ROMERO A, et al. Agilicious: open-source and open-hardware agile quadrotor for vision-based flight[J]. Research Article: Science Robotics, 2022, 7(67). DOI: 10.1126/scirobotics.abl6259.
[21] CAO Chao, ZHU Hongbiao, YANG Fan, et al. Autonomous exploration development environment and the planning algorithms[C]. IEEE International Conference on Robotics and Automation (ICRA), Philadelphia, 2022: 8921-8928.
[22] Tactical Technology Office (TTO) . DARPA subterranean (SubT) challenge[R]. Arlington: Tactical Technology Office (TTO), 2018.
[23] 浙江在线. “机器探长”集结 智探湖州黄龙洞[EB/OL]. (2022-08-15)[2022-10-27]. https://huzhou.zjol.com.cn/yw18229/202208/t20220815_24660994.shtml. Zhejiang online. "Machine inspector" gathered wisdom to explore the Huanglong Cave of Huzhou[EB/OL]. (2022-08-15)[2022-10-27]. https://huzhou.zjol.com.cn/yw18229/202208/t20220815_24660994.shtml.
[24] 王彤,李磊,蒋琪. 美国“快速轻量自主”项目推进无人系统自主能力发展[J]. 无人系统技术,2019,2(1):58-64. WANG Tong,LI Lei,JIANG Qi. DARPA fast lightweight autonomy program promotes unmanned system autonomy development[J]. Unmanned Systems Technology,2019,2(1):58-64.
[25] PASCHALL S, ROSE J. Fast, lightweight autonomy through an unknown cluttered environment: Distribution statement: A—approved for public release;distribution unlimited[C]. IEEE Aerospace Conference, Big Sky, 2017: 1-8.
[26] GOHL P, BURRI M, OMARI S, et al. Towards autonomous mine inspection[C]. The 2014 3rd International Conference on Applied Robotics for the Power Industry, Foz do Iguacu, 2014. DOI: 10.1109/CARPI.2014.7030057.
[27] Exyn Technologies. Exyn aero aerial mapping drone [EB/OL].[2022-07-27]. https://www.exyn.com/products/exyn-aero-aerial-mapping-drone.
[28] FLYABLITY. Elios 3-Digitizing the inaccessible. [DB/OL]. [2022-07-27]. https://www.flyability.com/elios-3.
[29] 孙继平,钱晓红. 煤矿重特大事故应急救援技术及装备[J]. 煤炭科学技术,2017,45(1):112-116,153. SUN Jiping,QIAN Xiaohong. Emergency rescue technology and equipment of mine extraordinary accidents[J]. Coal Science and Technology,2017,45(1):112-116,153.
[30] 李新年,李清华,王常虹,等. 美国地下领域无人系统发展现状及启示[J]. 导航定位与授时,2021,8(6):52-59. LI Xinnian,LI Qinghua,WANG Changhong,et al. Development and enlightenment of unmanned underground system in the United States[J]. Navigation Positioning and Timing,2021,8(6):52-59.
-
期刊类型引用(7)
1. 王江宏,刘硕,尹少波,常成林. 贝叶斯优化机器学习模型在孔间电阻率法电压预测中的应用研究. 能源与环保. 2025(03): 115-122 . 百度学术
2. 胡俭,王航,王帅豪,操康波,毛小娃. 采空区多孔介质中气化灰渣凝胶渗流特性研究. 西安科技大学学报. 2025(02): 263-274 . 百度学术
3. 张盛行,汤雷,朱春光,石蓝星,明攀. 基于瞬变电磁法的均质土坝渗漏通道探测与消险质量评价. 水利与建筑工程学报. 2025(02): 98-105 . 百度学术
4. 杨玉冰. 电阻率CT探测在煤矿工作面顶板“四含”注浆改造评价中的应用. 工程建设与设计. 2024(11): 42-44 . 百度学术
5. 孙庆华,娄杰,胡鑫,谷超,孙强,张卫强. 基于电阻率响应的裂隙岩体粉煤灰注浆效果研究. 中国煤炭. 2024(10): 33-39 . 百度学术
6. 于远祥,沈鹏,张永亮,王有发. 动静组合荷载下隧道锚固围岩累积损伤效应与支护优化. 西安科技大学学报. 2024(06): 1095-1106 . 百度学术
7. 汪学明. 基于四电极测量原理的矿用高精度电导率传感器设计. 能源与环保. 2024(12): 211-216 . 百度学术
其他类型引用(0)