0 引言
矿井灾害救援时，快速、精准确定被困人员位置是事故救援的关键要素。传统营救方式是救援人员通过巷道进入受灾区域来展开救援[1]。但发生灾害时期，巷道环境复杂多变，若贸然通过，危险性大，容易造成二次伤害，给灾区救援侦测带来很大的困难。
目前，救援机器人被用来代替救援人员进入受灾区域，及时获取多种环境参数，并实时传回救援指挥中心[2]。然而，救援机器人存在体积较大、灵活性差及越障能力不强等缺点，不能有效满足实际需求[3]。而无人机具有体积较小、造价低廉、无人员伤亡风险及灵活性强等显著优势，已在目标跟踪、应急通信和环境监测等多种领域得到广泛应用[4]。矿井侦测无人机可进入井下巷道进行实时侦测，利用传感器对井下的瓦斯浓度、氧气浓度、环境温度及伤员位置等信息进行采集与处理，并将这些信息通过数据及视音频实时传输到救援指挥中心，为救援指挥人员提供决策依据，以便能最大限度地降低人员伤亡事故发生的可能性。
矿井侦测无人机在井下受灾区域能否安全高效避开障碍物，实时侦测到环境信息是提高救援效率的关键。本文主要介绍矿井侦测无人机的研究现状，分析矿井侦测无人机技术在实际应用中存在的问题，并对其发展趋势做出展望。
1 矿井侦测无人机研究现状
目前，国内外专家对矿井侦测无人机进行了深入研究，特别是在动力系统、定位系统、环境监测系统、通信系统等方面取得了很大进展。矿井侦测无人机系统构架如图1所示。
1.1 动力系统研究现状
矿井侦测无人机动力系统主要包括电动机、动力电源和旋翼机构。
在电动机方面，选择何种电动机需要考虑到动力电源型号、无人机机身质量及线圈粗细等众多因素，否则会导致电动机损坏，影响动力系统。蔡刚[5]设计了基于磁场定向控制的直流无刷电动机驱动系统，解决了电动机控制效率低的问题。何帅等[6]采用基于反电势过零检测原理的三相全控电桥控制电路驱动电动机转动，使电动机调速与控制性能大幅提升，更好地满足了实际需求。庄乾成等[7]采用DSP控制器设计无刷电动机控制电路，提高了电动机稳定性和可靠性，为研发可靠、高效的动力系统提供了参考。现在多数矿井侦测无人机采用的是无刷电动机，无刷电动机相比普通电动机有更为出色的调速性能，应用非常广泛[8]。
图1 矿井侦测无人机系统架构
Fig.1 Structure of mine detection unmanned aerial vehicle system
在动力电源方面，矿井侦测无人机的动力来源主要包括燃料电池、太阳能电池和锂电池等。戴月领等[9]通过对燃料电池无人机动力系统进行飞行测试，设计了动力系统半实物仿真平台，提升了系统的设计与开发水平。张晓辉等[10]设计了矿井侦测无人机的纯燃料电池动力系统，并与其他动力系统对比，结果表明纯燃料电池不适用于具有高机动性的矿井侦测无人机。曹金亮等[11]分析了锂离子电池的发展背景和工作原理，重点探讨了锂聚合物电池的特点与应用前景，为今后救援无人机动力系统的设计提供了参考。
在旋翼机构方面，王刚等[12]应用涡流理论优化螺旋桨，为无人机持续进行井下救援提供了重要参考。陈军等[13]基于叶素修正理论，提出了分析双叶螺旋桨新方法，有效提高了无人机动力参数的精度。张航等[14]通过旋翼理论进行了旋翼桨的设计和性能计算，对无人机动力系统优化设计具有一定的指导意义。
无人机动力系统在电动机、动力电源及旋翼机构等方面取得了较大进展，但井下灾区环境的搜索侦测需要满足长时间载重续航的要求，亟需能够提供长时间续航的新型能源供应方式。同时，在充满易燃易爆气体的环境中，无人机动力系统必须具有防爆功能。
1.2 定位系统研究现状
目前，矿井侦测无人机定位导航系统主要有惯性导航[15] 、卫星导航、视觉导航[16]等。其中，无人机视觉导航很早就得到了国外诸多研究机构的重视。Y.M.Mustafah等[17]通过立体视觉传感器定位系统进行立体视觉捕获，实验结果表明，该系统可实时获取目标位置信息。S.Weiss等[18]研发了带有视全向单目摄像头的实时密集3D地形重建系统，可用于无人机环境搜索，为标准的自动避障算法和路径规划奠定了坚实的基础。Zhao Shiyu等[19]开发了一种基于视觉辅助的无人机惯性导航系统，通过仿真与飞行实验，理论上验证了导航系统具有较强的鲁棒性和较高的可靠性。
我国的无人机视觉导航研究也取得了一系列成果。刁灿等[20]提出了基于机器视觉的位置测量方法，利用双目摄像机实时获得无人机具体位置。潘翔等[21]提出了利用单/双目视觉估计无人机高度和偏航角，构建双目立体视觉导航系统采集视频数据。侯永宏等[22]对无人机实施自主导航，设计了一种可以自主感知未知环境、自主规划路径的旋翼无人机系统。
在无人机定位导航中，具有良好的避障效果是无人机完成侦测任务的前提。侦测无人机在井下巷道飞行时，采用自身传感器采集周围信息参数，通过测量传感器与障碍物之间的距离达到避障目的。胡海兵等[23]开发了一种基于超声波原理的自主导航与预先避障系统，无人机能够及时地规避障碍物，可为井下无人机的设计与应用提供参考。万富华[24]设计了超声波辅助避障系统，以提高无人机在室内环境下的可靠性，为救援无人机在未知巷道中飞行提供了有用的参考依据。张博翰等[25]采用双目立体视觉导航技术研究无人机在未知环境中对障碍物的侦测，并生成避障点，使无人机能够实现避障和安全飞行。
尽管无人机在多个领域得到了广泛应用，其性能也得到了很大提升,但是，考虑到井下情况的复杂性，单个无人机因其自身条件限制无法满足多样化的需求。因此，多无人机协同搜索将会成为无人机领域的一种发展趋势。
1.3 环境监测系统研究现状
矿井侦测无人机环境监测系统主要是对井下灾区环境参数进行实时监测，从而使救援人员对受灾区域的情况有更全面的掌握，以提高救援效率。
井下环境参数实时监测装置主要由无线传感器监测装置和地面无线接收装置组成。其中，无线传感器监测装置主要由传感器监测模块和数据处理模块组成。传感器监测模块框架如图2所示。
图2 传感器监测模块框架
Fig.2 Framework of sensor monitoring module
国内外专家在无人机监测方面已开展了大量研究，张倩倩等[26]设计了一种嵌入式双路图像采集与传输系统，该系统利用可移植性较强的V4L2视频编程接口实现双路图像采集，直观显示红外图像。王瑜等[27]研究了数据采集器并设计了数据提取软件，便于系统数据处理、存储和传输，大幅度提高监测系统效率。L.Merino等[28]开发了一套基于多传感器的无人机遥感监测系统，该系统集成了多种图像处理算法，能够实现地面目标的实时监测。
矿井侦测无人机携带相关传感器对巷道内环境状况进行监测，包括本体运动情况、井下环境信息及被困人员相关信息。传感器设备除了要满足稳定性好、侦测分辨率高、响应速度快等要求外，还应具有小型化、融合度高和本质安全等特点。
1.4 通信系统研究现状
通信系统主要负责侦测无人机在井下巷道监测过程中与地面接收端进行实时数据处理与信息传输[29]。
在数据处理方面，黄磊等[30]通过压缩感知和矩阵补全技术实现了无人机数据的实时无损回传，缩短了数据的传输时间。李世宝等[31]通过研究无线信道的复杂特性，设计了一种通信试验平台，可满足数据信息处理的实际需求。在信息传输方面，赖剑强[32]研发了超短波通信系统及其装备，实验证明该系统有效通信距离高达30 km。雷立动等[33]针对无人机远距离数据传输困难的问题，设计了基于数传电台的通信系统，并提出了容错处理算法，有效提高了无人机的通信距离。解成超等[34]设计了一种可直通/中继双模式的中继测控链路,提高了系统的可靠性和传输效率。
无人机在井下进行侦测任务时，其位置随自身移动性和任务实时改变，数据信号会发生变化，需要解决信息传输质量问题。单机飞行的能量有限供给限制了飞行距离、作业范围，导致通信可靠性不高。无人机集群组网模式可有效提高无人机通信的容错性和可靠性，是未来矿井侦测无人机通信的发展方向。
2 矿井侦测无人机存在的问题
随着无人机技术的不断发展，矿井侦测无人机技术也得到了很大的提升，但仍存在如下问题：
(1) 续航时间短。矿井侦测无人机需要较强的续航能力，太阳能电池在井下灾区无法适用，燃料电池动态性能较软，虽然锂电池技术的发展趋于稳定，并已得到广泛的应用，但在电池能量密度的提升上遇到了瓶颈，限制了无人机的续航时间。
(2) 定位精度差。在定位导航中，全球卫星导航虽然应用范围最广，研究比较成熟，但在井下灾区并不适用；惯性导航的定位误差会随时间逐步积累，进而影响定位精度；矿井发生事故后井下环境条件复杂，视觉定位容易受到拍照角度与光线条件的影响，定位不准确。单无人机侦测环境信息仅限于自主路径上的参数，对矿井灾区的搜索必然存在盲区。同时，单无人机搜索耗费时间长、灵活性差，大大影响了指挥中心的应急决策，无法有效保证救援人员和被困矿工的安全。
(3) 信息感知能力弱。常规无人机技术存在环境感知能力弱的问题，由于单一传感器自身原理的局限性，周围环境的温度、压力变化对传感器的性能影响比较大，难以满足实际环境监测的需求。
(4) 数据传输性能差。井下巷道通常比较狭窄，单个无人机平台的无线通信距离非常有限,搜索效率较低,环境侦测存在盲点[35]，这就限制了无人机在井下的监测能力。随着飞行距离的加长，容易造成数据丢失。
3 矿井侦测无人机发展趋势
矿井发生事故后，矿井侦测无人机的主要任务是对矿井环境进行监测。考虑到井下环境的复杂性，矿井侦测无人机还需在许多关键技术上进行深入的研究与分析，其发展趋势如下：
(1) 新能源或新型供电技术的应用。如铝石墨烯电池以其原材料丰富、体积小、高功率密度、超长循环寿命和卓越的安全性而备受关注。对整个电源管理系统进行更加高效合理的优化，实时侦测用电设备的耗电情况，提高用电的高效性，延长侦测无人机的续航时间，并满足防爆性能。
(2) 无人机集群方式的应用。井下无人机集群系统具有覆盖范围广、适应性高、协同能力强等显著优势，通过多无人机协同搜索，能够更加完整、快速地获取环境信息，还可以通过组网模式解决单个侦测无人机无线通信距离受限的问题，有利于进行环境监测与数据传输。其中，无人机集群的控制结构采用混合式。混合式集群具有较高的自主性和扩展性，不仅克服了分布式结构通信可靠性差、搜索效率低的缺点，还解决了集中式结构鲁棒性及自主性弱的问题。对于无人机集群，单一导航系统无法满足救援需求，协同导航技术将会成为主流。通过数理优化算法进行信息推导，并对多无人机协同信息进行融合，提高定位精度，缩短救援时间。
(3) 多传感器信息融合。研发具有多传感器融合技术的无人机监测平台，通过基于BP神经网络算法的多传感器信息协调及互相融合，使系统具有更高的稳定性和可靠性，大幅度提高无人机对井下环境的感知能力，减少搜救被困矿工的时间。多传感器数据融合如图3所示。
图3 基于BP神经网络的多传感器数据融合
Fig.3 Multi-sensor data fusion based on BP neural network
(4) 无人机集群组网模式在受灾区域侦测中的应用。无线Mesh网络具有自组织性、可靠性高、结构灵活、部署安装简单等特点，能够应用在煤矿井下救援通信中。一般来说，井下巷道呈狭长带状结构，可采用多无人机链状无线Mesh组网模式。无线Mesh网络可以连接不同的网络节点进行多跳传输，每架无人机作为一个节点，可以灵活加入或退出，节点布置非常简单，能够很好地适应井下环境，极大地提高通信能力。在多无人机井下环境搜索时，每架无人机采集的信息都是局部区域信息，通过链状无线Mesh组网模式，所有无人机进行信息融合和资源互补，能实时更新环境信息状况，提高侦测的可靠性和救援效率。
4 结语
矿井侦测无人机具有高度的自主性、机动性和适应性，可快速进入井下监测相关信息，并将信息实时传回控制中心，便于救援人员准确、有效地做出决策。为了迅速、精确掌握灾区信息，今后可从无人机集群协同搜索方面进行研究。大力发展井下无人机相关系统理论与技术，研发安全高效的矿井侦测无人机，对煤矿救援工作具有重要的实际意义。
[1] 邹祖杰,凡东,刘庆修,等.矿山地面大直径钻孔救援提升装备研制[J].煤炭科学技术,2017,45(12):160-165.
ZOU Zujie,FAN Dong,LIU Qingxiu,et al.Research and development on rescue lifting equipment of large diameter borehole at mine ground[J].Coal Science and Technology,2017,45(12):160-165.
[2] 张旭辉,董润霖,马宏伟,等.基于虚拟现实的煤矿救援机器人远程控制技术[J].煤炭科学技术,2017,45(5):52-57.
ZHANG Xuhui,DONG Runlin,MA Hongwei,et al.Study on remote control technology of mine rescue robot based on virtual reality[J].Coal Science and Technology,2017,45(5):52-57.
[3] 郑学召,赵炬,张铎,等.煤矿救援机器人研究现状及发展趋势[J].工矿自动化,2019,45(9):7-12.
ZHENG Xuezhao,ZHAO Ju,ZHANG Duo,et al.Research status and development trend of coal mine rescue robot[J].Industry and Mine Automation,2019,45(9):7-12.
[4] 吕强,马建业,王国胜,等.基于视觉伺服的小型四旋翼无人机自主飞行控制研究进展[J].科技导报,2016,34(24):68-73.
LYU Qiang,MA Jianye,WANG Guosheng,et al.A review of achievements in small quadrotor autonomous flight control based on visual servoing[J].Science & Technology Review,2016,34(24):68-73.
[5] 蔡刚.基于FOC的四旋翼无人机电机驱动系统设计与实现[D].西安：长安大学,2016.
CAI Gang.Design and realization of the motor drive system in quadrotor unmanned aerial vehicle based on FOC[D].Xi'an:Chang'an University,2016.
[6] 何帅,裴信彪,宫勋,等.多旋翼无人机直流电机驱动系统优化[J].电子技术应用,2016,42(9):2-5.
HE Shuai,PEI Xinbiao,GONG Xun,et al.Optimize driving system of direct current motor for multiple rotor unmanned aerial vehicle[J].Application of Electronic Technique,2016,42(9):2-5.
[7] 庄乾成,杜豫平.无位置传感器直流无刷电机控制的研究[J].制造业自动化,2011,33(16):98-101.
ZHUANG Qiancheng,DU Yuping.The research of sensorless brushless DC motor control[J].Manufacturing Automation,2011,33(16):98-101.
[8] 郭伟,郁雯雯,夏友亮,等.无刷直流电机转速控制策略仿真研究[J].计算机仿真,2015,32(9):372-376.
GUO Wei,YU Wenwen,XIA Youliang,et al.Simulation of speed control strategy for brushless DC motor[J].Computer Simulation,2015,32(9): 372-376.
[9] 戴月领,刘莉,张晓辉.燃料电池无人机动力系统半实物仿真研究[J].北京航空航天大学学报，2020,46(2):439-446.
DAI Yueling,LIU Li,ZHANG Xiaohui.Hardware-in-the-loop simulation of fuel cell UAV power system[J].Journal of Beijing University of Aeronautics and Astronautics，2020,46(2):439-446.
[10] 张晓辉,刘莉,戴月领,等.燃料电池无人机动力系统方案设计与试验[J].航空学报,2018,39(8):162-171.
ZHANG Xiaohui,LIU Li,DAI Yueling,et al.Design and test of propulsion system for fuel cell powered UAVs[J].Acta Aeronautica et Astronautica Sinica,2018,39(8):162-171.
[11] 曹金亮,张春光,陈修强,等.锂聚合物电池的发展、应用及前景[J].电源技术,2014,38(1):168-169.
CAO Jinliang,ZHANG Chunguang,CHEN Xiuqiang,et al.Development,application and prospect of lithium polymer battery[J].Chinese Journal of Power Sources,2014,38(1):168-169.
[12] 王刚,胡峪,宋笔锋,等.电动无人机动力系统优化设计及航时评估[J].航空动力学报,2015,30(8):1834-1840.
WANG Gang,HU Yu,SONG Bifeng,et al.Optimal design and endurance estimation of propulsion system for electric-powered unmanned aerial vehicle[J].Journal of Aerospace Power,2015,30(8):1834-1840.
[13] 陈军,杨树兴,莫雳.电动无人机动力系统建模与实验[J].航空动力学报,2009,24(6):1339-1344.
CHEN Jun,YANG Shuxing,MO Li.Modeling and experimental analysis of UAV electric propulsion system[J].Journal of Aerospace Power,2009,24(6):1339-1344.
[14] 张航,宋笔锋,王海峰,等.电动固旋翼无人机动力系统建模与优化设计[J].航空动力学报,2019,34(6):1311-1321.
ZHANG Hang,SONG Bifeng,WANG Haifeng,et al.Modeling and optimal design of power system for electric fixed-wing quadrotor hybrid unmanned aerial vehicle[J].Journal of Aerospace Power,2019,34(6):1311-1321.
[15] 林列书.船载无人机惯性导航电子系统信息实时融合方法[J].舰船科学技术,2018,40(20):52-54.
LIN Lieshu.Information real-time fusion method for ship borne UAV inertial navigation electronic system[J].Ship Science and Technology,2018,40(20):52-54.
[16] 吴显亮,石宗英,钟宜生.无人机视觉导航研究综述[J].系统仿真学报,2010,22(增刊1):62-65.
WU Xianliang,SHI Zongying,ZHONG Yisheng.An overview of vision-based UAV navigation[J].Journal of System Simulation,2010,22(S1):62-65.
[17] MUSTAFAH Y M,AZMAN A W,AKBAR F.Indoor UAV positioning using stereo vision sensor[J].Procedia Engineering,2012,41:575-579.
[18] WEISS S,ACHTELIK M,KNEIP L,et al.Intuitive 3D maps for MAV terrain exploration and obstacle avoidance[J].Journal of Intelligent & Robotic Systems,2011,61(1/2/3/4):473-493.
[19] ZHAO Shiyu,LIN Feng,PENG Kemao,et al.Vision-aided estimation of attitude,velocity,and inertial measurement bias for UAV stabilization[J].Journal of Intelligent & Robotic Systems,2016,81(3/4):531-549.
[20] 刁灿,王英勋,王金提,等.辅助自动着陆技术[J].系统仿真学报,2008,20(增刊1):495-498.
DIAO Can,WANG Yingxun,WANG Jinti,et al.Computer vision assisted autonomous landing of UAV[J].Journal of System Simulation,2008,20(S1):495-498.
[21] 潘翔,马德强,吴贻军,等.基于视觉着陆的无人机俯仰角与高度估计[J].浙江大学学报(工学版),2009,43(4):692-696.
PAN Xiang,MA Deqiang,WU Yijun,et al.Estimating pitch attitude and altitude of unmanned aerial vehicle vision-based landing[J].Journal of Zhejiang University(Engineering Science),2009,43(4):692-696.
[22] 侯永宏,刘艳,吕华龙,等.一种基于双目视觉的无人机自主导航系统[J].天津大学学报(自然科学与工程技术版),2019,52(12):1262-1269.
HOU Yonghong,LIU Yan,LYU Hualong,et al.An autonomous navigation systems of UAVs based on binocular vision[J].Journal of Tianjin University(Science and Technology),2019,52(12):1262-1269.
[23] 胡海兵,汪国庆,赖重远,等.四旋翼无人机自主避障系统的设计与实现[J].现代电子技术,2018,41(22):133-137.
HU Haibing,WANG Guoqing,LAI Zhongyuan,et al.Design and implementation of autonomous obstacle avoidance system for quadrotor UAV[J].Modern Electronics Technique,2018,41(22):133-137.
[24] 万富华.基于多传感器的无人机定位和避障技术研究[D].杭州：浙江工业大学,2017.
WAN Fuhua.Research on multi-sensor based UAV obstacle avoidance technique[D].Hangzhou:Zhejiang University of Technology,2017.
[25] 张博翰,蔡志浩,王英勋.电动VTOL飞行器双目立体视觉导航方法[J].北京航空航天大学学报,2011,37(7):882-887.
ZHANG Bohan,CAI Zhihao,WANG Yingxun.Binocular stereo vision navigation for electric VTOL aircraft[J].Journal of Beijing University of Aeronautics and Astronautics,2011,37(7):882-887.
[26] 张倩倩,裴海龙.嵌入式平台下双路图像的采集与传输[J].电视技术,2013，37(5):60-63.
ZHANG Qianqian,PEI Hailong.Dual images acquisition and transmission based on embedded platform[J].Video Engineering,2013,37(5):60-63.
[27] 王瑜,芶志平.基于小型无人机飞行试验的数据采集器[J].压电与声光,2017,39(2):216-219.
WANG Yu,GOU Zhiping.Data collector based on aviation test of diminutive unpiloted plane[J].Piezoelectrics & Acoustooptics,2017,39(2):216-219.
[28] MERINO L,WIKLUND J,CABALLERO F,et al.Vision-based multi-UAV position estimation-localization based on blob features for exploration missions[J].IEEE Robotics and Automation Magazine,2006,13(3):53-62.
[29] 张昆,张铁民,廖贻泳,等.基于LabView的无人机飞行状态实时监测评估系统设计[J].农业工程学报,2016,32(18):183-189.
ZHANG Kun,ZHANG Tiemin,LIAO Yiyong,et al.UAV flight status real-time monitoring evaluation system based on LabView[J].Transactions of the Chinese Society of Agricultural Engineering,2016,32(18):183-189.
[30] 黄磊,李晓鹏,黄敏,等.面向无人机数据回传的压缩采样技术:机会与挑战[J].深圳大学学报(理工版),2019,36(5):473-481.
HUANG Lei,LI Xiaopeng,HUANG Min,et al.Compressed sampling technologies for UAV data backhaul:opportunities and challenges[J].Journal of Shenzhen University(Science and Engineering),2019,36(5):473-481.
[31] 李世宝,潘荔霞,张文斌,等.基于无人机的移动通信实验平台设计[J].实验室研究与探索,2017,36(11):68-71.
LI Shibao,PAN Lixia,ZHANG Wenbin,et al.Design of mobile communication experimental platform based on UAVs[J].Research and Exploration in Laboratory,2017,36(11):68-71.
[32] 赖剑强.无人机超短波通信系统设计与实现[J].通信技术,2019,52(5):1142-1149.
LAI Jianqiang.Design and implementation of UAV ultra-short wave communication system[J].Communications Technology,2019,52(5):1142-1149.
[33] 雷立动,裴海龙.基于无线数传模块的无人机通信系统设计[J].计算机测量与控制,2012,20(2):460-463.
LEI Lidong,PEI Hailong.Design of UAV communication system based on wireless data transmission module[J].Computer Measurement & Control,2012,20(2):460-463.
[34] 解成超,张皓琳,张捷,等.一种无人机双模宽带测控链路设计[J].电讯技术,2020,60(6):646-650.
XIE Chengchao,ZHANG Haolin,ZHANG Jie,et al.Design of a dual-mode wideband TT&C link for UAVs[J].Telecommunication Engineering,2020,60(6):646-650.
[35] 杨维,单春艳,刘俊波.面向监控的井下无人机集群系统与关键技术[J].工矿自动化,2019,45(4):6-12.
YANG Wei,SHAN Chunyan,LIU Junbo.Underground unmanned aerial vehicles cluster system for monitoring and its key technologies[J].Industry and Mine Automation,2019,45(4):6-12.