摘要: 为解决煤矿井下掘进工作面经常发生设备伤人或设备碰撞事故的问题，采用多技术融合的方式，将UWB高精度测距技术、红外热成像技术和图像识别技术相结合，对防碰撞系统进行了研究。UWB测距系统的误差主要来源于无线信号的干扰，导致标识卡坐标抖动或大幅度漂移，采用离散数据分析算法，结合井下设备的最大运行速度约为5 m/s，井下人员移动的最大速度约为2 m/s，设定标识卡的最大移动速度为7 m/s，最大加速度为5 m/s2，对初始离散值进行过滤，降低离散值引起的测距误差，同时，采用成熟的非视距测距误差补偿算法降低遮挡带来的测距误差影响。为降低系统误报率，采用通信频率自适应算法，根据标识卡与读卡器之间距离大小、标识卡移动速度以及移动方向，实时调整2者之间的通信频率，以此重点监测近距离、高速靠近的人员，保证系统报警的及时性。对于红外热成像目标识别系统，采用人工智能的YOLOv3深度学习算法，通过大量的井下人员活动视频素材进行训练，提升系统目标识别率，同时，采用预警判别标线法在图像中直接标注报警线和停机线，与人员脚部特征进行比较，降低红外热成像目标轮廓模糊和个体身高体型差异所造成的影响，提高系统报警准确率。结果表明：该系统在40 m内的最大测距误差为±0.15 m;通信频率自适应算法可以实时调整标识卡与读卡器之间的通信频率，距离越近，通信频率越快，距离越远，通信频率越低，近距离时通信频率最高可达10 Hz，远距离时通信频率最低为1 Hz，实际通信频率与理论通信频率的偏差比小于12%;离散数据分析算法对抗信号干扰、抑制标识卡大幅度漂移有非常明显的效果;采用预警判别标线法的红外热成像目标识别系统，在50次的边缘测试中，无误报发生。该系统主动安全防护效果明显，具备设备主动避害、人员闯入报警、设备之间接近报警、双向报警、启动检测预警、特殊人员管理、速度补偿、视频存储等功能，同时，红外热成像仪可在高粉尘环境下清晰成像，辅助司机安全操作。为提高该系统的广泛适应性，今后需在提高热成像仪的分辨率、水平视场角、防尘防水性能等方面作进一步的研究。