EN
Електромагнитни предизвикателства за откриване на БПЛА в мини
Земен шум, мултипътен дисторшън и ефект от топлинна инверсия
Минните обекти създават уникално враждебна електромагнитна среда за откриване на БПЛА. Три взаимосвързани явления — земен шум, мултипътен дисторшън и топлинна инверсия — системно намаляват радарната производителност:
- Земен шум плътни концентрации от неподвижно и подвижно оборудване — екскаватори, товарни камиони, дробилки — в комбинация с неравен релеф пораждат устойчиви, динамични радарни отражения, които маскират сигнатури на дронове с ниска радарна видимост (Low-RCS).
- Мултипатна деформация радарните сигнали се отразяват от стръмни, вертикални високи стени и стените на кариерите, създавайки фалшиви еха, които изглеждат като дублирани цели в азимуталната и височинната равнина — това затруднява проследяването и класификацията.
- Топлинна инверсия в шахти и дълбоки кариери температурните градиенти пречупват радиовълните далеч от радарните сензори. Проучвания са документирали до 50 % ослабване на сигнала на дълбочини над 200 метра.
Тези ефекти се засилват по време на пясъчни бури или валежи, намалявайки ефективния обхват на откриване с 30–60 % спрямо базовите стойности за открити терени.
Сигнатури на дронове с ниска радарна видимост (Low-RCS) и бавно движение сред шума от тежко оборудване
Съвременните микро-БПЛА усилват предизвикателствата при откриване в активни мини чрез физическа и спектрална скритност:
- Радарните им ефективни сечения (RCS) често са под 0,01 m² — сравними с тези на птици — докато тежките товарни превозни средства надхвърлят 100 m², което води до разлика в интензитета на отразените сигнали с 4–5 порядъка.
- Кръжещите скорости под 15 m/s се припокриват с движението на транспортните ленти и циклите на люлеещото се движение на ковшовете, което заличава кинематичните различия. Механичните вибрации допълнително пораждат хармонично смущение, неразличимо от микродоплеровите сигнатури на бавно движещи се БПЛА.
- Мощните радиочестотни (RF) излъчвания от драглайни, бурилни машини и дробилки наситяват критичните диапазони на ФМЧ-радарите (FMCW), което изисква обработка на сигнала, способна да разреши микродоплерови смествания под 5 Hz.
Без специализирани методи за отстраняване на клъстър и адаптивно задаване на прагове вероятността за откриване спада под 40 % за БПЛА, които летят на разстояние по-малко от 500 метра от активно оборудване.
Адаптации на радарната технология за надеждно откриване на БПЛА
Подобрения на импулсно-доплеровите и ФМЧ-радарите (FMCW) за условията в мините
За преодоляване на помехите, специфични за минното дело, съвременните радарни системи комбинират архитектура, ориентирана към физиката, с работа в многолентов режим:
Радарната система с импулсно-доплерово измерване работи, като подрежда сигналите в различни доплерови клетки според скоростта, което помага за филтриране на шума от неподвижни обекти и бавно движещи се оборудвания, без да се засяга сигнала от БПЛА. Радарът с непрекъснато модулирана честота (FMCW) добавя още един слой възможности, като осигурява изключително точни разстояния, което прави възможно откриването на микробезпилотни летателни апарати дори когато техният радарен ефективен напречен разрез е намалил до около 0,01 квадратни метра. Когато тези технологии се комбинират в няколко честотни диапазона, нещата стават по-интересни. Използването на честоти от L/S-диапазона осигурява по-добра производителност в прашни среди и при влажни условия, докато X-диапазонът предоставя висока точност при проследяване. Тази комбинация постига около 93 % успех при откриване на дронове на височина под 50 метра в близост до конвейерите и ямите в минни райони, където видимостта е ограничена. Има още един момент, който заслужава внимание: напредналата обработка на сигнали всъщност коригира проблемите, при които целите изглеждат удвоени поради отражения, отскачащи от минните стени и други конструкции.
AI-оптимизирана CFAR-обработка за потискане на фалшиви тревоги от хармониците на конвейерите и високите скали
Традиционните CFAR-алгоритми просто не работят добре в миньорската среда поради всички тези повтарящи се хармоници с висока амплитуда, които се генерират от оборудване като дробилки, конвейери и драглайни. Това води до множество фалшиви активации, които затрудняват откриването на истинските сигнали от БПЛА. Новият подход с AI-подобрена CFAR заменя фиксираните прагови стойности с машинни модели за обучение, които са били обучени въз основа на реални данни от спектрите на миньорското оборудване. Това, което прави този подход различен, е способността на моделите да разграничават необичайните модели на движение на БПЛА от редовните цикли на заобикалящото ги оборудване. Освен това те се адаптират автоматично според конкретните условия на всяко място, включително фактори като формата на високите скали и електромагнитните смущения от предавките на лентовите конвейери.
Полевите изпитания потвърдиха намаляване с 41 % на лъжливите аларми спрямо конвенционалния CFAR, като производителността се запазва и по време на пясъчни бури, когато оптичните и радиочестотните алтернативи не функционират.
Производителност и валидация на откриването на БПЛА в реални условия
Внедряване от Rio Tinto в Пилбара: 92 % процент откриване на разстояние от 1,2 км при пясъчни бури и инверсия
Радарните системи, разположени в пилбарския регион на Западна Австралия, успяха да регистрират микро-БПЛА с точност от около 92 % дори когато те летят на разстояние до 1,2 километра. Този район представлява сериозни предизвикателства поради постоянното присъствие на желязна руда във въздуха, топлинни инверсии и непрекъсната промишлена дейност през цялото денонощие. Какво прави тези системи толкова ефективни? Те използват напреднала Доплерова технология в множество спектри, за да отделят тези миниатюрни и бавно движещи се цели от фона на шумовете, причинени от частиците прах и от промените в начина, по който радиовълните се разпространяват в атмосферата. Изпитанията показват, че този двуобхватен подход наистина издържа на строгата проверка в онова, което мнозина считат за най-трудната електромагнитна среда за минни операции в целия свят.
Изпитание на Anglo American през 2023 г.: намаляване на лъжливите аларми с 41 % чрез адаптивно задаване на прагови стойности
През 2023 г. Anglo American провела тест, целящ да изследва как адаптивното прагово задаване, базирано на изкуствен интелект, влияе върху операциите на един от големите им обекти за добив на минерали. Резултатите показаха, че тази система намалила фалшивите тревоги с около 41 процента спрямо традиционните радари с фиксирани прагове. Тя се оказа особено ефективна при потискане на досадните сигнали, идващи от конвейерните ленти, както и на необичайните отражения от високите скални стени. Цялата система функционира, защото непрекъснато актуализира своите карти на „шум“ в реално време, като взема предвид какво правят машините и какви сигнали улавя радарът. Това означава, че системата запазва висока точност при разграничаването на истинските заплахи от фоновия шум, без да се налага ръчна настройка от страна на операторите. Доста впечатляващо, тъй като цялото оборудване се премества постоянно, а работните графици се променят в различните смени.
Често задавани въпроси
Какво представлява наземният шум в контекста на откриване на БПЛА в мините?
Земните смущения се отнасят до радарните разсейвания, причинени от гъсти концентрации както на неподвижно, така и на подвижно минно оборудване, както и от неравномерния релеф, които могат да маскират сигнатурите с ниско радарно сечение (RCS) на дроновете.
Как термичната инверсия влияе върху откриването на БПЛА?
Термичната инверсия в мините предизвиква температурни градиенти, които пречупват радиовълните далеч от радарните сензори, водейки до значително ослабване на сигнала и затруднявайки откриването на БПЛА.
Защо съвременните микро-БПЛА са трудни за откриване в мините?
Съвременните микро-БПЛА имат ниско радарно сечение, сравнимо с това на птиците, и се движат със скорости, подобни на тези при минните операции, което ги прави трудни за диференциране от околния шум и вибрациите на машините.
Как оптимизираният с изкуствен интелект алгоритъм CFAR подобрява откриването на БПЛА в минни среди?
AI-оптимизираната CFAR заменя настройките с фиксиран праг с машинни модели за учене, които се адаптират към реални данни и условия на околната среда, значително намалявайки броя на фалшивите тревоги и подобрявайки точността на откриването на БПЛА.