EN
Elektromagnetické výzvy pro detekci UAV v dolech
Rušení od povrchu, vícenásobné odrazy (multipath) a účinky teplotní inverze
Těžební lokality vytvářejí pro detekci UAV jedinečně nepřátelské elektromagnetické prostředí. Tři vzájemně propojené jevy – rušení od povrchu, vícenásobné odrazy (multipath) a teplotní inverze – systematicky zhoršují výkon radaru:
- Rušení od povrchu husté koncentrace statického a pohyblivého vybavení – rypadla, nákladní vozidla, drtiče – spolu s nepravidelným reliéfem způsobují trvalé, dynamické radarové odrazy, které zakrývají signály bezpilotních letadel s nízkým radarovým průřezem (RCS).
- Vícenásobné odrazy signálu (multipath distortion) radarové signály se odrážejí od strmých, svislých stěn důlních výrubů a jám, čímž vznikají falešné ozvěny, jež se jeví jako duplicitní cíle v azimutální i elevační rovině – to znepřehledňuje sledování a klasifikaci.
- Teplotní inversion v šachtách a hlubokých jámách teplotní gradienty lomí rádiové vlny směrem od radarových senzorů. Studie dokumentovaly až 50% útlum signálu ve hlubkách přesahujících 200 metrů.
Tyto účinky se zvyšují během bouří s prachem nebo srážek, čímž se efektivní detekční vzdálenosti snižují o 30–60 % oproti referenčním hodnotám pro otevřený terén.
Signály bezpilotních letadel s nízkým radarovým průřezem (RCS) a pomalým pohybem na pozadí hluku těžkého strojního vybavení
Moderní mikro-BLA (bezpilotní letadla) zvyšují detekční výzvy v aktivních dolech díky fyzické i spektrální skrytnosti:
- Jejich radarové účinné průřezy (RCS) často klesají pod 0,01 m² — což je srovnatelné s ptáky — zatímco u těžkých nákladních vozidel přesahují 100 m², čímž vzniká rozdíl ve velikosti odrazu o 4–5 řádů.
- Cestovní rychlosti pod 15 m/s se překrývají s pohybem dopravního pásu a cykly kývání rypadla, čímž se rozostřují kinematické rozdíly. Mechanické vibrace navíc generují harmonické rušení, které nelze odlišit od mikro-Dopplerových signálů pomalu se pohybujících UAV.
- Vysokovýkonové RF vyzařování od draglinů, vrtních strojů a drtičů zaplňuje kritické pásmo FMCW radarů, a proto je vyžadována zpracovatelská technika schopná rozlišit mikro-Dopplerovy posuny menší než 5 Hz.
Bez specializovaného potlačení clutru a adaptivního nastavení prahu klesá pravděpodobnost detekce dronů pohybujících se do vzdálenosti 500 metrů od aktivního zařízení pod 40 %.
Přizpůsobení radarové technologie pro spolehlivou detekci UAV
Vylepšení pulzně-Dopplerových a FMCW radarů pro podmínky specifické pro těžební provozy
Aby byly překonány rušivé vlivy specifické pro těžební průmysl, moderní radary kombinují architekturu zohledňující fyzikální principy s provozem v několika pásmech:
Radarový systém Pulse-Doppler funguje tím, že signály řadí do různých Dopplerových přihrádek podle rychlosti, čímž pomáhá potlačit šum od nepohyblivých objektů a pomalu se pohybujícího zařízení, zatímco signály bezpilotních letounů (UAV) zůstávají nedotčené. FMCW radar zde přidává další vrstvu funkčnosti a nabízí velmi přesná měření vzdálenosti, která umožňují detekci malých mikro-UAV i v případě, že jejich radarový účinný průřez klesne na přibližně 0,01 m². Kombinace těchto technologií napříč více frekvenčními pásmy přináší zajímavé výsledky. Použití frekvencí v pásmu L/S zajišťuje lepší výkon v prašných prostředích a za vlhkých podmínek, zatímco pásmo X poskytuje vysokou přesnost sledování. Tato kombinace dosahuje úspěšnosti přibližně 93 % při detekci dronů ve výšce pod 50 metrů v blízkosti dopravníků a jám v těžebních provozech, kde je viditelnost obtížná. A ještě jedna věc stojí za zmínku – pokročilé zpracování signálů skutečně řeší problémy s duplikací cílů způsobenou odrazy signálů od stěn důlních chodeb a jiných konstrukcí.
AI-optimalizované zpracování CFAR ke potlačení falešných poplachů z harmonických kmitočtů dopravníků a vysokých břehů
Tradiční algoritmy CFAR prostě nefungují dobře v těžebním prostředí kvůli všem těm opakujícím se harmonickým kmitočtům s vysokou amplitudou, které vznikají například u drtičů, dopravníků a bagrů. To způsobuje množství falešných spuštění, která znemožňují spolehlivé detekování skutečných signálů UAV. Nový přístup s AI-založeným CFAR nahrazuje pevná nastavení prahových hodnot modely strojového učení natrénovanými na základě skutečných dat ze spekter těžebního zařízení. Tento přístup je odlišný tím, že tyto modely dokážou rozlišit neobvyklé pohybové vzory UAV od pravidelných cyklů okolního strojního vybavení. Navíc se samy přizpůsobují podmínkám konkrétní lokality, včetně faktorů jako tvar vysokých břehů a elektromagnetické rušení od pásnic poháněných řemeny.
Polní zkoušky potvrdily snížení počtu falešných poplachů o 41 % ve srovnání s konvenčním algoritmem CFAR, přičemž výkon zůstal zachován i během písečných bouří, kdy optické a RF-založené alternativy selhávají.
Výkonnost detekce UAV v reálném prostředí a její ověření
Nasazení u společnosti Rio Tinto v regionu Pilbara: míra detekce 92 % ve vzdálenosti 1,2 km za podmínek písku a inverze
Radarové systémy nasazené v regionu Pilbara ve státě Západní Austrálie dokázaly detekovat mikro-UAV s přesností přibližně 92 % i při vzdálenosti až 1,2 kilometru. Tato oblast představuje vážné výzvy způsobené neustále přítomným prachem z železné rudy ve vzduchu, teplotními inverzemi a průběžnou průmyslovou činností po celý den. Proč tyto systémy fungují tak dobře? Využívají pokročilé technologie Dopplerova jevu v několika frekvenčních pásmech, aby odlišily ty malé, pomalu se pohybující cíle od pozadí tvořeného šumem způsobeným částicemi prachu a změnami v šíření rádiových vln v atmosféře. Testy ukazují, že tento dvoupásmový přístup skutečně obstojí při důkladné kontrole v tom, co mnozí považují za nejnáročnější elektromagnetické prostředí pro těžební provozy kdekoli na světě.
Zkušební provoz Anglo American v roce 2023: snížení počtu falešných poplachů o 41 % pomocí adaptivního prahu
V roce 2023 společnost Anglo American provedla test, který zkoumal, jak ovlivňuje provoz na jednom z jejích velkých těžebních ložisek minerálů adaptivní prahování založené na umělé inteligenci. Výsledky ukázaly, že tento systém snížil počet falešných poplachů přibližně o 41 procent ve srovnání s tradičními radary s pevným prahem. Zvláště dobře se osvědčil při potlačování obtěžujících signálů pocházejících z dopravních pásů a neobvyklých odrazů od vysokých svahů (highwalls). Celý systém funguje díky tomu, že neustále aktualizuje své mapy rušení v reálném čase na základě toho, co stroje dělají, a co radar zachytí. To znamená, že systém zůstává přesný při rozlišování skutečných hrozeb od pozadí bez nutnosti manuálního nastavování parametrů. Je to docela impresivní, protože veškeré vybavení je během různých směn přesouváno a pracovní plány se mění.
Často kladené otázky
Co je pozemní rušení v kontextu detekce UAV v dolech?
Pozemní rušení odkazuje na radarové rušení způsobené hustými koncentracemi jak statického, tak pohyblivého těžebního vybavení, stejně jako nepravidelným terénem, které může zakrýt signály dronů s nízkým radarovým průřezem (RCS).
Jak ovlivňuje detekci UAV teplotní inverze?
Teplotní inverze v dolech způsobuje teplotní gradienty, které lomí rádiové vlny směrem od radarových senzorů, čímž vzniká výrazné útlumení signálu a detekce UAV se stává obtížnější.
Proč je detekce moderních mikro-UAV v dolech obtížná?
Moderní mikro-UAV mají nízký radarový průřez srovnatelný s ptáky a pohybují se rychlostí podobnou rychlosti těžebních operací, což je činí obtížně rozlišitelnými od okolního šumu a vibrací strojů.
Jak zlepšuje detekci UAV v těžebním prostředí umělá inteligence optimalizující CFAR?
CFAR optimalizovaný umělou inteligencí nahrazuje pevná nastavení prahových hodnot modely strojového učení, které se přizpůsobují skutečným datům a podmínkám prostředí, čímž výrazně snižuje počet falešných poplachů a zvyšuje přesnost detekce UAV.