EN
Қазбаларда БПЛА-ны анықтауға әсер ететін электромагниттік қиындықтар
Жердегі кедергілер, көпжолды бұ distortion және термиялық инверсия әсерлері
БПЛА-ны анықтау үшін қазба орындары әсіресе қолайсыз электромагниттік орта құрады. Үш өзара байланысты құбылыс — жердегі кедергілер, көпжолды бұрмалау және термиялық инверсия — радардың жұмысын жүйелі түрде нашарлатады:
- Жердегі кедергілер статикалық және қозғалыстағы жабдықтардың — экскаваторлардың, көліктердің, бұзуыштардың — тығыз шоғырлануы мен кездейсоқ рельеф дрондардың төмен RCS-сигналдарын жасыратын тұрақты, динамикалық радиолокациялық қайтарылуларды туғызады.
- Көпжолдық бұрмалау радиолокациялық сигналдар тік, салыстырмалы түрде биік қабырғалар мен шахтаның қабырғаларынан шағылады, олар азимут пен биіктік жазықтықтары бойынша қосарланған мақсаттар ретінде көрінетін жалған эхоларды тудырады — бұл мақсаттарды іздеу мен классификациялауды қиындатады.
- Жылу инверсиясы құдықтар мен терең шахталарда температураның градиенті радиотолқындарды радиолокациялық сенсорлардан алыстауға әкеледі. Зерттеулер 200 метрден астам тереңдікте сигналдың 50%-ға дейін әлсіреуін құжаттаған.
Бұл әсерлер тозаңды дауылдар немесе жаңбыр кезінде күшейеді, нәтижесінде ашық жерлерге қарағанда тиімді анықтау қашықтығы 30–60% азаяды.
Төмен RCS-пен сипатталатын және ауыр техниканың шуы фонда баяу қозғалатын ЖАУ-сигналдары
Қазіргі заманғы микродрондар физикалық және спектрлік тығыздалу арқылы белсенді шахталарда анықтау қиындықтарын күшейтеді:
- Олардың радиолокациялық көріну аудандары (RCS) жиі 0,01 м²-ден төмен болады — бұл құстармен салыстырылады, ал ауыр тасымалдаушылар 100 м²-ден асады, ол қайтарылған сигнал күшінде 4–5 реттік дәрежедегі айырма туғызады.
- 15 м/с-тен төменгі ұшу жылдамдықтары конвейерлік лентаның қозғалысы мен шелектің айналу циклымен қабаттасады, ол кинематикалық айырымдарды бұрады. Механикалық тербелістер әрі қарай баяу қозғалатын ББҚ-ның микроДоплер белгілерінен ажыратылмайтын гармоникалық кедергілерді туғызады.
- Экскаватор-драглайндерден, қазбалық қондырғылардан және бұзғыштардан шығатын жоғары қуатты РЧ-сигналдары маңызды ФМКЖ-жолақтарын қанықтырады, ол 5 Гц-тен төменгі микроДоплер ығысуын анықтауға қабілетті сигналды өңдеуді талап етеді.
Арнайы шу басу және адаптивті порогтық өңдеу қолданбасаңыз, белсенді жабдықтан 500 метр ішінде ұшатын дрондарды анықтау ықтималдығы 40%-дан төмендейді.
Сенімді ББҚ анықтау үшін радарлық технологиялардың адаптациясы
Тағырғы жағдайларға арналған импульсті-Доплер және ФМКЖ радарларының жақсартылуы
Минералдық шығаруға тән кедергілерді жеңу үшін қазіргі заманғы радиолокациялық жүйелер физикалық негізделген архитектураны көпжолақты жұмыс істеумен ұштастырады:
Пульс-Доплерлік радар жүйесі сигналдарды жылдамдыққа қарай әртүрлі Доплер лақтарына сұрыптау арқылы жұмыс істейді, бұл қозғалмайтын объектілер мен баяу қозғалатын жабдықтардан шуылды сүзуге, ал БАЖ сигналдарын сақтауға көмектеседі. FMCW-радар бұл жерде қашықтықты өте дәл өлшеуге мүмкіндік беретін тағы бір қабат қабілет қосады, ол радарлық көлденең қимасы шамамен 0,01 шаршы метрге дейін төмен болған кезде де өте кішкентай микробағдарламалы автономды ұшақтарды (микро-БАЖ) анықтауға мүмкіндік береді. Бұл технологияларды бірнеше жиілік диапазондары бойынша біріктіргенде, қызығушылық туғызады. L/S-диапазонындағы жиіліктер тозаңды орталар мен ылғалды жағдайларда жақсырақ жұмыс істеуге мүмкіндік береді, ал X-диапазоны нақты іздеу деталдарын қамтамасыз етеді. Бұл комбинация қазандық конвейерлері мен шахта аймақтарында, мұнда көрініс қиын болған кезде, 50 метрден төмен биіктікте ұшатын дрондарды анықтауда шамамен 93% сәттілік көрсеткішін қамтамасыз етеді. Сонымен қатар, тағы бір маңызды нәрсе – күрделі сигналды өңдеу әдістері шахтаның қабырғалары мен басқа құрылыстардан шағылысқан сигналдар салдарынан пайда болатын мақсаттардың қайталануы сияқты проблемаларды шешеді.
Конвейерлік гармоникалар мен биік қабырғалардан туындайтын жалған тревогаларды басу үшін ИИ-оптимизацияланған CFAR өңдеу
Дәстүрлі CFAR алгоритмдері тау-кен орындарында қолданылғанда жақсы жұмыс істемейді, себебі олардың құрамына қырғыштар, конвейерлер және тартқыш машиналар сияқты құрылғылардан келетін көптеген қайталанатын жоғары амплитудалы гармоникалар кіреді. Бұл нақты ҰАЖ сигналдарын анықтауды қиындататын көптеген жалған белгілерге әкеледі. Жаңа тәсіл — ИИ күшейтілген CFAR — тау-кен құрылғыларының спектрлері бойынша нақты әлемдегі деректерді пайдаланып оқытылған машиналық оқыту моделдерімен тұрақты порогтық орнатуларды ауыстырады. Бұл моделдердің ерекшелігі — олар ұшақтың қозғалыс үлгілерін қоршаған құрылғылардың реттелген циклдарынан ажырату қабілетінде. Сонымен қатар олар биік қабырғалардың пішіні мен ленталық жетекпен туындайтын электромагниттік кедергі сияқты факторларды қоса алғанда, әрбір нақты орында болып жатқан жағдайларға өздерін бейімдейді.
Салаалық сынақтар қателікпен анықталған сигналдардың дәстүрлі CFAR-ға қарағанда 41%-ға азайғанын растады, ал оптикалық және радиожиіліктік әдістерге негізделген басқа шешімдер қолданылмайтын тозаңды дауыл кезінде өнімнің өзіндік сапасы сақталды.
Нақты әлемдегі ұшақтың (UAV) анықталуының сапасы мен расталуы
Rio Tinto Пилбара орнатылуы: тозаң мен инверсия жағдайында 1,2 км қашықтықта 92% анықталу деңгейі
WA штатының Пилбара аймағында орнатылған радиолокациялық жүйелер 1,2 километр қашықтықта ұшқан кезде де микроЖАУ-ды шамамен 92 пайыздық дәлдікпен анықтай алды. Бұл аймақта ауада тұрақты темір кентінің тозаңы, жылу инверсиялары және тәулік бойы жүретін өндірістік қызмет сияқты қиындықтар бар. Осы жүйелер неге осылай жақсы жұмыс істейді? Олар радиотолқындардың атмосферада таралуындағы өзгерістер мен тозаң бөлшектерінің туғызатын фондық шуға қарамастан, осындай кішкентай, баяу қозғалатын мақсаттарды анықтау үшін көптеген спектрлер бойынша алғысқа лайықты Допплер технологиясын қолданады. Сынақ нәтижелері көрсеткендей, бұл екі жиілікті диапазонды тәсіл көптеген мамандардың Жер бойынша кен қазу операциялары үшін ең қиын электромагниттік орта деп есептеген жағдайларда да тиімділігін дәлелдейді.
Anglo American 2023 жылғы сынағы: адаптивті порогтық әдіс арқылы жалған тревогалардың 41 пайызына дейін азайту
2023 жылы Anglo American компаниясы өзінің ірі минералдық шоғырларының бірінде жұмыс істейтін, жасанды интеллект негізіндегі адаптивті порогтық әдістің әсерін зерттеу бойынша сынақ өткізді. Нәтижелер көрсеткендей, бұл жүйе дәстүрлі тұрақты порогтық радиолармен салыстырғанда жалған тревогаларды шамамен 41 пайызға азайтты. Жүйе конвейерлік ленталардан келетін қиыншылық туғызатын сигналдар мен биік қабырғалардан шағылысқан қызығушылық туғызатын шағылысуларды тоқтатуда ерекше тиімді болды. Бұл жүйе жұмыс істейтін машиналардың әрекеті мен радиолардың қабылдағанына сәйкес уақыттың өзінде өзінің шу карталарын тұрақты жаңартып отырады. Сондықтан жүйе нақты қауптарды фондық шудан ажыратуда дәлдігін сақтайды және ешқандай қолмен орнатылған параметрлерді реттеуді қажет етпейді. Барлық жабдықтар әртүрлі сменалар бойынша орын ауыстырып отырады және жұмыс кестелері өзгеріп отырады, сондықтан бұл өте әсерлі жетістік.
Жиі қойылатын сұрақтар
Ұшқышсыз әуе аппараттарын (УАА) кен орындарында анықтау контекстінде жердің шуы деген не?
Жердегі бұрғылау құрылғыларының тығыз жиналуынан, сондай-ақ қозғалмайтын және қозғалатын бұрғылау құрылғылары мен тұрақсыз рельефтен туындайтын радиолокациялық араласу — дрондардың төмен радарлық көлденең қимасы (RCS) белгілерін жасыруы мүмкін.
Жылулық инверсия БАҚ-ты анықтауға қалай әсер етеді?
Кен орындарындағы жылулық инверсия радиотолқындардың радиолокациялық сенсорлардан ауытқуына әкелетін температураның градиенттерін туғызады, нәтижесінде қатты сигналдың әлсіреуі байқалады және БАҚ-ты анықтау қиынға түседі.
Қазіргі заманғы микродрондар кен орындарында неге анықталуы қиын?
Қазіргі заманғы микродрондардың радарлық көлденең қимасы құстардың деңгейінде болады және олар кен қазу операцияларының жылдамдығына ұқсас жылдамдықпен қозғалады, сондықтан оларды қоршаған шу мен машиналардың тербелістерінен айыру қиын.
AI-оптимизацияланған CFAR кен орындарындағы БАҚ-ты анықтауды қалай жақсартады?
AI-оптимизацияланған CFAR тұрақты порогтық параметрлерді нақты әлемдегі деректер мен жағдайларға бейімделетін машиналық оқыту моделдерімен ауыстырады, бұл жалған тревогаларды қатты азайтып, ҰАЖ-ды анықтау дәлдігін арттырады.