Paano gumaganap ang radar para sa pagdetect ng UAV sa mga kapaligiran ng pagmimina?

Mga Hamon sa Elektromagnetiko para sa Pagdetect ng UAV sa Mga Mina

Kalat-kalat na signal mula sa lupa, distorsyon dahil sa multipath, at epekto ng thermal inversion

Ang mga lokasyon ng mina ay lumilikha ng natatanging mapaghamon na kapaligiran sa elektromagnetiko para sa pagdetect ng UAV. Tatlong magkaugnay na pangyayari—ang kalat-kalat na signal mula sa lupa, distorsyon dahil sa multipath, at epekto ng thermal inversion—ay sistematikong binabawasan ang pagganap ng radar:

• Kalat-kalat na signal mula sa lupa mga mataas na konsentrasyon ng istatikong at gumagalaw na kagamitan—mga palanggana, mga trak na panghatid, mga pandurog—kasama ang hindi regular na topograpiya ay nagbubunga ng paulit-ulit at dinamikong mga radar na tugon na nagtatago sa mga signature ng drone na may mababang RCS.
• Multipath distortion ang mga signal ng radar ay sumasalamin sa matutulis at patayong mga pader ng shaft at pader ng quarry, na lumilikha ng mga pekeng echo na lumilitaw bilang mga kopya ng mga target sa buong azimuth at elevation na eroplano—na nagpapalabo sa pagsubaybay at pag-uuri.
• Pang-init na inversion sa mga shaft at malalim na quarry, ang mga gradient ng temperatura ay binabalangkas ang mga radyo na alon palayo sa mga sensor ng radar. Ang mga pag-aaral ay nakadokumento ng hanggang 50% na pagbawas ng signal sa mga lalim na lampas sa 200 metro.

Ang mga epekto na ito ay lumalala habang may bagyo ng alikabok o ulan, na binabawasan ang epektibong saklaw ng deteksiyon ng 30–60% kung ihahambing sa mga batayan sa bukas na terreno.

Mga Signature ng UAV na may Mababang RCS at Mabagal na Galaw sa Gitna ng Ingay ng Malalaking Kagamitan

Ang mga modernong mikro-UAV ay nagpapalala ng mga hamon sa deteksiyon sa mga aktibong minahan sa pamamagitan ng pisikal at espektral na stealth:

• Ang kanilang radar cross-sections (RCS) ay kadalasang nasa ilalim ng 0.01 m²—katumbas ng mga ibon—samantalang ang malalaking sasakyan ay lumalampas sa 100 m², na nagdudulot ng pagkakaiba sa lakas ng return na may sukat na 4–5 order of magnitude.
• Ang mga bilis sa paglalakbay na nasa ilalim ng 15 m/s ay nag-uugnay sa galaw ng conveyor belt at sa mga siklo ng pag-ikot ng shovel, na nagpapalabo sa mga pagkakaiba sa kinematika. Ang mga vibrasyon din sa mekanikal ay lumilikha ng harmonic interference na hindi maibubukod mula sa mga micro-Doppler signature ng mabagal na gumagalaw na UAV.
• Ang mataas na kapangyarihan ng RF emissions mula sa draglines, drills, at crushers ay pumupuno sa mahahalagang FMCW bands, na nangangailangan ng signal processing na kayang mag-resolve ng mga micro-Doppler shift na nasa ilalim ng 5 Hz.

Kung walang espesyalisadong clutter rejection at adaptive thresholding, ang posibilidad ng deteksiyon ay bumababa sa ilalim ng 40% para sa mga drone na gumagana sa loob ng 500 metro mula sa aktibong kagamitan.

Mga Pag-aangkop sa Teknolohiya ng Radar para sa Maaasahang Deteksiyon ng UAV

Mga Pagpapabuti sa Pulse-Doppler at FMCW Radar para sa mga Kondisyong Tiyak sa Minahan

Upang malampasan ang mga pagkakagambala na partikular sa pagmimina, ang mga modernong sistema ng radar ay pinauunlad sa pamamagitan ng pagsasama ng arkitekturang may kaalaman sa pisika at operasyon sa maraming banda:

Ang sistema ng Pulse-Doppler radar ay gumagana sa pamamagitan ng pag-uuri ng mga signal sa iba't ibang Doppler bin batay sa bilis, na tumutulong sa pag-filter ng ingay mula sa mga stationary na bagay at mga kagamitang humihila nang mabagal habang pinapanatili ang mga signal ng UAV. Ang FMCW radar ay nagdaragdag ng isa pang antas ng kakayahan dito, na nag-aalok ng napakahusay na pagsukat ng distansya na ginagawa itong posible na matukoy ang maliliit na micro-UAV kahit na ang kanilang radar cross section ay bumaba sa halos 0.01 metro kuwadrado. Kapag pinagsasama natin ang mga teknolohiyang ito sa iba't ibang frequency band, naging kawili-wili ang resulta. Ang paggamit ng L/S-band frequencies ay nagbibigay ng mas mahusay na pagganap sa mga madumi o nabubuhong kapaligiran, samantalang ang X-band ay nagbibigay ng malinaw na detalye sa pagsubaybay. Ang kombinasyong ito ay nakakamit ng humigit-kumulang 93% na rate ng tagumpay sa paghahanap ng drone sa ilalim ng 50 metrong altitude malapit sa mga conveyor ng minahan at mga pitting area kung saan mahirap ang visibility. At may isa pang bagay na dapat banggitin — ang sopistikadong signal processing ay aktwal na nagreresolba ng mga problema kung saan ang mga target ay lumilitaw na nakaduplicate dahil sa mga reflection na sumasalat sa mga pader ng minahan at iba pang istruktura.

AI-Optimized na Pagsasagawa ng CFAR upang Supilin ang mga Panlilinlang na Alarm mula sa mga Harmoniko ng Conveyor at Mga Mataas na Pader

Ang mga tradisyonal na algorithm ng CFAR ay hindi talaga gumagana nang maayos sa mga kapaligiran ng pagmimina dahil sa maraming paulit-ulit na mataas na amplitude na harmoniko na nagmumula sa mga kagamitan tulad ng crusher, conveyor, at dragline. Nagdudulot ito ng maraming panlilinlang na trigger na nagpapahirap sa pagkakakita ng tunay na mga signal ng UAV. Ang bagong pamamaraan na may AI-enhanced na CFAR ay pinalalitan ang mga nakatakda nang permanente na threshold setting gamit ang mga modelo ng machine learning na sinanay gamit ang tunay na datos mula sa mga spectrum ng kagamitan sa pagmimina. Ang kakaiba nito ay ang kakayahan ng mga modelong ito na magkakaiba ng mga kakaibang pattern ng paggalaw ng UAV mula sa mga regular na siklo ng makinarya sa paligid nito. Bukod dito, awtomatikong ina-adjust nila ang kanilang sarili batay sa nangyayari sa bawat tiyak na lokasyon, kasama ang mga kadahilanan tulad ng hugis ng mga mataas na pader at electromagnetic interference mula sa mga belt drive.

Ang mga pampatay na pagsubok sa field ay kumpirmadong may 41% na pagbaba sa mga pekeng alarm kumpara sa karaniwang CFAR, na may panatag na pagganap kahit sa panahon ng mga bagyo ng alikabok kung saan nabigo ang mga alternatibong batay sa optical at RF.

Pagganap at Pagpapatunay ng Deteksiyon ng UAV sa Tunay na Mundo

Pag-deploy sa Pilbara ng Rio Tinto: 92% na rate ng deteksiyon sa ¤1.2 km sa ilalim ng kondisyon ng alikabok at inversion

Ang mga sistemang radar na inilagay sa rehiyon ng Pilbara sa Western Australia ay nakapag-detect ng mga micro-UAV na may kahalos 92 porsyento na katiyakan kahit kapag nasa layong 1.2 kilometro pa sila. Ang lugar na ito ay nagdudulot ng malubhang hamon dahil sa tuloy-tuloy na alikabok ng iron ore sa hangin, thermal inversions, at industriyal na gawain na umaandar araw at gabi. Ano ang nagpapagana ng mabuti sa mga sistemang ito? Gumagamit sila ng mataas na antas ng Doppler technology sa maraming spectrum upang matukoy ang mga maliit at mabagal na gumagalaw na target sa gitna ng lahat ng background noise na dulot ng mga partikula ng alikabok at ng mga pagbabago sa paraan kung paano dumadaan ang mga radio wave sa atmospera. Ang mga pagsusuri ay nagpapakita na ang dalawang bandang pamamaraan na ito ay talagang tumatagal sa pagsusuri sa kung ano ang itinuturing ng marami bilang pinakamahirap na electromagnetic environment para sa mga operasyon sa pagmimina sa anumang bahagi ng mundo.

Pagsusubok ng Anglo American noong 2023: 41 porsyento na pagbaba ng mga pekeng alarm sa pamamagitan ng adaptive thresholding

Noong 2023, isinagawa ng Anglo American ang isang pagsusulit upang suriin kung paano nakaaapekto ang AI-based adaptive thresholding sa operasyon sa isa sa kanilang malalaking site ng pagkuha ng mineral. Ang mga resulta ay nagpakita na binawasan ng sistema na ito ang mga pekeng alarm ng humigit-kumulang 41 porsyento kumpara sa tradisyonal na mga radar na may fixed threshold. Lubos itong epektibo sa pagpigil sa mga nakakainis na signal na galing sa mga conveyor belt at sa mga kakaibang reflection mula sa mataas na pader ng minahan. Gumagana ang buong sistema dahil patuloy itong ina-update ang mga clutter map nito sa real time batay sa ginagawa ng mga makina at sa mga signal na natatanggap ng radar. Ibig sabihin, nananatiling tumpak ang sistema sa pagkakaiba ng tunay na banta mula sa background noise nang hindi kailangang manu-manong i-adjust ang mga setting. Napakaimpresibo nito dahil ang lahat ng kagamitan ay palaging iniiwan at ang mga oras ng trabaho ay nagbabago sa bawat shift.

Madalas Itanong

Ano ang ground clutter sa konteksto ng pagdetect ng UAV sa mga minahan?

Ang ground clutter ay tumutukoy sa mga pagkakagulo sa radar na dulot ng mataas na konsentrasyon ng parehong panimulang at gumagalaw na kagamitan sa pagmimina, kasama na ang hindi regular na topograpiya, na maaaring takpan ang mababang mga signature ng radar cross-section (RCS) ng mga drone.

Paano nakaaapekto ang thermal inversion sa pagdetect ng UAV?

Ang thermal inversion sa mga mina ay nagdudulot ng mga gradient ng temperatura na binabalangkas ang mga radio wave palayo sa mga sensor ng radar, na humahantong sa malaking pagbaba ng signal at nagpapahirap sa pagdetect ng UAV.

Bakit mahirap detect ang mga modernong micro-UAV sa mga mina?

Ang mga modernong micro-UAV ay may mababang radar cross-section na katumbas ng mga ibon at gumagalaw nang may bilis na katulad ng mga operasyon sa pagmimina, kaya mahirap silang i-differentiate mula sa paligid na ingay at mga vibration ng makinarya.

Paano pinabubuti ng AI-optimized CFAR ang pagdetect ng UAV sa mga kapaligiran ng pagmimina?

Ang AI-optimized na CFAR ay pinalalitan ang mga nakatakda nang threshold setting gamit ang mga machine learning model na umaangkop sa tunay na datos at kondisyon ng kapaligiran, na nagpapababa nang malaki sa mga pekeng alarm at nagpapahusay sa kawastuhan ng pagdetect ng UAV.