EN
Електромагнітні виклики для виявлення БПЛА на шахтах
Перешкоди від поверхні землі, багатопроменеві спотворення та ефекти теплової інверсії
Гірничі об’єкти створюють унікально вороже електромагнітне середовище для виявлення БПЛА. Три взаємопов’язані явища — перешкоди від поверхні землі, багатопроменеві спотворення та теплова інверсія — систематично погіршують роботу радара:
- Перешкоди від поверхні землі щільні концентрації статичного й рухомого обладнання — екскаваторів, самоскидів, дробарок — у поєднанні з нерівним рельєфом створюють стійкі, динамічні радарні відбиття, що маскують сигнатури дронів із низьким коефіцієнтом радарного перерізу (RCS).
- Багатопроменеве спотворення радарні сигнали відбиваються від крутіх, вертикальних високих бортів кар’єрів та стін виробок, утворюючи хибні ехо-сигнали, які з’являються як дублюючі цілі в азимутальній та висотній площинах — це ускладнює супровід та класифікацію.
- Теплова інверсія у шахтах та глибоких кар’єрах температурні градієнти заломлюють радіохвилі від радарних сенсорів. Дослідження зафіксували до 50 % ослаблення сигналу на глибинах понад 200 метрів.
Ці ефекти посилюються під час пилових бурь або опадів, скорочуючи ефективні діапазони виявлення на 30–60 % порівняно з базовими показниками для відкритої місцевості.
Сигнатури БПЛА з низьким коефіцієнтом радарного перерізу (RCS) та повільного руху серед шуму важкої техніки
Сучасні мікро-БПЛА ускладнюють завдання виявлення в діючих кар’єрах завдяки фізичній та спектральній непомітності:
- Їхні радарні перерізи (RCS) часто становлять менше 0,01 м² — що порівняно з птахами, тоді як важкі вантажні машини перевищують 100 м², створюючи розбіжність у 4–5 порядків за величиною інтенсивності відбитого сигналу.
- Швидкості крейсерського польоту нижче 15 м/с перекриваються зі швидкістю руху конвеєрних стрічок та циклами руху ковшів екскаваторів, що утруднює кінематичне розрізнення. Механічні вібрації також створюють гармонійні завади, які неможливо відрізнити від мікро-Доплерівських сигнатур повільно рухомих БПЛА.
- Високочастотні радіочастотні випромінювання від драглайнів, бурильних установок та дробарок насичують критичні смуги частот FMCW, що вимагає обробки сигналів, здатної розрізняти мікро-Доплерівські зсуви менше 5 Гц.
Без спеціалізованих методів відфільтрування завад та адаптивного встановлення порогових значень ймовірність виявлення БПЛА, що працюють у межах 500 метрів від активного обладнання, падає нижче 40 %.
Адаптація радарних технологій для надійного виявлення БПЛА
Поліпшення імпульсно-Доплерівських та FMCW-радарів для умов гірничодобувних підприємств
Щоб подолати гірничодобувні специфічні перешкоди, сучасні радарні системи поєднують архітектуру, що враховує фізичні закономірності, із багатодіапазонною роботою:
Система імпульсно-доплерівського радару працює шляхом сортування сигналів у різні доплерівські смуги залежно від швидкості, що дозволяє фільтрувати шум від нерухомих об’єктів та повільно рухомого обладнання, одночасно зберігаючи сигнали БПЛА. Радар з частотно-модульованими неперервними хвилями (FMCW) додає ще один рівень можливостей, забезпечуючи надзвичайно точні вимірювання відстані, що робить можливим виявлення мікро-БПЛА навіть за умови, коли їх радарний переріз становить близько 0,01 кв. м. Коли ці технології поєднуються в кількох частотних діапазонах, ситуація стає цікавішою. Використання частот L/S-діапазону забезпечує кращу продуктивність у запилених середовищах та при високій вологості, тоді як X-діапазон забезпечує чіткі деталі супроводження. Таке поєднання забезпечує приблизно 93 % успішності виявлення дронів на висоті менше 50 метрів поблизу конвеєрів та кар’єрних ділянок, де видимість ускладнена. І є ще одна важлива деталь: складна обробка сигналів фактично усуває проблеми, пов’язані з виникненням дублюючих цілей через відбиття сигналів від стін шахт та інших споруд.
AI-оптимізована обробка CFAR для придушення хибних тривог від гармонік конвеєрів та високих бортів
Традиційні алгоритми CFAR просто погано працюють у гірничодобувному середовищі через велику кількість повторюваних гармонік високої амплітуди, що виникають від таких об’єктів, як дробарки, конвеєри та екскаватори-дреглайни. Це призводить до великої кількості хибних спрацьовувань, ускладнюючи виявлення справжніх сигналів БПЛА. Новий підхід із AI-підсиленою обробкою CFAR замінює фіксовані порогові значення моделями машинного навчання, навченими на основі реальних даних про спектри гірничодобувного обладнання. Те, що робить цей підхід унікальним, — це здатність цих моделей розрізняти незвичайні патерни руху БПЛА від регулярних циклів роботи навколишнього обладнання. Крім того, вони адаптуються в режимі реального часу до умов конкретного місця, враховуючи такі фактори, як форма високих бортів та електромагнітні перешкоди від приводів конвеєрних стрічок.
Польові випробування підтвердили зниження кількості хибних тривог на 41 % порівняно з традиційним алгоритмом CFAR, а також стабільну роботу під час пилових бурь, коли оптичні та радіочастотні альтернативи виходять із ладу.
Реальна ефективність виявлення БПЛА та її верифікація
Впровадження Rio Tinto у Пілбара: рівень виявлення 92 % на відстані 1,2 км у умовах пилової бурі та інверсії
Радарні системи, встановлені в регіоні Пілбара (Західна Австралія), змогли виявити мікро-БПЛА з точністю близько 92 % навіть на відстані до 1,2 кілометра. Цей регіон створює серйозні виклики через постійну наявність у повітрі пилу залізної руди, теплові інверсії та промислову діяльність цілодобово. Що робить ці системи настільки ефективними? Вони використовують передову доплерівську технологію в кількох діапазонах частот, щоб виділити ці маленькі, повільні цілі на фоні всього шуму, спричиненого частинками пилу та змінами в способі поширення радіохвиль через атмосферу. Випробування показали, що цей двохдіапазонний підхід справді витримує перевірку в тому, що багато хто вважає найскладнішим електромагнітним середовищем для гірничодобувних операцій будь-де на Землі.
Випробування Anglo American у 2023 році: зниження кількості хибних тривог на 41 % за рахунок адаптивного порогового значення
У 2023 році компанія Anglo American провела тестування, щоб визначити, як адаптивне порогове виявлення на основі штучного інтелекту впливає на роботу одного з її великих об’єктів з видобутку мінералів. Результати показали, що ця система зменшила кількість хибних тривог приблизно на 41 % порівняно з традиційними радарами з фіксованим порогом. Особливо добре вона працювала у запобіганні тих неприємних сигналів, що надходять від конвеєрних стрічок та дивних відбиттів від високих бортів кар’єру. Уся система функціонує завдяки постійному оновленню карт перешкод у реальному часі на основі даних про рух машин та сигналів, які отримує радар. Це означає, що система зберігає високу точність у розрізненні справжніх загроз і фонових перешкод без необхідності ручного налаштування параметрів. Досить вражаюче, враховуючи, що все обладнання постійно переміщується, а графіки роботи змінюються в різних змінах.
Часті запитання
Що таке наземні перешкоди в контексті виявлення БПЛА у кар’єрах?
«Земний шум» означає радіолокаційні перешкоди, спричинені щільними скупченнями як нерухомого, так і рухомого гірничо-видобувного обладнання, а також нерівним рельєфом місцевості, що може маскувати сигнали дронів із низьким радіолокаційним перерізом (RCS).
Як теплова інверсія впливає на виявлення БПЛА?
Теплова інверсія в кар’єрах призводить до температурних градієнтів, що заломлюють радіохвилі від радарних сенсорів, викликаючи значне послаблення сигналу й ускладнюючи виявлення БПЛА.
Чому сучасні мікро-БПЛА важко виявити в кар’єрах?
Сучасні мікро-БПЛА мають низький радіолокаційний переріз, порівняний із птахами, і рухаються зі швидкістю, подібною до швидкості роботи гірничо-видобувного обладнання, що ускладнює їх відокремлення від оточуючого шуму та вібрацій машин.
Як оптимізована штучним інтелектом функція CFAR покращує виявлення БПЛА в гірничо-видобувному середовищі?
AI-оптимізована CFAR замінює фіксовані порогові налаштування моделями машинного навчання, які адаптуються до реальних даних та умов навколишнього середовища, значно зменшуючи кількість хибних спрацьовувань і підвищуючи точність виявлення БПЛА.