EN
Konlarda UAV aniqlash uchun elektromagnit qiyinchiliklar
Yer g’iyobi, ko'p yo'nalishli distorsiyalar va termal inversiya ta'sirlari
UAV aniqlash uchun kon maydonlari noyob darajada dushmanlikka to'la elektromagnit muhit yaratadi. Uchta o'zaro bog'liq hodisa — yer g’iyobi, ko'p yo'nalishli distorsiyalar va termal inversiya — radar ishlashini tizimli ravishda pasaytiradi:
- Yer g’iyobi statik va harakatdagi jihozlar—shovel, yuk avtomobillari, qirg'ichlar—bir-biriga yaqin joylashgan va nisbatan noaniq relyef bilan birgalikda doimiy, dinamik radar signallarini hosil qiladi, bu esa past RCSli dronlarning signallarini yashirib qo'yadi.
- Ko'p yo'nalishli distorsiya radar signallari tik, vertikal baland devorlar va kon chiqarish joyining devorlaridan aks etadi va azimut va balandlik tekisliklarida ikkita nusxa sifatida ko'rinarbo'lgan soxta akslarni hosil qiladi—bu esa nishonlarni kuzatish va tasniflashni qiyinlashtiradi.
- Issiqlik inversiyasi shaxtalar va chuqur kon chiqarish joylarida harorat gradientlari radio to'lqinlarni radar sensorlaridan uzoqlashtiradi. Tadqiqotlar 200 metrdan ortiq chuqurliklarda signalning 50% gacha kamayishini qayd etgan.
Bu ta'sirlar chang bo'ronlari yoki yog'ingarchilik paytida kuchayadi va aniqlash doirasini ochiq hududlardagi asosiy ko'rsatkichlarga nisbatan 30–60% ga qisqartiradi.
Yukli jihozlar shovqini orasida past RCSli va sekin harakatlanuvchi UAV signallari
Zamonaviy mikro-UAVlar jismoniy va spektral yashirinlik orqali faol konlarda aniqlash qiyinchiliklarini yanada kuchaytiradi:
- Ularning radiolokatsion kesim maydoni (RCS) ko'pincha 0,01 m² dan past bo'ladi — bu qushlarga tenglashtiriladi — va og'ir yuk tashuvchilar esa 100 m² dan oshib ketadi, bu esa qaytish kuchida 4–5 tartibga ega farqni hosil qiladi.
- 15 m/s dan past tezlikda parvoz konveyer lentalarining harakati va shovellar aylanish sikllari bilan ustma-ust tushadi, kinematik farqlarni noaniq qiladi. Mexanik tebranishlar esa sekin harakatlanayotgan UAVlarning mikro-Doppler signallariga o'xshash garmonik shovqinlarga sabab bo'ladi.
- Draglaynlar, burg'ulash uskunalari va maydalagichlardan chiquvchi yuqori quvvatli RF nurlanishlari muhim FMCW diapazonlarini to'ldirib yuboradi; shuning uchun 5 Hz dan kam bo'lgan mikro-Doppler siljishlarini aniqlash qobiliyatiga ega signal qayta ishlash talab qilinadi.
Maxsus g'ovaklar rad etish va moslashuvchan chegara belgilash usullari qo'llanilmagan taqdirda, faol uskunalar yaqinida 500 metr ichida parvoz qilayotgan dronlarni aniqlash ehtimoli 40% dan pastga tushadi.
Ishonchli UAV aniqlash uchun radiolokatsion texnologiyalarga moslashtirish
Konchilik sharoitlariga moslashtirilgan impul's-Doppler va FMCW radiolokatorlarini takomillashtirish
Qazib olishga xos shovqinlarga qarshi chiqish uchun zamonaviy radiolokatsion tizimlar fizikaga asoslangan arxitekturani ko'p diapazonli ishlash bilan birlashtiradi:
Puls-Doppler radarsi signallarni tezlikka qarab turli Doppler guruhlariga ajratish orqali ishlaydi; bu statik obyektlar va sekin harakatlanayotgan jihozlardan keladigan shovqinlarni filtrlashga, shu bilan birga UAV signallarini saqlab qolishga yordam beradi. FMCW radari bu yerda masofani aniq o'lchash imkoniyatini taqdim etib, radar kesim maydoni taxminan 0,01 kvadrat metrga teng bo'lganda ham mayda mikro-UAVlarni aniqlashni qilish imkonini beradi. Agar bu texnologiyalarni bir nechta chastota diapazonlarida birlashtirsak, natijalar yanada qiziqarli bo'ladi. L/S-diapazonli chastotalardan foydalanish changli muhit va nam sharoitda yaxshi ishlashni ta'minlaydi, X-diapazon esa aniq kuzatuv tafsilotlarini beradi. Bu kombinatsiya konveyorlar va kon chiqarish joylari yaqinidagi, ko'rinish qiyin bo'lgan hududlarda 50 metrdan past balandlikda uchayotgan dronlarni aniqlashda taxminan 93% muvaffaqiyat darajasiga erishadi. Shuningdek, yana bir muhim jihat bor: murakkab signallarni qayta ishlash jarayoni kon devorlari va boshqa inshootlardan akslanish tufayli maqsadlar ikki marta paydo bo'lishi kabi muammolarga hal qilish imkonini beradi.
Konveyer garmontiklari va baland devorlardan keladigan yolgʻon signalarni bosib turish uchun AI bilan optimallashtirilgan CFAR qayta ishlash
Anʼanaviy CFAR algoritmlari qayiruvchi, konveyer va draglaynlar kabi jihozlardan keladigan takrorlanuvchi yuqori amplitudali garmontiklar tufayli konchilik muhitida yaxshi ishlamaydi. Bu haqiqiy UAV signallarini aniqlashni qiyinlashtiradigan koʻp sonli yolgʻon trigerrlarga sabab boʻladi. Yangi yondashuvda AI bilan kuchaytirilgan CFAR usuli oʻrniga konchilik jihozlarining spektrlaridan olingan haqiqiy dunyo maʼlumotlarida oʻqitilgan mashina oʻqitish modellaridan foydalanadi. Bu usulning farqi shundaki, bu modellar UAVlarning gʻalati harakat namunalari bilan atrofdagi mexanizmlarning oddiy sikllarini ajratib olish qobiliyatiga ega. Shuningdek, ular baland devorlarning shakli va remontli uzatmalar tomonidan vujudga keladigan elektromagnit toʻsqinlik kabi har bir aniq joyda sodir boʻlayotgan hodisalarga moslab oʻzini sozlaydi.
Maydon sinovlari oddiy CFAR ga nisbatan xavofizli signalarning 41% pasayishini tasdiqladi; bu natija chang bo'ronlari davrida ham saqlanadi, chunki optik va RF asosidagi boshqa usullar bunda ishlamaydi.
Haqiqiy dunyo sharoitida UAVlarni aniqlash samaradorligi va tasdiqlanishi
Rio Tinto Pilbara joylashuvi: chang va inversiya sharoitida 1,2 km masofada 92% aniqlash darajasi
WA shtatining Pilbara mintaqasida o'rnatilgan radiolokatsion tizimlar 1,2 km masofada uchayotgan mikro-BAYTlarni 92 foiz aniqlikda aniqlashga muvaffaq bo'ldi. Bu hudud doimiy temir rudasi changi, issiqlik inversiyalari va sutkada 24 soat davom etadigan sanoat faoliyati tufayli jiddiy qiyinchiliklarga sabab bo'ladi. Nima uchun bu tizimlar shunchalik yaxshi ishlaydi? Ular chang zarrachalari va radio to'lqinlarining atmosferada tarqalishidagi o'zgarishlar tufayli vujudga keladigan fon shovqinlarga qaramay, maydonlarning bir nechta spektrlarida ilg'or Doppler texnologiyasidan foydalanadi. Sinovlar shuni ko'rsatdiki, ushbu ikki diapazonli yondashuv ko'plab mutaxassislarga yer yuzidagi konchilik operatsiyalari uchun eng qiyin elektromagnit muhit deb hisoblanadigan sharoitda ham tekshiruvlarga chidamli.
Anglo American 2023-yilgi sinovi: moslashuvchan porog belgilash orqali noto'g'ri xabarlar sonini 41% ga kamaytirish
2023-yilda Anglo American kompaniyasi o'zining katta minerallar qazib olish ob'ektlaridan birida sun'iy intellektga asoslangan moslashuvchan poroglar usulining ish faoliyatiga qanday ta'sir qilishini o'rganish maqsadida sinov o'tkazdi. Natijalar shuni ko'rsatdiki, bu tizim an'anaviy doimiy porogli radiolarni solishtirganda xavfli holatlarga nisbatan soxta ogohlantirishlarni taxminan 41 foizga kamaytirdi. U ayniqsa konveyor lentalaridan keladigan noqulay signallarni va yuqori devorlardan keladigan g'ayrioddiy akslantirishlarni to'xtatishda ajoyib natija berdi. Butun tizim ishlaydi, chunki u mashinalarning nima qilayotganini va radar nima qayd etayotganini hisobga olgan holda, to'siq xaritalarini haqiqiy vaqt rejimida doimiy yangilab turadi. Bu esa tizimning sozlamalarga qo'lda aralashmasdan ham haqiqiy xavfli vaziyatlarni fon shovqinidan aniqlab berish doirasi doimiy ravishda saqlanishini ta'minlaydi. Barcha jihozlar har xil smenalar davomida o'rin almash tiriladi va ish jadvallari o'zgarib turadi, shu sababli bu juda ajoyib natija.
Tez-tez so'raladigan savollar
Drone (UAV) aniqlashda konlarda 'yerga yaqin to'siq' (ground clutter) nima?
Yer shovqini — bu statik va harakatlanayotgan kon quvurish uskunalari, shuningdek, nozik relyefning zich to'planishi tufayli vujudga keladigan radiolokatsion shovqin bo'lib, u dronlarning past radiolokatsion kesishma maydoni (RCS) belgilarini yashirib qo'yadi.
Issiqlik inversiyasi UAV aniqlashiga qanday ta'sir ko'rsatadi?
Konlarda issiqlik inversiyasi radio to'lqinlarini radiolokatsion sensorlardan uzoqlashtiruvchi harorat gradientlarini hosil qiladi, bu esa keng tarqoq signal zaiflashishiga olib keladi va UAVlarni aniqlashni qiyinlashtiradi.
Zamonaviy mikro-UAVlarni konlarda nima uchun aniqlash qiyin?
Zamonaviy mikro-UAVlarning radiolokatsion kesishma maydoni (RCS) qushlarga o'xshash darajada past bo'lib, ular kon ishlarining tezligiga yaqin tezlikda harakatlanadi; shu sababli ular atrofdagi shovqin va mexanik vibratsiyalardan ajratib olinishi qiyin.
AI optimallashtirilgan CFAR kon muhitida UAVlarni aniqlashni qanday yaxshilaydi?
AI bilan optimallashtirilgan CFAR doimiy porog sozlamalarini haqiqiy dunyo ma'lumotlari va atrof-muhit sharoitlariga moslashadigan mashina o'qitish modellariga almashtiradi, bu esa yolg'on ogohlantirishlarni sezilarli darajada kamaytiradi va UAVlarni aniqlash aniqiligini oshiradi.