基于INS/UWB/ODO融合的地下煤矿采煤机定位自适应核相关熵卡尔曼滤波方法

《IEEE/ASME Transactions on Mechatronics》：An Adaptive Correntropy Kalman Filtering Method for Shearer Positioning in Underground Coal Mines Based on INS/UWB/ODO Integration

　　**摘要：** 采煤机精确定位是实现煤矿井下智能化、自主化作业的关键前提。然而，现有定位方法面临非视距误差、测量异常值以及长期惯性航向漂移等挑战。为应对这些挑战，本研究提出了一种自适应最大相关熵卡尔曼滤波融合方法，该方法集成了惯性导航系统（INS）、超宽带（UWB）测量数据和里程计数据。具体而言，设计了一种滑动窗口自适应核带宽估计方案，将最大相关熵准则嵌入卡尔曼滤波的平方根形式（AMCC-SRCKF）中，提高了对非高斯噪声的鲁棒性。此外，引入了一种基于双UWB标签的几何航向约束策略，以抑制INS航向漂移。融合框架还结合了鲁棒加权总最小二乘法，该方法考虑了锚点坐标和距离测量中的协方差不确定性，从而增强了复杂条件下UWB定位的可靠性。仿真和工业实验结果表明，所提出的AMCC-SRCKF方法在定位精度和一致性方面均显著优于现有方法，非常适合煤矿井下采煤机的精确定位。**I. 引言**随着智能采矿技术的不断进步，采煤机的精确可靠定位已成为长壁采煤作业有效自动化的关键[1][2][3]。精确定位通过减少井下人员来实现增强煤炭开采效率与保障安全。在全球导航卫星系统（GNSS）信号被屏蔽的环境中，由于可视性受限、信号遮挡和动态干扰等因素，实现可靠定位仍然极具挑战性[4]。在此类环境中，惯性导航系统（INS）因其自包含运行和高更新率的优势而被广泛采用。然而，INS会随时间积累漂移误差，尤其是在航向角估计方面，若缺乏外部校正，将显著降低导航精度[5]。为抵消漂移并保持长期定位精度，INS通常辅以其他辅助定位技术[6][7][8][9][10]。其中，超宽带（UWB）因其高精度测距、抗多径效应能力强以及穿透障碍物能力而备受青睐，尽管在井下常见的非视距（NLOS）条件下其性能会有所下降[11]。类似地，里程计（ODO）可提供连续的运动估计，但由于车轮打滑和不平整地形的影响，容易产生累积误差[12]。