基于5G通信的矿山无线远程遥控系统设计

摘要

　　传统煤矿行业开采效率受生产设备，劳动力水平制约因素较大，伤亡事故频发，因此亟待寻求一种更为安全高效的生产方式。同时 5G 通信、物联网、大数据、人工智能、云计算等新兴技术的出现极大地改变了生活方式，提高了生产效率，将这些技术应用于矿山行业势必会给其向自动化、信息化、数字化转型发展带来新的机遇。本文以智慧矿山建设为背景，针对矿山无线远程遥控系统中 AGV路径规划算法、激光测距、通信技术方式等展开研究。

　　本文首先研究对比了国内外智慧矿山建设进展，指出了基于 5G 通信技术应用于矿山行业升级转型的重要作用。接着对该无线远程遥控系统依据功能划分，分别介绍机车车载子系统、网络通信子系统、远程遥控子系统的设备选型及技术指标，重点利用 GM800 5G 通信模组实现遥控发送器与遥控接收器之间的无线通信，同时提出了基于 5G 通信的矿山无线通信系统架构。

　　针对矿山作业车辆采集环境信息的需求，对激光测距的原理进行分析，并对部分硬件电路进行设计，在实验室环境下完成功能性测试，测试结果较好的反映了距离信息，将采集到的距离信息数据通过 5G 无线通信网络回传给远程控制平台，便于作业人员决策控制。

　　AGV 路径规划是一项经典的研究课题，本文比较了几种搜索最优路径算法的特点，提出了一种基于 A*全局规划算法的优化策略，即引入加权值的启发函数优化传统 A*算法在路径搜索时效率不高的问题，通过仿真实验验证了其在弥补A*算法不足方面的可行性，并与 D*动态算法一起作为适合矿山作业车辆的路径规划方案。

　　远程控制井下作业车辆对实时性要求较高，故重点讨论了 5G URLLC 业务场景中低延时的特点及实现技术手段，通过仿真测试对比了相较于 4G-LTE 网络，端到端时延能够有效降低。考虑到矿井下实际作业环境复杂，各种类型设备众多，结 合 5G 通信系统架构，提出基于 5G 通信的矿山物联网架构，将网络结构层次化，更好的服务于智慧矿山的建设。

　　关键词：智慧矿山；激光测距；路径规划算法；5G 通信；物联网

ABSTRACT

　　The mining efficiency of the traditional coal mining industry is constrained by production equipments and labor force level, and casualty accidents occur frequently. Therefore, it is urgent to find a safer and more efficient production method. At the same time, the emergence of 5G communication technology, Internet of Things, big data, artificial intelligence and cloud computing has greatly changed the way of life and improved production efficiency. Applying these technologies to the mining industry will bring new opportunities for its transformation in automation, information and digitaldevelopment. Based on the background of smart mine construction, this paper conducts research on the AGV path planning algorithm, laser ranging, and 5G communication technology in the wireless remote control system of the mine.

　　Firstly, this paper studies and compares the progress of smart mine construction at home and abroad, and points out an important part that 5G communication technology plays in the promotion and transformation of the mining industry. Then, according to the functional pision of the wireless remote control system, the paper introduces the equipment selection and technical indicators of the locomotive on-board subsystem, network communication subsystem and remote control subsystem respectively. Focus on the use GM800 5G communication module to realize the wireless communication between the remote control transmitter and the remote control receiver. Meanwhile, the mine wireless communication system architecture based on 5G communication is proposed.

　　In response to the needs of mining vehicles to collect environmental information, the principle of laser distance measurement is analyzed, and some hardware circuits are designed. Functional tests are completed in a laboratory environment. The test resultsreflect the distance information well. As soon as collected, the distance information data is transmitted back to the remote control platform through the 5G wireless communication network, which is convenient for the operator to make decision control.

　　AGV path planning is a classic research topic. This paper compares the characteristics of several search optimal path algorithms, and proposes an optimization strategy based on A * global planning algorithm, that is, introducing a heuristic function to optimize the traditional A * algorithm by weight for the problem of low efficiency in path search, simulation experiments have verified its feasibility in making up for the shortcomings of the A * algorithm, and together with the D * dynamic algorithm, it can be used as a path planning solution suitable for mining vehicles.

　　The remote control of underground operation vehicles has high real-time requirements, so the characteristics of low latency in 5G uRLLC business scenarios and the implementation techniques are discussed in detail. Through simulation tests, the endto-end latency can be effectively reduced. Considering the complexity of the actual operating environment underground and the large number of various types of equipments, combined with the 5G communication system architecture, a 5G communication-based mine IoT architecture was proposed to hierarchize the network structure and better servesthe construction of smart mine.

　　KEYWORDS : Smart Mine; Laser Ranging; Path Planning Algorithm; 5G Communication; Internet of Things

目录

　　1 引言

　　本文的研究内容来源于导师科研项目的一部分。

　　1.1 研究背景及意义

　　自进入工业时代以来，煤炭等自然资源作为重要的能源物质，保障了人类的正常生产生活，对经济社会的持续稳定发展意义重大，各国对于煤矿资源的重视和开采，丝毫没有因为新能源的出现而下降。采矿业是将煤炭等自然资源作为生产对象的一种传统产业，将获取到的自然资源转化为日常所需的生产资料，开采方式最初依靠人力，不仅效率低下，安全事故也层出不穷，一直以来，由于煤矿生产系统本身庞大复杂，作业环境又极度恶劣，水、火、煤尘、瓦斯爆炸等自然灾害多，严重威胁到煤炭工人的生命安全，引发了社会的广泛关注。随着科学技术水平的提高，传统劳动密集型生产方式已经逐渐过渡到机械化、智能化、自动化。随着国家工业化和信息化的不断融合推进，智慧矿山建设已经成为煤炭等重工业企业转型升级发展的时代所需。

　　智慧矿山建设的特点是高度的数字化、自动化、信息化，充分利用大数据、云计算、物联网、人工智能等技术手段，推动煤炭工业技术革命和产业转型升级[1],从人工化、机械化向自动化、信息化、数字化、安全化方向稳步迈进，以实现对传统采矿业短板的有效突破。智慧矿山从生产、企业职业健康、职工人身安全、技术支持等方面积极部署，主动感知、自动分析、快速处理。建设智慧矿山平台，实现安全、无人、高效、清洁的矿山建设的目标，实现智能生产与智慧管理，提高煤矿生产安全性以及生产效率，充分实现对自然资源的合理调配[2].2019 年 1 月 9 日，国家煤矿安全监察局颁布制定了《煤矿机器人重点研发目录》，对掘进、采煤、运 输、安控、救援共 5 类、38 种煤矿机器人，分别提出了具体的研发应用要求，希望通过"机器换人"来实现煤矿作业"少人则安"和"无人则安"的目标。在该目录中，规定了第 23 类机器人："井下无人驾驶运输车"的基本要求为：研发煤矿井下无人驾驶运输车，具备精确定位、安全探测、自主感知、主动避障、自动错车、风门联动等功能，实现井下运输车无人化驾驶[3-4].

　　无线通信是智慧矿山建设的基础和关键，煤矿井下通信不同于普通的通信场景，矿下充斥着瓦斯、粉尘等易燃易爆气体和有毒有害物质，巷道条件复杂，信号传输衰减严重，地面设备难以直接开采作业。随着 5G 时代的到来，各种信息化应的思考。和目前煤炭企业普遍使用的 4G 网络相比，5G 网络的数据传输速度更快、响应延迟度更低，依托 5G 技术可以实现万物互联。5G 技术是煤炭企业推进智慧矿山建设、实现智能化无人开采的重要技术支撑。

　　综上所述，本文以矿山无线远程遥控系统为研究内容，为实现精确定位的目的，设计一款高性能的激光测距扫描仪用以测量与周围物体的距离，结合路径规划算法用以 AGV 自动导航避障，同时，作为智慧矿山建设的关键，本文还将以 5G 通信技术手段为支撑，研究矿山物联网的架构。设计矿山远程无线遥控系统，是煤矿企业向信息化、自动化、智能化转型发展的基础，因此本文所研究的内容具有重大的意义。

　　1.2 国内外研究现状

　　1.2.1 国外研究现状

　　国外对矿山开采自动化，信息化的尝试起步较早，芬兰，瑞典等北欧国家最先提出智能化的采矿技术方案，芬兰出台了涉及到矿山通信网络建设，自动化控制等28 个项目的科研专题，瑞典则实施了"Grountecknik"战略计划，除此之外美国、加拿大、德国、澳大利亚等在这方面的研究也较为成熟[5].

　　基律纳铁矿位于瑞典北部，深入北极圈内 200km,是世界上纬度最高的矿产基地之一。同时也是目前欧洲唯一正在开采的特大型铁矿山。基律纳铁矿山已基本实现了无人化智能采矿，在井下作业面除了检修工人正常检修外，几乎看不到其他工人，几乎所有操作控制均由远程计算机集控系统完成，自动化程度非常高。

　　加拿大迈斯特罗数字矿山使用 Plexus 电力网、Vigilante AQS?、EZ Node? 等一系列先进的设备高效完成开采工作。Plexus 电力网专为高带宽，低延迟的同轴电 缆通信等应用场景提供服务，包括高速、5G 低延迟数字无线通信网络，为无线接入点（WAP）、摄像机和任何其他基于 IP 的设备提供 PoE+电源。Vigilante AQS?是该数字矿山推出的第三代矿井地下空气质量检测系统，矿井可以量化和限定通风量和通风质量，可以有效降低甲烷、一氧化碳和硫化氢的潜在危险气体浓度。该检测系统，集成灵活，配合 Modbus TCP/IP,以太网/IP 或者基于 RS485 串行模块使 用。EZ Node? 可以根据 IEEE 802.11b/g 的协议标准，可用于基于以太网或泄漏馈线的通信网络，提供终端设备与已有网络的客户端无线连接。

　　力拓（Rio Tinto）是一家业务遍布全球 36 个国家的矿业和金属公司，采用了MAS（Mine Automation System）矿山自动化系统指导大规模开采生产，该系统依托其部署的 5G 网络，实时统计覆盖区域内 98%的站点上收集到的数据，通过网络服务器应用程序进行反馈，并对数据信息进行分析与挖掘。通过 AI 技术自动生成矿体模型，组织设备调度，预测和控制爆破，自动优化驾驶卡车的速度，减少了排队的次数，大幅度提高生产效率。在使用 VR 技术充分保障人员安全的同时，还能及时找出事故发生的原因，这些都已经在新西兰的铝冶炼厂（NZAS）成功应用。除此之外，力拓集团自主研发的 RTVis 力拓可视化软件将地质、岩土工程、钻探和爆破、生产和规划结合在一起，将地表特征可视化，便于决策，充分节省了人力，提高了效率。力拓在澳大利亚西部皮尔巴拉地区的矿坑使用自动驾驶车辆来搬运矿石，由53 辆大型自卸卡车组成的车队在自动运输系统的统一控制下采矿作业，每辆卡车 都配备有 200 多个传感器、一个 GPS 接收器和一个雷达制导系统。卡车在工厂的装卸区和加工区之间按照预先设定的路线行驶，同时还能够动态导航巡线道路和十字路口。任何进入该区域的人员都乘坐连接到自动运输系统中的车辆进入，因此自动驾驶卡车和远程操作管理人员能够知道他们的确切位置。在操作中心，来自卡车和其他设备、现场人员和设备仪器的数据被收集到一个综合的矿井自动化系统中。该软件提供了整个采矿作业的实时、全景视图，包括工作现场的三维可视化。

　　邓迪公司于 20 世纪 20 年代初就将无线网络引入位于保加利亚切洛佩奇的铜金矿地下矿山，最初使用 RFID 和 Wi-Fi 技术跟踪设备和人员的位置，并使人员与地面保持连接，以布满 Wi-Fi 接入点的长约 55 英里的光缆为基础构建该地下通信系统。随着 5G 通信技术的稳定发展，在近 2000 英尺深的矿井底部部署 5G 基站，覆盖 5G 网络，提供可靠即时通讯，矿工们可以把笔记本电脑和智能手机带进矿井，与地面保持连接，每台开采车辆、每台机器、顶安全帽上都有 RFID 标签，通过附加传感器，管理人员可以实时观察到矿井中人和物体的位置，防止事故和故障，并实时协调作业。

　　诸如诺基亚，西门子，ABB,思科等世界知名公司也针对发展数字矿山提出了自己的解决方案[6].诺基亚与 Komatsu and Sandvik 一起，提供数字矿山网络建设方案，通过现场建立起来的 LTE 网络，支持涵盖远程操控和自动拖运、远程区域和操作中心之间的即时通信和数据流、将远程摄像头中记录的视频反馈回送等服务，确保勘探队员及所携带设备在任何地方都有可靠的连接，满足越来越多物联网设备的连接需求，节省时间，通过本地数据处理加快决策速度。

　　除此之外，诺基亚贝尔实验室研究出的 Future X architecture for mining 架构充 分利用工业物联网、边缘计算、智慧云、人工智能、机器学习、增强和虚拟现实以及 5G 通信等技术，在工业领域推动创建智能动态网络，提高操作的安全性，推动生产力、效率和响应能力的提高。

　　巴西淡水河谷公司是全球铁矿石业务的领导者，仅在巴西就有 38 个矿点，其中包括 22 个矿山，西门子与其全资子公司 Chemtech 推出的生产管理综合采矿系 统（GPV-M）专为淡水河谷打造，符合其具体需求。为确保操作简便灵活，该系统的所有通信接口和用户接口均已标准化，能够处理高达 1.2 兆字节的实时数据，并为至少 1000 个用户同时提供服务，通过提供集成即时可靠数据的自动化系统更，提高了劳动生产率和灵活性并减少了非生产性工时。预计到 2020 年，因业务成本的降低和资产非生产工时的减少，可以为公司节省近 5300 万美元。

　　ABB 提出的 Ability mine optimize 框架，使用三个无齿轮轧机驱动系统，使得哈萨克斯坦 KAZ Minerals 的产能翻番并提出了打造未来数字矿山的五步走战略，同时提出的还有 ABB Ability? Operation Management system,该操作管理系统结合人工智能、数字孪生模拟和行业专业知识，方便企业实时自主决策，该系统同时优化流程和车队管理，减少停机时间。

　　Sandvik 集团是全球领先的采矿和建筑行业设备和工具、服务和技术解决方案供应商，其中 Sandvik 采矿和岩石技术是其最为重要的业务领域。思科利用自主研发的物联网工业网络技术联手 Sandvik 专用矿用自动化软件帮助瑞典矿业公司Boliden 自动化采矿作业。应用领域包括岩石钻探、岩石切割、破碎和筛分、装载和运输、隧道、采石和破碎和拆除。利用思科的工业交换机和接入点，Boliden 使 用 New Radio 部署 5G 网络建立了高效的低延时物联网网络，优化了自动化采矿设备和作业方式，实时追踪数据流和信息流、资源勘测与位置跟踪，提高了设备开采效率，保障了人员安全。

　　位于加拿大魁北克省北部埃洛诺尔金矿的 Goldcorp 公司是一家大型跨国黄金生产商，该公司与思科和 AeroScout Industrial 合作，在其地下 5G-WiFi 网络上部署"按需通风"和跟踪系统，每个员工、车辆和设备都有 RFID 标签。RFID 定位系统结合传感器和来自机器和车辆的车载诊断数据，通过 5G 网络，操作人员能够实时查看矿井中发生的一切。矿工亦可通过 IP 语音服务、电子邮件和应用程序连接到地面，在紧急情况下可以立即定位。利用位置数据，自动通风系统可响应随时通风的需求，当矿工进入或离开一个区域时，风扇会打开或关闭，当附近的车辆和机器运行时，风扇速度会自动调整，以确保废气和排放物得到适当的分散，自动通风系统将矿井通风时间减少了近一半以上，每年可减少 150 万至 250 万美元的能源成本，并在紧急情况下定位员工位置的速度比以前快 45 到 50 分钟。

　　1.2.2 国内研究现状

　　煤炭作为需求旺盛的发电能源、工业动力能源、民用商品能源和化工原料，依然是推动我国经济、军事发展的重要基础。据统计，我国有煤矿近万座，年产煤炭30 多亿吨，全国规模以上煤炭企业相关从业人员数量超过 500 万，煤炭生产规模以及从业人员数量均居世界第一。但同时，煤炭生产百万吨所造成的死亡率也高居世界首位，安全问题引发广泛关注。和欧美发达国家相比，我国矿山自动化、智能化建设起步较晚，在包括基础设施建设，功能体系设计，系统能力表现等方面面临着诸多问题。

　　随着技术水平不断进步，煤矿效益的不断增加，各家企业也在寻求更为安全、高效生产模式。陕西黄陵矿业集团 1001 工作面首次应用综采智能控制系统实现智能开采，月产量达到 17.03 万吨，年度产量近 200 多万吨，生产率比原先提高近25%;山东能源枣庄矿业集团滨湖煤矿 16108 工作面采用远程可视化指导生产，平均月产量近 10.5 万吨，比之前增加近 4.5 万吨，增幅达 75%,与此同时，对于每一个煤炭生产组，使用一人负责远程遥控，两人负责巡检的三人组模式，大大优化人员结构，提高了操作安全性；内蒙古神东煤炭集团上湾煤矿 8.8 米综采工作面首次采用 3D 打印技术优化链轮齿形结构，大大提高了机械精度承载力和可靠性，据统计，工作效率因此提高 85%,成本减少 30%;首钢集团也搭建了纵向四级、横向四块的数字化矿山整体框架[7].

　　同时，我国对 5G 技术的生产研发水平处于世界前列，煤矿企业凭借 5G 等新技术，也做出了新的尝试。2019 年 9 月 5 日，阳煤集团、中国移动、华为公司签署 5G 业务框架合作协议，将联合开展 5G+智慧矿山应用合作，标志着 5G 通信煤炭产业应用创新联盟的正式成立。两个月之后的 11 月 18 日，阳煤集团成功实现了井下主巷道、运输巷道的 5G 信号全覆盖，在全国范围内实现了井下 5G 网络应用为零的突破。2019 年 9 月 29 日，陕煤集团蒲白建庄矿业公司建成陕西省首个煤矿 5G 信号基站。洛阳钼业携手中国联通，首次将 5G 技术应用无人采矿设备上，部分无人采矿设备已经调试成功，并在露天矿场中自由地进行了钻井，铲土，卡车装载和运输等操作。操作人员通过远程操控台的屏幕以第一视角观察了挖掘机铲斗作业。5G 技术让远程操作延迟控制在几十毫秒之内，误差在 10 余厘米内，大幅度提高了作业效率，使该公司无人采矿作业更加精准和稳定。2019 年 11 月 20 日，内蒙古移动联合华为在准格尔旗麻地梁煤矿成功部署井下 5G 基站并组网应用，实现了矿井主巷道、运输巷道的 5G 信号覆盖。12 月 17 日，山西省晋城市政府与中国移动山西分公司签署 5G 战略合作协议。根据协议，双方将共同探索 5G 在智能煤层气抽采、智能矿山、智能制造、智慧城市、智慧旅游等各领域的运用，助力晋城打造中等智能城市全国样板。

　　从 2016 年国家出台"十三五"规划以来，综采工作在自动化的基础上逐步形成了以工作面"无人操作，又有人巡视"的智能化开采模式，积极推动了综采成套装备研发和智慧矿山建设的规划，国家能源技术革命创新行动计划明确了 2030 年重点煤矿区基本实现工作面无人化的目标，为大力发展智能化开采技术提供了良好的政策支撑。未来的矿山，是基于最新前沿技术的智能行业。

　　1.3 论文主要研究内容及结构安排

　　第一章首先叙述了煤矿等矿产资源对于生产生活的重要意义作用，其次讨论了采矿业的基本特点，从国家、社会、企业等层面说明煤矿行业建设信息化、自动化、智能化的综采方式的必要性和充分性，并通过对比国内外煤矿自动化的发展历程及现状进一步阐明我国智慧矿山建设的特点，最后结合新兴通信技术手段，提出了本文的研究内容，即基于 5G 通信技术手段，设计矿山无线远程遥控系统，为智慧矿山建设奠定基础。

　　第二章介绍矿山无线远程遥控系统总体设计方案，通过将此远程遥控系统划分为机车车载子系统、远程遥控子系统、网络通信子系统分别研究，着重介绍了各子系统的功能特点以及所选用的设备型号。

　　第三章从激光测距原理出发，通过测距扫描仪硬件电路的设计，获取距离信息，从而得到位置坐标等，完成了产品的研发与测试。并以此构建地图信息，同时简要介绍 SLAM 原理及常见的定位导航方法，为 AGV 路径规划提供前提条件。

　　第四章具体讨论了 AGV 的路径规划功能，比较目前的典型的路径规划算法，并提出通过引入权值的启发函数，优化 A*算法的一种方法，同时为了应对矿山井下碎石，煤块等障碍物突发落下的情况，研究了 D*的动态路径规划方法，有效实现避障防碰功能，作为 AGV 路径规划算法的补充。

　　第五章对比了 LTE-M 和 NB-IoT 的特点，介绍了 LPWAN 中无线通信技术的不断演进历程，接下来讨论了智慧矿山建设通信技术的解决方案。通过结合 5G 通信技术低时延，大带宽、广覆盖的优势，可以较好的满足矿山远程操作、回传高清视频、实时动态监控、数据决策分析等业务需求，提出了一种基于 5G 技术的智慧矿山物联网架构。

　　1.4 本章总结

　　本章对课题研究的意义、背景等进行了详细的论述，通过国内外煤矿行业的发展实例说明矿山信息化、自动化、智能化的研究现状，并结合激光测距扫描仪的产品开发，AGV 路径规划算法，5G 通信技术提出将矿山远程无线遥控系统作为智慧矿山建设的基础，进一步说明所研究课题的重要性。

　　2 无线远程遥控系统总体设计

　　2.1 机车车载子系统

　　2.1.1 车载遥控接收器

　　2.1.2 车载中央控制器

　　2.1.3 隔爆兼本安型电源箱

　　2.1.4 矿用负载敏感比例电磁阀

　　2.2 远程遥控子系统

　　2.2.1 遥控发送器

　　2.2.2 远程遥控平台

　　2.2.3 服务器软件

　　2.3 网络通信子系统

　　2.3.1 无线中继器

　　2.3.2 5G 通信模组

　　2.3.3 5G 网络架构

　　2.4 本章小结

　　3 激光测距及定位导航方法研究

　　3.1 激光测距原理

　　3.2 部分硬件电路设计

　　3.2.1 电源模块

　　3.2.2 电压调节模块

　　3.2.3 无线供电模块

　　3.2.4 电机控制模块

　　3.2.5 数据传输模块

　　3.2.6 主控芯片

　　3.3 数据获取函数设计

　　3.4 定位导航方案研究

　　3.5 定位与导航方案设计

　　3.6 本章小结

　　4 AGV 路径规划算法研究

　　4.1 AGV 简介

　　4.2 路径规划算法原理

　　4.3 基于 A*的优化算法及仿真

　　4.4 本章小结

　　5 基于 5G 通信的矿山物联网架构研究

　　5.1 物联网简介

　　5.1.1 物联网发展

　　5.1.2 物联网中的通信技术

　　5.2 5G 与物联网

　　5.2.1 5G 综述

　　5.2.2 5G 时延分析及仿真

　　5.2.3 5G 技术在矿山应用必要性研究

　　5.3 智慧矿山物联网架构

　　5.4 本章总结

6 总结分析及未来展望

　　6.1 论文工作总结

　　矿山综采技术水平落后一直是制约我国煤矿行业进步发展的重要原因，开采效率的提高是建设煤矿强国的必由之路，随着 5G、大数据、人工智能、物联网等技术的应用落地，数字化、智能化、自动化的矿山建设有了技术支持，全新的自动化操作模式将会代替劳动密集型的传统劳作方式。本文主要针对矿山无线远程遥控系统的设计展开，进行了以下三方面的研究：

　　（1）从矿山开采作业车辆定位与导航功能需求出发，分析研究了激光测距扫描原理，并针对硬件电路进行设计，完成了产品的研发与测试。结合工业 Modbus 通信协议，搭建矿山无线远程遥控系统上位机服务器与客户端下位机的通信环境，并对测试结果进行分析，在距离信息已获取的情况下，制定了激光导航方案，结合SLAM 算法构建地图。

　　（2）为了实现 AGV 导航功能需求，在原有路径规划算法的基础上，通过引入坐标之差均值的加权系数，修改启发函数，对 A*算法进行优化，并结合矿井地下作 业环境的特殊性，设计使用动态路径规划算法运用于本遥控系统，通过实验室仿真结果分析，所提出的优化策略能够较好的弥补传统算法的不足。

　　（3）从矿山无线远程遥控系统通信子系统设计的角度出发，分析研究了目前矿山企业普遍使用的局域网通信的局限与不足，同时分析了新一代移动通信技术的特点及应用于物联网行业的优势。针对远程遥控需要实时控制、传输大量视频、数据等需求，设计了基于 5G 技术的矿山物联网架构。

　　6.2 未来工作展望

　　由于受研究时间的制约和学术水平的限制，本文在对矿山无线远程遥控系统的研究还存着一些不足，在今后的研究中可以向以下几个方面进行拓展：

　　（1）定位与导航是 AGV 研究领域的一个重要且关键的领域，涉及到通信、控制、机械等方面，比如在使用某些传感器设备，设计与机车车载子系统的接口，对于获取图像信息与已有图像匹配算法应用上面，本文并未对此展开详细的研究分析，这可作为今后研究的方向。

　　（2）本文中研究的路径规划算法只是众多路径算法中的一类，即通过将周围环境划分为栅格地图，因此需要首先获得周围环境的地图信息，在第四章中也提到了其他的路径规划算法，对于这些算法的具体应用及优化也值得深入研究。

　　（3）智慧矿山的建设是大势所趋，但考虑到现有实际情况，像 5G 基站的部署、设备仪器的跟进都需要各个企业通力合作，智慧矿山的普及可能仍需一段时间，受时间和条件限制，本文研究的部分内容未能进行实际现场环境测试。

　　参考文献

　　[1] 顾慧，赵凤辉，周亦。探索大数据在智慧矿山、智慧城市研究中的应用[J].中国金属通报，2019（06）：225+227.

　　[2] 孙波中，潘清元。数字矿山的技术现状及发展趋势[J].世界有色金属，2019（24）：13+15.

　　[3] 赵明磊。智慧矿山框架与发展前景研究[J].科学技术创新，2019（23）：180-181.

　　[4] 王国法，王虹，任怀伟，赵国瑞，庞义辉，杜毅博，张金虎，侯刚。智慧煤矿 2025 情景目标和发展路径[J].煤炭学报，2018,43（02）：295-305.

　　[5]J. Babjak, P. Novák, T. Kot, W. Moczulski, M. Adamczyk and W. Panfil. Control system of a mobilerobot for coal mines[C]. //2016 17th International Carpathian Control Conference （ICCC）， TatranskaLomnica,2016.17-20.

　　[6] Jian-guo Li,Kai Zhan. Intelligent Mining Technology for an Underground Metal Mine Based onUnmanned Equipment[J]. Engineering,2018,4（3）：381-391.

　　[7] Guo Huan Lou,Chao Chen. Design of the Intelligent Control System for Mine Hoist[J]. AppliedMechanics and Materials,2013,2748:957-961.

　　[8] 李昀泽。 基于激光雷达的室内机器人 SLAM 研究[D].华南理工大学，2016.7-32.

　　[9] J. Li, J. Zhao, Y. Kang, X. He, C. Ye and L. Sun. DL-SLAM: Direct 2.5D LiDAR SLAM forAutonomous Driving[C]. //2019 IEEE Intelligent Vehicles Symposium （IV）， Paris, France,2019.1205-1210.

　　[10] 郑宏。 移动机器人导航和 SLAM 系统研究[D].上海交通大学，2007.24-42.

　　[11] M. Karrer, P. Schmuck and M. Chli. CVI-SLAM-Collaborative Visual-Inertial SLAM[J]. IEEERobotics and Automation Letters, vol. 3, no. 4,Oct. 2018.1-8:2762-2769.

　　[12] Baofu Fang,Zhiqiang Zhan. A visual SLAM method based on point-line fusion in weak-matchingscene:[J]. SAGE PublicationsSage UK: London, England,2020,17（2）：1-11.

　　[13] 董秀 娟，丰 彬， 王保坤 .基于 激光雷 达和 SLAM 的 自主 行驶小车 设计 [J].电子 测试，2020（01）：93-94+56.

　　[14] 张广林，胡小梅，柴剑飞，赵磊，俞涛。路径规划算法及其应用综述[J].现代机械，2011（05）：85-90.

　　[15] 李永丹，马天力，陈超波，韦宏利，杨琼楠。无人驾驶车辆路径规划算法综述[J].国外电子测量技术，2019,38（06）：72-79.

　　[16] Wu Qing,Chen Zeyu,Wang Lei,Lin Hao,Jiang Zijing,Li Shuai,Chen Dechao. Real-Time DynamicPath Planning of Mobile Robots: A Novel Hybrid Heuristic Optimization Algorithm.[J]. Sensors（Basel, Switzerland），2019,20（1）：1-18.

　　[17] 许源。结合粒子群算法和改进人工势场法的移动机器人混合路径规划 [D].浙江大学，2013.29-61.

　　[18] 张毅，代恩灿，罗元。基于改进遗传算法的移动机器人路径规划[J].计算机测量与控制，2016,24（01）：313-316.

　　[19] Yanjie Li,Wu Wei,Yong Gao,Dongliang Wang,Zhun Fan. PQ-RRT*: An improved path planningalgorithm for mobile robots[J]. Elsevier Ltd,2020,152:1-17.

　　[20] 王沛栋。 改进蚁群算法及在路径规划问题的应用研究[D].中国海洋大学，2012.73-95.

　　[21] D. Li and K. Niu. Dijkstra's algorithm in AGV[C]. //2014 9th IEEE Conference on Industrial

　　[22] Franti?ek Duchoň，Andrej Babinec,Martin Kajan,Peter Beňo,Martin Florek,Tomá？ Fico,LadislavJuri?ica. Path Planning with Modified a Star Algorithm for a Mobile Robot[J]. ProcediaEngineering,2014,96:59-69.

　　[23] Xiaolin Zhao,Yu Zhang,Boxin Zhao. Robust path planning for avoiding obstacles using timeenvironment dynamic map[J]. SAGE Publications,2020,53（1-2）：1-8.

　　[24] T. Zheng, Y. Xu and D. Zheng. AGV Path Planning based on Improved A-star Algorithm[C].//2019 IEEE 3rd Advanced Information Management, Communicates, Electronic and AutomationControl Conference （IMCEC）， Chongqing, China, 2019. 1534-1538.

　　[25] Dai Xiaolin,Long Shuai,Zhang Zhiwen,Gong Dawei. Mobile Robot Path Planning Based on AntColony Algorithm With A* Heuristic Method[J]. Frontiers in neurorobotics,2019,13:1-14.

　　[26] 娄安东，李向阳，阮佳琪，潘瑾瑜，冯静。二叉树路径规划算法在栅格地图中的应用[J].矿山机械，2019,47（10）：67-71.

　　[27] 齐尧，徐友春，李华，王任栋。一种基于改进混合 A~*的智能车路径规划算法[J].军事交通学院学报，2018,20（08）：85-90.

　　[28] 张超超，房建东。基于定向加权 A~*算法的自主移动机器人路径规划[J].计算机应用，2017,37（S2）：77-81.

　　[29] N.A. Fountas,N.M. Vaxevanidis. Intelligent 3D tool path planning for optimized 3-axis sculpturedsurface CNC machining through digitized data evaluation and swarm-based evolutionaryalgorithms[J]. Elsevier Ltd,2020,158:1-18.

　　[30] S. Majumder and M. S. Prasad. Three dimensional D* algorithm for incremental path planningin uncooperative environment[C]. //2016 3rd International Conference on Signal Processing andIntegrated Networks （SPIN）， Noida, 2016. 431-435.

　　[31] A. Ikpehai et al. Low-Power Wide Area Network Technologies for Internet-of-Things: AComparative Review[J]. IEEE Internet of Things Journal, vol. 6, no. 2.April 2019.:2225-2240.

　　[32] W. Ayoub, A. E. Samhat, F. Nouvel, M. Mroue and J. Prévotet. Internet of Mobile Things:Overview of LoRaWAN, DASH7, and NB-IoT in LPWANs Standards and Supported Mobility[J].IEEE Communications Surveys & Tutorials, vol. 21, no. 2. Secondquarter 2019:1561-1581.

　　[33] A. Khalifeh, K. A. Aldahdouh, K. A. Darabkh and W. Al-Sit. A Survey of 5G Emerging WirelessTechnologies Featuring LoRaWAN, Sigfox, NB-IoT and LTE-M[C]. //2019 International Conferenceon Wireless Communications Signal Processing and Networking （WiSPNET）， Chennai, India,2019.561-566.

　　[34] R. Ratasuk, N. Mangalvedhe, D. Bhatoolaul and A. Ghosh. LTE-M Evolution Towards 5GMassive MTC[C]. // 2017 IEEE Globecom Workshops （GC Wkshps）， Singapore, 2017.1-6.

　　[35] P. Popovski et al. Wireless Access in Ultra-Reliable Low-Latency Communication （URLLC）[J].IEEE Transactions on Communications, vol. 67, no. 8. Aug. 2019: 5783-5801.

　　[36] F. Voigtl?nder, A. Ramadan, J. Eichinger, C. Lenz, D. Pensky and A. Knoll. 5G for Robotics:Ultra-Low Latency Control of Distributed Robotic Systems[C]. //2017 International Symposium onComputer Science and Intelligent Controls （ISCSIC）， Budapest, 2017.69-72.

　　[37] A. Azari, ?. Stefanovi?, P. Popovski and C. Cavdar. On the Latency-Energy Performance of NBIoT Systems in Providing Wide-Area IoT Connectivity[J]. IEEE Transactions on GreenCommunications and Networking, vol. 4, no. 1. March 2020: 57-68.

　　[38] Imtiaz Parvez,Ali Rahmati,Ismail Guvenc,Arif I. Sarwat,Huaiyu Dai. A Survey on Low LatencyTowards 5G: RAN, Core Network and Caching Solutions[J]. IEEE Communications Surveys &Tutorials,2018,20（4）：3098-3130.

　　[39] Masashi IWABUCHI,Anass BENJEBBOUR,Yoshihisa KISHIYAMA,Guangmei REN,ChenTANG,Tingjian TIAN,Liang GU,Yang CUI,Terufumi TAKADA. 5G Experimental Trials for UltraReliable and Low Latency Communications Using New Frame Structure[J]. IEICE Transactions onCommunications,2019,E102.B（2）：1-10.

　　[40] Romana Shahzadi,Ambreen Niaz,Mudassar Ali,Muhammad Naeem,Joel J.P.C.Rodrigues,FarhanQamar,Syed Muhammad Anwar.Three Tier Fog Networks: Enabling IoT/5G for Latency SensitiveApplications[J].中国通信，2019,16（03）：1-11.

　　[41] Jianmin Zhang,Weiliang Xie,Fengyi Yang,Qi Bi.Mobile Edge Computing and Field Trial Resultsfor 5G Low Latency Scenario[J].中国通信，2016,13（S2）：174-182.

　　[42] 柴丽。5G URLLC 标准化关键技术分析[J].移动通信，2020,44（02）：30-34.

　　[43] M. Polese, R. Jana, M. Zorzi. TCP in 5G mmWave networks: Link level retransmissions and MPTCP[C]. //2017 IEEE Conference on Computer Communications Workshops （INFOCOM WKSHPS），Atlanta, GA, 2017. 343-348

　　[44] M. Zhang et al. Transport layer performance in 5G mmWave cellular[C]. //2016 IEEE Conferenceon Computer Communications Workshops （INFOCOM WKSHPS）， San Francisco, CA, 2016. 730-735.

　　[45] Marco Mezzavilla,Menglei Zhang,Michele Polese,Russell Ford,Sourjya Dutta,SundeepRangan,Michele Zorzi. End-to-End Simulation of 5G mmWave Networks[J]. IEEE CommunicationsSurveys & Tutorials,2018,20（3）：2237-2263

　　[46] Marwat Safdar Nawaz Khan,Mehmood Yasir,Khan Ahmad,Ahmed Salman,Hafeez Abdul,KamalTariq,Khan Aftab. Method for Handling Massive IoT Traffic in 5G Networks.[J]. Sensors （Basel,Switzerland），2018,18（11）：1-16.

　　[47] Fadi Al-Turjman,Enver Ever,Hadi Zahmatkesh. Small Cells in the Forthcoming 5G/IoT: TrafficModelling and Deployment Overview[J]. IEEE Communications Surveys &Tutorials,2019,21（1）：1-38.

　　[48] Saddoud Ahlem,Doghri Wael,Charfi Emna,Fourati Lamia Chaari. 5G radio resource managementapproach for multi-traffic IoT communications[J]. Computer Networks,2020,166（C）：1-13.

　　[49]田骞。开放式 Wi-Fi 无线通讯系统在井下的超融合应用[J].陕西煤炭，2019,38（06）：188-190+217.

　　[50] 孙继平，陈晖升。智慧矿山与 5G 和 WiFi6[J].工矿自动化，2019,45（10）：1-4.

　　[51] Wang Gang,Zhao Zhikai,Ning Yongjie. Design of Compressed Sensing Algorithm for Coal MineIoT Moving Measurement Data Based on a Multi-Hop Network and Total Variation.[J]. Sensors （Basel,Switzerland），2018,18（6）：1-17.

　　[52] L. Yang, D. Li, J. Zhao, J. Tang, Y. Qiu and J. Lu. Development of digital mine informationplatform based on Internet of things technology[C]. //2019 IEEE International Conference onComputation, Communication and Engineering （ICCCE）， Fujian P.R, China, 2019.91-94.

　　[53] 张航。 面向物联网的 RFID 技术研究[D].东华大学，2011.2-30.

　　[54] 金鑫。 煤矿井下物联网感知层的研究[D].安徽理工大学，2013.5-46.

　　[55] 闫朝辉。 煤矿机电设备物联网监测管理平台研究[D].太原理工大学，2016.5-62.

致谢

　　时光荏苒，由于今年新冠病毒肺炎疫情的影响，更是缩短了在学校生活学习的时间，转眼间，美好与难忘的校园生活就要结束，回首过去短短两年的点点滴滴，顿感温暖。

　　首先要诚挚的感谢我的硕士研究生导师田洪现老师，是田老师给了我来北京交通大学学习的机会，让我能在环境优美、校风优良的北交校园里继续学习。田老师无论是在学术研究还是日常生活方面都给予了我莫大的帮助。在课题研究方面，田老师为我指明了课题研究方向，当我遇到学术上的难题时总能够及时有效的引导，他总是能够用严谨的科研态度潜移默化的影响着我，使我在困难面前依然懂得坚持。田老师将学习工作中的方法延续到日常生活中，教会我如何保持积极向上的心态，勤于运动，释放压力，快乐生活。

　　其次，我要感谢在工程实践期间北京易联创安科技发展有限公司给予我的帮助。感谢李锦上老师对于我完成学位论文相关工作的指导，对我在硬件设计上遇到问题的耐心解答，这段实习经历让我收获满满。

　　还要感谢我的同学朋友，尤其是我的师兄王海员，在朝夕相处的日日夜夜里，一起经历学习上的收获和生活中的感动，相互扶持，共同进步。

　　感谢来自家人的关心与支持，更要感谢父母从小对我的辛勤教育，让我能够有勇气、有能力、不怕苦、不怕累的攻读专业，同时为我创造了一个温暖而安全的良好成长环境，让我能够心无旁骛，无需为其他所考虑。

　　最后要由衷的感谢参与硕士论文评审的专家老师们，感谢您们在百忙之中抽出宝贵时间审阅我的论文，希望能得到各位专家老师的批评与指正。

（如您需要查看本篇毕业设计全文，请您联系客服索取）