积雪路面GPR探测信号处理与雪铲自动控制研究

【摘要】： 本文针对犁式除雪车雪铲避障自动控制问题,在分析、验证积雪路面障碍探地雷达(Ground Penetrating Radar,简称GPR)探测可行性的基础上,对GPR探测回波信号的实时滤噪、障碍的实时成像、障碍信号的实时提取及雪铲避障的自动控制问题进行研究,揭示了积雪路面的GPR回波信号特性及障碍信号特性,解决了犁式除雪车除雪作业的障碍探测与雪铲避障自动控制问题。本文的主要研究及相关结论包括: 1、在全面分析路面积雪物理特性、路面材料特性、积雪路面常见障碍的基础上,依据电磁波传播理论,提出以电磁波方法探测积雪路面障碍;经理论分析及实验验证,遵循电磁波传播规律的GPR探测技术应用于除雪车除雪作业的积雪路面探测及雪铲自动控制方面完全可行。 2、分析、研究GPR回波信号的一维实时分析、处理技术。应用小波理论的Mallat算法(多辩分析算法)分解和重构GPR回波信号;计算机仿真及相关实验结果验证了Daubechies小波对积雪路面GPR回波信号的一维滤噪处理具有有效性、实时性。 3、依据地震波运动学,采用Stolt偏移算法,实现GPR探测积雪路面障碍的实时合成孔径成像;应用小波理论的二元多辩分析算法,对障碍图像进行分解与重构,实现障碍图像的实时增强,提高了除雪车操作人员监控的可视性。 4、建立积雪路面障碍GPR探测信息正演模型,采用相关系数法由GPR回波信号中提取路面障碍信号作为雪铲避障的自动控制信号;分析计算GPR信号处理速度、雪铲避障动作速度与除雪车除雪作业速度,对三者的时间匹配特性进行研究;计算机仿真分析及相关实验结果,验证了自动控制信号与时间匹配的正确性。 5、对人工神经网络应用于路面积雪厚度探测进行探讨性研究,认为在认知的基础上,通过GPR回波信号,人工神经网络经大量学习过程,能够识别路面积雪厚度。