留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

2024年  第50卷  第5期

编委学术专栏
煤矿冲击地压和煤与瓦斯突出事故自动发现与报警方法研究
孙继平, 程继杰
2024, 50(5): 1-5, 13. doi: 10.13272/j.issn.1671-251x.18188
<摘要>(166) <HTML> (50) <PDF>(58)
摘要:
煤矿冲击地压和煤与瓦斯突出自动感知报警方法是及时发现事故并应急救援,减少人员伤亡,避免或减少瓦斯和煤尘爆炸等次生事故发生,遏制事故迟报、漏报和瞒报的有效措施。煤矿冲击地压事故感知难,目前还没有煤矿冲击地压事故自动发现和报警方法,煤矿冲击地压事故主要靠人工发现。目前仅有基于甲烷、风速和风向传感器的煤与瓦斯突出自动报警方法,但存在响应速度慢、甲烷传感器损毁前监测不到甲烷浓度大幅升高等问题。提出了煤矿冲击地压和煤与瓦斯突出图像感知报警方法:根据煤矿冲击地压和煤与瓦斯突出温度、颜色、深度、掩埋等图像特征,识别煤矿冲击地压和煤与瓦斯突出;再根据巷道空间和采掘工作面的甲烷浓度变化,区分冲击地压和煤与瓦斯突出,如果甲烷浓度大面积迅速升高,则判定为煤与瓦斯突出,否则判定为冲击地压。该方法具有直观、响应速度快、非接触、监测范围广、简单可靠等优点,可直观地记录煤矿冲击地压和煤与瓦斯突出真实情况;当煤矿冲击地压和煤与瓦斯突出事故报警后,调度室值班人员可以通过录像,立即确认事故,及时进行应急救援。提出了减少煤矿冲击地压和煤与瓦斯突出抛出的煤岩对图像感知影响的方法:摄像机多点布置,摄像机设置在较高位置,视频数据及时传输,甲烷传感器多点布置等。
基于改进人工势场算法的煤矿井下机器人路径规划
薛光辉, 王梓杰, 王一凡, 李亚男, 刘文海
2024, 50(5): 6-13. doi: 10.13272/j.issn.1671-251x.2024030014
<摘要>(154) <HTML> (38) <PDF>(27)
摘要:
路径规划是煤矿机器人在煤矿井下狭小巷道空间中应用亟待解决的关键技术之一。针对传统人工势场(APF)算法在狭小巷道环境中规划出的路径可能离巷道边界过近,以及在障碍物附近易出现目标不可达和路径振荡等问题,提出了一种基于改进APF算法的煤矿机器人路径规划方法。参考《煤矿安全规程》有关规定建立了巷道两帮边界势场,将机器人行驶路径尽量规划在巷道中间,以提高机器人行驶安全性;在障碍物斥力势场中引入调节因子,以解决目标不可达问题;引入转角限制系数以平滑规划出的路径,减少振荡,提高规划效率,保证规划路径的安全性。仿真结果表明:当目标点离障碍物很近时,改进APF算法可成功规划出能够抵达目标点的路径;改进APF算法规划周期数较传统算法平均减少了14.48%,转向角度变化累计值平均减少了87.41%,曲率绝对值之和平均减少了78.09%,表明改进APF算法规划的路径更加平滑,路径长度更短,规划效率和安全性更高。
综述
深井救援技术与装备研究现状和发展趋势
文虎, 侯宗宣, 郑学召, 蔡国斌, 严瑞锦
2024, 50(5): 14-22, 35. doi: 10.13272/j.issn.1671-251x.18175
<摘要>(150) <HTML> (42) <PDF>(38)
摘要:
深井救援技术是指在深井事故救援过程中对被困人员进行救援各环节涉及的关键技术,主要包括环境侦测技术、生命探测技术、深井快速破拆技术、应急通信网络构建技术及保障深井事故救援顺利进行的其他辅助技术。深井救援装备是指在深井救援技术实施过程中必要的硬件装备和软件平台等。研究深井救援技术和装备对于保障被困人员生命安全、减少事故损失至关重要。分析了深井救援装备及关键技术的研究现状,指出现有的救援技术和装备并不能完全满足复杂多变的环境要求,存在救援装备的通用性与专用性研究不足、救援装备智能化程度有待提升、网络协同能力难以满足救援复杂环境要求、救援装备创新性研究不足等问题。针对上述问题,展望了深井救援装备与技术的发展趋势:① 深井救援装备应通过不同救援场景进行专用性和通用性划分,单一装备向多功能性、高可靠性、高机动性发展。② 救援装备智能化、精准化、自主决策化,实现智能装备为主、人员为辅的救援模式。③ 构建急速组网、多模式组网、一体化救援网络平台。④ 集成TDLAS虽然目前并没有达到救援标准,但其高分辨率、高灵敏度和可集成化在未来将会发挥重要作用,以实现环境监测装备的高集成、轻量化、高效化。
科研成果
基于工艺驱动的采煤机智能截割调控
郑闯, 李丹宁, 冯银辉
2024, 50(5): 23-27, 150. doi: 10.13272/j.issn.1671-251x.2023090017
摘要:
传统采煤机截割调控缺乏对采煤机滚筒状态的分析,导致截割模板生成质量低;未充分考虑工作面起伏情况和地质环境条件,无法得到最优截割路径;依赖采煤机自身控制单元无法及时调整滚筒高度。针对上述问题,提出了一种基于工艺驱动的采煤机智能截割调控方案。按照工作面液压支架编号,实时采集对应的滚筒截割高度数据,并结合滚筒截割高度历史数据对实时数据进行处理,生成符合工作面顶底板曲线趋势的采煤机截割模板;基于工作面顶底板写实数据、人工割煤经验,规划采煤机截割路径并进行实时干预,实现采煤机滚筒截割高度与工作面顶底板曲线的自适应耦合;通过编辑采煤工艺和设置截割模板数据,形成采煤工艺表文件,并依此调节采煤机滚筒截割高度,实现采煤机自适应调高控制。基于工艺驱动的采煤机智能截割调控方案应用于神东煤炭集团榆家梁煤矿43207工作面,实现了无人化采煤常态化作业,将生产班工作面作业人员由3人减少至工作面中部无人,采煤机自动割煤率达97%以上。
矿井提升机钢丝绳外观缺陷视觉识别技术研究
王国锋, 王守军, 陶荣颖, 李南, 罗自强
2024, 50(5): 28-35. doi: 10.13272/j.issn.1671-251x.2024010080
<摘要>(193) <HTML> (36) <PDF>(42)
摘要:
针对多根钢丝绳检测部署困难、钢丝绳图像采集质量较低、视觉检测法适应性差、准确性不高等问题,提出了一种基于计算机视觉和深度学习的矿井提升机钢丝绳外观缺陷视觉识别方法。首先构建矿井提升机钢丝绳在线监测系统;其次由地面移动巡检平台和井下本安高速相机采集钢丝绳图像,建立钢丝绳图像数据集;然后考虑井下粉尘影响、相机镜头易受污染、光照不均、钢丝绳高光反射等问题,采用基于Retinex算法的图像去噪方法和基于同态滤波的图像去噪方法对钢丝绳图像进行去噪处理,处理结果表明,基于色彩增益加权的多尺度Retinex(AutoMSRCR)算法为较优方案;最后缺陷检测过程以卷积神经网络为基础,构建基于YOLOv5s的缺陷检测模型,为降低人为因素影响、调参工作量,在YOLOv5s中加入Focus结构对其进行优化,并将改进的YOLOv5s模型作为钢丝绳缺陷检测的预训练模型,以进一步降低模型内存占用率,提高模型加载和检测速度。实验结果表明,所提方法对钢丝绳2处断丝的检测误差分别为1.61%,1.35%,对钢丝绳4处磨损的检测误差分别为2.43%,3.44%,2.11%,3.39%。针对淮河能源控股集团顾北煤矿主井提升机原有钢丝绳安全监测系统的检测精度无法满足现场需求的问题,采用所提方法对原系统进行改进,现场应用效果表明,钢丝绳断丝检测准确率由80%提升至96%,损伤定位误差由500 mm降低至300 mm范围内,损伤定位准确率由75%提升至98%,损伤实时检出率由76%提升至90%,尾绳畸变检出率由70%提升至85%。
分析与研究
基于YOLOv5s−FSW模型的选煤厂煤矸检测研究
燕碧娟, 王凯民, 郭鹏程, 郑馨旭, 董浩, 刘勇
2024, 50(5): 36-43, 66. doi: 10.13272/j.issn.1671-251x.2023100090
<摘要>(155) <HTML> (48) <PDF>(31)
摘要:
针对现有煤矸检测模型存在的特征提取不充分、参数量大、检测精度低且实时性差等问题,提出了一种基于YOLOv5s−FSW模型的选煤厂煤矸检测方法。该模型在YOLOv5s的基础上进行改进,首先将主干网络的C3模块替换为FasterNet Block结构,通过降低模型的参数量和计算量提高检测速度;然后,在颈部网络引入无参型SimAM注意力机制,增强模型对复杂环境下重要目标的关注,进一步提高模型的特征提取能力;最后,在输出端用Wise−IoU替换CIoU边界框损失函数,使模型聚焦普通质量锚框,提高收敛速度和边框的检测精度。消融实验结果表明:与YOLOv5s模型相比,YOLOv5s−FSW模型的平均精度均值(mAP)提高了1.9%,模型权重减少了0.6 MiB,参数量减少了4.7%,检测速度提高了19.3%。对比实验结果表明:YOLOv5s−FSW模型的mAP达95.8%,较YOLOv5s−CBC,YOLOv5s−ASA,YOLOv5s−SDE模型分别提高了1.1%,1.5%和1.2%,较YOLOv5m,YOLOv6s模型分别提高了0.3%,0.6%;检测速度达36.4帧/s,较YOLOv5s−CBC,YOLOv5s−ASA模型分别提高了28.2%和20.5%,较YOLOv5m,YOLOv6s,YOLOv7模型分别提高了16.3%,15.2%,45.0%。热力图可视化实验结果表明:YOLOv5s−FSW模型对煤矸目标特征区域更加敏感且关注度更高。检测实验结果表明:在环境昏暗、图像模糊、目标相互遮挡的复杂场景下,YOLOv5s−FSW模型对煤矸目标检测的置信度得分高于YOLOv5s模型,且有效避免了误检和漏检现象的发生。
细粒煤分级溢流颗粒粒度在线检测研究
孙豪智, 马娇, 史长亮, 王函露
2024, 50(5): 44-51, 59. doi: 10.13272/j.issn.1671-251x.2024040010
摘要:
对细粒煤分选中分级溢流颗粒粒度进行实时在线检测,进而调控分级参数,可减少溢流中粗颗粒含量,提高总精煤回收率。现有研究对溢流颗粒粒度的检测上限普遍在180 μm左右,矿浆体积浓度上限为10%,无法满足粒度较粗、粒级较宽且体积浓度较高的细粒煤分级旋流器溢流颗粒粒度检测要求。为提高煤颗粒粒度和矿浆体积浓度检测上限,开发了一套超声波在线颗粒粒度检测系统。基于超声波声衰减模型,构建了适用于煤颗粒粒度为44.5~600 μm、矿浆体积浓度为0~40%的细粒煤分级现场工况的煤颗粒粒度检测模型。采用粒子群优化算法优化的BP神经网络建立了煤颗粒粒度分布预测模型,实现对细粒煤分级旋流器溢流矿浆粒度分布预测。基于煤颗粒粒度检测模型的模拟结果表明,超声波衰减值随煤颗粒粒度增大而先减小后增大,随超声波频率和矿浆体积浓度增大而增大。分别使用超声波在线颗粒粒度检测系统和煤颗粒粒度分布预测模型对某矿水力分级旋流器溢流颗粒粒度(实际值为150.0,215.0,315.0 μm)分布进行检测,结果表明检测系统测量值相对误差为10.87%,9.81%,8.48%,预测模型的预测值相对误差为9.27%,6.05%,6.92%,均实现了细粒煤分级溢流颗粒粒度的准确检测。
基于HGTC−YOLOv8n模型的煤矸识别算法研究
滕文想, 王成, 费树辉
2024, 50(5): 52-59. doi: 10.13272/j.issn.1671-251x.2024030064
<摘要>(162) <HTML> (29) <PDF>(22)
摘要:
现有基于深度学习的煤矸识别方法在煤矿井下低照度、高噪声及运动模糊等复杂工况下存在煤矸识别精度低、小目标煤矸容易漏检、模型参数量和运算量大,难以部署到计算资源有限的设备中等问题,提出了一种基于HGTC−YOLOv8n模型的煤矸识别算法。采用HGNetv2网络替换YOLOv8n的主干网络,通过多尺度特征的有效提取,提高煤矸识别效果并减少模型的存储需求和计算资源消耗;在主干网络中嵌入三重注意力机制模块Triplet Attention,捕获不同维度间的交互信息,增强煤矸图像目标特征的提取,减少无关信息的干扰;选用内容感知特征重组模块(CARAFE)来改进YOLOv8n颈部特征融合网络上采样算子,利用上下文信息提高感受视野,提高小目标煤矸识别准确率。实验结果表明:① HGTC−YOLOv8n模型的平均精度均值为93.5%,模型的参数量为2.645×106,浮点运算量为8.0×109 ,帧速率为79.36帧/s。② 平均精度均值较YOLOv8n模型提升了2.5%,参数量和浮点运算量较YOLOv8n模型分别下降了16.22%和10.11%。③ 与YOLO系列模型相比,HGTC−YOLOv8n模型的平均精度均值最高,且参数量和浮点运算量最少,检测速度较快,综合检测性能最佳。④ 基于HGTC−YOLOv8n模型的煤矸识别算法在煤矿井下复杂工况下,改善了煤矸识别精度低、小目标煤矸容易漏检等问题,满足煤矸图像实时检测要求。
基于时间序列对齐和TCNformer的重介精煤灰分多步预测
王珺, 王然风, 魏凯, 韩杰, 张茜
2024, 50(5): 60-66. doi: 10.13272/j.issn.1671-251x.2023090007
摘要:
由于在重介分选过程中各个传感器位置不同,导致重介分选主要工艺参数与灰分存在时间滞后,影响了精煤灰分结果。基于回归模型的灰分预测方法缺乏对时间序列信息的利用,无法捕捉重介生产过程随时间变化的动态特性;基于时间序列的灰分预测方法未能充分考虑灰分和重介分选主要工艺参数之间的时间依赖关系。针对上述问题,提出了一种基于时间序列对齐和TCNformer的重介精煤灰分多步预测方法。通过滞后相关性分析来量化灰分与重介分选主要工艺参数之间的滞后步长,依此对重介分选主要工艺参数在时间维度上进行移动,使得灰分和重介分选主要工艺参数时间序列对齐,消除灰分和重介分选主要工艺参数之间的时间滞后。在Transformer模型的基础上,引入时间卷积网络(TCN)提取特征,并将单向编码器扩展为双向编码器,构建了TCNformer模型来实现精煤灰分多步预测。将时间序列对齐得到的与未来时刻灰分数据对应的过程变量序列作为解码器的输入,以提升模型预测精度。实验结果表明:该方法的平均绝对误差为0.157 9%,均方根误差为0.215 2%,平均皮尔逊相关系数为0.505 1,能有效提升精煤灰分预测精度。
基于Social Transformer的井下多人轨迹预测方法
马征, 杨大山, 张天翔
2024, 50(5): 67-74. doi: 10.13272/j.issn.1671-251x.2023110084
摘要:
目前煤矿井下人员轨迹预测方法中,Transformer与循环神经网络(RNN)、长短期记忆(LSTM)网络相比,在处理数据时不仅计算量小,同时还有效解决了梯度消失导致的长时依赖问题。但当环境中涉及多人同时运动时,Transformer对于场景中所有人员未来轨迹的预测会出现较大偏差。并且目前在井下多人轨迹预测领域尚未出现一种同时采用Transformer并考虑个体之间相互影响的模型。针对上述问题,提出一种基于Social Transformer的井下多人轨迹预测方法。首先对井下每一个人员独立建模,获取人员历史轨迹信息,通过Transformer编码器进行特征提取,接着由全连接层对特征进行表示,然后通过基于图卷积的交互层相互连接,该交互层允许空间上接近的网络彼此共享信息,计算预测对象在受到周围邻居影响时对周围邻居分配的注意力,从而提取其邻居的运动模式,继而更新特征矩阵,最后新的特征矩阵由Transformer解码器进行解码,输出对于未来时刻的人员位置信息预测。实验结果表明,Social Transformer的平均位移误差相较于Transformer降低了45.8%,且与其他主流轨迹预测方法LSTM,S−GAN,Trajectron++和Social−STGCNN相比分别降低了67.1%,35.9%,30.1%和10.9%,有效克服了煤矿井下多人场景中由于人员间互相影响导致预测轨迹失准的问题,提升了预测精度。
基于机器视觉的带式输送机高精度煤流检测研究
季现亮, 张文杰, 王玉强, 刘勇, 田祖织, 付拯
2024, 50(5): 75-83. doi: 10.13272/j.issn.1671-251x.2024030028
<摘要>(137) <HTML> (36) <PDF>(27)
摘要:
针对现有基于机器视觉的带式输送机煤流检测方法存在的图像细节缺失、在多处断裂或断裂间距较大区域拟合效果较差的问题,基于直射斜收式激光三角测量原理,提出了一种基于机器视觉的带式输送机高精度煤流检测系统,将线激光发射器布置在带式输送机测量位置正上方并垂直照射煤堆,煤堆随带式输送机匀速运动,利用相机在斜上方实时拍摄包含激光条纹的煤堆表面图像。对煤流检测系统进行标定,包括相机内参数标定和激光平面标定,得到煤堆的高度信息;对煤流截面激光条纹图像进行处理,从提取精度、算法实时性等角度对比分析了灰度重心法和区域骨架法,根据对比结果选用区域骨架法提取激光条纹中心;针对利用图像膨胀操作进行激光条纹断裂修补拟合效果较差的问题,提出采用最小二乘法作为激光条纹断裂修补算法,相较于闭运算,最小二乘法拟合处理的平滑效果更好,精度较高;建立煤流截面积计算模型,通过计算每一帧上煤堆的横截面积,即可得出不同带速下的煤流体积。实验结果表明,当带速分别为0.25,0.5,1 m/s时,煤流检测系统误差均较小,最大误差分别为2.78%,3.61%和3.89%,验证了煤流检测系统具有较高的准确性。
基于工业互联网的煤矿综采设备信息模型研究
潘文龙, 李胜军, 高全军, 杨路余, 刘庆富, 张和明
2024, 50(5): 84-92. doi: 10.13272/j.issn.1671-251x.2024010022
<摘要>(129) <HTML> (23) <PDF>(30)
摘要:
煤矿综采工作面设备来自不同厂商,接口不统一、数据系统和业务逻辑不同,造成数据壁垒,系统间数据交互慢。基于工业互联网架构,提出了包括设备层、接入层、边缘层、PaaS层、应用层的智能化综采技术架构;基于该架构,将煤矿综采设备作为整体数据对象,设计了一种煤矿综采设备信息模型构建方法,定义了属性、方法、事件、报警4个关键要素和建模规则,从而实现各物理实体与异构系统之间的无缝通信,即对综采设备信息资源进行定义、描述和关联,提供完备、统一的数据对象表达、描述和操作模型;针对综采设备信息模型属性元素过多的问题,提出了一种基于重要度和语义相似度的属性元素优化机制。采用上述方法建立了华阳新材料科技集团有限公司一矿81004工作面综采设备信息模型,对综采设备电动机运行情况进行评价,结果表明基于该模型可监测工作面所有电动机短时间内启动次数、多电动机设备启动功率平衡和运行效率,并形成分析结果,为决策工作提供数据支持。
基于SEI的煤矿智能监控视频传输方法
陈佳, 王琪, 王鹏
2024, 50(5): 93-98. doi: 10.13272/j.issn.1671-251x.2023100025
摘要:
目前煤矿视频监控数据传输存在高延迟问题,而视频传输延迟的主要成因是编码延迟。针对该问题,提出了一种无视频编码的基于媒体补充增强信息(SEI)的煤矿智能监控视频传输方法。该方法在解复用视频流得到视频压缩帧后缓存一份副本,解码视频压缩帧得到视频解码帧,通过SEI存储视频解码帧中AI模型分析结果,根据时间戳对应关系将自定义SEI写入该视频解码帧对应视频压缩帧副本的网络提取层单元,并复用视频压缩帧副本,实现煤矿智能监控视频实时传输。在24核CPU上对该方法进行实验测试,结果表明:对于1 280×720分辨率的视频,采用该方法处理视频时CPU整体使用率由采用传统方法时的24.7%~36.6%降至20.3%~23.9%,端到端延迟由1 946 ms降至345 ms;对于1 920×1 080分辨率的视频,采用该方法处理视频时CPU整体使用率由采用传统方法时的29.2%~41.8%降至18.5%~26.3%,端到端延迟由6 204 ms降至479 ms。该方法通过规避视频编码环节,降低了煤矿智能监控视频传输延迟,且节省了视频编码所需的CPU或GPU资源,降低了智能视频监控系统硬件成本。
基于扩展卡尔曼滤波的清仓机器人位姿识别方法
李贵虎, 高贵军, 李军霞, 贾雪峰
2024, 50(5): 99-106. doi: 10.13272/j.issn.1671-251x.2024020004
摘要:
煤矿水仓巷道光照强度不均匀且结构化特征明显,传统基于视觉的机器人位姿识别方法识别不准确,而单一的机器人定位技术如自适应蒙特卡洛(AMCL)方法随着清仓机器人的长时间运行,输出的位姿信息存在较大累计误差,易出现煤泥清理不干净、与两侧巷道发生碰撞的情况。针对上述问题,提出了一种基于扩展卡尔曼滤波的多传感器融合清仓机器人位姿识别方法。首先搭建多传感器融合算法框架,建立里程计、惯性测量装置、激光雷达数据采集模型;其次基于扩展卡尔曼滤波原理,以惯性测量装置角度信息建立观测方程,结合里程计位姿信息,得到第1次融合的清仓机器人位姿矩阵,利用激光雷达的位置信息与之前的位姿矩阵进行迭代,得到第2次融合的清仓机器人位姿矩阵;最后采用互补滤波算法对融合后的清仓机器人位姿矩阵进行处理,输出最终的清仓机器人位姿矩阵。实验结果表明:在直线位姿识别中2次的最大位置误差为0.04 m,最大姿态角误差为0.05 rad;在模拟巷道实验中的最大位置误差为0.1 m,最大姿态角误差为0.085 rad;与AMCL方法相比,基于扩展卡尔曼滤波的清仓机器人位姿识别方法在减少清仓机器人运行过程中的累计误差方面表现出显著的有效性。
煤矿井下移动机器人多传感器自适应融合SLAM方法
马艾强, 姚顽强
2024, 50(5): 107-117. doi: 10.13272/j.issn.1671-251x.2024050031
<摘要>(124) <HTML> (27) <PDF>(18)
摘要:
基于同时定位与建图(SLAM)技术的移动机器人能够快速、准确、自动化地采集空间数据,进行空间智能感知和环境地图构建,是实现煤矿智能化和无人化的关键。针对目前煤矿井下多传感器融合SLAM方法存在机器人前端位姿估计退化失效和后端融合精度不足的问题,提出了一种煤矿井下移动机器人激光雷达(LiDAR)−视觉−惯性(IMU)自适应融合SLAM方法。对LiDAR点云数据进行聚类分割,提取线面特征,利用IMU预积分状态进行畸变校正,采用基于自适应Gamma校正和对比度受限的自适应直方图均衡化(CLAHE)的图像增强算法处理低照度图像,再提取视觉点线特征。用IMU预积分状态为LiDAR特征匹配与视觉特征跟踪提供位姿初始值。根据LiDAR相邻帧的线面特征匹配得到移动机器人位姿,之后进行视觉点线特征跟踪,分别计算LiDAR、视觉、IMU位姿变化值,通过设定动态阈值来检测前端里程计的稳定性,自适应选取最优位姿。对不同传感器构建残差项,包括点云匹配残差、IMU预积分残差、视觉点线残差、边缘化残差。为了兼顾精度与实时性,基于滑动窗口实现激光点云特征、视觉特征、IMU测量的多源数据联合非线性优化,实现煤矿井下连续可用、精确可靠的SLAM。对图像增强前后效果进行试验验证,结果表明,基于自适应Gamma校正和CLAHE的图像增强算法能显著提升背光区和光照区的亮度和对比度,增加图像中的特征信息,大幅提升特征点提取数量和匹配质量,匹配成功率达90.7%。为验证所提方法的性能,在狭长走廊和煤矿巷道场景下进行试验验证,结果表明,所提方法在狭长走廊场景的定位均方根误差为0.15 m,构建的点云地图一致性较高;在煤矿巷道场景中的定位均方根误差为0.19 m,构建的点云地图可真实地反映煤矿井下环境。
光学靶标遮挡条件下掘进机定位解算方法
王朋朋, 李瑞, 刘鑫, 李响, 付常亮
2024, 50(5): 118-124. doi: 10.13272/j.issn.1671-251x.2023110001
摘要:
针对目前常用的基于惯导+视觉测量+光学靶标的掘进机组合式导航定位存在的光学靶标被遮挡情况下掘进机定位中断问题,提出了一种光学靶标遮挡条件下掘进机定位解算方法。首先,采集4个呈矩形分布的靶标点组成的光学靶标在无遮挡情况下的图像,得到靶标点在相机内成像光斑的像素坐标并构造成矩形,再按照一定比例扩大构造辅助矩形区域框。其次,采集部分靶标点被遮挡情况下的图像,得到无遮挡靶标点在相机内成像光斑的像素坐标,根据靶标点的成像光斑与辅助矩形区域框顶点的欧氏距离,确定无遮挡靶标点与成像光斑的对应关系,进而确定被遮挡的靶标点。然后,利用已知的靶标几何尺寸和惯导提供的靶标姿态信息,建立投影后的靶标点与成像光斑的对应关系,进而求解出被遮挡靶标点对应的光斑像素坐标。最后,利用N点位姿透视求解(PNP)算法求得光学靶标中心位置的空间坐标,实现掘进机定位解算。试验结果表明,光学靶标被遮挡情况下,通过推算被遮挡靶标点对应的光斑像素坐标,可以解决掘进机定位中断问题,保证了掘进机定位的实时性,且定位误差满足掘进机实际定位需求。
原煤与型煤损伤破坏的应力声发射变化特征对比研究
王林芝, 刘冬梅, 王帅旗, 曹阔, 高林生
2024, 50(5): 125-134. doi: 10.13272/j.issn.1671-251x.2024050017
摘要:
在研究声发射特征与煤样和断裂的关系时,原煤和型煤都可用作实验样本。大多煤层材质较软,制造标准的原煤试样较为困难,因此使用型煤作为研究样本的实验较普遍,但型煤改变了煤的原始结构,影响了其物理和力学性质,使用型煤替代原煤作为实验样本的适用性一直是学术界讨论的焦点。此外,目前对于原煤和型煤在假三轴压缩实验中表现出的声发射特征差异的研究相对有限。针对上述问题,开展了原煤和型煤假三轴压缩声发射实验,从力学性能、断裂模式和声发射时空演化、频带能量分布、非线性特征等方面着重讨论和分析。结果表明:加载过程中释放的声发射能量和峰值应力总能量与煤样强度密切相关,原煤主要为剪切和拉伸混合破坏模式,型煤主要为拉伸轴裂破坏模式;煤样的声发射位置分别对应其宏观破裂形态,但发生时间和空间分布不同;在峰前加载阶段,原煤的声发射信号相对较少,而型煤的声发射响应剧烈,并在峰值应力时刻达到最大值;通过小波包分析得到型煤的声发射频带能量分布范围小于原煤,原煤的声发射信号频率主要集中在10~120 kHz,而型煤的声发射信号仅在0~100 kHz频率范围内活跃,说明型煤的微破裂规模大于原煤;原煤和型煤的波形能量90%活跃在0~150 kHz;当加载试样接近失稳破坏时,即加载应力为峰值应力的99%左右时,原煤和型煤声发射信号的Hurst指数均大于0.5,表明声发射时间序列与加载过程具有长期相关性。
落锤冲击下冻结单裂隙砂岩力学及声发射特征试验研究
贺馨瑶, 常远, 任富强
2024, 50(5): 135-141, 156. doi: 10.13272/j.issn.1671-251x.2023110021
摘要:
高原寒区矿山岩体受低温环境和动载扰动等影响会产生失稳现象。现有研究大多围绕裂隙砂岩在不同冻结温度下的静力学特性,考虑到工程开挖的影响,需要进一步研究冻结裂隙砂岩在动载作用下的力学及声发射特征。开展了冻结单裂隙砂岩的落锤冲击试验,结合声发射监测技术分析了冻结单裂隙砂岩力学及声发射特征。试验结果表明:① 裂隙倾角增加会引起应变时程曲线在应变峰值前回弹幅度增大,裂纹由裂隙两侧分布转变为裂隙上下两端分布;落锤下落高度增大后,应变时程曲线在应变峰值前出现明显双峰回弹,破坏明显加剧;冻结温度降低会使应变峰值出现时间提前,且应变峰值增大。② 微裂纹扩展具有阶段性特征,在应变峰值处对应较强的微破裂活动并伴有剧烈的能量释放。③ 微破裂活动性随裂隙倾角增大呈先增后减趋势;落锤下落高度增大,微破裂活动剧烈程度阶段性递减;冻结温度降低使微破裂活动发生时间提前。④ 微裂纹主要以张拉裂纹为主,与宏观的破坏模式对应。⑤ 熵值急剧增加是砂岩破坏前兆,可作为砂岩动态失稳的预警指标。
基于多模态的井下登高作业专人扶梯检测方法
孙晴, 杨超宇
2024, 50(5): 142-150. doi: 10.13272/j.issn.1671-251x.2024010068
摘要:
目前大多数的井下人员不安全行为识别研究侧重于在计算机视觉上提高精度,但井下易出现遮挡、光照不稳定、反光等情况,仅采用计算机视觉技术难以实现对不安全行为的准确识别,尤其登高作业中的爬梯、扶梯等相似动作在识别过程中易被混淆,存在安全隐患。针对上述问题,提出一种基于多模态的井下登高作业专人扶梯检测方法。该方法从视觉和音频2个模态对监控视频数据进行分析。视觉模态方面,采用YOLOv8模型检测登高梯是否存在,如果存在,获得登高梯的位置坐标,并将视频段放入OpenPose算法中进行姿态估计,得到人体的各个骨骼关节点的特征,将这些骨骼关节点序列放入改进的时空注意图卷积网络(SAT−GCN)中,得到人体动作标签及其对应概率。音频模态方面,采用飞桨自动语言识别系统将语音转换为文本,使用双向编码器表示(BERT)模型对文本信息进行特征分析与提取,得到文本标签及其对应的概率。最后将视觉模态与音频模态得到的信息进行决策级融合,判断井下登高作业是否有专人扶梯。实验结果表明:基于骨架数据的动作识别中,优化后的SAT−GCN模型对于扶梯、爬梯、站立3种动作的识别精度分别提升了3.36%,2.83%,10.71%;基于多模态的检测方法比单模态方法具有更高的识别准确率,达到98.29%。
基于改进YOLOv5s的煤矿机电设备维修指导系统
徐俊, 赵小虎, 候念琦, 王杰, 刘昱麟
2024, 50(5): 151-156. doi: 10.13272/j.issn.1671-251x.2023090069
摘要:
针对煤矿机电设备辅助维修中二维码标注工作量大、通用性低及现有免注册识别方法实现复杂、难以部署等问题,提出了一种基于改进YOLOv5s的煤矿机电设备维修指导系统。该系统由设备免注册识别模块、故障维修指导模块、远程专家接入指导模块组成。设备免注册识别模块通过HoloLens眼镜上的摄像头采集故障设备图像,并通过改进YOLOv5s图像识别算法进行分析和处理,识别出故障设备型号;故障维修指导模块根据故障设备型号自动匹配调用预设好的混合现实拆装模型,形成维修指导解决方案;远程专家接入指导模块通过音视频会话、虚拟标注等方式实现远程专家与现场维修人员的交互。为保证用户使用混合现实设备时的沉浸感体验,针对混合现实设备自身算力不足问题,采用ShuffleNetV2替换YOLOv5s中的Backbone,得到YOLOv5s−SN2网络,从而减少模型参数量,降低计算开销。实验结果表明:YOLOv5s−SN2相较于YOLOv5s精度略有下降,但每秒浮点运算次数(FLOPS)从16.5×109下降到7.6×109,参数量从15.6×106个下降到8.2×106个;在YOLO系列模型中,YOLOv5s−SN2性能最优。以三叶罗茨鼓风机为例验证系统整体效果,结果表明,YOLOv5s−SN2可快速识别出电动机型号,调用与之匹配的虚拟模型及维修流程,远程专家可通过音视频接入和标注等方法辅助现场工作人员进行机电设备维修。