Volume 49 Issue 4
Apr.  2023
Turn off MathJax
Article Contents
Abstract
References
Related Articles
YANG Yi, WANG Shengwen, CUI Kefei, et al. Intelligent decision-making method for coal caving based on fuzzy deep Q-network[J]. Journal of Mine Automation，2023，49(4)：78-85. DOI: 10.13272/j.issn.1671-251x.2022090068
Citation: YANG Yi, WANG Shengwen, CUI Kefei, et al. Intelligent decision-making method for coal caving based on fuzzy deep Q-network[J]. Journal of Mine Automation，2023，49(4)：78-85. DOI: 10.13272/j.issn.1671-251x.2022090068
shu

Intelligent decision-making method for coal caving based on fuzzy deep Q-network

  • 1.

    School of Electrical Engineering and Automation, Henan Polytechnic University, Jiaozuo 454003, China

  • 2.

    Henan Key Laboratory of Intelligent Detection and Control of Coal Mine Equipment, Henan Polytechnic University, Jiaozuo 454003, China

  • 3.

    Zhengzhou Coal Mining Machinery Group Co., Ltd., Zhengzhou 450000, China

  • 4.

    Zhengzhou Coal Machine Hydraulic Control Group Co., Ltd., Zhengzhou 450013, China

  • 5.

    School of Automation, Southeast University, Nanjing 210096, China

More Information
  • Received Date: September 21, 2022
  • Revised Date: April 18, 2023
  • Available Online: April 26, 2023
    Graphical Abstract
    • Abstract
  • During the coal caving process in the fully mechanized caving face, due to the impact of coal dust and dust water mist on the workers' line of sight, there are problems of over-caving and under-caving in manually controlled coal caving. In order to solve this problem, the tail beam of the hydraulic support is regarded as an intelligent agent, and the coal caving process is abstracted as a Markov optimal decision. A deep Q-network (DQN) is used to make decisions on the action of the coal drawing port. However, there is an overestimation problem in the DQN algorithm. A fuzzy deep Q-network (FDQN) algorithm is proposed and applied to intelligent decision-making of coal caving. The fuzzy control system is constructed by using the fuzzy features of the coal seam status in the coal caving process. The coal quantity and the coal gangue ratio in the coal seam state are taken as the inputs of the fuzzy control system. The output action of the fuzzy control system is replaced with the action of the DQN algorithm using the max operation to select the output Q value of the target network. It improves the online learning rate of the agent and increases the reward value of coal caving action. The coal caving model for the fully mechanized caving face is constructed. The three-dimensional numerical simulation of the coal caving process based on DQN, double depth Q-network (DDQN), and FDQN algorithms is conducted respectively. The results show that the FDQN algorithm has the fastest convergence speed, which is 31.6% faster than the DQN algorithm. It increases the online learning rate of the intelligent agent. The coal caving effect based on the FDQN algorithm is the best from three aspects: the straightness of the coal gangue boundary, the remaining coal above the tail beam, and the amount of gangue in the released body. The extraction rate based on the FDQN algorithm is the highest and the gangue content is the lowest. Compared with the DQN algorithm and DDQN algorithm, the extraction rate of the FDQN algorithm has increased by 2.8% and 0.7% respectively, and the gangue content has decreased by 2.1% and 13.2% respectively. The FDQN-based intelligent decision-making method for coal caving can adjust the action of the hydraulic support tail beam based on the coal seam occurrence status. It effectively solves the problems of over-caving and under-caving during the coal caving process.
    • FullText(HTML)
    • References (21)
  • [1]
    李爽,薛广哲,方新秋,等. 煤矿智能化安全保障体系及关键技术[J]. 煤炭学报,2020,45(6):2320-2330.

    LI Shuang,XUE Guangzhe,FANG Xinqiu,et al. Coal mine intelligent safety system and key technologies[J]. Journal of China Coal Society,2020,45(6):2320-2330.
    [2]
    葛世荣,郝尚清,张世洪,等. 我国智能化采煤技术现状及待突破关键技术[J]. 煤炭科学技术,2020,48(7):28-46.

    GE Shirong,HAO Shangqing,ZHANG Shihong,et al. Status of intelligent coal mining technology and potential key technologies in China[J]. Coal Science and Technology,2020,48(7):28-46.
    [3]
    张守祥,张学亮,刘帅,等. 智能化放顶煤开采的精确放煤控制技术[J]. 煤炭学报,2020,45(6):2008-2020.

    ZHANG Shouxiang,ZHANG Xueliang,LIU Shuai,et al. Intelligent precise control technology of fully mechanized top coal caving face[J]. Journal of China Coal Society,2020,45(6):2008-2020.
    [4]
    LIANG Minfu,HU Chengjun,YU Rui,et al. Optimization of the process parameters of fully mechanized top-coal caving in thick-seam coal using BP neural networks[J]. Sustainability,2022,14(3):1340-1357. DOI: 10.3390/su14031340
    [5]
    王国法,庞义辉. 特厚煤层大采高综采综放适应性评价和技术原理[J]. 煤炭学报,2018,43(1):33-42.

    WANG Guofa,PANG Yihui. Full-mechanized coal mining and caving mining method evaluation and key technology for thick coal seam[J]. Journal of China Coal Society,2018,43(1):33-42.
    [6]
    霍昱名. 厚煤层综放开采顶煤破碎机理及智能化放煤控制研究[D]. 太原: 太原理工大学, 2021.

    HUO Yuming. Research on failure mechanism and intelligent drawing control of top coal in thick coal seam[D]. Taiyuan: Taiyuan University of Technology, 2021.
    [7]
    马英. 基于记忆放煤时序控制的智能放煤模式研究[J]. 煤矿机电,2015,36(2):1-5. DOI: 10.3969/j.issn.1001-0874.2015.02.001

    MA Ying. Research on intelligent coal caving system based on memory coal caving sequential control[J]. Colliery Mechanical & Electrical Technology,2015,36(2):1-5. DOI: 10.3969/j.issn.1001-0874.2015.02.001
    [8]
    李庆元,杨艺,李化敏,等. 基于Q-learning模型的智能化放顶煤控制策略[J]. 工矿自动化,2020,46(1):72-79.

    LI Qingyuan,YANG Yi,LI Huamin,et al. Intelligent control strategy for top coal caving based on Q-learning model[J]. Industry and Mine Automation,2020,46(1):72-79.
    [9]
    罗开成,高阳,杨艺,等. 基于均值偏差奖赏函数的放煤口控制策略研究[J]. 煤炭工程,2022,54(9):105-111.

    LUO Kaicheng,GAO Yang,YANG Yi,et al. Intelligent control strategy of drawing window in top-coal caving based on mean deviation reward function[J]. Coal Engineering,2022,54(9):105-111.
    [10]
    杨艺,李庆元,李化敏,等. 基于批量式强化学习的群组放煤智能决策研究[J]. 煤炭科学技术,2022,50(10):188-197. DOI: 10.13199/j.cnki.cst.2020-1438

    YANG Yi,LI Qingyuan,LI Huamin,et al. Research on intelligent decision-making for group top-coal caving based on batch reinforcement learning[J]. Coal Science and Technology,2022,50(10):188-197. DOI: 10.13199/j.cnki.cst.2020-1438
    [11]
    YANG Yi,LI Xinwei,LI Huaming,et al. Deep Q-network for optimal decision for top-coal caving[J]. Energies,2020,13(7):1618-1630. DOI: 10.3390/en13071618
    [12]
    YANG Yi,LIN Zhiwei,LI Bingfeng,et al. Hidden Markov random field for multi-agent optimal decision in top-coal caving[J]. IEEE Access,2020,8:76596-76609. DOI: 10.1109/ACCESS.2020.2984786
    [13]
    WANG Haixing,YANG Yi,LIN Zhiwei,et al. Multi-agent reinforcement learning with optimal equivalent action of neighborhood[J]. Actuators,2022,11(4):99. DOI: 10.3390/act11040099.
    [14]
    袁甜甜,李凤莲,张雪英,等. 特征降维的深度强化学习脑卒中分类预测研究[J]. 重庆理工大学学报(自然科学),2023,37(3):194-203.

    YUAN Tiantian,LI Fenglian,ZHANG Xueying,et al. Classification and prediction research of stroke based on deep reinforcement learning with feature dimension reduction[J]. Journal of Chongqing University of Technology(Natural Science),2023,37(3):194-203.
    [15]
    SUTTON R S. Learning to predict by the methods of temporal differences[J]. Machine Learning,1988,3(1):9-44.
    [16]
    MNIH V,KAVUKCUOGLU K,SLIVER D,et al. Human-level control through deep reinforcement learning[J]. Nature,2015,518:529-533. DOI: 10.1038/nature14236
    [17]
    封硕,舒红,谢步庆. 基于改进深度强化学习的三维环境路径规划[J]. 计算机应用与软件,2021,38(1):250-255. DOI: 10.3969/j.issn.1000-386x.2021.01.042

    FENG Shuo,SHU Hong,XIE Buqing. 3D environment path planning based on improved deep reinforcement learning[J]. Computer Applications and Software,2021,38(1):250-255. DOI: 10.3969/j.issn.1000-386x.2021.01.042
    [18]
    黎声益,马玉敏,刘鹃. 基于双深度Q学习网络的面向设备负荷稳定的智能车间调度方法[J]. 计算机集成制造系统,2023,29(1):91-99. DOI: 10.13196/j.cims.2023.01.008

    LI Shengyi,MA Yumin,LIU Juan. Smart shop floor scheduling method for equipment load stabilization based on double deep Q-learning network[J]. Computer Integrated Manufacturing Systems,2023,29(1):91-99. DOI: 10.13196/j.cims.2023.01.008
    [19]
    李忠信,王大龙,庄佳才,等. 基于遗传模糊控制的风电机组偏航系统疲劳载荷研究[J]. 动力工程学报,2022,42(8):745-752,768. DOI: 10.19805/j.cnki.jcspe.2022.08.008

    LI Zhongxin,WANG Dalong,ZHUANG Jiacai,et al. Research on fatigue suppression of wind turbine yaw system based on genetic fuzzy control[J]. Journal of Chinese Society of Power Engineering,2022,42(8):745-752,768. DOI: 10.19805/j.cnki.jcspe.2022.08.008
    [20]
    张虎雄,李红卫,马祥. 模糊控制在煤矿智能化开采中的应用[J]. 煤矿机械,2022,43(12):206-210. DOI: 10.13436/j.mkjx.202212062

    ZHANG Huxiong,LI Hongwei,MA Xiang. Application of fuzzy control in intelligent mining of coal mine[J]. Coal Mine Machinery,2022,43(12):206-210. DOI: 10.13436/j.mkjx.202212062
    [21]
    沈志熙,代东林,赵凯. 基于多特征分步模糊推理的边缘检测算法[J]. 电子科技大学学报,2014,43(3):381-387. DOI: 10.3969/j.issn.1001-0548.2014.03.011

    SHEN Zhixi,DAI Donglin,ZHAO Kai. Edge detection based on multi-features and step-by-step fuzzy inference[J]. Journal of University of Electronic Science and Technology of China,2014,43(3):381-387. DOI: 10.3969/j.issn.1001-0548.2014.03.011
    • Related Articles

  • Related Articles

    [1]SUN Jiping. Research and development of 5G communication system standards for coal mines[J]. Journal of Mine Automation, 2023, 49(8): 1-8. DOI: 10.13272/j.issn.1671-251x.18147
    [2]BAI Xuefeng, SHU Xiaojun. Wireless communication technology evolution in underground coal mines[J]. Journal of Mine Automation, 2023, 49(7): 14-18. DOI: 10.13272/j.issn.1671-251x.2023020012
    [3]LI Chenxin. Research on mine 5G-advanced communication evolution technology[J]. Journal of Mine Automation, 2023, 49(3): 6-12. DOI: 10.13272/j.issn.1671-251x.2022090070
    [4]HU Yanjun, ZHAO Yingzhu, YANG Yixue, ZHAI Yushuang, LI Shiyin. Development of integrated localization and wireless communication and its application in the underground coal mine[J]. Journal of Mine Automation, 2022, 48(9): 123-133. DOI: 10.13272/j.issn.1671-251x.17945
    [5]HUO Zhenlong. Current situation and development trend of mine wireless communication system[J]. Journal of Mine Automation, 2022, 48(6): 1-5. DOI: 10.13272/j.issn.1671-251x.17942
    [6]GU Yidong, MENG Wei. Coal mine 5G wireless communication system construction concept[J]. Journal of Mine Automation, 2021, 47(10): 1-7. DOI: 10.13272/j.issn.1671-251x.17850
    [7]SHI Baoku, ZHANG Xianghui. Research of conformance testing platform for WIA-PA wireless communicatio[J]. Journal of Mine Automation, 2014, 40(9): 15-18. DOI: 10.13272/j.issn.1671-251x.2014.09.004
    [8]LI Jin-qing, KE Jing. Equipment Spot Inspection System Based on Wireless Communicatio[J]. Journal of Mine Automation, 2010, 36(4): 63-67.
    [9]ZHU Xiao-dong, Peng Rui-yong. Application of Bluetooth technology in Wireless Communication for Traveling Crane[J]. Journal of Mine Automation, 2005, 31(4): 54-56.
    [10]SUN Ji-ping , TIAN Zi-jian , LIANG Liang , LIU Kun . A New Networking Method of Underground Wireless Communicatio[J]. Journal of Mine Automation, 2003, 29(2): 1-4.

  • Cited by

    Periodical cited type(112)

    1. 孙继平，彭铭. 室内电磁波传播衰减统计模型用于矿井的适用性研究. 工矿自动化. 2025(02): 1-8 . 本站查看
    2. 蒋博文，张若楠，徐平安，谢玉麒. 基于YOLOv5的煤矿井下瓦斯钻杆智能识别方法. 现代信息科技. 2025(06): 142-145 .
    3. 周展，桓磊，蒋峰，张浩涯，韩蓓蕾. 基于矿用5G技术的采煤机智能化技术. 陕西煤炭. 2024(02): 114-117 .
    4. 范思涵，杨维，田子建. 井下环状金属结构等效多圈小环天线接收电磁波能量安全性分析. 中国矿业. 2024(02): 182-189 .
    5. 孙继平，彭铭. 矿井无线电波防爆安全发射功率研究. 工矿自动化. 2024(03): 1-5 . 本站查看
    6. 姜玉峰. Wi-Fi 7技术及其矿井应用. 中国矿业. 2024(04): 152-157 .
    7. 孙继平，彭铭. 煤矿信息综合承载网标准研究制定. 工矿自动化. 2024(04): 1-8 . 本站查看
    8. 孙继平，彭铭. 无线电波发射功率防爆要求与检测方法. 工矿自动化. 2024(06): 1-5+22 . 本站查看
    9. 游宇嵩，荆留杰，徐受天，杨清海，沈中. 隧道施工中异构网络构建及主动漫游接入技术. 北京交通大学学报. 2024(02): 122-133 .
    10. 卫程. 基于多系统融合的电力营销现场作业计划管理探索. 电力安全技术. 2024(06): 1-3 .
    11. 孙继平，彭铭，刘斌. 矿井无线传输测试分析与矿用5G优选工作频段研究. 工矿自动化. 2024(10): 1-11+20 . 本站查看
    12. 江鹤，程德强，乙夫迪，汪鹏，崔文，寇旗旗. 新一代信息技术在智能矿山中的研究与应用综述. 工矿自动化. 2024(11): 1-16 . 本站查看
    13. 黄炳香，韩晓克，赵兴龙，王茗可，罗颖，吴占伟，李炳宏，刘友乐. 采动岩层多相多场耦合运动数字孪生方法构想. 中国矿业大学学报. 2024(06): 1037-1052 .
    14. 范思涵，杨维，田子建. 井下柱状金属结构接收电磁波能量安全性分析. 煤炭科学技术. 2024(S2): 426-434 .
    15. 李闪光，张金其，刘宇翔. 基于4G+5G技术的煤矿多网融合通信系统设计及研究. 长江信息通信. 2023(01): 183-185 .
    16. 孙继平，彭铭，潘涛，张高敏. 无线电波防爆安全阈值研究. 工矿自动化. 2023(02): 1-5 . 本站查看
    17. 薛春阳，陈炳秋，尤丽静，冀卫杰. 5G和WiFi6技术在地铁BAS中的研究与应用. 都市快轨交通. 2023(02): 151-155 .
    18. 赵静，魏涛，司鼎，孙一. WiFi6技术分析及应用策略研究. 长江信息通信. 2023(03): 227-229 .
    19. 孙继平，梁伟锋，彭铭，张高敏，潘涛，张侯，李小伟. 煤矿井下无线传输衰减分析测试与最佳工作频段研究. 工矿自动化. 2023(04): 1-8 . 本站查看
    20. 吕瑞杰. 煤矿井下UWB信号路径损耗测量及中心频率选择. 工矿自动化. 2023(04): 147-152 . 本站查看
    21. 王利明. 煤矿到电厂智能化输煤系统方案比选研究. 煤炭工程. 2023(05): 20-25 .
    22. 苟少旎. 浅谈宝鸡广电“全屋WiFi”技术应用. 中国有线电视. 2023(06): 39-42 .
    23. 田子建，降滉舟，常琳，刘斌，王文清. 半波振子结构在井下5G辐射场中的安全性分析. 工矿自动化. 2023(06): 159-167 . 本站查看
    24. 孙继平. 矿井人员位置监测技术. 工矿自动化. 2023(06): 41-47 . 本站查看
    25. 刘柯杰，王正国，李济顺，薛玉君. 面向矿山设备状态监测的边缘管理系统研发. 软件. 2023(06): 30-34 .
    26. 白雪峰，舒晓军. 煤矿井下无线通信技术演进. 工矿自动化. 2023(07): 14-18 . 本站查看
    27. 韩竹梅，陈贺，辛中华，刘涛，杨占龙. 矿井移动通信系统电磁兼容测试方法研究. 电子质量. 2023(07): 89-93 .
    28. 吕帅，刘建宇. 5G技术在煤矿智能化建设中的应用进展及展望. 内蒙古煤炭经济. 2023(09): 103-105 .
    29. 郑小磊. 煤矿无线通信阈功率测量不确定度的评定和判定风险研究. 现代信息科技. 2023(16): 19-23 .
    30. 孙继平. 煤矿用5G通信系统标准研究制定. 工矿自动化. 2023(08): 1-8 . 本站查看
    31. 郭文兵，吴东涛，白二虎，张璞，侯建军，张要展. 我国煤矿智能绿色开采技术现状与展望. 河南理工大学学报(自然科学版). 2023(05): 1-17 .
    32. 蔡峰，王陈书略，乔梁，包晓波，张冬阳. 矿用5G智能终端数据交互和共享规范研究. 工矿自动化. 2023(09): 98-105 . 本站查看
    33. 胡英杰，周代勇，张鹏. 矿用边缘控制技术及装备研究. 自动化与仪器仪表. 2023(09): 273-275 .
    34. 杨志华，李娜，高天. 井工矿5G专网无线覆盖方案研究. 邮电设计技术. 2023(09): 10-14 .
    35. 左洋，李伟宏. UWB精准定位技术在电机车无人驾驶系统中的应用. 工矿自动化. 2023(S1): 47-49 . 本站查看
    36. 贺海涛. 面向智慧矿山的设备通信协议设计. 计算机技术与发展. 2023(10): 73-79 .
    37. 姜玉峰. 矿用PON及其演进技术研究. 中国矿业. 2023(10): 88-94 .
    38. 宋坤，刘俊峰. 煤矿综合信息管控平台研究. 工矿自动化. 2023(S2): 95-98 . 本站查看
    39. 李伟宏. 雁南煤矿智能通风控制系统研究. 工矿自动化. 2023(S2): 66-70+74 . 本站查看
    40. 高小强，李程，张沙. 露天矿大吨位自卸车无人驾驶系统及技术研究. 武汉理工大学学报. 2023(11): 148-156 .
    41. 董红涛，田子建，侯明硕，赵晖，卫若茜. 金属振子结构在矿井5G辐射场中的安全功率分析. 工矿自动化. 2023(12): 108-113 . 本站查看
    42. 刘宏飞 ，马恩龙 ，王盼 ，陈云 ，刘建伟 . 基于5G技术的刮板输送装备通信系统研究与展望. 电气时代. 2023(S2): 58-61 .
    43. 鲍久圣，张可琨，王茂森，阴妍，杨磊，葛世荣. 矿山数字孪生MiDT:模型架构、关键技术及研究展望. 绿色矿山. 2023(01): 166-177 .
    44. 王飞. 基于WiFi的语音矿灯设计. 工矿自动化. 2022(01): 98-102 . 本站查看
    45. 王凤瑞，范冲，莫东霖，房骥. 基于GPU和UNITY的嵌入式图像实时传输方法. 测绘与空间地理信息. 2022(01): 25-29 .
    46. 刘海鹏，周淑秋. 多接入边缘计算在智慧矿山网络中应用分析. 工矿自动化. 2022(03): 26-31 . 本站查看
    47. 孙继平，程加敏. 煤矿智能化信息综合承载网. 工矿自动化. 2022(03): 1-4+90 . 本站查看
    48. 胡亚辉，赵国瑞，吴群英. 面向煤矿智能化的5G关键技术研究. 煤炭科学技术. 2022(02): 223-230 .
    49. 卫程，安运志，詹发军. 电力营销智能化现场作业平台应用系统研究. 电力安全技术. 2022(03): 39-43 .
    50. 李甘，张茜茹，梁志开，金能. 5G与WiFi6在水电站智慧运维中的应用研究. 水利水电快报. 2022(05): 104-108 .
    51. 孙继平，江嬴. 矿井车辆无人驾驶关键技术研究. 工矿自动化. 2022(05): 1-5+31 . 本站查看
    52. 郝明锐. 矿井轮式物料运输机器人设计. 煤炭科学技术. 2022(04): 270-276 .
    53. 王忠鑫，辛凤阳，陈洪亮，宋波，田凤亮，曾祥玉，白怡明. 我国露天矿智能运输技术现状及发展趋势. 工矿自动化. 2022(06): 15-26 . 本站查看
    54. 李晨鑫，张立亚. 煤矿井下网联式自动驾驶技术研究. 工矿自动化. 2022(06): 49-55 . 本站查看
    55. 霍振龙. 矿井无线通信系统现状与发展趋势. 工矿自动化. 2022(06): 1-5 . 本站查看
    56. 顾义东. 5G技术在煤矿掘进工作面运输系统中的应用. 工矿自动化. 2022(06): 64-68 . 本站查看
    57. 周代勇. 矿用跨区域协同控制技术及装备研究. 煤矿安全. 2022(07): 131-134 .
    58. 白永明，郭林生，吴学明，杨景峰，董红涛，柳东林. 彬长矿业5G智能矿井建设与信息安全思考. 中国煤炭. 2022(07): 107-115 .
    59. 赵亮，陈继福，许丽，赵庆珍. 基于5G技术的煤矿井下水文参数实时监测系统. 煤炭与化工. 2022(07): 32-35 .
    60. 王利欣，杨秀宇，袁鹏喆，尉瑞，秦文光，李波，张恩明. 智能掘进工作面智能视频安全管理系统的应用. 煤矿机械. 2022(09): 200-203 .
    61. 李凤英，季现伟，张维国，谷龙飞，张海胜. 智能矿山5G技术发展与应用场景分析. 中国矿山工程. 2022(04): 89-92 .
    62. 王磊. 5G技术在煤矿智能化中的应用展望. 内蒙古煤炭经济. 2022(15): 148-150 .
    63. 温良，吴文臻，李起伟. 矿用F5G架构的智能化煤矿建设方案研究. 煤炭科学技术. 2022(11): 176-182 .
    64. 杨康，成曦，董金鑫，杨小强，黄伟国. 5G网络与WiFi6融合组网技术在智慧矿井中的应用. 无线互联科技. 2022(23): 10-13 .
    65. 孙春升，宋晓波，弓海军. 煤矿智慧矿山建设策略研究. 煤炭工程. 2021(02): 191-196 .
    66. 朱治衡，魏光普，于晓燕，张虹虹，康瑜. 白云鄂博矿山公园5G景观设计更新策略研究. 现代园艺. 2021(07): 83-87 .
    67. 郑小磊，梁宏. 煤矿5G通信系统安全技术要求和检验方法. 工矿自动化. 2021(03): 9-13+33 . 本站查看
    68. 韩哲. Li-Fi在煤矿智能化中的应用. 光通信技术. 2021(04): 7-11 .
    69. 宋建华，马鹏飞. 5G技术在智能矿山建设中的应用研究. 工矿自动化. 2021(S1): 42-44 . 本站查看
    70. 崔文，李浩荡，丁震，曹正远，孟广瑞，罗会强，卢齐. 露天煤矿5G网络建设与网络安全研究. 工矿自动化. 2021(S1): 36-38 . 本站查看
    71. 韩哲. 5G是煤矿智能化的关键. 煤炭技术. 2021(06): 156-159 .
    72. 李维聪，刘霞. 基于无线高速数据传输的智能燃料管理应用方案研究. 南方能源建设. 2021(02): 56-62 .
    73. 屈阳，贾捷，张呈宇. 智能可重构5G专网在矿山行业发展趋势及应用分析. 信息通信技术. 2021(03): 55-61+77 .
    74. 刘晓阳，马新彦，刘坤，王文清，田子建，邓志钢，刘晶，王地. 矿井5G电磁波辐射能量安全性研究. 工矿自动化. 2021(07): 85-91 . 本站查看
    75. 常琳，郑慧莹，李鸣. 煤矿5G通信系统的安全性研究. 煤矿安全. 2021(08): 137-141+146 .
    76. 王忠新，赵晨阳，刘中国. 露天矿山场景下5G专网及应用赋能的探讨. 邮电设计技术. 2021(07): 89-92 .
    77. 胡乃民. 非煤智慧矿山建设中5G技术应用前景. 金属矿山. 2021(08): 158-163 .
    78. 尚雅琪，王向前. 中国煤矿智能化知识图谱可视化分析. 矿业研究与开发. 2021(08): 192-198 .
    79. 孙继平. 煤矿智能化与矿用5G和网络硬切片技术. 工矿自动化. 2021(08): 1-6 . 本站查看
    80. 李项军，张水利，赵海波. WiFi6技术介绍及在能源互联网中的应用. 延安大学学报(自然科学版). 2021(03): 83-87 .
    81. 顾义东，孟玮. 煤矿5G无线通信系统建设构想. 工矿自动化. 2021(10): 1-6+13 . 本站查看
    82. 陈俊明，王岱，国志远，张洁. 井工煤矿5G专网方案探讨. 广东通信技术. 2021(10): 35-40 .
    83. 卫程. 基于5G技术的电力营销安全智能化现场作业系统研究. 电工电气. 2021(11): 63-67 .
    84. 王跃文，常琳，李鸣. 基于深度学习的矿井无线网络流量预测研究. 煤矿安全. 2021(12): 153-158+164 .
    85. 张立亚. 煤矿5G通信系统安全应用技术研究. 工矿自动化. 2021(12): 8-12+45 . 本站查看
    86. 蒋建峰，陈四华，尤澜涛. 智慧矿山5G网络上行速率增强算法. 工矿自动化. 2021(12): 62-67 . 本站查看
    87. 王圣易. IEEE 802.11ax协议在工业互联网场景中应用的研究. 上海电气技术. 2021(04): 1-4+9 .
    88. 张新. 矿井无线数据传输现状分析与系统设计. 化工矿物与加工. 2020(01): 32-35+40 .
    89. 王国法，赵国瑞，胡亚辉. 5G技术在煤矿智能化中的应用展望. 煤炭学报. 2020(01): 16-23 .
    90. 霍振龙，张袁浩. 5G通信技术及其在煤矿的应用构想. 工矿自动化. 2020(03): 1-5 . 本站查看
    91. 王翀，魏立科，张冬阳，徐志明. 煤矿智能化建设目标和总体框架的研究与设计. 中国煤炭. 2020(04): 26-31 .
    92. 杨升华. 5G+智慧矿井建设. 中国新通信. 2020(07): 17-18 .
    93. 张帆，李闯，李昊，刘毅. 面向智能矿山与新工科的数字孪生技术研究. 工矿自动化. 2020(05): 15-20 . 本站查看
    94. 孙继平，张高敏. 矿用5G频段选择及天线优化设置研究. 工矿自动化. 2020(05): 1-7 . 本站查看
    95. 马小平，杨雪苗，胡延军，缪燕子. 人工智能技术在矿山智能化建设中的应用初探. 工矿自动化. 2020(05): 8-14 . 本站查看
    96. 张元生，战凯，马朝阳，金枫，刘旭，韩志磊. 智能矿山技术架构与建设思路. 有色金属(矿山部分). 2020(03): 1-6 .
    97. 周子涵. 浅谈5G技术在智慧矿山建设中的应用前景. 科学技术创新. 2020(14): 45-46 .
    98. 范京道，李川，闫振国. 融合5G技术生态的智能煤矿总体架构及核心场景. 煤炭学报. 2020(06): 1949-1958 .
    99. 陈先中，刘荣杰，张森，曾慧，杨鑫鹏，邓浩. 煤矿地下毫米波雷达点云成像与环境地图导航研究进展. 煤炭学报. 2020(06): 2182-2192 .
    100. 孟庆勇. 5G技术在煤矿井下应用架构探讨. 工矿自动化. 2020(07): 28-33 . 本站查看
    101. 赵国瑞. 煤矿智能开采初级阶段问题分析与5G应用关键技术. 煤炭科学技术. 2020(07): 161-167 .
    102. 范京道，闫振国，李川. 基于5G技术的煤矿智能化开采关键技术探索. 煤炭科学技术. 2020(07): 92-97 .
    103. 王海波，赵立厂. 矿山物联网的泛在特征分析与泛在能力建设. 煤炭科学技术. 2020(07): 127-133 .
    104. 申雪，卜小平，余文科. 基于5G技术的“智慧矿山”建设研究. 中国电子科学研究院学报. 2020(07): 620-624 .
    105. 孙继平. 煤矿智能化与矿用5G. 工矿自动化. 2020(08): 1-7 . 本站查看
    106. 袁晓明，郝明锐. 煤矿辅助运输机器人关键技术研究. 工矿自动化. 2020(08): 8-14 . 本站查看
    107. 郭刚. 5G在煤矿深部复杂环境下的智慧安全开采研究和应用. 煤炭与化工. 2020(08): 74-76+82 .
    108. 杨强. 基于WIFI技术的WLAN建设组网研究与探讨. 信息通信. 2020(09): 183-186 .
    109. 刘晓嫣. 5G技术下的智能煤矿及智能感知系统. 广播电视网络. 2020(10): 71-73 .
    110. 张双江. 卧式振动离心机在线状态监控及调节系统设计. 选煤技术. 2020(05): 42-46 .
    111. 王恩广，杨锋. 基于5G技术的小铁山矿智能化关键系统建设构想. 甘肃冶金. 2020(06): 73-75+78 .
    112. 袁晓明，郝明锐. 煤矿无轨辅助运输无人驾驶关键技术与发展趋势研究. 智能矿山. 2020(01): 89-97 .

    Other cited types(25)

Catalog

    Get Citation
    PDF
    XML

    Article Metrics

    Article views (181) PDF downloads (18) Cited by(137)
    Related

    苏ICP备 05016349号-2

    Supported by: Beijing Renhe Information Technology Co., Ltd. Visits：1172671    Baidu Analytics

    /

    DownLoad:  Full-Size Img  PowerPoint
    Return
    Return