工矿自动化

姓名
邮箱
手机号码
标题
留言内容
验证码

孙继平, 梁伟锋, 彭铭, 张高敏, 潘涛, 张侯, 李小伟

2023, 49(4): 1-8. doi: 10.13272/j.issn.1671-251x.18093

<摘要>(873) <HTML> (118) <PDF>(90)

摘要:
5G，UWB，ZigBee，WiFi6等矿井移动通信、人员及车辆定位、无线传输等技术在煤矿井下应用，促进了煤矿安全生产和煤矿智能化建设。然而受电气防爆的限制，煤矿井下无线发射功率不大于6 W，制约着矿井无线传输距离，增加了基站用量和系统成本，不便于系统使用和维护。在无线发射功率受电气防爆限制的条件下，选择传输衰减较小的无线工作频段，可有效提高无线传输距离，减小基站用量和系统成本。为满足矿井无线传输工作频段选择与优化的需求，在国家能源集团国神公司三道沟煤矿的辅助运输大巷和综采工作面分别进行了700 MHz～6 GHz频段的无线传输测试，并对测试结果进行了分析，提出了矿井无线传输优选频段：① 辅助运输大巷无线传输的最佳工作频段为700～910 MHz。② 综采工作面无线传输的最佳工作频段为700～1 710 MHz。③ 辅助运输大巷无线传输衰减比综采工作面无线传输衰减小，且随着频率增大，辅助运输大巷与综采工作面无线传输衰减的差值变小。④ 矿井无线传输的最佳工作频段为700～1 710 MHz。

F5G工业光环网通信技术及其在煤矿的应用与展望

赵廷钊, 原生芾, 李朝飞, 侯尚武, 侯振堂, 谢植栋

2023, 49(4): 9-14. doi: 10.13272/j.issn.1671-251x.18026

<摘要>(956) <HTML> (54) <PDF>(67)

摘要:
矿井传统有线通信网络存在带宽固定、有效利用率低、时延较高、系统配置不灵活等问题，无法满足矿井智能化业务发展需求。矿用5G及WiFi6无线通信存在巷道衰减大、可靠性不及有线通信的问题。针对F5G（第5代固定网络）工业光环网通信技术的特点，指出F5G工业光环网通信技术是矿井有线通信的发展趋势。介绍了 F5G工业光环网的2个关键技术：10 Gibit/s PON（无源光网络）技术、数智光分配网（DQ ODN）技术；比较了F5G工业光环网与传统有线网络在网络时延、电气安全、业务安全、施工安全、维护安全等方面的优势。结合F5G工业光环网通信技术在煤矿井下应用的需求特点及建设实例，分析了F5G工业光环网通信技术在井下工业远程控制、高清视频回传、工业网络迁移、远程故障诊断、无线网络信号回传等场景的具体应用，指出F5G工业光环网通信技术在矿井应用的不足与前景：① 基于F5G工业光环网通信技术的矿用设备种类较少。② 在不同场景的适应性、不同业务种类的适配性方面有待提升。③ F5G工业光环网通信技术在系统接口与协议方面与传统以太环网通信接口相同，终端设备无需更改适配即可接入使用，是未来煤矿场景工业网络的有效解决方案。④ 煤矿应结合自身实际情况建设F5G试点，以实际场景支撑F5G工业光环网通信技术的应用与研究。

煤矿灾害智能预警架构及关键技术研究

丁震, 李浩荡, 张庆华

2023, 49(4): 15-22. doi: 10.13272/j.issn.1671-251x.2022090016

<摘要>(1338) <HTML> (69) <PDF>(174)

摘要:
我国已初步实现对煤矿瓦斯、火灾、水害、顶板、粉尘五大灾害的监测报警或预警，但智能化水平较低，不具备自我分析和决策能力。在智慧矿山概念框架下，阐述了煤矿灾害智能预警的内涵，提出了灾害智能预警的感知数据精准化、预警模型智能化、预警防灾协同化、应急决策高效化4个方面的特征。设计了煤矿灾害智能预警总体架构：由感知控制层、传输层、存储分析层和应用层4个层级组成，可实现对各类灾害的智能预警和智能管控；采用统一标准、统一采集、统一存储、统一分析、统一展现的数据处理原则，实现灾害智能预警多源异构数据共享与深度挖掘利用，从而解决数据孤岛、数据烟囱等问题。基于煤矿灾害智能预警总体架构，设计了灾害智能预警业务流程，为灾害智能预警设计提供参考。总结了煤矿灾害智能预警关键技术，包括瓦斯、火灾、水害、顶板、粉尘精准监测预警技术和灾害融合智能预警技术，分析了各关键技术难点及发展方向。以青龙寺煤矿灾害智能预警平台为实例，展示了灾害智能预警技术在监测监控、灾害预警、应急救援、分级管控等方面的应用效果。提出应深入研究灾害精准感知技术及装备、多场耦合致灾机理、预警模型自学习自适应技术，以实现高级阶段的灾害智能化预警。

煤炭工业互联网技术研究综述

杨军, 张超, 杨恢凡, 郭一楠

2023, 49(4): 23-32. doi: 10.13272/j.issn.1671-251x.18081

<摘要>(845) <HTML> (62) <PDF>(92)

摘要:
煤炭工业互联网是加速煤炭领域高质量发展的重要引擎，可有效驱动能源领域设备智能化、产业数字化。给出了煤炭工业互联网体系架构，从感知层、传输层、赋能平台、工业APP、信息安全5个方面分析了煤炭工业互联网技术研究现状和发展方向。感知层在实现超低功耗、精准感知、高可靠性、能量自动捕获等方面取得进步，但仍存在感知手段单一、易受环境因素影响等问题，目前还无法充分满足矿井泛在感知需求，可从新型传感器研发、低功耗和能量收集技术、抗电磁干扰技术、智能感知技术等方面进一步提高感知层智能化水平。传输层现有的以太网、4G、WiFi等技术无法满足智慧矿山高可靠、高带宽、低延迟的传输要求，5G技术可满足全矿井泛在感知需求，但在井下应用中仍存在最大射频功率受限、无法可靠应对井下应急场景等问题，因此目前井下还不能完全使用5G替代传统通信网络。赋能平台是煤炭工业互联网推动智能化的中枢和核心，指出大数据是赋能平台的关键要素，煤炭工业机理模型和诊断决策模型是赋能平台的灵魂，数字孪生技术可为煤炭行业生产、决策、管理等环节赋能。工业APP可为煤炭产业链各环节提供服务，帮助煤炭行业攻克高风险、工艺继承创新难、产业链协同难等难题，但是煤炭领域工业APP的发展应用仍不成熟。信息安全是煤矿智能化建设的保障，需要从物理信息安全、网络信息安全、系统信息安全、数据信息安全和应用信息安全等方面采取措施，提升安全防护水平。

煤矿智能化掘进关键技术研究

李飞, 张林, 尚宇琦, 孔德中, 王玉亮, 陈龙, 张枝伟

2023, 49(4): 33-41. doi: 10.13272/j.issn.1671-251x.2022100062

<摘要>(2270) <HTML> (95) <PDF>(160)

摘要:
介绍了近年来煤矿巷道掘进主要技术(悬臂式掘进机综掘技术、连续采煤机掘进技术及掘锚一体化掘进技术）的研究成果，分析了这3种主要巷道掘进技术在我国的适用性及推广价值，指出：① 悬臂式掘进机综掘技术仅能“前掘后锚”，掘进与支护的过程不能同时进行，限制了掘进效率。② 连续采煤机掘进技术仅可在近水平煤层条件下进行，且对顶板的稳定程度有一定要求，适用性不强。③ 掘锚一体化掘进技术仅适用于巷道断面大的单巷快速掘进，所用到的掘锚一体机机身大且价格昂贵，并对所掘进巷道的底板稳定性有一定的要求。相比连续采煤机掘进技术，掘锚一体化掘进技术在我国有较好的应用前景。将原有掘进机的掘进功能拓展为掘进兼支护的功能，这对掘锚一体化掘进技术的研究与普及可起到推动作用。分析了近年来煤矿巷道机器人化智能掘进技术中智能截割、远程智能监控、智能协同控制3个方面的研究成果，得出：① 智能截割技术主要集中在对煤岩自适应识别方面的研究。② 远程智能监控技术已从远程实时监测向远程可视化监控方向发展，虚拟仿真技术的发展将井下掘进巷道的情况可视化地展现在地面，并将控制信号反馈到掘进工作面来对掘进工作面掘进机组进行远程同步控制，成为当前巷道掘进远程监控智能化的重要标志。③ 目前针对智能协同控制技术的研究较少。探讨了煤矿巷道掘进智能化的发展方向：加强掘进设备集成协同化、设备模块化组合、5G矿用无线网络设备、掘进远程智能监控系统及难掘慢掘巷道掘进工程等方面的研究。

基于钻孔救援的UWB雷达波传输衰减研究及展望

文虎, 刘盛铠, 郑学召, 蔡国斌, 黄渊, 张会

2023, 49(4): 42-49. doi: 10.13272/j.issn.1671-251x.18053

<摘要>(240) <HTML> (52) <PDF>(30)

摘要:
快速精准地获取井下受灾人员位置是钻孔救援前期生命信息探测的关键问题。针对在垂直钻孔救援过程中，由于探测区域巷道坍塌或终孔位置偏移，无法快速准确地获取被困人员位置，耽误救援的黄金时间，影响人员生命安全的问题，通过开展UWB雷达波传输衰减研究，为现场救援指挥人员快速制定救援方案。分析了UWB雷达波应用于矿山钻孔救援的现状和需求，并结合矿山钻孔救援背景，指出UWB雷达波传输衰减规律，从介质的各向同异性分析了介质的特性参数对雷达波传输衰减的影响；从介电常数、电导率、磁导率和时空变化4个方面分析了介质的电性参数对雷达波传输衰减的影响；从雷达频率和极化2个方面分析了雷达特征参数对雷达波传输衰减的影响。根据上述分析，指出目前对UWB雷达波同时穿透煤岩体等各向异性介质的研究和介质传播衰减机理研究较少；在井下复杂多变或模拟受灾后环境的UWB雷达波传输衰减理论与实验较少，相关规律总结较少；UWB雷达波关键参数与影响因素之间的映射关系数据库尚未完善。并给出未来需研究的关键技术：① 对煤岩体等各向异性介质在宏观与微观上进行研究；② 搭建灾变环境条件下雷达波传输衰减实验模拟系统；③ 增加灾变后非结构环境下UWB雷达信号传播特性的研究与信道建模数值模拟。

基于云边协同的煤矿井下尺度自适应目标跟踪方法

牟琦, 韩嘉嘉, 张寒, 李占利

2023, 49(4): 50-61. doi: 10.13272/j.issn.1671-251x.2022100093

<摘要>(213) <HTML> (60) <PDF>(26)

摘要:
煤矿井下监控视频中的运动目标通常存在较大的尺度变化和形变，导致基于计算机视觉的目标跟踪算法准确率不高，且海量的视频数据导致基于云端的集中式数据处理方式难以满足目标跟踪的实时性要求。针对上述问题，提出了一种基于云边协同的煤矿井下尺度自适应目标跟踪方法。设计了基于深度估计的尺度自适应目标跟踪算法，通过构建深度−尺度估计模型，利用目标深度值估计尺度值，实现尺度自适应目标跟踪，解决了目标尺度变化和形变导致跟踪准确率不高的问题；设计了一种基于云边协同的智能监控系统架构，将尺度自适应目标跟踪算法细粒度划分后的子模块按所需计算资源分别部署在系统的边缘端和云端，通过边缘端和云端的分布式并行处理提高算法运行效率，解决了集中式数据处理方式实时性差的问题。将基于云边协同的煤矿井下尺度自适应目标跟踪方法应用于煤矿井下视频序列，对其跟踪性能和实时性能进行实验验证，结果表明：与核相关滤波(KCF)、判别型尺度空间跟踪(DSST)算法、基于多特征融合的尺度自适应(SAMF)算法3种经典目标跟踪算法相比，基于深度估计的尺度自适应目标跟踪算法在煤矿井下目标出现较大尺度变化和形变时，具有更高的跟踪精度和成功率；与传统的云计算处理方式相比，基于云边协同的尺度自适应目标跟踪算法部署方式使算法总时延降低了32.55%，有效提升了煤矿井下智能监控系统目标跟踪的实时性能。

面向煤矿井下低光照图像的增强方法

孔二伟, 张亚邦, 李佳悦, 王满利

2023, 49(4): 62-69, 85. doi: 10.13272/j.issn.1671-251x.2022110054

<摘要>(463) <HTML> (205) <PDF>(87)

摘要:
煤矿井下照明有限，并且具有大量粉尘、雾气，使得采集到的图像对比度低、光照不均、细节信息弱，并含有大量噪声。基于传统模型的图像增强方法鲁棒性较差，常会引起图像过度增强和色彩失真；基于深度学习的图像增强方法大多没有考虑增强引起的噪声放大。针对上述问题，提出了一种面向煤矿井下低光照图像的增强方法。采用卷积神经网络构建图像增强网络，该网络包括特征提取模块、增强模块和融合模块。特征提取模块对输入图像进行不同程度的卷积，提取多层次的图像特征，得到多个特征层；增强模块对提取到的特征层通过子网络进行增强，强化不同程度的细节特征；融合模块将增强后的特征层进行融合，输出增强图像。之后通过结构损失函数、内容损失函数和区域损失函数的约束，提高图像质量并有效抑制图像颜色失真与噪声放大，得到最终的增强图像。实验结果表明，该方法能够有效提升煤矿井下低光照图像的亮度和对比度，并且具有较强的噪声抑制能力，使图像能更好地恢复原有的细节信息，同时避免出现过曝光或颜色失真。

基于含噪Retinex模型的煤矿低光照图像增强方法

李正龙, 王宏伟, 曹文艳, 张夫净, 王宇衡

2023, 49(4): 70-77. doi: 10.13272/j.issn.1671-251x.2022080047

<摘要>(339) <HTML> (129) <PDF>(18)

摘要:
低光照图像会导致许多计算机视觉任务达不到预期效果，影响后续图像分析与智能决策。针对现有煤矿井下低光照图像增强方法未考虑图像现实噪声的问题，提出一种基于含噪Retinex模型的煤矿低光照图像增强方法。建立了含噪Retienx模型，利用噪声估计模块（NEM）估计现实噪声，将原图像和估计噪声作为光照分量估计模块（IEM）和反射分量估计模块（REM）的输入，生成光照分量与反射分量并对二者进行耦合，同时对光照分量进行伽马校正等调整，对耦合后的图像及调整后的光照分量进行除法运算，得到最终的增强图像。NEM通过3层CNN对含噪图像进行拜耳采样，然后重构生成与原图像大小一致的三通道特征图。IEM与REM均以ResNet−34作为图像特征提取网络，引入多尺度非对称卷积与注意力模块（MACAM），以增强网络的细节过滤能力及重要特征筛选能力。定性和定量评估结果表明，该方法能够平衡光源与黑暗环境之间的关系，降低现实噪声的影响，在图像自然度、真实度、对比度、结构等方面均具有良好性能，图像增强效果优于Retinex−Net，Zero−DCE，DRBN，DSLR，TBEFN，RUAS等模型。通过消融实验验证了NEM与MACAM的有效性。

基于模糊深度Q网络的放煤智能决策方法

杨艺, 王圣文, 崔科飞, 费树岷

2023, 49(4): 78-85. doi: 10.13272/j.issn.1671-251x.2022090068

<摘要>(168) <HTML> (67) <PDF>(14)

摘要:
在综放工作面放煤过程中，由于煤尘和降尘水雾对工作人员视线的影响，人工控制放煤存在过放、欠放问题。针对该问题，将液压支架尾梁看作智能体，把放煤过程抽象为马尔可夫最优决策，利用深度Q网络（DQN）对放煤口动作进行决策。然而DQN算法中存在过估计问题，因此提出了一种模糊深度Q网络（FDQN）算法，并应用于放煤智能决策。利用放煤过程中煤层状态的模糊特征构建模糊控制系统，以煤层状态中的煤炭数量和煤矸比例作为模糊控制系统的输入，并将模糊控制系统的输出动作代替DQN算法采用max操作选取目标网络输出Q值的动作，从而提高智能体的在线学习速率和增加放煤动作奖赏值。搭建综放工作面放煤模型，对分别基于DQN算法、双深度Q网络（DDQN）算法、FDQN算法的放煤工艺进行三维数值仿真，结果表明：FDQN算法的收敛速度最快，相对于DQN算法提高了31.6%，增加了智能体的在线学习速率；综合煤矸分界线直线度、尾梁上方余煤和放出体中的矸石数量3个方面，基于FDQN算法的放煤效果最好；基于FDQN算法的采出率最高、含矸率最低，相比基于DQN算法、DDQN算法的采出率分别提高了2.8%，0.7%，含矸率分别降低了2.1%，13.2%。基于FDQN算法的放煤智能决策方法可根据煤层赋存状态对液压支架尾梁动作进行调整，较好地解决了放煤过程中的过放、欠放问题。

综采工作面巡检机器人自主定位方法

黄西平, 杨飞

2023, 49(4): 86-91. doi: 10.13272/j.issn.1671-251x.2022060005

<摘要>(293) <HTML> (95) <PDF>(31)

摘要:
目前综采工作面巡检机器人中应用较广泛的是轨道式机器人，机器人经过轨道连接件时会产生抖动，造成惯性导航/里程计组合定位误差增大。针对该问题，在惯性导航/里程计组合导航算法的基础上，采用基于抖动检测的分段滤波方法，实现巡检机器人的自主定位。根据巡检机器人经过轨道连接件时的陀螺仪数据，采用滑动窗口方法对机器人俯仰角速度进行动态分析，通过求导数和判断局部最大上升沿和局部最大下降沿，当最大上升沿与最大下降沿交替出现时，即认为识别到轨道连接件，实现抖动检测，从而将机器人运动状态分为平稳运行状态和抖动状态。当机器人处于平稳运行状态时，陀螺仪和里程计数据均较平稳，此时用惯性导航/里程计组合导航方式进行滤波解算，同时根据陀螺仪数据应该稳定在零值附近的特性来矫正陀螺仪误差；当机器人处于抖动状态时，里程计可能会由于车轮打滑、弹起悬空而产生误差，此时采用纯惯性导航算法消除里程计误差对组合导航定位的影响。实验结果表明，抖动检测算法可准确判断轨道连接件，基于抖动检测的分段滤波方法能有效提升巡检机器人定位精度，平均定位误差小于5 mm，满足综采工作面精确定位要求。

基于小波包多尺度模糊熵和加权KL散度的煤岩智能识别

李一鸣

2023, 49(4): 92-98. doi: 10.13272/j.issn.1671-251x.2022100023

<摘要>(215) <HTML> (63) <PDF>(14)

摘要:
垮落煤岩智能识别是智能放煤的前提，通过垮落煤岩实时精准识别可避免人工放煤造成的顶煤“欠放”或“过放”问题。现有煤岩识别方法大多通过数据降维处理获得垮落煤岩特征向量，通过构建识别模型进行煤岩识别，但数据降维、模型建立和训练均需较长时间，一定程度上影响了连续综放开采效率。针对该问题，提出了一种基于小波包多尺度模糊熵和加权KL散度的煤岩智能识别方法。对不同工况（顶煤垮落、岩石垮落、大块顶煤垮落）下垮落煤岩冲击液压支架后尾梁的振动信号进行小波包分解，得到一系列频带；对各频带的序列进行粗粒化，计算各频带多个尺度粗粒化向量的模糊熵，即小波包多尺度模糊熵，将其作为特征向量；以小波包分解后各频带能量与振动信号总能量的比值作为加权KL散度的权重，比较待测未知样本与不同工况下样本特征向量的加权KL散度，实现垮落煤岩的实时精准识别。实验结果表明：基于小波包多尺度模糊熵和加权KL散度的方法可有效识别垮落煤岩类别，而基于多尺度模糊熵和KL散度的方法、基于小波包模糊熵和KL散度的方法识别效果不佳；将小波包多尺度模糊熵作为特征向量时，BP神经网络识别准确率达95%，进一步验证了小波包多尺度模糊熵可作为表征垮落煤岩的特征向量；整个煤岩识别过程耗时为1.063 9 s，基本满足垮落煤岩智能识别实时性需求，大大降低了对连续综放开采效率的影响，综合性能优于同类煤岩识别方法。

基于DRCA−GCN的矿工动作识别模型

李善华, 肖涛, 李肖利, 杨发展, 姚勇, 赵培培

2023, 49(4): 99-105, 112. doi: 10.13272/j.issn.1671-251x.2022120023

<摘要>(186) <HTML> (44) <PDF>(22)

摘要:
井下“三违”行为给煤矿生产带来严重安全隐患，提前感知并预防井下工作人员的不安全动作具有重要意义。针对因煤矿监控视频质量不佳导致基于图像的动作识别方法准确率受限的问题，构建了基于密集残差和组合注意力的图卷积网络（DRCA−GCN），提出了基于DRCA−GCN的矿工动作识别模型。首先利用人体姿态识别模型OpenPose提取人体关键点，并对缺失关键点进行补偿，以降低因视频质量不佳造成关键点缺失的影响，然后利用DRCA−GCN识别矿工动作。DRCA−GCN在时空初始图卷积网络（STIGCN）基础上引入组合注意力机制和密集残差网络：通过组合注意力机制提升模型中每个网络层对重要时间序列、空间关键点和通道特征的提取能力；通过密集残差网络对提取的动作特征进行信息补偿，加强各网络间的特征传递，进一步提升模型对矿工动作特征的识别能力。实验结果表明：① 在公共数据集NTU−RGB+D120上，以Cross-Subject（X−Sub）和Cross-Setup（X−Set）作为评估协议时，DRCA−GCN的识别精度分别为83.0%和85.1%，相比于STIGCN均提高了1.1%，且高于其他主流动作识别模型；通过消融实验验证了组合注意力机制和密集残差网络的有效性。② 在自建矿井人员动作（MPA）数据集上，进行缺失关键点补偿后，DRCA−GCN对下蹲、站立、跨越、横躺和坐5种动作的平均识别准确率由94.2%提升到96.7%；DRCA−GCN对每种动作的识别准确率均在94.2%以上，与STIGCN相比，平均识别准确率提升了6.5%，且对相似动作不易误识别。

基于YOLOv5s−SDE的带式输送机煤矸目标检测

张磊, 王浩盛, 雷伟强, 王斌, 林建功

2023, 49(4): 106-112. doi: 10.13272/j.issn.1671-251x.2022080043

<摘要>(957) <HTML> (109) <PDF>(60)

摘要:
传统的煤矸图像检测方法需要人工提取图像特征，准确率不高，实用性不强。现有基于改进YOLO的煤矸目标检测方法在速度和精度方面有所提升，但仍不能很好地满足选煤厂带式输送机实时智能煤矸分选需求。针对该问题，在YOLOv5s模型基础上进行改进，构建了YOLOv5s−SDE模型，提出了基于YOLOv5s−SDE的带式输送机煤矸目标检测方法。YOLOv5s−SDE模型通过在主干网络中添加压缩和激励（SE）模块，以增强有用特征，抑制无用特征，改善小目标煤矸检测效果；利用深度可分离卷积替换普通卷积，以减少参数量和计算量；将边界框回归损失函数CIoU替换为EIoU，提高了模型的收敛速度和检测精度。消融实验结果表明：YOLOv5s−SDE模型对煤矸图像的检测准确率达87.9%，平均精度均值（mAP）达92.5%，检测速度达59.9帧/s，可有效检测煤和矸石，满足实时检测需求；与YOLOv5s模型相比，YOLOv5s−SDE模型的准确率下降2.3%，mAP提升1.3%，参数量减少22.2%，计算量下降24.1%，检测速度提升6.4%。同类改进模型对比实验结果表明，YOLOv5s−STA与YOLOv5s−Ghost模型的检测精度明显偏低，YOLOv5s−SDE模型与YOLOv5s模型及YOLOv5s−CBAM模型的检测效果整体相近，但在运动模糊和低照度情况下，YOLOv5s−SDE模型整体检测效果更优。

一种改进的tiny YOLO v3煤矸石快速识别模型

郑道能

2023, 49(4): 113-119. doi: 10.13272/j.issn.1671-251x.18079

<摘要>(202) <HTML> (105) <PDF>(43)

摘要:
传统的煤矸石分选方法效率低下、安全隐患较大、应用范围受限，现有的基于机器视觉的煤矸石图像识别方法在模型识别速度与精度上难以平衡，未综合考虑输入图像尺寸不一、重要通道权重较低及卷积参数量大对模型精度的影响。针对上述问题，在tiny YOLO v3模型的基础上，提出了一种改进的tiny YOLO v3煤矸石快速识别模型。首先，在tiny YOLO v3模型引入多卷积核组合池化的特征金字塔池化（SPP）网络，确保输入特征图可被处理为固定尺寸再输出；其次，引入RGB通道权重可调节的压缩激励（SE）模块，用于增强前几层特征图各通道之间的联系，强调感兴趣通道的特征值和不同目标特征之间的差异性，确保关键信息的捕捉和网络灵敏度；最后，引入包含0权值点的空洞卷积替代tiny YOLO v3模型中部分卷积层，在不增加模型参数的前提下，可捕获多尺度上下文信息进而扩大感受野，提高模型计算速度。将该模型分别与tiny YOLO v3模型、Faster RCNN模型、YOLO v5系列模型进行对比，结果表明：① 与tiny YOLO v3相比，改进的tiny YOLO v3煤矸石快速识别模型的识别准确性和快速性都有显著提升。② 与Faster RCNN相比，改进的tiny YOLO v3煤矸石快速识别模型训练时间减少了65.72%，识别精度增幅为11.83%，识别召回率增幅为0.5%，模型平均精度均值（mAP）增幅为3.02%。③ 与YOLO系列模型相比，改进的tiny YOLO v3煤矸石快速识别模型在保持识别精度优势的情况下识别速度有大幅增长。消融实验结果表明：改进的tiny YOLO v3煤矸石快速识别模型的识别准确率为99.4%，较加入SPP网络的tiny YOLO v3模型的识别准确率提高了4.9%；测试每张图片耗时12.5 ms，较加入SPP网络的tiny YOLO v3模型耗时减少了1 ms。

基于超声阵列的输送带动态煤量检测系统

郝洪涛, 王凯, 丁文捷

2023, 49(4): 120-127. doi: 10.13272/j.issn.1671-251x.2022080048

<摘要>(250) <HTML> (65) <PDF>(23)

摘要:
输送带动态煤量检测是实现顺煤流启动和自动调速等多级带式输送机能耗优化措施的基础和关键。针对现有基于超声波的煤量检测方法精度较低、多超声波传感器之间易受干扰等问题，设计了基于超声阵列的输送带动态煤量检测系统。利用超声波测距原理，通过超声阵列实时检测各超声波传感器阵元对应检测点的煤料高度，采用横截面切片法计算单位时间内输送带上通过煤料的总体积，结合煤料堆积密度计算输送带实时煤流量及总煤量。为降低同频声波串扰及超声波在井下恶劣环境中衰减带来的误差，选用10路中心频率不同的超声波传感器阵元，布置为2×5线性阵列形式，通过多行超声波传感器对采集的煤高数据进行补偿，以提高煤高数据检测准确性。实时性分析结果表明，超声阵列检测速度在理论上满足带速为5 m/s的带式输送机煤量检测要求。实验结果表明：在0.125，0.170 m/s带速下，规则物料体积检测的平均相对误差分别为4.99%，5.16%；模拟实际工况条件下，煤量检测的平均相对误差为5.56%。在低带速状态下，该系统对规则物料和煤料的测量准确度达94%以上，基本实现了输送带动态煤量实时准确检测，满足带式输送机煤量检测需求。

一种快速接钻杆方法在大功率电液钻机的应用

邢望, 李芬, 王宁芳, 李冬生, 李旺年

2023, 49(4): 128-133. doi: 10.13272/j.issn.1671-251x.2022080093

<摘要>(167) <HTML> (72) <PDF>(10)

摘要:
针对大功率电液钻机钻杆取放和钻杆拧卸（统称接钻杆）耗时长、效率低的问题，提出了一种快速接钻杆方法。为了实现快速下钻接钻杆，采用一种机械臂闭环联动和动力头同步上扣方法：接收到下钻接钻杆指令后，机械大臂、机械横梁和动力头同时动作，当钻杆在移动过程中与动力头和主夹持器干涉(碰撞），机械横梁停止动作，动力头继续后退，远离主夹持器，当干涉解除，机械横梁继续移动直至到位后，机械大臂和机械小臂联动，将钻杆自上而下快速放入中部上卸区域，当正转压力达到预设值10 MPa，钻杆丝扣啮合结束。考虑提钻接钻杆为连续循环动作，采用差值位移同步法：通过计算机械抓手径向缩回和机械横梁轴向位移差值，有效解决动力头与钻杆丝扣松开过程中，机械臂抓放钻杆时间过长、干涉等问题。当机械抓手径向升高300 mm时，与机械横梁轴向位移差值越大越安全，在动力头松开前扣完成后，机械臂复位，控制结束。工业性试验结果表明，该快速接钻杆方法的下钻接钻杆、提钻接钻杆用时分别较常规方法节省179，41 s，整体下钻接钻杆、提钻接钻杆成功率分别较常规方法提高22.3%，19.1%。

含夹矸煤层水力割缝瓦斯抽采技术研究及应用

李晓绅, 刘瑞鹏

2023, 49(4): 134-140. doi: 10.13272/j.issn.1671-251x.2022100095

<摘要>(172) <HTML> (72) <PDF>(8)

摘要:
为研究水力割缝强化瓦斯抽采技术在含夹矸煤层中的应用，通过理论分析得出，与普通钻孔相比，水力割缝钻孔可通过增加煤层渗透率、煤体暴露面积、瓦斯流动通道3个方面强化瓦斯抽采，并建立了考虑孔隙率和渗透率变化的煤层瓦斯流动控制方程。以东庞矿21218工作面为工程背景，采用COMSOL数值模拟软件建立了含夹矸煤层水力割缝瓦斯抽采数值模型，通过对煤层瓦斯流动控制方程进行解算，研究了不同割缝高度、不同钻孔间距条件下，水力割缝瓦斯抽采钻孔的瓦斯压力分布规律，从而确定了上煤层割缝0.3 m、下煤层割缝0.1 m、钻孔间距7.5 m的水力割缝瓦斯抽采钻孔施工参数。基于上述参数，在东庞矿21218工作面现场施工28组、每组7个水力割缝钻孔，对含夹矸煤层瓦斯进行抽采作业，结果表明：与普通钻孔相比，水力割缝钻孔的每百米巷道施工工程量减少了28.51%，瓦斯抽采纯量由11.53 万m³提升至21.43 万m³，增幅为85.86%，巷道掘进期间掘进工作面平均瓦斯体积分数由0.06%降至0.01%，瓦斯抽采效果好，且有效提高了瓦斯抽采效率。

无反复支撑超前支护智能控制系统

韩哲, 徐元强, 张德生, 赵全文, 杜明, 李慧, 周杰, 张帅, 刘杰, 高健勋, 温存宝, 周翔, 赵凯

2023, 49(4): 141-146, 152. doi: 10.13272/j.issn.1671-251x.2022090004

<摘要>(185) <HTML> (167) <PDF>(21)

摘要:
针对无反复支撑超前支护装备在空间小、震动大、电磁干扰严重的环境下传感技术水平低、运动控制不精准、作业流程复杂的问题，提出一种无反复支撑超前支护智能控制系统。无反复支撑超前支护工艺的被控需求：具备姿态、障碍物、位置等周边环境信息检测技术手段；具备自适应、自调整、自决策的控制方法；具备快速、平稳、精准的执行部件。根据上述需求，提出智能控制系统的3项关键技术：智能感知、逻辑控制、执行。基于无反复支撑超前支护智能控制系统的控制功能和任务流程，提出了系统总体架构；基于姿态、障碍物识别、压力及位置和速度信息的多传感融合技术手段，提出了多工况运动控制策略。研制了运输巷超前支护“转−运−支”一体样机，并进行地面测试，测试结果表明：无反复支撑超前支护智能控制系统可实现支架中心点及障碍物视觉识别、支架搬运小车自动行走及行程判断、支架自动偏移及旋转、支架自动抓取及升降功能；视觉识别传感器可实现支架架号编码识别、支架姿态、支护区域决策功能；实现了“行—抓—降—转—行—转—升—松—降”自动化作业流程，能够达到应用要求。

煤矿井下UWB信号路径损耗测量及中心频率选择

吕瑞杰

2023, 49(4): 147-152. doi: 10.13272/j.issn.1671-251x.18085

<摘要>(164) <HTML> (65) <PDF>(20)

摘要:
煤矿井下分别部署UWB，5G，WiFi6等系统，存在基站多、传输线缆多、供电设备多、系统成本高、维护工作量大等问题。将UWB，5G，WiFi6等集成在同一个一体化基站或分站内，可有效解决上述问题，但一体化基站的UWB，5G，WiFi6天线之间距离近，相互干扰大。选择不同的工作频段，是解决一体化基站的UWB，5G，WiFi6天线之间相互干扰大的有效方法。为与地面设备兼容，矿用WiFi6和5G工作频段选择范围较小，UWB工作频段选择范围较大。目前矿井人员和车辆定位系统主要采用UWB主流芯片DW1000，其中心频率为3.5，4.0，4.5，6.5 GHz。中心频率为3.5 GHz的UWB与3.5 GHz的5G工作频段相近，不宜选用。中心频率为4.0，4.5，6.5 GHz的3个频段的UWB，均与5G和WiFi6频段不相近，可选择其中衰减较小的频段作为矿用UWB中心频率。煤矿井下测试结果表明，4.0 GHz信号的路径损耗最小，在其他条件相同的情况下，传输距离最远，既解决了UWB与5G和WiFi6相互干扰的问题，又减少了基站数量和系统成本，便于使用与维护。因此，UWB中心频率应优选4.0 GHz。

留言板

2023年第49卷第4期

投审稿系统

最新录用查看更多>

留言板

2023年 第49卷 第4期

投审稿系统

最新录用查看更多>

2023年第49卷第4期