基于前馈补偿LQR与PID的矿井无轨胶轮车横纵向控制研究

无人驾驶技术是实现无轨胶轮车井下安全、智能、高效运输的重要方案之一,为了提高无人驾驶过程中的轨迹跟踪精度,提出了基于前馈补偿的横向线性二次型调节器(Linear Quadratic Regulator,LQR)与纵向比例积分微分(Proportion Integration Derivative,PID)位移速度调节器相结合的控制策略,实现车辆的横纵向协调控制。通过建立考虑轮胎侧偏特性的2自由度无轨胶轮车动力学模型和跟踪误差模型,并采用井下无轨胶轮车实车参数建立其电机模型,得到车辆的驱动制动输出。利用Carsim和Matlab/Simulink搭建联合仿真环境,分别在井下双车道工况、单车道工况与颠簸路面工况下进行了轨迹跟踪仿真验证。结果表明:在3种工况下车辆轨迹跟踪过程中的最大横向误差仅为5 cm,最大纵向误差仅为10 cm,速度误差控制在1 m/s以内,航向误差范围为±0.1 rad,前轮偏转角变化平稳未出现抖动现象。为验证控制器在井下实际环境下的跟踪性能,使用实验室小车于陕西某井下巷道进行了现场试验验证,结果表明:井下实际巷道下试验结果误差仍在合理范围内,解决了车辆运行过程中的速度和路径的时变问题,反映出该控制器具有较高的精度和较好的稳定性。

基于无人机影像深度学习的滑坡灾害智能识别

为精确识别和预警露天矿滑坡灾害,提出一种基于面向对象的标注数据集和Res-U-Net模型相结合的露天矿滑坡智能识别方法。首先,以无人机航测获取研究区矿山滑坡影像数据;其次,采用多尺度-光谱差异分割方法和阈值分离原理,对露天矿滑坡数据进行分割和分类,完成基于面向对象方法的滑坡数据集构建;然后,以U-Net网络作为基础架构,在每个卷积层融入ResNet的残差模块,构建基于Res-U-Net的滑坡识别语义分割模型;最后,识别不同方法构建的滑坡数据集,并对比Res-U-Net模型与主流的语义分割模型全卷积神经网络(FCN)、U-net。结果表明:基于面向对象标注的滑坡数据集相比于传统人工标注数据集具有更好的滑坡识别效果,在准确率、召回率、F 1分数和kappa系数上都有12%以上的提升;Res-U-Net模型的滑坡识别精度均在0.8以上,实现露天矿山滑坡灾害精准识别。

低照度下改进YOLOX的煤矿无人电机车轨道障碍物检测方法

为解决地下煤矿光照不足进而导致无人电机车脱轨、撞车或侧翻等问题,提出了一种低照度多特征融合的YOLOX-CBAM目标检测算法,对矿井无人电机车轨道障碍物进行有效识别与分类。首先,通过实际场景采集及标注构建地下煤矿障碍物数据集,并将其输入微光数据处理Zero_DCE模型中;其次,对YOLOX目标检测网络进行改进,分别在骨干网络CSPDarknet和特征金字塔(Feature Pyramid Networks,FPN)部分增加双通道CBAM注意力模块,解决了特征提取环节通道单一的问题;最后,将预测头部分的损失函数替换成SIoU,加快了模型迭代的速度。结果表明,与传统两阶段Faster-RCNN网络、YOLOv4网络、YOLOv5网络和原YOLOX网络相比,本模型精确率分别提高了4.65百分点、2.65百分点、2.19百分点、1.35百分点,召回率分别提高了9.39百分点、4.36百分点、0.82百分点、0.76百分点,速度分别提高了28.6帧/s、16帧/s、13.6帧/s、2.9帧/s,同时本模型与分别添加CBAM、SA、SA+SIoU、SE、SE+SIoU,YOLOX-CBAM模块的YOLOX模型相比,其精度分别提高了0.64百分点、0.84百分点、1百分点、1.29百分点和0.76百分点,速度分别提高了0.5帧/s、0.4帧/s、0.3帧/s、0.2帧/s和0.4帧/s。所提出的方法能实现地下煤矿井下无人电机车轨道障碍物的快速准确检测,并为地下矿运输设备的智能化升级及安全运行提供理论支撑。

基于改进U-net的少样本煤岩界面图像分割方法

煤岩图像语义分割技术是煤岩界面识别的重要研究方向,现有的语义分割模型通常依赖于大样本数据集进行训练,然而目前已标注的煤岩图像数据样本难以获取,并且缺乏公开数据集。针对以上问题,提出了一种基于改进U-net模型的样本煤岩界面图像分割模型。将裁剪后具有更强特征提取能力且结构上更为简单的VGG16替换U-net的原始骨干特征提取网络,提升对图像信息的特征提取能力并获得更快的训练速度,在U-net网络的跳跃连接和解码器上采样部分引入注意力机制模块,对提取的特征层进行处理,提升模型对煤岩界面图像关键特征的提取能力,提高分割精度。使用迁移学习方法对改进的模型进行预训练,提高模型泛化能力同时避免过拟合,使模型更适用于小样本数据集训练。通过使用自制的煤岩界面数据集对所改进的网络模型性能进行验证,并将该模型与经典Unet、DeepLabv3+、PspNet、HrNet网络模型进行了对比。试验结果表明:在同样使用由125幅煤岩界面图片构建的小样本数据集进行训练的情况下,所提改进模型相较于经典U-net模型在分割精确度和检测效率方面都有显著提升,模型精确度提高了1.84%,平均交并比提高了5.34%,类别平均像素准确率提高了0.48%,检测速度增幅为5.3%。同时,与其他网络模型相比,所提改进模型在小样本煤岩界面图像的语义分割中优势显著,表明所提改进思路的有效性。

基于Citespace可视化的国内外矿山环境治理与生态修复研究进展

矿山环境治理和生态修复是全球生态环境问题的重要挑战之一,也是我国可持续发展和生态文明建设的重要内容。为探究我国矿山环境治理和生态修复研究热点及其发展趋势,以CNKI数据库和WOS数据库为数据源,梳理了2011年至2020年国内外发表的矿山生态环境治理和生态修复有关文献,使用Citespace软件构建国内外矿山环境治理和生态修复的研究热点以及发展趋势等知识图谱,进而分析对比该类研究目前在国内外的优势和不足,并预测和分析发展趋势。研究表明:在2011年至2020年,国内外矿山生态环境治理和生态修复领域研究发文量整体呈稳定上升趋势;该领域国内外的研究热点主要集中在地质环境管理、土地复垦以及综合治理等方面;该领域未来发展趋势将指向遥感监测、机器学习算法和矿山公园建设等方面。分析结果可为我国矿山生态环境治理和生态修复领域的发展提供方向指引。

融合异质层次因果图的尾矿堆积坝安全状态分析

为探究尾矿堆积坝内外部因素对堆积坝体安全状态的影响,提出基于异质层次图的尾矿堆积坝安全状态分析方法。该方法通过构建异质层次因果图,将环境、渗流场和应力场等关键因素与堆积坝安全状态建立联系,并结合异质节点属性特征,形成环-渗-应安全状态分析指标体系;通过提出定量指标动态等级区间计算方法和安全状态等级计算模型,将坝体安全状态定性问题的模糊性转化为定量化表达,实现对尾矿堆积坝安全等级评价;以洛阳某尾矿坝为例验证模型的科学性。结果表明:该模型能合理定量分析因素与状态之间联系,并找出堆积坝负向演化的敏感性因素,给后续筑坝过程的安全管理提供决策依据。

基于MISSA-CNN-BiLSTM模型的尾矿坝位移预测

为应对尾矿坝位移预测所面临的复杂情况和精度要求,提出一种基于多算法耦合的尾矿坝位移动态预测模型。首先,基于时间序列分解模型将累计位移分为趋势项和周期项,利用高斯回归时间序列预测模型预测趋势项位移;然后,运用不同Copula函数研究诱发因素与周期项位移的整体相关性,鉴于周期项位移影响因素多样性与强非线性的特点,采用多策略融合的改进麻雀搜索算法改进麻雀搜索算法(MISSA)-卷积神经网络(CNN)-双向长短期记忆(BiLSTM)模型预测周期项位移;最后,将高斯回归趋势项位移预测值和MISSA-CNN-BiLSTM周期项位移预测值叠加。结果表明:尾矿坝累积位移预测值与实测值基本一致,预测结果相关性系数R为0.996,均方根误差(RMSE)为0.13 mm,建立的MISSA-CNN-BiLSTM多算法耦合模型预测精度较高,且能较好地预测尾矿坝位移的阶跃型变化。

基于改进ConvNeXt网络的矿物图像智能识别

矿物识别是地质研究的重要工作,但是如何准确识别矿物仍然是一项重要的挑战。针对矿物形态特征,提出了一种利用迁移学习策略并引入通道注意力的改进ConvNeXt网络矿物图像智能识别模型。首先,利用ImageNet数据集上已预训练的ConvNeXt网络模型,运用迁移学习的方式,加载到矿物识别模型中;其次,在ConvNeXt网络的基础上,以ConvNeXt块之后与注意力机制相结合的方式,进一步提升其特征融合能力;最后,以26类矿物的矿石图像为研究对象,总计34576张图像,以6∶2∶2比例划分训练集、验证集与测试集,模型在实验训练过程中与VGG19、GoogLeNet、ResNet50、ResNeXt50和ConvNeXt网络相比,收敛速度明显加快。实验结果表明,矿物智能识别模型在准确率、精确率和召回率上分别达到98.58%、98.62%和98.73%,而消融实验证明本文提出的优化方法有助于提升模型性能,同时,通过对不同模型矿物图像特征图的可视化对比分析,验证了本文提出的矿物识别模型对于矿物特征的准确提取,进一步证明了模型的有效性,提高了矿物识别的准确率。

SLAM技术在矿井智能化的研究现状与应用进展

智能采矿是矿井生产发展过程中的重要阶段,直接影响矿产企业的安全生产、矿产产量、经济效益和社会效益,随着矿井智能化水平的提高和相应政策的颁布,特别是我国智慧矿山和智能感知设备的快速发展和普及,矿井智能化地图构建和定位导航技术已成为重要的研究课题。回顾传统矿井地图绘制和定位技术的发展历程,结合矿井环境特点分析传统技术面临的挑战。介绍同步定位与建图(SLAM)技术在矿井智能化应用方面的优势,综述SLAM技术在非结构化复杂矿井工作环境下数字地图构建及无网络井下人、机/车定位导航的研究现状与应用进展。最后,对未来SLAM技术在矿井智能化领域中的发展趋势进行展望,即融合深度学习、三维重建与可视化、5G与云计算等。

高光谱技术在矿业中的应用与发展分析

高光谱技术在矿山研究中占据举足轻重的地位。研究发现,在矿床勘查和找矿分析中,高光谱技术已成为一种非常有效的工具。该技术利用不同矿物和岩石在特定波长下的光谱反射、吸收和发射特性,探测这些细微的光谱差异,从而识别和区分不同的矿物,在新疆土屋东一三岔口区利用HyMap机载成像光谱数据,成功填绘十多种矿物。此外,高光谱技术在矿区水体变化监测分析方面涵盖了水体污染识别及监测、水质监测等多个方面。在某矿区的水体监测中,通过高光谱技术成功识别出水体中的重金属污染,并绘制出了污染物的空间分布图。结合大数据和人工智能的发展,高光谱技术正推动矿地数据勘测工作向更高效、智能的方向发展。本文将高光谱技术在矿区中的具体应用进行分类,以期为矿业领域提供更为科学的勘探方案,展望未来,这些发展趋势预示着高光谱技术在矿山研究领域将拥有更加广阔的应用前景。

岩溶桩基振动台试验中岩体相似材料的配比研究

振动台模型试验是现阶段研究地震条件对工程实际影响的有效手段,而选择合适的材料配比是成功模拟原型工程的关键。依托渝黔铁路周家湾大桥,基于分离相似设计方法,采用正交试验以及二次细化试验相结合对模型所需的岩质材料进行配比研究。试验选用重晶石粉、石英砂、铁精粉、石膏以及松香酒精溶液为配比材料,正交试验以岩体密度、重力加速度、几何尺寸为控制指标,通过极差分析法确定各试验材料含量对模型岩体主要参数的影响程度。再利用二次试验进行细化分析,确定最终的材料配合比例。结果表明:(1)各配比材料的比重均会对材料的变形模量、黏聚力及内摩擦角等主要参数造成不同侧重、不同程度的影响。(2)分离相似设计方法可以很好地选择出相似试验中各个部件的主要参数,正交试验和二次细化试验能够快速高效的对主要参数进行设计和测试,最终找出满足模型试验要求的最佳配合比。

融合Swin Transformer与CNN的露天矿车前障碍物智能检测算法

随着金属露天矿开采深度不断加大,道路运输条件愈发复杂,无人矿车行驶在道路上面临着各种障碍物的安全隐患,因此对无人矿卡障碍物智能检测提出了更高要求。提出了一种融合Swin Transformer与CNN的露天矿车前障碍物智能检测方法,障碍物检测模型需要建立长期依赖关系来处理不断增加的图像数据,Swin Transformer可以关注全局语义信息,有利于长期建模。将Swin Transformer融入YOLOX模型的骨干特征提取网络中,充分利用多头注意力机制,对图像特征进行预处理,在加强特征提取网络中加入CBAM注意力机制模块,使模型在后续的特征提取中能够提取更多的表征信息。该模型使用的数据集均来自实地矿山,并采用数据增强方式进行预处理。经过实地矿山数据对比验证试验,结果表明:该方法能够有效识别背景复杂的金属露天矿区非结构化道路障碍物,检测精度达到91.57%m AP,检测速度达到56.86 fps,具有较好的小目标和多尺度目标检测性能,可以满足无人矿卡在金属露天矿区的高精度检测要求。

基于点渲染的多分支融合露天矿爆堆块体精细分割方法

现代矿产开采中,爆破成本控制占据整个矿产开采的成本控制的很大一部分,这使得爆破效果的控制在整个矿产开采流程中至关重要,而爆破效果的控制与爆破参数直接关联,这需要采集现场真实的数据来指导爆破参数的优化。为解决当前对于矿区现场爆堆块度识别时存在的精度低、实时性差、泛化性能弱等问题,基于爆破参数优化的需要,提出了深度学习框架下的爆堆块体精细分割方法(Point+S Deeplabv3+)。首先模型在骨干网络特征提取部分引入多分支可分离注意力机制,学习不同通道间的权重特征并融合,改善了提取特征时跨通道交互缺乏的问题;在解码阶段,运用点渲染模块,通过迭代选取点在不同尺度特征图的特征,逐步对每个点对应的低级语义特征和高级语义特征进行拼接,解决了上采样时大量丢失语义信息、边缘及小目标分割精度降低的问题;最后使用动态学习率调整策略,加快模型的收敛速度。实验结果表明,基于Point+S Deeplabv3+模型的MPA和MIoU分别达到了94.36%和89.04%,对比主流的语义分割网络,如FCN、UNet、PSPnet和Deeplabv3+相比,基于Point+S Deeplabv3+的模型MPA和MIoU分别提升了3.04%、4.44%、2.79%、1.52%和2.95%、4.36%、3.17%、1.88%,具有更好的综合性能,特别对于边缘和小目标的分割效果有明显改进。因此,基于Point+S Deeplabv3+的分割模型为在爆破现场环境下的爆破参数优化数据采集提供了实时便利、可靠的理论依据。

基于SHPB加载过程的泥质粉砂岩LS-DYNA数值模拟研究

软岩的水稳定性及在冲击荷载作用下的动态损伤力学特征一直是学术界研究的热点问题。采用ANSYS/LS-DYNA有限元软件对泥质粉砂岩的SHPB(Split Hopkinson Pressure Bar)冲击过程进行了数值模拟,考虑了接触类型、冲击速度等变化对模拟结果的影响。结果表明,面面接触类型比较适用于带破坏准则的HJC材料模型;试样的破坏强度随着冲击速度的增加而逐渐增大,这与相关文献试验所得规律基本一致;试样的破坏是从边界处开始脱落,然后逐渐发展到试样的中间,且试样各单元的应力随着冲击速度的增加逐渐增大。

把握小学体育合作学习三要点

合作学习是新课改以来倡导的学习方式，其不仅能提高学生的学习效率，还能培养学生与他人沟通交流的能力，培养团队合作的精神，为学生的终身发展打下坚实的基础。在小学体育教学中引入合作学习方式，可以培养学生良好的学习能力和习惯，使他们终身受益。

热弹性力学方程球对称解的全局存在性和指数衰减性

首先证明有界环域上三维线性热弹性力学方程球对称解随时间的指数衰减性，然后对相应的非线性方程建立球对称小解的全局存在性．

桩端荷载与地震耦合作用下溶洞顶板的破坏特征及安全厚度计算

桩基支撑于溶洞顶板的情况时有发生,研究地震作用下桩端溶洞顶板的稳定性具有重要意义。根据相似定理和分离相似设计方法,基于振动台模型试验对顶板厚度及溶洞直径变化下桩端顶板的动力响应特征进行了研究。结果表明,桩端溶洞顶板在地震作用下的破坏模式与顶板厚度及溶洞尺寸大小密切相关,一定顶板厚度情况下溶洞尺寸较小时(洞径l≤2d,d为桩径)表现为剪切破坏,而洞径较大时(如l≥4d)为显著的冲剪破坏,洞径越大,冲切块体积所占比例越大;基于振动台试验得到的岩溶顶板破坏模式,结合拟静力法构建了可考虑岩体特性、地震烈度及桩径大小影响的最小顶板安全厚度理论计算模型。通过算例分析表明,最小安全厚度相比静力条件下要大,且随地震烈度的增强而增大,相同条件下冲-剪破坏的计算值均大于剪切破坏情况,说明地震环境下溶洞尺寸越大,所需顶板厚度越大。其成果可为实际工程中岩溶顶板安全厚度的计算提供理论基础。

人工智能背景下采矿系统工程发展现状与展望

随着以人工智能为核心的第四次工业革命的到来,采矿系统工程作为采矿工程与系统工程的交叉学科方向,迎来了前所未有的发展机遇和挑战。首先梳理了采矿系统工程涉及的基本理论和研究方法,在此基础上对人工智能技术在采矿系统工程中的发展历史进行了回顾,通过对研究现状进行分析,综述了当前人工智能、大数据背景下采矿系统工程的研究方法和研究应用对象,最后指出了未来采矿系统工程在跨学科应用、大系统优化及智能采矿方面的发展趋势。研究表明:以进化计算和机器学习为代表的人工智能技术,在新一代新能源智能化无人采矿装备,无人采矿新技术、新工艺及新模式,采矿生产各工艺流程智能化和多系统融合大数据平台等4个重要发展方向中将发挥越来越重要的作用,是未来引领智能矿山建设的核心技术,人工智能技术与传统采矿工艺的结合必将推动采矿系统工程学科进入全新的发展阶段。

弹头部形状对侵彻影响的数值模拟研究

采用MOCL(Markoncellline)分界面跟踪算法,用二维多流体网格法的欧拉程序,对卵型头和平头动能弹侵彻混凝土平靶的过程进行了数值模拟研究,给出了侵彻过程中的物质变形情况及对应的破坏区域。基于计算结果,分析了弹头部形状对侵彻的影响。得出卵形头弹体的穿透过程是一种刺穿性模式,对靶孔周围破坏区域呈现出两头大、中间小的M型;而平头弹体则是一种挤凿性模式,对靶孔周围破坏区域较小。穿透同样的靶板,平头弹的侵彻耗能比卵形头弹侵彻耗能大,剩余速度小。