超长柔性悬挂固体充填刮板输送机异常工况表征及自主调控方法

固体充填刮板输送机是固体充填开采技术的关键装备,其高效智能化的程度制约着固体智能充填开采技术的进步,暂难突破超大采长、大功率、高可靠性的瓶颈,运行状态受地质条件、充填工艺等主控因素影响显著,异常工况自主调控问题亟待解决。总结了固体充填刮板输送机特征;构建了固体充填刮板输送机位姿形态与运输状态表征方法;通过分析异常工况的形成机理,选取异常工况判别指标,结合位姿与运输状态表征方法,给出了其空间位姿、牵引状态等异常工况判别准则与典型异常工况的调控路径,揭示了多工况状态下固体充填刮板输送机运载调控机制,提出了实时调控充填材料运输量、直线及水平程度组合的异常工况自主调控方法。全国首个260 m工作面长固体充填工程案例表明:通过异常工况自主调控,平均最大水平偏移距每减少100 mm,刮板链牵引力可减少85 kN,输送功率损耗可减少55 kW;平均最大垂直偏移距每减小100 mm时,输送功率损耗可减少7.2 kW;单位长度货载运量每减少100 kN/m,刮板链牵引力可减少31.9 kN,输送功率损耗可减少38.2 kW。所提出的异常工况自主调控方法可显著提升固体充填刮板输送机的输送效能,可助力实现固体智能充填开采。

基于多注意融合网络的输煤皮带异物识别方法

为改善现有输煤皮带异物识别算法网络参数量大、识别精度不高的问题,及时避免大块煤和矸石、锚杆等带来的安全隐患,提出了一种基于多注意融合网络的输煤皮带异物识别方法,使用低照度图像处理算法对数据集进行预处理,采用融合局部注意力残差块作为基本特征提取单元,在残差块中融入带有额外偏移量的可变形卷积以增加对不规则特征的描述,用注意力机制对全局特征图做期望最大化处理。结果表明:在Cifar 10数据集和矿用皮带传输异物识别数据集的识别准确率分别为93.7%和84.8%;与ShufflenetV2、MobileNetV2、ResNet 50、ResNet 110、Darknet 53算法相比,识别准确率分别提升了4.7%、3.9%、0.4%、0.5%、1.7%;与识别准确率相近的ResNet 50、ResNet 110算法相比,网络参数量和计算复杂度大大减小。识别方法能够快速识别输煤皮带异物,且具有较高的识别准确率,对保障煤矿运输系统的安全运行具有参考意义。

更换托辊机器人履带式底盘的仿真与优化

为满足更换托辊机器人在煤矿井下复杂路面上以及狭窄长运距巷道内作业的需求,设计了带有姿态调整机构的履带式底盘,并结合煤矿井下的地形特征对底盘进行力学性能分析和关键部件优化。首先,利用多体动力学仿真软件RecurDyn建立履带行走机构的动力学模型,对6种经典工况进行仿真分析,通过对比履带张紧力和行驶转矩的仿真值与理论值来验证履带行走机构结构设计的合理性。然后,在ANSYS Workbench软件中对姿态调整机构进行静力学分析,并对其关键部件进行拓扑优化,以提高材料利用率并实现减重。最后,通过开展机器人行驶试验来测试履带式底盘的稳定性。结果表明,优化后姿态调整机构横移平台的最大应力降低了13.71 MPa,质量减小了36.92%;机器人在不同路况下均能稳定行驶且其姿态调整机构可正常工作。研究结果可为复杂工况下履带式煤矿机电设备的行驶性能优化提供参考。

基于双目视觉的输送带表面损伤定量分析方法

为了对输送带表面损伤进行定量分析以有效判断其损伤程度,并根据损伤程度选择检修方法和时间,为工作人员检修提供依据,提出了一种基于双目立体视觉的输送带表面损伤定量分析方法。该方法首先对双目相机进行相机标定,对输送带表面损伤图像进行图像处理校正、立体匹配,基于视差原理根据三角测量原理获取目标点的三维空间信息,通过数学计算模型对损伤程度进行定量分析,提出了改进的Census变换和SGM(semi-global matching)算法相结合的立体匹配算法。结果表明:提出的改进算法匹配效果有所提升,和Census变换算法及梯度算法进行对比,误匹配率分别降低了5.26百分点和3.92百分点,得出的视差图精度最高;通过提出的方法对输送带表面损伤进行定量分析,在输送带损伤长度、宽度、深度三者误差中,损伤深度误差最大为8.5%,仍在可接受范围。

带式输送机托辊组振动噪声仿真分析及参数优化

带式输送机托辊组产生的振动噪声受多因素联合影响,为解决其振动噪声过大问题,文章提出一种基于有限元-边界元理论对托辊组振动噪声分析与优化的方法。首先,对托辊组进行模态分析与动力学仿真,探明托辊组的振动特性;然后,基于有限元-边界元复合声场仿真方法,作声场的谐响应分析计算托辊组的声场分布,并搭建实际测试平台验证声学仿真模型的可靠性;最后,结合输送能力与轻量化约束条件,得到托辊组结构参数与工作参数的最优解。结果表明,有限元-边界元法可有效模拟托辊组声场分布和变化规律,优化后托辊组噪声声压级较优化前减小约6.1dB,并且托辊组综合性能均有所改善,可对实际工程中的带式输送机优化设计起到有效的指导作用。

刮板输送机技术发展历程(四)——智能化成套装备

采煤工作面机器人群包括智能刮板输送机,它不仅要自适高效输送煤流而且要引导智能采煤机沿着工作面截割煤炭、牵引智能液压支架安全支护岩层顶板,因此刮板输送机智能性直接影响采煤机组智能性。认为,断链监测与保护技术、链张力实时感控技术、煤流量在线监测技术和机身自动调直技术是智能刮板输送机的关键感控要素,目前这些技术已达到成熟应用,为刮板输送机无人化运行提供了重要保障。自2010年起,我国刮板输送机智能化技术创新加速,研发成功超大功率、超长运距智能刮板输送机,以此构建了超级智采工作面。指出,未来刮板输送机永磁电机智能驱动、智能力感刮板链、全耐磨整体成型中部槽、数字孪生控制系统将成为新一代高级智能刮板输送机的发展方向,进而推进煤矿智采工作面进入高级智能化层次。

刮板输送机技术发展历程(一)——国外技术

刮板输送机是井下采煤工作面的“脊梁”装备,它经历了6次技术变革,持续推动采煤工艺变革及生产效率持续提升。刮板输送机第1次技术变革发生于1900-1940年,诞生了可拆卸刮板输送机,煤矿开启半机械化开采时代;第2次技术变革产生于1940-1950年,创制了可弯曲刮板输送机,煤矿进入机械化开采时代;第3次技术变革形成于1950-1985年,创设了可自移刮板输送机,煤矿跨入综合机械化开采时代;第4次技术变革出现在1985-2000年,已发展成为重型化刮板输送机,煤矿走向高产高效综采时代;第5次技术变革形成于2000-2010年,研发出自动化刮板输送机,煤矿迈向数字化综采时代;第6次技术变革始于2010年,创新推出智能化刮板输送机,煤矿开启少人化智采时代。英国和德国为刮板输送机初创做出巨大贡献,研制出多种早期的刮板输送机机型。苏联对刮板输送机的系列化,以及对机械化采煤机的配套起到重要的创新推动作用。在此基础上,1954年,英国把安德顿滚筒采煤机与垛式支架、可弯曲刮板输送机组合为综合机械化采煤机组,建成世界上第一个综采工作面。21世纪以来,世界煤炭开采的重心逐步转向我国,国外刮板输送机研发与制造影响力逐年衰减,我国逐渐成为刮板输送机的制造强国。

圆管带式输送机桁架结构轻量化设计

为了解决圆管带式输送机桁架结构设计常参照经验而使用钢量浪费的问题,提出基于实验设计(DoE)的优化设计方法。分析圆管带式输送机桁架承受的荷载组合情况,在Ansys workbench中按照桁架的最不利荷载组合施加荷载,找出危险杆件;对杆件截面设计尺寸进行参数相关性分析,选取敏感度较高的控制参数,通过拉丁超立方抽样和非参数回归方法建立响应面模型,采用多目标遗传算法(MOGA)进行多目标优化。结果表明:优化后的桁架结构整体质量减轻32.8%,实现了结构轻量化;同时,杆件应力比均有所增加但满足强度和刚度要求,杆件截面利用更加充分。

煤矿井下输送机设备的节能控制技术分析

为了降低煤炭开采过程中的能源消耗,达到节能减排的目的,本文针对煤矿井下输送机进行节能控制研究。在输送机分类和特点分析的基础上,确定了阻力、输送带运行速度2个关键点,构建二者对输送机功率消耗影响的数学模型。以长短记忆循环网络为深度学习框架,以阻力、输送带速度为网络输入,以输送机功率消耗为输出,进行参数优化,并以此为依据展开测试试验。结果显示,带宽、物料覆盖层厚度对阻力的增加有线性正向影响;输送带运行速度对输送机功率消耗呈现先降后升的分段影响。

大规模矿山的长距离胶带输送系统设计探讨

国外某大型矿山,生产规模达6 000万t/a,且地处内陆地区,矿体狭长,距离选矿工业场地较远、地势起伏陡峭、地形自然坡度大。该项目矿石运输兼具运量大、运距长、运输难度大等特点。对于大规模矿山而言,带式输送机因其具有运输量大、可长距离运输、自动化程度高、并能实现连续运输的优势,在矿山生产过程中发挥着极其重要的作用。与此同时,由于需要输送的距离越来越长,单段带式输送机很难满足矿山整体的散料输送要求,大运量、大角度接力运输的带式输送机系统得到普遍应用。本文借鉴现有矿山带式输送机接力系统的生产数据,以该大型矿山为背景,对带式输送机系统的可靠性和能耗情况进行分析计算,为类似项目提供参考。

500m超长工作面刮板智能输送技术研究

在中厚煤层开采领域,超长工作面智能开采是煤炭开采技术的发展趋势,而智能运输是其重要组成部分。在总结现阶段国内400~450 m工作面智能开采中刮板运输系统问题的基础上,探索了500 m超长工作面智能刮板输送系统装机功率与运量合理匹配的方法,提出了解决500 m超长工作面刮板运输技术难题的可行性方案。基于综采三机选型配套技术方案及2000 kW以上高端传动系统的应用实践,研制了国产2500 kW大功率变频一体智能传动系统,包括变频一体电机、减速器、限矩器等,关键技术、关键部件均实现了国产化。为解决因传动装置重心位置后移、中部槽槽宽参数不变,不利于端头设备顺利推移的技术难题,研究了中等槽宽配置大功率传动装置的防偏沉技术,建立了机头(尾)推移部多工况推移模型,并对推移部进行了结构优化,解决了因传动装置偏沉造成机头整体失衡、漂溜严重、推移难度加剧的问题。针对刮板链断链后,中部槽内煤量负荷较大时,液压马达难以带动、断链事故处理较为困难的问题,选用了大扭矩数字液压马达并研制了数字马达控制系统,减小了维护刮板链的工作强度。基于刮板运输设备安全运行对链条进行实时变形补偿的需求,提出了500 m运距链条张紧控制策略,开发了运行过程中链条张紧度随负荷梯度智能调节技术,解决了500 m运距链条弹性变形的动态补偿问题,并通过在机尾架盖板上端加装AI高清摄像仪来实现对链条运行状态的实时检测,为工作人员对链条运行状态的实时掌控提供了便利。此外,为了提高伸缩机尾对多种复杂工况的适应性,确保其在使用周期内能够伸缩自如,提出了从结构、材料、制造工艺三方面来提高伸缩机尾的强度和刚度的技术方案,并研制了液压缸防护罩、伸缩机尾滑道自动冲洗系统,进一步提升了伸缩机尾的可靠性。井下现场工业性试验表明:该设备运量与装机功率匹配合理,2500 kW变频一体智能传动系统占用空间较小、传递扭矩精准,斜推式机头(尾)推移部稳定可靠,数字液压马达处理断链问题方便省力,伸缩机尾按负荷分梯度自动张紧时未出现卡滞,保障了煤炭的安全、高效运输,为500 m超长工作面智能开采提供了技术保障。

基于对抗修复网络的输送带表面缺陷检测

针对输送带缺陷数据获取和标注困难、输送带工作场景中的不稳定因素和数据波动导致基于深度学习的输送带缺陷检测方法精度低的问题,提出了一种基于对抗修复网络的输送带表面缺陷检测模型。该模型主要由自编码器结构的生成器和马尔可夫判别器组成。在训练阶段,将模拟的输送带表面缺陷图像输入生成器,得到无模拟缺陷的重构图像,提升模型对未知缺陷的泛化能力;将原始无损输送带图像、重构图像和模拟的输送带表面缺陷图像输入马尔可夫判别器,通过残差块获得特征图,提高模型对于微小缺陷的检测能力。在检测阶段,将待测图像输入训练完的生成器得到重构图像,再通过训练完的马尔可夫判别器提取待测图像与重构图像的特征图,根据待测图像与重构图像特征图之间的均方误差和待测图像特征图最大值,计算异常分数并与设定的阈值进行比较,从而判断待测图像是否存在缺陷。实验结果表明,该模型的接收操作特征曲线下面积(ROC-AUC)达0.999,精确率-召回率曲线下面积(PR-AUC)达0.997,单张图像检测时间为13.51 ms,能准确定位不同类型缺陷位置。

基于人工智能的煤矿皮带输送系统设计与实现

随着人工智能技术的发展,其在煤矿行业的应用逐渐增多,尤其在提升自动化水平、增强安全监控和优化运输提高效率方面具有巨大潜力。该研究从电气技术与经济的专业角度出发,探讨了人工智能在煤矿皮带输送系统中的应用,包括硬件和软件两个方面。基于人工智能技术的煤矿皮带输送系统的设计与实现,涵盖了系统的硬件结构和软件结构,并根据系统功能验证展示了其在实际应用中的可靠性。

基于改进XGBoost的带式输送机驱动系统健康状态评估研究

针对现有的带式输送机驱动系统健康状态评估方法存在数据分布不均衡、评估指标过多存在冗余性,以及采用单一算法寻找全局最优能力较弱等问题,提出一种基于改进粒子群优化算法(IPSO)优化极端梯度提升算法(IPSO-XGBoost)的带式输送机驱动系统驱动系统健康状态评估方法。通过综合相关系数表征带式输送机驱动系统监测参数之间的相关关系,进而选择合适健康状态评估的指标,通过IPSO算法寻找XGBoost模型的最优参数配置,并将最优参数自动输入XGBoost评估模型进行训练,实现了对带式数据驱动系统健康状态评估。通过实验结果表明所提出的模型能够准确评估带式输送机驱动系统的健康状态。

基于改进YOLOv5s的煤矿输送带异物检测算法

为了解决现有煤矿输送带异物检测模型存在的参数量大、占用计算机资源多、检测异物种类少等问题,对YOLOv5s目标检测算法进行了优化。首先,将轻量化卷积神经网络ShuffleNetv2作为YOLOv5s骨干网络并对异物图像进行了特征提取,进而减少了模型参数量,提高了网络并行度;其次,将双向特征金字塔网络作为特征融合网络,融合了不同特征图尺度中的细节信息;最后,添加了坐标注意力机制,增强了特征提取能力,强化了异物目标关注度,从而提高了网络模型检测精度。实验结果显示,与原始模型相比,基于改进YOLOv5s的目标检测网络模型其参数量压缩为3.60×106个,检测帧率提升了8.4%,表明该算法能够在计算资源较少的情况下实现快速、准确的煤矿输送带异物检测。

基于RGB-D视觉信息融合的带式输送机煤流量检测方法研究

在煤矿中,精确测量带式输送机煤流量对于煤矿生产和管理至关重要。为了进一步提高通过机器视觉方式检测带式输送机煤流量的精度,提出一种基于RGB-D视觉信息融合的煤流量检测方法,使用RGB-D相机采集煤流信息后,利用RGB图像对深度图像从不同尺度进行增强,运用K-means聚类算法,结合RGB图像对预分割的煤料区域深度图像进一步分割,基于微元法建立煤堆体积计算模型计算煤流量。实验结果表明,该方法的平均检测误差为1.57%,平均耗时263.77 ms,满足实际生产要求,为带式输送机煤流量检测提出了一种新的有效途径。

矿用带式输送机多目标参数协同优化控制储能方法

利用超级电容储能是实现矿用带式输送机节能的有效方法,但仅靠负载功率预测控制存在能量利用率低的问题。为此,提出了一种多目标参数协同优化控制策略。在负载功率预测基础上,综合考虑储能单元和电机能量流传递规律,设计了不同运行工况下的功率优化算法,实现了储能单元和电机能量的优化传递,实时求解约束条件下超级电容的目标电流和电机的目标转速,从而实现多目标参数协同优化。研究表明,采用提出的策略能有效提高矿用带式输送机的能量利用率。

基于多种图结构信息融合的刮板输送机健康状态识别

刮板输送机是一种煤矿井下用的煤炭输送设备,在煤矿生产中具有重要作用。恶劣工作环境及长期使用磨损导致刮板输送机性能逐渐退化,故及时掌握刮板输送机健康状态极为关键。为克服传统方法在刮板输送机整机健康状态识别过程中存在的部件强耦合性关系难以提取融合及健康指标构建人工参与过多、易受异常值影响的问题,提出一种基于多种图结构信息融合的刮板输送机健康状态识别方法。利用自注意力机制(SA)与标准化流(NF)共同优化的变分自编码器(VAE)无监督地自动构建刮板输送机健康指标,降低了刮板输送机健康指标构建中对人工经验的依赖,同时有效拟合了健康指标的隐式分布,克服了监测数据中存在的异常值影响健康指标构建的问题;提出了一种多种图结构信息提取方法,提取刮板输送机先验图结构及相似性度量图结构,全方位显式地表达了多部件之间的耦合关系;提出了一种多种图结构信息融合方法,利用多个图注意力网络(GAT)有效提取并融合刮板输送机的多种图结构信息。在采集的刮板输送机真实状态数据中进行试验,结果表明,模型识别准确率可达98.60%,宏平均F_(1)(Macro-F_(1))值可达96.81%,该方法为刮板输送机的健康状态识别提供了一种新的可行途径。

基于深度神经网络的带式输送机煤量检测方法

针对带式输送机煤量检测技术精度较低、实时性较差等问题,提出了一种基于深度神经网络的煤量测量方法。首先,在BiSeNet的基础上引入TFF结构和交叉熵损失函数,构建new Large TFF模型。其次,在深度预测方面,构建Large TFF2网路模型,针对边缘检测效果差等问题,引入新的损失函数指导模型训练。然后,针对带式输送机上实时煤量预测任务需求,基于new Large TFF和Large TFF2构建Large TFF4多任务网络模型,并引入深度与语义的组合损失函数。最后,在静态煤量计算的基础上,引入ORB关键点定位技术,实验动态煤量测量。实验结果表明,带式输送机动态煤量检测方法的FPS为25左右,误差为5%左右,能够满足带式输送机高速运转时煤量测量要求。

带式输送机撕裂检测技术探讨

在煤矿生产中,输送带输送的煤流中经常混合各种大小的金属器件,如锚杆、采煤机截齿、脱落的螺栓或遗留的工具,易引起输送带撕裂。总结了目前常用的输送带撕裂检测方法的优缺点,包括触发式检测、测力托辊检测、漏料检测、X射线检测、弱磁检测、视觉检测等,指出电磁感应检测方法在输送带撕裂检测中优势明显,其中巨磁阻检测效果较好。巨磁阻传感器通过添加感应电阻和参考电阻,在磁场改变时电桥失去平衡,电压随之发生变化,通过分析电压变化判断输送带煤流中是否有金属器件。在实际应用中,利用无磁支架将传感器固定在输送带上方,以没有异常金属时的磁场环境数据为背景,通过磁传感器探测下方输送带上金属产生的磁异常信号,检测煤流中的金属器件并判断其相对大小,很好地解决了金属器件引起输送带撕裂的问题。