金属矿山地质灾害风险智能监测预警技术现状与展望

金属矿山地质灾害风险智能监测预警技术是保障矿山安全生产的关键技术之一,是岩石力学应用于矿山安全领域研究的热点问题。从地质灾害风险定义、类型、监测方式、预警技术等方面出发,简述了金属矿山地质灾害风险监测预警技术的发展现状,指出在灾害风险定义方面,金属矿山地质灾害风险易发性、易损性和危险性量化分析理论体系尚不完善;在灾害风险监测与数据融合方面,多感知设备协同监测与数据融合理论仍不完善,尚未实现基于风险条件的感知设备布设方案智能调整,难以保障采动岩体力学响应的时空完整性与连续性;在灾害风险预警方法方面,监测与模拟相结合已成为矿山灾害预警发展趋势,应进一步与云计算、人工智能等技术相融合,建立完善的理论体系,实现实时动态、精准高效、智能的灾害风险预警。在此基础上,围绕“现场监测和数值模拟相结合灾害预测预警”的学术思想,提出了“地质灾害案例匹配、多源数据挖掘、力学机理分析、专家系统诊断”四位一体的灾害风险智能预测预警方法,进一步以弓长岭露天矿浅层隐伏空区垮塌与地表塌陷风险监测预警工作为背景,实现了上述方法的应用与推广。最后指出了金属矿山灾害风险智能监测预警技术存在着多源力学响应数据难以高精度连续协同感知、灾害预测预警模型参数难以精准选取、灾害监测预警系统尚不完善等问题,多灾种高性能、专用特种智能感知技术与装备,标准化数据通信协议与架构,监测—模拟相结合的灾害智能预警模型,地质灾害监测预警平台与数字孪生技术是解决上述问题的关键技术,是未来的主要发展趋势。

一种基于暗亮通道分割融合的低照度环境图像去尘雾及增强方法

受煤矿井下粉尘、水雾和低照度环境影响,对皮带运输系统的监测图像精准识别极为困难。针对现有去尘雾方法的图像处理结果和效率欠佳的问题,提出一种基于暗亮通道分割融合的低照度环境图像去尘雾及增强方法。首先利用阈值分割结合伽马变换修正通道差,解决因低照度环境影响导致的尘雾浓度较大区域与其他区域间像素值差异不明显的问题,修正后通过引导尘雾图像做引导滤波得到更加符合实际情况的全局大气光强;然后为解决暗通道先验在尘雾浓度较大区域失效问题,引入亮通道先验进行补充,使用通道分量来辅助暗通道及亮通道透射率融合,避免因多次分割而导致的边缘像素归属问题;最后将去雾后RGB图像转至HSV空间,对亮度分量进行直方图均衡化并将均衡化前后的亮度分量进行加权融合,采用客观指标评价,选择最优聚合权值进行聚合,同时考虑去雾过程中饱和度损失和亮度分量与饱和度分量间的相关性提出饱和度自适应矫正函数,对图像饱和度进行矫正,色调分量保持不变,随后将图像转回至RGB空间,得到亮度适中、信息保留丰富和色彩鲜艳的图像;为验证所提方法的有效性,采用主观视觉、客观指标和目标检测精度及置信度进行算法对比,实验结果表明所提方法在上述4个指标上均优于被对比算法,其图像细节保留丰富,图像视觉观感更佳。

音频数据驱动的洗煤厂溜槽堵塞检测

溜槽堵塞作为工业生产中的一种常见问题,不仅影响生产效率还可能导致安全隐患,因此实时准确地检测溜槽堵塞状态具有重要意义。然而传统的检测方法在实际应用中存在诸多问题与挑战,如精度不高、依赖人工干预等。文章基于音频信息构建结合了WaveNet和GRU的WaveGNet深度网络模型,通过提取分析声音信号寻找溜槽堵塞的特征,以实现准确的堵塞检测。WaveNet能够提取高质量的声音信号特征,而GRU网络则能够捕获声音序列中的时间关系。通过将两者融合以更好地理解声音信号,在时间和频率维度上进行更准确的分析,揭示与堵塞状态相关的模式从而提高检测的准确性和鲁棒性。通过声音信息直接捕获堵塞状态,减少了人工干预的需求且具备实时性。该方法有望为工业生产中的溜槽堵塞检测提供一种创新、高效且可靠的解决方案,在实际应用中具有重大潜力。

基于TOF相机的振动筛上物料状态动态监测方法

振动筛筛上物料载荷异常不仅影响生产效率还可能导致安全隐患,实时准确地监测筛上物料状态具有重要意义。针对传统人工监测方法劳动强度大、速度慢、有极高安全隐患并且不容易发现设备微小故障等问题。基于TOF相机物料动态监测技术,提出了一种联合KD树与帧差法的点云数据补全方法和基于曲面重构的筛上物料动态监测方法。该点云数据补全方法有效修补了因筛上物料表面水分和物料缝隙导致的TOF相机拍摄过程中的点云数据缺失问题,通过对补全后的筛上物料进行点云曲面重构分析,判断欠载、过载、左偏载和右偏载四种筛上物料状态,实时监测筛上物料状态。研究通过TOF相机直接获取筛上物料状态信息,对筛上物料实时检测,减少了人工干预的需求且具备实时性。为筛上物料状态实时监测问题提供了一个可靠的解决方案。

基于YOLOv5神经网络模型的变电所压板开关状态的识别方法

煤矿变电所是大型煤矿供电系统的重要组成部分,变电所压板开关状态的精确识别是监测煤矿供电状态的重要环节。然而,随着变电所电气控制柜上压板开关数量的大幅增加,传统人工巡检存在的巡检速度慢、巡检精度低的问题愈发显著。针对上述问题,提出了一种基于YOLOv5神经网络模型的变电所压板开关状态识别方法。使用Pytorch深度学习框架进行了模型训练;设计了针对压板开关图像的预处理方法;采用得到的最佳模型对预处理后的压板开关图像进行检测并评估检测结果。实验结果表明该方法可以实现压板开关状态的智能识别,且具有速度快、精度高的特点。

Ampla智能分析系统在海外某铜矿信息化建设的应用实践

随着矿山行业数字化转型与智能化升级的持续加速,智能分析系统在矿山行业的应用得到更为广泛的关注,Ampla平台是一款基于生产模型的智能管理平台,本文介绍了基于Ampla平台开发的智能分析系统在海外某铜矿的应用情况,描述了采选过程中相关生产系统及辅助生产系统的各项指标包括矿石产量、能耗、绩效和设备停机分析等信息化生产管理分析过程以及取得的应用效果。

地下金属矿山智能建设系统架构设计与应用

金属矿山智能化是矿业高质量发展的核心保证,建立健全地下金属智能矿山系统架构,构建标准体系、强化基础设施、加快智能生态演进、深化产业融合应用、提升安全保障是金属矿山地下开采智能化的基础和指南。针对当前地下金属矿山智能建设尚未有成系统的架构和模式,缺乏顶层统筹规划设计,易发生重复性建设等问题,本文提出一套成熟的系统架构和技术路径,并在实际应用中取得良好的成效,提升了地下金属矿山智能化标准的整体支撑作用,促进了金属矿产行业发展。

设计主导的EPC模式在非煤智能矿山建设的实施与展望

我国非煤矿山处于数字化转型的关键阶段,矿山作为高强度资源投入和劳动密集型企业,解决矿山人才流失、安全隐患、环境负效应等问题,依托新技术与矿山深度融合,建设智能矿山是矿山企业转型升级必经之路,以设计为主导的EPC总承包模式作为当前工程总承包的发展趋势,可以实现设计、施工、采购、安装和试运行各阶段更高效的衔接,为矿山智能化建设提供核心支撑。

Bentley在地下矿山三维协同设计的应用分析与探讨

地下矿山三维设计成为咨询设计和生产企业的发展趋势,也是数字化设计的先锋,为智能矿山发展奠定了基础。目前地下采矿三维设计采用的是矿业专用三维软件,使用专业受限,研究多专业在同一平台进行三维协同设计对矿业咨询设计和生产具有革新的意义,本文探索了Bentley软件在地下矿山三维协同设计的应用,并针对性做了二次开发和分析,为矿山三维设计提供借鉴意义。

基于区块链的煤矿数据价值链

针对煤矿企业的数据价值挖掘不足、缺少资产化手段,而相关企业和科研院所缺乏获取现场数据的途径,本文将区块链技术应用于数据共享,将去中心化、不可篡改、非对称加密技术等特性应用到区块链技术构成的点对点网络中,实现数据跨域分享的可追踪、数据的不可篡改和身份验证的简化。通过采用一种多节点组建联盟链的方式,搭建了区块链应用平台,总体上为分布式结构的联盟链,采用Hotstuff BFT(Hotstuff Byzantine Fault Tolerance)共识机制,支持声明式非图灵完备的智能合约,采用零手续费方法,根据双方协定或数据长度计算交易费,支持上层的各类应用,通过一次密钥和环签名,实现交易匿名和隐私保护方法。该设计方案对利用区块链的去中心化、可审计等优点解决数据分享中的安全问题提供了参考,为解决数据分享、身份验证问题提供了借鉴思路,为解决煤矿生产数据资产共享和交易提供了新方案。

煤矿采空区智能充填深度神经网络算法

【目的】采空区智能充填是煤炭资源绿色安全智能高效开采的重要方向,其关键在于对井下采空区矸石充填过程进行智能决策与控制。【方法】为实现该目标,以采空区充填后围岩应力及变形作为监测指标,建立了一种采空区智能充填深度神经网络算法,该算法可以通过输入煤层埋深、厚度、工作面长度、直接顶厚度等关键基本参数,进行相应条件下不同充填方案的采场应力及围岩变形计算分析。将FLAC3D模拟400种不同条件下的充填开采结果作为数据集,对建立的智能充填深度神经网络算法进行训练测试,并和其余3种不同算法进行对比分析。【结果】结果表明:建立的智能充填深度神经网络算法总体优于随机森林、决策树和多元线性回归算法,每组数据运算平均速度仅为0.013 s;智能充填深度神经网络算法计算的顶板最大变形、工作面煤壁压力峰值、巷道超前支护距离等关键参数误差均值介于2%~8%之间;应用该算法针对现场实际条件进行测试,结果与现场实际结果基本吻合,表明该算法科学可行。【结论】本研究对煤矿绿色智能开采具有重要意义与价值。

面向筛面复杂背景的矿山异物视觉检测方法

矿山异物检测是异物智能化去除的前提,更是保障设备安全运行,矿山正常生产的关键。在矿山生产过程中,异物来源广泛,种类繁杂。针对传统的矿山异物检测方法面临适应性差和效率低的问题,提出了一种面向大型振动筛筛面的矿山异物检测算法模型。为解决强振动、矿石遮挡和粉尘水雾等复杂环境的干扰,该模型引入了改进的显式视觉中心模块(EVCBlock),轻量化上采样算子CARAFE和基于动态非单调聚焦机制的梯度增益损失函数WiseIoU-v3,有效提升了在复杂环境下的异物检测性能。利用TensorRT对模型优化并部署至边缘计算设备Jetson Xavier NX,实现了在边缘侧的异物检测。研究结果表明:该模型在振动筛筛面异物检测上的表现明显好于其他对比模型。经多线程视频推流测试,模型部署至边缘计算设备平均识别精确率可以达到96.3%,平均帧率达到25 FPS以上,满足了实际检测要求。

局部特征引导标签平滑与优化的井下弱特征人员重识别

煤矿井下低照度、强光扰、高粉尘等环境条件,以及井下人员服装的相似性和脸部落煤现象,导致井下弱特征人员重识别困难。现有人员重识别方法仅提取全局特征,未充分考虑局部特征,使得井下人员重识别准确率较低。针对上述问题,提出了一种局部特征引导标签平滑与优化的井下弱特征人员重识别方法。该方法首先通过卷积神经网络提取井下人员图像的全局特征与局部特征;然后利用k最近邻相似性计算全局特征和局部特征的互补性得分,来衡量全局特征和局部特征的相似程度;最后根据特征互补性得分对局部特征进行标签平滑及对全局特征进行标签优化,即动态调整每个局部特征的权重,以改进每个局部特征的标签,并对局部特征的预测结果进行汇总,利用更可靠的信息来完善标签以作为全局特征的标签,从而减少图像噪声并增强特征识别能力。实验结果表明,该方法在公开数据集和包含井下人员图像的自建数据集上的平均精度均值(mAP)、第一匹配正确率(Rank-1)和平均逆置负样本惩罚率(mINP)总体优于主流人员重识别方法,具有良好的泛化性和鲁棒性,能有效实现井下弱特征人员重识别。

基于GWO-XGBoost的工业污水水质关键数据预测算法

为解决XGBoost模型参数调整复杂和预测水质数据准确率低的问题,设计了一种基于灰狼算法(GWO)优化XGBoost的预测算法。首先利用灰狼优化算法全局寻参收敛能力强的优点,使用GWO优化XGBoost的超参数(最大生成树数目、学习率以及树的最大深度)进行优化,获取XGBoost的最佳预测表现。其次通过对水质关键数据的预处理提高数据的可靠性,使用多种算法进行对比分析实验。结果表明:与LSTM、未经GWO优化参数的XGBoost相比,采用灰狼算法优化后的XGBoost模型具有较好的非线性预测能力,模型的决定因数R^(2)达到0.85以上。

离子型稀土矿山智慧环境管理平台研究

随着我国生态保护制度的日趋完善与加强,离子型稀土开采活动对矿山周边环境的影响也日趋受到环境监管的重视。本文针对离子型稀土矿山的环保管理问题,讨论如何结合GIS、三维建模技术,数据挖掘与分析技术,将污染因子纳入到智慧环境管理平台的统一管理,并在此基础上实现了离子型稀土矿山的污染预警与应急事故响应的数字化,搭建了智慧环境管理平台,为离子型稀土矿山开采过程中的生态环境治理提供参考。

基于Rhino和3Dmine的露天煤矿边坡三维数值模型构建

针对露天煤矿边坡人工地表起伏突出和自然地层相对平滑的几何特点,以Rhino和3Dmine软件为过渡平台,以Nurbs和DTM曲面差值处理方法分别对露天煤矿地表和地层进行处理,最终在Rhino中完成露天煤矿边坡三维数值模型网格的划分及输出,实现兼顾人工地表特征和自然地层特征的露天煤矿边坡三维数值模型的全程可视化构建。工程案例分析结果表明:此方法所构建的数值模型可充分体现露天煤矿三维边坡的几何特点。

煤矿人员精确定位系统数据存储方案设计

为了满足基于UWB等新型定位技术的煤矿人员精确定位系统数据存储与访问需要,分析了人员精确定位系统的数据结构、操作频率、数据量及存储占用空间大小等的数据情况,总结了系统数据生成与使用的主要特征,提出了基于Redis、MySQL和文件分别存储热数据、温数据和冷数据的混合数据存储架构,并详细阐述了Redis、MySQL、文件的存储关键设计,以及数据加密和基于Web API数据交互服务的数据查询方法。模拟数据测试结果表明:该存储方案具有较高的数据访问效率,能够满足数据存储与业务功能数据查询需要。

基于Faster-RCNN与自注意力机制的矿山图像异常检测算法

矿山异常行为检测是一项重要工作,有助于提高采场安全生产监管效率。提出了一种基于自注意力机制的Faster-RCNN算法,用于矿山图像异常行为检测。该算法通过自注意力机制对特征图进行加权,有效提取关键特征,并减少冗余信息干扰。首先,从图像中提取RoI区域,并通过自注意力机制对RoI区域内的特征图进行加权,使得关键特征得到更准确的提取。同时,对RoI区域内的特征图进行细粒度融合,以捕捉更多的图像细节信息。最后,使用分类器对每个RoI区域进行分类,以检测图像中的异常行为。在自建数据集上对算法进行了训练与评估,试验结果表明:所提算法在矿工图像异常行为检测工作上表现出更高的准确性和鲁棒性,与传统的Faster-RCNN算法相比,该算法检测精度提高了4.8%。此外,该算法对于光照和角度等变化具有更好的鲁棒性,可以有效应对实际场景中的复杂环境。

面向煤矿巡检机器人的高能效路径规划方法

针对现有矿用机器人路径路规划方法存在的效率低、收敛速度慢、易陷入局部最优等不足,提出了一种基于Actor-Critic算法的路径规划方法。首先根据巡检目标和障碍物的实时位置信息,计算巡检机器人的转向角,确定行进方向,可显著提高路径规划的效率;以能量消耗最小化和避免碰撞为目标,巡检机器人根据动态随机变化的矿山环境,学习巡检的目标顺序和行进速度;因为矿山环境动态连续变化,导致较高的状态维度,因此采用深度学习网络估计连续状态产生的动作和奖赏;为了提高学习效率,采用策略网络和价值网络2个网络,实现实时更新策略和价值。仿真结果表明:采用所提方法,巡检机器人可以在动态环境中规划出安全合理的巡检路线,能够以98%的成功概率和更低的能量消耗完成巡检作业。

基于改进模糊算法的节理分组软件开发

节理广泛存在于岩体中,其发育情况影响着岩体的稳定及渗流特性。由于节理数量众多,目前对其研究时需进行分组处理。传统的分组方法如依靠玫瑰图、极点等密度图等,无法确定每组节理的具体数据,同时对离散点的分组效果有限。当下使用机器学习的聚类算法也存在选择的聚类数影响分组效果的不足。鉴于此,在MATLAB平台上开发了基于改进模糊聚类算法的节理产状聚类程序(JOCP)。JOCP考虑节理的倾向倾角,使用基于聚拢度的模糊聚类算法进行分组,将结果使用Xie-beni指数判断优劣性,最终生成节理分组的最优解。JOCP以原始坐标数据及目标聚类数为输入,以节理产状数据、聚类中心、聚类结果分布图以及有效性指标为输出。将程序用于大连某边坡千条节理数据的分析中,结果证明程序可提高分组确定性,达到分组效果客观准确的目的。此程序可为地质勘探,灾害预测等领域提供技术支持。