煤矿井下非均匀照度图像去噪研究

煤矿综采工作面空间小、照明环境复杂多变,采煤过程中伴随着大量的粉尘、大雾,导致采集的图像出现曝光、细节特征减弱等问题,难以对井下照明区域光照强度过大的图像进行有效的特征提取。针对上述问题,提出了一种煤矿井下非均匀照度图像去噪算法。首先,将视频截取为图像,判断图像是否需要进行光照抑制,将需要进行光照抑制的RGB图像拆分通道,并计算每个通道的光照调节因子,实现图像的整体光照调节;然后,将未进行整体光照抑制的图像和经整体光照抑制的图像进行反射分量提取,即将输入的图像转换为HSV空间图像,使用单尺度Retinex(SSR)算法对V通道图像中的光照分量进行单独处理,将V分量中的入射分量去除,保留反射分量,并对反射分量使用直方图均衡算法实现光照均衡化处理;最后,使用基于引导滤波的暗通道先验算法对经过光照处理后的图像进行去雾处理,并使用伽马校正函数重新调节亮度不均的图像。主观评价结果表明:提出的煤矿井下非均匀照度图像去噪算法有效抑制了因光照导致整体亮度较高的问题,且由于大雾、粉尘等因素导致图像模糊的部分更加清晰,图像的细节特征更加突出。采用信息熵、均值、标准差、空间频率4种评价指标对提出的算法效果进行客观评价,结果表明,提出的算法在信息熵、均值、标准差、空间频率上较多尺度Retinex(MSR)算法分别平均提升了21.87%,-56.06%,153.43%,294.45%,较基于颜色保持的多尺度视网膜增强(MSRCP)算法分别平均提升了1.18%,-39.56%,33.29%,-4.71%,较带色彩恢复的多尺度视网膜增强(MSRCR)算法分别平均提升了38.06%,-55.27%,462.10%,300.96%,说明提出的算法能更有效地增加图像信息量、抑制光照强度、提升边缘信息及图像清晰度。

煤矿井下钻探数字化监测系统

针对煤矿井下钻探存在孔底工程参数测量困难、钻探数据准确性和完整性不足、钻探数据融合应用不够等问题,设计了一种煤矿井下钻探数字化监测系统。该系统由数据来源层、虚拟模型层、数据处理层和钻探服务层构成:数据来源层为虚拟模型层提供数据支撑,虚拟模型层通过仿真模拟分析生成新的数据并反馈至数据来源层;数据处理层接收到数据来源层和虚拟模型层提供的数据后,进行数据清洗、转换及合并等处理;钻探服务层通过后台数据管理端的权限设置,为不同层级用户提供数据显示、查询、分析、报警等服务。将钻探数据按时序特征分为事前数据(钻探施工之前根据钻孔设计资料和施工方案等获取的数据)、实时数据(包括钻探过程设备实时监测的参数和钻场视频等)和延时数据(孔底随钻测量装置采集的参数),针对这3类钻探数据设计了数据处理流程,并建立了由接入层、汇聚层和核心层组成的系统通信网络架构。工程实践结果表明:该系统实现了煤矿井下钻探施工数据的采集、传输、显示与动态管理,满足钻探施工过程监测和数据管理的需求,具有较好的实时性和准确性。该系统为煤矿井下钻探智能化施工和精细化管理提供了技术支撑。

煤矿井下供水管网智能调控策略方法研究

煤矿井下供水管网系统是保证煤矿安全生产的关键环节,针对煤矿井下供水管网系统能耗高、管网漏损率高以及调控复杂度增加等问题,以陕西亭南煤矿井下实际供水系统工况展开智能调控策开研究。综合管网影响调控因素建立两级优化调度模型,通过一级优化调度确定每个水泵房的最佳供水压力与供水量,然后以泵组的运行费用为目标函数,建立二级优化模型寻求水泵的最佳运行方案。求解模型中针对传统遗传算法易陷入局部最优解的问题,采用了组合变异算子进行改进。实验结果表明,通过优化调度后,煤矿井下供水系统的能耗明显降低,节能效果显著,在保障供水系统的安全运行的前提下平均日节能8.8%。

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。

煤矿井下机电设备故障检测技术研究

本文针对煤矿井下作业的安全问题,提出了机电设备的故障检测方法。以掘进机为研究对象,构建了基于循环深度网络的检测框架,并对其内部层次结构和注意力机制进行重点设计,同时对电气故障、机械故障和液压故障进行检测。检测试验的结果证实,本文提出的方法比其他方法检测效果更好,可以提升煤矿井下机电设备的作业安全性。

基于YOLOv7−SE的煤矿井下场景小目标检测方法

目前的小目标检测方法虽然提高了小目标检测效果,但针对的多为常规场景,而煤矿井下环境恶劣,在井下小目标检测过程中存在小目标特征信息提取困难的问题。针对上述问题,提出了一种基于YOLOv7−SE的煤矿井下场景小目标检测方法。首先,将模拟退火(SA)算法与k−means++聚类算法融合,通过优化YOLOv7模型中初始锚框值的估计,准确捕捉井下小目标;然后,在YOLOv7骨干网络中增加新的检测层得到井下小目标高分辨率特征图,减少大量煤尘对井下小目标特征表示的干扰;最后,在骨干网络中的聚合网络模块后引入双层注意力机制,强化井下小目标的特征表示。实验结果表明:①YOLOv7−SE网络模型训练后的损失函数值稳定在0.05附近,说明YOLOv7−SE网络模型参数设置合理。②基于YOLOv7−SE网络模型的安全帽检测平均精度(AP)较Faster R−CNN,RetinaNet,CenterNet,FCOS,SSD,YOLOv5,YOLOv7分别提升了13.86%,25.3%,16.13%,12.71%,15.53%,11.59%,12.20%。基于YOLOv7−SE网络模型的自救器检测AP较Faster R−CNN,RetinaNet,CenterNet,FCOS,SSD,YOLOv5,YOLOv7分别提升了12.37%,20.16%,15.22%,8.35%,19.42%,9.64%,7.38%。YOLOv7−SE网络模型的每秒传输帧数(FPS)较Faster R−CNN,RetinaNe,CenterNet,FCOS,SSD,YOLOv5分别提升了42.56,44.43,31.74,39.84,22.74,23.34帧/s,较YOLOv7下降了9.36帧/s。说明YOLOv7−SE网络模型保证检测速度的同时,有效强化了YOLOv7−SE网络模型对井下小目标的特征提取能力。③在对安全帽和自救器的检测中,YOLOv7−SE网络模型有效改善了漏检和误检问题,提高了检测精度。

煤矿井下多重约束的视觉SLAM关键帧选取方法

煤矿智能化的重大需求对煤矿井下移动机器人智能感知提出了更高的要求,视觉同时定位与建图(Visual Simultaneous Localization and Mapping,VSLAM)是煤矿机器人智能感知的关键技术。然而,煤矿井下存在非结构化环境特征、纹理弱、光照不均匀、空间狭小等问题,现有依赖启发式阈值进行关键帧选取的方法无法满足煤矿下视觉SLAM的定位与建图需求。为此,提出一种煤矿井下多重约束的视觉SLAM关键帧选取方法,实现了煤矿井下移动机器人实时稳健的位姿估计,并为煤矿井下数字孪生提供数据基础。首先,提出的方法根据几何结构约束,采用自适应阈值取代静态启发式阈值进行关键帧选取,以实现视觉SLAM关键帧选取的有效性和鲁棒性。其次,通过重心平衡原则对有效特征点分布进行均匀化处理,以进一步确保视觉SLAM关键帧选取的稳定性以及创建地图点的稠密性和准确性。最后,利用航向角阈值对转向处做进一步约束,降低视角突变对视觉SLAM精度的影响。为验证本文方法的有效性,利用自主搭建的移动机器人数据采集平台在室内场景及煤矿井下分别进行了实验,并从绝对轨迹误差(Absolute Trajectory Error,ATE)和均方根误差(Root Mean Square Error,RMSE)等方面进行了定量和定性评价。结果表明:相比于启发式视觉SLAM关键帧选取方法,提出的方法在室内场景中轨迹RMSE提高了29%,在煤矿井下环境中轨迹RMSE提高了44%,具有较高的鲁棒性、定位精度和全局一致的建图效果。

煤矿井下爆炸性环境下电磁波热效应的安全性研究

GB/T 3836.1—2021《爆炸性环境第1部分:设备通用要求》规定爆炸性环境中射频设备的阈功率不得大于6 W,该规定限制了大功率射频设备在煤矿井下的应用,而现有针对爆炸性环境电磁安全性的相关研究缺乏完善的理论分析和实验验证。针对上述问题,推导了电磁波热效应方程,分析得出影响电磁波耦合瓦斯和煤尘混合气体产生热能的可控参数为电磁波耦合时间、电场强度和电磁波频率。以GB/T 3836.1—2021中可能堆积煤尘的电气设备表面温度最高不能超过150℃的规定为依据,采用多物理场仿真软件COMSOL对不同发射功率的电磁波耦合瓦斯和煤尘混合气体的热效应安全性进行了仿真实验,结果表明:满足温度不超过150℃的电磁波热效应安全阈发射功率为16.48 W;随着电磁波发射功率的增加,电磁波热效应安全时长(电磁波耦合瓦斯和煤尘混合气体产生的热能不会使环境温度超过150℃对应的时间段)逐渐减少,但只要在安全时长内,电磁波的发射功率不受限制。

煤矿井下移动机器人多传感器自适应融合SLAM方法

基于同时定位与建图(SLAM)技术的移动机器人能够快速、准确、自动化地采集空间数据,进行空间智能感知和环境地图构建,是实现煤矿智能化和无人化的关键。针对目前煤矿井下多传感器融合SLAM方法存在机器人前端位姿估计退化失效和后端融合精度不足的问题,提出了一种煤矿井下移动机器人激光雷达(LiDAR)−视觉−惯性(IMU)自适应融合SLAM方法。对LiDAR点云数据进行聚类分割,提取线面特征,利用IMU预积分状态进行畸变校正,采用基于自适应Gamma校正和对比度受限的自适应直方图均衡化(CLAHE)的图像增强算法处理低照度图像,再提取视觉点线特征。用IMU预积分状态为LiDAR特征匹配与视觉特征跟踪提供位姿初始值。根据LiDAR相邻帧的线面特征匹配得到移动机器人位姿,之后进行视觉点线特征跟踪,分别计算LiDAR、视觉、IMU位姿变化值,通过设定动态阈值来检测前端里程计的稳定性,自适应选取最优位姿。对不同传感器构建残差项,包括点云匹配残差、IMU预积分残差、视觉点线残差、边缘化残差。为了兼顾精度与实时性,基于滑动窗口实现激光点云特征、视觉特征、IMU测量的多源数据联合非线性优化,实现煤矿井下连续可用、精确可靠的SLAM。对图像增强前后效果进行试验验证,结果表明,基于自适应Gamma校正和CLAHE的图像增强算法能显著提升背光区和光照区的亮度和对比度,增加图像中的特征信息,大幅提升特征点提取数量和匹配质量,匹配成功率达90.7%。为验证所提方法的性能,在狭长走廊和煤矿巷道场景下进行试验验证,结果表明,所提方法在狭长走廊场景的定位均方根误差为0.15 m,构建的点云地图一致性较高;在煤矿巷道场景中的定位均方根误差为0.19 m,构建的点云地图可真实地反映煤矿井下环境。

煤矿井下移动机器人同步定位关键技术研究

同步定位是实现智能矿山设备自动化的关键技术,然而由于煤矿复杂的工况环境使得激光雷达的同步定位容易退化,导致移动机器人定位和测绘失败。基于此,提出了一种鲁棒的激光雷达同步定位方法。该方法通过集成激光雷达和惯性测量单元(IMU)数据来检测和补偿退化的场景。利用扰动模型检测由于线、面特征约束不足而导致退化的方向和程度,从而获得退化的因子和矢量。将IMU预积分得到的位姿投影到平面特征上,用于局部地图匹配,实现两步退化补偿。最后通过因子图优化实现了全局一致的激光雷达同步定位。

融合金字塔结构与注意力机制的煤矿井下巡检机器人PT目标检测算法

近年来,煤矿机器人已成为现代煤机装备领域的研究热点,多数煤矿的主煤流运输系统基本实现了连续化、机械化和自动化,因此对主运输巷道内的安全监控与巡检效率提出了更高的要求,而精准的目标检测是实现煤矿井下智能化安全监控的必要保障,但现有的目标检测算法应用于复杂恶劣的煤矿井下巷道环境,存在目标检测精度较低的问题。面向井下低照明、环境杂乱的特殊工况检测需求,制作了井下巷道环境内目标物数据集,完成数据集标注并展开多维度分析;提出一种基于金字塔结构与注意力机制融合的PT目标检测算法,利用注意力机制模块替换金字塔结构中的卷积模块,在控制特征计算量的同时提高对全局特征的提取能力,实现目标物局部特征与全局特征融合的提取效果,提高了图像中目标感兴趣区域特征的表达能力。最后,面向煤矿井下巡检机器人应用场景,将提出的PT算法与传统经典的Faster R-CNN、YOLOv4算法进行对比分析。结果表明:所提出的PT目标检测算法能够有效识别复杂环境下巷道内目标物,相较于主流的Faster R-CNN、YOLOv4目标检测网络,PT算法有更好的综合识别能力,识别煤矿人员的准确率分别提升了2.90%和4.30%,识别井下障碍的准确率分别提升0.20%和4.80%,识别矿井裂缝的准确率分别提升了4.40%和8.60%,识别井下设备的准确率分别提升了3.00%和8.70%。因此,PT目标检测算法能够更好地适应井下环境,目标检测算法较其他算法能够获得更高的准确率与检测速度,可为井下巷道安控系统建设提供理论依据与技术支撑。

煤矿井下HBi-LSTM地磁定位算法研究

针对井下环境对地磁数据影响较大的问题,提出HBi-LSTM神经网络地磁定位模型。基于分层LSTM处理不同长短时间序列以及Bi-LSTM充分学习每条序列信息的特点,构建出HBi-LSTM模型,利用矿用手机内置磁力计采集井下地磁数据,建立面向井下环境的地磁指纹数据库,通过HBi-LSTM学习实现地磁序列可以更好地对应位置标签,之后矿工手持矿用手机随机运动采集地磁序列通过训练好的模型精确匹配指纹库实现在线定位。实验结果显示:所提出的模型比基本LSTM模型的定位性能更好,能够有效提升复杂环境下定位精度。

煤矿井下钻场目标检测数据集

煤矿井下钻场打钻是解决瓦斯灾害、水害、隐蔽地质灾害的重要措施,可以显著提升我国煤矿井下灾害防治水平。为了实时监测打钻过程并提高打钻效率,需要进行煤矿井下钻场目标检测,即对打钻现场所涉及的重要目标进行识别和定位。相对于传统的煤矿井下钻场目标检测方法,基于深度学习的煤矿井下钻场目标检测方法可以提升目标检测的精度、时效性和稳定性,但需依赖高质量的数据集。目前,煤矿井下钻场目标检测研究主要依赖于小规模的私有数据集,难以为深度神经网络模型训练提供充足而可靠的数据。本研究通过采用煤矿用本安型执法记录仪对煤矿井下打钻现场进行拍摄,经过数据清洗、数据标注、专家抽检核查等步骤,构建了标准化的煤矿井下钻场目标检测数据集,并使用主流的YOLO系列目标检测模型进行数据质量评估。本数据集包含了来自不同钻场和环境背景条件下的70948张图片,涵盖了夹持器、钻机卡盘、煤矿工人、矿井安全帽和钻杆等5类目标,并提供了PASCAL VOC格式的标注文件。本数据集可为煤矿井下钻场目标检测研究提供强有力的数据支撑,对推动智能化煤矿井下监测预警具有重要作用。

姿势自适应权重更新策略及尺度回归的煤矿井下目标跟踪算法

随着计算机技术的飞速发展,煤矿井下智能工作面的建设取得了巨大进步。目标跟踪作为井下智能工作面建设的一个重要环节,在保证作业人员安全,提升开采效率等方面发挥着重要作用。但是煤矿井下光照条件较差,当目标有较大外观变化和遮挡时,算法的跟踪预测框将不能准确跟踪目标。为了解决上述问题,设计出姿势自适应权重更新策略,该策略能计算出不同帧与模板帧之间目标外观姿势的变化程度,该变化程度作为目标估计网络调制向量更新的依据,动态地更新调制向量。通过该更新策略,使得算法对于目标尺度变化较大物体的跟踪精度得到提升。同时设计的中心点尺度回归损失函数,将中心点距离和高宽损失引入损失函数,使得目标框回归更加精准。

煤矿井下辅助运输现状及发展趋势探讨

井下辅助运输系统作为煤矿智能化建设的关键部分,是集驱动、控制、运维和管理等先进技术于一体的高效、安全、趋向智能化和无人化的运输系统,其核心在于新技术与新理论在井下的应用实践。为此,对我国煤矿井下辅助运输系统的研究现状进行了总结与分析,对其未来的发展趋势进行了探讨。首先,介绍了有轨辅助运输在车辆设计与优化、轨道结构与布局、电机车控制与自动化等方面的技术,目前有轨电机车无人驾驶技术尚未达到自主自动驾驶程度,辅助运输系统应重点研究精细化闭环管控和高级辅助驾驶技术;其次,阐述了目前无轨运输在设计构建、安全管理和经济效益方面的研究现状,认为井下无轨运输车辆无人驾驶技术目前受限于汽车自动驾驶技术,并不能满足井下复杂环境的要求,且低功耗和防爆设计难度较大,暂未有实际进展;最后,分析了辅助运输系统在自动化与智能化、新型动力系统、无线通信和远程监控技术等关键技术的发展要求,提出未来煤矿井下辅助运输将朝向自动化、智能化、节能环保和数据驱动的方向发展。

煤矿井下UWB定位系统的基站布局优化

超宽带(UWB)系统在煤矿井下人员和设备定位方面应用较为广泛,为了进一步提高UWB系统的定位精度,对UWB定位系统的基站布局进行优化。以几何精度因子(GDOP)为评价指标,从基站数量、基站几何布局和基站垂直布局等方面,设计了不同的基站布局方案,并进行了对比分析。为UWB定位系统的布局提供了参考依据,有利于提高UWB系统的定位精度。

煤矿井下水力压裂远程测控系统研发

煤矿井下水力压裂需要大量工人在井下作业,面临着瓦斯爆炸、煤与瓦斯突出等安全风险,以及强噪声及扬尘污染等健康风险,而水力压裂远程测控可有效解决此问题。提出了一种煤矿井下水力压裂远程测控系统,可在地表遥控井下水力压裂的启停及压裂参数等。对该系统的结构组成、硬件电路及软件编程进行了详细的叙述,并在某压裂工作面进行了试验,验证了该系统的远程控制及测量功能,为煤矿压裂施工自动化及智能化的研究提供了一定的借鉴。

基于遗传改进神经网络的煤矿井下传感器非线性校正方法

煤矿井下的工作环境十分恶劣,包括高湿度、高温、持续振动和大量粉尘等因素,这些因素都可能对传感器造成非线性干扰,使其输出结果与实际值产生显著偏差。这种偏差如果不加以校正,会严重影响煤矿的生产安全和效率。为此,该研究提出一种基于遗传算法优化的神经网络方法,旨在校正煤矿井下传感器非线性误差。根据已获取的传感器非线性误差数据,确定校正模型的输入与输出。以神经网络为核心构建校正模型,并利用遗传算法对校正模型的权值和阈值参数进行优化,以提高模型的校正性能。在模型训练完成后,将其应用于实际煤矿井下传感器非线性校正中。实验结果表明,经过该研究方法校正后,瓦斯浓度值更接近标准瓦斯浓度值,误差显著降低,这充分证明了该研究方法在实际应用中的有效性和可靠性。

变频器在煤矿井下皮带机中的应用及节能研究

在煤矿井下开采的过程中,机电设备属于不可或缺的开采设备之一。然而,井下机电设备在开采过程中产生的能耗比较高,这与煤矿企业的绿色开采理念不相符。因此,为了实现煤矿井下开采机电设备节能降耗的目标,煤矿企业需要高度关注煤矿井下机电设备的相关能耗问题,并采取有效的节能措施,尽可能降低能耗,这对于煤矿企业的经济效益最大化以及长期稳定的发展有着关键作用。文章通过阐述皮带运输机采用变频调速的优点,再结合变频器工作原理的论述,简要分析了变频器在煤矿井下皮带机中的应用及节能研究的相关案例,以供参考。

煤矿井下巷道快速掘进工艺优化研究

在现代煤矿工程中,井下巷道的快速掘进工艺对于提高产能、降低成本以及确保安全环保至关重要。通过深入研究和科学优化井下巷道的快速掘进工艺,煤矿井下开采取得显著成果。本文探讨影响井下巷道掘进效率的主要因素,并提出优化措施,旨在为煤矿工程的高效、安全和可持续发展提供实用指导和建议。