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。

基于语义分割的带式输送机煤料运输区域检测算法

针对煤炭运输过程中,经常无法保持煤炭在带式输送机上的运量均匀,使得带式输送机长时间全速运转而造成电能浪费和设备无效磨损的问题,提出一种基于语义分割的带式输送机煤料运输区域检测算法。该算法在DeeplabV3+的基础上,根据特征通道之间的相互依赖关系,引入注意力机制,使用不同扩张率的卷积核获得多种尺度的语义信息,来精确分割出煤炭在带式输送机的运输区域。实验结果表明,该算法平均交并比(Mean Intersection over Union,MIoU)相比于DeeplabV3+算法提高1.24百分点,能够有效精准地分割出煤料的运输区域,为煤量估计工作提供有效的保障。

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。

基于机器视觉的煤矿井下带式输送机堆煤故障监测系统研发

提出了一种基于机器视觉的煤矿井下带式输送机堆煤故障监测系统。在图像预处理阶段分别采用小波去噪算法和加权平均法进行去噪和灰度化处理,随后采用Canny算子进行堆煤图像边缘检测,进而将检测结果与设定阈值对比后进行堆煤故障判断,若发生故障则控制继电器关闭井下带式输送机。试验结果显示,该系统对堆煤故障识别的准确率可达96%,可为煤矿安全生产、监测设备及装备故障诊断方面的研究人员提供一定的借鉴。

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。

矿井输送带与煤粉混合热解特性及动力学研究

矿井输送带火灾极易引发重特大事故,而煤炭运输过程中的煤粉在带式输送机故障时常成为输送带火灾的引燃物。为掌握煤粉在输送带燃烧过程中的作用,开展热重-红外联用实验,研究掺入不同比例煤粉的输送带在不同升温速率下的热解特性及其动力学。输送带热解主要有两个失重阶段,掺入不同比例煤粉均对其热解有促进作用,同时略微促进CO_(2)的生成,降低输送带热解活化能,导致输送带更易燃烧热解;而升温速率的升高则导致活化能略微增大,对混合热解具有轻微抑制作用。研究可为矿井输送带火灾预警与防治提供相应理论参考。

基于机器视觉的带式输送机高精度煤流检测研究

针对现有基于机器视觉的带式输送机煤流检测方法存在的图像细节缺失、在多处断裂或断裂间距较大区域拟合效果较差的问题,基于直射斜收式激光三角测量原理,提出了一种基于机器视觉的带式输送机高精度煤流检测系统,将线激光发射器布置在带式输送机测量位置正上方并垂直照射煤堆,煤堆随带式输送机匀速运动,利用相机在斜上方实时拍摄包含激光条纹的煤堆表面图像。对煤流检测系统进行标定,包括相机内参数标定和激光平面标定,得到煤堆的高度信息;对煤流截面激光条纹图像进行处理,从提取精度、算法实时性等角度对比分析了灰度重心法和区域骨架法,根据对比结果选用区域骨架法提取激光条纹中心;针对利用图像膨胀操作进行激光条纹断裂修补拟合效果较差的问题,提出采用最小二乘法作为激光条纹断裂修补算法,相较于闭运算,最小二乘法拟合处理的平滑效果更好,精度较高;建立煤流截面积计算模型,通过计算每一帧上煤堆的横截面积,即可得出不同带速下的煤流体积。实验结果表明,当带速分别为0.25,0.5,1 m/s时,煤流检测系统误差均较小,最大误差分别为2.78%,3.61%和3.89%,验证了煤流检测系统具有较高的准确性。

基于透视变换和SNc-YOLOv5的大块煤识别方法应用

为了提高带式输送机大块煤识别的准确率,避免大块煤堆积对皮带造成的磨损,延长输送机的使用寿命,提出了基于透视变换和SNc-YOLOv5的大块煤识别方法,该方法首先利用透视变换技术对原始图像进行处理,有效地将图像中的非输送机区域滤除,并对输送机区域进行坐标矫正;然后,采用SNc-YOLOv5模型对经过标准化处理的图像进行深度学习建模,得到大块煤识别模型;最后,通过试验分析和现场应用对该方法进行有效性验证。结果表明:该方法在1号煤矿数据集的试验分析精确率为94.8%,召回率为83.2%,在2号煤矿数据集的试验分析精确率为92.8%,召回率为85.3%,现场应用置信度达到0.9,与其他方法进行比较,精确率和召回率指标均优于其他方法;该方法在图像预处理阶段提取带式输送机区域对图像进行标准化,仅对感兴趣区域进行处理,提高了大块煤识别的准确率。该算法部署到某煤矿现场,能够实现实时监测,为带式输送机的安全运行和延长使用寿命提供了有力保障。

刮板输送机常见故障及改进措施研究

刮板输送机是一种运输设备。由于煤矿地质条件复杂,并且运输强度大,刮板输送机在运行时经常出现各种故障,引起一系列安全事故,给煤矿企业造成一定的损失。重点分析了刮板输送机的常见故障,并针对这些故障提出了有效的改进措施,以降低故障发生概率,提高设备运转效率,并延长设备使用年限,为煤矿创造更好的经济效益。

采面刮板输送机与采煤机协同控制技术研究

通过实时监测采煤机牵引速度、负载及刮板输送机负载等实现刮板输送机与采煤机协同控制,具体采煤机牵引速度快时且刮板输送机负载呈增加趋势时适当增大刮板输送机运行速度,反之则适当降低运行速度。对协同控制使用的硬件设备结构及控制方式等进行分析。现场应用后,刮板输送机运行速度可随采煤机牵引速度改变而改变,在一定程度提高了刮板输送机运行效率。

选煤厂智能巡检机器人的设计与应用

针对陕西某选煤厂运输系统复杂、环境因素影响大等,引起带式输送机频繁出现胶带跑偏、撕裂、打滑、堆煤等故障,造成洗选生产中断,甚至采掘工作或全矿井作业瘫痪等严重问题,本文设计了一种智能巡检机器人系统。该系统主要由巡检机器人本体、行走轨道、网络通信系统、后台操作软件以及人工智能识别与检测系统组成,通过视频监控、红外成像、声学阵列等手段,实现运输系统实时监测监控。经应用表明,该系统检测精准、运行可靠,取得了较好的应用效果。

掺烧准东煤锅炉的结渣问题分析

某超临界燃煤锅炉掺烧准东系列煤,出现渣块掉落引起捞渣机过载跳闸。从煤质分析、落渣位置、炉膛吹灰试验、空气动力场、燃烧器喷口5个方面进行诊断分析,推断结渣和落渣原因,并停炉检查验证结论。结果表明,掺烧准东系列煤后,入炉煤具有中等结渣倾向,在燃烧器周界风口变形堵塞的诱导下,燃烧后的煤灰在侧边水冷壁结渣,渣块积聚后掉落引起捞渣机跳闸。结合掺烧准东系列煤的煤质特性,从运行和检修的角度提出防控措施,为相似情况的锅炉运行提供参考。

刮板输送机中部槽的设计及优化研究

刮板输送机中部槽运行质量直接关系到刮板输送机的整体工作质效。从刮板输送机中部槽的使用情况来看,中部槽的刚度、强度等因素直接对刮板输送机的工作效率、使用寿命及运量等产生直接的影响。全面对中部槽构成、受力情况等进行对比分析,实现对中部槽的整体优化和提升,能够较好提升刮板输送机的运行质效。本文从刮板输送机运行原理分析入手,研究了刮板输送机中部槽结构组成,并针对性提出了刮板输送机中部槽的设计及优化主要技术措施,结合具体案例,对刮板输送机中部槽的设计进行优化后的效果进行了剖析。

薄煤层工作面“三机”设备选型及布置

为进一步提升煤矿极近距离煤层的开采效率和安全性,降低煤炭开采成本,以某14号煤层为研究对象,结合相关理论计算公式对液压支架、采煤机以及刮板输送机的核心指标进行核算并完成设备的确定;对所选型的综采设备在现场进行布置并对工程实践应用效果进行评估。

煤矿井下原煤长距离运输带式输送机巡检系统研究

为实现带式输送机高效巡检,针对带式输送机铺设距离长、工作环境恶劣以及空间狭小等问题,构建一种带式输送机巡检系统代替人工巡检。巡检系统关键子系统包括有轨道系统轨道支撑系统、机器人本体以及无线通信系统等,采用高强度铝合金作为运行轨道并固定到巷道顶部;机器人本体布置有各类检测传感器、无线通信以及视频采集、温度采集装置等,实现运行沿线环境参数、带式输送机运行状态等采集;在巷道内间隔150m布置一个无线基站,通过无线基站实时接收机器人本体检测数据并传输至上位机,实现检测数据分析,以便实时掌握带式输送机运行情况。现场应用后,该巡检系统运行平稳,可代替人工巡检,应用效果较为显著。

带式输送机底煤清理装置设计及应用

为减少带式输送机底部积煤量、输送带黏附煤量,矿井一般在带式输送机上配备清煤装置,但是受清煤装置工作效率、带式输送机长期高负载运行等多因素影响,带式输送机底部仍会出现积煤,而常规的人工清理方式存在安全风险大、工作环境差及劳动强度高等问题。为此,以山西A矿13503综采工作面运输巷DTL 120/150/2×315型带式输送机为研究对象,构建一种带式输送机底煤清理装置,对清理装置机械结构组成、控制方式等进行详细设计,并探讨了其工程应用效果。结果表明,设计的底煤清理装置运行平稳,清煤效率较高,可显著减少井下清煤工数量,降低清煤工劳动强度,应用效果突出。

煤矿皮带机跑偏故障处理措施分析

煤矿皮带机是煤矿生产中的重要物料运输设备,然而由于各种原因,煤矿皮带机常常出现跑偏故障,严重影响生产效率和安全性。通过分析煤矿皮带机的跑偏故障,探讨了跑偏故障的原因和特点,并提出了一系列处理措施,包括调整辊道安装、优化皮带材料、改进皮带对中机构等。实践验证,这些处理措施能够有效预防和解决煤矿皮带机的跑偏故障,提高生产效率和安全性。

基于MT-CNN的矿井带式输送机输煤量检测技术

为实现矿井带式输送机输煤量检测的信息化、智能化,提出基于MT-CNN的矿井带式输送机输煤量检测技术。为了全面提升输煤量检测技术,从而提高矿井效益,选取了多任务卷积神经网络(MT-CNN)对检测目标进行多核心识别检测,优化了图像直线信息和边缘信息的提取效率,构建了良好的网络层次结构,优化了信息连接通道,从而全面提高图像识别分析和数据检测处理的效果。通过MT-CNN技术对输煤量的轮廓形态和荷载状态进行分析运算,经过图像样本数据训练获取矿井带式输送机输煤量的相关数据。研究结果表明,该技术能够有效提高输煤量图像识别的真实性,而检测时间缩短49%,计算结果准确率提高到98%,有效提高了输煤量检测的效率和准确度,具有较好的应用性能和良好的使用效果。加强矿井带式输送机的输煤量检测,可以为后续研究提供依据,很大程度上推动了相关技术发展,实现矿井信息化、智能化、现代化发展。

基于改进YOLOv8n的煤矿带式输送异物检测研究

在煤矿带式输送物料过程中,异物的出现可能会引发输送带撕裂或堵塞等安全风险。针对输送带输送物料中异物多样、人工巡检效率低、硬件限制等问题,提出一种基于改进YOLOv8n的轻量化煤矿带式输送异物检测算法:采用GhostNetV2网络对原CSPDarkNet53主干网络进行轻量化改进,以减少模型的参数和计算量;整合全局平均池化和全局最大池化思想优化SPPF模块,关注煤矿恶劣环境影响下图像的底层信息;设计了headC2f_CA模块,融入通道注意力机制,以便能够更有效地捕捉不同尺度和位置的异物特征,强化特征信息表达;引入DIoU损失函数,精确反映锚框与预测框之间的相似度,提升模型检测精度。实验结果表明,改进后的模型平均精度均值达88.3%,相比于基线模型YOLOv8n,提升了0.8%,参数量减少了18.51%,计算量减小了20.73%,模型大小缩减了15.87%。该模型有效缓解了边缘设备的硬件限制,同时保障了煤矿安全监测的准确性。

煤矿皮带机智能调速系统及其节能分析

煤矿皮带机在运行时,会因工作面出煤量的变化,出现轻载甚至空载的情况,这会造成电能浪费。为此根据煤矿生产实际,设计了煤矿皮带机智能调速系统。该系统通过视觉煤流检测获得实时煤流体积数据,通过智能工控系统实时调整皮带机转速达到减小皮带磨损和节省电能的效果。通过对系统改造前后电气节能的分析,可知该煤矿皮带机智能调速系统能够显著降低电能消耗,达到节能降耗效果。