基于改进STDC的井下轨道区域实时分割方法

目前中国大部分井下轨道运输场景较为开放,存在作业人员、散落物料或煤渣侵入到轨道上的问题,从而给机车行驶带来威胁。煤矿井下轨道区域多呈线性或弧形不规则区域,且轨道会逐渐收敛,采用目标识别框或检测轨道线的方法划分轨道区域难以精确获得轨道范围,采用轨道区域的分割可实现像素级别的精确轨道区域检测。针对目前井下轨道区域分割方法存在边缘信息分割效果差、实时性低的问题,提出了一种基于改进短期密集连接(STDC)网络的轨道区域实时分割方法。采用STDC作为骨干架构,以降低网络参数量与计算复杂度。设计了基于通道注意机制的特征注意力模块(FAM),用于捕获通道之间的依赖关系,对特征进行有效的细化和组合。使用特征融合模块(FFM)融合高级语义特征与浅层特征,并利用通道和空间注意力丰富融合特征表达,从而有效获取特征并减少特征信息丢失,提升模型性能。采用二值交叉熵损失、骰子损失及图像质量损失来优化详细信息的提取,并通过消除冗余结构来提高分割效率。在自建的数据集上对基于改进STDC的轨道区域实时分割方法进行验证,结果表明:该方法的平均交并比(MIoU)为95.88%,较STDC提高了3%;参数量为6.74 MiB,较STDC降低了18.3%;随着迭代次数增加,优化后的损失函数值持续减小,且较STDC降低更为明显;基于改进STDC的轨道区域实时分割方法的MIoU达95.88%,帧速率为37.8帧/s,参数量为6.74 MiB,准确率为99.46%。该方法可完整识别轨道区域,轨道被准确地分割且边缘轮廓完整准确。

碳氢-生物表面活性剂在电解质加载下的降尘及防爆性能研究

为了了解碳氢-生物表面活性剂在电解质加载下的降尘和防爆性能,开展碳氢-生物表面活性剂在电解质加载下的三元复配体系对煤尘降尘防爆特性的一体化研究,并探明润湿及团聚特性对降尘防爆特性的影响。其中,表征降尘性能采用表面张力及煤尘沉降时间等润湿性能指标;防爆特性采用最小点火能(MIE)、最低引燃温度(MIT)参数进行表征;团聚特性以稳定性指数(TSI)作为评价指标。研究结果表明:二元表面活性剂之间复配之后的润湿团聚效果不存在种类决定性优劣,对于粒径小于50μm的普通烟煤,溶液表面张力降低不会促进煤尘沉降速度的提升;此外,从实验数值和数据变化看,鼠李糖脂相较槐糖脂展现了更好的团聚润湿表现与数值稳定性,0.1~0.2 wt%NaCl的加入较同浓度NaHCO3对二元材料作用下的煤尘有更好的抑爆效果;最佳复配组合为SDBS-鼠李糖脂-NaCl,新型三元复配材料进一步降低36.57%~44.94%煤尘沉降时间,TSI值提升了2.65%~27.34%,展现了更好的团聚特性。爆炸极限参数方面,三元复配材料使得煤尘的最低引燃温度提升0.51%~1.19%,最小点火能提高了13.63%~88.89%。该材料在降尘防爆一体化方面效能显著,可为井下降尘防爆提供一种高效的选择,对煤矿安全多种防护材料的研发具有一定的指导意义。

人工合成及天然高分子材料在铝土矿尾矿粉尘污染防治中的沙土结构稳定性优化研究（英文）

在铝土矿产业中,尾矿库作为主要尘源会导致严重的环境及安全问题。使用高分子固沙剂降低尾矿库扬尘是较有潜力的治理方案。本文深入研究了人工合成高分子材料聚丙烯酰胺及天然高分子材料瓜尔胶对铝土矿尾矿砂单轴抗压强度的影响并得出了两种固沙剂的最优配比。结果表明,聚丙烯酰胺在固沙效能上高于瓜尔胶且两者混合使用的效果优于单一使用。聚丙烯酰胺及瓜尔胶在0.94 wt.%浓度及3:2混合时达到最优固沙效果。本文同时提出了基于两种固沙剂不同浓度及配比条件下的有效快速预测单轴抗压强度的数学模型。

抑尘剂效果评价指标准确性分析

为提高煤矿安全保障能力和职业健康水平,降低煤尘尘肺病等职业病危害,快速且准确判断不同抑尘剂的抑尘效果,研究煤尘抑制剂的固化层厚度、抗风蚀特性、单轴抗压强度(UCS)、贯穿阻力等常用性能评价指标,通过各评价指标的试验方法、不同影响因素下性能差异分析各评价指标的准确性。分析结果表明:使用固化层厚度、抗风蚀特性、UCS评价指标来判断煤尘抑制效果较差,贯穿阻力能较好地判断煤尘的抑制效果。

基于多特征融合时差网络的带式输送机区域违规行为识别

现有的煤矿井下带式输送机区域违规行为(如攀爬、跨越、倚靠带式输送机等)识别方法对特征提取不充分、难以考虑到行为时间差异,导致违规行为识别准确率不高。针对该问题,基于ResNet50模型,提出了一种基于多特征融合时差网络(MFFTDN)的带式输送机区域违规行为识别方法,将多特征融合和时间差分进行结合,对不同时间段的行为进行多特征融合。首先在原始模型ResNet50的第2和第3阶段引入短期多特征融合(STMFF)模块,将来自多个连续帧的时间和特征拼接在一起,再对融合后的特征进行时间差分计算,即相邻帧的特征差值,以在短期内捕捉局部动作变化。然后在原始模型ResNet50的第4阶段引入长期多特征融合(LTMFF)模块,将来自连续帧的短期多特征拼接在一起,再对相邻时间点的特征进行时间差分计算,以获取行为的长期多特征。最后将融合后的特征进行分类,输出识别结果。实验结果表明:①该方法的平均精度和准确率较原始模型ResNet50分别提高了8.18%和8.47%,说明同时引入STMFF和LTMFF模块能够有效提取到不同时间段的多特征信息。②该方法在自建煤矿井下带式输送机区域违规行为数据集上的准确率为89.62%,平均精度为89.30%,模型的参数量为197.2×10^(6)。③Grad−CAM热力图显示,该方法能够更有效地关注到违规行为的关键区域,精确捕捉到井下带式输送机区域的违规行为。