煤矿带式输送机异常状态视频AI识别技术研究

传统的带式输送机异常状态识别采用人工巡检或机械综合保护系统进行检测,人工巡检劳动强度大、效率低、难以准确发现故障等,机械综合保护系统易造成误判,识别效果不佳,已无法满足煤炭行业智能化需求。随着机器视觉、深度学习和工业以太网技术发展,视频AI技术成为煤矿带式输送机异常状态智能识别的研究热点。分析了采用视频AI技术识别煤矿带式输送机输送带跑偏、托辊故障、人员入侵、人员不安全行为、堆煤及异物等异常状态的研究现状,指出目前煤矿带式输送机异常状态视频AI识别技术存在视频图像数据集构建耗时长、异常状态识别精度不高、视频信息传输延时大3个主要问题。针对视频图像数据集构建耗时长问题,提出加强基于半监督、无监督及小样本学习的视频AI识别算法研究、基于生成模型等方式扩充数据集的解决思路;针对异常状态识别精度不高问题,提出加强数据去模糊方法研究、利用生成对抗网络等算法均衡正负样本和改进AI识别算法的解决思路;针对视频信息传输延时大问题,提出构建“云−边−端”协同的带式输送机异常状态视频AI识别系统架构,合理部署高带宽、低延时的网络通信系统的解决思路。从高性能视频AI识别算法,高带宽、低延时视频通信技术,“云−边−端”高效协同的视频AI识别系统和健全视频AI识别技术标准4个方面展望了带式输送机异常状态视频AI识别技术的发展趋势。

煤矿带式输送机分拣机器人异物识别与定位系统设计

机器视觉已在煤矿带式输送机分拣机器人目标检测与识别方面具有一定的理论基础,但目前煤矿带式输送机分拣机器人目标识别主要针对煤矸石识别,对造成输送带穿透、撕裂等的异物目标识别的研究较少,且在目标异物精确定位方面的研究也较少。针对上述问题,设计了一种基于机器视觉的煤矿带式输送机分拣机器人异物识别与定位系统,可对输送带上存在的不同类型和不同形状的异物进行识别与定位。采用双目视觉实时获取输送带上异物图像信息,并对图像进行预处理,基于Canny算子进行图像信息增强,通过灰度拉伸方法改进图像边缘信息,突出煤矿带式输送机上异物的边缘特征;利用形态学方法提取异物形状特征,建立异物图像特征样本库,通过图像特征匹配的方式解算出异物存在区域,实现异物类型的检测、分类与识别;在异物类型成功识别的基础上,以目标异物边缘特征值为基础,建立目标异物的感兴趣区域(ROI),构建相机、输送带与目标异物坐标转换关系,利用多目标质心快速计算方法求取目标异物质心坐标,实现对目标异物的定位。系统样机实验结果表明:煤矿带式输送机分拣机器人异物识别与定位系统异物识别率不受尺寸、材质和颜色等因素影响,能够实现输送带目标异物图像的采集、处理、特征提取、识别和位置定位,识别率为92.5%以上,目标异物位置定位平均误差为3%左右。

超前超高端头液压支架设计

综采工作面端头围岩在多种支撑压力的作用下,受采动影响最大,矿压显现复杂,是顶板维护和管理的重难点。为解决某矿新采面形成后端头处出现的6 m超前超高巷道支护困难的问题,加强端头支护工作并进行有效的超前支护,开展了超前超高端头液压支架设计。根据工作面下端头的支护特点要求,结合端头支架结构设计要求和工作原理以及使用参数,对端头支架的技术参数进行了详细的设计计算;并对活塞杆、千斤顶和液压系统进行了分析及选型计算,以保证其支护强度达到使用要求。分析认为,该端头液压支架设计可以避免由于工作面超前支承压力和沿倾斜方向支承压力共同造成的巷道围岩破坏,提高综采工作面推进效率。

带式输送机胶带硫化器工作平台的设计与应用

为了解决主暗斜井内带式输送机胶带接头硫化困难的问题,设计出一种胶带硫化器工作平台。生产实践表明:在胶带硫化器工作平台与硫化器上下硫化板配合使用时,硫化器上硫化板的移动实现了机械化操作,胶带接头硫化效率提高,工人劳动强度降低,这对解决类似问题具有一定借鉴意义。