基于CAN和REST物联网技术的智能矿山安全检测系统研发

针对矿井安全生产检测数据传输效率低下和共享性差的特点,综合考虑开发成本与工作环境要求,基于CAN(Controller Area Network)和REST(Representational State Transfer)物联网技术提出了智能矿山安全检测方法,设计了矿山安全检测判别程序,采用最大熵模型算法开发了数据信息预警程序。结合CAN总线技术,将多传感器信息进行有机融合并进行安全数据检测,将井下传感器设备相关信息经过判断分析后传输至总机。将所提安全检测方法进行了系统开发,并在淮北某矿进行了应用。结果表明:基于CAN和REST物联网技术的安全检测方法能够实现多点测量,并可随机增减检测设备,可实现数据实时传输和共享,有助于实现矿山安全实时检测。

基于多线激光雷达的井下斜坡道无人矿卡定位与建图方法

井下斜坡道的定位与建图是实现井下斜坡道无人驾驶的关键技术之一,矿山井下斜坡道区域为典型非结构化环境特征,且道路具有一定倾斜角度,采用传统SLAM算法无法获得精确里程计信息,导致定位与建图精度难以满足无人矿卡行驶需求。针对上述问题,通过研究激光SLAM(Simultaneous Localization And Mapping)算法LeGO-LOAM,笔者提出一种适用于矿山井下斜坡道环境的定位与建图方法。首先,针对井下斜坡道口两侧均为光滑水泥墙壁,特征点稀少问题,设计了基于人工路标的辅助增强定位方法,有效增加点云特征数量,从而优化位姿估计结果,避免建图漂移现象;然后在特征预处理阶段,提出了一种基于激光点云高度差与坡度信息融合的提取地面点高效算法,通过改善地面地点的选取策略,针对倾斜坑洼路面仍能有效识别地面点,解决了井下斜坡道定位与建图倾斜角度大、误差大等问题;其次,基于CVC(Curved-Voxel Clustering)聚类算法设计了一种斜坡道点云曲率体素聚类算法,采用曲率体素和基于哈希的数据结构对点云进行分割,大幅提高在井下稀疏、噪声环境下点云聚类的鲁棒性;最后,运用Scan-To-Map进行点云匹配,同时兼顾点云配准的性能与速度。在中钢集团山东某井下斜坡道的现场实验证明:与原算法相比精度提升13.15%,Z轴误差降低22.3%,地图质量明显提升,能有效解决井下无人驾驶建图及定位的难题。

基于双曲嵌入的露天矿区暗光环境下道路多目标检测模型

露天矿环境特殊,道路场景复杂多变,在光照不足时会导致矿区道路多目标识别不清、定位不准,进而影响检测效果,给矿区无人矿用卡车的安全行驶带来严重安全隐患。目前的道路障碍物检测模型不能有效解决矿区暗光环境对模型检测效果的影响,同时对矿区小目标障碍物的识别也有较大误差,不适用于矿区特殊环境下障碍物的检测与识别。针对上述问题,提出了一种基于双曲嵌入的露天矿区暗光环境下多目标检测模型。首先,在模型的图像预处理阶段引入卷积神经网路Retinex-Net对暗图像进行增强,提高图像清晰度;然后,针对数据集中特征过多而无重点偏好的问题,在加强特征提取部分添加全局注意力机制,聚集3个维度上更关键的特征信息;最后,在检测模型预测阶段引入双曲全连接层,以减少特征丢失,并防止过拟合现象。实验结果表明:(1)基于双曲嵌入的露天矿区暗光环境下道路多目标检测模型不仅对露天矿区暗光环境下的大尺度目标具有较高的分类与定位精度,对矿用卡车及较远距离的小尺度目标即行人也可准确检测与定位,能够满足无人矿用卡车在矿区特殊环境下驾驶的安全需求。(2)模型的检测准确率达98.6%,检测速度为51.52帧/s,较SSD、YOLOv4、YOLOv5、YOLOx、YOLOv7分别提高20.31%,18.51%,10.53%,8.39%,13.24%,对于矿区道路上的行人、矿用卡车及挖机的检测精度达97%以上。

基于改进U-net的少样本煤岩界面图像分割方法

煤岩图像语义分割技术是煤岩界面识别的重要研究方向,现有的语义分割模型通常依赖于大样本数据集进行训练,然而目前已标注的煤岩图像数据样本难以获取,并且缺乏公开数据集。针对以上问题,提出了一种基于改进U-net模型的样本煤岩界面图像分割模型。将裁剪后具有更强特征提取能力且结构上更为简单的VGG16替换U-net的原始骨干特征提取网络,提升对图像信息的特征提取能力并获得更快的训练速度,在U-net网络的跳跃连接和解码器上采样部分引入注意力机制模块,对提取的特征层进行处理,提升模型对煤岩界面图像关键特征的提取能力,提高分割精度。使用迁移学习方法对改进的模型进行预训练,提高模型泛化能力同时避免过拟合,使模型更适用于小样本数据集训练。通过使用自制的煤岩界面数据集对所改进的网络模型性能进行验证,并将该模型与经典Unet、DeepLabv3+、PspNet、HrNet网络模型进行了对比。试验结果表明:在同样使用由125幅煤岩界面图片构建的小样本数据集进行训练的情况下,所提改进模型相较于经典U-net模型在分割精确度和检测效率方面都有显著提升,模型精确度提高了1.84%,平均交并比提高了5.34%,类别平均像素准确率提高了0.48%,检测速度增幅为5.3%。同时,与其他网络模型相比,所提改进模型在小样本煤岩界面图像的语义分割中优势显著,表明所提改进思路的有效性。

基于CED-YOLOv5s模型的煤矸识别方法研究

由于煤矿井下高噪声、低照度、运动模糊的复杂工况和煤矸易聚集现象,导致煤矸目标检测模型特征提取困难及煤矸分类、定位不准确问题。针对该问题,提出一种基于CED-YOLOv5s模型的煤矸识别方法。首先,在YOLOv5s主干网络中引入坐标注意力(CA)机制,通过将坐标信息嵌入信道关系和长程依赖关系中对特征图进行编码,充分利用通道注意力信息和空间注意力信息,使模型更加关注重要特征,抑制无用信息。其次,在YOLOv5s的检测头部引入EIoU回归损失函数,将目标框与锚框的宽高差异最小化,以增强目标的位置和边界信息,提高模型在密集目标下的定位精度和收敛速度;最后,在YOLOv5s的检测头部引入轻量化解耦头,解耦出单独的特征通道,分别用于分类任务和回归任务,解决了原模型中耦合头部分类任务与回归任务的相互干扰问题,进一步提升了模型的并行运算效率与检测精度。实验结果表明:CED-YOLOv5s模型与其他YOLO系列目标检测模型相比,综合性能最佳,平均检测精度达94.8%,相较于YOLOv5s模型提升了3.1%,检测速度达84.8帧/s,可充分满足煤矿井下煤矸实时检测需求。

我国金属矿山智能化现状与问题探讨

我国金属矿山智能化在经历了前期的探索性研究后,已进入了规模化、常态化应用的新阶段。为了系统评价已形成的研究成果、保证前期积累得以顺利移植和推广,以智能生产和集成平台两类代表性应用为主要内容,总结了金属矿山智能化发展现状和应用效果。结果表明:我国金属矿山在智能开采领域取得了长足的进步,露天矿山的遥控铲装运输、地下矿山的电机车自动化、固定设施的无人值守等项目已开始常态化应用;在集成平台建设上具有鲜明的特色,技术平台、安全平台、集控平台和决策平台已在多个矿山的生产管控中发挥作用。最后,结合现状分析着重探讨了矿山在建设内容选择、关键技术确定、数字化转型路径、管理模式转变、运维与应用效果等方面出现的问题,指出了容易产生的误区,为矿山企业扩大建设成果、保证建设实效、规避建设风险提供参考。

数字孪生驱动的巷道自动成形截割虚拟调试方法研究

针对目前巷道自动成形截割控制调试周期长、调试成本大、安全风险大、成形质量难以评价等问题,提出了一种数字孪生驱动的巷道自动成形截割虚拟调试方法。采用基于即时外观建图(RTAP−MAP)技术重建巷道三维环境,构建掘进机控制系统模型,形成虚拟调试环境,并利用虚拟传感器技术实现物理空间到虚拟环境状态的精准映射。针对难以量化评估断面成形质量的问题,确立了巷道自动成形截割性能评价方法,以断面成形截割控制过程在数据传输中心的记录为基础,主要对断面成形精度、截割效率与油缸开关次数、硬岩切割调整、超挖欠挖4个评价指标进行计算,从而为深度学习算法的迭代优化提供精准反馈信号,并提出了一种融合强化学习的自动截割控制策略,以提高自动化作业的适应性和精确度。为验证该虚拟调试方法的有效性和准确性,搭建了掘进机自动控制实验平台,并将虚拟调试系统应用于掘进巷道成形截割自动控制程序中。虚拟仿真结果表明:①被调试软件在控制关键点位处的X,Y,Z轴定位误差的最大值分别为74.8,72.93,123.67 mm,说明虚拟调试方法的定位精度达到性能要求。②虚拟样机与物理样机轨迹基本一致,说明该调试方法实现了对物理空间的映射。应用结果表明:①强化学习控制器在虚拟掘进测试中适应了复杂环境,将虚拟传感器输入有效转换为精准控制指令,验证了模拟−现实迁移训练的可行性。通过处理掘进精度和避免超欠挖的实时反馈,控制器学习并优化了策略。②优化后的断面成形截割控制性能得到了提升,根据数据库中控制量时间戳的记录,用时126 s,较优化前耗时减少了8 s。③优化后截割部末端轨迹跟踪最大误差为6.0 mm,较优化前降低了0.3 mm,避免了截割轨迹抖动导致的欠挖,同时使得轨迹和断面更加平滑。

地下金属矿开采装备短间隔智能调度体系研究

作为矿山生产管理的重要内容,生产调度优化与管控可以充分利用产能、降低开采成本,因此成为现代矿山降本增效的有效手段。通过精细化调度管理和智能决策方法,实现复杂条件下的开采装备高效协同作业,充分提高调度管控效率和矿山生产能力,是现阶段矿山开采装备智能调度需要解决的关键问题。以地下金属矿山开采装备调度过程为研究对象,以提高开采装备的作业效率和生产能力为目的,研究了开采装备智能调度管控模式、决策支持算法和集成化应用。针对现代地下金属矿生产实时化、精准化与智能化管控的新需求,提出了开采装备短间隔智能调度新模式,形成了以“任务分解—任务配置—运输配置—作业指令—响应修正—分析反馈”为特征的短间隔闭环调度方案。设计了包括开采装备任务配置与调度优化算法、面向多级动态配矿的矿石流优化算法、无轨装备集群调度控制优化算法的智能化决策支持算法库,实现由人工经验到智能决策的转变。将开采装备短间隔智能调度体系进行综合示范应用,满足了现代矿山精细化管控和智能化决策需求。研究成果对于地下矿山开采装备作业过程的精细化管控与开采效率提升具有指导意义,同时也为现代地下金属矿山的生产调度管理提供了理论和方法支撑。

基于跨模态注意力融合的煤炭异物检测方法

为解决原煤智能化洗选过程中煤流中夹杂的异物对比度低、相互遮挡导致异物图像检测时特征提取不充分的问题,提出了一种基于跨模态注意力融合的煤炭异物检测方法。通过引入Depth图像构建RGB图像与Depth图像的双特征金字塔网络(DFPN),采用浅层的特征提取策略提取Depth图像的低级特征,用深度边缘与深度纹理等基础特征辅助RGB图像深层特征,以有效获得2种特征的互补信息,从而丰富异物特征的空间与边缘信息,提高检测精度;构建了基于坐标注意力与改进空间注意力的跨模态注意力融合模块(CAFM),以协同优化并融合RGB特征与Depth特征,增强网络对特征图中被遮挡异物可见部分的关注度,提高被遮挡异物检测精度;使用区域卷积神经网络(R-CNN)输出煤炭异物的分类、回归与分割结果。实验结果表明:在检测精度方面,该方法的AP相较两阶段模型中较优的Mask transfiner高3.9%;在检测效率方面,该方法的单帧检测时间为110.5 ms,能够满足异物检测实时性需求。基于跨模态注意力融合的煤炭异物检测方法能够以空间特征辅助色彩、形状与纹理等特征,准确识别煤炭异物之间及煤炭异物与输送带之间的差异,从而有效提高对复杂特征异物的检测精度,减少误检、漏检现象,实现复杂特征下煤炭异物的精确检测与像素级分割。

基于HSV空间的煤矿井下低光照图像增强方法

针对煤矿井下采集到的图像对比度低、光照不均和细节信息弱等问题,提出一种基于色相-饱和度-明度(Hue-Saturation-Value,HSV)颜色空间的煤矿井下低光照图像增强方法。该方法基于图像的HSV空间,通过对低光照图像的亮度通道V通道的主要结构和边缘细节分别进行对比度增强,这样可以更好地抑制图像细节丢失,同时可以较好地再现原图中的轮廓和纹理细节。首先,将输入的煤矿井下低光照图像转换到HSV空间,利用相对全变分滤波(RTV)与改进的边窗滤波(SWF),分别对提取的V通道图像进行主要结构提取和轮廓边缘保留,对其非线性灰度拉伸后利用主成分分析融合技术(PCA)重构V通道图像,即融合V通道图像的主要结构和精细结构,最后合成图像,完成图像增强。通过实验验证,提出的基于HSV空间的煤矿井下低光照图像增强方法,在色彩和边缘模糊处理等方面表现良好,在煤矿井下工作面等环境中,对图像进行定量和定性实验,结果表明,与6种方法相比,增强图像的对比度、自然度和图像细节方面表现更好。

改进YOLOv5s的采煤机滚筒与支架护帮板干涉状态智能识别

针对综采工作面液压支架护帮板处于未收回异常状态导致采煤机滚筒与护帮板干涉问题,提出一种改进YOLOv5s的采煤机滚筒与液压支架护帮板干涉状态智能识别方法。运用课题组前期提出的基于边界约束和非线性上下文正则化的去雾去尘方法对视频图像进行清晰化处理,提高综采工作面监控视频图像质量;对YOLOv5s模型进行改进,通过将YOLOv5s主干网络中的普通卷积Conv替换为分类效果更佳的Ghost卷积,减少了模型的参数数量,提高了模型识别速度,同时引入坐标注意力机制,提高了模型对护帮板和滚筒特征提取能力,从而提高模型识别精确率。运用软非极大值抑制算法(Soft-NMS)的锚框筛选方法,减少因护帮板重叠而发生漏检问题。针对采煤机滚筒与液压支架护帮板干涉状态判定问题,提出液压支架护帮板与采煤机滚筒锚框重合度的判定方法。运用本文改进YOLOv5s模型与YOLOv5s、YOLOv3-tiny模型进行对比分析,结果表明:本文方法与原模型相比的识别精确率提高了约8.1%,GFLOPs降低1.86倍;mAP@.5达到97.2%、平均识别速度为检测时间为5.9 ms。运用本文方法对煤矿实际综采工作面采煤机滚筒与液压支架护帮板视频图像进行干涉状态识别试验验证,结果表明:对采煤机滚筒与液压支架护帮板干涉状态识别准确率为96%。

从能源大国到能源强国:国际经验与中国路径

能源是强国之基、推动经济社会高质量和可持续发展的关键支撑。本文梳理了世界主要能源强国或大国的能源建设经验,归纳出能源供应稳定多元、能源消费低碳高效、能源科技创新引领、能源市场开放有序、能源治理体系完备等世界能源强国的普遍特征;在辨识我国能源强国建设的优势与短板的基础上,提出了建设能源强国的中国路径,包括阶段性目标、重点任务和关键举措。研究建议:加大煤炭资源的清洁利用力度,增强煤炭在能源安全中的兜底保障作用;加大油气资源勘探开发和增储上产力度,推进陆相页岩油革命,努力提高油气自给保障能力;推动可再生能源规模化,积极布局氢能等清洁能源,通过多能源协同提高能源安全供应能力、兼顾落实减碳目标。相关举措将有力支撑我国从能源大国到能源强国的顺利转变。

基于直线段检测和LT描述符的矿井图像线特征匹配算法

图像匹配是同步定位与地图构建(SLAM)技术中极为重要的一环,用于根据图像之间的变换关系确定相机位姿。基于线特征的图像匹配方法具有较强的鲁棒性和抗噪能力,更加适用于井下图像匹配,基于深度学习的线描述符对线段遮挡等场景具有较高的鲁棒性,性能优于传统描述符,但卷积神经网络架构的描述符将可变长度线段抽象为固定维进行描述,不利于线段长度及视差变化较大图像的匹配。针对上述问题,提出一种基于直线段检测和线描述符的矿井图像线特征匹配算法。在频域利用单参数同态滤波降低图像的照射分量,并增强反射分量,提升亮度及对比度;在YUV空间利用对比度受限的自适应直方图均衡化(CLAHE)算法对亮度分量进行均衡,使亮度分布更加均匀;变换至RGB空间提取直线段检测(LSD)线,引入一种基于Transformer架构的LT描述符构建LSD线的特征向量,最后完成线特征匹配。实验结果表明:该算法结合了同态滤波和CLAHE算法的优点,增强后图像的亮度适中,对比度良好,灰度分布均匀,增强效果优于单参数同态滤波算法、EnlightenGAN算法;该算法提取的线特征数较原图平均提升了32.92%,在不同相似纹理占比、不同程度旋转与平移变化的井下图像匹配中鲁棒性好,平均正确匹配数为61.75对,平均精度为86.83%,优于线二进制描述符(LBD)算法、LBD_NNDR算法、LT算法,能够满足矿井图像稳健匹配的需求。

基于改进最佳缝合线的矿井图像拼接方法

煤矿井下掘进工作面高粉尘、低照度的恶劣环境导致图像信噪比较低,且有效特征点数量严重减少,处理后的图像存在较大色差和噪声,在使用最佳缝合线算法进行图像拼接时出现细节错位、缝合线处过渡不自然或拼接痕迹明显的现象。针对上述问题,提出了一种基于改进最佳缝合线的矿井图像拼接方法。首先,对原始图像进行HSV空间变换,采用改进的Retinex算法对亮度分量进行增强,利用双边滤波函数代替中心环绕函数,以解决亮度差异大处产生的光晕问题,通过增强算法有效提高特征点提取数量。然后,采用SIFT算法提取特征点,并以余弦距离作为匹配度指标;引入像素余弦相似度作为约束项,并采用形态学操作对颜色差异强度进行改进,利用动态规划法对最佳缝合线进行搜索,以避免图像拼接处的错位现象。最后,结合渐入渐出融合算法,使图像过渡平滑,实现煤矿井下掘进工作面的图像融合。模拟井下实际工况环境进行实验验证,结果表明:基于改进最佳缝合线的矿井图像拼接方法与传统最佳缝合线算法相比,避免了颜色差异和噪声引起的错位拼接现象,拼接缝处的图像过渡更加自然,避免了“鬼影”和明显拼接缝的产生,且图像平均梯度提高2.38%,拼接时间提高32.5%,使得融合区域更加平滑自然,提高了拼接质量。

基于改进人工势场算法的煤矿井下机器人路径规划

路径规划是煤矿机器人在煤矿井下狭小巷道空间中应用亟待解决的关键技术之一。针对传统人工势场(APF)算法在狭小巷道环境中规划出的路径可能离巷道边界过近,以及在障碍物附近易出现目标不可达和路径振荡等问题,提出了一种基于改进APF算法的煤矿机器人路径规划方法。参考《煤矿安全规程》有关规定建立了巷道两帮边界势场,将机器人行驶路径尽量规划在巷道中间,以提高机器人行驶安全性;在障碍物斥力势场中引入调节因子,以解决目标不可达问题;引入转角限制系数以平滑规划出的路径,减少振荡,提高规划效率,保证规划路径的安全性。仿真结果表明:当目标点离障碍物很近时,改进APF算法可成功规划出能够抵达目标点的路径;改进APF算法规划周期数较传统算法平均减少了14.48%,转向角度变化累计值平均减少了87.41%,曲率绝对值之和平均减少了78.09%,表明改进APF算法规划的路径更加平滑,路径长度更短,规划效率和安全性更高。

基于红外热成像的煤矸识别方法研究

基于重介选煤、跳汰选煤、浮选、干法选煤、γ射线检测法的煤矸分选方法投资成本高、分选效率低、环境污染严重,基于CCD相机的煤矸分选方法准确率不高,基于X射线的煤矸分选技术会危害工作人员的健康。红外热成像技术不受光照、粉尘影响,且不会对人体造成伤害。提出了一种基于红外热成像的煤矸识别方法。首先,煤和矸石在传送带的输送下经过加热区域,红外热成像仪监测经均匀加热后的煤和矸石中心点的温度,得到煤和矸石加热后的温度并对经加热区域均匀加热后的煤和矸石进行拍摄,得到煤和矸石的红外灰度图像和红外彩色图像。然后,选用高斯滤波对煤和矸石的红外灰度图像、红外彩色图像进行预处理并提取特征,将红外灰度图像的灰度均值、最大频数对应的灰度值特征和红外彩色图像的G通道一阶矩、G通道二阶矩特征作为分选特征,将上述4个特征作为分类模型的输入。最后,采用支持向量机(SVM)进行分类识别,从而达到识别煤和矸石的目的。实验结果表明:基于红外热成像的煤矸识别方法对烟煤、无烟煤、褐煤的分选准确率均达到了98%以上,有良好的分类效果。

基于多尺度梯度域引导滤波的煤矿井下图像增强方法

煤矿井下图像存在较严重的光照不均匀和噪声干扰,现有基于Retinex的方法直接应用于煤矿井下图像增强易出现光晕伪影、边缘模糊、过增强和噪声放大等问题。针对上述问题,提出了一种基于多尺度梯度域引导滤波的煤矿井下图像增强方法。首先,将多尺度思想引入梯度域引导滤波中,实现对非均匀光照的准确估计,有效解决了增强图像时光晕伪影及边缘模糊的问题。然后,利用Retinex模型分离出光照分量和反射分量:对于光照分量,通过自适应伽马校正函数逐像素地修正光照信息,实现对图像暗区域增强的同时,抑制亮区域过增强,并使用限制对比度自适应直方图均衡化方法调整图像对比度;对于反射分量,将梯度域引导滤波与多尺度细节提升相结合,在准确去除噪声后提升纹理细节,避免了增强图像时噪声放大的问题。最后,将处理后的光照分量及反射分量融合,计算图像增益系数,并使用线性色彩恢复方法实现对原始RGB图像的逐像素增强,提升方法处理效率。实验结果表明,从主客观角度与现有方法相比,经所提方法处理后的图像在色彩保持、对比度、噪声抑制、细节保留等方面均取得了较好的增强效果,同时处理效率较高。

基于改进切尾均值的矿井图像去噪算法

现有矿井图像去噪算法对于复杂噪声的去除效果有限,且处理速度不能满足实时监控需求。针对该问题,提出一种基于改进切尾均值的矿井图像去噪算法。首先,采用切尾均值滤波器对图像噪声进行初步滤除,同时引入二次检验机制处理残留的噪声点,通过引入离散系数提升算法对不同像素的区分能力,增强去噪性能;其次,采用基于极值数量的分类处理及再次检验机制,有效减少残留噪声问题;然后,在小波函数中引入新的控制变量优化软阈值函数和硬阈值函数,构建双阈值函数,结合Radon变换增强对线性特征的处理,增强对矿井图像的检测能力;最后,采用均方误差(MSE)与峰值信噪比(PSNR)进行图像质量评价。实验结果表明:相较于切尾均值算法、硬阈值算法、软阈值算法,基于改进切尾均值的矿井图像去噪算法处理的图像的MSE增长相对缓慢,MSE最小,图像去噪效果最好;引入离散系数后,去噪图像的MSE相较于引入前低300 dB左右,PSNR相较于引入前高20 dB左右,引入离散系数能有效减少噪声点对算法的影响;相较于卡尔曼遗传优化算法、变换域图像去噪算法、交叉分支卷积去噪网络,基于改进切尾均值的矿井图像去噪算法处理的图像MSE分别降低了27,21,13 dB,PSNR分别提升了8,6,3 dB,去噪耗时分别缩短了0.20,0.16,0.14 s。

基于残差优化的综采工作面煤壁点云补全方法

煤矿综采工作面巷道的数字化三维重建过程中需要完整且密集的煤壁点云数据。受遮挡、视角限制等因素影响,采集的综采工作面煤壁点云数据往往不完整且稀疏,影响下游任务,需进行煤壁点云修复和补全。目前缺少针对井下点云补全任务的数据集和网络模型,现有模型用于煤壁点云补全时存在点云密度分布不均匀、点云特征信息丢失等情况。针对上述问题,设计了一种基于残差优化的煤壁点云补全网络模型,采用监督学习方式学习点云特征信息,通过最小化密度采样和残差网络迭代优化输出完整点云。采集煤矿井下真实综采工作面煤壁点云数据,预处理后筛选可用数据,通过模拟随机空洞制作煤壁点云缺失数据集,并用缺失数据集训练基于残差优化的煤壁点云补全网络模型。实验结果表明:与经典的FoldingNet,TopNet,AtlasNet,PCN,3D-Capsule点云补全网络模型相比,基于残差优化的煤壁点云补全网络模型针对构造的缺失煤壁点云和稀疏煤壁点云补全的倒角距离、地移距离及F1分数均能达到最优水平,整体补全效果最佳;针对实际缺失的煤壁点云,该模型能够实现有效补全。

综采工作面分布式蓄能供液系统研究及应用

为解决综采工作面跟机移架速度慢的问题,提出了基于蓄能器的分布式供液系统,并在柠条塔S1204工作面开展了试验应用。根据工作面的采煤工艺和产能要求确定了跟机移架速度,建立了全工作面供液系统仿真模型,对液压支架单架、双架和三架同时移架的动作过程进行模拟并分析影响移架时间的因素,结果表明:为使工作面生产能力提升到1000万t/a,中部液压支架跟机速度要达到12 m/min以上,需采用双架或三架成组移架来满足其移架时间的要求。为解决该工况压力波动大且易产生丢架的现象,提出在液压支架上设置“蓄能器+单向阀”的分布式蓄能稳压方案,以平衡工作面液压系统瞬时大流量供给不足与平均供液能力过剩的矛盾,并给出了基于流量补偿的蓄能器选型方法。仿真分析表明在安装分布式稳压供液系统后,双架和三架成组移架时间分别减少6.2%和11.5%,尤其在受到其他系统用液扰动条件下,双架成组移架时间可缩短15%以上。井下应用结果表明,安装的分布式蓄能供液系统显著降低了成组拉架中的丢架现象,保证了采煤机运行速度达12 m/min以上;对工作面平均日进尺由16.7刀提高到19.8刀起到重要支撑作用,实现了常态化日进尺22刀,达到了年产1000万t的生产能力,研究工作为综采工作面快速成组跟机移架提供了有效解决方案。