可编程控制器在井下电机车监控与调度系统中的应用研究

一、问题的提出井下电机车运输是煤矿的主要运输方式之一,国内外大量实践早已证明:轨道列车运输,其运输效率和经济效益不仅取决于机车、车辆、线路等方面的因素,

基于惯性导航的井下电机车精确定位系统的研究

通过将广泛应用航空领域的惯性导航技术应用于井下电机车的精确定位系统之中,采用陀螺仪与加速度计构成微系统,利用卡尔曼滤波算法对位置计算中需要的姿态信息进行最优估计,提高定位精度。根据姿态矩阵和位置矩阵的更新对电机车进行实时跟踪导航,采用高性能的飞思卡尔16位核心控制芯片,对于误差的补偿采用算法补偿和运行过程中的定点补偿,系统在实验中取得了较好的实验效果。

井下电机车地面远程遥控系统研究与应用

项目背景地下矿山井下电机车运输系统是矿井运输的大动脉,电机车安全高效运行是地下开采生产的关键环节。随着地下开采的规模越来越大,与生产紧密相关的井下电机车运输任务也越来越繁重,通常采取增加运输车辆和车次,或提高车速等措施来应对。目前所使用的运输设备都需要人工在电机车上驾驶,工作环境、安全保障及运输效率上都受到较大制约,由此也带来了许多安全隐患,因此,

平八矿PC控制井下电机车运输信、集、闭系统的工程设计与研究

1 论文主要内容1.1 总体规划依据设计要求,经过多方面考虑,并结合平顶山八矿井下运输实际情况,确定了进路、进路联锁关系表和设备选型、平面布置。PC主机是通过一个本地I/O站与调度室里的调度模拟盘和操纵控制台联系的,与现场设备的连接则由四个远程I/O站来完成,远程站与主机用同轴电缆连接。1.2 软件概要梯形图控制程序是根据设计要求和联锁关系表及现场布置情况以及安全、可靠的需要,通过建立数学模型——布尔代数式和约束条件来编制的。

煤矿井下电机车远程监控及定位系统设计与研究

针对煤矿井下电机车行驶环境恶劣,且相应定位导航监测技术落后,调度自动化水平低下,导致电机车运输过程中事故频发,严重影响井下生产安全及效率的问题,采用传感器定位技术对井下电机车行驶位置进行精确定位,同时对机车姿态、车速等运行状态进行实时监测,并通过光纤以太网+无线局域网组合通信网络实现数据高效传输,有效提高了井下电机车运输的效率及安全性。

基于精确定位的井下电机车监控系统研究

当前煤矿电机车监控系统中,调度人员无法全面了解电机车位置信息,很容易导致运输事故问题。且井下电机车的定位系统也并不成熟,应用环境范围较窄,无法保证精准定位。因此,据此分析了井下电机车监控系统的设计流程,提出并设计了基于新型精确定位技术下的监控系统。通过模拟系统进行测验,发现电机车可以准确监控定位,工作运行稳定。

井下电机车牵引力的影响因素分析

详细分析了影响井下电机车牵引力的主要因素,主要包括黏着系数与黏着重力个方面,并总结了增加黏着系数和黏着重力的常见措施,最后提出了通过优化电机车结构来提高牵引力的方法。该方法为提高井下电机车牵引力、降低能耗提供参考。

井下电机车远程配电监控系统的设计与应用

以电气传动驱动矿山牵引电机车作为矿山广泛使用的一种重要运载工具,其工作环境复杂,供电可靠性低,运行轨道条件差,超载现象突出。对于传统人员值班的操控方法,存在人为效率低下及安全性等方面的不足。针对上述不足,研究了一套通过使用拥有人机界面的智能配电监控系统,完成现场设备采集、数据分析和在线"四遥"等系统功能。通过对电机车配电系统的软件和硬件的优化设计,获得了一套稳定可靠、准确方便实用的监控系统。

井下电机车综合保护及直流架线系统漏电保护的技术应用

鉴于在井下狭窄地区。又采用裸露架线，对电机车提出了一系列的使用规则。必须在电机车上安装备种保护系统。保证电机车的安全运行与司机的人身安全。经过实际使用证明．基于附加直流脉冲电源的直流架空线漏电保护系统比较稳定、安全、可靠。

井下电机车地面远程遥控系统研究与应用

作为矿井运输的动脉,井下电机车运输系统有着不可或缺的重要作用,伴随地下开采规模不断扩大,井下电机车运输任务也逐渐繁重,目前对运输设备的使用皆需要人力参与其中,这对于井下电机车运行安全与运输效率有着一定制约,同时也伴有一定安全隐患,而井下电机车地面远程遥控系统可在一定程度上解决这个问题。针对井下电机车地面远程遥控系统的应用展开研究。

国外井下电机车运输计算

电机车运输是煤矿井下水平巷道运输的主要方式之一,正确进行牵引计算和供电设计是有实际意义的.本文主要介绍苏联近年文献中的有关资料,最后对西德一个矿井设计的有关部分作简要叙述.一、运行阻力轨道倾角为β时,车组运行阻力:

波兰斯特斯基斯煤矿井下电机车运输自动化

1975年,波兰斯特斯基斯煤矿720米水平,采用了一套完全自动化的运输系统.由波兰采矿工业研究设计总院及瑞典ASEA公司和萨伯-斯勒尼亚等单位共同设计.机车、列车自动控制系统和信号传输系统等设备都是从瑞典引进的.一、地址选择:波兰第一套自动化运输系统选择安装在斯特斯基斯矿720米水平,是因为:1.现有轨道系统(图1)不需要作大的变动.2.现有装载点的装车溜槽和带有煤仓的卸载设施都较适合.3.自动化运输与辅助运输共用一个轨道系统的情况,仅出现在有限的范围而且仅在井筒附近.4.所采用的Granby型自卸式矿车符合需要.

矿冶集团井下电机车无人驾驶系统在安徽马钢罗河矿业有限公司正式运行

近日,由矿冶集团北京北矿智能科技有限公司(以下简称北矿智能)研发并建设的井下电机车无人驾驶系统在安徽马钢罗河矿业有限公司(以下简称罗河矿业)正式运行。罗河矿业无人驾驶系统由生产运输管理平台、数据支撑系统、生产状态监测系统及前端无人化作业系统四部分组成。采用的无线通信系统是国家“十二五”863主题项目“地下金属矿智能开采技术”项目的研发成果,电机车移动过程中可实现无缝漫游切换,各类视频监控数据与机车驾驶指令高实时性、高可靠性传输,切换延时小于50 ms,通过建设150套无线基站,实现了井下大规模无线通信系统稳定高效传输。

平煤集团十三矿井下电机车监控系统剖析

结合平煤集团十三矿井下电机车监控系统运行情况 ,对其系统构成。

井下电机车轨道障碍物图像处理方法的智能识别技术

"绿色、安全、和谐、智能、高效"成为矿业可持续发展的时代要求,智能矿山的建设有助于提高产业的自动化和智能化水平。井下电机车无人驾驶是井下运输智能化无人技术应用的重要一环,轨道障碍物检测作为无人驾驶的关键技术,能够保障井下有轨运输的效率和安全。为了达到不同距离、不同位置轨道中间和两侧的人、设备、碎石的识别和预警的目的,分析电机车的运行条件,梳理轨道障碍物的类型,根据运输环境和计算机视觉技术,对电机车在井下运输过程中影响运行的轨道障碍物进行智能识别。结合传统图像处理方法的轨道定位技术,描述电机车轨道区域划分的方法。采用最新的深度学习目标检测算法YOLOv5,对影响电机车运行的诸多因素分析和判断,是图像处理在矿山智能化的创新应用。

庙沟铁矿运输电机车智能化改造及应用

针对庙沟铁矿原电机车运输系统智能化水平低,作业人数多及劳动强度大的问题,对现用电机车系统进行智能化改造。构建电机车智能化体系,包括电机车网络系统、车载防碰撞系统、视频监控系统、信集闭控制系统、溜井远程装矿系统、卸载站控制系统及牵引变电所电力监控系统,以实现电机车远程遥控装卸矿及运矿操作。通过现场实践,系统有效减少了作业人员数量及运维成本,同时安全性极大提升。

低照度下改进YOLOX的煤矿无人电机车轨道障碍物检测方法

为解决地下煤矿光照不足进而导致无人电机车脱轨、撞车或侧翻等问题,提出了一种低照度多特征融合的YOLOX-CBAM目标检测算法,对矿井无人电机车轨道障碍物进行有效识别与分类。首先,通过实际场景采集及标注构建地下煤矿障碍物数据集,并将其输入微光数据处理Zero_DCE模型中;其次,对YOLOX目标检测网络进行改进,分别在骨干网络CSPDarknet和特征金字塔(Feature Pyramid Networks,FPN)部分增加双通道CBAM注意力模块,解决了特征提取环节通道单一的问题;最后,将预测头部分的损失函数替换成SIoU,加快了模型迭代的速度。结果表明,与传统两阶段Faster-RCNN网络、YOLOv4网络、YOLOv5网络和原YOLOX网络相比,本模型精确率分别提高了4.65百分点、2.65百分点、2.19百分点、1.35百分点,召回率分别提高了9.39百分点、4.36百分点、0.82百分点、0.76百分点,速度分别提高了28.6帧/s、16帧/s、13.6帧/s、2.9帧/s,同时本模型与分别添加CBAM、SA、SA+SIoU、SE、SE+SIoU,YOLOX-CBAM模块的YOLOX模型相比,其精度分别提高了0.64百分点、0.84百分点、1百分点、1.29百分点和0.76百分点,速度分别提高了0.5帧/s、0.4帧/s、0.3帧/s、0.2帧/s和0.4帧/s。所提出的方法能实现地下煤矿井下无人电机车轨道障碍物的快速准确检测,并为地下矿运输设备的智能化升级及安全运行提供理论支撑。

煤矿井下无人电机车智能化

传统的井下电机车需要由人员进行操控,存在安全隐患和效率低等问题。因此,需要对煤矿井下电机车进行智能化改造,从而实现煤矿井下电机车无人驾驶。针对井下环境特点及存在的问题,给出了井下无人电机车智能化的要求和基本功能,即采用无线通信技术实时采集电机车运行信息,通过电子地图导航系统将这些信息进行整合;采用智能化控制技术,根据驾驶员的操作指令对电机车进行速度调节、制动控制及加减速操作;采用电子地图导航技术,实现井下电机车的自主行驶。指出了未来井下无人电机车智能化的前景:续航里程得到更大提升;更加灵活、智能化的导轨系统以提高电机车运输效率;电机车运行数据实时上传至云平台进行分析和挖掘;多元化的应用场景。