余吾煤业智能综放开采混矸率变化规律研究

基于BBR理论,适当增加放煤含矸率能够有效提升顶煤放出率。本文以余吾煤业3#煤层S5206工作面生产条件为工程背景,通过构建、计算和分析PFC2D数值模型,研究不同采高条件下的混矸率变化规律及顶煤放出体发育形态,确定S5206工作面合理的机采高度为3.2m,发现合适的机采高度对顶煤放出体的形态发育具有促进作用,能有效提高顶煤回收率;综合分析处于不同采高下的煤岩分界面特征,使放出体边界面与煤岩分界面尽可能重合,二者在采空区一侧相切,达到提高顶煤采出率及降低含矸率的目的。

不同混合度下液体介入难辨别煤矸红外图像识别准确率

高准确率的煤矸自动识别对综放开采智能放煤至关重要。针对灰度差异较小的难辨别煤矸种类,提出了“液体介入+红外检测”的煤矸识别新思路,进行了不同混合度下液体介入煤矸识别试验,获得了不同时刻煤矸混合试样的红外图像,借助ImageJ图像处理软件定量计算了煤矸图像的混合度,深入分析了煤矸混合度、介入时间、图像处理方法对液体介入煤矸识别准确率的影响,并从红外温变速率场的角度探讨了提高液体介入煤矸识别准确率的技术路径。研究结果表明:“液体介入+红外检测”方法可有效提高难辨别煤矸识别准确率。不同的煤矸混合度条件下,液体介入后红外图像中煤样所在区域均出现显著温降现象,可作为煤矸混合度自动识别的基础。当混矸率较低时,煤样温度在煤矸红外图像变化中起控制作用;当混矸率小于20%时,煤矸识别准确率随混矸率增大而增大,液体介入后10 s内的平均准确率约85.78%;混矸率在20%~60%内识别准确率较高且较为稳定,平均准确率约为94.38%,且液体介入时间对其影响很小,高准确率区域呈现“倾斜条带状”分布特征。当混矸率大于60%后,不同处理方法的识别准确率均值随混矸率增大呈下降趋势且离散性急剧增加;煤矸图像平均红外温差减小是煤矸混合放出后期识别准确率降低的根本原因,通过选取合理的液体种类、温度、介入量等参数来增大红外温度场的变化程度,可有效提高煤矸识别准确率。

顶煤与矸石块度对顶煤放出的影响机制

研究表明不同的移架步距对顶煤的顺利放出有着不同的影响。在工作面推进过程中煤矸的运移速度加快,一定移架步距条件下,支架后上方煤矸分界线与支架顶梁末端的距离缩小。从散体运动角度的观点出发,拱的存在使得支架尾梁上方散体顶煤和采空区侧矸石的整体流动速度相对减弱,因此这将不利于顶煤与矸石的放出。块度较大的矸石在整个顶煤与矸石的整体运移则处于劣势甚至大块度的直接顶矸石相互之间容易挤压,形成不易移动的结构,这样将有利于顶煤的放出且降低了混矸率。

井下煤矸分离技术试验研究

为检测井下实施煤矸破碎筛分技术是否可行,利用煤矸破碎筛分装置进行了煤矸分离试验研究。分别选用了不同性质和粒度的煤矸混合物料作为试验材料。通过对多组试验数据的分析研究,得出不同条件下的煤矸破碎分离特性曲线和规律,验证了井下煤矸破碎筛分技术的可行性。

井下煤矸分离装置的试验研究

介绍了转子式井下煤矸分离装置的结构和工作原理,并利用该装置进行了煤矸分离试验。试验采用5种转速分别对5个煤矿的煤矸混合物料进行了破碎分选。对试验数据的回归分析表明,丢煤率、混矸率与煤矸硬度和转子转速之间存在线性函数关系,回归效果显著;丢煤率随煤的硬度增加而增大,随转子转速的提高而减小,混矸率随矸石硬度的增大而减小,随转子转速的提高而增大。利用试验所得回归方程,可有效进行井下煤矸分离效果评价。

图像识别智能放煤技术原理与应用

煤炭智能开采是煤炭行业高质量发展的必由之路,放顶煤工作面的智能化滞后于综采工作面。智能放煤是实现智能放顶煤开采的关键核心技术,低照度、小空间、高粉尘、煤矸叠压、声振信号干扰、夹矸误识别等问题严重制约智能放煤技术开发。在探索尝试图像、声音、振动等多种煤矸识别技术的基础上,提出了图像识别智能放煤技术。精准快速识别混矸率与适应恶劣环境是图像识别智能放煤需要攻克的主要技术难题。针对混矸率识别问题,将混矸率细化为投影面积混矸率、表面体积混矸率、内部体积混矸率。建立了轻量级的放顶煤工作面矸石识别及边界测量模型,实现了投影面积混矸率的精准快速识别。提出了快速写意重建和精准重建等2种煤矸块体三维重建方法,研究了煤矸块体三维形态特征与二维形态特征关系,揭示了后部刮板输送机上煤矸块体堆积特征。在此基础上,提出了“由表及里”的混矸率高精度预测2步走策略,以实现透明化煤流,达到混矸率高精度测量的目的。针对低照度、高粉尘等恶劣环境适应问题,提出了立体视觉照度智能监测与自适应调节方法,为图像采集实时提供最优照度环境。基于人体仿生学以及边缘AI技术开发了智能图像采集系统,提出了基于频域先验的单通道Retinex去粉尘算法以及空频域联合强化去粉尘算法,为图像识别持续提供高质量图像。形成了“三位一体”夹矸智能识别技术,对放煤过程中可能出现的夹矸进行了精准识别,减少了由于夹矸放出而引发的误识别、误操作。图像识别智能放煤技术可以提高放煤工序的智能化水平,提高资源回收率、降低含矸率,保证矿井安全生产,研究成果的科学应用将有助于高质量实现智能化放顶煤开采。

综放工作面顶煤活动规律分析

通过对综放工作面的现场观测 ,分析了顶煤的活动规律 ,总结出顶煤破碎的原因及分带情况 。

基于U-Net的放煤状态控制关键技术研究

针对于放顶煤开采过程中,人工放煤劳动强度大、效率低、安全风险较高等问题,提出了基于U-Net的放煤状态控制方法,该方法以图像分割技术为基础,通过对放顶煤下落至刮板输送机的状态进行研究,为放顶煤开采智能控制功能的实现提供了准确的放煤状态控制信号。首先,通过混合高斯模型完成对后部刮板输送机上煤流视频中运动状态下的煤流区域进行前景分割,并对前景分割后的煤流图像上的矸石区域进行语义分割;然后,比较前景分割部分与语义分割部分图像像素面积获取煤流视频流中二维图像上的矸石占比的数据;最后,通过工人经验为依据将含矸图像进行二分类,并由含矸图像对应的矸石占比数据计算出见矸关门的阈值。该方法简单可靠,鲁棒性较强,以神东保德煤矿81309工作面的试验采样数据为例,验证了该方法的有效性。对现场300张综放煤矸混合图像为数据集进行模型训练,以50张图像为测试集进行矸石目标区域分割测试,其精确度为96.04%,由工人经验将300张含矸图像进行2分类并由此计算“见矸关门”阈值,为放顶煤开采智能控制功能的实现提供了可靠的关门控制信号。试验结果表明,以该方法为基础实现的放顶煤开采智能控制功能能够取代工人手动放煤,因此该方法的应用将提高了放顶煤开采效率,保证矿井安全生产,为无人化放顶煤开采提供了具体路径。