基于雷达与视觉融合的双模态煤矿井下环境感知技术

环境感知是煤矿巡检机器人、视觉测量系统等场景应用的关键技术。单模态环境感知技术对煤矿井下复杂环境的感知能力较差。提出了雷达与视觉双模态空间融合方法,通过激光雷达和摄像仪之间的坐标转换来实现二者采集信息的融合,从而提高环境感知能力。为了更好地提取目标特征信息,提出了双模态融合环境感知网络架构技术路线:摄像仪和雷达采集的环境信息经雷达与视觉双模态空间融合方法进行融合处理,多模态特征融合网络模块提取融合信息中的目标特征,多任务处理网络模块采用不同的任务头处理目标特征信息,完成目标检测、图像分割、目标分类等环境感知任务。采用YOLOv5s目标检测算法搭建双模态特征提取网络模块进行实验,结果表明:基于雷达与视觉融合的双模态煤矿井下环境感知技术对井下巷道环境下行人检测的成功率较视觉、雷达感知分别提升15%,10%,对车道线、标志牌等各类目标分割的平均精度均值较视觉感知均提高10%以上,有效提升了煤矿井下环境感知能力,可为煤矿道路环境感知、视觉测量系统、无人矿车导航系统、矿井搜救机器人等应用场景提供技术支持。

Zigbee技术无线传感器网络在煤矿井下环境监测中的应用研究

提出了1种基于Zigbee无线传感器网络井下环境监测系统,系统将Zigbee无线网络与以太网相结合,实时采集温度、湿度和甲烷浓度,将数据传送到上位机,由上位机对数据分析并对井下环境进行评价。

煤矿井下环境无线数据传输测试

介绍了应用900MHz无线自组网进行煤矿井下数据传输测试的方法及意义。

基于PSO-BP神经网络的煤矿井下自适应定位算法

提出了一种基于PSO-BP神经网络的煤矿井下自适应定位算法。针对传统的基于测距模型的定位算法易受煤矿井下环境干扰、测距误差大的问题,选择指纹匹配定位模型。针对煤矿井下环境强时变性,易增大实时采集的指纹信息与离线阶段建立的静态指纹数据库信息的匹配误差问题,将信标节点作为参考点的校准节点,以更好地反映参考点随环境变化的情况,避免增加额外的校准节点;在不增加硬件成本的同时,通过动态补偿法实时修正目标节点指纹数据,解决了指纹匹配定位模型自适应差的问题。匹配定位阶段采用PSO优化BP神经网络权值,以加速BP神经网络收敛,提高学习速度。实验结果表明,该算法更加适应随时间变化的煤矿井下环境,满足井下自适应定位要求。

简述煤矿用防护服面料的应用

文章在调查和分析井下的环境和未来煤矿开采趋势的基础上,对煤矿用工作服面料的性能进行了具体地分析,并赋予其面料更多的性能:阻燃、防静电、耐久、三防等,从而满足现代化煤矿安全生产要求,为煤矿工作人员构筑一道坚实可靠的安全防线。

基于模糊PID控制器的煤矿湿热箱温湿度控制系统设计

采用了PLC的模糊PID控制方法,以西门子PLC S7-300为网络总站,以模拟煤矿井下环境的湿热箱温湿度为控制变量,设计了基于PLC-PID控制器的湿热箱温湿度控制系统。该控制系统可调节加湿加热与制冷除湿多机组并联系统启停及工作数量,能解决多机并联系统控制点多、变工况运行的难题,温湿度控制困难的问题,同时通过Matlab软件中Simulink仿真工具对该温湿度控制系统进行了建模仿真。

井下防爆电气设备的检修与维护

煤矿井下作业环境中存在着大量的易燃易爆气体和煤尘等,而井下防爆电气设备就是在这样的危险环境中安装并使用的。井下防爆电气设备的安全性能与煤矿行业的安全生产有着密切的联系,有数据显示,我国煤矿事故中有相当大的一部分瓦斯爆炸和火灾事故是由井下防爆电气设备出现故障而引起的,主要是井下防爆电气设备失爆而产生电火花。由此可见,井下防爆电气设备的检修与维修应当作为煤矿安全生产工作的重中之重。要想预防、减少甚至是杜绝此类事故的发生,提高煤矿安全生产,必须加强煤矿井下电气设备的检修与维护。

认知心理学视角下矿工的信息加工模型研究

矿工在煤矿井下的生产过程是对外界信息的加工处理过程。矿工能否正确处理外界刺激,将直接产生安全或不安全行为,影响煤矿安全生产,甚至引发重大事故。在认知心理学视角下,应用感觉、注意和记忆理论对矿工行为的形成机制进行分析,建立矿工信息加工模型,并对模型的特点和作用进行分析,同时指出该模型存在的不足。信息加工模型的建立与分析可为安全管理措施的制定及安全培训内容及环节的设计提供理论依据。

矿用多参数传感器设计

矿用多参数传感器主要用于检测煤矿井下环境中甲烷、一氧化碳气体浓度和温度参数,并连续自动地将监测数值转换成标准电信号传送给分站,具有就地显示甲烷、一氧化碳浓度值,温度值,以及超限声光报警等功能。该传感器节约了现场产品布置与布线,具有使用方便等特点。