The safety parameters monitoring system for the coal mine based on CAN bus communication and intelligent data acquisition

In this paper,a monitoring and controlling system for the safety in production and environmental parameters of a small and medium-sized coal mine has been developed after analyzing the current domestic coal production and security conditions. The client computer can convert the analog signal about the safety in production and environmental parameters detected from the monitoring terminal into digital signal,and then,send the signal to the coal mine safety monitoring centre. This information can be analyzed,judged,and diagnosed by the monitoring-management-controlling software for helping the manager and technical workers to control the actual underground production and security situations. The system has many advantages including high reliability,better performance of real-time monitoring,faster data communicating and good practicability,and it can effectively prevent the occurrence of safety incidents in coal mines.

煤矿安全知识问答系统的答案生成模型研究

随着国家和煤矿行业对煤矿应急管理要求的逐步提高,对煤矿安全知识的学习也提出了更高的要求,因此建立一种煤矿安全知识智能问答模型。有效学习煤矿安全知识,对于确保煤矿企业工作人员的人身安全和预防煤矿安全事故的发生至关重要。首先,基于RoBERTa-wwm算法自动生成问答对数据,获取并分析煤矿安全知识原始文本数据,定义问题类型并标注问答对;然后,结合RoBERTa-wwm与UniLM,采用点互信息与邻接熵发现新词扩充领域词典,提出问答对自动生成算法,同时构建煤矿安全培训知识问答对数据集,解决煤矿安全知识系统问答对数据集问题;最后,引入问题相似度机制,针对无法回答问题和无关问题提出答案生成策略,构建基于问题相似度机制的答案生成模型,使其只关注可回答问题,从而提升模型的推理能力。实验结果表明,所提出的煤矿安全知识问答系统答案生成模型可有效识别无法回答和无关的问题,能够为煤矿企业工作人员提供知识支持,最大程度地提升煤矿企业工作人员安全培训学习效果。

人工智能在甲烷传感器规范性的分析应用

本文聚焦于人工智能技术在甲烷传感器领域的应用及其对煤矿安全进行规范性分析的重要性。甲烷作为一种易燃易爆气体,在煤矿环境中的浓度监测对于预防瓦斯爆炸和保障矿工生命安全至关重要。传统的甲烷监测方法依赖于固定的传感器设备,而这些设备往往缺乏灵活性和智能化处理能力。通过将人工智能技术与甲烷传感器相结合,可以实现对煤矿环境中甲烷浓度的实时监测与智能预警,显著提升了煤矿作业的安全性。还深入分析了现行煤矿安全规范在融合AI技术后的适应性与改进需求,强调了在新技术背景下加强规范性分析的必要性和紧迫性。最终,提出了基于AI技术的甲烷传感器系统在煤矿安全领域的优化建议,为构建更加智能、安全的煤矿生产环境提供了理论依据和实践指导。

人工智能在煤矿安全监测中的潜在应用:理论框架与展望

对人工智能在煤矿安全监测中的应用及其未来发展趋势进行了研究与探讨。对传统的煤矿安全监测方法及其局限性进行了总结,详细探究了人工智能在煤矿安全监测方面的应用,特别是在井下监测监控、人员定位和通讯等方面;探讨了人工智能技术在提高煤矿安全性方面的重要性和潜在价值。研究结果表明,人工智能能显著提升煤矿安全监测的效率和准确性,且随着技术的进步和数据质量的提高,人工智能将在提高煤矿安全生产水平、减少事故发生率方面发挥重要作用。

一种多元数据融合的煤矿安全态势预测系统

煤矿井下智能化系统由通信、传感、调控等众多大大小小、同时运行的子系统组成。可有效地协同综采自动化系统,实现工作面自动化、智能化开采,尽可能降低安全事故发生的可能性,保障工作面安全高效开采。本研究结合传统采矿工艺,运用大数据、人工智能等先进信息技术,构建多元信息融合系统,对采煤工作面的安全监测监控、设备运行工况、开采过程以及人工测量等的多数据来源、多异构数据进行融合分析,对采煤工作面进行区域定性和定量的分析、评价及预测,反演出区域安全状态,同时将本系统应用于韩家湾煤矿。结果表明,本系统的应用改变了传统的信息融合为计量方式,有效降低了开采过程中因工作面环境恶劣造成设备或人员损伤的风险和停工停产损失,保障矿井安全高效生产。

面向智能视频监控的空中交通管制员图像分割

为解决复杂场景下空中交通管制员检测与分割精度低、鲁棒性差的问题,提出一种基于掩码区域卷积神经网络(Mask Region-based Convolutional Neural Networks, Mask R-CNN)的管制员图像分割模型ATC Mask R-CNN(ATC Mask Region-based Convolutional Neural Networks)。首先,构建管制员监控图像数据集(ATC Monitor Image Dataset, AMID)并用于模型训练、测试;其次,在主干网络中引入瓶颈注意力模块(Bottleneck Attention Module, BAM)以增强管制员特征提取,采取改进的柔性非极大值抑制算法(Soft Non-maximum Suppression, Soft-NMS)替代NMS算法进行候选框选取,提高对遮挡目标的检测分割;最后,基于AMID进行管制员图像分割试验。结果显示:ATC Mask R-CNN的精确率、召回率和平均精度分别为96.49%、95.62%和88.84%,表明了该方法的有效性。与Mask R-CNN相比,ATC Mask R-CNN有效降低了复杂场景的不利影响,更适用于管制员工作场景,可以为管制大厅安全管理自动化应用提供技术支撑。

煤矿巷道智能巡检机器人的研究与应用

为了提高煤矿巷道巡检中瓦斯浓度监测质量与效率、规避瓦斯突出风险与瓦斯爆炸风险以及降低人员投入,研究了一种煤矿巷道智能巡检机器人,介绍了该智能巡检机器人的结构组成和参数设计,阐述了该智能巡检机器人应用的超声波衍射时差定位关键技术。通过在煤矿现场试验表明,该智能巡检机器人能够实现现场瓦斯浓度的准确测量,减少人员投入67人,经预测每年节约总支出约723万元,起到了降本增效的实质性作用,助力矿井智能化建设高质量发展。

面向煤矿安全监测边缘计算的YOLOv5s剪枝方法

目前,边缘计算与机器视觉相结合具有较好的煤矿安全监测应用前景,但边缘端存储空间和计算资源有限,高精度的复杂视觉模型难以部署。针对上述问题,提出了一种面向煤矿安全监测边缘端的基于间接和直接重要性评价空间融合(IDESF)的YOLOv5s剪枝方法,实现对YOLOv5s网络的轻量化。首先对YOLOv5s网络中各模块的卷积层进行结构分析,确定自由剪枝层和条件剪枝层,为后续分配剪枝率及计算卷积核剪枝数奠定基础。其次,根据基于卷积核权重幅值和层相对计算复杂度的卷积核权重重要性得分为可剪枝层分配剪枝率,有效降低剪枝后网络的计算复杂度。然后,基于卷积核直接重要性评价准则,将卷积层的间接输出重要性以缩放因子的形式引入直接重要性空间中,更新卷积核位置分布,构建包含卷积核输出信息和幅值信息的融合重要性评价空间,提高卷积核重要性评价的全面性。最后,借鉴topk投票的思想对中值滤波筛选冗余卷积核的流程进行优化,并用有向图的邻接矩阵中节点的入度来量化卷积核的冗余程度,提高了冗余卷积核筛选过程的可解释性和通用性。实验结果表明:①从平衡模型精度和轻量化程度的角度出发,剪枝率为50%的YOLOV5s_IDESF是最优的轻量级YOLOv5s。在VOC数据集上,YOLOv5s_IDESF的mAP@.5和mAP@0.5∶0.95均达到最高,分别为0.72和0.44,参数量降至最低2.65×10^(6),计算量降低至1.16×10^(9),综合复杂度也降至最低,图像处理帧率达到31.15帧/s。②在煤矿数据集上,YOLOv5s_IDESF的mAP@.5和mAP@0.5∶0.95均达到最高,分别为0.94和0.52,参数量降至最低3.12×10^(6),计算量降低至1.24×10^(9),综合复杂度也降至最低,图像处理帧率达到31.55帧/s。

新时期煤矿岗位标准作业流程应用探讨

随着我国煤炭工业智能化水平的逐步提升,生产力水平也随之发生变化。针对煤矿岗位标准作业流程如何支撑煤炭行业新质生产力的发展进行了深入探讨,认为煤矿岗位标准作业流程应用将面临智能矿山建设、职业安全健康、机器人替代、新兴岗位出现、多岗位协同作业等方面的挑战,提出了数字化应用、智能化装备落地、系统化培训等发展路径;总结了煤矿岗位标准作业流程在保障安全生产和推动智能化、高效化、绿色化发展中发挥的作用,最后提出未来优化和创新建议。

智能煤矿综采控制系统双人协同作业情境意识研究

目的探究智能煤矿综采控制系统双人协同作业中个体在不同协同条件下的情境意识(SA)的构建情况,为智能煤矿中人员协同操作模式提供管理的相关依据。方法利用E-prime软件模拟智能煤矿综采控制系统中的采煤机运行状态监控任务,实验模拟四种不同协同场景(单独作业、操作协同、工作交流协同、非工作内容交流协同),利用全局情境意识技术测度被试总体情境意识以及感知、理解、预测三阶段情境意识得分,并验证不同协同条件下双人协同作业模式中个体的情境意识影响差异。结果双人操作协同与工作内容交流协同显著提升个体情境意识水平,并取得较高的工作绩效;在情境意识感知阶段,非工作内容交流协同与其他三组对比情境意识得分显著下降;在理解阶段,工作内容交流组与其他三组均呈现情境意识得分上的显著性差异,且工作内容交流组得分最高;在预测阶段单独作业组与操作协同组和工作内容交流协同组在SA得分上存在显著性差异,单独作业在预测阶段的得分显著低于有协同组。结论相较于单独作业,操作协同、有关工作内容的交流协同能够有效维持个体情境意识和提高绩效水平,但非工作内容的交流协同反而会降低个体情境意识。

基于AI技术的智慧煤矿安全监控预警系统建设分析

介绍了基于数据、知识、算法、算力四要素搭建的AI智慧煤矿安全预警系统的架构及建设要素,分析了该预警系统在综采、掘进、运输工作面的应用场景,指出未来应加强多灾害耦合致灾机理、多源海量数据深度挖掘技术、透明地质等方面的研究。

智能化矿井监控调度作业的认知作业分析及认知疲劳判定

智能化矿井单调的监控调度作业易造成作业人员认知疲劳,从而降低作业人员工作绩效,影响煤矿安全生产。阐述了监控调度作业任务中所涉及的信息感知、信息加工和信息输出3类主要认知过程,采用形式模型、进程追踪和非结构化访谈等认知作业分析方法对其进行解析。通过实验获取被试者的人体生理指标、主观评定参数和任务绩效参数来评估认知疲劳,采用SPSS 22.0统计软件对测试数据进行处理,探讨了被试者在不同时间段内认知疲劳程度的变化。通过计算机模拟智能矿井监控调度作业,采用双任务作业方式成功诱发了被试者的认知疲劳,KSS和SPC量表,以及任务绩效指标表明,智能化矿井作业人员在进行长时间的单调监控作业过程中会导致疲劳和嗜睡增加,工作绩效下降。反应时间和主观量表参数能够较好反映被试者认知疲劳状态的变化,而心率参数的表征效果并不明显。

基于地质保障系统的煤矿灾害监测预警及综合防治平台研究

基于煤矿智能化建设的基本要求,提出了基于地质保障系统的煤矿灾害监测预警及综合防治平台,设计了由设备层、边缘层、基础设施层、平台层和应用层构成的系统总体架构;梳理了平台建设的业务流程,并对自然灾害监测预警、灾害综合防治等关键业务进行了详细研究;基于地质保障系统,研发了煤矿灾害监测预警及综合防治平台。通过在金凤煤矿的实际应用表明,煤矿灾害监测预警及综合防治平台集成了各灾害监测数据,解决了各类数据孤立分布、预测精度低、预警结果和风险评估不准确的问题,降低了灾害事故的发生率,提升了煤矿应对灾害时的防治水平和综合治理能力,应用灾害预警与评估技术实现了风险的智能识别与治理。

基于SEI的煤矿智能监控视频传输方法

目前煤矿视频监控数据传输存在高延迟问题,而视频传输延迟的主要成因是编码延迟。针对该问题,提出了一种无视频编码的基于媒体补充增强信息(SEI)的煤矿智能监控视频传输方法。该方法在解复用视频流得到视频压缩帧后缓存一份副本,解码视频压缩帧得到视频解码帧,通过SEI存储视频解码帧中AI模型分析结果,根据时间戳对应关系将自定义SEI写入该视频解码帧对应视频压缩帧副本的网络提取层单元,并复用视频压缩帧副本,实现煤矿智能监控视频实时传输。在24核CPU上对该方法进行实验测试,结果表明:对于1280×720分辨率的视频,采用该方法处理视频时CPU整体使用率由采用传统方法时的24.7%~36.6%降至20.3%~23.9%,端到端延迟由1946 ms降至345 ms;对于1920×1080分辨率的视频,采用该方法处理视频时CPU整体使用率由采用传统方法时的29.2%~41.8%降至18.5%~26.3%,端到端延迟由6204 ms降至479 ms。该方法通过规避视频编码环节,降低了煤矿智能监控视频传输延迟,且节省了视频编码所需的CPU或GPU资源,降低了智能视频监控系统硬件成本。

基于RAG的煤矿安全智能问答模型

面向煤矿安全智能辅助预警决策需求,以瓦斯超限煤矿安全隐患知识为数据源,基于RAG检索增强生成,建立了一种煤矿安全智能问答模型。应用BGE-M3-Embedding、FAISS开源库等方法,构建瓦斯超限煤矿安全文本块的向量数据库,以及检索和生成模块,采用BGE-M3-Embedding模型完成Query文本块向量的检索,召回top-k向量检索的上下文,实现煤矿安全瓦斯超限的相关提问,构建Prompt微调提示词,增强大语言模型生成答案。结果表明,Ragas自动评测Rag检索增强三种大语言模型效果,Baichuan2-13BAR、F忠实度及上下文相关指标最优,分别为0.91、0.83和0.87。搭建煤矿安全辅助决策的智能问答原型,验证了触发瓦斯超限煤矿安全隐患智能辅助决策的实效性、可靠性及迁移性。

煤矿用5G关键技术研究现状与发展方向

结合现阶段煤矿用5G研究成果和应用实践经验,从煤矿用5G专网组网架构、覆盖优化、智能化应用场景构建3个方面分析了煤矿用5G关键技术研究现状与发展方向。煤矿用5G专网组网方面:煤炭集团级大规模组网和矿井独立专网2类模式可满足煤矿用5G系统建设部署需求。煤矿用5G无线覆盖增强方面:煤矿用5G无线传输性能需要持续研究和提升,现阶段宜采用低频段(1 GHz以下)多载波SUL(补充上行链路)进行煤矿用5G的覆盖优化;针对井下无线电波防爆安全功率阈值可能实现的突破和提高,需要通过同步提升煤矿用5G基站与终端两侧的无线发射功率,方可实现煤矿用5G系统整体覆盖能力优化;需要开展基于6G RIS(可重构智能超表面)的煤矿用5G覆盖增强技术预研,为无线覆盖能力提升提供进一步支撑。煤矿智能化5G应用场景构建方面:需要开展矿用装备与矿用通信领域的联合技术攻关;研究基于煤矿用5G的装备远程控制及未来装备自主群体协同控制的信息物理映射;研究智能化应用的预期功能安全机制;研发小型化、轻量化及全面适配现场设备工业控制协议的煤矿用5G模组。

基于穿层钻孔的工作面地质构造透明化技术

以制约煤矿智能开采的关键性因素地质构造为研究对象,以己_(15-17)-11110为工程背景,结合底抽巷道穿层瓦斯钻孔灾害治理工程,采用钻孔窥视、钻孔轨迹测量、孔内地球物理多参数测井、孔内煤岩界面识别等技术,综合查明工作面煤层厚度、煤层顶底板起伏、断层、褶曲等地质构造特征;并采用数字化技术、三维地质建模软件实现该工作面地质构造三维展示。研究结果表明:地质构造类型有断层、滑脱构造、褶皱、挠褶带,其与厚煤带瓦斯富集、断层带瓦斯涌出、过断层及其破碎带的冒顶,半煤岩采、掘工作面瓦斯及煤尘爆炸等隐蔽致灾因素相关;预测的地质构造、煤层厚度、煤层顶底板起伏形态与回采揭露基本吻合,优化后的工程方案消除了瓦斯抽采盲区,为过地质构造区灾害防治提供了依据,保障了该工作面的安全、高效、绿色、智能开采。本文研究成果可指导煤矿井下采掘工程部署,为煤矿安全、高效、智能化开采提供透明化地质保障技术。

化工厂智能安监巡检机器人的研发与应用

煤制甲醇化工厂气化车间在生产过程中存在高温高压、易燃易爆或者有毒气体,这些气体在工厂生产过程存在重大安全隐患,若气体泄漏后一段时间内未能得到及时处理,极易造成闪燃爆炸或者人员中毒事故,引起设备损坏或重大人员伤亡的恶性生产事件。为了保障生产安全,基于导航定位技术、非接触检测技术、模式识别技术、多传感融合技术、物联网技术等高新机器人技术理论,开发出化工厂智能安监巡检机器人,实现车间全天候、全方位、全自主智能巡检和监控,有效降低了人工巡检运维成本,增强了有毒有害气体泄漏巡检效率,充分保障化工厂生产安全和巡检人员人身安全,提高智能化工厂自动化智能化建设水平。

煤矿井下辅助运输现状及发展趋势探讨

井下辅助运输系统作为煤矿智能化建设的关键部分,是集驱动、控制、运维和管理等先进技术于一体的高效、安全、趋向智能化和无人化的运输系统,其核心在于新技术与新理论在井下的应用实践。为此,对我国煤矿井下辅助运输系统的研究现状进行了总结与分析,对其未来的发展趋势进行了探讨。首先,介绍了有轨辅助运输在车辆设计与优化、轨道结构与布局、电机车控制与自动化等方面的技术,目前有轨电机车无人驾驶技术尚未达到自主自动驾驶程度,辅助运输系统应重点研究精细化闭环管控和高级辅助驾驶技术;其次,阐述了目前无轨运输在设计构建、安全管理和经济效益方面的研究现状,认为井下无轨运输车辆无人驾驶技术目前受限于汽车自动驾驶技术,并不能满足井下复杂环境的要求,且低功耗和防爆设计难度较大,暂未有实际进展;最后,分析了辅助运输系统在自动化与智能化、新型动力系统、无线通信和远程监控技术等关键技术的发展要求,提出未来煤矿井下辅助运输将朝向自动化、智能化、节能环保和数据驱动的方向发展。

管道入侵报警和泄漏检测的智能化发展

第三方破坏、自然灾害破坏和管道的老化及腐蚀是天然气长输管道线路日常运行的安全隐患。为保障管道的安全运行,综合应用入侵报警、泄漏检测和其他安防技术,搭建综合智能安防监控平台,分析了几种常用的入侵报警和泄漏检测技术,明确了天然气长输管道行业以光纤传感技术作为入侵报警和泄漏检测系统的发展方向。以阿联酋天然气管网为例,分析了各种技术在特定环境中应用的情况,探讨我国输气管道项目实际应用的问题。入侵报警和泄漏检测在天然气管道上的应用越来越多,需要进一步开放平台接口,接入门禁系统、扩音对讲系统、巡更系统、动力环境监测系统,共同组成多系统融合的综合智能安防监控平台。依托5G网络、人工智能、云计算、大数据、物联网等智能技术的优势,推进管道运营体系改革,实现管道行业由传统运行模式逐步向数字化、智能化发展。