基于轻量化YOLOv7的井下高压场景安全识别研究

为了使杨柳煤矿安全监测平台精准快速地识别机电人员高压作业场景中存在的不安全行为,以井下中央变电所为例,聚焦绝缘护具佩戴情况设计安全识别框架。基于YOLOv7目标检测算法引用部分卷积(PConv),提高模型在处理遮挡或缺失画面的鲁棒性和泛化能力;融合快速神经网络结构(FasterNet),降低计算冗余优化检测性能;最后融合时间空间注意力模块(CBAM),提高算法的特征提取能力。实验结果表明:轻量化处理后较原模型体积缩小30.5%,计算量减少23.7%,识别平均精度可达97.3%,单张图片检测速度提升38.1%。在复杂背景下小目标检测任务中有效地解决了漏检问题。

基于改进Transformer的井下人员检测算法

针对现有井下人员检测算法的特定后处理步骤,如锚点生成和非极大抑制,导致训练过程复杂的情况,提出了一种基于改进Transformer的检测方法,旨在提高井下作业人员检测的准确性。算法以Detection Transformer为基础检测框架,将主干网络ResNet替代为轻量级的Swin Transformer网络;同时向输入序列中添加可学习的检测块,并采用一种重新配置的注意力模块;以更好地处理多尺度特征的融合,使用轻量级的无编码颈部结构,减少计算开销。通过采集不同工作场景监控视频并制作数据集进行实验,结果表明,提出的方法在自建井下人员检测数据集上表现出色,平均检测准确度达到97.8%,优于其他井下人员检测网络,此外检测速度达到32帧/s。

基于无线传感网络与UWB技术的煤矿井下采掘人员定位方法

由于传统方法在煤矿井下人员定位中应用效果不佳,不仅定位结果相对误差比较大,而且定位失败人员数量较多,无法达到预期的定位效果,为此提出基于无线传感网络与UWB技术的煤矿井下采掘人员定位方法。搭建无线传感网络场景,利用无线传感网络采集井下人员位置信号,利用自适应算法对信号自适应滤波处理,利用离散快速傅里叶变换对无线传感网络信号矩阵的各个维度做波束形成,对矩阵的各个维度传感信号进行加权合并,增强各个维度上目标信号的强度,利用UWB技术对信号传输,根据增强后的目标信号传输信息确定井下人员位置,以此实现基于无线传感网络与UWB技术的煤矿井下采掘人员定位。经实验证明,设计方法定位相对误差低于10 cm,定位失败人员数量与总人数比例为3%,设计方法在煤矿井下采掘人员定位方面具有良好的应用前景。

无线通信技术在煤矿井下人员定位系统安装中的应用

无线通信技术是现代通信领域的一项关键技术,它能使数据在设备无需物理连接的情况下进行传输。在众多应用领域中,无线技术尤其适用于环境恶劣且难以布线的场所,如煤矿井下。煤矿井下人员定位系统是一种利用无线通信技术来监控矿工位置和安全的系统。此类系统的安装和运行对提高井下安全性具有至关重要的意义,因为它们能够实时监控人员位置,及时响应可能的安全事故。

煤矿井下基于RSSI的加权质心定位算法

针对基于无线传感器网络的矿井灾害无线监测信息系统,提出了一种基于接收信号强度(RSSI)的加权质心定位算法。算法首先动态获取路径衰落指数,然后通过加权质心算法计算出自身位置。动态获取路径衰落指数实时计算了定位区域下的路径损耗指数,能够准确反映巷道不同区域对信号衰落的影响,增强了测距算法对环境的适应能力。加权质心算法通过加权系数体现各参考节点对质心坐标决定权的大小,提高了定位精度。实验测试表明,算法提高了定位精度,计算量小,定位流程简单,适合用于煤矿井下环境。

一种高精度井下人员无线定位方法

在分析主流无线定位技术在井下应用局限性的基础上,提出了基于对称双向到达时间测距和最小二乘法实现井下精确定位的方法,证明了该方法对由于无线定位设备晶振频率差异导致的测量误差有较高的鲁棒性;通过分析和比较实验数据,证明了该井下精确定位方法的可行性和有效性。

基于低功耗标识卡的井下人员定位系统的设计

文章介绍了一种基于射频通信的煤矿井下人员定位跟踪系统的设计,详细分析了该系统的构成、工作原理以及低功耗标识卡的设计。试运行结果表明,该系统性能稳定,效果良好。该系统的设计对改善目前煤矿的安全生产管理有着重要的现实意义。

基于MEMS传感器的煤矿井下人员定位系统设计

针对现有井下人员定位系统存在定位精度低及成本高等问题,设计了基于MEMS传感器的煤矿井下人员定位系统。该系统采用MPU9150惯性传感器获取测量数据,以CC2530为主控芯片实现数据的采集、处理;通过井下已有的WiFi基站,并结合行人航迹推算算法实现井下人员的精确定位:利用融合了行走频率和加速度方差的表达式来确定步长,采用四元数法估计行人方向角,并根据扩展卡尔曼滤波对方向角的原始数据进行修正,从而获得井下人员的具体位置。实验结果表明,在100m距离内,该系统的定位误差小于2.2m,能够实现煤矿井下人员的高精度定位。

物联网技术在井下人员定位中的应用

为研究物联网技术在煤矿井下人员定位中的应用,首先根据物联网的3层结构设计出一种煤矿物联网结构.这种煤矿物联网结构是通过感知层接入的各种无线传感器网络,用来采集煤矿井下的各种环境参数,利用无线传感网上传到调度层,经过调度层的分析处理传到应用层,形成一个统一的调度管理系统.针对传统的测距定位算法中存在的定位误差相对较大这一现象,本文提出了一种时间与距离关系的定位算法,该算法的主要优点是不需测得信号强度值,故避免了信号在传输过程中衰减而造成的误差.最后通过与uw1000模块的结合实验验证了该算法.较传统的测距定位算法减小了误差,提高了精度.但用到的uw1000相比于其他测距的硬件价格要高一点,但是对定位效果有很大的提升,且应用价值比较好.

煤矿井下人员跟踪管理系统研究

针对监测煤矿井下人员安全问题,设计了一种基于物联网的煤矿井下人员跟踪管理系统,该系统可对煤矿井下人员进行精度定位并能实时监测其身体状况和周围环境。该系统由移动节点、信标节点、集中器节点和监控平台组成,利用改进的接收信号强度指示器(RSSI)定位算法进行人员定位,将无线传感网络和井下工业以太网相结合进行数据传输,可实时显示煤矿井下人员位置、身体状况、周围环境、下井时间等信息,还具有实时报警、远程控制等功能。实验结果表明,该系统实现简单、计算量小、定位精度高,适用于煤矿井下人员安全监测管理。

煤矿井下人员位置监测技术与系统

煤矿井下人员位置监测系统是煤矿井下安全避险"六大系统"之一。研究了煤矿井下人员位置监测系统在遏制超定员生产、事故应急救援、领导下井带班管理、特种作业人员管理、防止人员进入危险区域、及时发现未按时升井人员、持证上岗管理、井下作业人员考勤等方面的作用。提出了系统主要技术要求和测试方法:识别卡与分站之间的无线传输距离不小于10 m;识别卡位移速度不得小于5 m/s;识别卡并发数量不得小于80个;系统漏读率不得大于10-4;识别卡数量应不小于8 000个等。提出了系统装备要求:①各个人员出入井口、重点区域出/入口、限制区域等地点应设置分站,并能满足监测携卡人员出/入井、出/入重点区域、出/入限制区域的要求;②巷道分支处应设置分站,并能满足监测携卡人员出/入方向的要求;③下井人员应携带识别卡;④性能完好的识别卡总数,至少比经常下井人员的总数多10%;⑤矿调度室应设置显示设备,显示井下人员位置等;⑥各个人员出入井口应设置检测识别卡工作是否正常和唯一性检测的装置,并提示携卡人员本人及有关人员。

Kalman滤波在井下人员跟踪定位中的应用

针对基于RSSI定位算法在定位过程中不具备连续性问题,提出了一种基于Kalman滤波的连续性井下人员定位方法。采用Kalman滤波对基于RSSI定位算法估算出的井下人员位置坐标进行滤波处理,在此坐标的基础上,建立Kalman滤波模型,利用Kalman滤波实现对井下人员的实时跟踪。实验结果表明,基于Kalman滤波的定位方法对井下人员的跟踪效果较好,提高了系统的实时性和跟踪精度。

基于双流神经网络的煤矿井下人员步态识别方法

人脸、指纹和虹膜等生物识别方法在井下复杂环境限制下常常比较模糊,导致基于这些生物特征的煤矿井下人员身份识别率不高。本文在残差神经网络和栈式卷积自动编码器的基础上,提出了一种基于双流神经网络(TS-GAIT)的步态识别方法。主要利用残差神经网络提取步态模式中包含时空信息的动态特征,利用栈式卷积自动编码器提取包含生理信息的静态特征,并采用一种新颖的特征融合方法实现动态特征和静态特征的融合表征。提取的特征对角度、衣着和携带条件具有鲁棒性。在CASIA-B步态数据集和采集的煤矿工人步态数据集(CM-GAIT)上对该方法进行实验评估。结果表明,采用该方法进行煤矿井下人员步态识别是有效可行的,与其他步态识别方法相比准确率有显著提高。

基于RFID技术的井下人员智能定位系统优化设计

介绍了井下人员定位的技术特点,从出入井管理、巷道采掘面管理和井上调度平台管理3个模块入手,详细设计了基于RFID技术的井下人员智能定位系统,该系统能够对井下人员实现有效的定位和管理,对煤炭企业的安全生产和井下人员管理具有重要的意义。

基于监督局部映射的煤矿井下人员身份鉴别方法

为提高煤矿井下人员身份识别率,在局部保持投影(LPP)算法的基础上,提出监督局部映射(SLP)算法。该方法充分利用数据的局部和非局部信息及类别信息,对数据进行维数约简,使特征空间同类数据间的距离更小,不同类数据间的距离更大。该方法能够克服煤矿井下艰苦、空间受限环境中人脸、虹膜和指纹识别率不高的问题。在真实步态数据库上的实验结果表明,基于步态的煤矿井下人员身份鉴别是可行的。

煤矿监控管理系统数据共享的实现

实现煤矿安全生产监控系统与煤矿井下作业人员管理系统数据共享将提高数据的利用效率,提高煤矿企业的安全水平。文章主要介绍了在现有条件下实现共享的方法及不同方法的优缺点。

基于LSTM个性化步长估计的井下人员精准定位PDR算法

针对传统的行人航位推算(PDR)算法由于步长和航向累积误差导致定位精度较低,不能满足井下人员精准定位需求的问题,提出了一种基于长短时间记忆网络(LSTM)个性化步长估计的井下人员精准定位PDR算法。首先采集井下人员运动中的加速度、陀螺仪惯性信息,解算每一步运动距离构建步长数据,通过离线训练获得井下人员个性化步长估计LSTM模型;然后在在线预测阶段通过矿用本安智能手机实时采集加速度、陀螺仪、地磁等井下人员运动数据,分别采用步伐检测算法、个性化步长估计模型获得井下人员运动步伐及每一步的步长,利用卡尔曼滤波融合航向估计算法获得航向角;最后根据步长估计和航向角预测井下人员当前位置。在内蒙古鄂尔多斯市高头窑煤矿采集井下人员运动数据进行试验,结果表明:基于LSTM个性化步长估计的井下人员精准定位PDR算法对井下人员运动中的步伐检测精度为96.5%,步长预测精度为90%;在井下真实环境中的相对定位误差为2.33%,提高了煤矿井下人员定位的精度。

煤矿井下节点合作加权质心定位算法

针对煤矿井下长距离巷道内人员定位信号存在衰减大、定位精度低的问题,提出了一种节点合作加权质心定位算法。该算法在ZigBee通信环境下,通过参数寻优思想在长距离巷道内人员定位时选择近距离虚拟参考节点(已定位的未知节点)与参考节点合作使用,利用改进的小区域三角形加权质心定位算法对未知节点进行初始定位,然后通过坐标修正确定未知节点的位置。仿真与实验结果表明,利用参考节点与虚拟参考节点合作定位,减少了远距离参考节点的使用,可以解决因距离远导致的信号衰减大的问题,提高了井下人员定位的精度;该算法的平均定位误差为1.5 m,可满足煤矿井下长距离巷道内人员定位精度的要求。

煤矿井下作业人员管理系统人员数据分析软件的应用

提出了一种煤矿井下作业人员管理系统人员数据分析软件,介绍了该软件数据曲线分析的原理,以下井人员总数曲线为例介绍了该软件在煤矿交接班管理、人员定位管理中的应用。该软件可以曲线形式直观、定量地反映煤矿交接班状况、人员活动情况、人员定位系统运行状况等,已应用于某煤矿井下作业人员管理系统,效果良好。

煤矿井下目标定位的研究现状与展望

本文总结了近年来提出的iBeacon井下定位技术、卡尔曼滤波UWB井下动态定位技术、WMSNs视频矿灯定位技术、TWR和SDS-TWR定位方法、异步测时煤矿井下人员定位技术、多传感器信息融合煤矿井下人员定位方法、GRPM煤矿井下人员定位技术、基于改进UWB算法的井下定位以及捷联惯性导航定位技术等井下目标定位技术与方法,并从受巷道及其支护和巷道中导体及障碍物影响大小、是否需要基站/移动终端和参考站之间时钟同步、是否需要参考站之间时钟同步、受基站/移动终端和参考站时钟频率偏移影响大小、基站/移动终端成本、参考站成本和定位精度等方面综合评定各种定位技术的优势和局限性。研发新型组合型井下精密定位系统,使得传输信号不受井下巷道环境影响、无需时钟同步、定位设备复杂度小、基站和参考站建设成本低、定位精度高、定位导航可视化,是实现井下实时位置服务、为井下目标管理提供精准控制以及煤矿智能化开采走向成熟阶段的重要环节。