基于改进U-net网络模型的综采工作面煤岩识别方法

煤岩识别是实现工作面智能化开采的核心技术,也是煤炭开采领域的技术难题。针对当前综采工作面煤岩识别精度低的问题,提出了一种基于改进U-net网络模型的煤岩图像识别方法。该方法通过使用深度分离卷积代替传统卷积减少了网络模型的参数,提高了语义分割的效率;添加Res2net模块来提高编码器提取特征的能力,同时加入条件随机场对分割图像进行后处理,提高了网络模型在分割煤岩图像交界区域的精确性。为了获取更加丰富的煤岩分布图像,研制了不同特性的煤岩试样,搭建了采煤机煤岩截割试验台。通过煤岩截割试验获取了煤岩分布图像数据,并对其进行切分、缩放、旋转、裁剪、加噪声等操作,生成了包含8000个样本的煤岩图像语义分割数据集,采用自适应学习算法对模型进行训练,给出了模型训练过程中准确率和损失函数的变化规律。选取像素准确度和交并比对语义分割结果进行评估,结果表明,改进U-net网络模型的像素准确度和交并比的平均值分别为95.81%和91.13%,所占内存为35 M,测试用时为36.45 ms/张,与其他网络模型相比,该方法在煤岩图像分割中具有明显的优越性。在井下现场试验中,通过构建综采工作面煤岩图像语义分割数据集对改进U-net网络模型进行训练和测试,最后实现了综采工作面的煤岩识别,验证了该方法的可行性和实用性。

潜孔锤破岩系统动力学特性研究

为深入研究潜孔锤破岩过程中推进力、激振频率等对潜孔锤破岩系统特性的影响,基于弹簧、阻尼、滑动器等元件建立了考虑潜孔锤与岩石局部接触、完全接触状态的动力学模型。分别建立不同状态下系统的动力学方程,并基于阶跃函数建立破岩系统的连续无量纲微分方程组,采用龙格-库塔法求解获得不同状态下的潜孔锤钻头位移图、速度图、相空间图以及庞加莱截面图。结果表明:破岩系统的运动状态随推进力改变而改变,当系统处于周期-1状态时,系统相对较稳定且破岩效率最佳;随着激振力频率增大,系统稳定的区间范围随之增加,但破岩效率反而降低。破岩系统动力学特性研究结果为潜孔锤在实际工作中的参数确定提供理论依据。