留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码
最新录用栏目展示本刊经同行评议确定正式录用的文章,这些文章目前处在编校过程,尚未确定卷期及页码,但可以根据DOI进行引用。
基于振动特征小波包分解和SSA-BPNN的铝土矿负载分类研究
许志鹏
当前状态:
摘要:
铝土与岩石的理化性质不同,铝土矿采矿机在截割岩石时会产生噪声污染和机械损耗,受铝土赋存条件和井工环境影响,人为判断截割负载类型具有滞后性和不确定性。为解决该问题,以实际工况下空载、铝土、岩石三种负载类型的振动数据为样本,提出了一种基于小波包分解和麻雀搜索算法优化BP的负载分类方法,获得振动数据的表征特征向量,利用主成分分析法,降低了特征向量的维度。确定了BP神经网络的拓扑结构和麻雀搜索算法的参数,通过麻雀搜索算法优化BP神经网络的权值和阈值,加快了网络的收敛速度。实验结果表明,该方法提高了负载分类效率和准确率。
<摘要>(0)
煤矿井下多旋翼飞行器避障控制方法研究
郭爱军, 王妙云, 马宏伟, 张旭辉, 董明
当前状态:
摘要:
多旋翼飞行器以其结构简单、可悬停和多方向飞行的优点,在煤矿井下生产巡检方面具有良好的应用前景。但是井下巷道环境恶劣,无法感知GPS信号,而且煤矿机电设备复杂,对飞行器稳定飞行产生巨大干扰,为了解决多旋翼飞行器在煤矿井下复杂环境中稳定飞行的难题,提出自主避障飞行与人工远程干预相结合的控制理念,构建了煤矿井下巷道巡检飞行器虚拟远程操控系统。为提高飞行器在巷道移动的避障导航效率,在传统虚拟势场避障导航算法的基础上引入飞行器速度和动态障碍物速度对导航结果的影响,研究了一种复合虚拟势场CVFF避障算法,通过建立实现煤矿飞行器对巷道内未知或动态物体的避障飞行,并借助MATLAB平台对改进的虚拟势场避障导航算法进行仿真分析。结果表明,复合势场避障算法改善了局部避障路径的规划效率,可有效提高复杂环境下飞行器避障效果。
<摘要>(0)
综采工作面巡检机器人自主定位技术研究
黄西平
当前状态:
摘要:
针对综采工作面设备数量多、体积大、空间狭小且随工作面推移,环境不断变化的特点,设计了一种可以独立完成巡检任务的巡检机器人系统,通过在机器人上搭载三维扫描仪完成对地下空间工作面场景重建,并采用刚柔一体化的轨道设计来适应综采工作面环境。针对刚柔一体化轨道的设计特点,为了减少轨道连接件对巡检机器人惯性导航定位的影响,采用惯导/里程计增量组合导航完成对巡检机器人定位,实验表明此方案在40km的道路上测量定位精度能达到10-3量级。同时通过对巡检机器人经过轨道连接点时的陀螺仪数据动态分析,完成对轨道连接件的识别以及抖动点的检测,从而通过抖动检测实现分段滤波来提高巡检机器人的定位精度。实验结果表明,轨道连接件的判断准确,基于抖动检测的分段滤波能有效提升巡检机器人的定位精度。
<摘要>(0)
基于UWB和IMU的煤矿机器人定位方法研究
郁露(通讯作者), 唐超礼, 黄友锐
当前状态:
摘要:
针对井下环境复杂,现有煤矿机器人在使用UWB定位时,由于受非视距的影响以及多径效应使定位存在精度低的问题,提出一种基于UWB和IMU的煤矿机器人定位方法。首先测量UWB/IMU标签到UWB基站的真实距离和使用标签测量距离对LSSVM模型进行训练;然后将机器人在定位过程中UWB/IMU标签测得的距离信息输入已训练好的LSSVM模型中得到修正后的UWB伪距信息,减小了非视距误差对定位精度的影响;最后使用Error-State卡尔曼滤波对UWB/IMU测量信息紧组合,得到搭载UWB/IMU标签的机器人的位置。对基站的不同布设方案进行了对比分析,实验结果表明:使用LSSVM可以修正UWB伪距信息,进而提高定位精度,当四个UWB基站等高对称分布时,定位的均方根误差从0.1464m减小到0.1364m;当四个UWB基站不等高对称分布时,均方根误差从0.3008m减小到0.2006m;当四个基站随机分布时,均方根误差由0.3175m减小到0.3142m。
<摘要>(0)
煤矸石分拣机器人研究进展与关键技术
张烨, 马宏伟, 王鹏, 曹现刚, 魏小荣, 周文剑
当前状态:
摘要:
依据我国煤矿智能化发展战略,深入分析了国内外煤矸分拣现状,对现阶段机器人分拣煤矸中存在的问题进行了剖析和讨论,总结了煤矸分拣机器人共性关键技术,指出了煤矸分拣机器人技术特点、以及未来发展趋势,并给出了可行的解决方案。首先,对煤矸石智能分选机器人研究进展进行分析,指出煤矸石识别、机械臂轨迹规划和多机械臂协同是机器人智能分拣煤矸石的三大关键技术,并对现有问题进行分析,提出要实现机器人智能分拣煤矸石,还应当在适应于井下的煤矸识别与分拣特征提取、动态目标精确定位和同步跟踪、机械臂在线轨迹规划和多机械臂智能协同控制等方法上进行深入研究。其次,通过对目前关键技术的梳理,总结得出:煤矸石数据集构建与扩增、煤矸石识别与分拣特征提取是实现煤矸高效识别的关键技术;动态煤矸石精准跟踪、机械臂同步跟踪动态目标轨迹规划和快速大质量目标稳定抓取是实现机械臂稳定抓取煤矸石的关键技术;多任务高效分配、防碰撞路径规划和智能协同控制是实现多机械臂高效智能协同分拣的关键技术。最后,针对目前存在的共性问题,提出了解决方案:在识别方面,研究基于多模态深度学习的煤矸石识别与抓取特征提取方法,实现适用于井下的煤矸石快速识别;在轨迹规划方面,研究动态煤矸石的精准定位和实时跟踪方法,实现机器人对动态煤矸石的自适应稳定抓取;在协同分拣方面,构建多层多机械臂协同控制模型,实现多机械臂复杂环境下高效智能协同分拣。
<摘要>(0)
顾及图像增强的煤矿井下视觉SLAM算法
冯玮(通讯作者), 姚顽强, 蔺小虎, 郑俊良, 高康洲, 相里海龙, 薛志强
当前状态:
摘要:
为提高视觉SLAM算法在煤矿井下环境中的适用性,提出一种顾及图像增强的视觉SLAM算法,该算法通过图像增强处理来提升视觉SLAM的整体性能。首先,设计了一种基于改进双边滤波的Retinex算法,对煤矿井下图像进行增强处理。将原始图像转换到HIS(Hue,Saturation,Intensity)色彩空间,并使用改进的双边滤波函数代替Retinex算法中的高斯核函数来估计亮度分量 的反射分量,再转换回RGB色彩空间,得到对比度提高且不受光照影响的增强图像。相较于单尺度Retinex(Single-Scale Retinex,SSR)算法和多尺度Retinex(Muti-Scale Retinex,MSR)算法,该算法处理后的图像未出现明显的泛白及光晕现象,图像质量得到了明显提升。其次,将该算法引入经典的ORB-SLAM2算法框架进行后续的位姿估计和建图。最后,为了验证本文算法的可行性和适用性,在煤矿巷道环境下进行了试验。结果表明,相较于ORB-SLAM2算法,本算法在煤矿井下具有更好的定位精度及建图效果,为矿井机器人视觉感知定位提供了重要的技术支撑。
<摘要>(0)
查看更多
[编委学术专栏]
基于彩色图像的煤矿冲击地压和煤与瓦斯突出感知报警方法
孙继平, 程继杰, 王云泉
2022, 48(11): 1-5.   doi: 10.13272/j.issn.1671-251x.18042
摘要: 分析了冲击地压和煤与瓦斯突出发生时抛出煤岩的图像特征:① 冲击地压和煤与瓦斯突出发生时抛出的煤岩主要是黑色,但煤矿井下设备一般不是黑色,因此,可利用非黑色矿用设备作为背景,采用彩色摄像机识别煤岩。② 正常落煤速度、采煤机和掘进机等设备移动速度、井下人员和车辆移动速度远小于冲击地压和煤与瓦斯突出发生时抛出的煤岩速度,因此,可根据速度特征,排除正常落煤、采煤机和掘进机等设备移动、井下人员和车辆移动的干扰。③ 瓦斯和煤尘爆炸也会造成巷道中物体短时速度较高,并伴有高亮,但冲击地压和煤与瓦斯突出不会产生高亮,因此,可根据图像平均亮度,排除瓦斯和煤尘爆炸的干扰。提出了彩色摄像机设置方法:掘进工作面摄像机宜设置在掘进巷道顶板或掘进巷道两帮靠近顶板位置;回采工作面摄像机宜设置在液压支架顶部。提出了基于彩色图像的煤矿冲击地压和煤与瓦斯突出感知报警方法:① 在掘进巷道顶板或掘进巷道两帮靠近顶板位置、回采工作面液压支架顶部,以非黑色矿用设备为背景,设置具有补光灯的彩色摄像机。② 监测识别彩色图像颜色是否发生较大变化。③ 若图像颜色发生较大变化,则进行图像平均亮度识别,否则继续监测识别图像颜色变化。④ 若图像平均亮度小于设定的亮度阈值,则识别导致图像颜色发生较大变化的物体的移动速度,否则继续监测识别图像颜色变化。⑤ 若物体移动速度大于设定的速度阈值,则对监视区域内甲烷浓度进行判别,否则继续监测识别图像颜色变化。⑥ 若甲烷浓度迅速升高或达到报警值,则进行煤与瓦斯突出报警,否则进行冲击地压报警。该方法具有非接触、监测范围广、成本低、使用维护方便等优点。
<HTML> <PDF>(806KB)
[编委学术专栏]
5G专网技术及煤矿5G专网方案分析
霍振龙
2022, 48(11): 6-10, 19.   doi: 10.13272/j.issn.1671-251x.18040
摘要: 矿井现有的除5G以外的通信网络大部分是以独立专网的形式存在,而5G无线通信在带宽、时延、终端连接数量、可靠性等方面的性能大幅提高,相应地网络架构和组网方式也有新的变化,其中专网方案不再是单一的独立专网方案,还存在混合专网、虚拟专网等方式。介绍了网络切片、移动边缘计算、5G LAN、时间敏感网络等5G专网关键技术。给出了虚拟专网、混合专网和独立专网3种5G专网方案:虚拟专网具有服务范围广、灵活性高、成本低、建设周期短等特点,适于各种覆盖范围广、接入终端在时间和空间上不固定,同时又有一定的业务质量要求和一定程度的数据隔离要求的应用;混合专网传输路径短,安全性高,网络的端到端时延低,可进行多种灵活的自主服务,但私密性稍弱;独立专网是提供物理独享的5G专用网络,满足行业用户高带宽、低时延、高安全、高可靠的数据传输需求。提出了5G专网方案选择在安全性、可用性、可靠性等方面的一般性原则,以及煤矿5G专网在调度功能、融合需求、自主运营运维、本质安全等方面的特殊需求。提出了煤矿5G专网方案的选择:在煤矿智能化建设初期或煤矿对数据的保密性、系统使用的便捷性、系统功能的扩展性方面等没有苛刻的要求,可选择虚拟专网或混合专网方案,反之,可选择独立专网方案。指出目前煤矿采用混合专网和虚拟专网方案相对较多,且混合专网和虚拟专网方案未来一段时间内还有一定的优势;随着小型核心网的生态逐步建立,独立专网方案将会受到更多用户的认可;在今后一定时期内,独立专网、虚拟专网和混合专网方案将发挥各自的优势,服务于不同时期、不同差异化需求的煤矿智能化建设。
<HTML> <PDF>(587KB)
[编委学术专栏]
智能矿山多元监控信息融合与联动研究
贺耀宜, 高文, 杨耀, 荆诚, 朱沙沙, 陈醒
2022, 48(11): 11-19.   doi: 10.13272/j.issn.1671-251x.17962
摘要: 煤矿自动化监控系统类型多,技术路线不统一,各系统软件相对独立,数据之间缺少关联。目前多采用井下融合分站或地面融合平台方式实现现场数据融合与联动控制,无法实现全矿井从底层感知到地面融合的统一大融合与联动控制。基于煤矿安全监控系统多系统融合和煤矿智能化建设要求,分析了矿山多元监控信息融合需解决的关键问题,包括人、机、环等监控数据一体化采集与融合,安全监测监控类数据高效一致性共享,自动化监控系统的低代码快速二次开发,以及矿山设备对象全生命周期一体化监管。提出了一种智能矿山多元监控信息融合与联动方案,构建了包括井下数据融合与联动控制和地面多元监控信息融合的总体架构。介绍了以边缘融合分站为核心的井下数据融合与联动控制实施方案;从统一技术体系、统一技术架构和数据处理机制、基于矿山对象信息模型的信息深度融合3个方面阐述了地面多元监控信息融合关键技术,由此开发了多元监控信息开放式综合管控平台。基于该方案内嵌的煤炭行业通信驱动协议集和煤矿监测、控制、位置服务、二三维GIS、工作流引擎等基础支撑技术,可快速开发环境安全监控类、移动目标定位类、煤流运输控制类等自动化监控系统的独立软件平台,一体化安全生产综合监测与控制平台,智能矿山综合管控平台,形成行业级的实时工业组态软件。
<HTML> <PDF>(8128KB)
[“煤炭智能分选技术与应用”专题]
煤炭智能重介分选技术进展与探索
代伟, 王昱栋, 董良, 赵跃民
2022, 48(11): 20-26, 44.   doi: 10.13272/j.issn.1671-251x.2022060106
摘要: 重介分选作为应用最广泛的选煤工艺,正在从自动化、信息化向智能化方向迈进。目前重介选煤厂智能化建设只是实现局部智能化,在整体智能化建设上还存在欠缺,在核心生产设备(重介质旋流器、浅槽等)智能化上发展不足。针对上述问题,从智能感知、智能控制与智能优化决策3个方面阐述了重介分选智能化研究现状,并剖析了重介分选在从自动化向智能化发展的过程中面临着诸多挑战性难题,包括原煤品质波动导致工况难以稳定运行、重介分选自身具有极高的复杂性、重介选煤厂智能化建设局限性等。为推进重介分选行业的智能化与绿色化,实现全场设备自主控制,减少运营人员甚至实现无人化,指出重介选煤厂应建设一套“智能感知、智能控制、智能优化决策”一体化的智能优化生产系统:智能感知作为智能化的基础实现选煤工艺数据的感知获取;智能控制获取传感器等数据对选煤工艺进行智能修正,确保对设定值的跟踪;智能优化决策分析智能控制模块中分选过程的运行状态、调整工艺指标设定值,实现工艺指标设定值的动态优化。感知、控制与决策相互协同,促进选煤厂智能化水平与生产效益提高,为未来实现重介分选生产全流程智能协同优化控制提供了一条新思路。
<HTML> <PDF>(754KB)
[“煤炭智能分选技术与应用”专题]
X射线透射煤矸智能识别方法
王文鑫, 黄杰, 王秀宇, 史玉林, 吴高昌
2022, 48(11): 27-32, 62.   doi: 10.13272/j.issn.1671-251x.18037
摘要: 煤矸图像识别是基于伪双能X射线透射(XRT)的煤矸分选技术重要环节。受煤矸紧贴或遮挡导致煤矸图像难以分割和基于人工阈值判别易导致煤矸分类识别错误影响,现有的煤矸识别方法精度不高。提出一种XRT煤矸智能识别方法。采用感受野模块(RFB)与U−Net模型相结合的模型(RFB+U−Net模型)实现伪双能X射线煤矸图像有效分割,解决了因煤矸紧贴或遮挡情况而影响识别精度的问题;以煤矸图像灰度特征中的低能图像灰度最小值、纹理特征中的低能图像锐化最小值和锐化均差为煤矸识别特征,采用多层感知机(MLP)模型实现煤矸识别。实验表明:RFB+U−Net模型的煤矸分割准确率、煤矸粒度精度、煤矸像素均交并比等指标及图像分割效果均优于活动区域模型、U−Net模型、SegNet模型,且模型推理时间较短,满足煤矸图像分割实时性要求;MLP模型隐藏层数量为8时,在2组测试集下的煤矸识别平均准确率均为87%以上;在相同数据集及实验条件下,MLP模型的煤矸识别平均准确率、排矸率均高于基于贝叶斯分类器、支持向量机、逻辑回归、决策树、梯度提升决策树、K近邻算法的模型,且矸石带煤率不超过3%,满足实际煤矸干法分选要求。
<HTML> <PDF>(1579KB)
[“煤炭智能分选技术与应用”专题]
基于轻量化HPG−YOLOX−S模型的煤矸石图像精准识别
陈彪, 卢兆林, 代伟, 邵明, 于大伟, 董良
2022, 48(11): 33-38.   doi: 10.13272/j.issn.1671-251x.18035
摘要: 针对现有基于视觉技术的煤矸石分选方法存在模型参数量大、特征提取能力差、识别精度低等问题,提出了一种基于轻量化Ghost−S网络与混合并联注意力模块(HPAM)YOLOX−S模型(HPG−YOLOX−S模型)的煤矸石识别方法。首先,在YOLOX−S模型主干网络中加入HPAM,以增强图像中重要信息,抑制次要信息,加强主干网络的特征提取能力。其次,将YOLOX−S模型主干网络替换为参数量更小的Ghost−S网络,提高利用率与特征融合能力。最后,在预测层中采用SIOU损失函数来替换YOLOX−S模型的损失函数,提升检测与定位精度,加强对目标的提取能力。为验证所提方法对大块煤矸石的检测效果,将HPG−YOLOX−S模型与YOLOX−S模型进行对比,结果表明,HPG−YOLOX−S模型对煤与矸石的识别准确率分别为99.53%和99.60%,较YOLOX−S模型识别准确率分别提高了2.51%,1.27%。有效性验证结果表明, HPG−YOLOX−S模型的精确率、召回率和F1值均在94%以上,较YOLOX−S模型分别提高了5.68%,3.51%,2.91%; HPG−YOLOX−S模型的参数为7.8 MB,较YOLOX−S模型降低了1.2 MB。消融试验结果表明,HPG−YOLOX−S模型的平均精度均值较YOLOX−S模型提高了9.17%。热力图可视化试验结果表明,HPG−YOLOX−S模型关注煤与矸石的纹理和轮廓等表面差异,对煤矸石目标的全局关注度更加显著。
<HTML> <PDF>(9170KB)
[“煤炭智能分选技术与应用”专题]
基于改进YOLOv5的煤矸识别研究
张释如, 黄综浏, 张袁浩, 章鳌, 季亮
2022, 48(11): 39-44.   doi: 10.13272/j.issn.1671-251x.2022060052
摘要: 现有基于深度学习的煤矸识别方法应用于井下复杂环境中时易出现误检和漏检情况,且对小目标煤矸的识别精度低。针对该问题,提出一种改进YOLOv5模型,并基于该模型实现煤矸识别。对采集的煤与矸石数据进行数据增强,以丰富数据集,提高数据利用率;在空间金字塔池化(SPP)模块中引入空洞卷积和残差块,得到残差ASPP模块,可在不损失图像信息的前提下,增大卷积输出感受野,强化模型对深层特征的提取;采用AdaBelief优化算法代替YOLOv5原有的Adam优化算法,提高模型的收敛速度与识别精度。实验结果表明:AdaBelief优化算法和残差ASPP模块可有效提高YOLOv5模型的精确率、召回率和平均精度均值(mAP);改进YOLOv5模型的mAP达到94.43%,比原始YOLOv5模型提高了2.27%,帧率降低了0.03 帧/s,性能优于SSD,Faster R−CNN,YOLOv3,YOLOv4等主流目标检测模型;在极端黑暗的环境中,改进YOLOv5模型也能准确划定目标边界,识别效果优于其他改进YOLOv5模型。
<HTML> <PDF>(2563KB)
[“煤炭智能分选技术与应用”专题]
AI视频图像分析在选煤厂智能化中的应用现状与发展趋势
折小江, 刘江, 王兰豪
2022, 48(11): 45-53, 109.   doi: 10.13272/j.issn.1671-251x.2022060092
摘要: 人工智能(AI)视频图像分析是选煤厂智能化的重要组成部分,可实现对选煤厂设备、环境、人员、选煤全流程的重要参数的智能监测。给出了目前智能化选煤厂基本架构,指出现有研究大部分是利用AI视频图像分析技术构建对选煤厂人员、设备、环境、管理的安全监测系统,给出了智能视频图像监测系统的构建过程。针对选煤厂智能化建设中的安全环保生产和提高产品质量两大目标,从异物检测、智能分选、设备运行状态监测、煤炭粒度检测、人员行为监控和环境与安全检测等6个方面介绍了AI视频图像分析技术在选煤厂智能化选煤上的应用现状。对AI视频图像分析在选煤厂智能化应用进行了展望,指出不仅要从宏观架构上搭建基于5G通信、物联网、AI、智能控制理论和选煤行业技术的多层级视频监控系统,还要从微观上优化现有通用的智能视频监测方法或算法,开发出适用于选煤厂环境的智能视频图像分析技术:机器视觉、计算机视觉应与深度学习高度融合,面对不同工况,合理应用机器视觉与计算机视觉的不同优势;建立多层级一体化监控系统框架,在框架内部署并优化算法模型;建立多元化的视频图像数据库,充分利用不同图像类型的数据特征,开发针对性分析算法;深入研究分布式数据流与实时AI视频图像分析,构建实时AI分布式系统,合理调度视频图像分析模型,提高实时模型的计算效率与准确性。
<HTML> <PDF>(1084KB)
查看更多