针对传统单一注浆方式在深部分区破裂围岩应用中存在的不足,提出了深部复合注浆加固原理及理念,即通过注浆工艺和注浆材料的复合实现深部分区破裂围岩的稳定。首先,建立了深部破裂围岩分区模型,分析了不同破坏分区的浆液渗透特性,揭示了注浆范围和浆液材料对破裂围岩固结体力学特性的影响。复合注浆技术根据煤岩体分区破裂特征,对不同破裂区域的岩体采取不同的注浆参数,提出了三步注浆工艺;基于深部围岩不同破裂区的裂隙尺度特征,确定了由无机水泥浆材、超细水泥浆材和化学浆材组成的复合注浆材料,3种注浆材料实现优势互补。与传统注浆技术相比,复合注浆技术加固的煤岩体黏聚力、内摩擦角及强度等力学参数更大。最后,提出了以固结体锚固力、强度和整体完整性作为注浆效果评价的指标,并确定了相应的临界值。复合注浆技术在山西某矿孤岛工作面3210回风巷进行了应用,应用效果表明:采用复合注浆技术后,巷帮煤体锚固力提高244%,达到230kN;顶板和巷帮围岩强度分别增加10.9%和34.43%,分别达到50.68 MPa和25.37 MPa;巷帮煤体波速提高15.2%,达到750m/s。整体来看,深部复合注浆技术注浆效果更优,达到了良好的预期控制效果,有效保证了深部破裂围岩的稳定。
为了探究兖州煤田特厚煤层综放开采矿压对底板变形破坏特征,以东滩煤矿1305工作面为背景,采用应变感应法、钻孔成像技术、数值模拟和理论解析综合分析了该工作面采动煤层底板的矿压影响范围及深度破坏特征。研究发现应变感应法实测结果反映了采矿矿压对底板在水平和延深方向上的作用规律,并与钻孔成像技术具有很好的一致性,发现工作面推过一定距离之后底板变形破坏最剧烈。在此基础上,建立了工作面开采的工程地质数值模型和解析模型,通过底板不同深度塑性区发育特征确定了底板变形破坏深度。根据底板应变感应强度增量变化量、数值模拟和解析方法的综合对比分析,获得了1305工作面底板采动破坏深度范围。研究结果及方法对于该矿井及类似地质及开采条件的这种特厚煤层采掘安全支护和底板水害防治均具有重要的实际参考价值。
智能矿山视频大数据已在轨道安全等矿山安全生产管理中发挥了重要作用,在围岩裂纹动态监测中也有重要的潜在应用价值但仍需继续研究,关键在于基于数字图像时间序列的裂纹信息提取。本文通过岩石加载破坏过程的可见光照片监测实验,研究岩石破坏的光反射率响应及其空间分异特征,提出了一种受力岩石裂纹动态提取方法,其特色是以光反射率表征的数字图像时间序列差分为基础,引入了定量指标——分异系数C来衡量空间分异程度。结果表明:1)岩石受力裂纹发育、扩展可引起光反射率突变,突变速率可达0.2/s,远大于由其它随机因素导致的变化速率(约0.03/s)。2)在裂纹活动时刻,光反射率突变点呈显著的空间分异现象(C可达189),分异的程度远大于随机分布(C为1)。3)基于光反射率突变和空间分异的受力岩石裂纹提取方法可自动判断图像中裂纹是否存在,提取裂纹活动的瞬时、累积信息,用以研究受力岩石(岩体)破坏演变特征、认识岩石表面与内部损伤之间的关系,也可为基于矿山视频大数据挖掘的围岩裂隙动态监测,提供实验参考和方法借鉴。
针对现有皮带撕裂检测方法存在井下可见光成像质量差、检测方法泛化能力差、硬件成本高的问题,设计了一种基于全卷积神经网络的皮带撕裂检测方法。硬件是由线结构光和边缘计算开发板组成,算法首先采用极大值法和最近邻加权法提取完整的激光条纹;然后采用一维化全卷积神经网络对激光条纹进行撕裂分割;最后分割结果反投影回原始图像,利用线结构光的标定数据完成撕裂检测和物理尺寸测量。试验结果表明:激光条纹检测算法性能优于Steger法和灰度重心法;基于一维化U-net的激光条纹分割算法性能最好,dice为94.71%,mIOU为94.70%;最终撕裂检测的召回率为96.09%,精确率为96.85%。
摘 要:针对固体充填液压支架处于复杂地质条件下空间位姿状态动态变化难以描述的问题,提出了一种固体充填液压支架全位姿测量及仿真控制模式,为煤炭智能充填提供了方法。首先,提出了基于融合视觉的全位姿测量技术、固体充填液压支架姿态和驱动关系的整体描述建模技术、基于Unity3D 的虚拟仿真与控制技术。然后,利用3D Max建模软件建立了综采充填工作面设备的3D虚拟模型和场景模型,构建了一套完整的全位置姿态多参数测量系统。基于不同的设备特征节点,采用多参数测量方法得到空间全位姿的9个参数。通过建立了固体充填液压支架的具体坐标系,得到了固体充填液压支架统一的坐标描述和驱动模型。基于Unity3D虚拟仿真技术,构建了设备模型和工作面场景,支撑设备运动仿真。为获取实时数据,开发出于系统通信的数据接口,驱动仿真模型实现虚实映射,解决了当下先进测量技术应用于不同领域的适应性难题,保证了固体充填液压支架平稳运作、安全高效,为实现煤矿智能化充填提供依据。
红外辐射被广泛用于监测矿井煤岩动力灾害,并取得了一定的效果。针对红外辐射不能准确识别煤体损伤区域和监测矿井煤岩动力灾害准确性不高的问题,本文将红外辐射技术与基于多尺度通道注意力机制(Multi-Scale Channel Attention Module,MS-CAM)的U-Net网络结合提出一种基于MS-CAM U-Net网络的煤体红外热像异常区域分割算法。除此之外,为了克服煤体红外热像数据集匮乏对算法准确率和适用性的影响,本文对煤体红外热像数据集进行采集和预处理。通过理论和实验结果证明该算法有效提高了小目标异常区域的分割精度,同时该算法与原始的U-Net相比,精确率、F1分数、Dice系数和MIoU分别提高2.47%、3.27%3.07%、5.18%。
针对井下高实时性、高精度的人员定位需求,研究了基于超宽带(UWB)的井下人员定位算法。采用双边双向测距(DS−TWR)方式测量定位基站与定位标签的距离,该方式不需要定位基站与定位标签系统时钟同步,从源头上提高了定位精度。根据测距信息,采用加权最小二乘(WLS)算法和CHAN两种位置解算算法估算定位标签的坐标,通过静态实验和动态实验对2种算法的性能进行对比分析,并通过均方根误差和误差累计分布函数(CDF)综合评估定位精度。实验结果表明:静态实验时,CHAN算法和WLS算法的均方根误差分别为5.878 6,8.007 4 cm,CHAN算法的均方根误差比WLS算法低26.59%;动态实验时,CHAN算法和WLS算法的均方根误差分别为12.292 3,21.180 9 cm,CHAN算法的均方根误差比WLS算法低41.97%;CHAN算法的定位精度高于WLS算法,更加适用于煤矿井下人员定位。
当井下巷道内分布的金属结构处于大环发射天线近场时,会耦合大环发射天线的电磁波能量。一旦金属结构存在断点并发生刮擦,可能会以刮擦放电的形式产生放电火花并点燃瓦斯气体,对煤矿井下安全造成威胁。针对该问题,从近场耦合危险系数及安全距离2个方面分析了井下金属结构近场耦合大环发射天线电磁波能量的安全性。通过建立金属结构近场耦合大环发射天线电磁波能量等效电路,推导出近场耦合危险系数表达式和金属结构与大环发射天线之间的安全距离的表达式。分析了大环发射天线半径、金属结构等效接收线圈半径、刮擦放电火花负载、金属结构与大环发射天线之间的距离对近场耦合危险系数和安全距离的影响。仿真结果表明:近场耦合危险系数随大环发射天线半径的增大先稍增大再稍减小或一直增大;刮擦放电火花负载在一定条件下可使近场耦合危险系数达到峰值,当大环发射天线半径大于等于金属结构等效接收线圈半径时,峰值处的近场耦合危险系数有可能超过近场耦合危险系数临界值0.46,可能会造成危险;当大环发射天线半径小于金属结构等效接收线圈半径时,峰值处的近场耦合危险系数大部分情况下小于临界值0.46,基本不会造成危险;大环发射天线半径在一定条件下可使近场耦合危险系数达到峰值,峰值处的近场耦合危险系数随金属结构等效接收线圈半径的增大先增大后减小,超过近场耦合危险系数临界值0.46的可能性较大,这种耦合在瓦斯气体环境中很可能造成危险。安全距离随大环发射天线半径的增大而增大,即刮擦放电火花负载上电磁波能量的安全性随大环发射天线半径的增大而降低;当大环发射天线半径大于等于金属结构等效接收线圈半径时,安全距离随金属结构等效接收线圈半径的增大而增大,即刮擦放电火花负载上电磁波能量的安全性随金属结构等效接收线圈半径的增大而降低;当大环发射天线半径小于金属结构等效接收线圈半径时,安全距离随金属结构等效接收线圈半径的增大先缓慢增大再减小,即刮擦放电火花负载上电磁波能量的安全性随金属结构等效接收线圈半径的增大先降低再升高。
针对当前辅助运输系统缺少有效的控制策略,车辆在路口盲区候车无序、错车困难,易发生碰撞事故,导致运输效率低的问题,设计了一种基于UWB精确定位的辅助运输交通灯自动控制系统。该系统确定了UWB定位基站在典型路口处的分布要求,设置了位置信息和行驶状态2个控制参数、多种放行机制和区间管控策略,规定了岔口的排序原则和优先级,具有自动控制、手动控制和定时切换3种控制模式。首先UWB定位基站扫描车辆定位卡数据,逻辑控制器实时读取定位基站的车辆数据信息并求解车辆的位置信息和行驶状态,控制交通灯执行控制指令,指挥运输车辆有序通行。逻辑控制器与上位机通过环网连接,上位机可下发控制指令远程变灯,逻辑控制器实时地将井下车辆的行驶数据、异常驾驶行为、交通灯状态等多种信息上传至上位机矿井车辆调度系统,实现就地控制与远程辅控相结合。在模拟巷道对该系统进行测试,结果表明:逻辑控制器代码运行正常,系统的逻辑响应时间<200 ms,交通灯状态切换的响应时间<1 s,弯道报警器能正确执行报警指令。大海则煤矿使用无轨车辆执行井下运输任务,在录车辆约140辆,运输线路不固定且运输任务繁重,重要路口流量大。该系统在环境复杂的大海则煤矿的应用结果表明,路口信息配置灵活,能够高度适配现场各个形式的路口,满足具体的路口管控需求;通过调整控制门限,系统能够调整路口控制区域的大小,适应现场运输流量的变化;定位基站采用不同的数据获取策略,降低了定位分站的铺设数量和施工成本;上位机能够实时监测井下车辆的交通调度状态,监控车辆的驾驶行为,实现了交通灯的远程管控。
针对露天矿无人驾驶卡车运输调度问题,以无人驾驶卡车燃油费用、固定启用费用、故障维修费用及网络基站建设与维护费用之和最小为目标函数,并以采矿场开采量、破碎场破碎量、卡车数量、卡车运输工作量为约束条件,建立了露天矿无人驾驶卡车运输调度优化模型。针对被囊群算法存在全局勘探和局部开采能力不平衡的问题,提出了一种基于Singer映射和参数位置自适应更新机制的改进被囊群算法(ITSA),并将其用于求解露天矿无人驾驶卡车运输调度优化模型。该算法引入Singer映射用于增强初始被囊种群在解空间中的分布性,加快压缩解空间大小,从而提高算法收敛速度;通过参数位置自适应更新机制调节被囊个体与最优被囊个体位置,以增大解空间的搜索范围,从而使算法跳出局部最优。仿真结果表明:与灰狼优化算法(GWO)、鲸鱼优化算法(WOA)、原子搜索优化算法(ASO)及被囊群算法(TSA)4种群智能优化算法相比,ITSA具有更好的收敛精度、收敛速度和稳定性能;在单峰基准函数上,ITSA的各项评价指标远优于其他4种算法,表明ITSA具有更好的局部开采能力;在多峰基准函数上,ITSA的各项评价指标表现出更好的寻优性能,表明ITSA具有更好的全局勘探性能。实际应用场景表明,ITSA用于求解无人驾驶卡车运输调度优化模型时具有更快的收敛速度和更高的收敛精度,且减少了卡车运输费用和运输距离。
受限于露天矿道路的复杂性,现有的卡车行程时间预测方法在实际部署中存在困难,导致卡车优化调度系统只实现调度而非优化。提出了一种基于速度场的露天矿卡车多路段行程时间组合预测模型。将露天矿道路划分为多个路段,采用随机森林算法构建单元预测模型,预测卡车在每一路段的行驶时间,再对各单元预测模型预测值累加,得出卡车在复合路段上的行程时间预测值。为提高预测精度,将卡车平均速度作为行程时间影响因素,根据已采集的卡车速度信息构建速度场,求取路段上所有点卡车速度的平均值,将其近似为卡车在该路段的平均速度并输入单元预测模型。以伊敏露天矿卡车调度系统中的卡车行程信息为基础数据,训练得到组合预测模型,并对该模型进行预测精度与实时性实验,结果表明:基于速度场的露天矿卡车多路段行程时间组合预测模型对于复合路段上的卡车行程时间具有较高的预测精度,平均绝对误差百分比为4.81%,较基于随机森林算法的单一预测模型降低2%以上;组合预测模型运算时间不超过1 s,可实现卡车行程时间实时预测。
煤块检测方法主要包括传统图像检测方法和深度学习目标检测方法。传统图像检测方法检测精度不高、实时性较差、无法对堆煤进行准确判断;深度学习目标检测方法虽然可以实现实时检测,但没有对煤块的数量、滞留和堵塞状态进行识别,而且识别模型参数较多。针对上述问题,提出了一种基于改进YOLOv5s+DeepSORT的煤块行为异常识别方法。首先通过摄像头和巡检机器人采集煤矿综采工作面带式输送机上煤块视频图像,并制作数据集。然后利用MobileNetV3_YOLOv5s_AF−FPN模型进行煤块图像目标检测:通过MobileNetV3替换原始YOLOv5s主干特征提取网络,减少参数量,提高推理速度;将YOLOv5s中原有的特征金字塔网络改进为增强特征金字塔网络(AF−FPN),以提高YOLOv5s网络对多尺度煤块目标的检测性能。利用DeepSORT进行煤块多目标跟踪:将改进YOLOv5s模型检测后的煤块图像作为DeepSORT的输入进行多目标跟踪,利用DeepSORT对煤块进行状态估计、数据关联匹配和跟踪器参数更新,确定跟踪结果,并对连续跟踪的煤块进行ID编码,对当前帧的煤块数量进行计数。最后在目标跟踪器中取出连续跟踪的目标,设置距离阈值,判断其是否滞留;设置数量阈值,判断其是否堵塞,最终实现煤块滞留和堵塞行为异常识别。利用自建dkm_data2021数据集对基于改进YOLOv5s+DeepSORT的煤块行为异常识别方法的可靠性进行实验验证,结果表明:改进YOLOv5s模型相比YOLOv5s模型平均检测精度提高了1.45%,参数量减少了35.3%,推理加速了12.7%,平均漏检率降低了11.08%,平均误检率降低了11.54%;基于改进YOLOv5s+DeepSORT的煤块行为异常识别方法检测精度为80.1%,可准确识别煤块滞留、堵塞状态,验证了该方法的可靠性。
介绍了智能选矸机器人应用与研究现状,指出目前智能选矸机器人主要基于X射线和图像识别原理,利用高压气动分拣和桁架机器人抓取进行煤矸分离;智能选矸机器人分拣执行机构主要有桁架式、并联式、串联式几种类型,响应速度快,常常以“拨”和“抓”的形式分离矸石;在胶带运输过程中,智能选矸机器人“拨”需要考虑不同矸石尺寸的兼容性及运动路径的优化,“抓”需考虑机械手爪的作业空间及机器人的承载能力。分析了智能选矸机器人在现场复杂环境中有效实现矸石分拣的基于深度学习的煤矸识别、面向非结构多约束环境的选矸机械臂运动规划、基于力反馈的机械臂主动柔顺控制、多臂协作分拣任务分配策略及控制等关键技术,并指出基于深度学习的煤矸识别技术作为选矸机器人的关键技术之一,仍需在煤矸数据集高效构建方法、煤矸识别算法的泛化性提升、煤矸识别算法的实时性优化等方面进行进一步研究。结合现场应用和机器人智能化发展需求,指出了智能选矸机器人今后的研究方向:针对现场复杂环境进行技术改进,提高煤矸识别算法的鲁棒性和自适应性;适应复杂环境的智能感知和控制技术及矸石高精度三维位姿估算技术的研究;基于力位混合控制的选矸机器人智能拣矸技术研发;智能选矸机器人井下选矸技术探究。
针对掘进工作面运输系统通信网络存在的接入能力不足、传输可靠性低、传输带宽不足等问题,探讨了5G技术在煤矿掘进工作面运输系统中应用的必要性和可行性:经过优化设计的矿用5G系统性能指标达到预期,完全能够满足当前煤矿智能化建设对无线通信系统的需求;矿用5G通信模组、5G客户终端设备(CPE)为掘进工作面各类设备及传感器接入5G网络提供了设备支持。介绍了5G设备的矿用化改造重点解决的问题:建立了矿用5G网络架构,以满足井下5G信号覆盖需求;针对5G 设备功耗大的问题,对其结构进行了优化设计,并设计了散热装置;解决了5G基站多路射频输出与天线增益叠加后射频功率超标的问题。给出了掘进工作面运输系统5G网络架构及功能,借助5G网络大带宽、低时延、高可靠、广接入的特性,可实现掘进工作面运输系统各类传感设备的统一接入、各环节的高清视频监控、远程集中控制。
通过分析地面常规自动驾驶智能化和网联化技术发展现状及技术特点,结合煤矿井下无GNSS(全球卫星导航系统)信号覆盖、巷道照度低、遮挡物与障碍物较多、煤尘粉尘普遍存在的环境特点,提出了煤矿井下开展自动驾驶研究的关键技术,即无GNSS的移动高精定位技术、激光雷达技术、基于毫米波雷达的井下障碍物检测技术、井下低照度视频实时增强和特征匹配技术、井下环境高精地图技术、井下自动驾驶车辆决策规划技术、井下自动驾驶车辆控制执行技术、井下5G通信技术、C−V2X直连通信技术等;指出煤矿井下开展自动驾驶应用具有少人化/无人化需求显著、运营管理主体明确、场景封闭、路线固定、车速较慢、渗透率可控、5G建设基础较好、接口易开放等优势。构建了包括井下自动驾驶车辆、巷道基础设施、人员、煤矿云/边缘计算平台及煤矿自动驾驶应用服务平台的“人−车−巷−云”煤矿井下网联式自动驾驶系统参考架构,设计了包括感知定位系统、网联协同系统、车载操作系统、车辆基础组件的煤矿自动驾驶车辆架构,提出煤矿井下网联式自动驾驶演进将经历3个阶段:第1阶段为远程自动驾驶,实现车辆驾驶人员从井下到井上的转移;第2阶段为具有紧急接管边界的车辆自动驾驶,以车辆自动驾驶为主,将远程紧急接管作为安全保障手段;第3阶段为“人−车−巷−云”协同控制,井下自动驾驶车辆安全高效自主运行,实现高度无人化智能运输。
目前煤矿井下无人驾驶有轨电机车在行驶过程中,对轨道中的石块及其他小型障碍物的识别存在检测速度慢、检测精度低,且对于重叠目标,易造成漏检、错检等问题。针对上述问题,提出了一种井下电机车多目标检测模型−SE−HDC−Mask R−CNN模型。该模型基于Mask R−CNN进行改进,通过在主干特征提取网络ResNet的残差块中嵌入压缩−激励(SE)模块,学习各个通道的重要程度和相互联系,增强网络对特征的选择和捕获能力;将残差块中卷积核大小为3×3的标准卷积替换成混合空洞卷积(HDC),在不改变特征图大小、不增加参数计算量的前提下,通过增加卷积核处理数据时各值之间的距离达到增大感受野的目的。实验结果表明:SE−HDC−Mask R−CNN模型可有效提取轨道、电机车、信号灯、行人和石块目标,在井下电机车多场景运行数据集上的平均准确率均值为95.4%,平均掩码分割精度为88.1%,平均边界框交并比为91.7%,相较于Mask R−CNN模型均提升了0.5%,对信号灯、石块(小目标)的检测精度分别提升了0.7%和4.1%;SE−HDC−Mask R−CNN模型的综合性能优于YOLOV2,YOLOV3−Tiny,SSD,Faster R−CNN等模型,可有效解决小目标漏检问题;SE−HDC−Mask R−CNN模型在煤巷直轨、弯轨、黑暗环境、多目标重叠等场景下均可有效实现目标检测,具有一定泛化能力及较高鲁棒性,基本满足无人驾驶电机车障碍物检测需求。
煤矿井下无轨胶轮车无人驾驶可大幅减少井下辅助运输作业人员数量,降低人员劳动强度,是辅助运输智能化的主要发展方向之一。相较于地面汽车无人驾驶,煤矿井下无轨胶轮车无人驾驶存在一系列新的挑战:井下巷道“长廊效应”、“多径效应”干扰;狭窄场景内人车混行等复杂路况对车辆精准控制的高要求;井下卫星拒止环境带来的定位问题;井下光照多变且巷道壁阻挡影响机器视觉的应用;设备需满足MA认证;安全措施需多重冗余设计等。针对上述挑战,提出了以车联网为核心的煤矿井下无轨胶轮车无人驾驶系统架构,分析了系统实现的关键技术:利用基于激光同步定位与建图(SLAM)和超宽带(UWB)/惯性导航系统(INS)的组合定位方式,实现车辆高速移动状态下的精确定位;依托车身多传感器(毫米波雷达、激光雷达、超声波雷达、摄像头)、矿用智能路侧单元等识别车身周边路况信息,并通过车联网共享相关信息;利用多源数据采集技术获得环境感知数据、车辆运行数据、路侧监控数据、移动目标数据,海量数据经5G等无线通信网络交互至基于边缘计算的分布式算力单元融合分析后,结合全局和局部路径规划算法合理规划车辆行驶路径,实现仓库管理系统化的车辆智能调度;考虑到井下机电设备安全准入要求,感知、线控、决策控制装备需实现矿用化设计且应尽量采用矿用本安型产品,以满足成本低、体积小、效率高的设计需求;井下无人驾驶车辆需实现感知、决策与控制环节的冗余设计,以实现非正常状况下车辆的安全可靠控制。现场测试结果表明:车辆定位精度可达0.3 m,通信带宽≥50 Mbit/s,数据通信时延≤50 ms,定位精度和数据交互满足井下无人驾驶基本需求;针对T形支巷及U型弯道等典型环境可实现避障及连续路径规划;基于多传感器融合策略,可实现多种目标感知能力提升;车辆动态跟随误差小于0.54 m/s,垂直于巷道壁方向平均控制误差小于0.2 m,满足无人驾驶车辆的控制要求。
介绍了国内外露天煤矿和井工煤矿辅助运输智能化技术发展和应用现状:露天煤矿的智能辅助运输系统已经实现了矿用卡车在固定路段内的无人驾驶、自动装载、自动卸载、主动避障、智能调度等功能,工程实践也取得了不错的应用效果;井工煤矿辅助运输智能化目前还处于装备的单机智能化发展阶段,尚未形成集车辆调度、运行状态监测、交通指挥、物资管控等功能于一体的辅助运输智能化系统。重点分析了井工煤矿智能辅助运输系统存在的主要问题:井下定位系统精度低和实时性较差、调度系统功能缺乏有效融合、驾驶辅助系统模块不健全、无人驾驶技术滞后和缺乏试验条件等。基于《煤矿智能化建设指南(2021年版)》中关于智能辅助运输部分的相关要求,提出了辅助运输系统智能化建设的总体目标,根据总体目标设计了煤矿辅助运输系统智能化框架:① 物资编码和物资集装化运输,实现物资从仓储、编码、装车、运输、卸车到回收过程的全流程信息化管控。② 自动装卸和自动接驳,实现物资在轨道机车、单轨吊、无轨等不同辅助运输方式之间的自动转运和接驳。③ 精准定位和智能导航,实现人员及运输设备的精准实时定位、路线规划和实时导航。④ 车辆智能调度,实现辅助运输综合信息展示、数据传输、状态监测、调度指挥和健康管理等功能。⑤ 驾驶辅助系统,建设防疲劳驾驶预警、360°全景环视监控、预防撞、交通标志识别、下坡行车辅助制动、自适应照明等智能化子系统,提高机车运行的安全性。⑥ 辅助作业机器人替代,实现井下辅助作业场景的机器人自动化作业,减少用工数量,提高辅助作业整体自动化水平。⑦ 无人驾驶,实现机车在矿井下的无人驾驶常态化运行。该研究可为智能辅助运输系统的建设和发展提供借鉴。
井工煤矿运输系统按运输对象不同可分为主运输系统和辅助运输系统。阐述了我国井工煤矿主运输系统和辅助运输系统底层装备和系统智能化技术现状,从顶层规划和标准体系、单机智能化等方面分析了主运输系统和辅助运输系统智能化技术存在的问题。重点介绍了3种主运输系统智能化关键技术,包括基于全数字化的FCS(现场总线控制系统)分布式带式输送机通信控制技术、基于机器音视觉的多传感融合增强型带式输送机保护技术、煤流线协同经济运行控制技术,以及2种辅助运输系统智能化关键技术,包括基于工业互联网架构的煤矿井下辅助运输管控一体化技术、煤矿井下车联网及无人驾驶技术。结合《煤矿智能化建设指南(2021年版)》对智能主煤流运输系统和智能辅助运输系统的要求,从近期和中远期阐述了井工煤矿主运输系统和辅助运输系统智能化发展趋势及目标。提出现阶段我国井工煤矿主运输系统应重点研究基于机器音视觉多传感融合的带式输送机增强型保护和检测技术、智能巡检机器人技术等,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。
运输环节作为露天矿生产工艺的最重要因素之一,其智能化是矿山整体智能化技术的重要研究内容。介绍了露天矿运输系统的构成及分类;明确了露天矿智能运输系统是以露天矿煤岩高效运输为应用场景,以智能化运输装备为核心载体,将物联网、云计算、大数据、人工智能、移动互联等数字技术与露天矿运输系统运行原理和工艺要求深度融合,建立运输系统内设备、环境、物料的自主协同高效运行体系,进而建立起大范围内发挥作用的实时、准确、高效的运输综合管理系统,其构成要素主要包括基础设施、运输工具和运算技术。指出露天矿传统运输系统与智能运输系统的区别在于智能运输系统以提高现场生产作业安全和效率为目标,服务对象由原来的生产管理人员转变为生产作业人员。从基础设施智能化、装备智能化、管控智能化、维保智能化和设计智能化5个方面,综述了我国露天矿智能运输系统的研究和产品应用现状。分析了露天矿卡车运输系统和带式输送机运输系统实现智能化亟待突破的关键技术:卡车智能运输关键技术包括矿山复杂路况的环境感知技术、无人驾驶卡车线控改造技术、多目标智能调度技术、有人−无人混编设备群智能协同技术;带式输送机智能运输关键技术包括工作面带式输送机自主横移技术、自移式大倾角带式输送机运输技术、带式输送机运行控制技术、带式输送机状态在线检测技术、带式输送机智能巡检技术、带式输送机无人化维护技术、带式输送机运输系统智能管控平台。指出露天矿智能运输发展的趋势为连续化、无人化、低碳化、高效协同和本质安全。
煤矸石检测中存在样本间特征差异小、目标密集等问题,导致现有煤矸石检测方法精度不高且实时性较差。针对该问题,提出一种基于CBA-YOLO模型的煤矸石检测方法。CBA-YOLO模型以速度较快、精度较高的YOLOv5m为基础模型,在YOLOv5m的Backbone中加入卷积块注意力模块(CBAM),通过串联空间注意力模块和通道注意力模块,在聚焦特征差异的同时降低数据维度,提高煤矸石检测性能;在Neck部分采用双向特征金字塔网络(BiFPN)结构,通过融合不同尺度的特征提高模型计算效率,从而提升煤矸石检测速度;在Prediction部分采用Alpha-IoU函数作为损失函数,通过设置权重系数加速对高置信度目标的学习,进一步提高煤矸石检测精度。实验结果表明:CBA-YOLO模型对煤矸石的平均检测精度达98.2%,比YOLOV5模型提高了3.4%,检测速度提升了10%;CBA-YOLO模型的鲁棒性更强,可有效避免漏检、误检和重叠现象。
煤矿井下同时开采多个采煤工作面,任一巷道分支风量调控变化会引起其余巷道分支风量变化,矿井内任一采煤工作面风量调控会影响该矿井其他采煤工作面风量发生改变,因此,有必要对多个采煤工作面风量进行智能调控。而目前对采煤工作面风量智能调控的研究主要基于矿井风量自动调控算法或矿井风量调节设备,缺乏对多个采煤工作面风量按需动态联动调控系统方面的研究。针对上述问题,提出了一种多个采煤工作面风量按需动态联动调控系统设计方案。以部署在山西天地王坡煤业3308采煤工作面风巷回风联络巷内的百叶式远程自动调节风窗为研究对象,采用计算流体动力学(CFD)数值模拟方法模拟调节风窗流场分布规律,利用Origin软件对调节风窗过风面积与风阻之间非线性关系进行拟合,得出两者之间的函数关系,现场实测得到的调节风窗风阻与拟合计算得到的调节风窗风阻的相对误差<6%。基于调节风窗过风面积与风阻之间的函数关系、多个采煤工作面风阻调节量联合解算方法开发了上位机解算软件,基于上位机解算软件、井下隔爆兼本安型控制分站、百叶式远程自动调节风窗构建了多个采煤工作面风量按需动态联动调控系统。井下隔爆兼本安型控制分站、百叶式远程自动调节风窗,构建了多个采煤工作面风量按需动态联动调控系统。对王坡煤业3308采煤工作面和3203采煤工作面风量进行动态按需联动调控试验,现场应用表明工作面调控目标风量与调控之后实际风量之间相对误差<7%,说明多个采煤工作面风量按需动态联动调控系统具有一定的现场实用性。
矿井无线通信系统具备通信覆盖范围广、连接方便、移动性好、组建容易、设置和维护简单等优点,在矿井智能化建设中具有不可替代的作用。全矿井无线通信系统目前主要有WiFi(IEEE 802.11b/g/n/ac),3G,4G,5G,WiFi6(IEEE 802.11ax)系统,其中3G系统正逐步被替代,4G和WiFi系统逐步减少,5G和WiFi6系统目前为起步阶段,并将逐步成为主流。从技术要点、主要功能、应用情况等方面分析了4G,5G,WiFi/WiFi6系统,指出各系统的优点和存在的不足:① 矿用4G无线通信系统在带宽和实时性指标方面无法达到高清智能视频和远程控制等应用场景的需求。② 5G在实际使用中存在多系统、多天线情况下,无线发射信号的安全问题;5G基站以隔爆兼本安型为主,质量大、体积大,使用不便且使用场合受限;5G终端生态匮乏,通信模组价格高、功耗大,不具备规模行业应用条件;实际应用案例少,应用场景有待进一步挖掘。③ WiFi6无线通信系统时延偏高、移动性和可靠性相对较低,加上手机终端不够成熟,影响了语音通话质量。基于上述分析,指出智能矿井对无线通信系统的需求为大带宽需求;低时延、高可靠需求;多接入需求;多系统多接口需求;位置信息需求。最后指出矿井无线通信系统未来发展趋势,即系统融合(无线通信和有线通信融合、无线通信内部融合、无线通信系统和其他系统融合)、通信定位一体化、设备本质安全、终端模组低功耗、协议接口规范化。