煤矿井下爆炸性环境下电磁波热效应的安全性研究

郭波超, 田子建, 侯明硕, 石洋名, 杨维

郭波超，田子建，侯明硕，等. 煤矿井下爆炸性环境下电磁波热效应的安全性研究[J]. 工矿自动化，2024，50（3）：108-113. DOI: 10.13272/j.issn.1671-251x.2023120069
引用本文: 郭波超，田子建，侯明硕，等. 煤矿井下爆炸性环境下电磁波热效应的安全性研究[J]. 工矿自动化，2024，50（3）：108-113. DOI: 10.13272/j.issn.1671-251x.2023120069
shu
GUO Bochao, TIAN Zijian, HOU Mingshuo, et al. Research on safety of electromagnetic wave thermal effect in explosive environment of underground coal mine[J]. Journal of Mine Automation，2024，50（3）：108-113. DOI: 10.13272/j.issn.1671-251x.2023120069
Citation: GUO Bochao, TIAN Zijian, HOU Mingshuo, et al. Research on safety of electromagnetic wave thermal effect in explosive environment of underground coal mine[J]. Journal of Mine Automation，2024，50（3）：108-113. DOI: 10.13272/j.issn.1671-251x.2023120069
shu

煤矿井下爆炸性环境下电磁波热效应的安全性研究

  • 1.

    中国矿业大学（北京） 人工智能学院，北京　100083

  • 2.

    北京交通大学 电子与信息工程学院，北京　100044

基金项目: 国家自然科学基金资助项目（52074305）。
详细信息
    作者简介:

    郭波超（1993—），男，河北邯郸人，博士研究生，研究方向为无线电能传输，E-mail：guobochao1@163.com

    通讯作者:

    田子建（1964—），男，湖南望城人，教授，博士，博士研究生导师，主要研究方向为矿井监控与通信，E-mail：tianzj0726@126.com。

  • 中图分类号: TD655

Research on safety of electromagnetic wave thermal effect in explosive environment of underground coal mine

  • 1.

    School of Artificial Intelligence, China University of Mining and Technology-Beijing, Beijing 100083, China

  • 2.

    School of Electronic and Information Engineering, Beijing Jiaotong University, Beijing 100044, China

HTML全文

    摘要
  • 摘要: GB/T 3836.1—2021《爆炸性环境 第1部分：设备 通用要求》规定爆炸性环境中射频设备的阈功率不得大于6 W，该规定限制了大功率射频设备在煤矿井下的应用，而现有针对爆炸性环境电磁安全性的相关研究缺乏完善的理论分析和实验验证。针对上述问题，推导了电磁波热效应方程，分析得出影响电磁波耦合瓦斯和煤尘混合气体产生热能的可控参数为电磁波耦合时间、电场强度和电磁波频率。以GB/T 3836.1—2021中可能堆积煤尘的电气设备表面温度最高不能超过150 ℃的规定为依据，采用多物理场仿真软件COMSOL对不同发射功率的电磁波耦合瓦斯和煤尘混合气体的热效应安全性进行了仿真实验，结果表明：满足温度不超过150 ℃的电磁波热效应安全阈发射功率为16.48 W； 随着电磁波发射功率的增加，电磁波热效应安全时长（电磁波耦合瓦斯和煤尘混合气体产生的热能不会使环境温度超过150 ℃对应的时间段）逐渐减少，但只要在安全时长内，电磁波的发射功率不受限制。
    Abstract: GB/T 3836.1-2021 Explosive atmospheres-Part 1: Equipment-General requirements stipulates that the threshold power of RF equipment in explosive environments shall not exceed 6 W. This regulation limits the application of high-power RF equipment in coal mines. However, existing research on electromagnetic safety in explosive environments lacks comprehensive theoretical analysis and experimental verification. In order to solve the above problems, the electromagnetic wave thermal effect equation is derived. It is analyzed that the controllable parameters affecting the generation of thermal energy from the mixture of gas and coal dust coupled by electromagnetic waves are the electromagnetic wave coupling time, the electric field strength and the electromagnetic wave frequency. Based on the regulation in GB/T 3836.1-2021 that the maximum surface temperature of electrical equipment that may accumulate coal dust cannot exceed 150 ℃, simulation experiments are conducted using the multi physics field simulation software COMSOL to evaluate the thermal safety of gas and coal dust mixtures coupled with electromagnetic waves of different emission powers. The results show that the emission power that meets the safety threshold of electromagnetic wave thermal effect with a temperature not exceeding 150 ℃ is 16.48 W. With the increase of electromagnetic wave emission power, the safe duration of electromagnetic wave thermal effect (the corresponding time period that the thermal energy generated by the mixed gas of electromagnetic wave coupling gas and coal dust not causing the ambient temperature to exceed 150 ℃) gradually decreases. However, as long as the safe duration is maintained, the emission power of electromagnetic waves is not limited.
    • HTML全文

  • 0.   引言

    矿井环境中依靠人工照明，监控图像亮度和对比度往往均较低，部分图像亮度分布不均，近光源处较亮，远光源处较暗。因此，矿井图像增强对实现矿井智能视频监控非常重要[1]。当前常用的矿井图像增强方法主要有直方图均衡化[2]、基于Retinex理论方法[3]、基于同态滤波方法[4]、基于小波分析方法[5]等。直方图均衡化往往导致局部图像欠增强和过增强问题。对此，S. F. Tan等[6]对图像直方图进行阈值分割，再分别进行直方图均衡化处理；D. Singh等[7]提出双平台直方图均衡化方法，在进行直方图均衡化之前，以阈值调整频次较小和较大的灰度级，具有较好的鲁棒性，但会产生部分颜色失真。在基于Retinex理论方法方面，Guo Xiaojie等[8]采用三通道的最大值对光照图像进行估计，然后采用结构先验对估计值进行优化，以增强图像亮度和对比度，但效果仍有待提升；李晓宇等[9]针对Retinex算法存在的色彩失真和光晕模糊问题，采用自适应快速引导滤波将图像分解为照度分量和反射分量，采用Sigmoid函数对照度分量进行均衡化，对反射分量进行非线性拉伸，但在亮区产生过增强问题[10]。基于同态滤波方法对暗区的亮度提升不够，且图像细节容易丢失。对此，邵小强等[11]将经同态高通滤波和同态低通滤波的矿井图像加权融合，并采用对比度受限的直方图均衡化校正图像亮度。龚云等[12]针对同态滤波涉及参数较多、难以适用于不同矿井图像的问题，提出基于单一参数同态滤波的井下图像增强方法，对图像的亮度分量进行自适应Gamma校正，提高同态滤波对高光区和阴影区的适用性。基于小波分析方法具有多分辨率分析能力，但对边缘保持和细节增强缺乏鲁棒性。对此，唐守锋等[13]将小波变换与基于多尺度引导滤波的Retinex算法结合，对图像的高频分量进行小波阈值去噪，对低频分量进行非线性校正以提升亮度。

    为了在有效提升矿井图像亮度和对比度的同时，避免图像欠增强和过增强，本文在上述研究基础上，提出了基于多尺度局部直方图均衡化的矿井图像增强方法：将矿井低照度图像由RGB颜色空间转换到HSI颜色空间，采用双边滤波将亮度分量分解为光照图像和反射图像，对光照图像进行多尺度分块并分别进行局部直方图均衡化，对反射图像进行方向梯度增强。实验结果验证了该方法的有效性和实用性。

    1.   矿井图像增强方法

    基于多尺度局部直方图均衡化的矿井图像增强流程如图1所示。将矿井低照度RGB图像转换到HSI颜色空间，得到色调分量、饱和度分量和亮度分量；采用双边滤波对亮度分量进行Retinex分解，得到光照图像和反射图像；对光照图像进行多尺度划分，并对划分出的各图像块分别进行直方图均衡化；采用方向梯度算子对反射图像进行边缘提取，并将提取到的边缘图像与反射图像融合；将增强后的光照图像和反射图像进行Retinex反变换，得到增强后的亮度分量，并将其联合色调分量和饱和度分量转换至RGB颜色空间，生成最终的增强图像。

    图  1  基于多尺度局部直方图均衡化的矿井图像增强流程
    Figure  1.  Flow of mine image enhancement based on multi-scale local histogram equalization
    下载: 全尺寸图片 幻灯片

    1.1   颜色空间转换与Retinex分解

    HSI颜色空间中的亮度分量与色彩信息（色调分量和饱和度分量）相互独立，对亮度分量的处理不会影响颜色成分，因此将矿井RGB图像转换至HSI颜色空间更适于图像处理[14]。二者转换公式为[15]

    $$ I = \frac{{R + G{\text{ + }}B}}{3} $$ (1)
    $$ S = 1 - \frac{{3\min (R,G,B)}}{{R + G{\text{ + }}B}} $$ (2)
    $$ H = \left\{ \begin{gathered} \theta \;\;\;\;\;\;\;\;\;\;\;\;\,G \geqslant B \\ 2{\text{π}} - \theta \;\;\;\;G < B \\ \end{gathered} \right. $$ (3)
    $$ \theta = \arccos \frac{{R - G + (R - B)}}{{2\sqrt {{{(R - G)}^2} + (R - B)(G - B)} }} $$ (4)

    式中：I，S，H分别为HSI颜色空间的亮度、饱和度、色调分量；R，G，B分别为RGB颜色空间的红、绿、蓝三原色分量。

    Retinex理论认为，图像颜色不受光照条件的影响，而取决于物体对光照的反射特性，因此，可将图像看作是光照与物体对光照的反射相互作用的结果[16]，即

    $$ {{I}}={{L}} {{F}} $$ (5)

    式中：L为光照图像；F为反射图像。

    为了简化计算和方便提取反射图像F，将式(5)转换到对数域，即

    $$ {\rm{ln}}{{I}}={\rm{ln}}{{L}}+{\rm{ln}}{{F}} $$ (6)

    光照图像L可用滤波器f进行估计：

    $$ {{L}}={{f}}({{I}}) $$ (7)

    对式(6)进行恒等变换，得到反射图像：

    $$ {{F}}={\rm{exp}}({\rm{ln}}{{I}}－{\rm{ln}}{{L}}) $$ (8)

    传统的Retinex算法采用高斯滤波估计光照图像，但高斯滤波的各向同性难以表示图像的边缘信息。双边滤波能自动识别图像的平滑区域和细节区域，能更有效地保持图像的纹理边缘信息，使后续的图像增强效果更优。令gi为亮度分量图像中像素i的灰度，Ni(d)为以像素i为中心、大小为d×d的邻域，则双边滤波定义为[17]

    $$ f_{\rm{B}}({g_i}) = \dfrac{{\displaystyle \sum\limits_{j \in {N_i}(d)} {W(i,j){g_j}} }}{{\displaystyle \sum\limits_{j \in {N_i}(d)} {W(i,j)} }} $$ (9)

    式中W(i，j)为加权系数，由基于空间邻近测度的权值和基于像素相似测度的权值组成。

    $$ W(i,j) = \exp \left( { - \frac{{D_{i,j}^2}}{{2\sigma _{\rm{ d}}^2}} - \frac{{|{g_i} - {g_j}{|^2}}}{{2\sigma _{\rm{ r}}^2}}} \right) $$ (10)

    式中：Di，j为像素i和像素j的空间距离；σd，σr分别为邻域像素在空间距离上的标准差和在灰度上的标准差。

    高斯滤波与双边滤波效果对比如图2所示。可看出高斯滤波能平滑图像的边缘，而双边滤波能自动识别平滑区域和细节区域，实现平滑区域平滑处理和细节区域边缘保持的双重目标。

    图  2  高斯滤波与双边滤波效果
    Figure  2.  Effect of Gaussian filtering and Bilateral filtering
    下载: 全尺寸图片 幻灯片

    1.2   多尺度局部直方图均衡化

    直接对图像进行直方图均衡化会合并部分频次较小的灰度级，而过度放大频次较大的灰度级，导致图像欠增强和过增强现象[18]。因此，提出多尺度局部直方图均衡化方法，对光照图像进行22k (k为分解尺度)等分，然后分别进行直方图均衡化。参考文献[19]中多尺度小波分解思想，采用小、中、大3个尺度对图像进行划分，即k=2，1，0，分别代表小、中、大尺度。这3个尺度足以表达图像的局部与全局特征，尺度过多，对增强效果的提升很微小，但会指数级地增加计算复杂度，尺度过少则不足以表达图像的细微特征。

    假设光照图像为n位图像，共有2n个灰度级，多尺度局部直方图均衡化方法步骤如下。

    1） 对光照图像L进行24等分，得到图像块L1t(t=1，2，…，24)，对L1t进行直方图均衡化。

    获取图像块L1t的直方图：

    $$ {{h}}_{1t} =\{{{{h}}_{1t }(r) | {{h}}_{1t}(r)={\rm{sum}}({{L}}_{1t} { ＝}r), r=0,1, \cdots, 2^{n}-1} \} $$ (11)

    式中sum(L1t＝r)为统计图像块L1t中灰度级为r的像素频次。

    对直方图h1t进行归一化和均衡化：

    $$ h_{1t}'= {{h}}_{1t}/{\rm{sum}}({{h}}_{1t}) $$ (12)
    $$\begin{split} s_{1t} = & \{{s_{1t}(r) | s_{1t}(0)=h_{1t}'(0), s_{1t}(r)= s_{1t}(r-1)}+ h_{1t}'(r), \\& r =1, 2, \cdots , 2^{n}-1 \} \end{split} $$ (13)

    式中：$ h_{1t}' $为L1t的直方图归一化结果；s1t为L1t的直方图均衡化结果。

    根据s1t进行灰度级映射，得到增强图像块：

    $$ {{L}}_{1t}'={\rm{round}}(s_{1t}(r)×(2^{n}-1)) \quad r=0,1, \cdots ,2^{n}-1 $$ (14)

    式中round（·）为四舍五入取整函数。

    2） 将上述增强的光照图像进行22等分，得到图像块L2t(t=1，2，3，4)，对L2t进行直方图均衡化。

    获取图像块L2t的直方图：

    $$ {{h}}_{2t}=\{{{{h}}_{2t}(r) | {{h}}_{2t}(r)={\rm{sum}}(L_{2t}＝r), r=0,1 ,\cdots ,2^{n}-1}\} $$ (15)

    对直方图h2t进行归一化和均衡化，得

    $$ h_{2t}'= {{h}}_{2t}/{\rm{sum}}({{h}}_{2t}) $$ (16)
    $$ \begin{split} {{s}}_{2t}= &\{{{s}}_{2t}(r) | {{s}}_{2t}(0)={{h}}_{2t}'(0), {{s}}_{2t}(r)= s_{2t}(r-1)+{{h}}_{2t}'(r), \\& r=1, 2, \cdots , 2^{n}-1 \} \end{split} $$ (17)

    式中：$ h_{2t}' $为L2t的直方图归一化结果；s1t为L2t的直方图均衡化结果。

    根据s2t进行灰度级映射，得到增强图像块：

    $$ L_{2t}'={\rm{round}}(s_{2t}(r)×(2^{n}－1))\quad r=0,1, \cdots ,2^{n}-1 $$ (18)

    3） 对上述局部直方图均衡化的光照图像进行全局直方图均衡化，得到多尺度局部直方图均衡化的增强光照图像Le。

    对图像进行上述逐尺度的直方图均衡化操作，能够保护频次较小的灰度级不被合并，且对其进行灰度级空间的拉伸，同时对频次较大的灰度级进行控制，避免产生过增强和噪声放大。

    1.3   方向梯度增强

    井下光照不足，导致图像照度低，且部分暗处的细节信息不能正常获取。为了进一步提升图像对比度，丰富图像的纹理细节，提出8方向梯度算子，如图3所示，可基本识别和表示图像中所有的纹理方向。

    图  3  方向梯度算子
    Figure  3.  Directional gradient operators
    下载: 全尺寸图片 幻灯片

    分别用8个方向的梯度算子提取反射图像F的方向梯度，然后求其均值梯度，并与反射图像F融合，得到细节增强的反射图像Fe。

    $$ {F_{\rm{e}}} = F + \frac{1}{8}\sum\limits_{m = 1}^8 {F \otimes {O_m}} $$ (19)

    式中：$ \otimes $为卷积运算符号；Om为方向梯度算子，m=1，2，…，8，分别代表0，45，90，135，180，225，270，315°方向。

    将经多尺度局部直方图均衡化的光照图像Le和经方向梯度增强的反射图像Fe转换到对数域并进行Retinex反变换，得到增强的亮度分量Ie。

    $$ {I_{\rm{e}}} = \exp (\ln {L_{\rm{e}}} + \ln {F_{\rm{e}}}) $$ (20)

    将Ie与色调分量H、饱和度分量S转换至RGB颜色空间，得到增强矿井图像。

    2.   实验与结果分析

    为了验证本文方法的有效性和实用性，采用本文方法对矿井图像进行增强，并与文献[6]、文献[8]、文献[12]和文献[13]方法进行对比。实验硬件为Intel(R) Core(TM) i9−10900 CPU和16 GiB内存，软件为Windows 10和Matlab 2021a。以煤矿井下实际监控图像（图4）为素材，根据增强图像的视觉效果（亮度、对比度和清晰度）进行主观评价，以信息熵[20]和平均梯度[21]为指标进行客观评价。

    图  4  矿井低照度图像
    Figure  4.  Mine low-light images
    下载: 全尺寸图片 幻灯片
    $$ e{\text{ = }} - \sum\limits_{J = 0}^{255} {{P_J}\ln {P_J}} $$ (21)
    $$ {A_{{\rm{g}}}} = \frac{1}{{3{l_1}{l_2}}}\sum\limits_{c \in \{ R,G,B\} }^{} {\sqrt {\frac{{A_{c,x}^2 + A_{c,y}^2}}{2}} } $$ (22)

    式中：e为图像的信息熵；PJ为像素取值为J的概率；Ag为图像的平均梯度；l1，l2分别为图像的高度和宽度；Ac,x，Ac,y分别为通道图像c在x方向（水平方向）和y方向（垂直方向）的梯度。

    信息熵度量图像的有效信息量，信息熵越大，表示图像的细节信息越丰富；平均梯度度量图像的局部灰度变化，平均梯度越大，表示局部灰度变化越大，图像的对比度越高。

    2.1   主观评价

    不同方法对矿井低照度图像的增强效果如图5所示。可看出各方法均能在一定程度上改善矿井图像的视觉效果，提升图像的亮度、对比度和清晰度。文献[6]方法对直方图均衡化进行了改进，但经该方法增强的图像强光部分仍产生过增强现象，部分暗处的细节信息未能清晰显示。经文献[8]方法增强的图像亮度不足，隐藏于暗处的部分细节信息未正常显示，同时出现颜色失真，色彩偏淡。文献[12]方法的图像增强效果相对较好，图像保真度较高，但个别区域的光照分布依然不均。经文献[13]方法增强的图像亮度较暗，对比度稍低，部分细节出现轻微的模糊现象。而本文方法一方面借助HSI颜色空间的颜色信息与亮度分量的独立性来保持图像颜色信息不变，另一方面通过小、中、大3个尺度的局部直方图均衡化提升图像亮度和对比度，通过方向梯度增强图像细节信息，使得增强图像亮度充足，避免了过增强问题，且隐藏于暗处的图像信息得以正常显示，对比度较高，细节信息较丰富。

    图  5  不同方法对矿井低照度图像的增强效果
    Figure  5.  Enhancement effect of mine low-light images by different methods
    下载: 全尺寸图片 幻灯片

    2.2   客观评价

    经不同方法增强的矿井低照度图像信息熵和平均梯度分别见表1和表2。

    表  1  增强图像的信息熵
    Table  1.  Information entropy of enhanced images
    图像经不同方法增强的图像信息熵
    未增强文献[6]
    方法    		文献[8]
    方法    		文献[12]
    方法    		文献[13]
    方法    		本文
    方法
    16.857.547.647.597.687.93
    26.167.137.357.397.327.91
    35.846.646.917.016.967.74
    下载: 导出CSV 
    | 显示表格
    表  2  增强图像的平均梯度
    Table  2.  Average gradient of enhanced images
    图像经不同方法增强的图像平均梯度
    未增强文献[6]
    方法    		文献[8]
    方法    		文献[12]
    方法    		文献[13]
    方法    		本文
    方法
    113.133.434.341.528.150.5
    29.7333.332.936.326.157.7
    35.9121.916.822.913.624.4
    下载: 导出CSV 
    | 显示表格

    从表1可看出，经不同方法增强的矿井图像的信息熵均有所提升。经文献[6]方法增强的图像信息熵稍低，与该方法产生过增强、破坏部分图像信息相对应。经文献[8]和文献[13]方法增强的图像信息熵大致相同，均因亮度不足限制了信息熵的提高。经文献[12]方法增强的图像信息熵相对较高，增强图像的细节信息较丰富。经本文方法增强的图像信息熵较其他方法高，其中较文献[12]方法高7.23%，验证了本文方法能显著提升图像的有效信息量。

    从表2可知，经不同方法增强的矿井图像平均梯度均有所提高。其中经文献[13]方法增强的图像平均梯度提升最小，结合图5可知该方法的增强图像亮度不足，且图像存在模糊问题，因此对比度较低。经本文方法增强的图像平均梯度提升最大，平均梯度均值较其他方法高31.6%以上，验证了本文方法可显著提升图像对比度和清晰度。

    3.   结论

    1） 基于多尺度局部直方图均衡化的矿井图像增强方法充分利用HSI颜色空间中颜色分量与亮度分量相互独立的特性，将亮度分量分解为光照图像和反射图像，分别对其进行多尺度局部直方图均衡化和多方向的梯度增强。

    2） 实验结果表明，该方法可在避免图像欠增强和过增强的同时，有效提升图像的亮度和对比度，丰富图像的细节信息，较现有图像增强方法具有更优的增强效果。

  • 图  1   电磁波热效应仿真模型

    Figure  1.   Simulation model of electromagnetic thermal effect

    下载: 全尺寸图片 幻灯片

    图  2   电磁波热效应安全阈发射功率仿真结果

    Figure  2.   Simulation results of safe threshold transmitting power of electromagnetic wave thermal effect

    下载: 全尺寸图片 幻灯片

    图  3   不同发射功率的电磁波热效应仿真结果

    Figure  3.   Simulation results of electromagnetic wave thermal effect with different transmission powers

    下载: 全尺寸图片 幻灯片

    表  1   仿真模型几何参数

    Table  1   Geometric parameters of simulation model

    参数 L1 W1 H1 L2 W2 H2
    值/cm 30 70 70 30 60 60
    下载: 导出CSV

    表  2   瓦斯的电学性质参数

    Table  2   Electrical property parameters of gas

    参数值来源 电导率/（10−5 S·m−1） 介电常数/（F·m−1）
    文献[16] — 0.77～5.57
    文献[17] — 0.25～0.80
    文献[18] 4.70～7.30 —
    文献[19] 3.57～4.54 —
    文献[20] 8.33～1.10 —
    下载: 导出CSV

    表  3   煤尘的电学性质参数

    Table  3   Electrical property parameters of coal dust

    参数值来源 电导率/（10−3 S·m−1） 介电常数/（F·m−1）
    文献[21] 0.185～0.926 119.28～326.65
    0.209～0.730 5.74～15.28
    0.039～0.052 10.59～24.01
    0.086～0.312 77.30～263.47
    文献[22] 1.25～1.66 500～540
    2.50～2.60 490～522
    2.50～2.60 485～518
    下载: 导出CSV

    表  4   瓦斯的热学性质参数

    Table  4   Thermal property parameters of gas

    参数值来源 导热系数/（W·m−1·K−1） 恒压热容/ （J·kg−1·K−1）
    文献[23] 0.2～1.8 —
    文献[24] 0.022 2 570
    下载: 导出CSV

    表  5   煤尘的热学性质参数

    Table  5   Thermal property parameters of coal dust

    参数值来源 密度/
    （kg·m−3）    		 导热系数/
    （W·m−1·K−1）    		 热膨胀系数/
    K−1    		 恒压热容/
    （J·kg−1·K−1）
    文献[14] 1 263 0.478 — 1 000
    文献[25] 1 846 1.215 0.000 12 1 200
    下载: 导出CSV

    表  6   瓦斯和煤尘的电热学性质参数

    Table  6   Electrothermal property parameters of gas and coal dust

    参数 瓦斯 煤尘
    电导率/（S·m−1） 1.1 2.6×10−3
    介电常数/（F·m−1） 5.57 522
    密度/（kg·m−3） — 1 846
    导热系数/（W·m−1·K−1） 0.022 1.215
    热膨胀系数/K−1 — 0.000 12
    恒压热容/ （J·kg−1·K−1） 2570 1 200
    下载: 导出CSV
    • 参考文献(25)
  • [1] GB/T 3836.1—2021 爆炸性环境 第1部分:设备 通用要求[S].

    GB/T 3836.1-2021 Explosive atmospheres-Part 1:Equipment-General requirements[S].
    [2] 孙继平,彭铭,潘涛,等. 无线电波防爆安全阈值研究[J]. 工矿自动化,2023,49(2):1-5.

    SUN Jiping,PENG Ming,PAN Tao,et al. Research on the safety threshold of radio wave explosion-proof[J]. Journal of Mine Automation,2023,49(2):1-5.
    [3] 梁伟锋,孙继平,彭铭,等. 煤矿井下无线电波防爆安全功率阈值研究[J]. 工矿自动化,2022,48(12):123-128,163.

    LIANG Weifeng,SUN Jiping,PENG Ming,et al. Research on safe power threshold of radio wave explosion-proof in coal mine[J]. Journal of Mine Automation,2022,48(12):123-128,163.
    [4] 田子建,降滉舟,常琳,等. 半波振子结构在井下5G辐射场中的安全性分析[J]. 工矿自动化,2023,49(6):159-167.

    TIAN Zijian,JIANG Huangzhou,CHANG Lin,et al. Safety analysis of half wave oscillator structure in underground 5G radiation field[J]. Journal of Mine Automation,2023,49(6):159-167.
    [5] 刘晓阳,马新彦,刘坤,等. 矿井5G电磁波辐射能量安全性研究[J]. 工矿自动化,2021,47(7):85-91.

    LIU Xiaoyang,MA Xinyan,LIU Kun,et al. Research on the safety of 5G electromagnetic wave radiation energy in coal mine[J]. Industry and Mine Automation,2021,47(7):85-91.
    [6] 刘晓阳,马新彦,田子建,等. 井下金属结构等效接收天线的放电火花安全性研究[J]. 工矿自动化,2021,47(9):126-130.

    LIU Xiaoyang,MA Xinyan,TIAN Zijian,et al. Research on discharge spark safety of equivalent receiving antenna of underground metal structure[J]. Industry and Mine Automation,2021,47(9):126-130.
    [7] 常琳,郑慧莹,李鸣. 煤矿5G通信系统的安全性研究[J]. 煤矿安全,2021,52(8):137-141,146.

    CHANG Lin,ZHENG Huiying,LI Ming. Research on safety of 5G communication system in coal mine[J]. Safety in Coal Mines,2021,52(8):137-141,146.
    [8] 范思涵,杨维,刘俊波. 井下金属结构近场耦合大环发射天线电磁波能量安全性分析[J]. 工矿自动化,2022,48(6):118-127.

    FAN Sihan,YANG Wei,LIU Junbo. Analysis of electromagnetic wave energy safety of underground metal structure near-field coupled large loop transmitting antenna[J]. Journal of Mine Automation,2022,48(6):118-127.
    [9] 范思涵,杨维,田子建. 井下柱状金属结构接收电磁波能量安全性分析[J/OL]. 煤炭科学技术:1-9[2023-12-22]. http://kns.cnki.net/kcms/detail/11.2402.TD.20231206.1855.003.html.

    FAN Sihan,YANG Wei,TIAN Zijian. Safety analysis of electromagnetic wave energy received by underground columnar metal structures[J/OL]. Coal Science and Technology:1-9[2023-12-22]. http://kns.cnki.net/kcms/detail/11.2402.TD.20231206.1855.003.html.
    [10] 伍颖. 煤矿井下电磁波远场辐射能量对瓦斯气体的安全性分析[D]. 北京:北京交通大学,2022.

    WU Ying. Safety analysis of electromagnetic wave far field radiation energy on gas in coal mine[D]. Beijing:Beijing Jiaotong University,2022.
    [11] 夏晨阳,庄裕海,卢振洲,等. 高瓦斯矿井无线供电系统安全容量研究[J]. 电工技术学报,2013,28(增刊2):71-74.

    XIA Chenyang,ZHUANG Yuhai,LU Zhenzhou,et al. Research of safety capability of wireless power supply system used in high gas mine[J]. Transactions of China Electrotechnical Society,2013,28(S2):71-74.
    [12] 孟积渐,陈永冉. 煤矿井下无线充电安全影响因素分析及对策[J]. 煤矿安全,2020,51(12):109-112.

    MENG Jijian,CHEN Yongran. Analysis of influencing factors of wireless charging safety in underground coal mine and countermeasures[J]. Safety in Coal Mines,2020,51(12):109-112.
    [13]

    GAO Jiancun,WANG Le,HU Shoutao,et al. The free radical mechanism of electromagnetic field affecting explosion of premixed methane[J]. Combustion and Flame,2021,234. DOI: 10.1016/j.combustflame.2021.111649.
    [14]

    SU Chang,ZHANG Yongli,YANG Xinle,et al. Numerical simulation of the temperature field of coal subjected to microwave directional heating[J]. IEEE Access,2020,8:45084-45095. DOI: 10.1109/ACCESS.2020.2978213
    [15] 工业和信息化部. 工业和信息化部关于印发无线充电(电力传输)设备无线电管理暂行规定的通知[EB/OL]. [2023-10-22]. https://www.gov.cn/gongbao/2023/issue_10626/202308/content_6897062.html.

    Ministry of Industry and Information Technology. Notice of the Ministry of Industry and Information Technology on issuing Interim Regulations on Radio Management of Wireless Charging (Power Transmission) Equipment[EB/OL]. [2023-10-22]. https://www.gov.cn/gongbao/2023/issue_10626/202308/content_6897062.html.
    [16]

    MOLDOVER M R,BUCKLEY T J. Reference values of the dielectric constant of natural gas components determined with a cross capacitor[J]. International Journal of Thermophysics,2001,22(5):859-885.
    [17]

    SCHMIDT J W,MOLDOVER M R. Dielectric permittivity of eight gases measured with cross capacitors[J]. International Journal of Thermophysics,2003,24(2):375-403. DOI: 10.1023/A:1022963720063
    [18] 孙敦帅. 抽采煤层瓦斯运移分布的电阻率动态响应特征研究[D]. 徐州:中国矿业大学,2023.

    SUN Dunshuai. Characterization of resistivity dynamic response of gas transport distribution in extracted coal seam[D]. Xuzhou:China University of Mining and Technology,2023.
    [19] 汤小燕,陈昕怡,郑雷清,等. 含瓦斯煤岩导电特性研究综述[J]. 科学技术与工程,2023,23(25):10617-10624.

    TANG Xiaoyan,CHEN Xinyi,ZHENG Leiqing,et al. Review and prospect of conductive characteristics of gas-containing coal rocks[J]. Science Technology and Engineering,2023,23(25):10617-10624.
    [20] 陈立,张英华,黄志安,等. 不同粒径煤吸附瓦斯过程中的热电效应[J]. 工程科学学报,2018,40(4):416-426.

    CHEN Li,ZHANG Yinghua,HUANG Zhi'an,et al. Thermoelectric effect in process of gas adsorption in different particle sizes of coal[J]. Chinese Journal of Engineering,2018,40(4):416-426.
    [21] 杨耸. 受载含瓦斯煤体电性参数的实验研究[D]. 焦作:河南理工大学,2012.

    YANG Song. Experimental study on the electrical parameters of being loaded gas-filled coal[D]. Jiaozuo:Henan Polytechnic University,2012.
    [22] 李祥春,张琪,安振兴,等. 不同煤体电性参数影响因素实验研究[J]. 中国矿业大学学报,2021,50(3):570-578.

    LI Xiangchun,ZHANG Qi,AN Zhenxing,et al. Experimental study of influencing factors of electrical parameters of different kinds of coal mass[J]. Journal of China University of Mining and Technology,2021,50(3):570-578.
    [23]

    GORODILOV B G,SUMAROKOV V V,JEŻOWSKI A,et al. Thermal conductivity of O2-and N2-doped solid CH4[J]. Journal of Low Temperature Physics,2001,122:187-193. DOI: 10.1023/A:1004872011475
    [24]

    LIANG Zhi,TSAI H L. Molecular dynamics simulations of self-diffusion coefficient and thermal conductivity of methane at low and moderate densities[J]. Fluid Phase Equilibria,2010,297(1):40-45. DOI: 10.1016/j.fluid.2010.06.008
    [25] 王和堂,杨景皓,谭江龙,等. 难注水煤层液态CO2加注多场耦合演化规律研究[J/OL]. 煤炭科学技术:1-12[2024-03-28]. http://kns.cnki.net/kcms/detail/11.2402.TD.20231107.0841.001.html.

    WANG Hetang,YANG Jinghao,TAN Jianglong,et al. Research on multi-field coupling evolution law of liquid CO2 filling in difficult water injection seams[J/OL]. Coal Science and Technology:1-12[2024-03-28]. http://kns.cnki.net/kcms/detail/11.2402.TD.20231107.0841.001.html.
    • 相关文章
    • 施引文献(22)

  • 期刊类型引用(11)

    1. 李鹏，程晨，臧润泽. 基于UM-HE的火力发电厂继电器室巡检机器人视觉图像增强研究. 电力设备管理. 2025(01): 177-179 . 百度学术
    2. 白宇宸，苗作华，徐厚友，王梦婷. 基于光照约束的煤矿井下低光照图像增强算法. 煤矿安全. 2025(03): 207-214 . 百度学术
    3. 汪学明，刘峰. 基于RV1126的井下运输煤流感应传感器设计. 煤矿机电. 2025(01): 31-36 . 百度学术
    4. 张旭辉，麻兵，杨文娟，董征，李语阳. 煤矿井下非均匀照度图像去噪研究. 工矿自动化. 2024(02): 1-8 . 本站查看
    5. 段一凡，刘然，刘小杰，李欣，袁雪涛，吕庆. 图像识别技术在高炉风口识别与监测中的应用前景探索. 钢铁. 2024(05): 56-70 . 百度学术
    6. 郭永辉. 煤矿井下图像增强算法研究. 矿山机械. 2024(06): 53-57 . 百度学术
    7. 程子豪，裴玉瑶，周义祥，张文东，王常青，周璇，王艳玲，吴茜. 基于强度和图像梯度的瞳孔中心定位. 贵州大学学报(自然科学版). 2024(04): 64-69 . 百度学术
    8. 马骞. 基于多模态特征的重载铁路钢轨损伤检测方法. 无损检测. 2024(09): 69-74 . 百度学术
    9. 李谦一，张宏宇，房媛. 基于改进RRD-Net的低照度图像增强网络. 照明工程学报. 2024(05): 61-67 . 百度学术
    10. 谷亚楠，李晴，刘晨晨，张富凯. 基于增强网格网络的井下尘雾图像清晰化算法. 工矿自动化. 2024(10): 120-127+159 . 本站查看
    11. 王智军. 基于透射率约束的降质图像视觉效果增强处理方法. 传感器世界. 2024(12): 27-32 . 百度学术

    其他类型引用(11)

    • 资源附件(0)
图(3)  /  表(6)
计量
  • 文章访问数:  133
  • HTML全文浏览量:  19
  • PDF下载量:  16
  • 被引次数: 22
出版历程
  • 收稿日期:  2023-12-23
  • 修回日期:  2024-03-25
  • 网络出版日期:  2024-04-10
  • 刊出日期:  2024-03-19

目录

摘要
HTML全文

  • 0.   引言

  • 1.   矿井图像增强方法

  • 1.1   颜色空间转换与Retinex分解

  • 1.2   多尺度局部直方图均衡化

  • 1.3   方向梯度增强

  • 2.   实验与结果分析

  • 2.1   主观评价

  • 2.2   客观评价

  • 3.   结论

参考文献(25)
相关文章
施引文献(22)
资源附件(0)

/

返回文章
返回

苏ICP备 05016349号-2

本系统由 北京仁和汇智信息技术有限公司 开发  访问量：1224169    百度统计