工矿自动化

姓名
邮箱
手机号码
标题
留言内容
验证码

张旭辉, 麻兵, 杨文娟, 董征, 李语阳

2024, 50(2): 1-8. doi: 10.13272/j.issn.1671-251x.2023110090

<摘要>(211) <HTML> (39) <PDF>(47)

摘要:
煤矿综采工作面空间小、照明环境复杂多变，采煤过程中伴随着大量的粉尘、大雾，导致采集的图像出现曝光、细节特征减弱等问题，难以对井下照明区域光照强度过大的图像进行有效的特征提取。针对上述问题，提出了一种煤矿井下非均匀照度图像去噪算法。首先，将视频截取为图像，判断图像是否需要进行光照抑制，将需要进行光照抑制的RGB图像拆分通道，并计算每个通道的光照调节因子，实现图像的整体光照调节；然后，将未进行整体光照抑制的图像和经整体光照抑制的图像进行反射分量提取，即将输入的图像转换为HSV空间图像，使用单尺度Retinex（SSR）算法对V通道图像中的光照分量进行单独处理，将V分量中的入射分量去除，保留反射分量，并对反射分量使用直方图均衡算法实现光照均衡化处理；最后，使用基于引导滤波的暗通道先验算法对经过光照处理后的图像进行去雾处理，并使用伽马校正函数重新调节亮度不均的图像。主观评价结果表明：提出的煤矿井下非均匀照度图像去噪算法有效抑制了因光照导致整体亮度较高的问题，且由于大雾、粉尘等因素导致图像模糊的部分更加清晰，图像的细节特征更加突出。采用信息熵、均值、标准差、空间频率4种评价指标对提出的算法效果进行客观评价，结果表明，提出的算法在信息熵、均值、标准差、空间频率上较多尺度Retinex（MSR）算法分别平均提升了21.87%，−56.06%，153.43%，294.45%，较基于颜色保持的多尺度视网膜增强（MSRCP）算法分别平均提升了1.18%，−39.56%，33.29%，−4.71%，较带色彩恢复的多尺度视网膜增强（MSRCR）算法分别平均提升了38.06%，−55.27%，462.10%，300.96%，说明提出的算法能更有效地增加图像信息量、抑制光照强度、提升边缘信息及图像清晰度。

基于双层路由注意力机制的煤粒粒度定量分析

程德强, 郑丽娟, 刘敬敬, 寇旗旗, 江鹤

2024, 50(2): 9-17. doi: 10.13272/j.issn.1671-251x.2023100002

<摘要>(100) <HTML> (22) <PDF>(22)

摘要:
煤粒粒度分布特征与煤中甲烷气体传播规律的分析密切相关。目前，基于图像分割的煤粒粒度分析方法已成为获取煤粒粒度的主流方案之一，但存在上下文信息丢失、煤粒特征融合不当造成煤粒漏分割和过分割等问题。针对上述问题，设计了一种基于双层路由注意力机制（BRA）的煤粒粒度分析模型。在残差U型网络ResNet−UNet中嵌入BRA模块，得到B−ResUNet网络模型：为减少在煤粒分割过程中出现的漏分割问题，在ResNet−UNet网络的上采样前添加BRA模块，使网络根据上一层的特征调整当前特征层的重要性，增强特征的表达能力，提高长距离信息的传递能力；为减少在煤粒分割过程中出现的过分割问题，在ResNet−UNet网络的特征拼接模块后添加BRA模块，通过动态选择和聚合重要特征，实现更有效的特征融合。对分割出的煤粒进行特征信息提取，针对实验分析中采用的煤粒数据集的煤粒粒度与细胞大小相当，为精确表征煤粒粒度，采用等效圆粒径获取煤粒粒度及粒度分布。实验结果表明：① B−ResUNet网络模型的准确率、平均交并比、召回率较ResNet−UNet基础网络分别提高了0.6%，14.3%，35.9%，准确率达99.6%，平均交并比达92.6%，召回率达94.4%，B−ResUNet网络模型在煤样中具有较好的分割效果，能够检测出较为完整的颗粒结构。② 在上采样前和特征拼接后均引入BRA模块时，网络对煤粒的边缘区域给予了足够的关注，且对一些不太重要的区域减少了关注度，从而提高了网络的计算效率。③ 煤粒的粒度大小在1～2 mm内呈相对均衡的分布趋势，粒度在1～2 mm内的煤粒占比最大为99.04%，最小为90.59%，表明基于BRA的图像处理方法在粒度分析方面具有较高的准确性。

煤矿履带式定向钻机路径规划算法

毛清华, 姚丽杰, 薛旭升

2024, 50(2): 18-27. doi: 10.13272/j.issn.1671-251x.2023080085

<摘要>(117) <HTML> (26) <PDF>(22)

摘要:
煤矿履带式定向钻机路径规划过程中存在机身体积约束和实际场景下的行驶效率需求，而常用的A^*算法搜索速度慢、冗余节点多，且规划路径贴近障碍物、平滑性较差。提出一种以改进A^*算法规划全局路径、融合动态窗口法（DWA）规划局部路径的煤矿履带式定向钻机路径规划算法。考虑定向钻机尺寸影响，在传统A^*算法中引入安全扩展策略，即在定向钻机和巷道壁、障碍物之间加入安全距离约束，以提高规划路径的安全性；对传统A^*算法的启发函数进行自适应权重优化，同时将父节点的影响加入到启发函数中，以提高全局路径搜索效率；利用障碍物检测原理对经上述改进后的A^*算法规划路径剔除冗余节点，并使用分段三次Hermite插值进行二次平滑处理，得到全局最优路径。将改进A^*算法与DWA融合，进行煤矿井下定向钻机路径规划。利用Matlab对不同工况环境下定向钻机路径规划算法进行仿真对比分析，结果表明：与Dijkstra算法和传统A^*算法相比，改进A^*算法在保证安全距离的前提下，加快了搜索速度，搜索时间分别平均减少88.5%和63.2%，且在一定程度上缩短了规划路径的长度，路径更加平滑；改进A^*算法与DWA融合算法可有效躲避改进A^*算法规划路径上的未知障碍物，路径长度较PRM算法和RRT^*算法规划的路径分别平均减小5.5%和2.9%。

基于工业互联网架构的煤矿瓦斯智能抽采管控系统设计

尹建辉

2024, 50(2): 28-34. doi: 10.13272/j.issn.1671-251x.2023080030

<摘要>(135) <HTML> (39) <PDF>(32)

摘要:
目前煤矿瓦斯智能抽采管控系统存在以下问题：①系统功能局限于某一段流程管控，导致瓦斯抽采业务管理覆盖不全、措施落实不到位。② 基于传统的“烟囱式”IT架构，导致子系统分散、数据利用率低、协同能力差，后期子系统融合代价大、系统扩展不便。③ 瓦斯抽采过程仍存在较多的人工环节，系统智能化、自动化能力还有待进一步提升。针对上述问题，设计了一种基于工业互联网架构的煤矿瓦斯智能抽采管控系统。基于发布/订阅模式开发了瓦斯抽采多源异构数据采集流程，促进了数据的解耦和共享，降低了系统复杂度，实现了瓦斯抽采管网数据、钻孔作业及轨迹数据、设备工况数据、达标评判数据等多源异构数据的统一采集。基于数字孪生技术，构建了三维抽采系统模型，达到了井上下抽采系统的立体化展示。基于规则引擎技术，根据订阅的Topic对经过消息中心处理后的传感器数据进行判断，可进行告警消息的推送，并将处理后的传感器数据存入数据库中，以实现瓦斯抽采达标评判的自动化、流程化运行。利用机器视觉视频分析技术识别钻杆根数，从而实现钻孔过程的钻杆根数（钻孔深度）的自动计数和钻孔工程的信息化管理，结合钻孔测量仪器，实现了钻孔轨迹左右、上下偏差分析及可视化。现场应用结果表明：瓦斯抽采相关管理人员通过查看瓦斯智能抽采管控系统软件，可实时快速地了解各抽采面抽采情况、抽采评判情况、钻孔工程施工情况、系统故障情况，提高了瓦斯抽采信息化和智能化管理水平。

一种长巷道形变监测中轴线提取及断面构建方法

陈晓伟, 陈雷, 李猛, 胡成军, 宋磊, 袁鹏喆

2024, 50(2): 35-41. doi: 10.13272/j.issn.1671-251x.2023090077

<摘要>(75) <HTML> (26) <PDF>(7)

摘要:
三维激光扫描技术被广泛用于长巷道形变监测技术的研究中，但目前的研究存在多次扫描采集到的点云数据基准点移位现象；采集到的相邻点云数据公共特征不明显，多站点云拼接后会导致累计误差增大；超前巷道形变受超前支架的影响。针对上述问题，以传统十字点法中顶底板中点与两帮重点交叉的方法为基础，提出了一种基于最小二乘法的巷道中轴线提取方法。巷道定义的直角坐标系的原点位于激光束发射处，z轴位于激光扫描器的竖向扫描面内；x、y轴均位于仪器的横向扫描面内，中轴线反映了巷道整体的走向和姿态。在巷道掘进完成未受采动影响时，整条巷道进行第一遍扫描，通过最小二乘法确定整条巷道的中心点，将各中心点连接并拟合出一条完整的中轴线。在后续的巷道变形监测中，每监测一次均通过第一次的中点位置进行点云数据叠加，准确获得巷道断面内各个点云的变化情况，进而获得巷道的形变。基于拟合的中轴线构建巷道断面。采用三维激光扫描系统在塔山煤矿30507工作面回风巷对巷道形变进行了测试，结果表明：① 巷道形变随着测点距工作面距离的增大而变小，且30507工作面回风巷的超前影响范围为150 m，巷道形变的最大点位于底板临近采空区一侧。② 三维激光扫描和微震监测系统确定的超前范围接近，说明在进入150 m时支护煤体已经开始受力，且巷道形变的最大点位于底板临近采空区一侧，而不是十字点观测法观测的底板，证明三维激光扫描结果更为精确，且极大地降低了作业强度。

工作面液压系统流量补偿技术研究

赵叔吉

2024, 50(2): 42-48. doi: 10.13272/j.issn.1671-251x.2023080060

<摘要>(70) <HTML> (19) <PDF>(13)

摘要:
目前工作面液压系统的优化研究对连续推进过程中液压系统压力流量特性的分析较少，对液压系统压力流量波动问题缺乏简单有效的解决方案。针对工作面快速移架需求，以张家峁煤矿2⁻²煤层新建大采高工作面为工程背景，采用AMEsim软件建立了单台液压支架和成组液压支架仿真模型，基于自动跟机移架中千斤顶的动作时序，对煤炭开采过程中液压支架移架推溜过程进行仿真，分析了不同数量液压支架同时动作时工作面液压系统的压力流量变化情况，指出移架过慢的原因是液压支架瞬时需液量超过泵站最大流量，同时在液压支架成组运动过程中存在瞬时需液量不足和部分时刻泵站供液能力过剩的矛盾。针对液压系统间歇性大流量需求，提出了基于蓄能器的流量补偿技术，通过仿真验证了安装蓄能器后液压系统的压力波动被明显抑制，各千斤顶运动速度明显提升。在张家峁煤矿新建工作面对基于蓄能器的流量补偿技术进行现场试验，结果表明接入蓄能器后，液压系统平均压降降幅达74.1%，压力波动受到明显抑制，验证了流量补偿技术可满足液压系统间歇性大流量需求，为快速移架提供保障。

基于CED−YOLOv5s模型的煤矸识别方法研究

何凯, 程刚, 王希, 葛庆楠, 张辉, 赵东洋

2024, 50(2): 49-56, 82. doi: 10.13272/j.issn.1671-251x.2023090065

<摘要>(153) <HTML> (30) <PDF>(43)

摘要:
由于煤矿井下高噪声、低照度、运动模糊的复杂工况和煤矸易聚集现象，导致煤矸目标检测模型特征提取困难及煤矸分类、定位不准确问题。针对该问题，提出一种基于CED−YOLOv5s模型的煤矸识别方法。首先，在YOLOv5s主干网络中引入坐标注意力 (CA) 机制，通过将坐标信息嵌入信道关系和长程依赖关系中对特征图进行编码，充分利用通道注意力信息和空间注意力信息，使模型更加关注重要特征，抑制无用信息。其次，在YOLOv5s的检测头部引入EIoU回归损失函数，将目标框与锚框的宽高差异最小化，以增强目标的位置和边界信息，提高模型在密集目标下的定位精度和收敛速度；最后，在YOLOv5s的检测头部引入轻量化解耦头，解耦出单独的特征通道，分别用于分类任务和回归任务，解决了原模型中耦合头部分类任务与回归任务的相互干扰问题，进一步提升了模型的并行运算效率与检测精度。实验结果表明： CED−YOLOv5s模型与其他YOLO系列目标检测模型相比，综合性能最佳，平均检测精度达94.8%，相较于YOLOv5s模型提升了3.1%，检测速度达84.8 帧/s，可充分满足煤矿井下煤矸实时检测需求。

基于改进YOLOv5的带式输送机大块煤检测

秦宇龙, 程继明, 任一个, 王晓晴, 赵青, 安翠娟

2024, 50(2): 57-62, 71. doi: 10.13272/j.issn.1671-251x.2023080096

<摘要>(141) <HTML> (27) <PDF>(36)

摘要:
过大的煤块在带式输送机上运输时易造成煤流不畅、堵塞及堆煤，然而大块煤和普通煤块在外形和颜色上的差异较小，且煤块间存在遮挡和堆叠的情况，现有煤块检测方法对大块煤与普通煤块的区分不够精确，容易出现漏检或误检。针对上述问题，提出了一种改进YOLOv5模型，用于带式输送机大块煤检测。利用并行空洞卷积模块替换YOLOv5骨干网络中的部分普通卷积模块，扩大感受野，提升多尺度特征学习能力，从而更好地区分大块煤与普通煤块；在颈部网络中加入联合注意力模块，更好地融合上下文信息，提高对大块煤的定位能力。利用训练好的改进YOLOv5模型对摄像仪采集的实时输煤视频进行检测，根据大块煤的数量信息实时联动PLC示警。实验结果表明：相比于原始YOLOv5模型，改进YOLOv5模型在召回率和平均精度上分别提高了3.4%，2.0%；PLC可根据改进YOLOv5模型检测出的大块煤数量操作相应的指示灯和蜂鸣器进行示警；将改进YOLOv5模型应用于煤矿井下实际输煤视频中，对大块煤的检测精确率达97.0%，有效避免了漏检和误检现象。

基于密集残差连接U型网络的噪声图像超分辨率重建

刘鹏南, 李龙, 张紫豪, 朱星光, 程德强

2024, 50(2): 63-71. doi: 10.13272/j.issn.1671-251x.2023080098

<摘要>(42) <HTML> (13) <PDF>(3)

摘要:
现有的图像超分辨率重建网络难以适用于煤矿井下噪声密集的应用场景，且多数网络通过增加深度提升性能会导致无法有效提取关键特征、高频信息丢失等问题。针对上述问题，提出了一种密集残差连接U型网络，用于对低分辨率噪声图像进行超分辨率重建。在特征提取路径中引入基于密集残差连接的去噪模块，通过密集连接的方式对图像特征进行充分提取，再利用残差学习的特点对低分辨率噪声图像进行有效去噪；在重建路径中引入残差特征注意力蒸馏模块，通过在残差块中融入增强特征注意力块，对不同空间的特征赋予不同的权重，加强网络对于图像关键特征的提取能力，同时减少图像细节特征在残差块中的损失，从而更好地恢复图像细节信息。在煤矿井下图像数据集及公共数据集上进行了对比实验，结果表明：在客观评价指标上，所提网络的结构相似度、图像感知相似度均优于对比网络，且在复杂度及运行速度上有着较好的均衡；在主观视觉效果上，所提网络重建的图像基本消除了原有图像噪声，有效恢复了图像的细节特征。

基于直线段检测和LT描述符的矿井图像线特征匹配算法

朱代先, 秋强, 孔浩然, 胡其胜, 刘树林

2024, 50(2): 72-82. doi: 10.13272/j.issn.1671-251x.2023090045

<摘要>(49) <HTML> (14) <PDF>(8)

摘要:
图像匹配是同步定位与地图构建（SLAM）技术中极为重要的一环，用于根据图像之间的变换关系确定相机位姿。基于线特征的图像匹配方法具有较强的鲁棒性和抗噪能力，更加适用于井下图像匹配，基于深度学习的线描述符对线段遮挡等场景具有较高的鲁棒性，性能优于传统描述符，但卷积神经网络架构的描述符将可变长度线段抽象为固定维进行描述，不利于线段长度及视差变化较大图像的匹配。针对上述问题，提出一种基于直线段检测和线描述符的矿井图像线特征匹配算法。在频域利用单参数同态滤波降低图像的照射分量，并增强反射分量，提升亮度及对比度；在YUV空间利用对比度受限的自适应直方图均衡化（CLAHE）算法对亮度分量进行均衡，使亮度分布更加均匀；变换至RGB空间提取直线段检测（LSD）线，引入一种基于Transformer架构的LT描述符构建LSD线的特征向量，最后完成线特征匹配。实验结果表明：该算法结合了同态滤波和CLAHE算法的优点，增强后图像的亮度适中，对比度良好，灰度分布均匀，增强效果优于单参数同态滤波算法、EnlightenGAN算法；该算法提取的线特征数较原图平均提升了32.92%，在不同相似纹理占比、不同程度旋转与平移变化的井下图像匹配中鲁棒性好，平均正确匹配数为61.75对，平均精度为86.83%，优于线二进制描述符（LBD）算法、LBD_NNDR算法、LT算法，能够满足矿井图像稳健匹配的需求。

局部特征引导标签平滑与优化的井下弱特征人员重识别

张杰, 缪小然, 赵作鹏, 胡建峰, 闵冰冰, 高宇蒙

2024, 50(2): 83-89. doi: 10.13272/j.issn.1671-251x.2023080092

<摘要>(40) <HTML> (13) <PDF>(4)

摘要:
煤矿井下低照度、强光扰、高粉尘等环境条件，以及井下人员服装的相似性和脸部落煤现象，导致井下弱特征人员重识别困难。现有人员重识别方法仅提取全局特征，未充分考虑局部特征，使得井下人员重识别准确率较低。针对上述问题，提出了一种局部特征引导标签平滑与优化的井下弱特征人员重识别方法。该方法首先通过卷积神经网络提取井下人员图像的全局特征与局部特征；然后利用k最近邻相似性计算全局特征和局部特征的互补性得分，来衡量全局特征和局部特征的相似程度；最后根据特征互补性得分对局部特征进行标签平滑及对全局特征进行标签优化，即动态调整每个局部特征的权重，以改进每个局部特征的标签，并对局部特征的预测结果进行汇总，利用更可靠的信息来完善标签以作为全局特征的标签，从而减少图像噪声并增强特征识别能力。实验结果表明，该方法在公开数据集和包含井下人员图像的自建数据集上的平均精度均值（mAP）、第一匹配正确率（Rank−1）和平均逆置负样本惩罚率（mINP）总体优于主流人员重识别方法，具有良好的泛化性和鲁棒性，能有效实现井下弱特征人员重识别。

基于SSA−LSTM的瓦斯浓度预测模型

兰永青, 乔元栋, 程虹铭, 雷利兴, 罗化峰

2024, 50(2): 90-97. doi: 10.13272/j.issn.1671-251x.2023090067

<摘要>(86) <HTML> (17) <PDF>(23)

摘要:
为了更好地捕捉瓦斯浓度的时变规律及有效信息，实现对采煤工作面瓦斯浓度的精准预测，采用麻雀搜索算法（SSA）优化长短期记忆 (LSTM) 网络，提出了一种基于SSA−LSTM的瓦斯浓度预测模型。采用均值替换法对原始瓦斯浓度时序数据中的缺失数据及异常数据进行处理，再进行归一化和小波阈值降噪；对比测试了SSA与灰狼优化 (GWO) 算法、粒子群优化（PSO）算法的性能差异，验证了SSA在寻优精度、收敛速度和适应能力等方面的优势；利用SSA的自适应性依次对LSTM的学习率、隐藏层节点个数、正则化参数等超参数进行寻优，以此来提高全局寻优能力，避免预测模型陷入局部最优；将得到的最佳超参数组合代入LSTM网络模型中，输出预测结果。将SSA−LSTM与LSTM、GWO−LSTM、PSO−LSTM瓦斯浓度预测模型进行比较，实验结果表明：基于SSA−LSTM的瓦斯浓度预测模型的均方根误差（RMSE）较LSTM，PSO−LSTM，GWO−LSTM分别减少了77.8%，58.9%，69.7%；平均绝对误差（MAE）分别减少了83.9%，37.8%，70%，采用SSA优化的LSTM预测模型相较于传统LSTM模型具有更高的预测精度和鲁棒性。

基于改进的SSA−BP神经网络的矿井突水水源识别模型研究

刘伟韬, 李蓓蓓, 杜衍辉, 韩梦珂, 赵吉园

2024, 50(2): 98-105, 115. doi: 10.13272/j.issn.1671-251x.2023070101

<摘要>(59) <HTML> (17) <PDF>(18)

摘要:
机器学习与寻优算法的结合在矿井突水水源识别上得到广泛应用，但突水水样数据具有随机性且寻优算法易陷入局部最优，提高模型泛化能力和跳出局部最优需进一步研究。针对上述问题，提出了一种改进的麻雀搜索算法（SSA）优化BP神经网络模型，用于对矿井突水水源进行定量辨识。以鲁能煤电股份有限公司阳城煤矿为研究对象，通过常规离子浓度分析、Piper三线图对该煤矿水样的水化学特征进行分析，初步判断矿井水来源于奥灰含水层和三灰含水层，并确定Na⁺+K⁺浓度、Ca²⁺浓度、Mg²⁺浓度、${\mathrm{HCO}}_3^- $浓度、${\mathrm{SO}}_4^{2-} $浓度、Cl⁻浓度、矿化度、总硬度、pH值作为突水水源识别指标；建立基于改进SSA−BP神经网络的矿井突水水源识别模型：首先进行SSA参数设置，引入Sine混沌映射使麻雀种群均匀分布，然后通过计算适应度值进行麻雀种群的更新，引入随机游走策略扰动当前最优个体，如果满足终止条件，则获得最优BP神经网络权重和阈值，最后基于构建的BP神经网络，输出识别结果。研究结果表明：① 改进的SSA−BP模型在训练集上的识别准确率达95.6%，在测试集上的识别准确率达100%。② 改进的SSA−BP神经网络模型与BP神经网络模型、SSA−BP神经网络模型对比结果：BP神经网络模型误判率为5/18，SSA−BP神经网络模型的误判率为2/18，改进的SSA−BP神经网络模型误判率为0，迭代10次后趋于稳定，且与设定的目标误差相差最小，初始适应度值最优，识别结果可信度高。③ 将阳城煤矿5组矿井水水样数据作为输入层数据输入到训练好的模型中，矿井水水样的主要来源为奥灰含水层、三灰含水层和山西组含水层，模型识别结果与水化学特征分析的结论相互印证，实现了精准区分。

综掘工作面混合式风流调控下的粉尘沉降研究

龚晓燕, 王天舒, 陈龙, 裴晓泽, 李相斌, 朱倩丽, 牛虎明

2024, 50(2): 106-115. doi: 10.13272/j.issn.1671-251x.2023090022

<摘要>(49) <HTML> (16) <PDF>(8)

摘要:
煤矿掘进过程中粉尘聚集严重，目前针对综掘工作面混合式风流调控下粉尘沉降规律及优化的研究还不够深入。基于混合式风流调控系统，依托陕煤集团神木柠条塔矿业有限公司综掘工作面，分析了压风口距工作面距离、压风口右偏角度、压风口口径、抽风口距工作面距离和压抽比等混合式风流调控参数对粉尘沉降规律的影响：随着压风口距工作面距离增加，司机处和回风侧行人呼吸带截面大颗粒粉尘占比先增后减再增，小颗粒粉尘占比增加；随着压风口右偏角度增加，司机处和回风侧行人呼吸带截面大颗粒粉尘占比变化明显；随着压风口口径增加，司机处截面小颗粒粉尘占比先增后减再增，回风侧行人呼吸带截面大颗粒粉尘占比先增后减；随着抽风口距工作面距离增加，司机处截面大颗粒粉尘占比先增后减，小颗粒粉尘占比先增后减再增，回风侧行人呼吸带截面粉尘粒径分布变化不大；随着压抽比增大，司机处和回风侧行人呼吸带截面小颗粒粉尘占比减小。以上述风流调控各参数为自变量，回风侧行人呼吸带全尘平均浓度和司机处呼尘平均浓度最低为优化目标，建立了粉尘沉降优化回归模型，利用粒子群优化算法求解模型，得到最优风流调控方案：压风口距工作面距离为8.9 m，压风口右偏角度为14.8°，压风口口径为0.9 m，抽风口距工作面距离为4.3 m，压抽比为1.1。搭建了风流调控下粉尘沉降实验平台，实验结果表明：测试值与粉尘沉降优化回归模型的模拟值误差在13%以内，验证了模型的准确性；优化后粒径为71～100 μm的粉尘受风流调控参数影响明显，沉降在掘进机前方；优化后回风侧行人呼吸带全尘平均浓度和司机处呼尘平均浓度分别降低了47.4%和42.4%，降尘效果明显。

基于改进门控循环神经网络的采煤机滚筒调高量预测

齐爱玲, 王雨, 马宏伟

2024, 50(2): 116-123. doi: 10.13272/j.issn.1671-251x.2023110039

<摘要>(67) <HTML> (13) <PDF>(10)

摘要:
采煤机自适应截割技术是实现综采工作面智能化开采的关键技术。针对采煤机在复杂煤层下自动截割精度较低的问题，提出了一种基于改进门控循环神经网络（GRU）的采煤机滚筒调高量预测方法。鉴于截割轨迹纵向及横向相邻数据之间的相关性，采用定长滑动时间窗法对获取的采煤机滚筒高度数据进行预处理，将输入数据划分为连续、大小可调的子序列，同时处理横向、纵向的特征信息。为提高模型预测效率，满足循环截割的实时性要求，提出了一种用因果卷积改进的门控循环神经网络（CC−GRU），对输入数据进行双重特征提取和双重数据过滤。CC−GRU利用因果卷积提前聚焦序列纵向的局部时间特征，以减少计算成本，提高运算速度；利用门控机制对卷积得到的特征进行序列化建模，以捕捉元素之间的长期依赖关系。实验结果表明，采用CC−GRU模型对采煤机滚筒调高量进行预测，平均绝对误差（MAE）为43.80 mm，平均绝对百分比误差（MAPE）为1.90%，均方根误差（RMSE）为50.35 mm，决定系数为0.65，预测时间仅为0.17 s；相比于长短时记忆（LSTM）神经网络、GRU、时域卷积网络（TCN），CC−GRU模型的预测速度较快且预测精度较高，能够更准确地对采煤机调高轨迹进行实时预测，为工作面煤层模型的建立和采煤机调高轨迹的预测提供了依据。

分时电价下矿井多级接力式排水系统的优化策略

赵应华, 乔子龙, 王艳波, 武强, 韩宇, 王磊, 王联

2024, 50(2): 124-129. doi: 10.13272/j.issn.1671-251x.2023080064

<摘要>(38) <HTML> (15) <PDF>(6)

摘要:
煤矿井下排水系统的工作效率直接影响到煤矿的生产安全和经济效益。现有矿井多级接力式排水系统对于电费波峰波谷特性和《煤矿防治水细则》要求的排水系统安全约束考虑不全面，难以实现整体系统的一体化安全经济运行。针对该问题，基于避峰就谷策略和动态规划方法，提出分时电价下矿井多级接力式排水系统的优化策略。通过考虑煤矿排水系统的多级串联结构、涌水量和水泵的排水能力，建立了煤矿多级接力式排水系统的数学模型。基于避峰就谷策略，以电费成本最低为目标函数，以水仓水位、水泵排水能力、煤矿安全要求等为约束条件，构建基于分时电价的多级接力式排水系统优化问题，并给出了基于动态规划方法的求解算法。以某矿井4级排水系统为例进行仿真分析，结果表明，该策略可有效控制井下水位，保证水位处于合理高度：当电价较高时，水泵开启的数量很少或为零，水仓处于高水位状态；当电价较低时，水泵开启的数量较多，水仓处于低水位状态。该策略能够在提升经济效益的同时，保障煤矿的生产效率和生产安全。

井下电力电缆故障定位研究

商立群, 张少强, 荣相, 刘江山, 王越

2024, 50(2): 130-137. doi: 10.13272/j.issn.1671-251x.2023080014

<摘要>(60) <HTML> (11) <PDF>(9)

摘要:
针对传统井下电力电缆故障定位方法依赖主观参数选择和抗噪性能较差，无法满足强噪声背景下井下电力电缆故障精确定位要求的问题，提出了一种基于樽海鞘群算法(SSA)优化变分模态分解(VMD)并结合改进型Teager能量算子(NTEO)的井下电力电缆故障定位方法。针对VMD在信号分解上存在的模态混叠、过分解和欠分解问题，采用SSA以模糊熵为适应度函数对VMD模态数K和惩罚因子$ \alpha $ 2个参数进行优化，得到更能反映故障特征信息的本征模态函数；采用NTEO对本征模态函数进行首波波头标定，得到首末两端的波头到达时刻，根据双端测距法得出故障位置。采用PSCAD/EMTDC进行井下电力电缆故障仿真，模拟具有强背景噪声的井下故障信号，结果表明：① 在理想电流信号中加入9 ，12 dB噪声后，SSA−VMD的信噪比最低，皮尔逊相关系数最大，说明SSA−VMD在最大程度降噪的同时，能很好地保留信号的特征信息。② 在不同过渡电阻下，SSA−VMD−NTEO的定位精度较高。③ 在不同故障相角下，SSA−VMD−NTEO在采样点上出现不同，但定位位置没有改变，依旧保持较高的定位精度。④ 在不同故障距离下，SSA−VMD−NTEO均能保证较高的定位精度。⑤ 在井下较大噪声和10 MHz采样频率下，SSA−VMD−NTEO较小波模极大值和VMD+NTEO 2种方法的定位精度具有明显优势。

基于自适应多尺度注意力机制的CNN−GRU矿用电动机健康状态评估

谭东贵, 袁逸萍, 樊盼盼

2024, 50(2): 138-146. doi: 10.13272/j.issn.1671-251x.2023110024

<摘要>(66) <HTML> (11) <PDF>(13)

摘要:
利用多传感器信息融合技术进行电动机健康状态评估时，矿用电动机监测数据中存在异常值和缺失值，而卷积神经网络和循环神经网络等深度学习模型在数据质量下降严重的情况下难以有效提取数据特征和更新网络权重，导致梯度消失或爆炸等问题。针对上述问题，提出了一种基于自适应多尺度注意力机制的CNN−GRU（CNN−GRU−AMSA）模型，用于评估矿用电动机健康状态。首先，对传感器采集的电动机运行数据进行填补、剔除和标准化处理，并以环境温度变化作为依据对矿用电动机运行数据进行工况划分。然后，根据马氏距离计算出电动机电流、电动机三相绕组温度、电动机前端轴承温度和电动机后端轴承温度等健康评估指标的健康指数（HI），采用Savitzky–Golay滤波器对指标HI进行降噪、平滑、归一化处理，并结合主成分分析法计算的不同指标对矿用电动机的贡献度，对指标HI进行加权融合得到矿用电动机HI。最后，将矿用电动机HI输入CNN−GRU−AMSA模型中，该模型通过动态调整注意力权重，实现对不同尺度特征的信息融合，从而准确输出电动机健康状态评估结果。实验结果表明，与其他常见的深度学习模型CNN，CNN−GRU，CNN−LSTM，CNN−LSTM−Attention相比，CNN−GRU−AMSA模型在均方根误差、平均绝对误差、准确率、Macro F1及Micro F1等评价指标上更优，且预测残差的波动范围更小，稳定性更优。

基于应急预案的煤矿应急救援辅助决策系统设计

高洪波

2024, 50(2): 147-152, 160. doi: 10.13272/j.issn.1671-251x.2023090033

<摘要>(70) <HTML> (21) <PDF>(14)

摘要:
针对煤矿应急救援辅助决策系统中应急预案应用不足、应用效率低及系统生成的救援方案可执行性欠佳等问题，提出了一种基于应急预案的煤矿应急救援辅助决策系统设计方法。该方法采用基于大语言模型的信息抽取技术，从应急预案中提炼出关键任务要素，如任务名称、触发条件、执行部门和任务内容等，形成元任务，并构建根据事故类型和级别对元任务进行分类存储的元任务库；发生煤矿安全事故时，运用基于SBERT模型的语义匹配技术，根据现场收集的信息进行事故分类分级，并从元任务库中筛选出与当前应急需求相符合的元任务集；为提高任务的可执行性，将元任务与实时采集的现场数据结合，通过指令模板构建具体的行动指令，并利用任务规划技术对指令的优先级进行优化和调整，生成切实可行的现场救援方案。基于应急预案的煤矿应急救援辅助决策系统充分利用了应急预案的规范化内容，形成了与现场信息紧密结合、资源优化的救援方案，进一步提高了救援决策的准确性、科学性和智能化水平。

煤矿工作面安全状态评价指标赋权策略研究

王猛, 刘树林

2024, 50(2): 153-160. doi: 10.13272/j.issn.1671-251x.18148

<摘要>(65) <HTML> (17) <PDF>(8)

摘要:
煤矿工作面安全状态精准评价可促进矿井安全管理水平和防灾抗灾能力提升。以CH₄浓度、CO₂浓度、CO浓度、O₂浓度、温度、风速6种工作面环境监测数据为评价指标，对工作面安全状态进行评价分析。为合理确定评价指标的权重，提高安全评价结果的准确性，采用模糊层次分析法（FAHP）计算评价指标的主观权重、G−GRITIC法计算指标的客观权重，通过基于改进博弈论（IGT）的组合赋权法将主观权重与客观权重结合，得出评价指标的组合权重，解决了决策过程中主客观信息不一致性问题。基于陕西黄陵二号煤矿有限公司209综采工作面安全监控系统采集数据，对基于IGT的组合赋权法进行实验验证，结果表明该方法有效避免了线性加权法、平均加权法的主观判断性，优化了基于博弈论（GT）的组合赋权法的偏差结果，得到的评价指标更加合理，可获得更加准确的煤矿工作面安全状态评价结果。

留言板

2024年第50卷第2期

投审稿系统

最新录用查看更多>

留言板

2024年 第50卷 第2期

投审稿系统

最新录用查看更多>

2024年第50卷第2期