Science & Technology
1.煤矿火灾智能预警系统研发与应用
作者：刘东洋, 张浪, 姚海飞, 徐长富, 赵尤信, 张逸斌, 段思恭
摘要: 目前煤矿火灾监测系统实现了对矿井煤自燃标志性气体、温度、烟雾、火焰等部分指标的单独监测，未对煤矿火灾相关因素进行有效、全面、统一的监测。针对该问题，从内因、外因2个方面分析了煤矿火灾潜在危险因素，提出一种分源分区监测火情态势的方法。内因火灾方面，主要针对较易发生火灾的工作面采空区、密闭采空区及人工自然发火观测点等进行监测；外因火灾方面，主要针对机电硐室及其配电点、带式输送机系统、电缆等方面进行监测。建立了煤矿火灾分源分区监测指标体系，采用人工监测或在线监测的方式定期采集或更新火灾特征参量数据，按数据采集方式及影响程度，将火灾监测指标分为动态指标、静态指标和关联指标。设计了火灾智能预警系统的总体架构和业务流程，采用基于多指标联合逻辑推理的预警方法实现内因火灾预警，采用基于D−S 证据理论的多参量融合预警方法实现外因火灾预警。现场试验结果表明，火灾智能预警系统实现了对矿井火灾的有效监测预警，具有煤矿火灾风险预警“一张图”可视化展示功能，同时具备火灾智能模拟演示功能及避灾路线动态规划功能。
2.基于煤矿井下不安全行为知识图谱构建方法
作者：付燕, 刘致豪, 叶鸥
摘要: 虽然知识图谱已广泛应用于各个领域，但在煤矿安全方面，尤其在煤矿井下不安全行为方面的研究较少。构建了一种自底向上的煤矿井下不安全行为知识图谱。首先，采用传统机器学习和深度学习算法相结合的方法进行命名实体识别，采用RoBERTa进行词语向量化，采用双向长短时记忆网络（BiLSTM）对向量进行标注，提高网络模型对上下文特征的捕捉能力，通过多层感知机（MLP）解决煤矿井下不安全行为数据集数据量不足的问题，采用条件随机场（CRF）模型解决前面存在的单词关系不识别问题，并捕获全文信息和预测结果。其次，根据语句的结构特点，设计了基于知识“实体−关系−实体”三元组的依存句法树结构，对井下不安全行为领域的知识资源进行知识抽取与表示。最后，构建面向井下不安全行为的知识图谱。实验结果表明：① RoBERTa−BiLSTM−MLP−CRF模型对于导致结果、违反性行为、错误性行为及粗心性行为4类实体类别具有较好的识别效果，其准确率分别为86.7%，80.3%，80.7%，77.4%。② 在相同的数据集下，RoBERTa−BiLSTM−MLP−CRF模型训练的准确率、召回率、F1值较RoBERTa−BiLSTM−CRF模型分别提高了1.6%，1.5%，1.6%。
3.基于深度学习的矿井滚动轴承故障诊断方法
作者：窦桂东, 白艺硕, 王均利, 黄博昊, 阳康
摘要: 针对传统卷积神经网络在煤矿井下等复杂环境中难以充分挖掘数据特征等问题，提出了一种基于马尔可夫转移场（MTF）和双通道多尺度卷积胶囊网络（DMCCN）的矿井滚动轴承故障诊断方法，构建了MTF−DMCCN故障诊断模型。根据MTF和灰度图对原始振动信号进行编码后，采用双通道输入模式连接卷积网络获取浅层特征；将特征图进行融合后输入到胶囊网络，提高模型对空间信息的敏感度；在网络中引入Inception模块，聚焦多尺度特征，加强网络的特征提取能力；通过胶囊层进行向量化处理，实现滚动轴承的故障诊断与分类。消融实验、抗噪性及泛化性实验结果表明：Inception模块、灰度图输入、MTF图像输入均对轴承故障诊断具有正向促进的作用，MTF编码对模型的诊断精度提升最高；MTF−DMCCN模型具有较好的鲁棒性和抗噪声能力；MTF−DMCCN模型具有优异的变转速适应能力，在不同工况条件下具有良好的泛化性能。为进一步验证模型性能，选取格拉姆角差场（GADF）、格拉姆角和场（GASF）、灰度图、MTF等图像编码方式与不同网络相结合，采用辛辛那提大学数据集（IMS）进行对比实验，结果表明，MTF−DMCCN模型能有效识别滚动轴承故障类型，平均故障诊断准确率达99.37%。
4.基于跨模态注意力融合的煤炭异物检测方法
作者：曹现刚, 李虎, 王鹏, 吴旭东, 向敬芳, 丁文韬
摘要: 为解决原煤智能化洗选过程中煤流中夹杂的异物对比度低、相互遮挡导致异物图像检测时特征提取不充分的问题，提出了一种基于跨模态注意力融合的煤炭异物检测方法。通过引入Depth图像构建RGB图像与Depth图像的双特征金字塔网络（DFPN），采用浅层的特征提取策略提取Depth图像的低级特征，用深度边缘与深度纹理等基础特征辅助RGB图像深层特征，以有效获得2种特征的互补信息，从而丰富异物特征的空间与边缘信息，提高检测精度；构建了基于坐标注意力与改进空间注意力的跨模态注意力融合模块（CAFM），以协同优化并融合RGB特征与Depth特征，增强网络对特征图中被遮挡异物可见部分的关注度，提高被遮挡异物检测精度；使用区域卷积神经网络（R−CNN）输出煤炭异物的分类、回归与分割结果。实验结果表明：在检测精度方面，该方法的AP相较两阶段模型中较优的Mask transfiner高3.9%；在检测效率方面，该方法的单帧检测时间为110.5 ms，能够满足异物检测实时性需求。基于跨模态注意力融合的煤炭异物检测方法能够以空间特征辅助色彩、形状与纹理等特征，准确识别煤炭异物之间及煤炭异物与输送带之间的差异，从而有效提高对复杂特征异物的检测精度，减少误检、漏检现象，实现复杂特征下煤炭异物的精确检测与像素级分割。
5.基于5G+UWB和惯导技术的井下人员定位系统
作者：李明锋, 李䶮, 刘用, 吴学松, 徐继盛, 常建明, 王涛, 潘红光
摘要：针对煤矿井下人员定位系统在实际应用中存在因设备算力与存储资源不足导致无法使用复杂测距与定位算法，定位数据即时传输与响应性能不足，在系统部署方面人力物力损耗较大等问题，提出了一种基于5G+UWB和惯导技术的井下人员定位系统。在末端部署能耗低、抗干扰性强的UWB定位基站，定位基站与5G基站以级联的方式连接，定位基站采集UWB与惯导数据，利用5G网络回传至计算平台，在计算平台上完成定位信息的解算和存储。将基于惯导的人员位置估计作为预测值，将基于UWB的三边定位算法获取的人员位置估计作为观测值，利用卡尔曼滤波器将预测值和观测值进行融合，降低定位误差。在煤矿主体实验基地搭建测试系统，模拟真实煤矿井下环境并进行对比实验。结果表明：① 在x轴和y轴，融合惯导的卡尔曼滤波算法得出的位置信息和真实位置信息的重合度最高，说明融合惯导的卡尔曼滤波算法得出的位置信息最接近真实位置,平均误差为22.192 cm。② 5G+UWB和惯导技术组合的井下人员定位系统的位置信息和真实位置信息的重合度最高，误差为[15 cm，20 cm]，x轴最大平均误差为26 cm，y轴最大平均误差为24 cm，超过目前大多数井下人员定位系统精度。
6.一种矿用管道检测机器人设计及牵引性能分析
作者：赵鹏洋, 闫宏伟, 张登崤, 肖粲俊, 何勃龙
摘要：针对瓦斯抽采管道破损泄漏检测问题，设计了一种具有管道检测和运动控制功能的螺旋式矿用管道检测机器人，介绍了该机器人的结构和检测与控制系统方案。建立了机器人在管道中运行的力学分析模型，并通过动力学仿真研究了影响机器人牵引性能的因素，结果表明：机器人在管道内运行时的牵引力与管道材质、螺旋角、管壁与驱动轮之间法向力有关；机器人在不同材质的管道中运行时最佳螺旋角不同，在相同材质的管道中运行时，无介质运输情况下牵引力高于有介质运输情况；机器人牵引力随法向力的增大而增大，但最佳螺旋角无明显变化；随着螺旋角增大，牵引力先增大后减小，螺旋角为40°时牵引力最大。为提高机器人通过弯管时的性能，提出一种变螺旋角过弯策略，即机器人主动控制螺旋角随螺旋运动单元转动以正弦式规律变化，使管道内侧的螺旋角小于外侧。搭建机器人测试平台对矿用管道检测机器人进行测试，结果表明：机器人在直管中运行的最佳螺旋角为40°；可通过增加法向力来提升机器人的牵引性能；采用变螺旋角过弯策略时，机器人在弯管中的通过性能和平稳性优于定螺旋角过弯。
7.基于截割顶底板高度预测模型的采煤机自动调高技术
作者：李重重, 刘清
摘要: 传统的煤层截割路径规划通过几何控制、规划计算等方式对采煤机滚筒高度进行预测，但存在预测的数据误差较大、无法适应地质条件变化的问题。针对上述问题，提出了一种基于截割顶底板高度预测模型的采煤机自动调高技术。首先，分析了影响截割顶底板高度的因素，指出影响顶底板高度的主要因素包括煤层的起伏变化数据、历史截割数据、刮板输送机的高程数据及人工操作记录，将上述4类数据融合处理，建立以长短期记忆（LSTM）模型和灰色马尔可夫模型为基础的截割顶底板高度预测模型，通过算法模型预测出截割顶底板的高度。然后，以截割顶底板的高度数据为基础，结合采煤机位姿和空间坐标，建立计算滚筒高度的几何模型，同时依据刮板输送机上窜下滑量及是否执行加减刀工艺等因素进行修正，最终将顶底板高度序列转换为滚筒高度序列，即将截割顶底板高度转换为采煤机滚筒的目标高度，由采煤机执行到目标高度，实现滚筒自动调高工业性试验结果表明：① 在自动调高技术的控制下，顶滚筒和底滚筒的预测高度与实际高度偏差值有90%的数据量均在10 cm以内，滚筒的预测高度和实际高度具有明显的一致性。② 与传统手动控制方式相比，中部截割一刀煤的人工干预调高次数由49次下降为21次，说明截割顶底板的高度预测模型和计算滚筒高度的几何模型是准确合理的，采煤机滚筒的自动调高技术是可行的。
