“新一代信息技术在智能矿山中研究与应用”专题

首页 > 专题

“新一代信息技术在智能矿山中研究与应用”专题

来源：工矿自动化

专题来自于《工矿自动化》2024年11期，共12篇研究成果。

行业视野: 智能化
类别; 79个
关键词; 56位
专家; 12篇
论文; 134IP
点击量; 22次
下载量

基于已知点约束的高精度煤矿巷道三维点云建模方法

作者(Author)：马亮, 高亮, 廉博翔, 张琦, 蔺小虎, 姜之跃

摘要：面对煤矿井下低照度、弱纹理、高粉尘等复杂条件，现有煤矿巷道三维建模方法存在成本高、时效性差和精度低等问题，提出了一种基于已知点约束的高精度煤矿巷道三维点云建模方法。首先，通过体素滤波器对激光雷达点云数据进行降采样，并对降采样后的激光雷达点云数据利用迭代最近点（ICP）匹配提取出局部点云地图，结合惯性测量单元（IMU）数据对点云数据进行畸变校正；其次，利用ICP配准局部点云地图和畸变校正后的点云地图，以提高前端配准的精度和效率，并在后端加入回环检测来提高煤矿巷道定位与建图精度；然后，通过附合导线控制测量获取煤矿巷道分段已知点坐标，为点云建模提供全局约束条件；最后，将已知点和激光雷达同时定位与建图（SLAM）确定的测站点进行联合平差计算，对测站点坐标进行校正，并进一步利用非线性优化方法校正全局点云地图坐标，从而提高三维点云建模精度。实验结果表明：该方法构建的煤矿巷道三维点云地图具有较好的全局一致性和几何结构真实性，在煤矿井下具有较高的定位与建图精度。

免费下载

工矿自动化

2024年第11期

7

0
融合传感器数据和人工调控信息的工作面直线度智能预测

作者(Author)：孙岩, 付翔, 王然风, 贾一帆, 张智星

摘要：目前综采工作面直线度调控采用基于工作面推移行程等传感器数据和人工观测调控相结合的方式，但存在传感器数据和人工调控信息得不到有效利用的问题。针对上述问题，提出了融合传感器数据和人工调控信息的工作面直线度智能预测方法。对支架推移油缸行程、支架立柱压力、采煤机位置等进行数据清洗，并按照正常推溜调控距离和调整推溜调控距离进行分类，构建由工作面正常推溜调控距离矩阵和累计推溜调控距离矩阵组成的工作面直线度分析矩阵；通过特征工程对工作面直线度分析矩阵进行特征提取，生成特征矩阵作为样本，将人工调控距离对应的工况类型作为样本标签；采用机器学习分类算法建立工作面直线度预测模型。实验结果表明，采用随机森林算法搭建的工作面直线度预测模型准确率最高，为91.41%。将该模型应用于高河煤矿2312工作面，结果表明，在运行30 d、115次割煤循环的工作面直线度预测过程中，该模型预测准确率达81.4%。

免费下载

工矿自动化

2024年第11期

11

0
基于GAT−Informer的采空区煤自燃温度预测模型

作者(Author)：贾澎涛, 张杰, 郭风景

摘要：现有的煤自燃温度预测模型仅考虑监测数据前后的时间关联性，未考虑监测点之间的空间关系，并存在多步长煤自燃温度预测精度低的问题。针对上述问题，提出了一种基于图注意力网络（GAT）和Informer模型（GAT−Informer）的采空区煤自燃温度预测模型。首先，采用随机森林回归法和Savitzky−Golay滤波器对采空区沿空侧煤自燃监测数据中的异常值、缺失值和噪声进行处理，并使用Z−score方法对数据进行标准化。其次，采用GAT提取多个监测点煤自燃监测数据间的空间特征。然后，使用Informer模型的编码器对包含空间特征的数据进行编码，利用多头概率稀疏自注意力机制捕捉数据之间的长期依赖关系和时间特征；解码器通过交叉注意力机制与编码器交互，结合编码器提取的全局特征与目标序列的上下文依赖关系，生成特征矩阵并输入全连接层，得到煤自燃温度预测值。最后，对Informer模型输出的煤自燃温度预测值进行反标准化处理，恢复到原始数据尺度，得到最终的预测结果。实验结果表明，相较于循环神经网络（RNN）、长短期记忆网络（LSTM）、门控循环单元（GRU）和Informer模型，GAT−Informer模型在6个监测点上预测24步长煤自燃温度时，均方误差（MSE）分别平均降低了15.70%，22.15%，25.45%，36.49%，平均绝对误差（MAE）分别平均降低了16.01%，14.60%，20.30%，26.27%，表明GAT−Informer模型能有效提高煤自燃温度多步长预测精度。

免费下载

工矿自动化

2024年第11期

16

0
工作面液压支架丢架状态视觉自动检测方法

作者(Author)：滕贷宇, 南柄飞

摘要：受采场地质条件变化、泵站压力波动及自动跟机系统误差等因素影响，液压支架在自动跟机移架过程中存在丢架情况，人工丢架监测严重影响工作面自动跟机效率。而基于传感器和感知信息的液压支架实时丢架状态监测方法的稳定性和可靠性较差。针对上述问题，提出一种液压支架丢架状态视觉自动检测方法。首先采用YOLOv8对实时获取的工作面监控视频图像进行工作面目标区域划分，通过充分学习工作面图像内部特征准确获取液压支架底座及推杆的轮廓信息与位置信息，分析不同液压支架底座及推杆的位置信息，确定监控视频图像中的支架号；然后提取相邻液压支架最小底座区域局部图像，利用融合多尺度特征信息的ResNet50卷积网络对底座局部图像进行特征提取，获取图像多尺度融合特征信息，再将特征信息映射到类别空间，获取不同液压支架状态的概率分布，根据概率判断液压支架正常移架或丢架状态，结合支架号信息确定处于丢架状态的液压支架。实验结果表明：基于监控视频的工作面目标区域平均分割精度为0.98，准确实现目标区域结构化提取；支架号自动识别准确率为98.78%，为液压支架丢架状态检测提供准确的支架号信息；工作面液压支架丢架状态视觉自动检测的平均准确率达99.17%，单帧图像处理时间为36 ms，满足采煤工作面AI视频监控系统检测丢架状态的实时性与可靠性需求。

免费下载

工矿自动化

2024年第11期

14

0