“煤矿智能算法研究与应用”专题（《煤炭学报》）

首页 > 专题

“煤矿智能算法研究与应用”专题（《煤炭学报》）

来源：煤炭学报

专题整理于2021年5月，为2018—2021年《煤炭学报》刊登的“煤矿智能算法研究与应用”主题论文。

行业视野: 智能化
类别; 112个
关键词; 83位
专家; 23篇
论文; 26343IP
点击量; 13381次
下载量

基于深度学习的采煤机截割轨迹预测及模型优化

作者(Author)：陈伟华, 南鹏飞, 闫孝姮, 彭继慎

摘要：提高采煤机记忆截割精度对于实现采煤机截割滚筒的自动调高，提升采煤机自动化水平具有重要意义。针对目前采煤机传统记忆截割方法精度不高的问题，根据采煤机截割过程具有一定重复性的特点，提出了一种基于深度长短时记忆(Long Short-Term Memory，LSTM)神经网络的采煤机记忆截割轨迹预测方法，通过MATLAB平台实现了模型的构建与模型参数的优化，并使用实际截割数据对深度LSTM神经网络模型进行了验证。预测实验的结果表明，深度LSTM神经网络相对于支持向量回归与梯度提升回归树算法在截割轨迹预测方面具有更高的准确性。深度LSTM神经网络的平均绝对误差、平均绝对百分误差、均方根误差均低于支持向量回归与梯度提升回归树算法。实际生产中采煤机需进行多次循环截割，考虑到实时性问题，神经网络模型需要对截割轨迹进行多步预测。为了进一步提升模型能力，提高模型在进行多步预测时的准确性，提出了一种LSTM神经网络的改进结构。通过在LSTM神经网络中引入比例因子，强化了神经网络的记忆保持能力。缓解了随预测步数增加，深度LSTM神经网络模型预测误差增大的问题。并对改进后模型与原模型进行了预测对比实验，实验结果表明，相较于未改进的模型，改进后的预测模型在多步预测中具有更好的表现，且优势随着预测步数的增加而更为明显。

免费下载

煤炭学报

2020年第12期

1111

678
基于余弦定理-PID的煤矸石分拣机器人动态目标稳准抓取算法

作者(Author)：王鹏, 曹现刚, 马宏伟, 吴旭东, 夏晶

摘要：针对煤矿生产中煤矸石分拣问题,提出了机器人分拣方案，并对机器人在跟踪和分拣煤矸石时出现延时、抖动、冲击、分拣速度低等现象进行了分析和讨论。通过分析发现，出现这些现象的主要原因是煤矸石属于大质量、快速移动分拣对象，同时决定了机器人机械本体具有较大的惯性负载，传统的跟踪算法由于较大的数据量不适于机器人对大质量、动态目标的快速跟踪与稳定抓取。针对该问题，结合实际工况以及不同追踪方法的优点，提出了基于余弦定理-PID的动态目标抓取算法。首先，利用梯形速度运动规律进行了轨迹规划，并建立了带有圆弧过渡的门字型轨迹;然后，对动态环境下的大质量、动态目标抓取问题建立了数学模型，并针对该数学模型提出了基于余弦定理-PID的动态目标抓取算法。该算法首先通过余弦定理计算出机器人理论抓取点，控制机器人快速到达理论抓取点后，再通过位置-速度双环PID算法控制机械臂末端与煤矸石进行同步。算法测试结果表明:该算法通过余弦定理计算出理论抓取点，能在很大程度上减小机械臂跟踪煤矸石时间，并使得机器人末端快速逼近目标，提高跟踪效率，并通过位置-速度双环PID算法控制机械臂末端与煤矸石进行同步，以保证机械手对煤矸石进行稳准抓取，有效解决了机器人在抓取过程中出现的延迟、抖动和冲击问题。样机实验结果表明:利用该算法能使煤矸石分拣机器人以最优时间进行大质量、动态目标的稳准抓取，单机器人抓取速度可达25次/min，验证了算法的准确性、高效性与稳定性。

免费下载

煤炭学报

2020年第12期

1175

601
基于自适应小波变换的煤矿降质图像模糊增强算法

作者(Author)：范伟强, 刘毅

摘要：为解决矿井下复杂光照条件导致视频监控系统中的图像降质问题，提出基于自适应小波变换的煤矿降质图像模糊增强算法。首先，通过多尺度小波分解将矿井降质图像分解为低频子图和不同尺度的高频子图，采用贝叶斯估计的小波收缩阈值方法，自适应调整不同尺度下高频子图的小波阈值;其次，设计了引入自适应权值因子和自适应增强系数的自适应小波阈值函数，在保持了阈值函数连续性的同时也能够避免产生固定偏差，从而实现了对不同尺度下高频子图的收缩阈值滤波和非线性增强;接着，采用双边滤波算法估计并去除低频子图中的照度分量，并对处理后的低频子图和各尺度高频子图进行小波重构，获取增强后的小波重构图像;最后，采用改进的隶属度函数和模糊增强算子对小波重构图像的亮度分量进行调整，得到最终增强图像。采用主观视觉和客观评价指标对降质图像增强实验进行分析验证，实验结果表明:所述算法具有最优的图像增强效果，能够有效抑制图像噪声、增强图像细节特征、降低图像失真、改善降质图像视觉效果，且克服了传统图像增强算法在矿井复杂光照条件下的局限性，具有较强的鲁棒性。其综合性能指标较CLAHE，SSR，MSR，BF-DCP，DGR，MSWT及PGCHE七种算法，分别提高4.42%，4.95%，15.35%，196.60%，88.93%，10.52%和12.10%。

免费下载

煤炭学报

2020年第12期

1118

581
基于频域分离算子的采煤机动基座SINS初始对准算法

作者(Author)：陈宇鸣, 李威, 辛改芳, 王禹桥, 司卓印

摘要：捷联惯导系统(SINS)是一种可用于煤矿井下采煤机定位的自主导航传感器。采煤机初始姿态角的确定作为导航定位的前提，后续导航的性能很大程度上取决于初始姿态矩阵的精确程度。采煤机截割煤壁时产生的剧烈震动会使得SINS敏感到高频噪声，高频噪声会严重降低传统动基座SINS初始对准的性能。为了克服煤矿环境下传统动基座SINS初始对准算法收敛速度慢及精度低等问题，提出一种基于频域分离算子的采煤机动基座初始对准算法。首先，根据采煤机的结构特点，运用质量块法构建采煤机截割煤壁时的动力学模型。在此基础上，利用MATLAB提供的基于Runge-Kutta变步长算法的Ode45函数分析和研究了采煤机截割煤壁时机身的运动状态，之后通过傅里叶变换将时域信息转化到频域，进而确定采煤机截割煤壁时机身的运动频率范围。其次，在传统动基座SINS初始对准算法的基础上，通过分析干扰加速度和采煤机截割煤壁时机身晃动的频率特点，进而引入频率分离算子的概念，并由此利用等纹波最佳逼近法精心设计了有限长单位冲激响应(FIR)低通滤波器，从而有效地抑制SINS敏感到的高频噪声。实验结果表明，所提出的算法可以有效地提高采煤机初始对准的收敛速度以及精度，俯仰角和横滚角的稳态误差<0.1°，航向角稳态误差<0.7°，满足后续精对准的要求。

免费下载

煤炭学报

2020年第09期

776

571
基于非下采样轮廓波变换的矿井图像增强算法

作者(Author)：王满利, 田子建

摘要：为提高煤矿井下低照度、大噪声图像的可观测性，提出了一种基于非下采样轮廓波变换的矿井图像增强算法，该方法克服了常规图像增强算法无法兼顾对比度提高与噪声抑制的不足。根据Retinex理论，推导出了低照度含噪声图像的Retinex增强框架，该框架解除了噪声对估计光照图的干扰，并且分离实现了图像的对比度提高和噪声抑制。依据该图像增强框架，首先利用非下采样轮廓波变换将输入图像分解为低频子带系数和高频方向子带系数，解除估计光照图与抑制噪声的耦合;然后在轮廓波变换域，利用R，G，B三个颜色通道的低频子带系数，求出3个低频子带系数的亮通道图像，但该亮通道图像存在细节突变和过低灰度值，不符合光照图缓慢变化的特征，对亮通道图像做进一步的Gamma校正和均值滤波，获得灰度值提高了的平滑光照图估计值;接着在轮廓波变换域，根据阈值函数收缩高频方向子带系数实现噪声抑制;最后，为突显某一频带方向的细节信息和提高整体对比度，将收缩的高频方向子带系数乘以相应的增益完成特定细节加强，再利用细节加强的高频子带系数、低频子带系数和光照图估计值重构出整体对比度提高的增强图像。数值实验表明，该图像增强算法能够有效地实现矿井图像的对比度提高、噪声抑制和细节加强，且具有良好的稳定性和适应性，能够很好地满足矿井下图像增强的需求。

免费下载

煤炭学报

2020年第09期

873

539
基于实体交互模型巷道瓦斯监测WSNs的可用性检验

作者(Author)：鲍宇, 赵亮, 陈树召, 陆翔, 朱紫维

摘要：若煤矿瓦斯监测WSNs(Wireless Sensor Networks)系统的功能设计忽略了被监测实体的交互行为，会造成WSNs本身可靠而被监测实体的安全不满足情况，这在生产安全中是非常危险的。为检验WSNs监测系统功能设计的可靠性和可用性，利用时间自动机模型检验方法建立WSNs监测系统模型，检验WSNs系统的可靠性。然后，根据传感器与环境实体间的交互关系，分析煤矿中多个实体的并发行为，提出了监测WSNs与被监测实体交互并发行为的时间自动机模型和可用性性质描述的建立方法，从监测功能设计角度，将被监测实体的安全并入WSNs监测生产安全的功能性质，然后用模型检验方法进行机器检验，保障了监测系统的可用性。对含有并发结构的实体模型，利用分支行为等价构建并发时间自动机模型，再利用实体间的并发分支汇聚行为互模拟的方法，进行了并发行为模型的状态约减，并通过互模拟等价证明了该方法的正确性。状态约减前后的实验对比表明该方法提高了检验效率。最后，对现行巷道中瓦斯传感器的部署标准，利用该方法对其中的实际部署方案进行建模并检验，在模型中考虑实体的并发行为，发现在并发事件发生时，其中一个含支巷的瓦斯部署模型存在一个潜在的瓦斯泄露漏检问题。利用实体建模的模型检验方法需要建立自动建模机制，以提高该方法的实用性。

免费下载

煤炭学报

2020年第02期

986

358
基于EEMD-KPCA和KL散度的垮落煤岩识别

作者(Author)：李一鸣, 白龙, 蒋周翔, 高宏, 黄小龙, 刘相权, 黄民

摘要：综放开采中关键工艺放煤自动化的实现，可以使放煤工人远离工作面，远程控制顶煤的放落，从而保障放煤工人的健康问题。而顶煤放落过程中垮落煤岩的实时有效识别是放煤自动化的理论基础。针对垮落煤岩识别的实时性和综放开采的效率问题，基于综放开采现场采集的垮落煤岩冲击液压支架后尾梁的振动信号，提出了一种基于EEMD-KPCA和KL(Kullback-Leibler)散度的垮落煤岩识别方法。该方法首先对振动信号进行集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)得到一组固有模态分量(Intrinsic Mode Functions,IMFs)，分别计算各个IMF的能量，峭度和样本熵，构造表征垮落煤岩的特征向量;然后利用核主成分分析(Kernel Principal Component Analysis,KPCA)对特征向量进行降维，分别以各个IMF能量、IMF峭度、IMF样本熵构成的向量的KPCA低维特征来表征垮落煤岩；最后计算“未知样本”不同特征向量与垮落煤岩两类样本与之对应的特征向量的KL散度值，通过比较KL散度值来实现垮落煤岩的实时识别，并比较表征垮落煤岩不同特征向量的特征提取耗时和识别有效性。然后利用BP神经网络验证基于EEMD-KPCA的特征向量的有效性。实验结果表明:基于EEMD-KPCA和KL散度的识别方法可以实现垮落煤岩的实时识别，且大大降低了传统垮落煤岩识别方法对综放开采效率的影响;由EEMD分解后的各个IMF的能量和峭度构成的向量的KPCA低维特征最有效。

免费下载

煤炭学报

2020年第02期

812

553
基于熵权的正则化神经网络煤岩截割载荷谱预测模型

作者(Author)：刘春生, 李德根, 春平

摘要：截齿截割煤岩载荷是研制高性能采掘机械和智能化开采的重要基础，通过探究截齿截割煤岩载荷谱的变化规律和特征，为研究高效、高可靠破岩方法提供理论支撑，针对截齿破碎煤岩过程存在随机性，传统的理论推演载荷模型具有单值特性，难以准确描述任意截割条件下煤岩破碎的载荷历程，提出理论推演的截齿载荷幅值模型和有限实验载荷谱相结合方式，采用信息熵理论对理论与实验截割载荷谱进行综合，应用正则化神经网络对载荷谱综合进行模型化重构，根据最小二乘法提出基于有限载荷曲线族预测不同楔入角载荷谱的模型。结合30°~50°楔入角实验不同参数下载荷谱,以不同楔入角截齿的载荷谱和理论推演模型为例，对比分析不同楔入角下载荷谱的综合与正则化神经网络对其模型化重构，以及对不同楔入角的载荷预测。研究表明:构建了过程响应的截割阻力理论推演模型，在此基础上获得了30°~50°楔入角下理论与实验相结合的综合载荷谱，实现了载荷谱幅值与变化规律的表征，给出了载荷谱正则化神经网络模型化重构的方法;根据所建立的不同楔入角的载荷预测模型对30°,33°,50°和55°载荷谱进行预测，其中楔入角为30°和50°的预测载荷谱与正则化神经网络模型化重构载荷谱的互相关系数分别为0.971 7和0.983 9，呈高度相关，其幅值相对误差分别为4.04%和5.21%，表明该模型可以表征载荷幅值与截割煤岩载荷历程，模型具有一定优越性，为研究截齿的破碎机制提供了参考。

免费下载

煤炭学报

2020年第01期

1207

778