“煤矿智能运输技术与应用”专题_中国煤炭行业知识服务平台

首页 > 专题

“煤矿智能运输技术与应用”专题

来源：工矿自动化

专题来自于与《工矿自动化》2022年第6期，共12篇研究成果。

行业视野: 智能化
类别; 80个
关键词; 45位
专家; 12篇
论文; 2958IP
点击量; 2874次
下载量

基于改进YOLOv5s+DeepSORT的煤块行为异常识别

作者(Author)：张旭辉, 闫建星, 张超, 万继成, 王利欣, 胡成军, 王力, 王东

摘要：煤块检测方法主要包括传统图像检测方法和深度学习目标检测方法。传统图像检测方法检测精度不高、实时性较差、无法对堆煤进行准确判断；深度学习目标检测方法虽然可以实现实时检测，但没有对煤块的数量、滞留和堵塞状态进行识别，而且识别模型参数较多。针对上述问题，提出了一种基于改进YOLOv5s+DeepSORT的煤块行为异常识别方法。首先通过摄像头和巡检机器人采集煤矿综采工作面带式输送机上煤块视频图像，并制作数据集。然后利用MobileNetV3＿YOLOv5s＿AF-FPN模型进行煤块图像目标检测：通过MobileNetV3替换原始YOLOv5s主干特征提取网络，减少参数量，提高推理速度；将YOLOv5s中原有的特征金字塔网络改进为增强特征金字塔网络（AF-FPN），以提高YOLOv5s网络对多尺度煤块目标的检测性能。利用DeepSORT进行煤块多目标跟踪：将改进YOLOv5s模型检测后的煤块图像作为DeepSORT的输入进行多目标跟踪，利用DeepSORT对煤块进行状态估计、数据关联匹配和跟踪器参数更新，确定跟踪结果，并对连续跟踪的煤块进行ID编码，对当前帧的煤块数量进行计数。最后在目标跟踪器中取出连续跟踪的目标，设置距离阈值，判断其是否滞留；设置数量阈值，判断其是否堵塞，最终实现煤块滞留和堵塞行为异常识别。利用自建dkm＿data2021数据集对基于改进YOLOv5s+DeepSORT的煤块行为异常识别方法的可靠性进行实验验证，结果表明：改进YOLOv5s模型相比YOLOv5s模型平均检测精度提高了1.45%，参数量减少了35.3%，推理加速了12.7%，平均漏检率降低了11.08%，平均误检率降低了11.54%；基于改进YOLOv5s+DeepSORT的煤块行为异常识别方法检测精度为80.1%，可准确识别煤块滞留、堵塞状态，验证了该方法的可靠性。

免费下载

工矿自动化

2022年第06期

231

137
基于改进被囊群算法的露天矿无人驾驶卡车运输调度

作者(Author)：李在友, 孙艳斌, 王晓光, 陈永, 刘光伟, 郭直清

摘要：针对露天矿无人驾驶卡车运输调度问题，以无人驾驶卡车燃油费用、固定启用费用、故障维修费用及网络基站建设与维护费用之和最小为目标函数，并以采矿场开采量、破碎场破碎量、卡车数量、卡车运输工作量为约束条件，建立了露天矿无人驾驶卡车运输调度优化模型。针对被囊群算法存在全局勘探和局部开采能力不平衡的问题，提出了一种基于Singer映射和参数位置自适应更新机制的改进被囊群算法（ITSA），并将其用于求解露天矿无人驾驶卡车运输调度优化模型。该算法引入Singer映射用于增强初始被囊种群在解空间中的分布性，加快压缩解空间大小，从而提高算法收敛速度；通过参数位置自适应更新机制调节被囊个体与最优被囊个体位置，以增大解空间的搜索范围，从而使算法跳出局部最优。仿真结果表明：与灰狼优化算法（GWO）、鲸鱼优化算法（WOA）、原子搜索优化算法（ASO）及被囊群算法（TSA）4种群智能优化算法相比，ITSA具有更好的收敛精度、收敛速度和稳定性能；在单峰基准函数上，ITSA的各项评价指标远优于其他4种算法，表明ITSA具有更好的局部开采能力；在多峰基准函数上，ITSA的各项评价指标表现出更好的寻优性能，表明ITSA具有更好的全局勘探性能。实际应用场景表明，ITSA用于求解无人驾驶卡车运输调度优化模型时具有更快的收敛速度和更高的收敛精度，且减少了卡车运输费用和运输距离。

免费下载

工矿自动化

2022年第06期

232

124
基于速度场的露天矿卡车多路段行程时间组合预测模型

作者(Author)：田凤亮, 王忠鑫, 孙效玉, 辛凤阳, 宋波, 王金金, 曾祥玉, 周浩, 赵明

摘要：受限于露天矿道路的复杂性，现有的卡车行程时间预测方法在实际部署中存在困难，导致卡车优化调度系统只实现调度而非优化。提出了一种基于速度场的露天矿卡车多路段行程时间组合预测模型。将露天矿道路划分为多个路段，采用随机森林算法构建单元预测模型，预测卡车在每一路段的行驶时间，再对各单元预测模型预测值累加，得出卡车在复合路段上的行程时间预测值。为提高预测精度，将卡车平均速度作为行程时间影响因素，根据已采集的卡车速度信息构建速度场，求取路段上所有点卡车速度的平均值，将其近似为卡车在该路段的平均速度并输入单元预测模型。以伊敏露天矿卡车调度系统中的卡车行程信息为基础数据，训练得到组合预测模型，并对该模型进行预测精度与实时性实验，结果表明：基于速度场的露天矿卡车多路段行程时间组合预测模型对于复合路段上的卡车行程时间具有较高的预测精度，平均绝对误差百分比为4.81%，较基于随机森林算法的单一预测模型降低2%以上；组合预测模型运算时间不超过1 s，可实现卡车行程时间实时预测。

免费下载

工矿自动化

2022年第06期

247

133
基于UWB精确定位的辅助运输交通灯自动控制系统

作者(Author)：包翔宇, 单成伟, 吴岩明

摘要：针对当前辅助运输系统缺少有效的控制策略，车辆在路口盲区候车无序、错车困难，易发生碰撞事故，导致运输效率低的问题，设计了一种基于UWB精确定位的辅助运输交通灯自动控制系统。该系统确定了UWB定位基站在典型路口处的分布要求，设置了位置信息和行驶状态2个控制参数、多种放行机制和区间管控策略，规定了岔口的排序原则和优先级，具有自动控制、手动控制和定时切换3种控制模式。首先UWB定位基站扫描车辆定位卡数据，逻辑控制器实时读取定位基站的车辆数据信息并求解车辆的位置信息和行驶状态，控制交通灯执行控制指令，指挥运输车辆有序通行。逻辑控制器与上位机通过环网连接，上位机可下发控制指令远程变灯，逻辑控制器实时地将井下车辆的行驶数据、异常驾驶行为、交通灯状态等多种信息上传至上位机矿井车辆调度系统，实现就地控制与远程辅控相结合。在模拟巷道对该系统进行测试，结果表明：逻辑控制器代码运行正常，系统的逻辑响应时间<200 ms，交通灯状态切换的响应时间<1 s，弯道报警器能正确执行报警指令。大海则煤矿使用无轨车辆执行井下运输任务，在录车辆约140辆，运输线路不固定且运输任务繁重，重要路口流量大。该系统在环境复杂的大海则煤矿的应用结果表明，路口信息配置灵活，能够高度适配现场各个形式的路口，满足具体的路口管控需求；通过调整控制门限，系统能够调整路口控制区域的大小，适应现场运输流量的变化；定位基站采用不同的数据获取策略，降低了定位分站的铺设数量和施工成本；上位机能够实时监测井下车辆的交通调度状态，监控车辆的驾驶行为，实现了交通灯的远程管控。

免费下载

工矿自动化

2022年第06期

216

175
煤矿井下无轨胶轮车无人驾驶系统研究

作者(Author)：周李兵

摘要：煤矿井下无轨胶轮车无人驾驶可大幅减少井下辅助运输作业人员数量，降低人员劳动强度，是辅助运输智能化的主要发展方向之一。相较于地面汽车无人驾驶，煤矿井下无轨胶轮车无人驾驶存在一系列新的挑战：井下巷道“长廊效应”、“多径效应”干扰；狭窄场景内人车混行等复杂路况对车辆精准控制的高要求；井下卫星拒止环境带来的定位问题；井下光照多变且巷道壁阻挡影响机器视觉的应用；设备需满足MA认证；安全措施需多重冗余设计等。针对上述挑战，提出了以车联网为核心的煤矿井下无轨胶轮车无人驾驶系统架构，分析了系统实现的关键技术：利用基于激光同步定位与建图（SLAM）和超宽带（UWB）/惯性导航系统（INS）的组合定位方式，实现车辆高速移动状态下的精确定位；依托车身多传感器（毫米波雷达、激光雷达、超声波雷达、摄像头）、矿用智能路侧单元等识别车身周边路况信息，并通过车联网共享相关信息；利用多源数据采集技术获得环境感知数据、车辆运行数据、路侧监控数据、移动目标数据，海量数据经5G等无线通信网络交互至基于边缘计算的分布式算力单元融合分析后，结合全局和局部路径规划算法合理规划车辆行驶路径，实现仓库管理系统化的车辆智能调度；考虑到井下机电设备安全准入要求，感知、线控、决策控制装备需实现矿用化设计且应尽量采用矿用本安型产品，以满足成本低、体积小、效率高的设计需求；井下无人驾驶车辆需实现感知、决策与控制环节的冗余设计，以实现非正常状况下车辆的安全可靠控制。现场测试结果表明：车辆定位精度可达0.3 m，通信带宽≥50 Mbit/s，数据通信时延≤50 ms，定位精度和数据交互满足井下无人驾驶基本需求；针对T形支巷及U型弯道等典型环境可实现避障及连续路径规划；基于多传感器融合策略，可实现多种目标感知能力提升；车辆动态跟随误差<0.54 m/s，垂直于巷道壁方向平均控制误差<0.2 m，满足无人驾驶车辆的控制要求。

免费下载

工矿自动化

2022年第06期

246

274
煤矿井下网联式自动驾驶技术研究

作者(Author)：李晨鑫, 张立亚

摘要：通过分析地面常规自动驾驶智能化和网联化技术发展现状及技术特点，结合煤矿井下无GNSS（全球卫星导航系统）信号覆盖、巷道照度低、遮挡物与障碍物较多、煤尘粉尘普遍存在的环境特点，提出了煤矿井下开展自动驾驶研究的关键技术，即无GNSS的移动高精定位技术、激光雷达技术、基于毫米波雷达的井下障碍物检测技术、井下低照度视频实时增强和特征匹配技术、井下环境高精地图技术、井下自动驾驶车辆决策规划技术、井下自动驾驶车辆控制执行技术、井下5G通信技术、C-V2X直连通信技术等；指出煤矿井下开展自动驾驶应用具有少人化/无人化需求显著、运营管理主体明确、场景封闭、路线固定、车速较慢、渗透率可控、5G建设基础较好、接口易开放等优势。构建了包括井下自动驾驶车辆、巷道基础设施、人员、煤矿云/边缘计算平台及煤矿自动驾驶应用服务平台的“人-车-巷-云”煤矿井下网联式自动驾驶系统参考架构，设计了包括感知定位系统、网联协同系统、车载操作系统、车辆基础组件的煤矿自动驾驶车辆架构，提出煤矿井下网联式自动驾驶演进将经历3个阶段：第1阶段为远程自动驾驶，实现车辆驾驶人员从井下到井上的转移；第2阶段为具有紧急接管边界的车辆自动驾驶，以车辆自动驾驶为主，将远程紧急接管作为安全保障手段；第3阶段为“人-车-巷-云”协同控制，井下自动驾驶车辆安全高效自主运行，实现高度无人化智能运输。

免费下载

工矿自动化

2022年第06期

202

213
井下无人驾驶电机车行驶场景中多目标检测研究

作者(Author)：郭永存, 童佳乐, 王爽

摘要：目前煤矿井下无人驾驶有轨电机车在行驶过程中，对轨道中的石块及其他小型障碍物的识别存在检测速度慢、检测精度低，且对于重叠目标，易造成漏检、错检等问题。针对上述问题，提出了一种井下电机车多目标检测模型-SE-HDC-Mask R-CNN模型。该模型基于Mask R-CNN进行改进，通过在主干特征提取网络ResNet的残差块中嵌入压缩-激励（SE）模块，学习各个通道的重要程度和相互联系，增强网络对特征的选择和捕获能力；将残差块中卷积核大小为3×3的标准卷积替换成混合空洞卷积（HDC），在不改变特征图大小、不增加参数计算量的前提下，通过增加卷积核处理数据时各值之间的距离达到增大感受野的目的。实验结果表明：SE-HDC-Mask R-CNN模型可有效提取轨道、电机车、信号灯、行人和石块目标，在井下电机车多场景运行数据集上的平均准确率均值为95.4%，平均掩码分割精度为88.1%，平均边界框交并比为91.7%，相较于Mask R-CNN模型均提升了0.5%，对信号灯、石块（小目标）的检测精度分别提升了0.7%和4.1%;SE-HDC-Mask R-CNN模型的综合性能优于YOLOV2,YOLOV3-Tiny,SSD,Faster R-CNN等模型，可有效解决小目标漏检问题；SE-HDC-Mask R-CNN模型在煤巷直轨、弯轨、黑暗环境、多目标重叠等场景下均可有效实现目标检测，具有一定泛化能力及较高鲁棒性，基本满足无人驾驶电机车障碍物检测需求。

免费下载

工矿自动化

2022年第06期

188

163
5G技术在煤矿掘进工作面运输系统中的应用

作者(Author)：顾义东

摘要：针对掘进工作面运输系统通信网络存在的接入能力不足、传输可靠性低、传输带宽不足等问题，探讨了5G技术在煤矿掘进工作面运输系统中应用的必要性和可行性：经过优化设计的矿用5G系统性能指标达到预期，完全能够满足当前煤矿智能化建设对无线通信系统的需求；矿用5G通信模组、5G客户终端设备（CPE）为掘进工作面各类设备及传感器接入5G网络提供了设备支持。介绍了5G设备的矿用化改造重点解决的问题：建立了矿用5G网络架构，以满足井下5G信号覆盖需求；针对5G设备功耗大的问题，对其结构进行了优化设计，并设计了散热装置；解决了5G基站多路射频输出与天线增益叠加后射频功率超标的问题。给出了掘进工作面运输系统5G网络架构及功能，借助5G网络大带宽、低时延、高可靠、广接入的特性，可实现掘进工作面运输系统各类传感设备的统一接入、各环节的高清视频监控、远程集中控制。

免费下载

工矿自动化

2022年第06期

218

206