• 论文
    高级检索
主办单位：煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
首页 > 专题

“煤矸识别”专题

来源：工矿自动化

煤矸识别是实现智能化综放开采和智能分选的关键技术，得到了学者和科研机构的广泛关注和研究。为交流共享经验，进一步提升煤矸识别效果，《工矿自动化》编辑部整理了近年来刊发的部分优秀论文，以期促进交流，推动煤矿智能化技术进步。

行业视野

探矿

类别

61个

关键词

52位

专家

12篇

论文

3151IP

点击量

1607次

下载量
  • 综放工作面智能放煤工艺研究及应用

    作者(Author)： 吴桐, 尉瑞, 刘清, 魏文艳

    摘要：传统的放顶煤控制主要依靠人工放煤控制，采用单轮顺序放煤。配有电液控制系统的工作面主要采用程序控制与人工补放结合的双轮顺序放煤方式，如果放煤控制实施不充分，会大幅降低煤炭采出率，如果放煤过程中掺有大量矸石，会降低煤炭的开采质量。针对上述问题，研究了综放工作面智能放煤工艺。分析了综放工作面自动化放煤工艺流程，指出要实现智能放煤工艺,需要在自动化放煤工艺的基础上，对综放工作面采煤机、液压支架、刮板输送机等设备进行智能升级,即在综放支架上安装音视频监视系统，监测是否有大块煤堵住放煤口、影响顶煤放出等异常情况；在后部刮板输送机安装电动机电流监测系统，实现放落煤流的自动控制，同时具备人工干预功能，即补放和停放功能；在带式输送机机尾处安装灰分检测系统对灰分是否增多进行在线分析；在综放支架上安装基于振动传感器的煤矸识别装置，根据振动传感器数据分辨矸石下落量，辨识是否有严重混矸情况。结合智能放煤工艺流程，为王家岭煤矿12309综放工作面定制了智能放煤方案：基于自动化顺序放煤与间隔放煤工艺、振动信号的煤矸识别控制和人工放落煤流控制技术实现该工作面智能化放煤，实际应用结果验证了智能放煤工艺的有效性。
    免费下载
    工矿自动化
    2021年第03期
    217
    137
  • 用于煤矸识别的振动传感器设计

    作者(Author)： 曹贯强, 尉瑞, 孟祥涛, 赵文生, 刘清

    摘要：目前自动化放顶煤开采煤矸识别技术中，伽马射线成本太高且对人体有害；红外技术受环境温度影响较大；雷达探测在煤层较厚时信号衰减严重；声音技术成本低、难度小，但受外界声音信号干扰严重；图像技术在煤矸颜色差别大时有效，但受粉尘、光线因素影响较大；振动技术具有声音技术的优点，同时又可以避免环境噪声干扰，具有较高的检测精度。顶煤和矸石在硬度等诸多性能上都有所不同，落到液压支架尾梁上时产生的振动信号也表现出不同的特征。针对该特征，设计了一种振动传感器，该传感器安装在液压支架尾梁的腹板处，对顶煤或矸石砸到液压支架上产生的振动信号进行感知，通过信号处理和分析辨识出放煤过程中的煤块和矸石。该传感器利用加速度计采集尾梁振动信号，并对采集数据进行前端滤波处理；利用傅里叶变换对数据进行功率谱分析，得到单位时间内的最大振动频率、幅值及功率谱能量。实验室测试结果表明，该传感器测量误差在1%以内。井下测试结果表明，振动传感器采集的信号大部分是煤块落下时的振动信号，其频率范围为100～200Hz，而矸石落下时的振动信号频率在200Hz以上，根据振动信号特征能够识别出顶煤和矸石。
    免费下载
    工矿自动化
    2021年第01期
    429
    146
  • 基于随机森林的综放工作面煤矸图像识别

    作者(Author)： 薛光辉, 李秀莹, 钱孝玲, 张云飞

    摘要：针对目前综放工作面煤矸图像识别方法存在的参数调节难度高、预测准确率低、易过拟合等问题，提出了一种基于随机森林(RF)算法的综放工作面煤矸图像识别方法。以担水沟煤矿6203综放工作面为工程背景，采集放煤口的煤矸图像并对其进行裁剪、灰度转化、对比度增强、图像滤波预处理；采用灰度-梯度共生矩阵提取出15个煤矸图像纹理特征；采用RF算法对15个煤矸纹理特征的重要性进行排序，并选取前5个实现降维处理，分析降维前后RF算法对煤矸图像的识别效果。结果表明，在决策树个数为150、采用log2M+1方法计算每次分裂时的特征数情况下，降维后RF模型的煤矸分类准确率为97%，比降维前提高4%，煤矸分类查准率为0.98，查全率为0.96，且袋外错误经50次迭代达到9%，泛化能力更强。
    免费下载
    工矿自动化
    2020年第05期
    394
    165
  • 基于EAIDK的智能煤矸分拣系统设计

    作者(Author)： 王冠军, 苏婷婷, 刘文博, 钱智平, 李佳泽

    摘要：现有基于图像识别的煤矸石分拣方法实时性较差且整体分拣准确率不高，而基于密度的分拣方法适用于井下初选，成本较高。针对上述问题，设计实现了一种基于EAIDK的智能煤矸分拣系统。采用嵌入式人工智能开发平台EAIDK构建矸石识别和分拣控制硬件平台，在嵌入式深度学习框架Tengine下利用深度学习算法搭建卷积神经网络，建立端到端可训练图像检测模型，并利用智能摄像机获取的图像数据训练模型；通过手眼标定获得摄像机坐标系与机械臂坐标系之间的关系，控制机械臂进行矸石追踪和分拣。实验结果表明，该系统矸石识别准确率稳定保持在95%以上，机械臂跟踪时间小于30 ms，执行误差为1 mm左右，可以满足煤矸分拣工艺要求。
    免费下载
    工矿自动化
    2020年第01期
    339
    201
首页上一页 1 2
推荐专家
1
推荐专题
10
亮点论文
10
推荐企业
1

  • 太原惠特

主办单位：煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会

©版权所有2015 煤炭科学研究总院有限公司 地址：北京市朝阳区和平里青年沟东路煤炭大厦 邮编：100013
京ICP备05086979号-16  技术支持：云智互联