《工矿自动化》2022年度优秀论文_中国煤炭行业知识服务平台

首页 > 专题

《工矿自动化》2022年度优秀论文

来源：工矿自动化

《工矿自动化》编辑部综合考虑论文的创新性（审稿专家评审意见）、规范性（责任编辑推荐）和读者关注度（中国知网被引频次和下载量），从2022年度发表的240篇论文中评选出30篇优秀论文，名单如下，以发表先后顺序排列。

行业视野: 工矿自动化
类别; 199个
关键词; 119位
专家; 30篇
论文; 7770IP
点击量; 12154次
下载量

煤矿智能化创新团队建设与关键技术研发进展

作者(Author)：王国法, 富佳兴, 孟令宇

摘要：分析了我国煤矿智能化建设存在的突出技术短板，提出了智能化系统设计、信息基础设施、智能地质保障、智能采掘运、智能安全预测预警、智能供电及智能水务、智能洗选、智慧园区、智能化露天煤矿、智能建井、智能设备及机器人、应急救援及监管监察等12个创新研发方向，组建了46个煤矿智能化优势创新团队，形成了煤矿智能化创新最强阵容。建立了创新链与产业链的目标协同、组织协同、知识协同和业务协同模式，依托136个省级以上实验平台，在煤矿智能化重要技术方向上率先取得一批创新成果，为我国煤矿智能化建设提供了技术支撑。提出了持续推进煤矿智能化建设、提高技术装备保障能力的9个重点突破方向：持续构建煤矿智能化支撑技术体系，加快构建煤矿智能化技术标准体系及建设效益评价体系，加快推进煤矿智能化“煤智云”研究应用，开发大采高放顶煤智能开采工艺成套装备，加强智能快速掘进技术及装备研发，开发高可靠性、高稳定性的矿用智能传感器，加快煤矿机器人集群关键技术研发，加快构建智能洗选成套装备及工艺包开发，强化露天煤矿智能化工艺先进成熟与核心装备稳定高可靠。

免费下载

工矿自动化

2022年第12期

242

155
基于改进YOLOv7的煤矿带式输送机异物识别

作者(Author)：毛清华, 李世坤, 胡鑫, 薛旭升, 姚丽杰

摘要：带式输送机煤流中会掺杂锚杆、角铁、木条、矸石、大块煤等异物，易导致输送带撕裂、转接处堵塞甚至断带。针对带式输送机巡检机器人难以在井下光照不均及带式输送机高速运行环境中高效、准确识别异物及模型部署不便等问题，以及YOLOv7模型对目标特征提取能力高，但识别速度较慢的特点，提出了一种基于改进YOLOv7的煤矿带式输送机异物识别方法。运用限制对比度自适应直方图均衡化方法对采集的带式输送机监控图像进行增强，提高图像中物体轮廓的清晰度；对YOLOv7模型进行改进，通过在主干提取网络引入轻量化无参注意力机制，提高模型对图像复杂背景的抗干扰能力和对异物特征的提取能力，同时引入深度可分离卷积代替主干特征提取网络中的普通卷积，提高异物识别速度；使用TensorRT引擎将训练后的改进YOLOv7模型进行转换并部署在NVIDIA Jetson Xavier NX上，实现了模型的加速。对煤矿井下分辨率为1 920×1 080的带式输送机监控视频进行识别，实验结果表明：改进YOLOv7模型的识别效果优于YOLOv5L和YOLOv7模型，识别精确率达92.8%，识别速度为25.64帧/s，满足精确、高效识别带式输送机异物的要求。

免费下载

工矿自动化

2022年第12期

130

114
煤矿带式输送机分拣机器人异物识别与定位系统设计

作者(Author)：薛旭升, 杨星云, 齐广浩, 马宏伟, 毛清华, 尚新芒

摘要：机器视觉已在煤矿带式输送机分拣机器人目标检测与识别方面具有一定的理论基础，但目前煤矿带式输送机分拣机器人目标识别主要针对煤矸石识别，对造成输送带穿透、撕裂等的异物目标识别的研究较少，且在目标异物精确定位方面的研究也较少。针对上述问题，设计了一种基于机器视觉的煤矿带式输送机分拣机器人异物识别与定位系统，可对输送带上存在的不同类型和不同形状的异物进行识别与定位。采用双目视觉实时获取输送带上异物图像信息，并对图像进行预处理，基于Canny算子进行图像信息增强，通过灰度拉伸方法改进图像边缘信息，突出煤矿带式输送机上异物的边缘特征；利用形态学方法提取异物形状特征，建立异物图像特征样本库，通过图像特征匹配的方式解算出异物存在区域，实现异物类型的检测、分类与识别；在异物类型成功识别的基础上，以目标异物边缘特征值为基础，建立目标异物的感兴趣区域(ROI)，构建相机、输送带与目标异物坐标转换关系，利用多目标质心快速计算方法求取目标异物质心坐标，实现对目标异物的定位。系统样机实验结果表明：煤矿带式输送机分拣机器人异物识别与定位系统异物识别率不受尺寸、材质和颜色等因素影响，能够实现输送带目标异物图像的采集、处理、特征提取、识别和位置定位，识别率为92.5%以上，目标异物位置定位平均误差为3%左右。

免费下载

工矿自动化

2022年第12期

193

111
5G特性在智慧矿山中的应用研究

作者(Author)：刘昕, 付元, 李晨鑫

摘要：目前智慧矿山5G建设主要针对矿用5G的宏观技术发展方向、测试方法和特定应用场景展开研究，缺乏对智慧矿山5G各类应用场景特点的全面梳理。针对该问题，归纳了智慧矿山5G应用场景类型，梳理了主要应用场景的通信需求，指出传感器信息回传类应用具有广覆盖需求、视频信息采集和回传类应用具有上行大带宽传输需求、实时控制信息交互类应用具有下行低时延传输需求、自动驾驶信息采集和回传类应用具有上行大带宽和下行低时延共存的差异化传输需求。针对智慧矿山5G应用的环境特点和技术要求，提出了核心网+承载网+接入网的矿用5G网络总体架构：(1)核心网通过用户平面功能（UPF）和多接入边缘计算（MEC）下沉，实现矿山5G独立组网、独立运行。(2)承载网中的信息安全模块用于数据安全审计监测和传输控制，实现井上下数据安全隔离；网络切片和服务质量（QoS）管理模块用于对不同业务进行信道划分和隔离，实现多业务共存信道隔离，保障传输性能。(3)接入网采用基站控制器+基站汇集器+基站+终端的方式，实现5G信号分区、按需覆盖。根据上述架构，提出了面向智慧矿山多样化应用需求的5G关键技术方案：(1)采用网络切片技术将矿山5G网络划分为传感器切片、视频回传类切片、实时控制类切片、远程控制类切片，结合传输业务的QoS指标，将业务数据映射到不同的切片资源上进行传输，实现5G网络传输的按需分配。(2)通过灵活空中接口调度机制满足无线资源按需调度，即大带宽业务采用资源请求-业务缓存报告资源分配-业务缓存-数据传输资源分配的空口资源调度方式，保障上行传输带宽，低时延业务采用预留的专用空口资源进行传输，保证下行传输低时延。(3)当单一频段无法满足上行传输需求时，通过载波聚合技术将多个连续或非连续的载波聚合成更大的带宽，有效支撑矿山5G的大带宽传输需求。

免费下载

工矿自动化

2022年第10期

292

844
HCPS理论体系下新一代智能煤矿发展路径

作者(Author)：金智新, 王宏伟, 付翔

摘要：在当前煤矿智能化高质量工业发展背景下，基于新一代智能制造“人-信息-物理系统”（HCPS）技术机理，提出了以人为核心的新一代智能煤矿理论体系和技术路径。通过介绍近代煤矿机械化-信息化-智能化的生产模式演进和人、信息系统、物理系统的技术发展，以及新一代智能煤矿发展过程中主要面临的关键场景技术，构建了新一代智能煤矿的HCPS技术体系，阐述了人、煤矿信息系统、煤机装备物理系统相互协同作用机制，并从人、煤矿信息系统、煤机装备物理系统及三者集成这4个维度给出了HCPS技术组成要素。根据以人为核心的发展理念，提出了新一代智能煤矿HCPS理论体系下人机协同技术路径，重点阐明了煤矿安全生产目标下人机自主协同交互模式、人在回路的煤矿安全生产态势感知、人机信任与交互模式下的煤矿系统控制共享、煤矿任务场景的人机信息交互可视化应用开发等核心技术。指出采矿、机械、信息、计算机、管理等多学科交叉人才培养与实践，煤矿管理创新、安全制度创新、生产模式创新、人员工种创新等，是新一代智能煤矿发展的2个关键点。

免费下载

工矿自动化

2022年第10期

285

182
数字孪生-应对智能化综采工作面技术挑战

作者(Author)：葛世荣, 王世博, 管增伦, 王雪松, 安文龙, 吕渊博, 陈书航

摘要：基于智能化综采工作面目标任务-自主完成综采工作面可靠割煤、保持工作面几何关系、顶板可靠支护，提出了综采工作面智能控制关键技术，包括采煤机定位技术、工作面可视化技术、液压支架电液控制技术（装置）、工作面通信技术、综采装备协同控制技术、采煤机自动调高技术、工作面自动调直技术和工作面围岩支护控制技术（其中前3种技术属于智能化综采工作面的感知与执行层，工作面通信技术是智能化综采工作面的传输层，后4种技术属于智能化综采工作面的决策层）。指出智能化综采工作面面临的挑战为决策层的自主决策能力不能适应复杂多变的工况、感知与执行层不能支撑决策层的信息需求和决策指令的可靠执行。针对上述挑战问题，采用基于仿真的数字孪生建模方法，提出了综采工作面数字孪生系统架构。综采工作面数字孪生系统虚拟实体包括机理模型和行为模型，利用综采装备机理模型可获得综采装备物理系统的不可测数据，行为模型可为综采工作面智能控制系统提供反映物理装备运行状态的全息信息，解决决策层数据信息匮乏问题；综采装备机理模型与其控制系统组合的离线运行模式形成综采工作面硬件在环仿真系统，为基于工艺规则的智能控制算法提供测试平台；综采装备机理模型、行为模型与其控制系统组合的离线运行模式形成综采工作面计算实验系统，为综采工作面智能控制系统真正的自主决策复杂算法开发提供测试平台。

免费下载

工矿自动化

2022年第07期

625

972
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

228

137
基于CBA-YOLO模型的煤矸石检测

作者(Author)：桂方俊, 李尧

摘要：煤矸石检测中存在样本间特征差异小、目标密集等问题，导致现有煤矸石检测方法精度不高且实时性较差。针对该问题，提出了一种基于CBA-YOLO模型的煤矸石检测方法。CBA-YOLO模型以速度较快、精度较高的YOLOv5m为基础模型，在YOLOv5m的Backbone中加入卷积块注意力模块（CBAM），通过串联空间注意力模块和通道注意力模块，在聚焦特征差异的同时降低数据维度，提高煤矸石检测性能；在Neck部分采用双向特征金字塔网络（BiFPN）结构，通过融合不同尺度的特征提高模型计算效率，从而提升煤矸石检测速度；在Prediction部分采用Alpha-IoU函数作为损失函数，通过设置权重系数加速对高置信度目标的学习，进一步提高煤矸石检测精度。实验结果表明：CBA-YOLO模型对煤矸石的平均检测精度达98.2%，比YOLOv5模型提高了3.4%，检测速度提升了10%;CBA-YOLO模型的鲁棒性更强，可有效避免漏检、误检和重叠现象。

免费下载

工矿自动化

2022年第06期

144

112