《工矿自动化》2022年度最受关注论文_中国煤炭行业知识服务平台

首页 > 专题

《工矿自动化》2022年度最受关注论文

来源：工矿自动化

根据中国知网数据统计，综合考虑文章被引量、下载量，编辑部整理了《工矿自动化》2022年度最受关注论文，扫描二维码可阅读全文。

行业视野: 工矿自动化
类别; 136个
关键词; 82位
专家; 20篇
论文; 5632IP
点击量; 9056次
下载量

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
煤矿带式输送机节能优化控制方法研究

作者(Author)：高沛林, 苗鑫, 杨方

摘要：由于煤炭生产的不连续性，使带式输送机常常处于空载、轻载及很少达到满载的运行状态，造成电能浪费，同时加剧了设备磨损。目前解决该问题的方法是根据煤流量对带式输送机进行调速控制。但目前的方法较少考虑带式输送机之间煤流的上下游接续关系、煤流量传感器安装位置、检测误差、信息滞后及带速改变过程中的时序关系等。针对上述问题，依据带式输送机驱动功率与运行阻力和带速的关系，得出了带式输送机最优节能运行条件和最佳节电率；根据最优节能运行条件、带式输送机上下游接续方式与物料平衡关系、额定运输质量与额定带速，得出了带式输送机最优节能控制条件下的最小带速与最优带速控制系数；考虑煤流量传感器安装位置、检测误差、信息滞后及带速改变过程中的时序关系等因素，提出了一种带式输送机节能优化控制方法。该方法根据上游带式输送机的煤流量，计算得到最优节能控制条件下下游带式输送机优化节能控制的给定带速变化曲线，依据该曲线实现对下游带式输送机带速的调节。利用搭建的带式输送机模拟节能实验平台，对最佳节电率进行了检验，结果表明：带式输送机在最优节能运行条件下的最佳节电率为20.9%～76.5%，但在实际运输系统中，由于带速不能连续调节，所以不可能达到最优运行工况。将带式输送机节能优化控制方法应用于柠条塔煤矿101号主提升带式输送机控制中，结果表明：该方法实现了煤流的平稳接续，节电率为9.1%～43.9%，节能效果明显。

免费下载

工矿自动化

2022年第05期

110

102
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
基于数字孪生的煤矿掘进机器人纠偏控制研究

作者(Author)：薛旭升, 任众孚, 毛清华, 张旭辉, 马宏伟, 王悦

摘要：针对复杂巷道环境下掘进机器人自主纠偏控制难题，通过分析掘进机器人偏移原因，明确了掘进机器人纠偏控制功能需求，提出了一种基于数字孪生的煤矿掘进机器人纠偏控制系统，介绍了系统组成；以掘进机器人对中纠偏为例，分析了系统纠偏控制机理，提出了基于双目视觉图像信息的掘进机器人纠偏控制方法，以双目视觉检测的巷道图像为基础数据，通过提取巷道图像特征及分析巷道坐标系与掘进机器人坐标系关系，解算出掘进机器人相对于巷道空间的位姿参数，根据解算结果对掘进机器人进行纠偏控制；构建了掘进机器人及巷道数字模型和定位定向参数数据库，通过虚实映射关系，实现了掘进机器人虚拟远程纠偏控制。实验结果表明，基于数字孪生的煤矿掘进机器人纠偏控制系统在不同工况下均可有效补偿掘进机器人偏航角和偏移距离，纠偏过程可实时显示在监测监控界面，且纠偏路径规划仿真结果与实际工况一致。

免费下载

工矿自动化

2022年第01期

352

285