《工矿自动化》“智能采矿·数智赋能”专题

来源：工矿自动化

智能采矿数智赋能是通过工业互联网、人工智能、数字孪生等技术手段，深度融合采矿工业机理与数字化能力，实现矿山全流程的感知透明化、决策自主化、执行精准化、系统自进化的综合性技术体系。当前，智能采矿技术正处于加速落地阶段，数据和智能的融合创新，为煤矿数智化转型注入了新动能。为进一步总结我国智能采矿领域的前沿成果，深化数智赋能技术在煤矿场景的应用实践，《工矿自动化》编辑部特邀太原理工大学王开教授担任专题客座主编，太原理工大学王然风副教授、付翔副教授担任专题客座副主编，于2025年第3期组织出版“智能采矿·数智赋能”专题。在专题刊出之际，衷心感谢各位专家学者的大力支持！

行业视野: 采矿
类别; 62个
关键词; 61位
专家; 11篇
论文; 143IP
点击量; 13次
下载量

智能采矿数智赋能技术内涵与应用范式

作者(Author)：付翔, 王开, 王然风

摘要：数据与智能是驱动精准化、高效化和安全化智能采矿可持续发展的核心引擎。提出了基于“数据−算法−装备−生态”四维协同架构的智能采矿数智赋能技术体系，构建了涵盖数据治理、智能决策、装备执行与人机协同的采矿全链条智能化闭环框架。数据层通过标准化存储架构与多模态数据融合，建立全矿井数据资产平台，支撑实时数据流服务与历史数据挖掘；算法层结合工业机理模型与群智能算法，构建基于多目标优化的动态决策体系，实现采矿工序协同优化与安全权重优先控制；装备层依托智能新型煤机装备群，开发装备自适应控制与多机协同联动机制；生态层通过数字孪生、人在回路优化与专家规则嵌入，构建“人−机−智−环”共生体系，驱动系统动态迭代。基于上述框架，提出了智能采矿“数据流−智能流”双向协同机制与分层解耦逻辑，实现毫秒级装备控制、秒级算法决策与分钟级人工干预的动态响应，构建AI与人类双向赋能的新型采矿生产关系。以综采工艺为典型场景，基于“需求牵引−数据驱动−智能决策−装备执行”的闭环赋能路径，构建了综采工艺的智能采矿数智赋能应用范式，建立了“自动化工艺执行→AI策略生成→人工校验→人机协同控制”循环流程，支持人工/分工/批准/否决多模式动态切换，可实现采煤工艺自动化与AI辅助决策的深度协作，推动采矿行业从“机器替代人”向“人智增强机”范式转型。

免费下载

工矿自动化

2025年第03期

17

2
基于UeDiff−GAN的综采工作面目标检测与孪生体同步映射

作者(Author)：张帆, 于洋, 戚振明, 李海军, 王春丽, 杜潇, 王柄印, 张光磊, 宋惠, 席宸荣

摘要：矿井综采工作面数字孪生模型的构建过程需要手动构建实体的数字孪生3D模型，然后对实体进行目标检测，并根据实时检测结果控制3D模型，以确保孪生体与实体之间的同步映射关系。因此，对井下目标的实时、准确检测是实现虚实同步映射控制的关键。目前主流的目标检测方法需要在传统模型中引入或改进模块，使得模型网络结构复杂、训练周期较长，降低了目标检测的实时性；同时，对于一些含高强度噪声的图像难以精确检测。针对上述问题，提出了一种基于UeDiff−GAN的综采工作面目标检测与孪生体同步映射方法。通过扩散模型对高质量样本进行加噪扩散，得到不同程度的加噪样本，然后使用生成对抗网络（GAN）模型进行训练；设计了平滑扩散算法，以控制扩散步长，加入不均衡扩散模块，以得到与预识别样本匹配的检测算法模型。使用Unity3D构建综采工作面3D模型并进行渲染，实现井下物理实体的对象孪生，据此构建综采工作面实体与其孪生模型的映射关系，根据井下不同位置的检测结果控制对应机器运动状态及姿态，实现孪生模型协同控制，从而实现过程孪生。在自制数据集上的实验结果表明：UeDiff−GAN模型对井下移动目标的平均检测精度较SSD，R−CNN，YOLOv7和Diff−GAN模型分别提升了19.4%，14.3%，9.1%，24.3%；检测速度较SSD，R−CNN分别提升了13.86，42.73 帧/s；孪生模型与实体的实时性延迟至多为0.873 s。

免费下载

工矿自动化

2025年第03期

8

1
基于割煤循环智能检测的工作面来压判识方法

作者(Author)：罗香玉, 康林星, 南添松, 解盘石, 伍永平

摘要：基于液压支架工作阻力数据进行工作面来压判识需解决2个问题：一是如何从海量的工作阻力数据中提取循环末阻力数据，二是如何有效利用提取出的循环末阻力数据对工作面是否来压实现有效判断。现有的循环末阻力提取方法大多依赖固定规则和经验值参数，在复杂工作面环境下准确性低且适应性差。针对该问题，提出一种基于割煤循环智能检测的工作面来压判识方法。将割煤循环检测转化为二分类问题，使用支持向量机分类器对割煤循环结束时刻进行智能检测，以自动判别割煤循环的结束时刻；在获取所有割煤循环结束时刻的基础上，提取各支架循环末阻力数据；通过数据融合生成能够反映工作面整体压力状态的单序列数据，并基于来压判定公式进行工作面来压判识。基于不连沟煤矿某工作面的液压支架工作阻力数据进行实验，结果表明，该方法割煤循环检测的精确率、召回率、F1分数分别为85.91%，81.84%，83.83%，来压判识的精确率、召回率、F1分数分别为79.43%，78.76%，79.09%，均优于滑动窗口极值法和阈值法，在识别循环末阻力和工作面来压判识方面具有显著优势。

免费下载

工矿自动化

2025年第03期

13

1
极薄煤层破碎顶板条件下液压支架带压移架残余支撑力决策方法

作者(Author)：张传伟, 张刚强, 路正雄, 李林岳, 何正伟, 龚凌霄, 黄骏峰

摘要：在破碎顶板条件下，液压支架带压移架过程中残余支撑力的精准决策对于提高极薄煤层智能化开采效率和保障作业安全至关重要。为实现极薄煤层破碎顶板条件下液压支架带压移架残余支撑力的准确决策，提出了一种基于改进蜣螂算法（IDBO）优化深度混合核极限学习机（DHKELM）的液压支架带压移架残余支撑力决策方法。在混合核极限学习机（HKELM）基础上引入极限学习机自动编码器（ELM−AE）结构来构建DHKELM模型，以增强对复杂输入的特征提取和非线性映射能力；引入ICMIC混沌映射、Lévy飞行和贪婪策略对蜣螂算法（DBO）进行改进，形成具备更高寻优精度和更快收敛速度的IDBO算法；利用IDBO算法优化DHKELM模型的超参数，建立IDBO−DHKELM模型。结合极薄煤层综采工作面液压支架带压移架实测数据，通过可视化和相关性分析，确定支架号、带压移架前支架支撑力、推移油缸进液压力和推移油缸行程变化速度作为影响残余支撑力的关键特征，并构建残余支撑力决策样本数据集，最终完成IDBO−DHKELM模型的训练与评估。实验结果表明：基于IDBO−DHKELM模型的液压支架带压移架残余支撑力决策结果的均方根误差（RMSE）、平均绝对误差（MAE）及决定系数（R2）分别为0.143，0.119，0.971，具有较高的决策精确度。

免费下载

工矿自动化

2025年第03期

14

2
基于视觉−惯导信息融合的采场支架姿态感知方法

作者(Author)：邢轲轲, 程敬义, 许忠鑫, 万志军, 薛民体, 闫万梓, 包阔, 易俊杰

摘要：针对目前采场支架姿态感知中惯导方法存在漂移误差大、解算精度低，以及视觉方法存在相机易受粉尘与设备遮挡而位姿识别误差大等问题，提出了一种基于视觉−惯导信息融合的采场支架姿态感知方法。首先将四特征点红外标靶固定于支架底座凸台，将双目相机分别固定于支架顶梁与掩护梁，采用基于Canny−最小二乘法的靶标识别方法和基于四特征点的BA−PnP算法解算顶梁、掩护梁相对底座的俯仰角、横滚角。然后将惯性测量单元固定于液压支架顶梁、掩护梁、底座，通过惯性测量单元中MEMS陀螺仪和加速度计的互补滤波方法解算顶梁、掩护梁、底座在世界坐标系下的俯仰角、横滚角。最后将视觉系统解算的姿态角与惯导解算的姿态角进行扩展卡尔曼滤波多源信息融合，利用视觉信息的低频稳定性抑制惯性测量单元的累计误差，得到精确的采场支架姿态。采用基于视觉、惯导和视觉−惯导信息融合3种支架姿态感知方法进行对比实验，结果表明：① 初始静止状态下，3种方法的精度均较高，但随着支架运行循环次数增加，基于视觉、惯导的感知结果逐渐偏离真值。② 基于视觉、惯导和视觉−惯导信息融合方法的顶梁相对底座的俯仰角感知均方根误差分别为0.201，0.190，0.081°，掩护梁相对底座的俯仰角感知均方根误差分别为0.340，0.297，0.162°。③ 基于视觉−惯导信息融合方法解算的液压支架立柱伸缩长度的均方根误差为13.682 mm，满足现场需求。基于视觉−惯导信息融合的采场支架姿态感知方法可为液压支架智能化控制提供更准确的姿态参数。

免费下载

工矿自动化

2025年第03期

10

1
带式输送机托辊故障诊断及协同管控研究综述

作者(Author)：邢震, 田野新, 包建军, 齐智峰, 周李兵, 叶柏松, 张蓉

摘要：托辊作为带式输送机的关键部件，其故障频发严重影响煤矿生产效率与安全。目前国内外在托辊故障诊断技术和带式输送机管理控制策略方面开展了广泛研究，然而尚未形成一套被广泛认可且行之有效的监测与管控手段。通过分析托辊故障的类型及机理，指出井下带式输送机托辊故障诊断的特殊性及面临的挑战。梳理了托辊故障诊断技术及托辊故障后协同管控的研究现状：在故障状态感知技术方面，探讨了振动、声音、温度及图像信号感知技术的原理与应用；在数据处理及特征提取方面，探讨了各类信号的处理方法及特征提取策略；在故障识别方法方面，探讨了从传统方法到机器学习、深度学习及多源信息融合的托辊故障识别方法的技术演进过程；在托辊故障后协同管控方面，探讨了目前面临控制系统复杂性高、不同控制策略之间的兼容性差、状态监测数据的准确性和实时性难以保证等问题。基于上述研究，指出托辊故障诊断技术虽取得一定进展，但仍存在故障辨识度不高、覆盖范围有限、检测物理量单一、无法对故障进行分类及判断程度、未能评估故障可能引发的风险，以及缺乏全面的管控策略等问题，提出托辊故障诊断技术发展方向：从单一监测向多维度融合监测发展、从稀疏覆盖向密集全面覆盖迈进、从表象诊断向本质分析探究故障演化规律、从被动应对到主动预防的转变并推动从局部管控向全局协同管控的升级。

免费下载

工矿自动化

2025年第03期

11

1
基于改进RT−DETR的井下输送带跑偏故障检测算法

作者(Author)：安龙辉, 王满利, 张长森

摘要：目前输送带跑偏检测研究主要集中于提取输送带边缘的直线特征，该方式需设定特定阈值，易受环境因素的制约，导致检测速度慢、精度不高。针对该问题，提出了一种基于改进RT−DETR的井下输送带跑偏故障检测算法，使用改进RT−DETR直接对一组托辊检测，根据左右托辊的暴露程度识别是否跑偏。针对实时检测转换器（RT−DETR）主干网络进行3个方面的改进：① 为了减少主干网络的参数量和浮点运算数量（FLOPs），使用FasterNet Block替换ResNet34中的BasicBlock；② 为了提升模型的精度和效率，在FasterNet Block结构中，引入结构重参数化的思想；③ 为了提升FasterNet Block在特征提取方面的性能，引入了高效多尺度注意力机制(EMA)，更加有效地捕捉全局和局部特征图。为了拓展感受野并捕获更有效、更广泛的上下文信息，以获得更为丰富的特征表达，采用改进高级筛选特征融合金字塔网络（HS−FPN）来优化多尺度特征融合。实验结果表明，与基准模型相比较，改进RT−DETR模型的参数量和FLOPs分别减少了8.4×106 个和17.8 G，mAP@0.5达94.5%，严重跑偏检测精度达99.2%，检测速度达41.0 帧/s，优于TOOD，ATSS等目标检测模型，满足煤矿生产对目标检测实时性和准确性的需求。

免费下载

工矿自动化

2025年第03期

9

1
刮板输送机断链智能监测技术研究

作者(Author)：李灵锋, 张洁, 陈茁, 查天任, 尹瑞

摘要：针对现有基于AI算法的煤矿井下刮板输送机断链监测技术在线学习能力低、检测精度差、稳定性低、复杂场景适应性和可靠性差等问题，通过在极限学习机（ELM）中增加增量式在线训练，设计了可实现离线样本和实时在线样本训练的在线贯序极限学习机（OSELM）网络，进而提出了基于OSELM的刮板输送机断链智能监测技术。将经过大量煤矿井下刮板输送机链条监控图像（离线样本）训练的OSELM网络算法写入AI摄像仪，将AI摄像仪安装于刮板输送机机尾，实时感知刮板输送机链条运行状态并进行在线学习，由AI摄像仪输出控制决策，并通过刮板输送机集中控制系统平台实时显示识别结果。井下工业性试验结果表明，OSELM网络具有较高的自主学习能力、较强的泛化性和鲁棒性，对刮板输送机断链识别的平均精度均值、准确率和精确率分别为98.6%，99.3%，91.7%，检测速度达205.6帧/s，整体效果优于深度神经网络融合网络、RT−DETR、YOLOv5、YOLOv8、ELM等模型，实现了刮板输送机链条状态的精准、实时检测。

免费下载

工矿自动化

2025年第03期

16

1