《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; 592IP
点击量; 21次
下载量

带式输送机托辊轴承声信号增强方法

作者(Author)：游卿华, 伍鹏, 马波

摘要：针对目前带式输送机托辊轴承声信号增强方法存在过度降噪导致信号失真、适应性差，提取复杂声场特征效果较差等问题，提出一种基于直方图噪声估计和维纳滤波的带式输送机托辊轴承声信号增强方法。首先，计算轴承声信号各频带功率谱，构建功率谱直方图进行噪声谱估计，并对噪声谱进行一阶递归平滑；其次，利用噪声谱估计计算维纳滤波增益函数，得到维纳滤波降噪后的声信号；然后，对降噪后的声信号进行包络谱分析，通过对比实际测得的故障特征频率和理论的故障特征频率，实现对带式输送机托辊轴承故障诊断。实验和现场测试结果表明：基于直方图噪声估计和维纳滤波的带式输送机托辊轴承声信号增强方法得到的包络谱中含有明显的故障频率及其倍频成分，实验数据信噪比至少提升了1.14 dB，现场数据信噪比至少提升了1.04 dB，轴承故障特征提取效果较好，可实现环境噪声干扰严重下的带式输送机托辊轴承声信号增强。

免费下载

工矿自动化

2025年第03期

36

0
基于激光雷达与惯导融合的掘进机定位方法

作者(Author)：刘京, 魏志强, 蔡春蒙, 刘洋

摘要：煤矿掘进机精准定位是智能掘进的基础，但井下低光照、高粉尘等恶劣作业环境导致单一定位方法精度低、稳定性差。为提高掘进机在恶劣环境中的定位精度，提出了一种基于误差状态卡尔曼滤波（ESKF）的激光雷达与惯导融合的掘进机定位方法。首先，以悬挂在巷道顶部的球靶中心为巷道坐标系原点，设计基于密度的噪声鲁棒空间聚类（DBSCAN）算法和基于形状特征的球靶点云提取算法，解决传统依靠反射强度区分球靶的方法在粉尘堆积时易失效的问题，结合坐标变换方法构建雷达位置测量系统以获得融合定位基准。其次，利用惯导积分得到掘进机的位置和姿态信息。然后，基于一阶高斯马尔可夫过程进行误差状态建模，采用误差状态卡尔曼滤波算法融合雷达和惯导的输出，得到掘进机在巷道中的融合定位结果，并将融合定位结果反馈给惯导，以校正其累计误差，从而获得精准的定位结果。定位试验结果表明：在掘进机静止状态下，不同位置和姿态角下雷达定位系统的位置误差小于10 cm，惯导定位系统的位置误差小于70 cm；在掘进机运动状态下，融合系统的位置误差为5.8 cm，相比雷达系统的位置误差降低了12.1%。基于激光雷达与惯导融合的掘进机定位方法可以在复杂掘进工况中满足煤矿掘进机自动截割时的定位需求。

免费下载

工矿自动化

2025年第03期

71

3
基于改进型级联宽度学习的采煤机截割部齿轮箱故障诊断

作者(Author)：李鑫, 李淑华, 陈浩, 司垒, 魏东, 邹筱瑜

摘要：采煤机截割部齿轮箱振动监测数据结构复杂，且易出现类别不平衡问题，导致现有基于传统机器学习的智能故障诊断方法易出现错报现象，而基于深度学习的诊断方法模型结构复杂、学习效率低，且易陷入局部最优解，影响诊断性能。针对上述问题，提出了一种基于改进型级联宽度学习（ICBL）的采煤机截割部齿轮箱故障诊断方法。在ICBL模型的特征节点中引入随机超图卷积机制，充分挖掘采煤机截割部齿轮箱振动数据的复杂多元结构信息，增强故障特征表征能力；采用类特异性权重分配策略，根据输入数据的类间比例信息，为少数类样本赋予更高权重，提高不平衡数据下采煤机截割部齿轮箱故障诊断性能。利用采煤机截割部齿轮箱故障模拟实验台验证基于ICBL的采煤机截割部齿轮箱故障诊断方法的有效性，结果表明该方法能够有效增强故障特征的判别性，在数据不平衡度为15时诊断精度达94.52%，单一样本的故障识别耗时为0.284 ms，优于级联宽度学习系统、加权宽度学习系统、多尺度卷积神经网络、超图神经网络、多分辨率超图卷积网络等。

免费下载

工矿自动化

2025年第03期

49

1