首页期刊导航|工矿自动化
期刊信息/Journal information
工矿自动化
中媒科工集团常州自动化研究院
工矿自动化

中媒科工集团常州自动化研究院

胡穗延

月刊

1671-251X

editor@cari.com.cn

0519-86998217

213015

江苏省常州市钟楼区木梳路1号

工矿自动化/Journal Journal mine automation北大核心CSTPCDCSCD
查看更多>>《工矿自动化》杂志创刊于1978年，由中国煤炭科工集团有限公司主管、中煤科工集团常州研究院有限公司主办，是国内唯一一份集中报道煤矿自动化、信息化、智能化领域新技术、新成果、新工艺及新动向的专业性技术期刊，入选中文核心期刊、中国科技核心期刊、RCCSE中国核心学术期刊（A）、中国地学领域高质量科技期刊T2类、中国煤炭领域高质量科技期刊T2类，是瑞典开放存取期刊目录数据库、英国《科学文摘（网络版）》、美国《地质学参考数据库》《艾博思科数据库》《乌利希期刊指南（网络版）》、俄罗斯《文摘杂志》、日本《科学技术振兴机构（中国数据库）》来源期刊。
正式出版
收录年代

    煤矿冲击地压和煤与瓦斯突出事故自动发现与报警方法研究

    孙继平程继杰
    1-5,13页
    查看更多>>摘要：煤矿冲击地压和煤与瓦斯突出自动感知报警方法是及时发现事故并应急救援,减少人员伤亡,避免或减少瓦斯和煤尘爆炸等次生事故发生,遏制事故迟报、漏报和瞒报的有效措施.煤矿冲击地压事故感知难,目前还没有煤矿冲击地压事故自动发现和报警方法,煤矿冲击地压事故主要靠人工发现.目前仅有基于甲烷、风速和风向传感器的煤与瓦斯突出自动报警方法,但存在响应速度慢、甲烷传感器损毁前监测不到甲烷浓度大幅升高等问题.提出了煤矿冲击地压和煤与瓦斯突出图像感知报警方法:根据煤矿冲击地压和煤与瓦斯突出温度、颜色、深度、掩埋等图像特征,识别煤矿冲击地压和煤与瓦斯突出;再根据巷道空间和采掘工作面的甲烷浓度变化,区分冲击地压和煤与瓦斯突出,如果甲烷浓度大面积迅速升高,则判定为煤与瓦斯突出,否则判定为冲击地压.该方法具有直观、响应速度快、非接触、监测范围广、简单可靠等优点,可直观地记录煤矿冲击地压和煤与瓦斯突出真实情况;当煤矿冲击地压和煤与瓦斯突出事故报警后,调度室值班人员可以通过录像,立即确认事故,及时进行应急救援.提出了减少煤矿冲击地压和煤与瓦斯突出抛出的煤岩对图像感知影响的方法:摄像机多点布置,摄像机设置在较高位置,视频数据及时传输,甲烷传感器多点布置等.

    冲击地压煤与瓦斯突出煤矿事故感知灾害报警图像识别

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于改进人工势场算法的煤矿井下机器人路径规划

    薛光辉王梓杰王一凡李亚男...
    6-13页
    查看更多>>摘要：路径规划是煤矿机器人在煤矿井下狭小巷道空间中应用亟待解决的关键技术之一.针对传统人工势场(APF)算法在狭小巷道环境中规划出的路径可能离巷道边界过近,以及在障碍物附近易出现目标不可达和路径振荡等问题,提出了一种基于改进APF算法的煤矿机器人路径规划方法.参考《煤矿安全规程》有关规定建立了巷道两帮边界势场,将机器人行驶路径尽量规划在巷道中间,以提高机器人行驶安全性;在障碍物斥力势场中引入调节因子,以解决目标不可达问题;引入转角限制系数以平滑规划出的路径,减少振荡,提高规划效率,保证规划路径的安全性.仿真结果表明:当目标点离障碍物很近时,改进APF算法可成功规划出能够抵达目标点的路径;改进APF算法规划周期数较传统算法平均减少了 14.48%,转向角度变化累计值平均减少了 87.41%,曲率绝对值之和平均减少了 78.09%,表明改进APF算法规划的路径更加平滑,路径长度更短,规划效率和安全性更高.

    煤矿机器人路径规划人工势场法目标不可达路径振荡斥力势场修正转角限制系数

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    深井救援技术与装备研究现状和发展趋势

    文虎侯宗宣郑学召蔡国斌...
    14-22,35页
    查看更多>>摘要：深井救援技术是指在深井事故救援过程中对被困人员进行救援各环节涉及的关键技术,主要包括环境侦测技术、生命探测技术、深井快速破拆技术、应急通信网络构建技术及保障深井事故救援顺利进行的其他辅助技术.深井救援装备是指在深井救援技术实施过程中必要的硬件装备和软件平台等.研究深井救援技术和装备对于保障被困人员生命安全、减少事故损失至关重要.分析了深井救援装备及关键技术的研究现状,指出现有的救援技术和装备并不能完全满足复杂多变的环境要求,存在救援装备的通用性与专用性研究不足、救援装备智能化程度有待提升、网络协同能力难以满足救援复杂环境要求、救援装备创新性研究不足等问题.针对上述问题,展望了深井救援装备与技术的发展趋势:①深井救援装备应通过不同救援场景进行专用性和通用性划分,单一装备向多功能性、高可靠性、高机动性发展.②救援装备智能化、精准化、自主决策化,实现智能装备为主、人员为辅的救援模式.③构建急速组网、多模式组网、一体化救援网络平台.④集成TDLAS虽然目前并没有达到救援标准,但其高分辨率、高灵敏度和可集成化在未来将会发挥重要作用,以实现环境监测装备的高集成、轻量化、高效化.

    深井救援救援装备空天地一体智能救援侦测装备挖掘/破拆装备通信装备吊升装备

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于工艺驱动的采煤机智能截割调控

    郑闯李丹宁冯银辉
    23-27,150页
    查看更多>>摘要：传统采煤机截割调控缺乏对采煤机滚筒状态的分析,导致截割模板生成质量低;未充分考虑工作面起伏情况和地质环境条件,无法得到最优截割路径;依赖采煤机自身控制单元无法及时调整滚筒高度.针对上述问题,提出了一种基于工艺驱动的采煤机智能截割调控方案.按照工作面液压支架编号,实时采集对应的滚筒截割高度数据,并结合滚筒截割高度历史数据对实时数据进行处理,生成符合工作面顶底板曲线趋势的采煤机截割模板;基于工作面顶底板写实数据、人工割煤经验,规划采煤机截割路径并进行实时干预,实现采煤机滚筒截割高度与工作面顶底板曲线的自适应耦合;通过编辑采煤工艺和设置截割模板数据,形成采煤工艺表文件,并依此调节采煤机滚筒截割高度,实现采煤机自适应调高控制.基于工艺驱动的采煤机智能截割调控方案应用于神东煤炭集团榆家梁煤矿 43207工作面,实现了无人化采煤常态化作业,将生产班工作面作业人员由 3人减少至工作面中部无人,采煤机自动割煤率达97%以上.

    采煤机截割调控工艺驱动截割模板路径规划滚筒调高

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    矿井提升机钢丝绳外观缺陷视觉识别技术研究

    王国锋王守军陶荣颖李南...
    28-35页
    查看更多>>摘要：针对多根钢丝绳检测部署困难、钢丝绳图像采集质量较低、视觉检测法适应性差、准确性不高等问题,提出了一种基于计算机视觉和深度学习的矿井提升机钢丝绳外观缺陷视觉识别方法.首先构建矿井提升机钢丝绳在线监测系统;其次由地面移动巡检平台和井下本安高速相机采集钢丝绳图像,建立钢丝绳图像数据集;然后考虑井下粉尘影响、相机镜头易受污染、光照不均、钢丝绳高光反射等问题,采用基于Retinex算法的图像去噪方法和基于同态滤波的图像去噪方法对钢丝绳图像进行去噪处理,处理结果表明,基于色彩增益加权的多尺度Retinex(AutoMSRCR)算法为较优方案;最后缺陷检测过程以卷积神经网络为基础,构建基于YOLOv5s的缺陷检测模型,为降低人为因素影响、调参工作量,在YOLOv5s中加入Focus结构对其进行优化,并将改进的YOLOv5s模型作为钢丝绳缺陷检测的预训练模型,以进一步降低模型内存占用率,提高模型加载和检测速度.实验结果表明,所提方法对钢丝绳 2处断丝的检测误差分别为 1.61%,1.35%,对钢丝绳 4处磨损的检测误差分别为 2.43%,3.44%,2.11%,3.39%.针对淮河能源控股集团顾北煤矿主井提升机原有钢丝绳安全监测系统的检测精度无法满足现场需求的问题,采用所提方法对原系统进行改进,现场应用效果表明,钢丝绳断丝检测准确率由 80%提升至96%,损伤定位误差由 500 mm降低至 300 mm范围内,损伤定位准确率由 75%提升至 98%,损伤实时检出率由76%提升至90%,尾绳畸变检出率由70%提升至85%.

    矿井提升机钢丝绳外观缺陷断丝表面磨损视觉识别图像去噪处理Retinex算法改进YOLOv5s

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于YOLOv5s-FSW模型的选煤厂煤矸检测研究

    燕碧娟王凯民郭鹏程郑馨旭...
    36-43,66页
    查看更多>>摘要：针对现有煤矸检测模型存在的特征提取不充分、参数量大、检测精度低且实时性差等问题,提出了一种基于YOLOv5s-FSW模型的选煤厂煤矸检测方法.该模型在YOLOv5s的基础上进行改进,首先将主干网络的C3 模块替换为FasterNet Block结构,通过降低模型的参数量和计算量提高检测速度;然后,在颈部网络引入无参型SimAM注意力机制,增强模型对复杂环境下重要目标的关注,进一步提高模型的特征提取能力;最后,在输出端用Wise-IoU替换CIoU边界框损失函数,使模型聚焦普通质量锚框,提高收敛速度和边框的检测精度.消融实验结果表明:与YOLOv5s模型相比,YOLOv5s-FSW模型的平均精度均值(mAP)提高了 1.9%,模型权重减少了 0.6 MiB,参数量减少了 4.7%,检测速度提高了 19.3%.对比实验结果表明:YOLOv5s-FSW模型的mAP达95.8%,较YOLOv5s-CBC,YOLOv5s-ASA,YOLOv5s-SDE模型分别提高了 1.1%,1.5%和 1.2%,较YOLOv5m,YOLOv6s模型分别提高了 0.3%,0.6%;检测速度达 36.4帧/s,较YOLOv5s-CBC,YOLOv5s-ASA模型分别提高了 28.2%和 20.5%,较YOLOv5m,YOLOv6s,YOLOv7模型分别提高了 16.3%,15.2%,45.0%.热力图可视化实验结果表明:YOLOv5s-FSW模型对煤矸目标特征区域更加敏感且关注度更高.检测实验结果表明:在环境昏暗、图像模糊、目标相互遮挡的复杂场景下,YOLOv5s-FSW模型对煤矸目标检测的置信度得分高于YOLOv5s模型,且有效避免了误检和漏检现象的发生.

    煤矸检测YOLOv5sFasterNetBlockSimAM注意力机制Wise-IoU边界框损失函数

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    细粒煤分级溢流颗粒粒度在线检测研究

    孙豪智马娇史长亮王函露...
    44-51,59页
    查看更多>>摘要：对细粒煤分选中分级溢流颗粒粒度进行实时在线检测,进而调控分级参数,可减少溢流中粗颗粒含量,提高总精煤回收率.现有研究对溢流颗粒粒度的检测上限普遍在 180 μm左右,矿浆体积浓度上限为 10%,无法满足粒度较粗、粒级较宽且体积浓度较高的细粒煤分级旋流器溢流颗粒粒度检测要求.为提高煤颗粒粒度和矿浆体积浓度检测上限,开发了一套超声波在线颗粒粒度检测系统.基于超声波声衰减模型,构建了适用于煤颗粒粒度为 44.5～600 μm、矿浆体积浓度为 0～40%的细粒煤分级现场工况的煤颗粒粒度检测模型.采用粒子群优化算法优化的BP神经网络建立了煤颗粒粒度分布预测模型,实现对细粒煤分级旋流器溢流矿浆粒度分布预测.基于煤颗粒粒度检测模型的模拟结果表明,超声波衰减值随煤颗粒粒度增大而先减小后增大,随超声波频率和矿浆体积浓度增大而增大.分别使用超声波在线颗粒粒度检测系统和煤颗粒粒度分布预测模型对某矿水力分级旋流器溢流颗粒粒度(实际值为 150.0,215.0,315.0 μm)分布进行检测,结果表明检测系统测量值相对误差为10.87%,9.81%,8.48%,预测模型的预测值相对误差为 9.27%,6.05%,6.92%,均实现了细粒煤分级溢流颗粒粒度的准确检测.

    煤炭洗选细粒煤分选水力分级溢流颗粒粒度检测煤颗粒粒度分布超声波衰减

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于HGTC-YOLOv8n模型的煤矸识别算法研究

    滕文想王成费树辉
    52-59页
    查看更多>>摘要：现有基于深度学习的煤矸识别方法在煤矿井下低照度、高噪声及运动模糊等复杂工况下存在煤矸识别精度低、小目标煤矸容易漏检、模型参数量和运算量大,难以部署到计算资源有限的设备中等问题,提出了一种基于HGTC-YOLOv8n模型的煤矸识别算法.采用HGNetv2网络替换YOLOv8n的主干网络,通过多尺度特征的有效提取,提高煤矸识别效果并减少模型的存储需求和计算资源消耗;在主干网络中嵌入三重注意力机制模块Triplet Attention,捕获不同维度间的交互信息,增强煤矸图像目标特征的提取,减少无关信息的干扰;选用内容感知特征重组模块(CARAFE)来改进YOLOv8n颈部特征融合网络上采样算子,利用上下文信息提高感受视野,提高小目标煤矸识别准确率.实验结果表明:①HGTC-YOLOv8n模型的平均精度均值为 93.5%,模型的参数量为2.645×106,浮点运算量为 8.0×109,帧速率为 79.36帧/s.②平均精度均值较YOLOv8n模型提升了 2.5%,参数量和浮点运算量较 YOLOv8n模型分别下降了 16.22%和 10.11%.③ 与 YOLO系列模型相比,HGTC-YOLOv8n模型的平均精度均值最高,且参数量和浮点运算量最少,检测速度较快,综合检测性能最佳.④基于HGTC-YOLOv8n模型的煤矸识别算法在煤矿井下复杂工况下,改善了煤矸识别精度低、小目标煤矸容易漏检等问题,满足煤矸图像实时检测要求.

    煤矸识别小目标识别YOLOv8n内容感知特征重组模块三重注意力机制TripletAttentionHGNetv2

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于时间序列对齐和TCNformer的重介精煤灰分多步预测

    王珺王然风魏凯韩杰...
    60-66页
    查看更多>>摘要：由于在重介分选过程中各个传感器位置不同,导致重介分选主要工艺参数与灰分存在时间滞后,影响了精煤灰分结果.基于回归模型的灰分预测方法缺乏对时间序列信息的利用,无法捕捉重介生产过程随时间变化的动态特性;基于时间序列的灰分预测方法未能充分考虑灰分和重介分选主要工艺参数之间的时间依赖关系.针对上述问题,提出了一种基于时间序列对齐和TCNformer的重介精煤灰分多步预测方法.通过滞后相关性分析来量化灰分与重介分选主要工艺参数之间的滞后步长,依此对重介分选主要工艺参数在时间维度上进行移动,使得灰分和重介分选主要工艺参数时间序列对齐,消除灰分和重介分选主要工艺参数之间的时间滞后.在Transformer模型的基础上,引入时间卷积网络(TCN)提取特征,并将单向编码器扩展为双向编码器,构建了TCNformer模型来实现精煤灰分多步预测.将时间序列对齐得到的与未来时刻灰分数据对应的过程变量序列作为解码器的输入,以提升模型预测精度.实验结果表明:该方法的平均绝对误差为 0.157 9%,均方根误差为0.215 2%,平均皮尔逊相关系数为0.505 1,能有效提升精煤灰分预测精度.

    重介分选精煤灰分预测滞后相关性时间序列TCNformer双向编码器

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于Social Transformer的井下多人轨迹预测方法

    马征杨大山张天翔
    67-74页
    查看更多>>摘要：目前煤矿井下人员轨迹预测方法中,Transformer与循环神经网络(RNN)、长短期记忆(LSTM)网络相比,在处理数据时不仅计算量小,同时还有效解决了梯度消失导致的长时依赖问题.但当环境中涉及多人同时运动时,Transformer对于场景中所有人员未来轨迹的预测会出现较大偏差.并且目前在井下多人轨迹预测领域尚未出现一种同时采用Transformer并考虑个体之间相互影响的模型.针对上述问题,提出一种基于Social Transformer的井下多人轨迹预测方法.首先对井下每一个人员独立建模,获取人员历史轨迹信息,通过Transformer编码器进行特征提取,接着由全连接层对特征进行表示,然后通过基于图卷积的交互层相互连接,该交互层允许空间上接近的网络彼此共享信息,计算预测对象在受到周围邻居影响时对周围邻居分配的注意力,从而提取其邻居的运动模式,继而更新特征矩阵,最后新的特征矩阵由Transformer解码器进行解码,输出对于未来时刻的人员位置信息预测.实验结果表明,Social Transformer的平均位移误差相较于 Transformer降低了45.8%,且与其他主流轨迹预测方法LSTM,S-GAN,Trajectron++和Social-STGCNN相比分别降低了 67.1%,35.9%,30.1%和 10.9%,有效克服了煤矿井下多人场景中由于人员间互相影响导致预测轨迹失准的问题,提升了预测精度.

    电子围栏井下多人轨迹预测Transformer交互编码SocialTransformer

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据