全部分类/
科学普及/
工矿自动化

工矿自动化

2025年08期

本刊1978年创刊，公开发行。现为中国科技论文统计源刊，全国中文核心期刊，中国煤炭学会煤矿自动化专业委员会会刊。是集中报道我国煤矿及工矿企业通信、生产过程自动化、安全监测监控、计算机应用等国内外新技术、新成果、新工艺、新动向的专业性技术期刊。

扫码免费借阅

目录

快速导航

科研成果 | 煤矿作业人员“三违”智能识别系统标准研究制定

科研成果 | 煤矿作业人员“三违”智能识别系统标准研究制定

摘要：传统的煤矿作业人员“三违”管理主要依靠人工，不能自动识别作业人员“三违”，存在人力投入大、效率低、不能及时发现作业人员“三违”等问题，难以满足煤矿安全风险防控要求。随着人工智能、大数据、物联网等技术发展，特别是计算机视觉技术在煤矿作业人员“三违”智能识别中的应用，煤矿作业人员“三违”智能识别系统能够自动识别作业人员“三违”，具有用人少、效率高、能及时发现作业人员“三违”、受人为因素影响小等优点。 ① 根据煤矿作业人员“三违”智能识别需求，提出煤矿作业人员“三违”智能识别系统的主要功能：数据采集、智能分析、报警、控制、存储与查询、显示、操作处置、时间同步、报表、移动应用等。 ② 根据煤矿主要作业地点，提出煤矿作业人员“三违”智能识别场景：主井、副井和风井井口，调度室及井下值班室，提升机房，空气压缩机房,主要通风机房,机电室，永久避难铜室，水泵房，中央/采区变电所,煤仓和矸石仓上下口，井底车场，大型设备安装、回撤、吊装和检修作业，井下爆破器材库，紧急避险设施，带式输送机机头和机尾，采煤工作面，掘进工作面，探放水、瓦斯抽采和冲击地压卸压钻孔井下施工地点，支护作业等危险或重要作业场所及煤矿地面工业广场等。
科研成果 | 煤矿输送带纵向撕裂视觉检测间歇式除尘系统设计

科研成果 | 煤矿输送带纵向撕裂视觉检测间歇式除尘系统设计

摘要：基于机器视觉的煤矿输送带纵向撕裂检测在应用时，视觉系统易出现粉尘遮挡、污损等问题，影响图像采集的清晰度和正确率。目前采用的玻璃罩刮雨器式的连续除尘方式虽能维持图像的可用率，但因采集的图像质量不高而影响数据分析的准确性。针对上述问题，提出一种基于间歇式旋转玻璃组件与毛刷的间歇式除尘系统设计方案。采用36BL57-1242直流无刷电动机驱动齿轮系带动旋转玻璃组件与旋转毛刷分别清除激光发射器短玻璃罩和工业摄像仪长玻璃罩的煤尘。基于STM32F030F4P6单片机实现直流无刷电动机的精准运动控制,包括启停、转向、脉冲宽度调制调速及过流保护等，当检测到电动机过流或堵转时立即触发停机报警。在除尘过程中，针对连续运行会导致刷毛与粉尘持续接触，削弱刷体回弹清灰能力的问题，采用间歇运行方式，通过中间齿轮嵌入磁铁与霍尔开关形成周期性感应，结合双电压比较器构建位置反馈闭环，实现电动机带动玻璃组件旋转1周-停歇3s的周期性动作,以利于回弹去尘。实验室及井下测试结果表明：在 2000h 间歇旋转除尘运行期间，电动机运行稳定；激光照射在输送带上的图像对比度高，没有出现因污物遮挡引起的激光线暗淡、图像模糊和无法识别的情况;间歇式除尘设计能够有效清洁玻璃罩煤尘，确保图像识别精准，从而获得可靠的撕裂检测结果。
科研成果 | 基于OFDR的带式输送机全域智能精准测温系统设计

科研成果 | 基于OFDR的带式输送机全域智能精准测温系统设计

摘要：带式输送机沿线温度快速精准测定在煤矿外因火灾预防中起核心作用。基于光时域反射(OTDR)的分布式光纤测温是目前主流的带式输送机沿线测温技术，但存在测温精度不足、定位误差较大等问题。针对该问题,提出了一种基于光频域反射(OFDR)的带式输送机全域智能精准测温系统，通过分析系统技术路线和架构，确定以拉曼散射为理论基础、快速傅里叶变换为信号处理算法，选择可调谐半导体激光器，设计了4层复合结构的OFDR光缆，直径为 4mm ，较传统OTDR光缆减小 50% ，最大拉伸强度提高 33% ，最大抗压强度提升 233% 。在山西高和能源有限公司南翼一部带式输送机沿线开展工业性试验，结果表明，该系统在1a内运行稳定，系统巡检周期为12.5s,测温准确度为 0.5^°C ，定位准确度为 0.25m ，均满足NB/T10183—2019《矿用分布式光纤测温装置》要求且优于目前行业较高水平，同时能够可靠实现温度超限、温升速率、温差报警功能。
科研成果 | 基于无模型深度强化学习的煤泥浮选智能控制研究

科研成果 | 基于无模型深度强化学习的煤泥浮选智能控制研究

摘要：在煤泥浮选工业现场中，传统基于机理模型的控制方法因其依赖近似模型，存在控制精度受限与泛化能力不足的问题。而经典无模型深度强化学习算法如深度确定性策略梯度(DDPG),在处理高维时变状态时易受无关变量干扰，难以精准捕捉核心特征，导致策略稳定性下降。针对上述问题,提出一种基于融合注意力机制(AS)的无模型深度强化学习（AS-DDPG)的煤泥浮选智能控制方法。该方法采用AS-DDPG算法构建浮选智能控制器：以尾煤灰分为控制目标，在Actor-Critic网络基础上引入AS以精准捕捉核心特征，通过在线学习优化控制策略，建立了包含矿浆浓度、灰分、流量等关键参数的多维状态空间，设计了兼顾产品质量与药剂回收率的多目标奖励函数，直接通过智能体与环境的实时交互学习控制策略，能自适应捕捉过程动态特性，在实际浮选过程中保持稳定的控制效果。采集浮选工业现场的实时数据，经预处理后进行仿真实验，结果表明：相较于DDPG算法，AS-DDPG算法的训练误差降低 27% ，其奖励曲线收敛更快且波动幅度更小，有效策略比例提升2倍以上，表明其对高效药剂组合的探索更具方向性。工业性试验结果表明：相较于模糊 PID与DDPG算法,AS-DDPG 算法控制下的灰分标准差降至0.66,有效降低了浮选产品质量波动;捕收剂与起泡剂消耗分别优化至 0.56,0.25kg/t ，表明基于AS-DDPG算法的智能控制器能以更低的药剂投入达到稳定分选的效果。
分析与研究 | 基于LoRA微调与RAG融合的煤矿专业大模型应用关键技术

分析与研究 | 基于LoRA微调与RAG融合的煤矿专业大模型应用关键技术

摘要：目前煤矿行业大模型仅对用户的提问进行知识问答，未与现场实时数据相关联，无法对煤矿生产运行状况进行实时分析与指导。针对这些问题,提出一种基于大语言模型的低阶适应(LoRA)微调和检索增强生成(RAG)融合的煤矿专业大模型。该模型先运用LoRA技术从历史文本语料中抽取出知识实体并定义知识结构输入大模型进行微调，使大模型能够深入理解领域知识，再将实时产生的生产数据、实时更新的作业规程、法规条例等数据经过向量化清洗输入向量数据库，并与RAG的检索机制相结合，确保数据信息的实时性和准确性。实验结果表明： ① 经LoRA微调后，模型回答可以精准契合某煤矿“一通三防”管理制度汇编，不仅详细阐述了控制瓦斯排放的增阻限风、分风限风、逐段排放等具体方法，还对排放时间计算、传感器设置、图纸绘制及断电撤人等操作细则进行说明，实现了从泛泛而谈到精准定位具体煤矿特定文件内容的跨越。 ② 选取现场143万条液压支架时序数据，分别存入Milvus向量数据库与MySQL关系型数据库，从写入效率与查询性能2个维度进行对比，结果表明：Milvus向量数据库写入速度为MySQL关系型数据库的2.4倍；在向量检索场景方面，Milvus的向量相似度检索延迟稳定在 20ms ，在混合查询场景效率方面，MySQL需全表扫描后排序，143万条数据延迟超 100ms ，而Milvus将设备ID过滤后的子集输入分层可导航小世界图(HNSW)层，仅读取查询涉及的向量字段，避免了全表扫描。 ③ 将本地基于LoRA微调与RAG融合的煤矿专业大模型与本地离线deepseekR1-7b模型进行部署，对多项指标进行测试，结果表明：基于LoRA微调与RAG融合的煤矿专业大模型在煤矿专业领域知识学习性、知识动态化更新时效性、模型泛化与回答精确度方面具有显著优势，为工业级AI落地提供了可行路径。
分析与研究 | 基于改进YOLOv8n的煤矿井下受限场景目标检测算法

分析与研究 | 基于改进YOLOv8n的煤矿井下受限场景目标检测算法

摘要：在煤矿井下受限场景中由于目标尺度变化复杂、目标部分被遮挡和有效特征提取困难，导致目标检测精度低。针对上述问题，提出一种基于改进YOLOv8n的煤矿井下受限场景目标检测算法。在主干特征提取网络采用感受野注意力卷积(RFAConv),更好地处理受限环境下的目标空间位置信息，并根据特征的重要性动态调整权重,从而更关注目标的关键特征；在颈部网络引入高效多尺度注意力(EMA)模块，融合不同尺度的特征信息，提高了对尺度变化目标的检测精度;将新型可变形卷积(DCNv3)与动态检测头(DynamicHead)结合，通过将尺度感知注意力、空间感知注意力和任务感知注意力相统一，有助于模型关注空间尺度信息和适应不同的检测任务，提高了对多尺度目标和部分被遮挡目标的检测能力；引入考虑预测框权重分配的Unified-IOU(U-IOU)损失函数，通过动态调整在不同质量预测框上的关注度，使模型更专注于高质量预测框，提高模型的收敛速度和精度。实验结果表明，针对CUMT-BeIT数据集，改进YOLOv8n在煤矿井下输送带异物检测中的 mAP@0.5 相较于YOLOv8n提高了 5.6% ；针对DsLMF数据集，改进YOLOv8n在不同综采工作面作业场景下的总体mAP @0.5 相较于YOLOv8n提高了 4.8% ，有效减少了误检和重复检测的情况。
分析与研究 | 基于目标检测与跟踪的轻量化煤矿区域限员算法

分析与研究 | 基于目标检测与跟踪的轻量化煤矿区域限员算法

摘要：目前基于视频监控的井下区域限员算法主要利用多目标跟踪实现，存在运算复杂难以实现低功耗嵌入式移植，易受环境光源干扰等问题。针对上述问题，提出了一种基于目标检测与跟踪的轻量化煤矿区域限员算法。利用多台双目结构光摄像仪采集重点区域进出口的彩色图和深度图，基于改进的轻量化目标检测模型GF-YOLOv8,完成工作人员的图像定位；采用交并比优先策略对目标与轨迹进行匹配，减少了传统目标跟踪算法的匹配次数，提升了跟踪的运算速度；以跟踪轨迹为基础，通过多摄像仪的跨线计数的方式，统计重点区域总人数，当达到限员人数时，输出报警信息。试验结果表明：双目结构光摄像仪可以有效克服光照影响;改进的目标检测模型GF-YOLOv8的 AP@0.5 和 AP@0.5:0.95 较YOLOv8分别提高了 0.24% 3.42% ，参数量和每秒浮点运算次数分别降低了 17.29%,2.58% ；交并比优先策略与DeepSort算法精度相近，但具有更低的匹配复杂度；在限员报警次数方面，真实报警次数为17次，交并比优先策略正确报警16次，漏报1次。
分析与研究 | 基于CoordEF-YOLOv9t的煤矿井下人员行为识别

分析与研究 | 基于CoordEF-YOLOv9t的煤矿井下人员行为识别

摘要：基于深度学习的人员行为识别方法在煤矿井下应用存在对多类别行为识别缺乏系统性分类架构、光线昏暗和低清晰度图像导致细节丢失、矿工姿态和视角差异引发特征形变等问题。提出一种煤矿井下人员行为识别模型CoordEF-YOLOv9t。该模型分别从边缘细节与空间位置特征提取2个方面对YOLOv9t进行改进：YOLOv9t中RepNCSPELAN4模块的卷积操作在捕捉细微或模糊边缘时易导致细节模糊，针对该问题,设计了融合Sobel算子的边缘特征提取模块(EFEM),在RepNCSPELAN4模块中嵌入EFEM,增强主干网络与颈部网络对人体边缘细节的感知能力。传统卷积神经网络难以感知位置信息并充分学习人员位置与动作的空间特征，针对该问题，在颈部网络末端引入坐标卷积，提升模型对人员行为位置信息的感知能力。实验结果表明，CoordEF-YOLOv9t精确率 P 为 73.4% ，召回率 R 为 73.7% ,mAP @0.5 为 74.8% mAP(?0.5;0.95 为 61.1% ，相较于YOLOv9t分别提升 1.2%,3.2%,1.0%,2.1% ；与RT-DETR,YOLOvl1,YOLOvl2等主流模型相比,CoordEF-YOLOv9t综合性能更优，能更精准地识别煤矿井下人员行为。
分析与研究 | 煤矿采空区多孔非均匀介质无线信道建模

分析与研究 | 煤矿采空区多孔非均匀介质无线信道建模

摘要：现有井下无线信道建模主要针对巷道、井筒和房柱等几何结构相对规则的特定场景，对于几何形状复杂多变、介质分布不均匀的采空区场景适用性不足。针对煤矿采空区多孔非均匀介质环境，采用弹跳射线法进行无线信道建模。首先，建立煤矿采空区环境模型，通过弹跳射线法对电磁波在采空区多孔非均匀介质中的传播机制进行仿真，获取发射机-接收机、发射机-中继器、中继器-接收机之间的直射路径和反射路径。然后，针对各条传播路径，引入反射系数建立信道冲激响应模型和路径损耗模型，并综合考虑采空区环境温度和设备噪声系数，构建热噪声模型。最后，通过对多径分量进行相干矢量叠加，生成复合接收信号。基于所建立的采空区多孔非均匀介质无线信道模型，对0.7,0.8,0.9,2.6,3.5,5.9GHz频率下的信噪比进行了仿真，得到信噪比与频率呈显著负相关关系，这与煤矿井下无线通信的理论规律相符，表明所建立的无线信道模型能准确反映不同频率电磁波在采空区环境中的传播特性差异；在模拟采空区环境下，采用ZigBee和LoRa通信模块开展了 2.4GHz,868MHz 和915MHz 频率下不同传输距离的接收信号强度测试，测试结果与仿真结果具有良好的一致性，验证了所建立无线信道模型的准确性。
分析与研究 | 基于DS证据理论的井下UWB/LiDAR组合定位方法

分析与研究 | 基于DS证据理论的井下UWB/LiDAR组合定位方法

摘要：激光雷达(LiDAR)和超宽带(UWB)是目前常用的井下定位技术。针对在矿井巷道等结构特征稀疏且连续重复的场景下，单一LiDAR定位因几何约束信息不足而导致定位偏差、UWB定位易受非视距(NLOS)误差影响导致定位精度下降的问题，提出一种基于DS证据理论的井下UWB/LiDAR组合定位方法。以信道统计参数中的信号能量作为特征参数，采用核密度估计法进行特征提取;依据提取的能量特征，采用模拟退火-支持向量机（SA-SVM)对NLOS环境进行识别，实现对UWB定位中NLOS误差的有效处理；采用DS证据理论对UWB和LiDAR定位数据进行融合，以提高定位精度。在某煤矿井下巷道进行实验，结果表明：SA-SVM对NLOS环境的识别准确率达 94% ；基于DS证据理论的UWB/LiDAR组合定位方法的最大误差为 1.07350m ，最小误差为 0.00205m ，平均误差为 0.25934m ，标准差为 0.11005m ，均方根误差为 0.33108m ，优于UWB定位、LiDAR定位和基于扩展卡尔曼滤波的组合定位方法。
分析与研究 | 基于探地雷达与PSO-BP神经网络的煤岩界面预测研究

分析与研究 | 基于探地雷达与PSO-BP神经网络的煤岩界面预测研究

摘要：针对探地雷达在煤岩界面预测应用中精度不足的问题，利用粒子群优化(PSO)算法对BP神经网络进行优化，构建了基于探地雷达与PSO-BP神经网络的煤岩界面预测模型。采用探地雷达单侧反射法探测煤岩界面，总结不同情况下的雷达图像响应特征，从而确定煤岩界面特征参数：煤占比、响应位置振幅、煤响应位置振幅平均值、振幅衰减值、反射波所用双程走时、电磁波波速和煤介电常数;根据选择的特征参数开展介电常数测试和模拟煤岩界面识别实验，获取实测样本数据;采用PSO算法对BP神经网络权值与阈值进行优化，得到最优模型；将煤岩界面特征参数输入PSO-BP神经网络模型，实现煤岩界面预测。实验结果表明：与GA-BP和BP神经网络模型相比，PSO-BP模型的均方误差(MSE)分别下降了 22.14% 和 45.54% ，平均绝对百分比误差(MAPE)分别下降了 22.22% 和 46.15% ，平均绝对误差(MAE)分别下降了 31.58% 和 55.68% ，PSO-BP在预测精度、误差控制能力和数据拟合效果上均具有显著优势，预测煤岩界面位置更贴近实际位置，稳定性更好。
分析与研究 | 基于集成学习强化BPNN的掘进工作面温度预测模型

分析与研究 | 基于集成学习强化BPNN的掘进工作面温度预测模型

摘要：针对现有掘进工作面温度预测方法存在预测模型泛化性不强、鲁棒性较差，且对非线性多维数据的预测能力有限的问题，提出了一种基于集成学习强化反向传播神经网络(BPNN)的掘进工作面温度预测模型，即t-SNE-BPNN-AdaBoost。首先采用t-分布随机邻域嵌入（t-SNE)非线性降维技术，将通风机前风量、温度、相对湿度等7项高维特征降至3维，保留数据局部结构并去除噪声。然后将降维数据输入BPNN作为基分类器，经迭代训练得到初步模型。最后通过自适应推进算法(AdaBoost)集成学习，迭代训练多个BPNN弱分类器并加权组合为强分类器，增强模型泛化能力。将60组掘进工作面实测数据按8:2划分为训练集与测试集，经5折交叉验证确定AdaBoost最优弱学习器数量为30。实验结果表明： ① t-SNE-BPNN-AdaBoost预测曲线和真实值贴合度最优，整体误差小，在温度突变区段适应力强，稳定性远超SVM,BPNN和t-SNE-BPNN。 ② t-SNE-BPNN-AdaBoost的预测相对误差最小，几乎在 5% 以内，表现出最优的预测精度。 ③ 在测试集上，t-SNE-BPNN-AdaBoost的决定系数为0.9784,较SVM,BPNN,t-SNE-BPNN分别提高了 60.3% 17.2% 8.1% ；平均绝对误差为0.1676,均方误差为0.0567,平均绝对百分比误差为0.9640,指标均显著优于SVM,BPNN和t-SNE-BPNN，在温度突变区段适应性更强。
分析与研究 | 基于随机配置网络的重介质悬浮液密度鲁棒软测量方法

分析与研究 | 基于随机配置网络的重介质悬浮液密度鲁棒软测量方法

摘要：针对现有重介质悬浮液密度测量方法易受异常值影响等问题，提出了一种基于随机配置网络(SCN)的重介质悬浮液密度鲁棒软测量方法。基于SCN模型的近似误差来增量配置具有约束随机参数的隐藏节点，确认输入权重及输入偏置；采用具有厚尾特性的Laplace分布建模输出测量噪声，结合期望最大化(EM)算法估计输出权重，提升模型在异常值干扰下的鲁棒性。针对传统SCN监督机制中残差变量易受到负面影响，导致监督机制约束能力减弱的问题,提出了一种基于Laplace分布的增量式鲁棒随机配置网络(IRSCN),通过惩罚权重对SCN的监督机制进行加权,进一步抑制数据异常值对隐藏节点随机参数选择的干扰。实验结果表明：对比同类型鲁棒模型RANSAC-SCN,IRSCN在最大延迟响应、平均延迟响应与训练时间上均有优势,表明IRSCN的实时性更优，计算效率更高;在数据中存在异常值污染的情况下,IRSCN的RMSE平均值显著低于RANSAC-SCN与SCN,其整体误差水平最低;IRSCN在真实数据集上的误差明显小于其余模型，且能够更准确稳定地捕捉到重介质悬浮液密度的真实变化趋势。
分析与研究 | 一种针对煤炭颗粒图像的双阶段自适应分割框架

分析与研究 | 一种针对煤炭颗粒图像的双阶段自适应分割框架

摘要：在实际生产场景中，煤炭颗粒不规则的几何形态和复杂的空间分布不仅影响分割精度，也使得人工标注分割掩码极为不便，难以适用于大规模工业场景。针对该问题，提出了一种针对煤炭颗粒图像的双阶段自适应分割框架DASeg。该框架由DS-YOLO 目标检测模型、自适应边界框校正(ABR)模块和 SAM2 图像分割模型组成。DS-YOLO模型在YOLOvl1颈部网络中引入动态上采样模块DySample和空间与通道协同注意力（SCSA）模块,有效提高了目标检测精度。针对DS-YOLO生成的检测框难以贴合实际煤粒边界的问题，设计了ABR模块,ABR模块根据加权系数对原始检测框与掩码外接框进行加权融合，生成更准确的提示框。将修正后的坐标信息作为SAM2模型的提示输入，利用 SAM2提取全局与局部特征，并融合提示区域信息生成目标掩膜，实现煤粒分割。实验结果表明,DASeg分割框架在煤炭颗粒图像分割任务中表现优异，其中像素准确率(PA)达到93.1% ，平均交并比(mIoU)为 88.4% ，平均Dice 系数(mDice)为 93.4% 。
分析与研究 | 基于扩展多参量的液压支架立柱载荷预测方法研究

分析与研究 | 基于扩展多参量的液压支架立柱载荷预测方法研究

摘要：为了建立液压支架立柱载荷与其动态响应特性之间的映射关系，实现立柱载荷的动态预测，提出一种基于扩展响应特征参量的液压支架立柱载荷预测方法。利用滑模微分器滑模面的高频切换滤除立柱位移和压力信号中的测量噪声，通过导数提取将其动态响应参数扩展成位移、速度、加速度、压力和压力变化率5种响应特征参量;将5种参量输入基于BP神经网络的液压支架立柱载荷预测模型进行立柱载荷预测;搭建了液压支架立柱的AMESim-Simulink联合仿真模型，分析不同程度冲击动载荷作用下立柱的动态响应特性、立柱载荷与其扩展参量间的对应关系及基于扩展多参量的BP神经网络预测模型的性能。仿真结果表明：滑模微分器对立柱的测量位移和压力信号的估计精度分别为 98.73% 和 92.95% ；在5次载荷预测测试中，基于扩展多参量的BP神经网络预测模型的平均预测精度为 97.2% ，平均预测误差为 34.39kN ，较基于测量信号的BP神经网络预测模型降低了 31.97% 。
分析与研究 | 液压支架液控单向阀降柱冲击试验系统

分析与研究 | 液压支架液控单向阀降柱冲击试验系统

摘要：针对大采高工作面的高应力、大流量工况，为满足液压支架液控单向阀冲击试验的工程需求，设计了一套液控单向阀降柱冲击试验系统。该试验系统由液压和测控2个子系统组成，其中液压系统的核心部件为双级增压缸，采用阶梯结构设计，能在一台常规矿用乳化液泵供液的情况下实现保压、增压、卸载等功能，并基于加载腔、高压腔、细长孔等结构复现液控单向阀解锁过程中的弹性储能效应，为冲击试验提供更贴近实际工况的测试条件。测控系统则以虚拟仪器技术为框架，基于 100KS/s 高频采集准确捕捉测试过程的压力变化，通过上位机软件实现液压系统远程控制，以及数据处理与分析，保证了测试过程的安全性与自动化程度。以FDY1600/50型液控单向阀样件为被试阀进行试验，结果表明，该试验系统能反映出液控单向阀冲击试验中剧烈压力冲击、快速卸压、平稳卸流等特征，与实际工况试验结果契合;能够较好复现出液控单向阀在工作面进行降柱动作时的冲击效果，为判断被试阀性能提供了直观的数据支撑。
分析与研究 | 井下运输巷带式输送机撒煤自动清扫机构设计及仿真分析

分析与研究 | 井下运输巷带式输送机撒煤自动清扫机构设计及仿真分析

摘要：带式输送机作为煤矿井下主煤流运输装备，在运行过程中会出现撒煤及堆煤现象，而传统人工清理方式效率低且存在安全隐患，现有针对煤料清扫的巷道清理机器人存在清煤场景受限、清煤机构灵活性差等问题。针对上述问题，设计了一种井下运输巷带式输送机撒煤自动清扫机构，该机构由PCC型扒煤机械臂和CRRR型挖运机械臂组成，通过履带行走平台搭载其到达指定位置，然后由扒煤机械臂将胶带下方堆积的煤料扒出并聚拢，再由挖运机械臂将聚拢的煤料挖起并放回至胶带上。利用AnsysWorkbench软件对扒煤机械臂插入煤堆和水平扒煤工况进行了静力学仿真，对频繁启停的扒煤机械臂齿轮齿条升降机构进行了瞬态动力学仿真分析；利用ADAMS软件分别对扒煤机械臂自主扒煤、挖运机械臂自主挖运作业过程进行了运动学和动力学仿真。仿真结果表明：自动清扫机构的强度与刚度能满足实际工作需求，且具有一定的安全裕量;清扫机构的扒煤机械臂与挖运机械臂均可根据给定关节转角平稳运行至目标位置，满足煤矿井下运输巷最窄处仅 80cm 条件下的撒煤清理作业需求;在负载变化条件下，清扫机构各关节的力矩响应情况均符合预期,验证了其结构与实际任务需求之间的匹配性。
分析与研究 | 惰性气体喷射参数对H₂-CH₄混合气体爆炸抑制效果的影响

分析与研究 | 惰性气体喷射参数对H₂-CH₄混合气体爆炸抑制效果的影响

摘要：为探究惰性气体喷射参数对 H₂-CH₄ 混合气体爆炸特性的影响，在水平管道上开展了 N₂ 和 CO₂ 抑制H₂-CH₄ 混合气体爆炸的实验，研究了 N₂ 和 CO₂ 喷射位置及喷射角度对 H₂-CH₄ 混合气体爆炸压力、火焰传播速度和火焰波温度的影响。结果表明： N₂ 和 CO₂ 对爆炸压力、火焰传播速度和火焰波温度有明显的减弱作用，且 CO₂ 对 H₂-CH₄ 混合气体爆炸的抑制作用强于 N₂ ；惰性气体在近火端喷射位置的抑爆能力优于远火端喷射位置；随着惰性气体喷射角度增大，最大爆炸压力、火焰传播速度和火焰波温度均呈逐渐降低趋势，惰性气体对H₂-CH₄ 混合气体爆炸的抑制效果逐渐增强。通过Chemkin-Pro模拟可知：加入 CO₂ 时H自由基和OH自由基的摩尔分数峰值相较于无抑爆时分别下降了 14.2% 和 9.9% ；而加入 N₂ 时 H 自由基和OH自由基的摩尔分数相较于无抑爆时几乎无差别。“近火端 + 大角度”的组合喷射方式能够最大化发挥 CO₂ 在自由基消耗、物理吸热与可燃气体稀释方面的协同抑制效应；“远火端 + 小角度”的组合喷射方式则因扩散延迟与气体混合不均的双重制约，削弱了惰性气体的抑爆效能。
分析与研究 | 密闭取样煤样瓦斯解吸规律实验研究

分析与研究 | 密闭取样煤样瓦斯解吸规律实验研究

摘要：为研究密闭取样煤样瓦斯解吸规律，根据密闭取样工艺流程,将密闭取样煤样瓦斯解吸进程划分为逸散阶段、密闭解吸阶段和常压自然解吸阶段，开展了密闭取样煤样瓦斯解吸实验，分析了密闭取样煤样瓦斯累计解吸量与解吸速率的变化特征。结果表明： ① 在密闭解吸阶段，随着吸附平衡压力增大，煤样瓦斯累计解吸量和初始瓦斯解吸速率均呈增大趋势；但随着“等容变压”解吸的持续，瓦斯解吸能力受限，瓦斯解吸速率逐渐减小，瓦斯累计解吸量逐渐趋于稳定。 ② 在常压自然解吸阶段，随着吸附平衡压力增大，瓦斯累计解吸量和初始瓦斯解吸速率逐渐增大，且受密闭解吸阶段游离态瓦斯解吸影响，该阶段初始时刻的瓦斯解吸速率高于密闭解吸阶段；随着解吸时间增加，瓦斯累计解吸量逐渐趋于稳定。 ③ 孙重旭式能较好描述常压自然解吸过程瓦斯解吸规律,解吸指标随着吸附平衡压力增大而增大，而解吸指数在不同吸附平衡压力下基本保持稳定，表明密闭取样煤样在较高吸附平衡压力条件下具有更强的解吸能力，瓦斯解吸速率变化情况在不同吸附平衡压力下基本一致。
分析与研究 | 新一代信息技术赋能的矿山安全双重预防机制创新模式探讨

分析与研究 | 新一代信息技术赋能的矿山安全双重预防机制创新模式探讨

摘要：双重预防机制为解决传统矿山安全管理模式因过度依赖人工巡检与事后处置而难以实现风险隐患精准辨识与动态管控问题提供了系统性方案。阐述了矿山安全双重预防机制研究与应用现状，指出目前该机制存在风险评估与管控静态化与机械化、隐患排查与数据管理碎片化与孤岛化、动态响应与信息化应用滞后性与浅层化、人员能力与资源配置结构性失衡等问题。分析了数字孪生、人工智能(AI)大模型、矿山物联网等新一代信息技术在矿山安全双重预防机制中的适用性。构建了基于矿山物联网的数字孪生与AI大模型融合框架，进而提出基于该框架的矿山安全双重预防机制创新模式，即通过数字孪生实现风险场景虚拟映射与实时推演，依托智能管控平台完成多源数据融合与策略联动，借助AI大模型赋能知识驱动的智能分析，形成具备自学习、自优化能力的双重预防体系。分析指出创新模式应用中需解决数据安全与隐私保护、模型可靠性与漂移问题，并展望了未来矿山安全双重预防机制将实现从被动响应向主动防御、从单点管控向系统协同、从经验驱动向数据 ⁺ 机理双驱动的三大转变。

过往期刊

更多

猜你喜欢

龙源综合阅览室V1.0