-
题名智能煤矿技术研究与政策制定现状
被引量：32
- 1
-
-
作者
胡青松
钱建生
李世银
孙彦景
-
机构
中国矿业大学地下空间智能控制教育部工程研究中心
中国矿业大学信息与控制工程学院
中国矿业大学徐州市智能安全与应急协同工程研究中心
-
出处
《工矿自动化》
北大核心
2021年第3期1-8,共8页
-
基金
国家自然科学基金资助项目(51874299,61771474)
山东省重大科技创新工程项目(2019JZZY020505)
中国矿业大学“工业物联网与应急协同”创新团队资助项目(2020ZY002)。
-
文摘
目前针对智能煤矿的研究集中在顶层设计、理论架构、核心技术、管控平台、建设路线、标准制定、评价体系等方面,没有文献针对《关于加快煤矿智能化发展的指导意见》发布前后的技术研究情况进行探讨。智能煤矿具有技术密集型和资金密集型特征,需要由政策引导,形成汇聚政府、学术、产业、金融和用户的合力。以CNKI(中国知网)为工具,挖掘分析了智能煤矿技术研究现状、关注热点和主要研究机构。归纳梳理了国家层面及贵州、山东、山西等主要产煤大省的智能煤矿政策制定现状,各省虽在智能煤矿入手点和实施进度上略有差异,但是均在实施办法和验收定级等方面发布了指导性文件,并在标准制定、创新研发中心设立方面进行了尝试,加速了智能煤矿研究和建设步伐。
-
关键词
智能煤矿
煤矿智能化
人工智能
顶层设计
标准制定
政策制定
-
Keywords
intelligent coal mine
coal mine intelligence
artificial intelligence
top-level design
standard development
policy development
-
分类号
TD67
[矿业工程—矿山机电]
-
-
题名矿井无人驾驶环境感知技术研究现状及展望
被引量：22
- 2
-
-
作者
胡青松
孟春蕾
李世银
孙彦景
-
机构
中国矿业大学地下空间智能控制教育部工程研究中心
中国矿业大学信息与控制工程学院
中国矿业大学徐州市智能安全与应急协同工程研究中心
-
出处
《工矿自动化》
CSCD
北大核心
2023年第6期128-140,共13页
-
基金
国家自然科学基金资助项目(51874299)
中国矿业大学“双一流”建设提升自主创新能力项目(2022ZZCX01K01)
+1 种基金
山东省重大科技创新工程项目(2019JZZY020505)
中国矿业大学“工业物联网与应急协同”创新团队资助计划项目(2020ZY002)。
-
文摘
矿井辅助运输系统是煤矿企业运输人员和重要物料、装备的必备系统,实现矿井无人驾驶是提高运输效率、保障运输安全的必然要求,也是落实国家煤矿智能化建设部署的必由之路。矿井无人驾驶依赖于准确实时的环境感知,即利用激光雷达、毫米波雷达等车载感知器件和车联网支持下的协同感知,实现车辆局部甚至矿井全局的精确详尽感知。对矿井无人驾驶环境感知技术的研究现状进行了系统梳理,指出巷道特殊环境使得矿井车载感知设备的性能都将出现不同程度的下降,并对各种车载感知设备的优劣进行了总结归纳;详细阐述了矿井无人驾驶环境感知的关键技术,包括基于可见光图像或激光点云的单传感器障碍物识别方法,多传感器融合感知的分类及可见光图像+激光点云、可见光图像+毫米波点云、可见光图像+激光点云+毫米波点云、4D毫米波雷达+其他感知器件等多传感器融合方式,智能网联协同感知的实现方式、数据处理方法及其对无人驾驶的促进作用,井下巷道交通标志检测与识别方法,井下无轨胶轮车和有轨机车的巷道可行驶区域分割方法等;对矿井无人驾驶环境感知技术的发展方向进行了展望,建议提高矿井多传感器融合性能、研究矿井自适应感知算法并突破矿井智能网联协同感知技术。
-
关键词
矿井无人驾驶
辅助运输
无轨胶轮车
有轨机车
环境感知
障碍物识别
多传感器融合
网联协同感知
-
Keywords
mine unmanned driving
auxiliary transportation
trackless rubber wheeled vehicles
tracked locomotives
environment perception
obstacle recognition
multi-sensor fusion
networked collaborative perception
-
分类号
TD67
[矿业工程—矿山机电]
-
-
题名基于大数据与AI驱动的智能煤矿目标位置服务技术
被引量：20
- 3
-
-
作者
胡青松
张赫男
李世银
孙彦景
-
机构
中国矿业大学地下空间智能控制教育部工程研究中心
中国矿业大学信息与控制工程学院
中国矿业大学徐州市智能安全与应急协同工程研究中心
-
出处
《煤炭科学技术》
CAS
CSCD
北大核心
2020年第8期121-130,共10页
-
基金
国家自然科学基金资助项目(51874299,61771474)
山东省重大科技创新工程资助项目(2019JZZY020505)
中国矿业大学“工业物联网与应急协同”创新团队资助计划资助项目(2020ZY002)。
-
文摘
在大数据和人工智能驱动下,矿山目标与事件源位置可以提供丰富的位置服务,这些服务远超出了人员定位、装备定姿、机器人导航、无人驾驶等单个系统的范畴,宜从系统观点和全局角度进行统一设计。给出了矿山目标位置服务的框架结构,研究了其位置对象层、位置获取层、位置传输层、位置挖掘与服务层的主要构成和功能;探讨了矿山目标位置服务的3大关键技术,其中:①矿井动目标精确定位技术重点研究距离测量、距离测量优化、目标节点位置解算和定位系统研发;②矿山位置大数据技术研究大数据的获取、存储和分析策略;③矿山目标位置服务人工智能算法则主要研究感知智能、生产智能和决策智能。总结了矿山目标位置服务在应急撤离与应急救援、遥控采煤与无人采煤、矿井位置大数据应用等3大领域的研究热点,主要包括规划最佳逃生路径,确定被困人员位置与救援,事故原因分析与追责,采掘装备定位定姿与导航,多机器人协同定位与导航,矿井无人驾驶技术与装备,事件时空演化规律分析,基于轨迹的调度决策,煤矿生产过程一张图等。指出矿山目标位置服务正成为煤矿的基础设施,其发展趋势是构建融合时空属性的泛在一张网,融合位置推理的决策模型库和融合位置服务的智能矿山平台。
-
关键词
矿山目标位置服务
智能煤矿
无人采煤
矿山物联网
动目标定位
应急救援
-
Keywords
mine location service
intelligent coal mine
unmanned coal mining
mine internet of things
moving objects localization
emergency rescue
-
分类号
TD67
[矿业工程—矿山机电]
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名全源矿井定位:一种智能煤矿位置服务新范式
被引量：9
- 4
-
-
作者
胡青松
钱建生
李世银
孙彦景
张朕
-
机构
中国矿业大学地下空间智能控制教育部工程研究中心
中国矿业大学信息与控制工程学院
中国矿业大学徐州市智能安全与应急协同工程研究中心
青岛松灵电力环保设备有限公司
-
出处
《工矿自动化》
北大核心
2021年第1期1-8,I0001,共9页
-
基金
国家自然科学基金资助项目(51874299,61771474)
山东省重大科技创新工程项目(2019JZZY020505)
中国矿业大学“工业物联网与应急协同”创新团队资助计划(2020ZY002)。
-
文摘
矿山动目标定位系统为煤矿智能化建设提供基于位置的服务。而传统的矿井定位系统中定位信标与定位标签之间大多采用单一或组合通信技术,结构不灵活,覆盖范围受限,鲁棒性不高,定位精度有限;使用单一或组合测距技术,无法根据使用场景的不同自适应选择最优测距技术;位置求解算法固定,无法根据使用场景的不同和信号变化自适应选择最优求解算法。提出了全源矿井定位新范式,可根据定位环境和目标承载平台的变化,从所有可用定位信号测量设备中动态选择满足当前需求的最优设备组合,自适应地从可用的测距算法、位置解算算法、结果优化算法中选择最优的算法组合,计算出目标节点的最优位置。给出了全源矿井定位系统架构,探讨了矿井中可用的定位信号测量设备和可用于定位的测量属性值类型,对比了单一矿井定位与全源矿井定位在定位服务器方面的功能差异。研究了全源矿井定位中的3项关键技术:统一定位框架技术,旨在解决全源定位的模块化、组合式、可扩充需求;全源定位信息融合技术,对测量属性值进行有机组织,达到提高定位精度的目的;通信定位一体化技术,通过无线通信网络本身所具有的定位能力,简化全源矿井定位系统的设计并提高定位精度。提出了基于“端-边-云”的全源矿井定位系统实施架构,以便与煤矿智能化的主流建设模式相适应,大幅降低实施难度和系统成本。
-
关键词
智能煤矿
位置服务
矿井定位
动目标定位
全源定位
组合定位
定位信息融合
通信定位一体化
-
Keywords
intelligent coal mine
position services
mine positioning
moving target positioning
all source positioning
combined positioning
positioning information fusion
communication and positioning integration
-
分类号
TD67
[矿业工程—矿山机电]
-
-
题名再论智能煤矿建设路线——基于人工智能3.0视角
被引量：8
- 5
-
-
作者
胡青松
钱建生
李世银
孙彦景
-
机构
中国矿业大学地下空间智能控制教育部工程研究中心
中国矿业大学信息与控制工程学院
中国矿业大学徐州市智能安全与应急协同工程研究中心
-
出处
《煤炭科学技术》
CAS
CSCD
北大核心
2022年第1期256-264,共9页
-
基金
国家自然科学基金资助项目(51874299,61771474)
国家重点研发计划资助项目(2018YFC0808302)。
-
文摘
合理的建设路线是煤矿智能化技术落地应用的重要保障。指出智能煤矿=煤矿智能化愿景+人工智能3.0特征,只有实现了人工智能基本要素,才能让传统煤矿企业发展出"智能";只有遵循煤矿企业发展规律、以煤炭行业高质量发展为愿景的人工智能,才能称为煤矿智能化。提出一套人工智能关键要素驱动的智能煤矿建设思路,它包括煤矿应用、计算能力、知识库、算法库和数据设施5大部分,简称ACKADa(Application,Computing,Knowledge,Alogorithm,Data)。应用平台包括一个大平台、若干小平台和N个子系统,数据设施包括感知网络、骨干网络、自动化改造与综合接入、大数据中心,计算能力包括边缘计算、云计算和部分大数据中心设施,算法库包括智能设备健康算法、智能采掘算法、智能定位导航算法、智能视频分析算法等,知识库包括周知型知识库和习得型知识库。相比其他建设方法,ACKADa思路的建设内容更加完整合理,且具有理论上更易理解、实践中更易使用的优势,并能将综合自动化、矿山物联网、大数据、云计算、边缘计算等技术统一在一个井然有序的逻辑体系。
-
关键词
智能煤矿
人工智能
矿山物联网
云计算
边缘计算
端-边-云
-
Keywords
intelligent coal mine
artificial intelligence
mine Internet of Things
cloud computing
edge computing
end-edge-cloud
-
分类号
TD67
[矿业工程—矿山机电]
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于粒子群与模拟退火算法的改进矿井克里金定位方法
被引量：10
- 6
-
-
作者
胡青松
梁天河
李世银
孙彦景
-
机构
中国矿业大学地下空间智能控制教育部工程研究中心
中国矿业大学信息与控制工程学院
中国矿业大学徐州市智能安全与应急协同工程研究中心
-
出处
《金属矿山》
CAS
北大核心
2023年第5期221-227,共7页
-
基金
国家自然科学基金项目(编号:51874299)
中国矿业大学“双一流”建设提升自主创新能力项目(编号:2022ZZCX01K01)
+1 种基金
中国矿业大学“工业物联网与应急协同”创新团队资助计划项目(编号:2020ZY002)
山东省重大科技创新工程项目(编号:2019JZZY020505)。
-
文摘
位置信息对于矿井作业中的人员管理和灾后救援至关重要,指纹定位可显著提高矿井定位精度,但费时费力的指纹库构建过程阻碍了其大规模应用。为此,提出了一种基于粒子群与模拟退火的克里金插值算法(PSOSA-Kriging),初始阶段只需采集部分指纹采样点的数据,以这些采样点数据为依据,通过克里金模型插值获得全部指纹数据集,并利用粒子群与模拟退火算法对克里金理论模型进行优化,使得构建出的指纹库更贴合实际矿井环境。算法利用粒子群收敛速度快的优势,解决了指纹库快速构建难题。同时,利用模拟退火克服粒子群可能陷入局部最优的缺陷,使得模型拟合更准确、插值结果更精确。在上述分析的基础上,通过在矿井环境下采集指纹数据,建立全部采样数据库、半采样与插值混合数据库,并选用最近邻算法(KNN)进行了定位验证。结果表明:POS-SA-Kriging算法不但大幅降低了指纹构建工作量,而且显著提高了定位精度,实现了指纹库构建速度与目标定位精度的联合优化。
-
关键词
矿井定位
指纹定位
克里金插值
粒子群
模拟退火
-
Keywords
mine positioning
fingerprint localization
Kriging interpolation
particle swarm optimization
simulated annealing
-
分类号
TD665.3
[矿业工程—矿山机电]
-
-
题名一种煤矿井下无线自组网灾后重构算法
被引量：2
- 7
-
-
作者
胡青松
王胜男
-
机构
中国矿业大学地下空间智能控制教育部工程研究中心
中国矿业大学信息与控制工程学院
中国矿业大学徐州市智能安全与应急协同工程研究中心
-
出处
《工矿自动化》
北大核心
2022年第2期93-99,共7页
-
基金
国家自然科学基金资助项目(51874299)
山东省重大科技创新工程项目(2019JZZY020505)
中国矿业大学“工业物联网与应急协同”创新团队资助计划项目(2020ZY002)。
-
文摘
矿井事故常导致部分通信链路损坏、通信网络连通性恶化,利用残存节点和有限的新设节点,通过构造局部虚拟骨干网方式重构矿山救援网络可降低网络能量开销,增强连通覆盖控制能力。提出了一种基于多维度虚拟骨干网构造的煤矿井下无线自组网灾后重构算法。考虑无线传感器网络介数中心度、节点紧密度、节点剩余能量筛选机制3个维度,构建了虚拟骨干网节点综合评价指标,选取综合评价指标大的节点作为统治节点,以增强虚拟骨干网的鲁棒性,延长网络寿命。介绍了虚拟骨干网构造过程:在初始阶段,通过多轮选举产生统治节点并更新支配集;在支配集连接阶段,选举出中继节点,各统治节点、中继节点建立连接,形成连通支配集。采用一阶无线电能耗模型分析了虚拟骨干网能耗。采用Matlab R2017A平台对基于该算法重构的网络进行仿真实验,结果表明网络剩余能量、统治节点数量、节点覆盖率等指标均优于采用基于休眠机制和能量均衡的连通支配集算法、能量均衡的最小连通支配集算法构建的网络。
-
关键词
煤矿通信系统
矿山救援网络
无线传感器网络
无线自组网重构
虚拟骨干网
连通支配集
统治节点
-
Keywords
coal mine communication system
coal mine rescue network
wireless sensor network
wireless ad hoc network reconstruction
virtual backbone network
connected dominating set
dominant node
-
分类号
TD655
[矿业工程—矿山机电]
-
-
题名灾后煤矿物联网网络空洞覆盖重构算法
被引量：2
- 8
-
-
作者
胡青松
范莘舸
李鹤
-
机构
中国矿业大学地下空间智能控制教育部工程研究中心
中国矿业大学信息与控制工程学院
中国矿业大学徐州市智能安全与应急协同工程研究中心
徐州燃烧控制研究院有限公司
-
出处
《工矿自动化》
北大核心
2022年第5期39-45,共7页
-
基金
国家自然科学基金资助项目(51874299)
山东省重大科技创新工程项目(2019JZZY020505)
中国矿业大学“工业物联网与应急协同”创新团队资助计划项目(2020ZY002)。
-
文摘
灾后煤矿物联网因部分节点损毁或障碍物遮挡,会导致网络空洞问题,阻碍网络连通。现有网络空洞覆盖算法未考虑井下灾后地理环境因素,且未对修复后的网络进行优化,无法满足灾后煤矿物联网重构需求。针对该问题,提出了一种煤矿物联网灾后有障碍物情况下的网络空洞覆盖重构算法-NHCRA-O。建立了灾后煤矿物联网模型和节点感知模型,采用Delaunay三角剖分对网络中残存节点及障碍物角点进行区域划分,通过节点感知模型判断区域内是否存在网络空洞;计算Delaunay三角形质心位置,利用质心和Delaunay三角形顶点之间的距离确定虚拟修复节点位置;对虚拟修复节点和移动节点进行可视化判断,并基于距离因子和能量因子计算二者优先级,通过预剪枝操作删除部分计算结果来提高算法收敛速度,根据可视化判断结果和节点优先级进行虚拟修复节点和移动节点双向匹配,从而确定移动节点最终位置,完成网络空洞修复;融合剩余能量因子、节点连通度和方向介数计算节点优先级,根据优先级选举簇头节点,其他成员节点就近入簇,实现网络重构。采用Matlab2016a软件对NHCRA-O的节点匹配效率、网络覆盖效率和网络生存时间进行仿真研究,结果表明:NHCRA-O完成移动节点与虚拟修复节点匹配的次数较Gale-Shapley算法减少31.4%,网络覆盖率较C-V算法和PSO算法高且移动节点平均移动距离短,NHCRA-O重构的网络生存时间明显高于SEP算法和LEACH算法重构的网络。
-
关键词
煤矿物联网
事故区域物联网
网络空洞覆盖
网络空洞修复
网络重构
节点可视化
节点双向匹配
-
Keywords
coal mine Internet of things
Internet of things in disaster area
network hole coverage
network hole repair
network reconstruction
node visualization
node bidirectional matching
-
分类号
TD655
[矿业工程—矿山机电]
-
-
题名基于DA-GCN的煤矿人员行为识别方法
被引量：11
- 9
-
-
作者
黄瀚
程小舟
云霄
周玉
孙彦景
-
机构
中国矿业大学信息与控制工程学院
中钢集团马鞍山矿山研究院股份有限公司选矿及自动化研究所
中国矿业大学徐州市智能安全与应急协同工程研究中心
-
出处
《工矿自动化》
北大核心
2021年第4期62-66,共5页
-
基金
江苏省自然科学基金青年项目(BK20180640)
国家自然科学基金项目(61902404,51734009,51504255,51734009,61771417,62001475)
+1 种基金
国家重点研发计划项目(2016YFC0801403)
江苏省重点研发计划项目(BE2015040)。
-
文摘
针对煤矿生产区域的监控视频较为模糊且人员行为类型复杂,常规行为识别方法的准确率较低的问题,提出了一种基于动态注意力与多层感知图卷积网络(DA-GCN)的煤矿人员行为识别方法。采用Openpose算法提取输入视频的人体关键点,得到3个维度、18个坐标的人体关键点信息,降低模糊背景信息的干扰;通过动态多层感知图卷积网络(D-GCN)提取人体关键点的空间特征,通过时间卷积网络(TCN)提取人体关键点的时间特征,提高网络对不同动作的泛化能力;使用动态注意力机制,增强网络对于动作关键帧、关键骨架的注意力程度,进一步缓解视频质量不佳带来的影响;使用Softmax分类器进行动作分类。通过场景分析,将井下行为分为站立、行走、坐、跨越和操作设备5种类型,构建适用于煤矿场景的Cumt-Action数据集。实验结果表明,DA-GCN在Cumt-Action数据集的最高准确率达到99.3%,最高召回率达到98.6%;与其他算法相比,DA-GCN在Cumt-Action数据集和公共数据集NTU-RGBD上均具有较高的识别准确率,证明了DA-GCN优秀的行为识别能力。
-
关键词
煤矿视频监控
关键点提取
井下人员行为识别
动态多层感知图卷积
动态注意力机制
-
Keywords
coal mine video monitoring
key point extraction
underground personnel action recognition
dynamic multi-layer perception graph convolution
dynamic attention mechanism
-
分类号
TD67
[矿业工程—矿山机电]
-
