-
题名李家壕煤矿多系统井下耦合联动关键技术研究
- 1
-
-
作者
史志红
郭彪
陈鹏
孟金涛
乔旭
梁熙蓉
-
机构
中煤科工集团北京华宇工程有限公司
北京和利时数字技术有限公司
和利时卡优倍科技有限公司
中国矿业大学(北京)
-
出处
《煤炭工程》
北大核心
2025年第9期10-17,共8页
-
文摘
针对李家壕煤矿智慧矿山平台建设中跨厂商、跨代际系统的深度协同问题,提出协同控制系统采用分层递阶结构,在通信接口层设计基于OPC UA的协议转换网关,实现RS485、工业以太网、LoRa等多协议兼容。在数据融合层采用强化学习算法进行多源数据融合,依据数据的动态变化自动调整交互策略。在智能联动层开发事件驱动的动态耦合算法,建立包含32个状态参数的联动决策矩阵。通过在李家壕煤矿的应用测试表明:与之前相比,应急联动响应时间缩短至9.7 s,设备综合能效提升19.3%。通过构建统一通信协议栈与数据融合机制,建立跨系统的动态耦合模型,实现了矿山生产系统的智能化协同管控。
-
关键词
智慧矿山
耦合联动
分层递阶
数字孪生
通信协议
-
Keywords
smart mine
coupled coordination
hierarchical structure
digital twin
communication protocol
-
分类号
TD918
[矿业工程—选矿]
-
-
题名融合坐标注意力与多尺度特征的轻量级安全帽佩戴检测
被引量：7
- 2
-
-
作者
李忠飞
冯仕咏
郭骏
张云鹤
徐飞翔
-
机构
内蒙古电投能源股份有限公司北露天煤矿
中国矿业大学信息与控制工程学院
北京和利时数字技术有限公司
-
出处
《工矿自动化》
CSCD
北大核心
2023年第11期151-159,共9页
-
基金
国家重点研发计划项目(2021YFC2902702)。
-
文摘
针对现有煤矿工人安全帽佩戴检测算法存在检测精度与速度难以取得较好平衡的问题,以YOLOv4模型为基础,提出了一种融合坐标注意力与多尺度的轻量级模型M-YOLO,并将其用于安全帽佩戴检测。该模型使用融入混洗坐标注意力模块的轻量化特征提取网络S-MobileNetV2替换YOLOv4的特征提取网络CSPDarknet53,在减少相关参数量的前提下,有效改善了特征之间的联系;将原有空间金字塔池化结构中的并行连接方式改为串行连接,有效提高了计算效率;对特征融合网络进行改进,引入具有高分辨率、多细节纹理信息的浅层特征,以有效加强对检测目标特征的提取,并将原有Neck结构中的部分卷积修改为深度可分离卷积,在保证检测精度的前提下进一步降低了模型的参数量和计算量。实验结果表明,与YOLOv4模型相比,M-YOLO模型的平均精度均值仅降低了0.84%,但计算量、参数量、模型大小分别减小了74.5%,72.8%,81.6%,检测速度提高了53.4%;相较于其他模型,M-YOLO模型在准确率和实时性方面取得了良好的平衡,满足在智能视频监控终端上嵌入式加载和部署的需求。
-
关键词
目标检测
安全帽佩戴检测
坐标注意力模块
轻量化
多尺度特征融合
-
Keywords
object detection
safety helmet wearing detection
coordinate attention module
lightweight
multiscale feature fusion
-
分类号
TD67
[矿业工程—矿山机电]
-
