-
题名神东矿区人工智能安全生产管控平台应用研究
- 1
-
-
作者
崔亚仲
贺建荣
任艳艳
-
机构
国家能源集团神东煤炭集团有限责任公司智能技术中心
-
出处
《煤炭科学技术》
北大核心
2025年第S1期275-283,共9页
-
基金
国家能源集团2023年度十大科技攻关项目:大采高综采10 KV供电及配套采煤机研制与工程示范(GJNY-23-44)
综采工作面10 kV刮板运输机三机研究与示范(GJNY-23-45)。
-
文摘
目前,人工智能技术在煤炭行业井下采掘机运通各领域已取得一定应用成果,但现有技术大多停留在单一场景和业务应用层面,缺少基于人工智能技术的系统级解决方案。为了提高煤矿安全生产水平,亟需实现煤矿井下采掘机运通各个系统的集成和数据共享,满足人工智能场景的数据提取与应用。为此,通过搭建云端、边侧、端边的AI节点,建立基于云边端的协同架构体系,构建基于工业环网、井下5G、工业控制数据、大数据、私有云、机器人、智能感知体的自主可控的人工智能平台,初步形成包括基础设施、AI开发框架、数据集、AI训练、AI部署、AI服务能力、业务应用自下而上的神东矿区人工智能平台架构,应用监督学习、半监督学习、迁移学习等技术来提升模型训练效率和质量,通过神东部分矿井生产现场部署的监控点采集训练数据和验证数据集,作为研究的数据对象,并将相关训练的AI模型和算法部署到煤矿安全生产的场景中,进一步提高煤矿专家系统、机器人、决策管理、安全管理和设备监测等智能化水平,以神东矿区行人不行车、工业摄像头模糊程度、主运输系统安全监测为例来验证人工智能安全生产管控平台的应用效果。
-
关键词
人工智能
智慧矿山
云边协同
监督学习
AI架构
-
Keywords
artificial intelligence
smart mines
cloud edge collaborative
supervised learning
AI architecture
-
分类号
TD82
[矿业工程—煤矿开采]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于双注意力生成对抗网络的煤流异物智能检测方法
被引量：6
- 2
-
-
作者
曹正远
蒋伟
方成辉
-
机构
国家能源集团神东煤炭集团有限责任公司智能技术中心
天地(常州)自动化股份有限公司
中国矿业大学体育学院
-
出处
《工矿自动化》
CSCD
北大核心
2023年第12期56-62,共7页
-
基金
天地(常州)自动化股份有限公司科研项目(2022FY0009)。
-
文摘
在煤炭开采过程中混入的异物可能会导致输送带连接处堵塞甚至输送带撕裂等事故,现有的机器学习算法大多采用监督学习的方式自动识别物品类别,而在真实工矿场景下,异常样本稀缺,易导致建模数据集存在严重的样本分布不平衡且显著特征丢失的问题。针对上述问题,提出了一种基于双注意力生成对抗网络(DA-GANomaly)的煤流异物智能检测方法。该方法采用半监督学习的方式,仅需要正常样本完成异物检测模型训练,有效解决了因样本分布不平衡造成的识别精度低、鲁棒性差的问题;在Skip-GANomaly的基础上引入双注意力机制,增强了编码器与解码器之间的信息交流,以抑制无关特征和噪声,同时突出有利于区分异常样本的感兴趣特征,进一步提高模型分类的准确性。实验结果表明:DA-GANomaly模型的分类精确率为79.5%,召回率为83.2%,精确率-召回率曲线下面积(AUPRC)为85.1%;与AnoGAN等5种经典异常检测模型相比,DA-GANomaly模型的综合性能最佳。
-
关键词
煤流异物检测
带式输送机
机器视觉
深度学习
生成对抗网络
双注意力机制
半监督学习
-
Keywords
detection of foreign objects in coal flow
belt conveyor
machine vision
deep learning
generative adversarial network
dual attention mechanism
semi supervised learning
-
分类号
TD528
[矿业工程—矿山机电]
-
