基于黏菌优化极限学习机的煤矸石多光谱识别

煤和矸石的精准辨识是煤矸分选和煤炭清洁高效利用的重要前提,针对传统方法存在效率低、需加装辐射 隔离以及受环境干扰等诸多不足,提出了基于多光谱图像特性和光谱特性来识别煤和矸石,构建黏菌优化极限学 习机(Slime Mold Algorithm Extreme Learning Machine,SMA-ELM)的分类模型。 搭建多光谱数据采集系统完成煤与 矸石的光谱图像采集,通过 LBP 对光谱图像进行特征提取并使用 PCA 主成分分析对提取后的特征向量降维,输入 SMA-ELM 分类模型、蚁狮优化极限学习机(Antlion Algorithm Optimized Extreme Learning Machine,ALO-ELM)分类 模型、鲸鱼优化极限学习机(Whale Algorithm Optimized Extreme Learning Machine,WOA-ELM)分类模型进行对比, 重点研究不同波长响应下煤和矸石的辨识精度来筛选最佳波长,通过多评价指标对优化后的最优波段进行比较。 实验结果表明, SMA -ELM 分类效果最佳,第 6 波段为最优波段, SMA - ELM 在该波段的平均识别准确率为 95. 08%,煤和矸石的识别 F1-Score 分别为 96. 47%和 92. 68%,用时 10. 6 s。 所提出的方法可以实现煤和矸石的精 准识别,这对煤和矸石的智能分选具有重要的研究意义。     

井下煤矸分离工艺在新汶矿区节能领域中的研究与应用

在传统的煤炭开采系统中,井下开采出来的矸石与煤炭通过原煤运输系统运至地面洗选厂洗选,分选后的煤矸石堆积成山,占用土地,造成污染环境。新汶矿业集团以科学发展观统领全局,紧紧围绕转方式、调结构这条主线,以建设资源节约型、环境友好型矿区为目标,运用循环经济和低碳经济的发展思路,针对老矿井生产环节多、原煤含矸率高的生产实际,在矿井煤矸分离节能技术研究中探索出了一条提高矿井原煤质量、实现绿色开采的节能减排新思路。     

多功能棒条筛的应用与推广

在煤炭生产的过程中,伴随有大量的矸石,矸石不停地冲击皮带,常造成排矸皮带出现故障,影响提升;当矸石多,煤块也多的时侯,手工选煤皮带无法将碎煤块拣净,特别是一些附着在矸石上煤面,根本无法回收利用;当煤湿的时候,大量的湿煤随矸石运到矸石山,造成浪费;由于大量的煤面的存在,放矸石时造成整个副井口附近煤尘飞扬,污染环境,增加了尘肺病患者。因此,在排矸系统中建立一部多功能棒条筛是非常必要的。     

绿色开采的理念与技术框架

绿色开采的理念是针对煤炭开采造成的严重环境问题提出的,它是从广义资源的角度认识和对待煤、瓦斯、地下水、土地、矸石等一切可以利用的资源,基于采动岩层运动规律防止或尽可能减轻开采煤炭对环境和其他资源的不良影响;目标是取得最佳的经济效益、环境效益和社会效益。构建的绿色开采技术框架包括保水开采、减沉开采、煤与煤层气(瓦斯)共采、矸石减排、煤炭地下气化等。     

基于双能γ射线的煤,矸石区域分割识别方法

基于双能量γ射线透射方式煤，矸石实施在线分选，阐述了一种将理论模型与几何特性相结合的区域分割识别方法。     

基于正负相位和奇异点偶识别规则的煤矸识别技术对比研究

采用数字信号处理技术对煤和矸石撞击刮板运输机产生的振动信号进行适当处理,可以完成煤矸实时识别,即时做出对液压支架的控制。文章对所采集到的放煤阶段产生的5组振动信号,分别采用时域一阶差分分析和小波域内模系数极大法分析。在时域内定义了振动信号的正负相位概念,在小波域内定义了正向、负向奇异点偶概念。由所定义的正负相位和奇异点偶概念分别导出煤和矸石识别规则,以实现动态的煤矸自动识别操作。从可靠性和算法的高效性看,正负相位法识别规则优于奇异点偶法识别规则。从深层数据规律看,奇异点偶法识别规则优于正负相位法识别规则。     

基于双能γ射线的煤、矸石区域分割识别方法

基于双能量γ射线透射方式对煤、矸石实施在线分选，阐述了一种将理论模型与几何特性相结合的区域分割识别方法．它具有识别范围宽、能有效避免统计涨落误差的影响等特点．对最大区域分割条件、分割效率及特征向量的作用问题也进行了讨论．     

基于改进MobileNetV3网络煤矸识别方法研究

为了解决煤矸识别中经典卷积神经网络有着计算量大、识别速度慢等问题，提出基于改进MobileNetV3网络对煤和矸石进行识别的方法。以MobileNetV3模型为基础模型，对激活函数、注意力机制进行改进并对网络层数进行缩减，最后通过测试准确率，F1分数，浮点运算次数(FLOPs)作为模型评估的基准，结果表明：改进MobileNetV3后的测试准确率为99.5%,F1分数为0.995,FLOPs为50455003次，通过该模型与MobileNetV3,EfficientNet, AlexNet模型对比，可知该模型的各项指标均高于其他模型，适合做煤矸识别模型。     

双能γ射线透射法煤矸石在线识别与分选系统

论述了双能γ射线透射法煤矸石在线识别与分选系统的原理、判别模型和构成．其主要特点在于此方法有效地解决了对不同粒度煤和矸石的组分识别问题．测试结果及长期运行表明，其识别准确率达９３％以上．     

双能γ射线透射法煤矸石在线识别与分选系统

论述了双能γ射线透射法煤矸石在线识别与分选系统的原理、判别模型和构成。其主要特点在于此方法有效地解决了对不同粒度煤和矸石的组分识别问题。测试结果及长期运行表明，其识别准确率达９３％以上。     

矿山灾害监测预警与应急处置技术研究与展望

正翟小伟,教授,博士生导师,西安科技大学榆林煤炭绿色安全高效开采与清洁利用研究院院长、西安科技大学煤火灾害防治研究所所长。主持国家重点研发计划"石化生产区域H_2S泄露动态预警关键技术及装备研究"、国家自然科学基金"采空区煤自燃危险多场信息叠加判定与火源位置反演识别方法"、陕西省杰出青年科学基金"陕北黄河流域煤炭开采自燃智能识别预警与主动分级防损技术研究"等多项国家级及省部级项目。     

绿色开采下矸石再利用技术分析

针对当前与煤炭开采相关的资源破坏、环境损害以及生产事故现象十分突出的现状,中国学者率先提出了实现煤炭资源绿色开采的理念和科学研究与技术框架,通过总结矸石直接充填采煤的技术框架,系统地介绍了综采矸石充填技术、普采矸石充填技术和巷采充填技术的充填开采系统布置、关键设备及充填开采工艺,提出矸石处理与利用应遵循减量化排放、再利用、再循环,适宜性、经济高效和环境效益最佳的原则。     

自然γ射线穿透煤层及支架顶梁衰减规律

为了对采煤机摇臂自动调高及放顶煤开采放煤过程矸石进行控制,其关键技术是煤岩界面识别,利用自然γ射线的煤岩界面识别方法是比较有效的,根据中国煤矿顶板岩层自然γ射线辐射状况,建立了煤矿顶板中自然γ射线穿透煤层的数学模型。推导了采煤工作面的顶板岩石自然γ射线穿透煤层及支架钢板的衰减规律公式。并在实验室做了大量模拟项板岩石中的自然γ射线穿透煤层的衰减规律试验,得到了自然γ射线穿透0-225mm煤厚的衰减曲线。研究表明：在0-225mm煤厚范围内,理论计算和实验得出的衰减规律是一致的。此结果为煤皮厚度测量仪的设计提供了理论依据。为采煤机滚筒摇臂调高奠定了重要基础.     

下分层托夹矸综采工艺回采研究

煤炭开采中煤层分叉现象比较常见,煤层分叉处的开采多由于地质条件复杂,特别是顶板脆弱难于控制,多采用炮采开采工艺方法,本文针对戊9戊10煤层分层,试验了托戊9戊10煤夹矸回采戊10煤的综采工艺回采方案,并制定了相应的技术和管理措施。     

柔索驱动拣矸机器人最小索拉力等值曲面研究

中国煤炭赋存条件复杂,由于煤层夹矸、开采导致夹矸等原因,直接影响商品煤的质量,若直接燃烧会造成严重的环境污染,因此从原煤中分拣矸石任务艰巨,势在必行。但目前煤与矸石的分离工作主要依靠人工完成,存在生产环境恶劣,工人劳动强度大等问题,为了解决目前煤矸石分拣难题,提出柔索驱动拣矸机器人方案,实现煤矸石的"快、准、稳"分拣。首先,以索拉力最小方差为目标研究拣矸机器人冗余柔索拉力优化求解方法,提出以最小索拉力为基础的3个索拉力性能指标,研究最小索拉力在机器人工作空间竖直中线、水平切面以及整个工作空间的分布规律,进而对拣矸机器人的稳定性进行定性评价。其次,基于最小索拉力,定义并求解最小索拉力工作空间。拣矸机器人末端抓斗处于最小索拉力工作空间等值曲面内部,满足预定的稳定性要求。最后,仿真分析最小索拉力等值曲面的分布特征与规律,拣矸机器人末端抓斗处于最小柔索拉力所形成的等值曲面内部,满足预定的稳定性要求。研究结果为柔索驱动拣矸机器人的进一步应用奠定理论基础。     

矸石充填注浆工艺实现“三下”压煤全部回采的实验研究

井下矸石充填置换系统,是将煤炭有序地开采出来,利用特殊的技术装备将矸石、沙浆充填置换其中,通过改进双向运输皮带、充填顺槽转载卸栽装置、抛射机等,有效地完成掘进煤流运输与充填矸石运输,实现井下煤炭的置换。     

结合运动目标检测和ResNet的车速车型智能识别

车速和车型作为重要的车辆信息,在道路监控系统中发挥着很大的作用.传统的基于视觉的车辆信息识别方式由于计算参数过大且提取的特征不足,难以满足智能交通实时性和普适性的需求.对此,提出了一种新的车辆信息识别方法,采用运动目标检测技术实现视频中车辆的提取,然后利用虚拟线圈法进行车速识别,再通过改进的残差网络对提取的车辆进行车型识别,有效地减少了计算参数,实现了对视频的快速处理,同时利用了残差网络极强的特征表达能力,提高了识别的准确率.此外,加入了重载车型的研究,有良好的应用前景.实验结果显示,系统车速识别平均绝对误差不超过6km/h,车型识别平均准确率达到92.1%,针对小客车和小轿车的识别准确率高达98.7%,优于传统的识别方法.     

井下弹道式煤矸分选的理论和实验

为减少矸石山地面污染,对井下弹道式煤矸分选方法进行研究。利用非线性接触模型对煤和矸石的抛射、碰撞和反弹过程进行分析,得到反弹距离理论计算公式,确定其主要影响因素为煤和矸石碰撞前后的接触刚度。对新汶协庄矿的煤和矸石进行反弹距离实验,实验结果表明:煤的反弹距离服从正态分布,矸石的反弹距离服从?分布;当冲击速度大于7 m/s时,二者的反弹距离差值较大,可以分离出约30%的矸石,并且此时部分煤被破碎,可结合破碎粒度分离出更多的矸石。利用实验数据得到煤和矸石反弹距离的拟合公式,其相关系数R2分别为0.835和0.918。     

基于卷积神经网络的低分辨雷达目标一步识别技术

现有低分辨雷达目标识别通常采用先特征提取、再进行目标分类的两步识别算法,存在识别率难以提高和方法泛化性不足的问题,因此提出了一种基于卷积神经网络(CNN)的低分辨雷达目标一步识别算法。该算法直接将采样数据作为输入,利用设计的一维CNN,通过卷积池化等操作自动获取数据深层本质特征,无需特征提取,实现对目标的一步识别。仿真实验结果表明:基于CNN的低分辨雷达目标一步识别方法的识别率较传统基于提取特征的两步识别方法提高了10.31%,识别时间较传统两步识别方法减少了0.142 s,充分证明了一步识别方法的有效性,为低分辨雷达目标识别问题提供了新的解决途径。     

井下煤炭矸石充填置换设备的选型及技术改造

井下矸石充填置换,是将煤炭有序地开采出来,利用双向运输皮带、充填顺槽转载卸载装置、抛射机等特殊的技术装备将矸石、沙浆充填置换其中,有效地完成掘进煤流运输与充填矸石运输,使采出煤炭的空间充填等量等支撑强度的置换物,实现井下煤炭的置换,具有较高的推广应用价值。