面向煤矸分拣机器人的煤矸识别定位系统研究

随着煤炭分选行业对智能化干分选煤技术需求和煤矸图像识别方法需求的增长,研究煤矿复杂分选条件下煤矸混合特征图像的识别方法显得愈发重要.依据深度学习、图像识别和无线通信等理论,设计基于卷积神经网络的煤矸识别定位系统.根据煤矿分选过程的复杂条件,分析煤矸表面特征的5种状态类别,构建煤矸数据集.基于迁移学习的改进AlexNet...     

柔索驱动拣矸机器人分拣轨迹跟踪控制研究

柔索驱动并联机器人具有运动速度快、工作空间大以及动态承载能力强等优点而被用于煤矸石的快速精准分拣。然而,由于柔索的柔性和单向受力特性,在运动过程中柔索必须时刻保持张紧,使得柔索驱动拣矸机器人的精准分拣控制面临着巨大挑战。同时,拣矸置矸过程所导致的动态冲击和动力学参数的不确定、以及外界干扰等因素势必会影响拣矸机器人末端抓斗的运动精度,甚至导致目标矸石的抓取工作失败。因此,提出了一种能够保障拣矸机器人末端抓斗运动精度的鲁棒自适应模糊控制策略,以克服拣矸置矸过程所产生的动力学参数扰动和外界干扰等因素的影响。基于Lyapunov稳定性理论,证明了所提控制策略的稳定性。并通过空间螺旋轨迹和实用的分拣轨迹对所提出控制策略的控制效果进行了仿真分析。结果表明：末端抓斗对预定运动轨迹的跟踪效果良好,最大位置跟踪误差和均方根误差分别为2×10^-2 m和8.986 7×10^-4 m;柔索驱动力光滑连续且满足柔索驱动力约束条件。证明了文中鲁棒自适应模糊控制策略对柔索驱动拣矸机器人轨迹跟踪控制有效且可靠。研究能够为柔索驱动拣矸机器人的进一步应用奠定良好的理论基础。     

Delta型煤矸分拣机构的静力学分析与仿真

针对Delta型煤矸分拣机构在抓取矸石过程中需克服冲击力问题,提出了一种静力学分析方法。采用D-H参数构建该机构的运动学模型,进而应用螺旋理论和微分流形求解末端动平台的完整雅克比矩阵,得到了包含杆件间驱动力和约束力的完整力空间。在MATLAB中求解出驱动力的力矩曲线,通过与ADAMS中的仿真数值对比,验证了静力学分析方法的正确性。     

多机械臂煤矸石智能分拣机器人关键共性技术研究

依据我国煤矿智能绿色发展战略,深入分析了国内外智能拣矸系统的研究现状,指出研发适用于井下的多机械臂煤矸石智能分拣机器人是破解煤矸分拣难题的重要发展方向,凝练了直接影响和制约我国煤矸石智能分拣高质量发展的“煤矸石准确识别、精准跟踪和可靠抓取、多目标任务多机械臂协同分拣”三大关键共性技术难题,并给出了解决思路和方法。针对煤矿井下煤矸石被煤泥严重包裹识别难,提出了“X射线+视觉”煤矸石识别与匹配方法、基于点云数据的煤矸石抓取特征提取方法,实现目标矸石的快速识别和最优抓取特征提取;针对煤矸石形态各异、动态环境抓取难,提出了基于ORB+BEBLID特征的FLANN动态目标高效匹配方法、基于FDSST的动态目标精准跟踪方法、基于三环PID的机械臂同步跟踪轨迹规划方法,实现机械手对高速传输的动态矸石稳定抓取;针对煤矸石随机分布、障碍多、多机械臂任务分配难,提出了改进匈牙利算法的多机械臂动态空间协同分拣方法,确保系统收益的前提下实现多机械臂在动态空间中高效协同工作。现场工业性试验研究结果表明,针对三大关键共性技术所提出的方法能够有效破解煤矸石高效识别和抓取特征提取、机械臂动态目标同步跟踪稳定抓取、多机...     

破碎顶板条件下煤矸的智能识别研究

基于煤矸智能分选的关键——煤矸图像的在线准确快速识别,以实际生产状态下采集的煤矸图像为训练与测试样本,围绕着老石旦煤矿展开研究,并通过对破碎顶板下的煤矸进行视频和音频方面的智能化识别,阐述其具体操作并分析其意义,对该煤矿在开采环节当中所运用的技术加以优化和改进。     

基于机器视觉的矿井煤矸分拣装置研制

针对煤炭生产过程中煤矸分拣靠人工分拣、机器分拣不够准确的问题,选用机器视觉智能AI识别及五联机械手,配合漏抓、错抓判别控制技术,采用两级目标检测网络,利用执行机构XYZ运动模拟人工抓取,研制了矿井煤矸分拣装置。通过在某煤矿206带式输送机上增加该装置,实现了智能煤矸分选,识别率可达95%以上,比人工分拣的捡矸率至少提高40%。     

基于改进YOLOv3的煤矸识别方法研究

煤矸识别技术对实现煤和矸石自动分选具有重要意义,而现有的图像识别算法在实用性、准确率方面无法满足实际需求。基于图像处理技术和深度学习技术,提出一种基于改进YOLOv3的煤矸识别方法,针对煤矸识别目标小、辨识度低等问题,对原始YOLOv3的网络结构及损失函数进行了改进,用训练生成的模型在测试集上进行识别测试。测试结果表明：改进的YOLOv3-M在小样本上,可在短时间内使模型快速收敛,单张图像识别时间为21.6 ms,识别准确率为95.4%,能适应不同环境下的煤矸样本,可实现实时检测识别。     

煤矸智能分选的机器视觉识别方法与优化

煤矸图像的在线准确快速识别是煤矸智能分选的关键,深度卷积神经网络能够解决这一问题。以实际生产状态下采集的煤与矸石图像为训练与测试样本,基于ResNet等经典网络与SqueezeNet等先进轻量级网络建立了煤矸图像识别模型,分析了各模型的训练收敛情况。基于k-means++判断模型中不同卷积核所提取特征的相似程度,基于模型剪枝技术对相似度高的卷积核进行裁剪,实现了识别模型的优化与压缩。以识别精度、模型规模和模型运算复杂度为评价指标,定量衡量了压缩前后各模型的测试性能。分析了压缩后的模型对煤矸难、易识别样本的分类热力图可视化结果,揭示了模型的识别机理与分类依据。结果表明:利用多数现有的CNN框架建立模型均可以对煤和矸石有效识别,但网络复杂度过低则特征提取能力不足,网络复杂度过高则易产生更严重的过拟合情况,即模型复杂度对识别精度影响较大;基于模型剪枝得到的煤矸识别模型可以将煤的截断面处因镜质组成分而产生的反光现象作为识别煤的可靠依据,同时准确捕捉煤与矸石由于硬度不同所产生的轮廓、纹理、表面平整度等差异,综合给出识别结果。压缩后的模型在计算量与模型大小减少10倍的同时,识别精度提升了17.8%,实现节约计算与存储资源的同时提升识别精度,模型性能明显优于常规网络模型。     

基于多通道数据耦合技术的智能机器人系统在煤矸分选中的研究与应用

针对原煤车间苦、脏、累、险的人工拣选工作,付村煤业有限公司选煤厂采用非放射性煤矸识别技术,设计开发了集物料识别系统、执行系统、控制系统以及管理系统为一体的智能煤矸分选系统,实现矸石及煤的自动识别、自动分拣、自动煤矸分流处理。生产实践表明：该系统使煤矸分选工艺环节从落后的人工控制方式转变为高效稳定的智能控制方式,煤矸分选效率≥98%。系统运行稳定可靠,提高了选煤厂自动化、智能化程度。     

选矸机器人手爪机构设计及其分拣功能分析

选矸机器人手爪作为分拣矸石的执行机构,对矸石的分拣方式、分拣精度与分拣效率具有重要影响。传统手爪只能实现抓取或拨离的单一分拣方式,对于某些特定的场景,无法满足应用需求。为此,提出了一种多功能选矸机器人手爪,完成了机构设计和优化,分析了手爪机构的3种分拣模式,并制定了手爪分拣功能变换控制策略。该机器人手爪整体结构紧凑,可实现抓取、拨离与协同抱取3种功能形态之间的快速变换,拓展了选矸机器人的适用范围,可有效提高矸石的分拣精度与分拣效率。     

煤矸破碎分选统计规律的研究

通过在实验机上对煤与矸石选择性破碎分选进行初步实验，相应得到概率曲线图，从图中利用概率值做出煤、矸分选的优化控制。     

选煤厂封闭式自动煤矸分选机设计应用

为了便于不同粒径煤矿原煤分选,提高分选效率,避免传统分选机在分选时出现筛网堵塞、分选效率低以及粉尘浓度大等技术难题,山西煤炭进出口集团左云长春兴煤业有限公司通过技术研究,设计了一套封闭式自动煤矸分选机,并对其结构、工作原理进行阐述,在实际应用中取得了显著效果。     

大块煤矸机械分选技术的改造实践

针对白龙洗煤厂采用人工拣煤造成大块煤矸无法入洗的问题,该厂提出了大块煤矸机械分选技术的改造。采用了SSC800系列分级破碎机,调整了机械分选系统,增加了集中与就地监控系统,采取了相应的节能技术措施。实践应用解决了洗选问题,降低了工人的劳动强度,保证了安全生产。     

井下煤矸智能干选系统巷设计方法探讨

井下煤矸智能干选是煤矿实现绿色开采的有效技术手段。为深入研究智能干选系统巷设计方法,结合智能干选系统工艺流程,提出了井下智能干选系统巷设计思路。基于分析主煤流运量、原煤含矸率、矸石分选粒度、原煤分级筛和智能干选机处理能力、井下矸石充填规模相互影响关系,探究矸石分选规模确定方法。结合筛分系统工艺特点,阐明在转载点或煤流引出位置布置筛分系统的合理性。根据设备外形尺寸和处理能力,探讨智能干选硐室单、双巷布置形式。针对转载煤仓上下口、带式输送机搭接点、加装转载装置等不同类型主煤流转载分流点,研究智能干选系统布置位置优缺点及适用条件。在此基础上,介绍了煤仓下口双系统工程设计案例。研究表明,矸石分选规模由多因素综合确定|滚轴筛布置在转载点可以避免末煤大运量转载|煤仓下口布置矸石分选系统可以应对瞬时大运量来煤|煤仓下口双系统模式可以为类似矿井设计提供参考。     

煤矸双能X射线图像多维度分析识别方法

环境适应能力强、识别精度高是有效分离煤和矸石的前提。采用双能X射线透视煤和矸石并成像,避免了粉尘、光照强度和物料表面等外界因素影响。但双能X射线探测器采集射线能量数据存在余晖效应、厚度效应和射束硬化效应等缺陷。为降低缺陷影响,提高煤和矸石识别率,提出一种联合R值图像与高、低能图像特征对煤和矸石进行多维度分析的方法。首先基于双能X射线采集系统获取高、低能图像,并利用比值法得到R值图像;然后针对所获取的3种图像,研究煤和矸石密度及灰分含量等关键物性参数与图像特征关系,据此设计特征提取方案,共计提取8个特征参量,形成一种强特征组合;最后采用Relief算法度量每个特征参量的重要性,进而设计分类试验。以不同地区肥煤、焦煤、气煤和矸石为试验对象,观察剔除权重较低的特征后,分类模型准确率,发现以特征组合[R_c,Gl_c,G_l,R_a]为输入,PSO-SVM分类模型对3种煤混合矸石识别效果最佳,识别率为99.4%。结合PSO-SVM分类模型和[R_c,Gl_c,G_l,R_a]的特征组合对肥煤、焦煤和气煤分别混合矸石进行识别验证,结果表明:肥煤混合矸石识别率为98.89%,焦煤混合矸石识别率为100%,气煤混合矸石的识别率为99.44%。本方法通过联合多张图像的多个特征,进行多维度分析,发现R值图像特征和高能图像特征对煤和矸石的区分度最好,可有效降低双能X射线缺陷影响,能以较少的特征,实现对不同煤种的较高识别率,优于现有方法。此外,以灰分、密度为参照选取特征阈值,贴合实际需求,减少了工程应用中根据矿区煤质差异进行参数调整的频次,提高了识别模型的泛化能力。     

利用井下溜矸(煤)眼实现煤矸分流

随着煤炭市场的逐步形成,煤质已成为煤矿企业最重要的经营指标之一,探讨了国投新集一矿充分利用有利的巷道布置,建立溜矸(煤)眼,在井下出煤系统实现了煤矸分流,提高了煤质,获得了显著的经济效益.     

井下智能煤矸分选系统方案研究

介绍了某矿煤矸分选的方案研究,从选矸工艺、选矸设备、矿建工程、经济效益等多方面进行了比选,结合矿井实际情况选用TDS智能干选机系统进行煤矸分离,并对其工艺布置进行了论述。该方案减少了矸石的无效运输,提升了选煤厂的处理能力,对类似矿井具有一定的参考意义。     

煤矸石分拣机械手的系统设计及实验模拟

在煤炭开采的同时会产生大量的煤矸石,其产量约占原煤的1/6,严重降低了煤炭的质量,因此煤矸石的分选是煤炭生产过程中必不可少的环节。当前,国内研究出多种小、中、大型煤矸石不同的原料分选设备的工作原理,而煤矸智能分选是我国煤炭企业实现煤矿智能化的重难点之一。文章设计的矸石分拣机器人是一种用于中小型分选原料的悬挂多臂式分选装置。矸石分拣机器人采用自动识别分选矸石的工作原理,对矸石进行智能自动分选,能满足分选粒径为80～300 mm的小、中、大煤矸石的分选要求。该设计将会大幅度降低工人的工作强度,极大地提高煤矸分选的效率,从而提高原煤的质量。     

用于智能煤矸分选机器人的改进型VGG网络煤矸识别模型

目前机器人煤矸识别方法准确率较低,速度较慢,以及对硬件要求较高等问题都限制了其实用化发展。鉴于深度卷积神经网络在图像识别上取得的优异效果,提出用于智能煤矸分选机器人的改进型VGG网络煤矸识别模型。扩大VGG16网络感受野并引入残差结构以提升模型网络性能,增加噪声和数据增强提升模型泛化能力。实验结果表明,改进型VGG网络煤矸识别模型的识别准确率提升了2.01%,召回率提升了2.58%,减小了所需内存,解决了VGG16网络效率低的弊病。同时模型的各项性能指标明显高于其他经典网络模型,更加满足煤矸分选机器人的各项实用化需求。     

长距离煤矸分时运输系统设计

针对目前大型矿井长距离矸石运输存在的问题,提出了煤矸分时运输设计思路。通过从系统能力、运输方式、管理难点等方面进行可行性分析,根据刘庄煤矿东三块段地质条件及矿井原有系统情况,从巷道布置、设备选型等方面,对煤矸分时运输系统进行了设计,并进行了经济效益分析。该运输系统已在刘庄煤矿东三块段投入运行,取得了良好的效果,解决了东三块段矸石运输难题,保证了生产正常接续。