煤矿冲击地压和煤与瓦斯突出感知报警方法研究

提出了基于温度的冲击地压和煤与瓦斯突出感知报警方法:使用红外热像仪等监测物体温度,使用甲烷传感器监测环境甲烷浓度;当物体温度高于煤矿井下环境温度和已暴露煤岩温度,并且高于环境温度和已暴露煤岩温度的物体数量较多、体积和面积较大,则判定发生冲击地压、煤与瓦斯突出、矿井火灾或瓦斯和煤尘爆炸事故;进一步判别高温物体温度,若大于设定阈值,则判定发生矿井火灾或瓦斯和煤尘爆炸事故,反之,则判定发生冲击地压或煤与瓦斯突出事故;进一步分析甲烷浓度变化,若甲烷浓度迅速升高,则判定发生煤与瓦斯突出事故,反之,则判定发生冲击地压事故。提出了基于速度的冲击地压和煤与瓦斯突出感知报警方法:使用激光雷达、毫米波雷达、超声波雷达、双目视觉摄像机等监测物体移动速度,使用甲烷传感器监测环境甲烷浓度;当物体移动速度不小于设定阈值时,则判定发生冲击地压、煤与瓦斯突出或瓦斯和煤尘爆炸事故;进一步判别速度异常物体的数量、体积和面积,若速度异常物体的数量较少、体积和面积较小,则判定发生瓦斯和煤尘爆炸事故,若速度异常物体的数量较多、体积和面积较大,则判定发生冲击地压或煤与瓦斯突出事故;进一步分析甲烷浓度变化,若甲烷浓度迅速升高,则判定发生煤与瓦斯突出事故,反之,则判定发生冲击地压事故。提出了多信息融合的冲击地压和煤与瓦斯突出感知报警及灾源判定方法:监测并融合温度、速度、加速度、掩埋深度、声音、气压、风速、风向、粉尘、甲烷浓度、设备状态、微震、地音、应力、红外辐射、电磁辐射、图像等多种信息,感知冲击地压和煤与瓦斯突出;通过不同位置参数变化的幅度、先后时序关系及传感器损坏情况,判定灾源。     

基于爆炸声音识别的煤矿瓦斯和煤尘爆炸感知方法研究

分析了煤矿瓦斯和煤尘爆炸特征：气体浓度发生突变;环境温度迅速升高;空气压力突然升高;产生火球和烟尘;产生较强的红外和紫外辐射;产生爆炸冲击波和火焰波;产生爆炸音。基于爆炸声音感知煤矿瓦斯和煤尘爆炸具有以下优点：(1)爆炸冲击波和火焰波衰减快,传播距离近;声波衰减慢,传播距离远。远离爆源的矿用拾音设备可用于煤矿瓦斯和煤尘爆炸感知。(2)与基于气体浓度和温度等传感器的煤矿瓦斯和煤尘爆炸感知方法相比,具有响应速度快的优点。(3)与基于视频图像的煤矿瓦斯和煤尘爆炸感知方法相比,具有不受粉尘、光照、遮挡等影响的优点。(4)矿用拾音设备成本低、易安装。(5)声音传播距离远,受巷道和分支影响小。(6)声音处理速度快,可在短时间内从各种声音信号中快速识别瓦斯和煤尘爆炸声音。提出了基于爆炸声音识别的煤矿瓦斯和煤尘爆炸感知方法：利用麦克风阵列拾音器采集监测区域的声音信号,经过归一化、分帧、添加类别标签等预处理后,提取声音信号特征,将特征输入到统计分类器中进行训练,建立煤矿瓦斯和煤尘爆炸声音识别模型;实时采集监测区域的声音信号,将提取的声音信号特征输入训练完成的煤矿瓦斯和煤尘爆炸声音识别模型中,判断是否为煤...     

基于彩色图像的煤矿冲击地压和煤与瓦斯突出感知报警方法

分析了冲击地压和煤与瓦斯突出发生时抛出煤岩的图像特征：(1)冲击地压和煤与瓦斯突出发生时抛出的煤岩主要是黑色,但煤矿井下设备一般不是黑色,因此,可利用非黑色矿用设备作为背景,采用彩色摄像机识别煤岩。(2)正常落煤速度、采煤机和掘进机等设备移动速度、井下人员和车辆移动速度远小于冲击地压和煤与瓦斯突出发生时抛出的煤岩速度,因此,可根据速度特征,排除正常落煤、采煤机和掘进机等设备移动、井下人员和车辆移动的干扰。(3)瓦斯和煤尘爆炸也会造成巷道中物体短时速度较高,并伴有高亮,但冲击地压和煤与瓦斯突出不会产生高亮,因此,可根据图像平均亮度,排除瓦斯和煤尘爆炸的干扰。提出了彩色摄像机设置方法：掘进工作面摄像机宜设置在掘进巷道顶板或掘进巷道两帮靠近顶板位置;回采工作面摄像机宜设置在液压支架顶部。提出了基于彩色图像的煤矿冲击地压和煤与瓦斯突出感知报警方法：(1)在掘进巷道顶板或掘进巷道两帮靠近顶板位置、回采工作面液压支架顶部,以非黑色矿用设备为背景,设置具有补光灯的彩色摄像机。(2)监测识别彩色图像颜色是否发生较大变化。(3)若图像颜色发生较大变化,则进行图像平均亮度识别,否则继续监测识别图像颜色变化...     

基于掩埋图像特征的煤矿冲击地压和煤与瓦斯突出感知报警方法

分析了冲击地压和煤与瓦斯突出时抛出大量黑色煤岩的掩埋图像特征：监视区域内颜色及其对应图形面积变化、颜色及其对应图形数量变化、颜色及其对应图形形状变化、掩埋位置异常等。根据灾害发生时会造成监视区域内非黑色区域面积减少,且减少的速度和加速度较大的特征,提出了基于颜色及其对应图形面积变化特征的冲击地压和煤与瓦斯突出感知报警方法。根据灾害发生时会造成监视区域内非黑色区域数量减少,且减少的速度和加速度较大的特征,提出了基于颜色及其对应图形数量变化特征的冲击地压和煤与瓦斯突出感知报警方法。根据灾害发生时会造成监视区域内非黑色图形的圆形度、矩形度和面积周长比减少,且减少的速度和加速度较大的特征,提出了基于颜色及其对应图形形状变化特征的冲击地压和煤与瓦斯突出感知报警方法。根据灾害发生时会导致煤矿井下人员、液压支架顶部及靠近顶部等位置被煤岩掩埋的特征,提出了基于掩埋位置异常特征的冲击地压和煤与瓦斯突出感知报警方法。上述基于掩埋图像特征的煤矿冲击地压和煤与瓦斯突出感知报警方法具有响应速度快、非接触、监测范围广、成本低和使用维护方便等优点。     

煤矿事故分析与煤矿大数据和物联网

按事故类别分析了2004—2013年全国煤矿事故:顶板、瓦斯、运输、水害、机电、爆破、火灾等事故起数和死亡人数占比分别为52.7%和36.8%,11.3%和29.7%,16.9%和11.3%,3.1%和8.1%,4.1%和2.5%,2.7%和1.9%,0.4%和1.9%;顶板事故起数和死亡人数最多;瓦斯事故起数居第3位,死亡人数居第2位,但2005年和2013年死亡人数最多;运输事故起数居第2位,死亡人数居第3位;煤矿各类事故起数和死亡人数均大幅下降;瓦斯和顶板事故起数占比明显下降,但运输和机电事故起数占比有所上升,需进一步加强运输和机电事故防治。探讨了大数据在煤与瓦斯突出、冲击地压、水害、火灾等事故预警,煤矿重大关键设备故障诊断,煤炭需求和价格预测等方面的应用。探讨了物联网在矿用安全标志准用产品管控、煤矿重大关键设备管控与远程维护、煤矿设备材料管控、防碰撞、持证上岗与专人操作管控等方面的应用。     

煤矿机电及运输事故防治的紧迫性研究

分析了2005—2010年全国煤矿死亡事故中顶板、瓦斯、水灾、火灾、运输、机电、爆破等各类事故数占事故总数的比例及每起事故的平均死亡人数,指出运输和机电事故死亡人数分别居第3位和第5位,共占死亡总人数的13.72%;指出电气火源是引爆瓦斯的第一火源,且2010年由机电事故引发的矿井火灾占火灾事故总数的80%,得出加强煤矿机电事故防治工作是遏制瓦斯爆炸事故及矿井火灾的迫切需要的结论;最后指出,应加强机电及运输事故防治工作,以减少由煤矿机电、运输事故引发的瓦斯爆炸事故和火灾事故。     

基于FTA的煤矿瓦斯事故分析

给出了事故树分析的步骤,绘制出了煤矿瓦斯事故树图,运用事故树分析方法对瓦斯事故进行了逻辑分析;采用布尔代数法,找出了煤矿瓦斯爆炸事故发生的最小割集、最小径集;通过对最小割集(最小径集)的求解,确定了基本事件的结构重要度,从而了解了煤矿的危险程度和安全程度,掌握了导致瓦斯事故发生的各基本原因事件的组合关系及其重要程度;给出了防治瓦斯事故发生的措施。     

煤矿瓦斯和煤尘爆炸感知报警与爆源判定方法研究

分析了煤矿瓦斯和煤尘爆炸特征:空气中O2浓度迅速降低,CO2和CO等有毒有害气体浓度迅速升高;环境温度迅速升高,空气压力迅速增大后回落;产生较强的红外和紫外辐射;产生高温、高压、高速的爆炸冲击波和火焰锋面;产生爆炸音和震动;产生大量烟雾和粉尘;风速迅速增大后回落,风流反向;巷道垮塌、机电设备移动和损坏;造成大量人员伤亡。提出了气体(O2,CO2,CO)浓度、温度、声音、震动、气压、风速、风向、烟雾、粉尘、红外线、紫外线、图像等多信息融合的煤矿瓦斯和煤尘爆炸感知报警与爆源判定方法:通过多参数变化,辨识瓦斯和煤尘爆炸;通过不同位置参数变化幅度、变化的先后时序关系和传感器损坏情况,判定爆源。提出了传感器防护与设置方法:传感器应采用流线形或圆弧形外壳,传感器外壳应采用耐高温、防火、隔热材料;传感器应设置在巷道顶部中央;采煤工作面和掘进工作面应设置传感器,传感器应设置在距工作面10～15m处;每一段巷道(没有分支)中部应设置传感器。提出了电缆和光缆防护与设置方法:应采用铠装电缆和光缆,电缆和光缆应具有阻燃、耐高温、抗冲击等性能;电缆和光缆应埋入巷帮和底板的夹角处;电缆和光缆也可引入压风管,用压风管防护。     

基于视频图像的瓦斯和煤尘爆炸感知报警及爆源判定方法

分析了瓦斯和煤尘爆炸视频图像特征:爆炸火球通常呈红色,亮度高、温度高,辐射较强的红外线和紫外线,火球面积迅速扩大;火焰锋面的面积、亮度、颜色、形状、辐射强度等不断变化;烟尘的面积、颜色、形状等不断变化;有物体快速移动和变形。提出了基于可见光视频图像、近红外视频图像、远红外视频图像、紫外视频图像的瓦斯和煤尘爆炸感知报警及爆源判定方法:根据高亮区域亮度及其变化率、高亮区域面积及其变化率、图像形状及变化、图像颜色及变化,辨识瓦斯和煤尘爆炸;通过不同地点摄像机采集的图像变化及变化先后时间关系、摄像机损坏的时序关系,判定爆源。提出了可见光视频图像、近红外视频图像、远红外视频图像、紫外视频图像、O_2、CO_2、CO、温度、声音、震动、气压、风速、风向、烟雾、粉尘等多信息融合的瓦斯和煤尘爆炸感知报警及爆源判定方法,减小火灾、巷道灯、矿灯、车灯、红色衣物、机电设备发热、电气设备和电缆故障放电、煤与瓦斯突出、冲击地压、顶板大面积冒落、水灾、爆破作业、工作面落煤、煤炭转载和运输等对瓦斯和煤尘爆炸辨识的影响。     

基于贝叶斯网络的煤矿瓦斯爆炸事故致因分析

针对现有煤矿事故致因分析多以单方面因素分析为主,忽略人、机、环、管4个方面各因素间的关联性和整体性,且涉及到的事故类型较泛化等问题,从人、机、环、管4个方面选取诱发煤矿瓦斯爆炸事故的因素,并利用相关性分析筛选出相关性较强的变量;以GeNie为平台构建煤矿瓦斯爆炸致因贝叶斯网络模型,并采用交叉验证方法对其可靠性和准确性进行验证;通过贝叶斯网络参数学习、敏感性分析等对模型中各节点变量进行分析,计算不同条件下相关节点的条件概率分布和后验概率,提取诱发煤矿瓦斯爆炸事故的关键因素。分析结果表明:通风不足会大幅提高煤层瓦斯含量超标的可能性,员工培训不到位是瓦斯漏检的主要诱因;在煤矿瓦斯爆炸事故已发生的情况下,可能性最大的诱因是瓦斯含量超标,其次是瓦斯漏检;导致煤矿瓦斯爆炸事故的最关键因素是瓦斯含量超标、瓦斯漏检、顶板不稳定、法律法规不健全。     

基于PCA—ELM的煤矿突水预测方法研究

针对采用传统算法建立煤矿突水预测模型存在训练速度慢、泛化能力差、测试精度不高等问题,提出了一种将PCA与ELM相结合的煤矿突水预测方法,并利用该方法建立了煤矿突水预测模型。该方法以煤矿突水历史数据为样本,利用PCA得到煤矿突水主控因素,将仅包含主控因素的样本数据划分为训练集、验证集和测试集;然后把训练样本作为ELM的输入,对模型进行训练;最后利用样本数据验证模型。实验结果表明,相较于传统算法,该方法输入变量少,建模和运算时间短,模型的运行速度和预测精度较高。     

基于主成分分析法的煤矿安全事故原因统计

以2001—2011年煤矿安全事故发生频次为例,应用主成分分析法得到煤矿安全事故原因的第1、第2主成分,进一步分析得出煤矿安全事故主要是由冒顶事故和机械事故引起。分析结果表明,主成分分析法对煤矿安全设施规划有一定的指导作用。     

面向不平衡数据集的煤矿监测系统异常数据识别方法

异常数据识别对于煤矿安全监测系统具有重要作用,但安全监测系统中异常数据一般只占数据总量的1%左右,不平衡性是此类数据的固有特点。目前多数机器学习算法在不平衡数据集上的分类预测准确率和灵敏度都相对较差。为了能准确识别异常数据,以煤矿分布式光纤竖井变形监测系统采集的数据为研究对象,提出了一种面向不平衡数据集、基于去重复下采样(RDU)、合成少数类过采样技术(SMOTE)和随机森林(RF)分类算法的煤矿监测系统异常数据识别方法。该方法利用RDU算法对多数类数据进行下采样,去除重复样本;利用SMOTE算法对少数类异常数据进行过采样,通过合成新的异常数据来改善数据集的不平衡性;并利用优化后的数据集训练RF分类算法,得到异常数据识别模型。在6个真实数据集上的对比实验结果表明,该方法的异常数据识别准确率平均值达到99.3%,具有较好的泛化性和较强的鲁棒性。     

直流电阻率法在煤层底板水害监测中的应用研究

目前针对直流电阻率法在煤层底板水害监测中应用的研究成果主要集中于底板变形与破坏的电阻率响应特征上,对导水通道动态发育过程的电阻率变化规律研究较少。针对华北型煤田面临的底板承压水害问题,采用直流电阻率法对采动影响下的底板含、导水异常构造进行监测。首先,介绍了采煤工作面直流电阻率监测系统工作原理和基于电阻率三维反演的监测数据自动处理解释方法;然后,构建了底板突水过程监测地质模型,对底板含、导水构造发育过程进行数值模拟研究;最后,在煤矿井下开展了底板直流电阻率监测试验。数值模拟结果表明:根据电阻率三维反演结果可识别含、导水异常构造在测线走向上的展布范围;根据电阻率随时间的变化趋势可推断异常构造的发育情况,随着含、导水异常构造向上发育,低阻异常响应逐渐增强,低阻异常在垂向的展布范围逐渐增大。井下试验结果表明:利用直流电阻率监测成功捕捉了采煤工作面底板出水过程,电阻率出现异常变化的时间早于工作面实际出水时间;工作面涌水量增加之前,低阻响应表现出逐渐增强的变化趋势,与数值模拟结果基本一致;工作面出水后,低阻异常逐渐减弱。研究结果表明可利用直流电阻率法进行工作面水害预警,但要准确判断异常构造的发育高度还需结合其他监测手段进行综合解释。     

基于IWOASVM的煤矿突水预测模型

针对传统煤矿突水预测算法易陷入局部最优、预测结果准确率低及速度慢等问题,提出了一种基于改进鲸鱼优化算法(IWOA)-支持向量机(SVM)的煤矿突水预测模型。IWOA从鲸鱼种群初始化、调节因子非线性化及随机差分进化(DE)3个方面入手对鲸鱼优化算法(WOA)进行改进:使用Tent映射初始化鲸鱼种群,提高鲸鱼种群寻找到最优猎物的可能性;通过调节因子非线性变化策略,提升算法在迭代前期的全局搜索能力及迭代后期的局部搜索能力,从而加快收敛速度;引入DE算法的变异、交叉、选择操作,以增强WOA的全局搜索能力。利用IWOA对SVM模型进行参数优化,将影响煤矿突水的水压、隔水层厚度、煤层倾角、断层落差、断层与工作层距离、采高共6个影响因素作为模型的输入特征向量,突水与安全2种突水结果作为模型的输出向量,以突水预测结果与实际结果间的误差最小化为目标建立目标函数,得到基于IWOA-SVM的煤矿突水预测模型。实验结果表明:与粒子群优化算法、DE算法、WOA相比,IWOA的预测准确率最高,标准误差最小,且收敛速度快,鲁棒性好;IWOA-SVM的突水预测准确率达到100%,与传统的突水系数法、SVM、WOA-SVM相比,IWOA-SVM表现出更高的准确率和稳定性。     

基于突变级数法的煤与瓦斯突出危险性预测

针对煤与瓦斯突出发生的内在机理非常复杂、难以建立合适的多因素非线性预测模型的问题,提出了基于突变级数法的煤与瓦斯突出危险性预测方法。该方法选用典型突出矿井的煤与瓦斯突出实例作为学习样本,确定了不同冲击危险等级的突变级数,并应用于其他待判样本的预测。实际应用结果表明,该方法能较准确地反映煤与瓦斯突出的危险程度,预测精度较高。     

煤矿考勤系统中人脸识别算法的研究

针对传统的人脸识别算法存在识别率低甚至无法识别的缺点,提出了一种基于SURF和双向FLANN的人脸识别算法。该算法首先用SURF算法中的快速Hessian矩阵检测特征点,并生成SURF特征的描述符;然后通过Hessian矩阵迹的正负性和双向FLANN匹配的搜索算法对图像SURF描述符进行匹配,以实现人脸的识别,从而达到考勤的目的。实验结果表明,该算法在剔除匹配识别中误匹配点对的同时提高了SURF算法识别速率与正确率,保证了算法在考勤系统中的实时性。