基于WI-FI的井下定位算法研究

基于射频指纹的室内定位算法有很多,现提出基于射频指纹的应用在煤矿巷道这种特有的环境特征的一种新的定位算法。根据无线信号的衰减特性,将距离接入点3m处的接收信号强度值设为阈值,若设备接收的信号强度值大于阈值则直接定位到此接入点处。若信号强度低于阈值,则根据射频指纹数据库数据得到估计位置。在煤矿中移动目标的速度一般小于10m/s,根据这一特征,算法中设定前后两次的定位位置不能超过10 m;若超过10 m,则取前一秒的定位位置与该秒采用数据库匹配得出的位置的中点。将这些特征应用到射频指纹定位算法中可以非常有效的减少环境对信号强度的影响。通过实验表明,该定位算法具有较高的定位精度。     

一种基于Wi-Fi的井下人员精确定位算法

简单分析了基于RFID的人员定位技术、基于到达时间差TDOA的定位技术以及基于接受信号强度RSSI的定位技术。在此基础上针对煤矿井下巷道的特殊环境,提出了一种基于2点定位的井下人员精确定位算法。通过实地模拟实验得出该算法的定位误差基本控制在2～3 m之内。     

基于物联网的矿山机械设备状态智能感知与诊断

矿山生产机电设备是机械、电气、液压、控制等多形式系统的复杂耦合结构,工作过程中环境和工况条件变化多样,缺乏有效的技术手段解决矿山设备运行健康状态的实时感知问题。借助物联网、工业互联网、人工智能和大数据挖掘技术,研究矿山设备状态知识建模与在线诊断方法,将传统的"人-机"交互监控模式提升为"传感—机器认知—机器决策"的智能化监控模式。分析了基于物联网的矿山设备状态感知系统架构,定义了多源信息感知层、边缘智能层、大数据分析层和数据与知识共享迁移层的4个层次的作用,提出了设备状态知识共享与迁移模式;结合本体语义、置信规则库和数字孪生技术,设计了面向矿山机械设备系统状态知识建模的信息描述、知识表示、决策融合方法,提出了面向矿山设备运行全过程的实时感知、演化分析与智能交互的"虚实融合"感知模型,实现虚、实系统运行过程的"精准映射、信息对偶、融合交互、协同演进"。分析了数据驱动的矿山机械设备状态诊断方法研究现状、技术架构、存在问题和研究趋势,提出结合数字孪生、深度学习、迁移学习等方法,构建机理模型、经验知识与数据深层特征相融合的矿山设备状态诊断模式,研究矿山设备状态大数据分析与应用技术,研发矿山设备状态诊断与全生命周期管理等智能化应用服务系统。形成了矿山设备运行信息感知、知识建模与状态在线判识方法体系,以实现矿山机械设备故障状态自诊断、早期隐患预知维护、智能调度与协同管控,为矿山生产智能化、无人化提供技术支撑。     

基于RSS手指模的煤矿井下WLAN定位方法

到达信号强度(RSS)手指模定位技术已广泛应用于室内定位技术,提出了适用于煤矿井下由于电磁波多径效应而变得复杂的环境的RSS手指模定位算法。通过对煤矿井下电磁环境信息的采集,对采集到的信息进行处理,使用贝叶斯公式法估计出概率较大的3个位置,然后再使用最邻近法的欧几里德距离估计出位置。通过对实验数据的统计分析,仿真结果表明:提出的基于RSS手指模改进的融合算法的节点定位精度要比K邻近法的定位精度要高,定位性能要优越。     

有关录井的沉积微相研究

根据沉积环境和沉积相预测有利相带的勘探思路在普光、龙岗大获成功,但随着勘探程度提高,宏观预测方法稍显不足,对已经投入生产的地区,详细进行沉积微相研究,可以更清楚地了解地下情况.通过录井过程中对岩心、岩屑观察和描述,查找沉积微相标志,进一步分析成因、沉积模式和古环境及生油和储集特性,并试图确定井下层位和构造形态,修正钻井方案,或探究水体环境和生储盖组合,以指导勘探有序推进.在此次研究中,对碎屑岩和碳酸盐岩分别划分了沉积微相,分析了正常流水搬运、海湖水体中的碎屑物搬运、成岩作用等对碎屑岩沉积微相特征的影响;碳酸盐岩则重点分析沉积微相标志,如基质、颗粒、角砾、缝合线、裂缝等.