排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
针对煤矿安全隐患要素繁多、不同隐患要素之间关系复杂的问题,以潞安集团司马煤业有限公司2009—2015年煤矿安全隐患数据为基础,将作业单位、隐患地点和隐患类型等安全隐患要素视为独立的节点,以隐患日期为依据划分时间区间,从而将特定时间区间内隐患类型与隐患地点、隐患类型与作业单位之间的联系以复杂网络方式展示;利用网络密度、中心势、中心度等复杂网络指标分析网络整体结构及网络中节点的动态变化,从而明确需要重点关注的核心隐患类型及相关隐患地点和作业单位,为煤矿安全管理提供有效指导。 相似文献
3.
高效分析利用煤矿安全大数据,对于提高煤矿的安全管理水平和生产效率具有重要意义。目前煤矿安全大数据治理存在数据特征不明、治理方法不清等问题,针对该问题,着重分析了煤矿安全大数据特征,得出煤矿安全大数据具有5V特征,即数据体量大(Volume)、数据类型多(Variety)、处理速度快(Velocity)、价值密度低(Value)、真实性(Veracity),此外还具有结构化程度不一致的特征。介绍了可应用于煤矿安全管理中的主要数据治理方法及模型,并分为单变量方法、多变量统计分析方法、智能模式识别方法、系统动力学模型和综合集成模型五大类。从主体和客体的视角,提出了煤矿安全大数据治理方法体系,认为数据治理方法的选择必须与智慧矿山的主体、客体的数据治理目标相契合。基于主体的治理方法选择:根据数据主体的需求、层次、担负的任务及安全管理目标确定数据治理具体内容;基于客体的治理方法选择:根据客体对象的时效性、吞吐量要求及安全管理目标确定数据治理具体内容。最后得出煤矿安全大数据治理方法的确定需要在统一目标和统一标准下,根据作用域和作用对象的不同,满足共性和个性需求。 相似文献
4.
为了解决当前煤矿监控中存在的人工干预多、监测效率低等问题,建立基于RetinaNet的单阶段煤矿目标检测器,通过实验确定检测关键参数并验证检测效果。实验结果表明:RetinaNet目标检测器能够自动检测及提取人员等关键对象,整体性能可以满足煤矿监控的需求;RetinaNet目标检测器能够在较差的环境条件下实现对目标对象的准确检测,对于人员的辨识已经达到较为理想的水平;基于现有数据构建的图像识别模型,尚不能较好地识别各类煤矿机械设备。RetinaNet目标检测器相关功能的实现,有赖于建立专业图像数据集,并准确地训练模型进而发掘数据的深度价值。 相似文献
5.
电压互感器引超的铁磁共振現象在我国6~35千伏配电网络中普遍发生,文章敍述了系統实测和實驗室研究工作的分析結果。指出,这种共振现象能在广泛的参数范围內产生,对于BTMN—6型(沈变生产和JDJU-35型的互感器,导綫长度分别在45公里和10公里以下就能产生共振。实验得到的最大的共振過电压达到P~3Uφ以上,同时,特别在分次楷波共振时,互感器繞組中会引超巨大的過电流,在严重情况下可达額定激磁电流的30倍以上,而且持續时間很久,因此可能烧毁互感器及其高压保险。文章建议在上述型号的互(?)器开三角繞組的两端连接20~25欧的阻尼电阻,此时可将6千伏电网中的共振過电压限制在√3UΦ左右,持續时間不超過0.5~1秒,对于35伏的电网,過电压的辐值虽然較高,但存在的时間很短,所以对电网是不危險的。文中同时介紹了一个簡单的继电装置,它能保証在持續性的单相接地情况下自动地迅速切除阻尼电阻。 相似文献
6.
1