矿用带式输送机故障辅助识别系统实证研究.pdf
《矿用带式输送机故障辅助识别系统实证研究.pdf》由会员分享,可在线阅读,更多相关《矿用带式输送机故障辅助识别系统实证研究.pdf(4页珍藏版)》请在咨信网上搜索。
1、208convSateinCoalMines2023,54(9):208-211.移动扫码阅读LI Xu,DONGBo,DANG Enhui.Empiricalstudyonfaultaidedidentificationsystemof minebelt54(9):208-211.李旭,重输送机故障辅助识别系统实证研究安全,2 0 2 3SafetyinCoalMinesSep.20232023年9 月No.9Vol1.54煤砺发全第9 期第54卷DOI:10.13347/ki.mkaq.2023.09.028矿用带式输送机故障辅助识别系统实证研究李旭,董博,党恩辉(西安合智宇信息科技有限公
2、司,陕西西安7 10 0 7 5)摘要:为了防止煤炭开采运输过程中的异物对运输设备和生产设备产生损坏,结合传统的带式输送机检测系统研制了一种基于机器视觉深度学习的带式输送机故障辅助识别系统;通过图像算法库进行图像预处理,增强系统对有关信息的可检测性;使用深度学习训练得出的识别网络模型利用监控视频对异物进行识别,提高系统识别异物的准确率,有效提高运输环节的运输效率。试验结果表明:故障辅助识别系统可以保证综采工作面运输系统的正常运行。关键词:带式输送机;故障识别;异物监测;监控系统;计算机视觉中图分类号:TD679文献标志码:B文章编号:10 0 3-49 6 X(2 0 2 3)0 9-0 2
3、0 8-0 4Empirical study on fault aided identification system of mine belt conveyorLI Xu,DONG Bo,DANG Enhui(Xian Hertz Universe Information Technology Co.,Ltd.,Xian 710075,China)Abstract:In order to prevent the foreign matters in the process of coal mining and transportation from damaging the transpor
4、tationequipment and production equipment,it is proposed to research a belt conveyor fault auxiliary recognition system based on machinevision deep learning in combination with the traditional belt conveyor detection system.Image preprocessing is carried out throughthe image algorithm library to enha
5、nce the detectability of the system for relevant information;the recognition network model ob-tained by in-depth learning training uses monitoring video to identify foreign objects,improve the accuracy of the system to identifyforeign objects,and effectively improve the transport efficiency of the t
6、ransport link.The test results indicate that the fault auxiliaryidentification system can ensure the normal operation of the transportation system in the fully mechanized mining face.Key words:belt conveyor;fault identification;foreign body identification;monitoring system;computer vision近年来,伴随矿井生产能
7、力、开采深度的逐渐增加,机械化程度也随之提升,带式输送机已经成为煤矿井下运输的关键设备。带式输送机工作环境恶劣,采集的煤流中会夹杂着研石、锚杆、角铁等异物,若这些异物未能及时得到清理,便极易卡在输送机的槽体、托辊及输送带间,从而导致运输环节中断造成运输、采掘等工作瘫痪。因此,带式输送机的故障情况是运输系统能否正常运行的关键因素目前针对综采面工作的运输问题,文献1以路径优化调度对运输路线进行研究,为故障辅助识别系统的数据采集点提供最优方案;文献2-5分析了运输系统的发展状况和自动化水平,提供了故障识别系统的搭建思路;文献6-7 对数据的处理和数据的存储做了介绍,为系统识别异物奠定基础。综上,结合
8、传统的带式输送机检测系统,设计开发了一种基于机器视觉深度学习的带式输送机故障辅助识别系统8-1,本文障辅助识别系统可以保证综采工作面运输系统的正常运行,提高运收稿日期:2 0 2 3-0 1-0 6责任编辑:李力欣作者简介:李旭(19 8 4),男,陕西西安人,副研究员,硕士,从事矿山智能装备制造方面的技术与管理工作。E-mail:43 512 116 q q.c o m209Safety inCoal Mines2023年9 月Sep.2023煤防发全No.9Vol.54第9 期第54卷输环节的运输效率。1系统总体设计1.1系统概述相比于目前的人工分栋法、射线识别法、除铁器法、光谱探测法和传
9、统图像识别方法,基于机器视觉和深度学习的目标识别算法提取抽象特征的鲁棒性更强、泛化能力更好,在高速识别方面具有较好的适用性,能够适应煤矿井下的复杂环境。异物识别流程图如图1。基于异物特征的预判断异物特征带标记框的模块参数提取视频顿与分析1基于异物特易区分的非异物征的预判断面向动态特征补充机制的异物监测算法难以区分的异物双向LSTM注意力双向LSTM注意力异物/无异物双向 LSTM注意力预测结果双向长短时特征向量注意力机制记忆网络图1桌异物识别流程图Fig.1Foreign object identification flow chart异物识别流程主要包括数据集构建、异物识别模型训练和异物识别
10、3 部分。首先,使用系统摄像机进行实时录像和监测,获取实时输送带上的视频图像;将采集的视频图像数据进行预处理,得到相应处理数据;将预处理后的视频流数据输人到多层特征融合的图像检测模型中,使用多层特征融合的图像检测模型对复杂环境中的异物进行识别和定位,将视频中的异物标出,并且进行异物识别;根据异物的大小建立不同异物类型数据集,数据集包含不同运输区域的采样序列和对应的故障类型标签值12-13 1,在分类器中提取异物类型信息,并将其整理为时序数据,用生成对抗网络的方法扩充训练数据集,然后送入下一步的异物检测模型;根据时序数据和异物类型信息,使用预先训练好的面向动态特征补充机制的网络异物检测模型对其进
11、行判断,根据输出进行判断,确定预警等级;输出预警等级后,系统将运输带上异物对线路的影响进行提示,与此同时视频中的异物的状态也将被标注出;最后,运用训练后的异物识别模型实时对监控视频进行识别,并得出异物识别结果当识别到输送带运行过程中出现可能造成输送带撕裂和造成破碎机损坏的工字钢、刮板等金属异物,联动设备控制系统可实现声光告警并对采煤机、刮板机变速器及带式运输机变速器进行智能减速,避免设备损坏,保证设备得正常运行。1.2基本原理基于机器视觉深度学习的输送机故障辅助识别系统,通过图像算法库进行图像预处理,使用深度学习训练得出的识别网络模型利用监控视频对异物进行识别13 1)深度学习。基于深度学习的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 矿用带式 输送 故障 辅助 识别 系统 实证 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。