-
题名人工智能在煤矿安全监控领域的研究进展
被引量：6
- 1
-
-
作者
王子良
李作淘
阚朝东
-
机构
黑龙江龙煤鹤岗矿业有限责任公司兴安煤矿
黑龙江科技大学电气与控制工程学院
-
出处
《当代化工研究》
2022年第11期85-87,共3页
-
基金
2022年黑龙江省教育厅“煤矿机电设备振动在线监测及云智能诊断系统”(项目编号:7020000080926)。
-
文摘
随着近年来人工智能技术的快速发展,其在煤矿安全监控系统中的应用日益广泛,保障煤矿安全生产的迫切性也加速了人工智能技术在智能煤矿领域中的研究。本文阐述了人工智能技术的发展现状,分析了人工智能技术在矿井人员检测、运输皮带异常检测、设备故障诊断、矿井瓦斯浓度预测四个领域中的研究现状,并对人工智能技术在智能煤矿领域的研究前景进行了展望。
-
关键词
人工智能
智能煤矿
安全监控系统
-
Keywords
artificial intelligence
Intelligent coal mine
safety monitoring system
-
分类号
TD76
[矿业工程—矿井通风与安全]
-
-
题名基于全局自注意力机制的煤矸石目标检测网络
- 2
-
-
作者
汝洪芳
李作淘
王国新
王书侠
-
机构
黑龙江科技大学电气与控制工程学院
-
出处
《黑龙江科技大学学报》
CAS
2024年第1期112-117,共6页
-
基金
2023年黑龙江省省属高等学校基本科研业务费科研项目(2023-KYYWF-0545)
黑龙江省省重点研发计划指导类项目(GZ20220122)。
-
文摘
针对在煤矸石检测过程中存在的煤与矸石相似度高而导致识别准确率低的问题,提出一种基于全局自注意力机制的煤矸石目标检测网络。将全局上下文模块引入YOLOv5s网络中,通过增加自注意力机制获得长距离特征,增大感受野,导入全维动态卷积,在控制计算量的同时进一步提升网络性能。结果表明,改进的YOLOv5s网络优于原始网络和对照组网络,与YOLOv5s、YOLOv5m、YOLOv5l、YOLOv7和YOLOv7x网络相比,煤矸石目标检测精度分别提升了4.1%、3.2%、2.1%、2.6%和2%。该模型具有较快的运行速度,满足实时检测的需求。
-
关键词
煤矸石
深度学习
YOLOv5
注意力机制
-
Keywords
coal gangue
deep learning
YOLOv5
attention mechanism
-
分类号
TD94
[矿业工程—选矿]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于AO-VMD-BiGRU的短期负荷预测方法
- 3
-
-
作者
汝洪芳
张程帝
王国新
李作淘
-
机构
黑龙江科技大学电气与控制工程学院
-
出处
《黑龙江电力》
CAS
2023年第4期283-287,共5页
-
基金
黑龙江省省属高等学校基本科研业务费项目(项目编号:2021-KYYWF-1480)
黑龙江省重点研发计划指导类项目(项目编号:GZ20220122)。
-
文摘
为提高短期电力负荷预测的准确性,针对变分模态分解(VMD)参数选择问题,提出一种天鹰算法(AO)优化变分模态分解(VMD)和双向门控循环单元(BiGRU)神经网络相结合的AO-VMD-BiGRU负荷预测模型。利用AO对VMD损失函数的参数进行迭代寻优,再传输到双向门控循环单元中进行时间序列数据预测。试验表明,该模型预测精度达到98%以上,能够提供更具可靠性的电力负荷预测模型。
-
关键词
短期电力负荷预测
天鹰算法
变分模态分解
双向门控循环单元
-
Keywords
short-term load forecasting
AO
VMD
BiGRU
-
分类号
TM744
[电气工程—电力系统及自动化]
-
