-
题名煤矸图像识别网络的小波变换优化
被引量：2
- 1
-
-
作者
师亚文
李务晋
吕子奇
-
机构
国能神东煤炭集团洗选中心
中国矿业大学(北京)化学与环境工程学院
-
出处
《煤炭工程》
北大核心
2023年第11期160-166,共7页
-
文摘
为提高煤与矸石分选的自动化与智能化程度,针对煤与矸石在线识别的过程中,图像特征值需人工选取且模型鲁棒性差的问题,以现场采集的煤与矸石原始图像作为输入,建立了一种基于卷积神经网络的煤与矸石图像识别模型。通过反卷积对卷积神经网络进行可视化处理,分析了卷积神经网络提取煤与矸石图像特征的过程,并以此为基础在卷积神经网络中设置小波变换层,利用Biorthogonal小波对原始图像进行分解,将高频系数与原始图像结合后进行卷积操作,优化了模型的识别效果。结果表明:该识别模型能够对煤与矸石图像进行有效识别,设置小波变换层能够提升网络训练效率与识别准确率,且小波变换第二层高频系数与原始图像结合输入卷积层时,网络模型效果最优。在不同光照条件下,相比于传统识别模型,该模型有更好的适应能力,对测试集的识别准确率达到93%。
-
关键词
煤矸智能分选
机器视觉
小波变换层
卷积神经网络
-
Keywords
intelligent separation of coal and gangue
machine vision
wavelet transform layer
convolutional neural network
-
分类号
TD945.2
[矿业工程—选矿]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于支架数据优化的工作面矿压预测模型研究
被引量：1
- 2
-
-
作者
冯银辉
宋阳
李务晋
吴雨欣
秦泽宇
-
机构
北京天玛智控科技股份有限公司
中国矿业大学(北京)机电与信息工程学院
中国矿业大学(北京)化学与环境工程学院
-
出处
《煤炭工程》
北大核心
2023年第6期101-107,共7页
-
基金
天地科技股份有限公司科技创新创业资金项目(2020-2-TD-CXY004)
国家能源集团重点项目(GJNY-21-25)
天玛智控重点科技项目(2022TMO18-C1)。
-
文摘
矿压预测是实现综采工作面智能化的重要组成部分,具有广阔的应用场景。液压支架载荷是综采工作面覆岩运动的直接体现,其载荷峰值循环末阻力是判断顶板来压,开展煤矿顶板、水、火灾害防控的关键指标。本研究以预测循环末阻力的变化对矿压显现规律进行表征,形成一套基于区域化的支架数据质量优化方法,时空融合的顶板压力预测模型构建,以及多尺度部署的方法体系。实验结果表明结合了注意力机制的Conv1d+Bi-LSTM时空模型有效提取了液压支架的工况矩阵的特征信息,针对不同情况的数据优化方法提升了模型的预测精度,模型具有良好的鲁棒性与泛化性,可实现矿压的精确预测。多尺度的部署方法实现了模型灵活部署对实际预测有着重要意义。
-
关键词
矿压预测
液压支架
时空融合网络
矿山压力
周期来压
-
Keywords
mine pressure prediction
hydraulic support
spatio-temporal fusion network
mine pressure
periodic weighting
-
分类号
TD355
[矿业工程—矿井建设]
-
-
题名基于自编码孪生神经网络的采煤机异常检测
被引量：4
- 3
-
-
作者
冯银辉
宋阳
李务晋
吴雨欣
秦泽宇
-
机构
北京天玛智控科技股份有限公司
中国矿业大学(北京)机电与信息工程学院
中国矿业大学(北京)化学与环境工程学院
-
出处
《煤炭工程》
北大核心
2022年第8期136-141,共6页
-
基金
天地科技股份有限公司科技创新创业资金专项(2020-2-TD-CXY004)
国家能源集团重点项目“5G+工业互联网”无人化矿井关键技术研发与工程示范(GJNY-21-25)
天玛智控重点科技项目(2022TMO18-C1)。
-
文摘
针对机械设备异常检测在实际应用中遇到意想不到的异常情况为数据标注带来挑战的问题,文章提出了一种基于自编码孪生神经网络的采煤机异常检测方法,结合采煤机工况信息构建了的弱标签数据集来解决该问题;针对异常信息过少导致的数据类别不平衡问题,搭建了时空融合的LSTM-CNN Auto-Encoder Siamese神经网络,通过孪生神经网络减少类别不平衡对训练的影响,结合LSTM与CNN的自编码神经网络进行特征抽取,提高模型在诊断时序数据时的准确率。模型的测试结果表明本模型能有效提取高质量特征,针对不平衡数据有很好的鲁棒性,且模型有一定泛化能力,具有有效性与实用性。
-
关键词
采煤机
异常检测
自编码
孪生网络
-
Keywords
shearer
anomaly detection
auto-encoder
siamese network
-
分类号
TD823
[矿业工程—煤矿开采]
-
