煤岩识别

摘要： 基于透明地质的三维煤层建模方法是间接解决煤岩识别难题的有效途径。现有三维煤层建模方法的研究大多集中于对空间三维实体的表达,对开采过程中煤层顶底板动态变化的过程缺乏研究,对于复杂地质条件的煤层顶底板高程的预测精度不高,难以满足采煤实际需求。针对上述问题,提出了一种基于透明地质的综采工作面三维煤层建模方法。基于进回风巷地质数据、钻孔测量数据、工作面切眼数据及利用三维地震再解释技术、槽波地震勘探技术与无线电磁波透视技术获得的煤层地质数据,应用离散平滑插值(DSI)算法预测煤层顶底板高程,构建综采工作面静态三维煤层模型。为提高工作面静态三维煤层模型精度,通过切眼开采新揭露的地质信息和DSI算法对其进行动态更新,获得更为精确的工作面动态三维煤层模型,基于更新后的三维煤层模型动态规划采煤机截割曲线,指导采煤机进行自动调高控制,从而实现自适应割煤。将该方法应用于黄陵一号煤矿810综采工作面,结果表明:DSI算法对煤层顶底板高程预测效果优于克里金插值算法和样条函数插值算法,插值平均绝对误差为0.0155 m;每截割5 m对三维煤层模型更新1次,煤层顶底板高程预测误差≤6.3 cm,满足采煤机截割轨迹精确规划要求。

摘要： 煤岩识别一直是制约煤矿无人化开采的关键问题之一。传统的人工采煤因为工作环境极其复杂,很难精准地找到煤岩的分界面,容易造成欠切割或过切割现象。太赫兹光谱技术作为一种无损探测技术,能够反映出被测物体的物理和化学信息,可以成为研究煤岩识别的有效方法。采用太赫兹时域光谱技术与多元统计法-聚类分析(CA)和主成分分析(PCA)相结合的方法来识别不同种类的煤岩。通过透射式太赫兹光谱仪获得六种煤岩样品的太赫兹光谱,对其进行FFT等一系列数学计算可以得到各种样品的折射率、吸收系数以及介电常数。计算结果表明不同种类的煤岩在折射率、吸收系数上都存在差异。分析各类煤炭样品的折射率和吸收系数与样品的各组成成分含量之间的关系,可以发现碳含量是影响其样品折射率大小的因素之一,灰分含量是影响其样品吸收系数大小的因素之一。聚类分析中两类样品的欧氏距离与主成分分析中的第一主成分(PC1)得分都能反映煤岩样品之间的相似性和相异性,并且CA与PCA的结果保持一致。分别将各类样品在0.5~2.5 THz频率范围内的折射率、吸收系数与CA和PCA结合,组成太赫兹数据与煤岩之间的模型。分析表明:根据不同样品之间的相似性,两种模型中六种煤岩样品均被分为两类;在各种样品的吸收系数与CA-PCA组成的模型中,四种煤炭被聚集在一起,并且石英砂岩(GSR-4)具有很好的独特性:石英砂岩拥有最小的PC1得分值以及石英砂岩与第二类之间的欧氏距离最大,为219.03。由此可见采用太赫兹技术与多元统计方法结合,可以实现煤岩的准确识别,识别准确率可以达到100%。

摘要： 煤炭在中国工业和国民经济发展中起到重要作用。传统的人工识别煤岩界面效率低下,安全性无法保障,为实现采煤智能化和无人化,以高光谱作为技术手段,结合机器学习算法对煤岩进行分类识别。文中以淮南市谢桥矿区和潘一矿区的煤岩高光谱数据为研究对象,对煤岩原始光谱进行平滑处理(SG)、多元散射校正(MSC)、标准正态变量变换(SNV)和归一化(Norm)处理,采用竞争性自适应重加权采样(CARS)、连续投影法(SPA)和随机蛙跳(RF)算法获取预处理后煤岩高光谱数据中对煤岩识别敏感的优选波段,分别基于全波段和优选波段建立支持向量机(SVM)模型和偏最小二乘线性判别分析(PLS-LDA)模型,并对比模型识别精度。结果表明,优选波段主要分布在350~450 nm、1250~1450 nm、1700~1900 nm和2100~2300 nm之间,在实验室模拟环境中,由机器学习算法优选后的波段所建模型相较于全波段所建模型的识别精度有所提高,其中,基于Norm-CARS优选后的波段建立的PLS-LDA模型和基于SG-RF优选后的波段建立的SVM模型对建模集和测试集的识别正确率均达100%。利用机器学习算法可以有效筛选出与煤岩识别高度相关的波段,提高模型稳定性和识别效率,避免了人为建立经验模型的误差性。

摘要： 加快煤炭产业链的智能化发展是当前环境下保证煤炭稳定供给的重心,而煤岩识别是实现煤矿智能化建设,提高煤层探测、智能开采、快速分选精度和效率的关键技术,因此,开展了煤岩高效识别技术方法的综述研究。首先根据使用工况不同,将煤岩识别统筹为接触式识别与非接触式识别,根据技术类别将现有识别技术归类为过程信号监测、红外热成像、图像特征、反射光谱、超声波探测、电磁波探测,从识别机理和技术原理方面进行了详细的介绍,并列举了典型特征下的煤岩差异。其次综合阐述了各种识别技术的研究现状,总结出工程实际中的煤岩识别技术应用现状;从理论技术研究、工况环境影响、煤岩特征3方面建立了不同识别技术的局限度评价表,超声波、电磁波探测技术局限度最低,红外成像识别技术局限度最高,其中工况环境对红外成像识别局限最明显,煤岩特征对反射光谱识别和过程信号监测识别局限最明显。基于上述局限度,对未来煤岩识别的研究重点提出4点建议:煤岩特征信息的深层挖掘,复杂多变环境的影响机理研究,物理属性相近的煤岩识别新方法,综合地质条件的煤岩识别方法适用性研究,为我国煤岩识别技术发展、煤矿智能化建设提供理论指导。

摘要： 针对采煤工作面煤层的厚度变化、含夹矸和包裹体的不确定性,以及复杂煤岩占比和岩层位置辨识的差异,致使采煤机在截割过程中会产生无效调整截割高度的情况,影响其可靠性和智能化技术水平。截割煤岩载荷特征及其关联截割状态的模型可以预测、修正和决策采煤机截割行为,提升采煤机智能化程度。借鉴多信息实时修正记忆截割与煤层三维地质信息建模等方法,提出了采煤机自主调高-调速二元协同控制模式及截割状态关联特征模型,考虑煤岩赋存条件以及滚筒相对煤岩层的位置和工作参数,划分滚筒截割过程为顺转截割、逆转截割、向和逆自由面截割以及截割顶底板和夹矸等截割状态,分析截齿截割煤岩的过程与状态,构建了向和逆自由面截割状态特征量的数学模型和截割顶底板位置与占比的识别定量载荷关联特征模型,给出了截齿垂直、平行于层理方向截割力的累计占比计算方法,通过旋转截割实验验证截割煤岩载荷特征模型的准确性。根据截割顶、底板、夹矸岩层前后载荷变化导致的截割电机电流变化规律与调高液压缸两腔压力的关联性变化规律,结合截割状态的关联载荷特征模型,修正与预测截割状态和岩层位置,确定了修正采煤机调高调速行为协调控制的截割状态特征参量。研究表明:向自由面截割煤岩断裂位置大于逆自由面的,向自由面易于破碎煤岩,且截割载荷与比能耗均小;分别获取截齿截割顶底板载荷增量与方向角,载荷增量均与岩层厚度呈正相关性,但截割顶底板方向存在明显差异;随截割夹矸岩层厚度增加,截齿截割载荷增大,且截割载荷与夹矸位置呈抛物线关系;给出截齿垂直和平行层理截割力特征值占比的度量,反映截割顶板易于截割底板的特征;截齿向自由面截割煤岩理论和实验的截割阻力功特征值、断裂位置和断裂崩落线与截割点垂线夹角的平均误差分别为3.10%,3.37%和8.07%,验证了截割煤岩状态特征量数学模型的正确性。该研究通过给出融合载荷特征的截割状态修正与煤岩状态识别的理论基础描述,为进一步精准实现智能化采煤机调高-调速二元协调控制提供了借鉴。

摘要： YOLOv3是一种兼具检测精度与速度的深度学习目标检测算法。针对煤矿智能化开采的关键技术瓶颈——煤岩界面识别难题,利用深度可分离卷积改进YOLOv3算法,有效提升煤岩界面识别的精度和效率;针对煤岩界面连续和贯穿的特点导致的传统目标检测评测指标无法准确评价算法识别准确性的问题,建立了新的煤岩界面识别准确性评测指标;利用三次样条插值算法对煤岩界面识别预测框中点进行拟合,获得了接近真实的煤岩界面曲线。相关试验结果表明,改进YOLOv3的训练参数规模减少了约80%,测试时间减少了约5%;采用新的评测指标,在x和y方向上的准确率分别提高了5.85%和16.99%;提取的煤岩界面曲线较真实值误差控制在4.1%以内。

摘要： 为解决因采煤机与刮板输送机和液压支架智能化、自动化控制水平不匹配而导致的工作面生产效率低的问题,在对采煤机自动调高机构和控制理论研究的基础上,主要对实现采煤机自动调高控制的煤岩自动识别方法和自动调高控制策略进行设计并试验。结果表明,设计的采煤机自动调高控制系统跟踪效果较好,其使用效果理想。

摘要： 为了保证采煤机安全运行及加速工作面智能化建设,对煤岩识别技术进行分析,确定了机器深度学习煤岩识别技术的优越性;同时通过建立采煤机及煤层地质统一坐标轴给出了煤层地质模型建立及采煤机预截割线路,有效提升了采煤机自动化运行程度,为矿井高效开采,智能化、自动化建设提供了一定的依据与借鉴。

摘要： 为了解决采煤机截割滚筒无法自动改变截割参数造成的截割部损坏问题,设计了采煤机自适应控制系统。通过对采煤机自适应截割控制流程、控制策略及煤岩状态识别等方面进行分析,给出了自适应控制系统的工作原理,同时通过仿真软件对自适应控制系统进行验证发现,经过优化后的采煤机最大扭矩载荷降低了2.8×10^(4)N·m,同时当滚筒截割至坚硬岩层时,会立刻降低滚筒高度,为矿井智能化建设提供一定的参考。

摘要： 目前近红外光谱煤岩识别都是在静态下采集光谱数据进行离线识别,无法适应放顶煤作业时需要实时识别输送机上高速移动煤岩的需求。针对该问题,基于近红外光谱技术研制了一种煤岩识别装置。该装置由数据采集与处理装置和光源探头一体化装置组成,通过光源探头一体化装置搜集煤岩反射光,利用数据采集与处理装置中改进的煤岩识别算法(余弦角算法和相关系数法)分析光谱数据,可在获取到煤岩光谱曲线后立即分析光谱信息并判断当前煤岩类别。为得到改进煤岩识别算法最佳特征波段与标准光谱库大小,通过实验得到了不同特征波段和标准光谱库大小对识别准确度的影响:1300—1500,1800—2000,2100—2300 nm特征宽度适用于大多数煤岩样本,标准光谱库大小与正确率正相关,识别时标准光谱库有必要增加曲线数量。为提高煤岩识别装置采集的光谱质量,在实验室模拟了煤岩与光源探头一体化装置的相对运动,探究了不同光谱采集参数对光谱质量的影响规律:积分时间主要参考光源的光照强度,当采集条件较好时积分时间设置为比下限略高5〜10 ms最佳;考虑综放工作面对煤岩识别实时性要求高且放煤过程中刮板输送机上煤岩变化较快,积分次数设置为1最佳;平滑次数主要参考环境波动快慢,只需设置为可消除环境光变化即可。为提高煤岩识别装置在工作面煤流运动状态下识别的准确性,探究了改进余弦角算法与相关系数法在煤岩与光源探头一体化装置相对运动中识别的准确性,得到改进相关系数法是更适合在工作面使用的识别算法,正确率达到91.3%。煤矿现场煤岩识别试验结果表明,该装置在采集到1个放煤周期内放落煤岩的光谱曲线后,可通过改进识别算法立即分析光谱信息并准确判断当前煤岩类别,实现了放煤过程中煤岩实时识别。

摘要： 振动信号是工程领域故障诊断与模式识别常用的一个考据参数,因此,作者在研究采煤机自动控制过程中,提出利用采煤机运行过程中截割不同介质产生的振动信号特征差异进行煤岩识别的方法.利用振动传感器对采煤机模型截割两种不同材料进行摇臂振动信号采集试验,结果表明根据截割不同材料测得的振动幅值不同实现煤岩识别是可行的.鉴于目前应用于煤矿井下的振动传感器难以适应本研究需要,尤其是传感器的本安型要求,本文提出一种本安型无线振动传感器设计,并通过与普通振动传感器的对比实验,以验证本安型无线振动传感器所测得数据的可靠性.

摘要： 煤岩截割振动信号分析的煤岩界面识别中,振动信号难以与采煤机实时工况信息进行关联存储,存在煤岩识别运算量大等问题.针对此类问题,设计了一种新型采煤机截割振动信号采集与识别系统.重点介绍了该系统的设计原理和软、硬件设计等.工业测试结果表明,该系统通过对数据采集及预处理算法进行优化,可多通道、高精度、高速率采集和实时处理数据,可满足采煤机滚筒自动调高实时性的要求.该系统已获得矿用产品安全标志证及防爆合格证.

摘要： 研究非接触的探测方法是解决煤岩识别问题的重要方向.提出声学探测法解决煤岩识别问题,依据声波在水煤、煤岩界面反射、折射时,在界面处满足声压连续和质点速度连续的物理性质,建立了声学传输路径模型.考虑到经过分界面的声波在介质中传播的同时存在介质衰减,推导出声波在水、煤、岩3种介质传输时于水煤、煤岩2个界面传播、反射的回波公式,构成路径传输煤岩识别声学模型.该模型为包含不同介质的声吸收系数、特性阻抗、厚度和声波频率、幅值比模数的非线性方程.搭建煤岩识别实验平台,水听器作为声波收发仪器,与信号发生器、示波器构成收发系统和分析装置.使用SIMULINK模拟声波收发及建模过程,标定介质的声吸收系数,求解发射、接收声波的幅值比模型方程获得煤层厚度、水层厚度数值解,从而验证了模型的可行性.仿真试验表明,理论煤厚识别误差为0.03m,有待于通过现场试验进一步验证.

摘要： 本发明公开了一种基于煤岩高光谱反射特性的煤岩界面识别方法，此方法根据被测煤岩所含矿物的化学成分和组成结构不同，其在特定波长点处对相同光反射吸收的高光谱反射率特性不同，采用高光谱进行地下煤岩界面感知，对感知数据利用全波形、特征参量及人工智能识别等方法保证环境适用性和判别精度。通过建立我国主要煤岩的高光谱数据库，对包络线预处理后的光谱曲线全波形、差异吸收谷反射率曲线中提取的特征参数、差异吸收谷反射率曲线全波形数据，采用四种识别模型实现对未知类型试样的识别。本发明解决了在不同的煤系或煤田的煤层类型结构和顶底板沉积岩类型结构变化多样的情况下，快速高效地区分煤岩界面的问题。

摘要： 一种基于煤岩图像特征抽取与分类识别的煤岩分界方法和系统，首先在采煤工作面拍摄煤岩图像，然后抽取煤岩图像的纹理特征信息并构造成特征向量；纹理特征信息包括原图像和每个Daubechies小波分解尺度的低频系数图像的角二阶矩、对比度、相关、均值、方差，还包括计算水平、垂直和对角三个方向的高频系数图像的总均值和总方差；最后创建最佳分类器，实现对煤岩界面的识别。本系统包括图像采集模块、特征模块、分类识别模块、结果显示交互模块、存储模块和中央控制模块。本发明所提出的基于煤岩图像特征抽取与分类识别的煤岩分界方法和系统具有计算简便、人工干预少、成本低、可有效提高复杂环境下煤岩图像的分类精度和效率，提供准确可靠的煤岩界面信息。

摘要： 在煤矿井下开采过程中，既需要努力提高煤炭采出率，又必须尽可能避免采煤机滚筒截齿切割到顶板岩层而损坏设备甚至引发事故，因此需要在线识别煤层与岩层的分界面。本发明提供了一种煤岩界面识别方法、识别系统及识别探头，通过将能够穿透煤层而不能穿透岩层的特定能级的高压水射流向巷道上方的煤层喷射，并实时感知被煤层或岩层反射的反射流对喷嘴形成的不同作用力，控制器据此判断采煤机滚筒截齿上端与煤岩界面的距离，实现采煤机摇臂自动调高控制，使煤炭开采过程实现高采出率、低机械磨损率、自动化作业等目标。本发明提出的煤岩界面识别方法、识别系统及识别探头，具有低成本、高适应性、高可靠性、本质安全等优点。

摘要： 本发明公开了一种基于煤岩高光谱反射特性的煤岩界面识别方法，此方法根据被测煤岩所含矿物的化学成分和组成结构不同，其在特定波长点处对相同光反射吸收的高光谱反射率特性不同，采用高光谱进行地下煤岩界面感知，对感知数据利用全波形、特征参量及人工智能识别等方法保证环境适用性和判别精度。通过建立我国主要煤岩的高光谱数据库，对包络线预处理后的光谱曲线全波形、差异吸收谷反射率曲线中提取的特征参数、差异吸收谷反射率曲线全波形数据，采用四种识别模型实现对未知类型试样的识别。本发明解决了在不同的煤系或煤田的煤层类型结构和顶底板沉积岩类型结构变化多样的情况下，快速高效地区分煤岩界面的问题。

摘要： 一种基于煤岩图像特征抽取与分类识别的煤岩分界方法和系统，首先在采煤工作面拍摄煤岩图像，然后抽取煤岩图像的纹理特征信息并构造成特征向量；纹理特征信息包括原图像和每个Daubechies小波分解尺度的低频系数图像的角二阶矩、对比度、相关、均值、方差，还包括计算水平、垂直和对角三个方向的高频系数图像的总均值和总方差；最后创建最佳分类器，实现对煤岩界面的识别。本系统包括图像采集模块、特征模块、分类识别模块、结果显示交互模块、存储模块和中央控制模块。本发明所提出的基于煤岩图像特征抽取与分类识别的煤岩分界方法和系统具有计算简便、人工干预少、成本低、可有效提高复杂环境下煤岩图像的分类精度和效率，提供准确可靠的煤岩界面信息。

摘要： 在煤矿井下开采过程中，既需要努力提高煤炭采出率，又必须尽可能避免采煤机滚筒截齿切割到顶板岩层而损坏设备甚至引发事故，因此需要在线识别煤层与岩层的分界面。本发明提供了一种煤岩界面识别方法、识别系统及识别探头，通过将能够穿透煤层而不能穿透岩层的特定能级的高压水射流向巷道上方的煤层喷射，并实时感知被煤层或岩层反射的反射流对喷嘴形成的不同作用力，控制器据此判断采煤机滚筒截齿上端与煤岩界面的距离，实现采煤机摇臂自动调高控制，使煤炭开采过程实现高采出率、低机械磨损率、自动化作业等目标。本发明提出的煤岩界面识别方法、识别系统及识别探头，具有低成本、高适应性、高可靠性、本质安全等优点。

摘要： 一种使用煤岩识别处理器的煤岩识别方法，包括外壳、传感器、电路模块、无线模块和电池，所述传感器、电路模块、无线模块和电池设置在外壳内部，所述外壳为全封闭壳体，壳体连接缝进行密封处理，所述外壳内部采用全灌封密封；所述传感器选自振动传感器和声波传感器中的一种或两种，用于感知放煤或采煤时液压支架或采煤机与煤岩接触所产生的信号；所述电路模块用于采集和处理所述传感器接收到的信号；所述无线模块电气连接所述电路模块，用于将所述电路模块处理后的信号以无线的模式向外部发送，所述无线模块配置有天线，并具有收发功能；所述电池用于向传感器、电路模块和无线模块供电，所述煤岩识别方法包括在液压支架放煤过程中的识别和在割煤机割煤过程中的识别。

摘要： 本发明公开了一种基于煤岩识别处理器的煤岩识别方法，涉及煤岩识别技术领域，包括步骤1、放煤工序；步骤2、传感识别；步骤3、信号采集；步骤4、信号处理；步骤5、结果传输；步骤6、结果判断；步骤7、关闭工序；步骤8、待机模式，本发明的有益效果为：该基于煤岩识别处理器的煤岩识别方法，通过在液压支架上安装用于检测是否为岩层的煤岩识别处理器，可以对目标位置是否为岩层进行检测，当检测到为岩层时则中断煤层开采程序，进行调整后再进行后续工作，并且通过使用自动化检测的方式，可以有效的对煤岩开采过程中可能遇到的岩层进行规避，提高了现场识别能力的同时减少了人力资源的投入。

摘要： 本发明公开了一种基于煤岩结构元学习的煤岩识别方法，该方法通过煤岩结构元学习获得煤、岩图像的特征信息进行识别。本方法由图像预处理、训练过程和识别过程三大模块组成。预处理模块，对采集到的煤、岩图像进行简单的预处理，得到训练样本集。训练模块，用训练样本集训练结构元，提取图像特征信息。识别模块，根据训练得到的结构元，提取未知煤岩对象图像的特征信息，再输入到分类器中进行分类识别。该方法用煤、岩在不同照度、不同视点下的图像作为训练样本，且对图像噪声具有较高的鲁棒性，受照度和成像视点变化影响小，识别率高，稳定性好。

摘要： 一种使用煤岩识别处理器的煤岩识别方法，包括外壳、传感器、电路模块、无线模块和电池，所述传感器、电路模块、无线模块和电池设置在外壳内部，所述外壳为全封闭壳体，壳体连接缝进行密封处理，所述外壳内部采用全灌封密封；所述传感器选自振动传感器和声波传感器中的一种或两种，用于感知放煤或采煤时液压支架或采煤机与煤岩接触所产生的信号；所述电路模块用于采集和处理所述传感器接收到的信号；所述无线模块电气连接所述电路模块，用于将所述电路模块处理后的信号以无线的模式向外部发送，所述无线模块配置有天线，并具有收发功能；所述电池用于向传感器、电路模块和无线模块供电，所述煤岩识别方法包括在液压支架放煤过程中的识别和在割煤机割煤过程中的识别。