刮板输送机断链智能监测技术研究
李灵锋1
张洁1
陈茁1
查天任1
尹瑞2
1.河北建材职业技术学院机电工程系,河北秦皇岛 0660042.中煤张家口煤矿机械有限责任公司,河北 张家口 076250;河北省高端智能矿山装备技术创新中心,河北 张家口 076250
摘要：针对现有基于AI算法的煤矿井下刮板输送机断链监测技术在线学习能力低、检测精度差、稳定性低、复杂场景适应性和可靠性差等问题,通过在极限学习机(ELM)中增加增量式在线训练,设计了可实现离线样本和实时在线样本训练的在线贯序极限学习机(OSELM)网络,进而提出了基于OSELM的刮板输送机断链智能监测技术.将经过大量煤矿井下刮板输送机链条监控图像(离线样本)训练的OSELM网络算法写入AI摄像仪,将AI摄像仪安装于刮板输送机机尾,实时感知刮板输送机链条运行状态并进行在线学习,由AI摄像仪输出控制决策,并通过刮板输送机集中控制系统平台实时显示识别结果.井下工业性试验结果表明,OSELM网络具有较高的自主学习能力、较强的泛化性和鲁棒性,对刮板输送机断链识别的平均精度均值、准确率和精确率分别为98.6％,99.3％,91.7％,检测速度达205.6帧/s,整体效果优于深度神经网络融合网络、RT-DETR、YOLOv5、YOLOv8、ELM等模型,实现了刮板输送机链条状态的精准、实时检测.
关键词：刮板输送机链条状态识别断链监测AI摄像仪在线贯序极限学习机网络
分类号：TD67(矿山电工)
资助基金：国家重点研发计划(2017YFF0210606)河北省高等学校科学研究项目(ZD2022018)
论文发表日期：2025-03-31
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 63-69,77 )
英文信息