摘要：煤矿井下火灾产生的烟气在巷道内蔓延过程中,其流动状态易受内部障碍物影响,形成局部烟气滞留区,增大有毒气体积聚风险,严重威胁人员安全疏散与救灾决策.现有研究多集中于巷道结构变化或通风系统的影响,缺乏对障碍物几何形状、高度及距离等参数影响的系统研究.针对该问题,基于粒子图像测速(PIV)实验方法,研究障碍物形状、高度及其与火源距离3个关键因素对回流涡旋演化及速度分布的影响.结果表明:方形障碍物的固定几何前缘迫使烟气在尖角处发生强烈分离,形成结构稳定、范围较大的回流涡旋,最大烟气反向速度达-0.027 m/s,回流涡旋高度为184 mm,均显著高于圆形障碍物,因此相较于圆形障碍物,方形障碍物因其更强的烟气滞留能力而构成更高的风险,需在通风与疏散设计中被重点关注;100 mm高度的障碍物主要形成小范围、高速度的回流涡旋,而200 mm高度的障碍物回流涡旋高度扩展至233 mm,但最大烟气反向速度降至-0.015 m/s,形成大范围、低速度的回流涡旋,因此高大障碍物尽管涡旋流动速度减弱,但其形成的大范围烟气滞留区增加了有毒气体的聚集空间和人员受困风险;火源与障碍物之间存在临界距离200～300 mm,此时速度达到峰值,涡旋结构最为稳定.

摘要：截割煤岩属性识别主要包括截割时产生的过程信号识别、红外成像识别、图像特征识别、反射光谱识别等.由于掘进巷道环境复杂,掘锚一体机运行过程中产生的噪声易将截割产生的声波信号湮没,振动信号同样也易受设备自身振动干扰,而基于红外成像、图像识别的方法易受掘进高粉尘、低照度环境影响,在实际掘进工作面的应用效果不佳,同时,基于单一传感器的识别方法会受环境复杂程度和识别区间的限制.针对上述问题,提出了一种基于声波、振动信号的多源信息融合识别方法.首先,针对井下环境复杂存在噪声干扰的问题,利用变分模态分解(VMD)算法对声波、振动信号进行分解,提出基于香农熵的模态筛选准则,对声波、振动信号进行重构去噪,获取有效振动与声波信号;然后,基于马尔可夫转移场(MTF)将声波、振动信号特征序列转换为二维图像进行特征融合;最后,引入结合卷积块注意力模块(CBAM)的卷积神经网络(CNN),对二维图像信息进行空间特征学习,实现多尺度特征的自动提取与关键特征的精准强化,完成截割煤岩属性的精准识别.实验结果表明,所提方法的识别准确率达99.404 8％,显著优于传统CNN模型.

摘要：煤矿锚杆钻臂轨迹跟踪控制精度对支护作业效率和安全性具有重要影响.针对煤矿井下锚杆钻臂液压系统非线性、时滞及参数时变特性导致的轨迹跟踪精度不足问题,提出了一种基于迭代学习补偿的滑模自抗扰控制(ILC-SMADRC)算法.基于D-H参数法建立了锚杆钻臂六自由度运动学模型,并采用五次多项式插值规划平滑轨迹;设计了高阶扩张状态观测器(ESO),实现系统状态及扰动的精确估计;提出基于瑞利分布函数与tanh函数构造的新型滑模趋近律,以有效抑制高频抖振;结合迭代学习补偿提高轨迹跟踪精度和鲁棒性,通过李雅普诺夫准则证明系统的稳定性.仿真结果表明,与传统PID和滑模控制(SMC)方法相比,ILC-SMADRC算法的时间乘绝对误差积分分别降低83.5％和59.2％,其中关节6跟踪误差较SMC降低96.8％,显著提升了锚杆钻臂在井下复杂工况下的运动控制精度与稳定性.

摘要：面对煤矿井下复杂环境引起的传感器数据持续性密集噪声异常、瞬时脉冲异常、缺失异常现象,现有数据异常检测方法难以适应非线性时序波动、处理高频数据时误报率较高及依赖大量标注样本.针对上述问题,提出了一种煤矿传感器数据异常检测方法.首先,通过Z-score标准化消除传感器数据量纲差异.其次,利用基于邻近性的异常检测方法——基于距离的K最近邻(KNN)算法与基于密度的局部异常因子(LOF)算法对数据进行异常值初筛,并标注异常标签;同时通过双尺度滑动窗口提取数据的滞后特征、统计特征、差分特征、快速傅里叶变换(FFT)特征和时间编码特征等时序特征,并拼接生成特征矩阵.然后,将特征矩阵与对应的异常标签构成极限梯度提升(XGBoost)模型所需的样本集,按数据的时间顺序将样本集划分为训练集、验证集与测试集,并用经过负样本欠采样处理的训练集对XGBoost模型进行训练.最后,利用训练后的XGBoost模型计算验证集每个样本点的异常概率,并绘制精确率-召回率(PR)曲线,选取使F1分数达到最大值的异常概率作为异常判别阈值,将异常概率大于等于阈值的样本点标记为异常点,从而输出传感器异常数据.实验结果表明,所提方法具有较高的异常数据检测精度,且在不同数据分布与噪声环境下均能保持稳定的检测性能,具有良好的泛化能力.

摘要：针对矿井提升机轴承、齿轮箱等关键部件在复杂工况下样本标签缺失导致的诊断性能下降问题,提出一种基于多尺度特征迁移学习的提升机关键部件故障诊断技术,构建了基于多尺度时频特征提取和域对抗网络的轻量化故障诊断模型(DAMSF-LFDM).提出一种蛇形小波系数矩阵组(SWCMs)表示方法,结合小波包变换、分段聚合逼近与蛇形重组构建多尺度时频特征矩阵,充分捕捉振动信号不同频率段的内部关联特征.提出多尺度残差幽灵卷积块(MRGCB),采用多个并行卷积层,能够在不同尺度上有效提取输入数据的深度特征,增强模型对多尺度信息的提取能力.为了提取SWCMs中的个性化故障特征并进行自适应融合,提出融合多尺度故障特征提取模块(FMFFEM),采用相加方式进行特征融合,并引入特征权重自适应分配机制,完成不同频率段特征的融合提取.结合多层最大平均值差异损失与域对抗机制,建立了基于域对抗机制的深度迁移诊断网络,提升了模型的跨工况适应能力.实验结果表明,DAMSF-LFDM模型整体性能显著优于对比模型,在不同迁移任务下故障诊断准确率均最高,在SEU数据集和MFS-RDS数据集上的跨工况平均准确率分别为98.67％和99.80％.

摘要：现有瓦斯抽采钻孔负压调控方法存在对工况变化响应迟滞、缺乏自适应能力与动态反馈调控功能等问题,难以实现对钻孔负压的精准调控.针对上述问题,提出了一种基于粒子群优化(PSO)-反向传播(BP)的瓦斯抽采钻孔负压智能调控方法.推导了煤层瓦斯-空气运移模型,并在此基础上采用COMSOL数值模拟软件得到不同抽采工况下的瓦斯抽采数据集;引入PSO算法对BP算法初始权重进行寻优,提高对抽采负压预测的可靠性;以瓦斯抽采流量或瓦斯抽采体积分数为目标值,基于PSO-BP算法预测目标值对应的抽采负压,调整阀门开度使钻孔负压达到预测的抽采负压,从而实现对瓦斯抽采钻孔的精准调控.结果表明:相比于极限学习机(ELM)、时间卷积网络(TCN)、支持向量机(SVM)算法,BP算法对瓦斯抽采数据特征变化规律的提取更准确;PSO-BP算法的均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)、平均偏差误差(MBE)、平均绝对百分比误差(MAPE)、决定系数R2均优于BP算法;现场开展钻孔负压智能调控后,瓦斯抽采体积分数和瓦斯抽采流量相比于调控前均有所提升.

摘要：基于单一部件特征的瓦斯抽放泵故障分类方法未考虑部件之间的相互作用影响,难以准确捕捉故障本质特征,制约了其在瓦斯抽放泵故障分类任务中的准确性和可靠性.针对该问题,提出了一种基于图采样聚合与分层注意力机制(GraphSAGE-HAT)的融合多部件联合特征的瓦斯抽放泵故障分类模型.首先,通过加速度传感器采集瓦斯抽放泵轴承、叶轮和泵体部件的振动数据,构建包含3个部件特征的数据集,并使用Min-Max归一化方法对数据集进行预处理.其次,采用K最近邻(KNN)算法将预处理后的数据集转换为同构图,便于图神经网络算法进行图特征学习.然后,引入分层注意力机制(HAT),构建GraphSAGE-HAT算法,通过HAT对同构图节点内部各部件特征和节点及其邻居节点特征进行分层加权聚合,有效捕捉部件间的关联关系特征和节点间的数据结构特征.最后,将聚合后的特征输入全连接层,实现对瓦斯抽放泵故障的分类.实验结果表明,相较于单部件特征,融合多部件联合特征和GraphSAGE算法的模型的准确率提升了 9.24％,进一步引入HAT后,融合多部件联合特征和GraphSAGE-HAT算法的模型的准确率达到了 98.08％.

摘要：随着开采深度增加与地质条件日趋复杂,目前针对工作面超前支承压力分布的研究难以完全适用于坚硬顶板条件.为深入揭示坚硬顶板工作面超前支承压力分布演化特征,以大同煤矿集团有限责任公司马脊梁煤矿8105工作面为工程背景,综合采用理论分析、数值模拟、现场实测方法,分析了不同工作面推进距离、回采速度和采厚对工作面超前支承压力分布的影响规律.研究结果表明:坚硬顶板工作面超前支承压力呈现明显的分区特征,按照距工作面距离由近及远可依次划分为卸压区、应力集中区、二次卸压区与原岩应力区;随着工作面推进距离增大,基本顶悬顶距离增大,工作面应力集中区内工作面超前支承压力峰值增大,二次卸压区内工作面超前支承压力谷值降低,二次卸压区范围扩展;基本顶断裂时会伴随发生顶板"反弹-回缩"效应,使得工作面超前支承压力峰值回落,工作面超前支承压力谷值回升,二次卸压区范围收缩;提高回采速度或增大采厚均会导致工作面超前支承压力峰值升高、二次卸压区范围扩展、卸压幅度增大,从而使工作面超前支承压力分区特征更明显.

摘要：液压支架销轴传感器在剧烈岩层压力下输出信号表现出强非平稳性与时变特征,单一神经网络结构难以同时兼顾多尺度空间特征挖掘与长时序依赖捕捉,且在多尺度特征融合时缺乏自适应权重分配机制,导致误差预测模型的泛化性能受限.针对上述问题,提出了一种融合卷积神经网络(CNN)、长短期记忆网络(LSTM)与自注意力机制(SAtt)的混合神经网络CNN-LSTM-SAtt,并将其用于液压支架销轴传感器负载误差预测.首先,采用变分模态分解(VMD)、快速傅里叶变换(FFT)与希尔伯特变换(HT)组合的方法(VMD-FFT-HT)构建多域特征;然后利用CNN提取频域与时频域的深层空间形态特征,通过LSTM捕获时域信号的长期演变规律;最后引入SAtt根据信号波动特性对多域特征进行动态赋权,进而建立传感器负载响应信号与激励信号的高精度非线性映射.采用力标准机开展的销轴传感器5种典型加载实验结果表明,CNN-LSTM-SAtt模型预测值能够有效修正销轴传感器负载响应信号中的误差分量;相较于传统模型及单一神经网络模型,该模型在预测精度与泛化能力上均表现出显著优势,可实现对复杂工况下液压支架销轴传感器负载误差的有效预测.

摘要：在单轴压缩条件下,层理砂岩的强度、变形及能量演化规律不仅取决于砂岩基质的固有属性,更受层理倾角、层理面胶结强度及分布密度等因素的控制,呈现出强烈的各向异性特征.目前对于层理砂岩在单轴压缩过程中的力学性能及能量耗散规律的系统研究仅关注单一角度或单一能量参数,缺乏对不同层理倾角下能量参数与力学参数、破坏类型与特征的协同分析.针对上述问题,以层理砂岩为研究对象,通过单轴压缩试验,系统测试0,30,45,60,90° 5种层理倾角下层理砂岩的应力-应变曲线,分析其力学性能(峰值强度、弹性模量、泊松比等),观察主导破坏类型与特征,并结合能量守恒原理计算输入能、弹性能及耗散能的演化规律.研究结果表明:①层理倾角显著影响砂岩力学性能,峰值强度和弹性模量随层理倾角呈"U型"变化,45°时最低,90°时最高.泊松比呈单峰规律,45°时达最大值,为0.32.峰值应变则表现为45°时最大,90°时最小.②破坏类型与特征随层理倾角呈现"穿层破坏→沿层剪切+局部穿层→沿层剪切滑移"的转变,0°和90°以穿层脆性破坏为主,45°和60°以沿层剪切塑性破坏为主.③输入能、弹性能及耗散能均受层理倾角调控,0°和90°试件弹性能占比高,破坏时集中释放.30～60°试件耗散能占比更高,呈持续增长趋势.

摘要：针对钻孔窥视、微震监测、地音或巷道变形探测等传统煤矿顶板水力压裂效果评估方法存在的空间连续性差、难以实时动态反馈等问题,创新性地采用高密度电法探测结合电阻率层析成像技术,实现压裂过程裂隙发育与压裂液运移的动态、定量、三维可视化监测.以陕西小保当矿业有限公司一号煤矿112205工作面为工程背景,对XBD-02L水平井分段压裂过程进行压裂前、压裂中、压裂后连续电阻率探测,基于电阻率变化提出压裂效果定量评估指标.探测结果表明,压裂有效影响范围在水平方向可达200 m,垂直方向达57 m,压裂液呈现扩散-流失的动态过程.结合地球物理与工程数据对高密度电法探测结果进行多源验证:音频电穿透视结果证明电阻率异常区与富水构造高度吻合,矿压监测数据说明压裂区域周期来压步距缩减39.35％,矿压弱化效果明显.基于高密度电法探测构建煤矿顶板水力压裂全过程动态可视化监测与定量评价体系,可为优化水力压裂设计、保障煤矿安全高效开采提供关键技术手段.

摘要：选煤厂浮选尾矿灰分人工检测方式自动化程度较低,无法满足在线、快速、精准检测需求.将机械臂应用于浮选尾矿灰分检测,可提升检测效率和安全性.针对浮选尾矿灰分检测机械臂在运动过程中存在卡顿、柔顺性不足的问题,提出一种改进的任务-关节空间动态自适应柔顺控制(TJS-DACC)算法,即在TJS-DACC算法中引入强化学习框架,综合考虑机械臂末端执行器的响应速度和加速度,构建多目标融合的奖励函数,同时设计惩罚函数和损失函数,建立对插值权重因子的寻优模型,以实现机械臂在任务空间和关节空间控制的自适应融合.通过Matlab仿真实验和物理平台实验,验证了采用改进TJS-DACC算法控制时,浮选尾矿灰分检测机械臂的采样效率较采用传统的关节空间PID算法和TJS-DACC算法控制时分别提高26.13％和15.03％,且轨迹连续平滑,关节协同性强,无急停、卡顿与冲击现象,控制效果优于对比算法.

摘要：浅埋煤层综采工作面支架载荷呈现强烈的空间非平稳性与区域差异性,目前大多研究仅预测单一支架,且实验设计中忽略了与相邻支架的关联性,难以精准预测工作面各区域支架载荷.针对该问题,提出一种基于时空特征融合的液压支架载荷分区预测方法.基于弹性基础梁理论分析工作面顶板挠度与支架载荷的分布特征,结合现场支架载荷数据,采用K-means++聚类算法对液压支架进行区域划分并验证其合理性;通过特征工程将相邻6个支架的载荷数据作为外部回归变量引入XGBoost模型,结合LSTM在捕捉长期依赖关系与非线性响应方面的优势,构建了 XGBoost-LSTM组合预测模型,并通过优化输入窗口长度与输出步长参数,实现对各区域代表性支架载荷的精准预测.研究结果表明:支架载荷呈"中间大、两端小"的分布趋势,可将支架划分为5个典型区域;当窗口长度为60、输出步长为6时,模型在多步预测任务中的性能最佳,各区域预测结果的决定系数提升至0.947,均方根误差(RMSE)与平均绝对误差(MAE)分别降低至0.303 MPa与0.152 MPa,相较于次优模型XGBoost,RMSE与MAE分别降低了 44.4％和35.4％,且在周期来压等关键阶段准确性更高.

摘要：目前智慧矿山建设普遍面临投入产出失衡、标准缺失、灾害预警核心系统准确性不高与技术集成不足、"系统孤岛"、数据资源利用不足等问题,严重制约智能化技术在矿山安全防控、生产优化、经营决策中的深度应用.介绍了智慧矿山建设的理论发展及技术集成与数据治理现状,指出尽管智慧矿山建设历经从数字矿山、感知矿山到智能矿山的持续演进,并在技术架构与系统应用上取得了长足进步,但当前仍处于系统智能化阶段,尚未实现真正的全面智慧化.现有系统存在透彻感知、深度互联、业务协同和数据共享困难、智能决策水平有限等突出问题.在分析目前智慧矿山建设在技术集成、数据治理、生态构建等方面存在的核心问题基础上,指出亟需通过技术集成与数据治理优化推进智慧矿山升级改造的必要性,并提出一套智慧矿山建设"三步走"升级路径:依次从系统集成与智慧安全体系建设、采煤-掘进-机电-运输-通风及经营管理等全流程智能深化、矿山领域大模型构建及生态协同与智慧涌现3个阶段逐步推进.

摘要：目前对动压巷道围岩控制研究多聚焦于巷道处于单向或双向临空巷道的条件,而将切顶卸压与全锚索支护协同控制技术应用在三向临空动压巷道的研究较少.以平煤股份四矿己15-23100工作面三向临空动压巷道为工程背景,分析了三向临空动压巷道切顶卸压前后的围岩应力分布特征:三向临空动压巷道未开挖时塑性区范围已超过了原有支护方式的锚固范围,切顶能够改善围岩应力环境,降低支承应力峰值.原有巷道支护方式支护长度不足、预紧力低,不能对塑性区进行有效锚固,导致三向临空动压巷道出现顶板下沉大、侧壁破坏严重等现象.基于上述分析结果,提出了"切顶卸压+全锚索支护"协同控制技术,利用高强度锚索形成叠加梁结构,将顶板压力传递至深部稳定岩层;同时,通过切顶卸压爆破弱化顶板关键层,阻断应力传递路径.现场监测结果表明,实施"切顶卸压+全锚索支护"协同控制技术后,顶板最大下沉量降至184 mm,煤柱帮与实体煤帮最大变形量分别为149,122 mm,验证了该技术对三向临空动压巷道围岩控制的有效性.

摘要：针对矿用钻机复杂井下工况下监测数据噪声多、漂移大且存在大量缺失的问题,提出了一种基于模型迁移的钻机主轴轴承运行数据缺失值插补方法.该方法基于嵌入时空注意力的双向时序卷积联合生成对抗插补网络(BiTCGAIN-STA),通过双向时序卷积网络(BiTCN)捕捉前后时序依赖关系,通过时空注意力(STA)机制自适应分配时间与通道权重,并通过生成对抗训练提升插补样本的分布一致性与多样性,同时在目标域上进行真实数据微调,以增强迁移鲁棒性.提出了一种基于自适应加权融合与Informer网络的轴承故障诊断模型,结合Informer长序列特征提取网络对融合信号进行深度表征,从而提高对微弱故障特征的识别能力.实验结果表明:在不同缺失率下,BiTCGAIN-STA模型的均方根误差(RMSE)均显著高于Mean,MICE,GAIN等主流模型,实现了高质量的数据重建;轴承故障诊断模型对微弱故障的识别准确率达99.87％,显著高于Transformer、图神经网络(GNN)等模型.

摘要：现有动态点云去除方法多面向结构化场景,在煤矿非结构化场景中面对非均匀点云分布、空间结构差异大、大范围动态遮挡等工况时,易导致全局地图出现"地面截断"与局部空洞,破坏地图连续性.针对上述问题,提出了一种面向煤矿非结构化场景的自适应级联动态点云去除方法.该方法首先利用多分辨率深度投影将三维点云转换至二维图像域,通过构建深度一致性约束,快速生成动态区域先验标记;其次,通过环-扇区方式对空间进行栅格化划分,基于动态区域先验信息自适应调整扫描比率测试(SRT)判决阈值,判断栅格区域内是否存在动态点云;然后,结合高度下界校验对存在动态点云的栅格区域进行二次校验,并利用区域地面平面拟合(R-GPF)恢复因动态遮挡而缺失的地面点云;最后,获得准确、连续的静态点云地图.在公共数据集与仿真矿区场景上的实验结果表明:所提方法具有良好的建图一致性,在有效去除动态点云的同时,保持了垂直几何结构的完整性与动态邻域地面的连续性;能够有效抑制建图位姿漂移引起的虚假重影,并避免地面空洞与壁面断裂等现象,保持了静态点云结构的连续性;所提方法的静态点检测精度(SA)高于ERASOR方法,动态点检测精度(DA)高于Removert方法,且综合精度(AA)与调和精度(HA)均最优,能有效平衡动态点去除精度与静态点保真度.

摘要：现有基于计算机视觉的煤矿井下钻杆计数方法多依赖单一或局部视觉特征进行计数,当钻机作业过程出现进退钻及短暂停机等状态切换,且伴随井下常见的光照复杂、目标遮挡和目标抖动等干扰时,计数特征可能发生异常波动,从而容易出现误计或漏计.针对上述问题,提出了一种基于煤矿井下钻机作业状态判别的煤矿井下钻杆计数方法.首先,在YOLOv11模型基础上引入大核可分离注意力(LSKA)模块、广义高效层聚合网络(GELAN)和动态检测头(DynamicHead),构建了轻量化目标检测模型,用于稳定检测钻机关键部件(卡盘与夹持器).然后,采用DeepSORT算法对卡盘与夹持器进行持续跟踪,获取二者之间的相对距离变化曲线,并使用卡尔曼滤波对曲线进行平滑处理以抑制噪声.最后,从平滑后的曲线上提取波谷位置,依据相邻波谷间距判别进钻与退钻状态,并对进钻状态下的波谷进行累计,从而实现钻杆计数.实验结果表明,改进YOLOv11模型的mAP@0.5达0.966,在光照复杂、目标遮挡和目标抖动等复杂环境下能够准确检测目标;所提方法平均准确率为97.97％,能够满足井下钻杆自动计数对精度的要求.

摘要：随着煤自燃预测场景复杂化与数据量的增加,现有基于神经网络模型预测的煤自燃温度方法难以精准捕捉特定场景下的关键致灾前兆,导致其预测精度与可靠性在实际应用中显著下降,难以满足煤矿智能化发展下煤自燃预测的需求.针对上述问题,通过研究通风影响下的煤自燃多特征指标数据变化规律,提出了一种基于粒子群(PSO)优化BP神经网络的煤自燃高温点预测模型(PSO-BP),选择O2,CO,CO2,CH4浓度和距离进风口的高度5个因素作为模型输入参数,将温度值作为模型预测数据.实验结果表明:随着煤温的升高,煤样的氧化速度加快,煤的自然发火过程呈现出三阶段变化特点,O2浓度呈现阶段性下降趋势,CO,CO2和CH4浓度随供风时间均呈指数变化,高温区域呈现出沿逆风流方向向进风侧动态迁移的规律;通过参数寻优后,PSO-BP的平均绝对误差(MAE)相较于优化前下降了 1.2％,平均偏差误差(MBE)下降了 58.5％,均方根误差(RMSE)下降了18.6％.选取甘肃靖煤能源有限公司宝积山矿区某矿东1煤层进风侧与回风侧采空区数据进一步验证该模型,结果表明,PSO-BP在不同煤层的误差指标均为最小,且其在不同煤层的误差指标波动范围均小于BP神经网络模型误差波动范围.

摘要：现有的煤矿井下管路安装设备大多采用人工遥控操作方式,动作不灵活,管路搬运效率低.针对该问题,设计了一种基于双目视觉和抓放轨迹规划技术实现管路自动识别和抓放的管路安装机器人.采用D-H方法建立了管路安装机器人机械臂的运动学模型并求解,推导了双目相机和机械爪相对于机器人机械臂基坐标系的变换矩阵,通过试验确定了待识别管路的色调、饱和度、亮度范围.搭建煤矿井下掘进工作面模拟环境,对管路安装机器人进行试验测试,结果表明该机器人可实现对井下管路的自动识别、抓取和安装,机械爪坐标实测值与理论值的最大偏差在40 mm以内,航向角、俯仰角、摆动角最大偏差在1 °以内,满足管路定位精度要求,且管路抓举、安装时间较人工方式大大缩短,安装效率明显提升.