煤矿井下传感器种类繁多,对保证煤炭安全顺利开采意义重大。但由于井下环境恶劣,传感器在井下经长期使用后容易受水汽、温度、粉尘等因素影响,会出现监测精度差、稳定性异常等问题,这是典型的老化现象,会给井下的正常工作带来困扰。本文以潞安集团郭庄煤矿为实例,首先介绍了传感器老化测试装置的建立,然后对传感器老化的测试流程进行了详细分析,通过老化测试可以将有缺陷传感器筛选出来,保证井下传感器正常可靠,为井下开采工作保驾护航。

文章结合煤矿安全生产的实际情况,分析了影响煤矿安全生产的各个因素集,利用层次分析法和模糊综合评价法建立了煤矿生产安全评价体系的数学模型。将该数学模型应用在煤矿企业安全生产评价及安全资金投入分配工作中,取得了良好效果,为今后煤矿安全评价及投入工作奠定了基础。

地表移动变形观测数据处理程序(SODP) (Version 4.0.0-开采变形预计模块)

针对煤矿生产区域的监控视频较为模糊且人员行为类型复杂,常规行为识别方法的准确率较低的问题,提出了一种基于动态注意力与多层感知图卷积网络（DA-GCN）的煤矿人员行为识别方法。采用Openpose算法提取输入视频的人体关键点,得到3个维度、18个坐标的人体关键点信息,降低模糊背景信息的干扰;通过动态多层感知图卷积网络（D-GCN）提取人体关键点的空间特征,通过时间卷积网络（TCN）提取人体关键点的时间特征,提高网络对不同动作的泛化能力;使用动态注意力机制,增强网络对于动作关键帧、关键骨架的注意力程度,进一步缓解视频质量不佳带来的影响;使用Softmax分类器进行动作分类。通过场景分析,将井下行为分为站立、行走、坐、跨越和操作设备5种类型,构建适用于煤矿场景的Cumt-Action数据集。实验结果表明,DA-GCN在Cumt-Action数据集的最高准确率达到99.3%,最高召回率达到98.6%;与其他算法相比,DA-GCN在Cumt-Action数据集和公共数据集NTU-RGBD上均具有较高的识别准确率,证明了DA-GCN优秀的行为识别能力。

煤矿通风机故障诊断系统设计，魏超，童敏明，矿井主通风机是煤矿生产的关键性设备，其可靠性及安全性直接关系到矿井生产的正常化及煤矿工人的人身安全。本文在深入研究VB与MATL

在分析输送带发火机理和现有输送带监测技术的基础上,提出一种基于红外热像技术的输送带火灾监测方法。结合红外热像技术实时视频显示、动态识别和非接触式测温等特点,从热像仪测点布置、红外信息处理和输送带火灾的预警与响应等3个方面探讨了热像仪布置方式和红外信息传输方法。分析了红外热像技术应用于矿井输送带火灾监测中存在的难题,最后提出相应的解决对策。

传统目标检测模型采用人工设计的目标特征，造成检测精度较差。基于深度学习的目标检测模型具有较高的检测精度，然而针对实时性和精度要求比较高的煤矿救援机器人应用场合，获取的图像信息较少且目标特征不明显，造成目标检测效果较差。为提高目标检测精度和速度，基于YOLO V3模型提出了一种多尺度特征融合的煤矿救援机器人目标检测模型。该模型主要包括特征提取和特征融合2个模块：特征提取模块采用空洞瓶颈和多尺度卷积获得更加丰富的图像特征信息，增强目标特征表达能力，提高了目标分类精度和检测速度；特征融合模块在特征金字塔中引入空间注意力机制，对含有丰富语义信息的高层特征图和含有丰富位置信息的低层特征图进行有效融合，弥补了高层特征图位置信息表达能力不足的缺点，提高了目标定位精度。将该模型部署在煤矿救援机器人嵌入式NVIDIA Jetson TX2平台上进行灾后环境目标检测实验，检测精度为88.73%，检测速度为28帧/s，满足煤矿救援机器人目标检测的实时性和精度需求。

煤矿静电除尘高压发生器系统选取STM32F103作为控制核心,其片内ADC完成反馈电压的模数转换,根据转换结果调整定时器PWM输出,以控制MOSFET的通断,实现电压的高精度输出。为防止"逆变颠覆",设计进行PWM死区时间控制,以提高高频逆变电路的可靠性。

以地处鄂尔多斯高原与黄土高原的交接地带的大柳塔煤矿为研究区域,采用遥感技术(RS)、地理信息系统(GIS)和全球定位系统(GPS)等"3S"技术,以2002年航空遥感数据和2009年美国快鸟(QuickBird)卫星遥感数据为依据进行矿区土地利用动态研究。

为对煤矿采空区瓦斯浓度、一氧化碳浓度、温度等环境信息进行实时监测,设计了基于无线传感器网络的采空区环境信息实时监测系统。系统由环境感知节点、路由节点、网关节点、数据处理中心等几个部分组成。完成基于ZigBee网络的环境信息感知节点软硬件设计,以CC2530为主处理器,完成各传感器模块的驱动电路设计;以Z-STACK为系统软件平台完成环境信息实时采集传输程序设计。测试结果表明,系统能够实现采空区环境实时监测功能,满足应用需求。