针对煤矿视频监控普遍采用传统可切换矩阵，分镜头图像离散、关联性差等问题，提出一种三维视频融合方法，实现了相邻多个二维视频画面和三维场景模型的融合拼接，同时结合多源信息增强现实技术，自主研发了一套全矿井三维视频融合实时监测系统，使原本碎片化的分镜头画面在真实三维场景中达到空间和时间上一体化监控，实现全矿井视频监控“一张图”动态管理，为矿山企业日常调度管理和应急指挥提供新型技术手段。
2021-10-14 11:19:49
1.29MB
1
由于气体传感器的选择性差,交叉敏感严重,单一BP神经网络识别方法存在识别能力低,分析误差较大,在非期望节点有噪声输出等难题,影响气体分析的精度和效果。对基于常规BP神经网络的定量分析方法进行了改进,提出一种双层复合神经网络的气体分析模型,并以矿井中常见的H2S,CO和CH4 3种可燃混合气体为实验对象,进行混合气体的定量分析。实验结果表明,基于双层复合神经网络的可燃混合气体定量分析最大相对误差为4.4%,大大提高了定量分析精度。
2021-10-13 10:31:00
203KB
1
现有瓦斯浓度预测方法只能实现瓦斯浓度的静态预测,不能随着瓦斯数据的累积而及时更新,从而导致预测结果不具有及时性。针对该问题,提出了一种基于时间序列的瓦斯浓度动态预测方法。利用小波分解技术的多分辨率特性,将瓦斯浓度时间序列分解到不同尺度上,使时间序列平稳化;通过实时动态构建的自回归滑动平均(ARMA)模型,利用过去瓦斯浓度变化趋势预测未来一段时间的矿井瓦斯浓度值,得到时间序列预测结果;为提高瓦斯浓度预测精度,将ARMA模型的预测结果与矿井环境参数输入到训练好的BP神经网络模型中,通过BP神经网络模型对预测结果进行修正,从而获得最终的瓦斯浓度预测值。测试结果表明,该方法可对矿井瓦斯浓度进行准确预测,瓦斯体积分数预测平均相对误差从8%降低到了5%。
2021-10-11 16:33:42
260KB
1