CN111177455A - 采煤机截齿负载类型的确定方法、装置、设备和存储介质 - Google Patents
采煤机截齿负载类型的确定方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111177455A CN111177455A CN201911417022.7A CN201911417022A CN111177455A CN 111177455 A CN111177455 A CN 111177455A CN 201911417022 A CN201911417022 A CN 201911417022A CN 111177455 A CN111177455 A CN 111177455A
- Authority
- CN
- China
- Prior art keywords
- coal mining
- load type
- sound
- mining machine
- cutting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/65—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/63—Querying
- G06F16/632—Query formulation
- G06F16/634—Query by example, e.g. query by humming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明实施例涉及采矿技术领域,具体涉及一种采煤机截齿负载类型的确定方法、装置、设备和存储介质。一种采煤机截齿负载类型的确定方法,其特征在于,包括:获取当前采煤机的截齿对工作面进行截割的音频帧;对音频帧进行检测,确定截齿当前截割的负载类型;根据所述负载类型确定对应的采煤机指令。如果负载类型是岩石,则对应的指令为停机;或者是采煤机后退;如果负载类型是采煤工具,则对应的指令为采煤机停机;和/或者,采煤机切换运动方向;提高了安全性,提高了采煤机规范化生产,降低了采煤机违规操作的概率,提高采煤的效率,降低安全风险。
Description
技术领域
本发明实施例涉及采矿技术领域,具体涉及一种采煤机截齿负载类型的确定方法、装置、设备和存储介质。
背景技术
目前,我国煤炭90%以上是地下开采。采煤掘进作业是煤矿井下最重要的生产环节。在煤炭生产过程中,机械化采煤技术作为中国煤矿最主要的采煤工艺,在煤炭高效安全生产中具有关键性作用。采煤机是目前最常用的掘采设备,煤层截割作业一般通过操纵采煤机实现。目前普遍使用的方法是由井下工作人员对当前采煤工作面进行观察,并对采煤机牵引速度、滚筒截割高度等进行调整,来完成截割作业。由于人工判断采煤机的截割状态易出现延迟或误判,导致无法及时调节采煤机滚筒高度:当采煤机滚筒高度过高,滚筒截割岩石,导致截齿磨损加速,采煤机寿命缩短,同时造成煤矸石落入煤中,增加后期洗选煤成本,严重时还可能出现截割顶板、底板或支架等操作,引发安全事故;当采煤机滚筒高度过低,顶、底煤剩余过厚,采煤工作面回采率过低,降低采煤效率。
发明内容
本发明实施例的目的在于提供一种采煤机截齿负载类型的确定方法、装置、设备和存储介质,用以解决上述问题。
为实现上述目的,本发明实施例主要提供如下技术方案:
第一方面,本发明实施例提供了一种采煤机截齿负载类型的确定方法,包括:
获取当前采煤机的截齿对工作面进行截割的音频帧;
对音频帧进行检测,确定截齿当前截割的负载类型;
根据所述负载类型确定对应的采煤机指令。
进一步地,负载类型包括:煤、岩石和采煤工具。
进一步地,确定截齿当前截割的负载类型,包括:
将所述音频帧输入预先训练的Deep Speaker端到端声音检测模型;
所述Deep Speaker端到端声音检测模型输出负载类型。
进一步地,如果负载类型是煤,则确定采煤机继续运转;
如果负载类型是岩石,则对应的指令为停机;或者是采煤机后退;
如果负载类型是采煤工具,则对应的指令为采煤机停机;和/或者,采煤机切换运动方向。
第二方面,本发明实施例还提供一种采煤机截齿负载类型的确定装置,包括:
获取模块,用于获取当前采煤机的截齿对工作面进行截割的音频帧;
处理模块,用于对音频帧进行检测,确定截齿当前截割的负载类型;
根据所述负载类型确定对应的采煤机指令。
进一步地,处理模块还用于,将所述音频帧输入预先训练的Deep Speaker端到端声音检测模型;
所述Deep Speaker端到端声音检测模型输出负载类型。
进一步地,处理模块还用于,对当前的音频信号进行分帧处理;对音频信号进行降噪处理,剔除干扰信号。
进一步地,处理模块还用于,如果负载类型是煤,则确定继续采煤机继续运转;如果负载类型是岩石,则对应的指令为停机;或者是采煤机后退的指令;
如果负载类型是采煤工具,则对应的指令为采煤机停机;和/或者,采煤机切换运动方向的指令。
第三方面,本发明实施例还提供一种采煤机截齿负载类型的确定设备,包括:至少一个处理器和至少一个存储器;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行一个或多个程序指令,用以执行如下步骤:
获取当前采煤机的截齿对工作面进行截割的音频帧;
对音频帧进行检测,确定截齿当前截割的负载类型;
根据所述负载类型确定对应的采煤机指令。
所述处理器还用于,将所述音频帧输入预先训练的Deep Speaker端到端声音检测模型;
所述Deep Speaker端到端声音检测模型输出负载类型。
所述处理器还用于,如果负载类型是煤,则确定继续采煤机继续运转;
如果负载类型是岩石,则对应的指令为停机;或者是采煤机后退的指令;
如果负载类型是采煤工具,则对应的指令为采煤机停机;和/或者,采煤机切换运动方向的指令。
第四方面,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被执行如下的步骤:
获取当前采煤机的截齿对工作面进行截割的音频帧;
对音频帧进行检测,确定截齿当前截割的负载类型;
根据所述负载类型确定对应的采煤机指令。
进一步地,确定截齿当前截割的负载类型,包括:
将所述音频帧输入预先训练的Deep Speaker端到端声音检测模型;
所述Deep Speaker端到端声音检测模型输出负载类型。
进一步地,如果负载类型是煤,则确定继续采煤机继续运转;
如果负载类型是岩石,则对应的指令为停机;或者是采煤机后退的指令;
如果负载类型是采煤工具,则对应的指令为采煤机停机;和/或者,采煤机切换运动方向的指令。
第五方面,本发明实施例还提供一种声音采集设备,声音采集设备安装在滚筒的两个侧面上,包括:声音采集装置和多个金属片;
声音采集装置设置在侧面的圆心的位置上;多个金属片围绕在声音采集装置的周围;
声音采集装置的电源的正负极分别与不同的金属片连接,且相邻两个金属片连接的电极极性相反;当声音采集装置工作时,金属片产生静电,对声音信号采集装置周围的空气进行电离,使煤灰落在金属片上。
进一步地,所述金属片的形状为圆弧形状;当声音采集装置工作时,金属片产生静电,煤灰落在金属片的圆弧上。
进一步地,所述多个金属片被分成直径不同的多组;每组的金属片的个数为偶数个;每组的金属片的直径相同。
进一步地,多个金属片包括:
第一直径的第一组金属片、第二直径的第二组金属片;第三直径的第三组金属片;
第一组金属片包括相对设置的第一金属片和第二金属片;
第二组金属片包括相对设置的第三金属片和第四金属片;
第三组金属片包括相对设置的第五金属片和第六金属片。
进一步地,所述声音信号采集装置包括声音传感器、微处理器、数据传输模块和电源;
所述声音传感器和数据传输模块分别连接所述微处理器;
所述声音传感器,用于对截齿在截割负载过程中产生的声音及周围环境噪声进行实时采集;将声音信号转换成模拟电信号发送给微处理器;
所述微处理器,用于接收声音传感器发送的模拟电信号;以及对所述模拟电信号进行A/D转换得到数字信号,并将数字信号发送给数据传输模块;
所述数据传输模块,用于将数字信号发送给外部的服务器;
电源,用于分别为声音传感器、信号调理模块、微处理器、数据传输模块供电。
第六方面,本发明实施例还提供一种采煤机截齿负载类型的确定系统,包括上述的采煤机截齿负载类型的确定设备和上述的任一项声音采集设备;所述声音采集设备和所述采煤机截齿负载类型的确定设备相连。
本发明实施例提供的技术方案至少具有如下优点:本发明通过对截齿的截割负载类型进行识别,根据所述负载类型确定对应的采煤机指令;如果负载类型是岩石,则对应的指令为停机;或者是采煤机后退的指令;如果负载类型是采煤工具,则对应的指令为采煤机停机;和/或者,采煤机切换运动方向;提高了安全性,提高了采煤机规范化生产,降低了采煤机违规操作的概率,提高采煤的效率,降低安全风险。
附图说明
图1为本发明实施例提供的采煤机的割煤的场景示意图;
图2为本发明实施例提供的一种采煤机截齿负载类型的确定方法的流程图;
图3为本发明实施例提供的声音检测模型结构示意图;
图4为本发明实施例提供的一种声音采集设备布置图;
图5为本发明实施例提供的一种声音采集装置的示意图;
图6为本发明实施例提供的一种采煤机截齿负载类型的确定装置的结构示意图;
图7为本发明实施例提供的一种采煤机截齿负载类型的确定设备的示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、接口、技术之类的具体细节,以便透彻理解本发明。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
参见附图1所示的采煤机的割煤的场景示意图;综采工作面包括上顶板和底板;以及左右两侧的支架;图中没有示出;滚筒在综采工作面上往复运动割煤;滚筒上设置有多个截齿;工作面的在两侧设置了支架,支架的材质为金属管;如果滚筒上的截齿碰到了上顶板、下顶板、或者两侧的金属支架,则会发出不同的声音。
基于此,本申请提出了一种利用声音来确定截齿负载类型的方法,参见附图2所示的一种采煤机截齿负载类型的确定方法的流程图;应用于声音分析服务器;该方法包括:
步骤S101,获取当前采煤机的截齿对工作面进行截割的音频帧;
其中,其中,音频帧通常指代固定长度的一小段音频,通常将帧长设置为10至30ms(毫秒);
步骤S102,对音频帧进行检测,确定截齿当前截割的负载类型;
其中,负载类型包括煤、岩石、采煤工具;采煤工具包括:支架。
步骤S103,根据所述负载类型确定对应的采煤机指令;上述方法,通过采煤机截齿对工作面进行截割的音频帧的检测,识别出负载类型,负载类型包括煤、岩石或者工具;如果负载类型是岩石,则对应的指令为停机;或者是采煤机后退;如果负载类型是采煤工具,则对应的指令为采煤机停机;和/或者,采煤机切换运动方向;
提高了安全性,降低了采煤机违规操作的概率,提高采煤的效率。
在一种实施的方式中,确定截齿当前截割的负载类型时,采取以下的步骤:
将所述音频帧输入预先训练的Deep Speaker端到端声音检测模型;
所述Deep Speaker端到端声音检测模型输出负载类型。
其中,Deep Speaker端到端声音检测模型是现有的成熟的一种声音识别的模型。参见附图3所示的Deep Speaker端到端声音检测模型的示意图;输入信号经过两层卷积神经网络CNN、三层长短期记忆网络LSTM、深度神经网络DNN输出识别结果。
其中,训练Deep Speaker端到端声音检测模型时,先建立一个样本集;样本集中包括了多种声音;包括采集截齿切割煤的声音;截齿切割岩石的声音、截齿切割支架的声音;还可以包括其他类型的声音,比如如采煤机滚筒输出轴旋转的声音、采煤机发动机工作的声音等;样本声音的数量越多,Deep Speaker端到端声音检测模型的输出的结果就越准确。
其中,Deep Speaker端到端声音检测模型声音检测识别模型的工作原理包括以下步骤:
1)利用声音信号采集装置在现场采集的声音信息,其声音信息需要包括截齿截割煤、岩石、顶板、底板和支架等的声音,同时包括滚筒旋工作时,输出轴带动滚筒转动的声音,还包括采煤机发动机工作的声音及所有可能出现在现场的声音信息;
2)对采集到的声音信息进行分离和标注,制作成声音样本;
3)利用声音样本对声音检测识别模型进行训练,获得声音检测识别器;
4)声音检测识别器可用于对声音信号采集装置实时采集的音频中包含的内容进行分离,检测出截齿切割负载的声音,并识别负载类型。
较佳地,声音检测识别器采用逐帧或者跳帧的方式对音频进行分析。在一种可能的实现方式中,对采集到的声音信号进行预处理,
预处理操作包括如下3个部分:
1)对声音信号进行重采样调整位宽和幅度缩放,以统一的存储格式转换输入数据,保证所有音频均为单声道数据;
2)对声音信号进行降噪处理,剔除干扰信号;
3)对音频数据进行预加重、加窗并分帧,便于后续数据处理;分帧之后,音频帧可一帧一帧地输入到模型;也可以多个帧一起输入到模型中。
下面介绍一种完整的利用声音来确定截齿负载类型的方法,该方法包括:
骤S1,音频信号预处理;
在本实施例中,预处理操作包括如下3个部分:
1)对声音信号进行重采样调整位宽和幅度缩放,以统一的存储格式转换输入数据,保证所有音频均为单声道数据;
2)对声音信号进行降噪处理,剔除干扰信号;
3对音频数据进行预加重、加窗并分帧,便于后续数据处理;
预处理结果输入到声音检测识别模型,进行后续步骤;
步骤S2,对声音检测识别模型进行训练;
在本实施例中,所述的声音信息分离、截割负载声音检测和负载类型识别均由声音检测识别模型完成,方法为采用基于卷积神经网络的模型,本实施例采用Deep Speaker端到端声音检测模型,通过导入预先采集的音频样本,对音频检测识别模型进行训练,其音频样本中包含截齿截割各种负载发出的声音,以及作业现场可能产生的其他声音,如采煤机滚筒输出轴旋转、采煤机发动机工作等的声音;训练完成后的模型,将用于对音频数据中的各种声音进行检测,旨在获取截齿截割负载的声音和确定负载类别;
步骤S3,将采煤机工作时现场采集到的声音输入到模型中进行检测识别得到识别的结果,识别结果是负载类型;
其中,利用Deep Speaker模型对输入的音频进行特征分析和提取,利用Softmax分类器进行负载类型识别,模型输出结果为截齿当前截割的负载类型;当负载识别结果为煤,则截齿继续保持原有工作状态;当识别结果为其他负载,如岩石、顶板、底板或支架时,则需要现场采取进一步的措施进行处理。
本发明实施例还提供一种声音采集设备,声音采集设备安装在滚筒的两个侧面上,包括:声音采集装置和多个金属片;
声音采集装置设置在侧面的圆心的位置上;多个金属片围绕在声音采集装置的周围;
声音采集装置的电源的正负极分别与不同的金属片连接,且相邻两个金属片连接的电极极性相反;当声音采集装置工作时,金属片产生静电,对声音信号采集装置周围的空气进行电离,使煤灰落在金属片上。
在一种实施方式中,所述金属片的形状为圆弧形状;当声音采集装置工作时,金属片产生静电,煤灰在静电的作用下会被吸附落在金属片的圆弧上。
在一种实施方式中,所述多个金属片被分成直径不同的多组;每组的金属片的个数为偶数个;每组的金属片的直径相同。比如,在一个虚拟的圆周上,可以设置4个圆弧形状的金属片;两两相对设置。
在一种实施方式中,参见附图4所示的声音采集设备布置图;设备包括:
声音信号采集装置3、金属片2、滚筒1;其中,多个金属片2包括:第一直径的第一组金属片、第二直径的第二组金属片;第三直径的第三组金属片;
第一组金属片2包括相对设置的第一金属片和第二金属片;
第二组金属片2包括相对设置的第三金属片和第四金属片;
第三组金属片2包括相对设置的第五金属片和第六金属片。
上述的三组金属片为同心圆设置;还包括电源,为声音采集装置3供电。
在本实施例中,所述的金属片材质为紫铜,高度为5cm,环形截面厚度为5cm。环状金属片分布在声音信号采集装置的周围,其高度均略高于截面,声音信号采集装置的电源对金属片供电,相邻两个金属箔片的电极极性相反,即在相邻金属箔片之间形成电磁场,对滚筒截面附近的空气进行电离,被电离的煤灰带有正电荷或负电荷,带正电的煤灰将吸附到阴极,带负电荷的煤灰吸附到阳极,最终截面附近的煤灰聚集在两金属箔片之间的凹槽处。
与现有技术相比,本发明具有以下的有益效果:本发明通过声音信号采集装置对采煤机滚筒工作时现场的声音信息进行采集;利用金属片对声音信号采集装置周围的空气进行电离,使煤灰落在金属片形成的凹槽处;利用声音检测识别模型,对音频中包含的声音信息进行检测,确定截齿截割的负载。从而确定煤岩界面,进一步控制采煤机现场作业。
在一种实施方式中,参见图5,所述声音信号采集装置包括声音传感器、微处理器、数据传输模块和电源;
所述声音传感器和数据传输模块分别连接所述微处理器;
所述声音传感器,用于对截齿在截割负载过程中产生的声音及周围环境噪声进行实时采集;将声音信号转换成模拟电信号发送给微处理器;
所述微处理器,用于接收声音传感器发送的模拟电信号;以及对所述模拟电信号进行A/D转换得到数字信号,并将数字信号发送给数据传输模块;
所述数据传输模块,用于将数字信号发送给外部的声音分析服务器;
还包括连接在声音传感器与微处理器之间的信号调理模块,信号调理模块为信号放大器;电源,用于分别为声音传感器、信号调理模块、微处理器、数据传输模块供电。
声音传感器为反射式光强调制光纤声音传感器;
微处理器为型号为STM32VC107的ARM微处理器;
数据传输模块为基于GPRS的无线传输设备;
电源U5为锂电池。
本发明实施例还提供一种采煤机截齿负载类型的确定装置,参见附图4所示的一种采煤机截齿负载类型的确定装置的结构示意图;该装置包括:
获取模块41,用于获取当前采煤机的截齿对工作面进行截割的音频帧;
处理模块42,用于对音频帧进行检测,确定截齿当前截割的负载类型;
根据所述负载类型确定对应的采煤机指令。
进一步地,处理模块42还用于,将所述音频帧输入预先训练的端到端声音检测模型;
所述端到端声音检测模型输出负载类型。
进一步地,处理模块42还用于,对当前的音频信号进行分帧处理;对音频信号进行降噪处理,剔除干扰信号。
进一步地,处理模块42还用于,如果负载类型是煤,则确定继续采煤机继续运转;
如果负载类型是岩石,则对应的指令为停机或者是采煤机后退;
如果负载类型是采煤工具,则对应的指令为采煤机停机;和/或者,采煤机切换运动方向。
本发明实施例还提供一种采煤机截齿负载类型的确定设备,参见附图5所示的一种采煤机截齿负载类型的确定设备的示意图;该设备包括:至少一个处理器51和至少一个存储器52;
所述存储器52用于存储一个或多个程序指令;
所述处理器51,用于运行一个或多个程序指令,用以执行如下步骤:
获取当前采煤机的截齿对工作面进行截割的音频帧;
对音频帧进行检测,确定截齿当前截割的负载类型;
根据所述负载类型确定对应的采煤机指令。
所述处理器51还用于,将所述音频帧输入预先训练的Deep Speaker端到端声音检测模型;
所述Deep Speaker端到端声音检测模型输出负载类型。
所述处理器51还用于,如果负载类型是煤,则确定继续采煤机继续运转;
如果负载类型是岩石,则对应的指令为停机或者是采煤机后退;如果负载类型是采煤工具,则对应的指令为采煤机停机;和/或者,采煤机切换运动方向。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被执行如下的步骤:
获取当前采煤机的截齿对工作面进行截割的音频帧;
对音频帧进行检测,确定截齿当前截割的负载类型;
如果负载类型不是煤,则确定发出采煤机的截齿停止对工作面进行截割的指令。
进一步地,确定截齿当前截割的负载类型,包括:
将所述音频帧输入预先训练的Deep Speaker端到端声音检测模型;
所述Deep Speaker端到端声音检测模型输出负载类型的检测结果;
检测结果为:负载类型为煤;或者负载类型不是煤。
进一步地,如果负载类型是煤,则确定继续采煤机继续运转。
本发明实施例还提供一种采煤机截齿负载类型的确定系统,包括上述的采煤机截齿负载类型的确定设备和上述的任一项声音采集设备;所述声音采集设备和所述采煤机截齿负载类型的确定设备中的处理器51相连。
在本发明实施例中,处理器可以是一种集成电路芯片,具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息,结合其硬件完成上述方法的步骤。
存储介质可以是存储器,例如可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
其中,非易失性存储器可以是只读存储器(Read-Only Memory,简称ROM)、可编程只读存储器(Programmable ROM,简称PROM)、可擦除可编程只读存储器(Erasable PROM,简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM,简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory,简称RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,简称SRAM)、动态随机存取存储器(Dynamic RAM,简称DRAM)、同步动态随机存取存储器(Synchronous DRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM,简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时,可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (16)
1.一种采煤机截齿负载类型的确定方法,其特征在于,包括:
获取当前采煤机的截齿对工作面进行截割的音频帧;
对音频帧进行检测,确定截齿当前截割的负载类型;
根据所述负载类型确定对应的采煤机指令。
2.如权利要求1所述的方法,其特征在于,负载类型包括:煤、岩石和采煤工具。
3.如权利要求1所述的方法,其特征在于,确定截齿当前截割的负载类型,包括:
将所述音频帧输入预先训练的Deep Speaker端到端声音检测模型;
所述Deep Speaker端到端声音检测模型输出负载类型。
4.如权利要求1所述的方法,其特征在于,如果负载类型是煤,则确定继续采煤机继续运转;
如果负载类型是岩石,则对应的指令为停机或者是采煤机后退;
如果负载类型是采煤工具,则对应的指令为采煤机停机;和/或者,采煤机切换运动方向。
5.一种采煤机截齿负载类型的确定装置,其特征在于,包括:
获取模块,用于获取当前采煤机的截齿对工作面进行截割的音频帧;
处理模块,用于对音频帧进行检测,确定截齿当前截割的负载类型;
根据所述负载类型确定对应的采煤机指令。
6.如权利要求5所述的装置,其特征在于,处理模块还用于,将所述音频帧输入预先训练的端到端声音检测模型;
所述端到端声音检测模型输出确定的负载类型。
7.如权利要求5所述的装置,其特征在于,处理模块还用于,对当前的音频信号进行分帧处理;
对音频信号进行降噪处理,剔除干扰信号。
8.如权利要求5所述的装置,其特征在于,处理模块还用于,
如果负载类型是岩石,则对应的指令为停机;或者是采煤机后退;
如果负载类型是采煤工具,则对应的指令为采煤机停机;和/或者,采煤机切换运动方向。
9.一种采煤机截齿负载类型的确定设备,其特征在于,包括:至少一个处理器和至少一个存储器;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行一个或多个程序指令,用以执行如权利要求1-4任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被执行如权利要求1-4任一项所述的方法。
11.一种声音采集设备,其特征在于,声音采集设备安装在滚筒的两个侧面上,包括:声音采集装置和多个金属片;
声音采集装置设置在侧面的圆心的位置上;多个金属片围绕在声音采集装置的周围;
声音采集装置的电源的正负极分别与不同的金属片连接,且相邻两个金属片连接的电极极性相反;当声音采集装置工作时,金属片产生静电,对声音信号采集装置周围的空气进行电离,使煤灰落在金属片上。
12.如权利要求11所述的声音采集设备,其特征在于,所述金属片的形状为圆弧形状;当声音采集装置工作时,金属片产生静电,煤灰落在金属片的圆弧上。
13.如权利要求12所述的声音采集设备,其特征在于,所述多个金属片被分成直径不同的多组;每组的金属片的个数为偶数个;每组的金属片的直径相同。
14.如权利要求13所述的声音采集设备,其特征在于,多个金属片包括:
第一直径的第一组金属片、第二直径的第二组金属片;第三直径的第三组金属片;
第一组金属片包括相对设置的第一金属片和第二金属片;
第二组金属片包括相对设置的第三金属片和第四金属片;
第三组金属片包括相对设置的第五金属片和第六金属片。
15.如权利要求11所述的设备,其特征在于,所述声音信号采集装置包括声音传感器、微处理器、数据传输模块和电源;
所述声音传感器和数据传输模块分别连接所述微处理器;
所述声音传感器,用于对截齿在截割负载过程中产生的声音及周围环境噪声进行实时采集;将声音信号转换成模拟电信号发送给微处理器;
所述微处理器,用于接收声音传感器发送的模拟电信号;以及对所述模拟电信号进行A/D转换得到数字信号,并将数字信号发送给数据传输模块;
所述数据传输模块,用于将数字信号发送给外部的服务器;
电源,用于分别为声音传感器、信号调理模块、微处理器、数据传输模块供电。
16.一种采煤机截齿负载类型的确定系统,其特征在于,包括如权利要求9所述的采煤机截齿负载类型的确定设备和如权利要求11至15任一项所述的声音采集设备;所述声音采集设备和所述采煤机截齿负载类型的确定设备相连。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911417022.7A CN111177455A (zh) | 2019-12-31 | 2019-12-31 | 采煤机截齿负载类型的确定方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911417022.7A CN111177455A (zh) | 2019-12-31 | 2019-12-31 | 采煤机截齿负载类型的确定方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111177455A true CN111177455A (zh) | 2020-05-19 |
Family
ID=70655896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911417022.7A Pending CN111177455A (zh) | 2019-12-31 | 2019-12-31 | 采煤机截齿负载类型的确定方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111177455A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329302A (zh) * | 2020-11-02 | 2021-02-05 | 中煤科工集团重庆研究院有限公司 | 一种井下产尘环境模拟仿真及三维可视化分析系统 |
CN112459765A (zh) * | 2020-12-08 | 2021-03-09 | 北京三一智造科技有限公司 | 旋挖钻具载荷数据的采集系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150095842A1 (en) * | 2013-09-30 | 2015-04-02 | Microsoft Corporation | Extendable blade sequence along pannable canvas direction |
CN104989401A (zh) * | 2015-05-29 | 2015-10-21 | 中国矿业大学 | 一种基于声音的煤岩界面识别装置及识别方法 |
CN106089203A (zh) * | 2016-08-22 | 2016-11-09 | 西安科技大学 | 基于虚拟现实的采煤机调高远程控制方法 |
-
2019
- 2019-12-31 CN CN201911417022.7A patent/CN111177455A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150095842A1 (en) * | 2013-09-30 | 2015-04-02 | Microsoft Corporation | Extendable blade sequence along pannable canvas direction |
CN104989401A (zh) * | 2015-05-29 | 2015-10-21 | 中国矿业大学 | 一种基于声音的煤岩界面识别装置及识别方法 |
CN106089203A (zh) * | 2016-08-22 | 2016-11-09 | 西安科技大学 | 基于虚拟现实的采煤机调高远程控制方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329302A (zh) * | 2020-11-02 | 2021-02-05 | 中煤科工集团重庆研究院有限公司 | 一种井下产尘环境模拟仿真及三维可视化分析系统 |
CN112329302B (zh) * | 2020-11-02 | 2021-06-15 | 中煤科工集团重庆研究院有限公司 | 一种井下产尘环境模拟仿真及三维可视化分析系统 |
CN112459765A (zh) * | 2020-12-08 | 2021-03-09 | 北京三一智造科技有限公司 | 旋挖钻具载荷数据的采集系统及方法 |
CN112459765B (zh) * | 2020-12-08 | 2023-10-20 | 北京三一智造科技有限公司 | 旋挖钻具载荷数据的采集系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111177455A (zh) | 采煤机截齿负载类型的确定方法、装置、设备和存储介质 | |
CN107091107B (zh) | 智能放顶煤控制系统及方法 | |
CN105065057A (zh) | 一种矿井瓦斯抽采参数自动调控系统及方法 | |
CN2854594Y (zh) | 基于语音识别技术的刀具工况监测装置 | |
CN112700793A (zh) | 一种水轮机故障碰撞的识别方法及系统 | |
CN103216233A (zh) | 一种薄煤层煤岩界面识别及滚筒自动调高的方法 | |
CN109243454A (zh) | 采掘机械的控制系统及其控制方法 | |
CN105252141A (zh) | 废料收集系统 | |
CN108686747A (zh) | 一种自适应防堵进料的枝叶粉碎机及其控制方法 | |
CN115358626A (zh) | 一种选矿生产设备安全检查预警系统 | |
CN115977633A (zh) | 一种基于多信息融合反馈的射流与截割协同调控的方法 | |
CN114384079B (zh) | 锂电池极片毛刺检测分选系统及方法 | |
CN111921904A (zh) | 基于视觉及力信息融合感知的多机械臂协同煤矸分拣系统 | |
CN105932107A (zh) | 一种光伏电池片的拨片设备及其拨片方法 | |
CN1360200A (zh) | 一种城市供水管网爆管故障在线检测系统 | |
CN110738825A (zh) | 一种敞开式tbm破碎地层预警方法及系统 | |
CN203101226U (zh) | 一种基于机器视觉对爆堆粒度分布实时测定的装置 | |
CN109272052A (zh) | 一种地下构筑物周边桩基施工防侵入智能识别系统及方法 | |
CN116416421A (zh) | 一种基于多算法的受电弓故障诊断方法 | |
CN101746397B (zh) | 一种自适应的轨道交通车载信号设备状态的采集方法 | |
CN103410551A (zh) | 一种面向通风安全的数据分析系统 | |
CN207606572U (zh) | 一种镗床用可置换镗刀的刀具装置 | |
CN117113614B (zh) | 钻爆法隧道掌子面围岩Rb、Eb精细化解析方法及系统 | |
CN107243744A (zh) | 卧式电机机壳地脚及接线盒平面加工专用机床 | |
CN112247217A (zh) | 一种钻床断屑方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200519 |
|
RJ01 | Rejection of invention patent application after publication |