CN114673558A - 一种煤矿掘进工作面风险识别与智能预控系统及方法 - Google Patents
一种煤矿掘进工作面风险识别与智能预控系统及方法 Download PDFInfo
- Publication number
- CN114673558A CN114673558A CN202210379336.8A CN202210379336A CN114673558A CN 114673558 A CN114673558 A CN 114673558A CN 202210379336 A CN202210379336 A CN 202210379336A CN 114673558 A CN114673558 A CN 114673558A
- Authority
- CN
- China
- Prior art keywords
- tunneling
- data
- early warning
- personnel
- machine
- 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.)
- Granted
Links
- 239000003245 coal Substances 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000005641 tunneling Effects 0.000 claims abstract description 100
- 238000004458 analytical method Methods 0.000 claims abstract description 97
- 230000006399 behavior Effects 0.000 claims abstract description 61
- 238000004873 anchoring Methods 0.000 claims abstract description 57
- 206010000117 Abnormal behaviour Diseases 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 230000010354 integration Effects 0.000 claims abstract description 29
- 238000003745 diagnosis Methods 0.000 claims abstract description 25
- 230000004927 fusion Effects 0.000 claims abstract description 19
- 230000033001 locomotion Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims abstract description 8
- 239000000428 dust Substances 0.000 claims description 15
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 238000005553 drilling Methods 0.000 claims description 6
- 238000009412 basement excavation Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000009423 ventilation Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种煤矿掘进工作面风险识别与智能预控系统及方法，掘进数据融合系统用于建立掘进系统数据库，并将各种数据按统一编码标准进行处理，并发送给服务器进行存储；人员行为分析智能识别系统用于根据拍摄的人员的肢体运动轨迹，判断人员的危险异常行为并预警；设备信息集成与远程在线诊断系统用于根据获取的设备运行参数，判断掘锚一体机和通风机是否发生故障并预警；安全态势分析预警系统用于根据每次采集的数据分析其变化趋势，进而对各种监测数据进行时序建模，判断是否有发生重大风险的趋势并预警；协同管控与智能调度系统用于三个系统发生预警时，对掘锚一体机和通风机的运行状态进行控制，并将预警信息传递给井下各个人员。
Description
技术领域
本发明涉及矿山安全技术领域，尤其涉及一种煤矿掘进工作面风险识别与智能预控系统及方法。
背景技术
巷道掘进是煤炭开采的先期基础性工程，围绕安全、高效掘进两大目标，发展煤矿安全高效掘进智能化技术与装备具有重要应用和推广价值。目前井下智能安全风险识别与智能预控系统主要停留在测试阶段，中国发明专利提供了一种掘进机人员违规越界的检测方法、装置及系统(CN202011540237.0)，实现了自动化地识别掘进机人员违规越界操作行为，及时发现以及报警；中国发明专利提供了一种掘进区5G+智慧矿山控制系统及方法(CN202111441708.7)，实现开采和设备运行过程及时进行检测；中国发明专利提供了一种煤矿掘进工作面人员安全管控系统(CN202011476887.3)，工作人员以及非工作人员进行合理、有效地安全管控；中国发明专利提供了一种煤矿掘进工作面信息集成监控系统(CN201821002375.1)，实现了在全方位自动对煤矿掘进工作面进行监控；中国发明专利提供了一种煤矿掘进工作面信息集成监控系统(CN201620823660.4)，实现数据显示、数据分析、远程控制、故障信息报警,减少人为控制过程中的延时及错误控制问题。通过上述可知，目前现有的掘进工作面智能识别系统实现的功能单一，并且都是各个系统独立运行分析，未形成掘进工作面人-机-环三者统一的风险识别与智能预控，且掘进工作面数据结构复杂，缺乏统一的多源异构数据处理模型。掘进设备、人员、环境数据孤立分散，缺乏统一系统平台对掘进过程多种异常情况提前预判、实时感知煤矿全局安全态势，造成事故突发时响应速度慢、智能化分析和控制联动效率低。矿井上下工作人员和信息交互性差，无法及时完成告警与异常事件处理流程，严重影响煤炭安全生产的效率。亟待开展掘进工作面安全风险辨识与智能预控方面的研究，实现掘进工作面作业流程及事故处理闭环，异常情况快速预警响应，掘进装备联锁控制，为掘进智能化提供安全保障基础。
发明内容
针对上述现有技术存在的问题，本发明提供一种煤矿掘进工作面风险识别与智能预控系统及方法，能实现掘进工作面作业流程及事故处理闭环，多种异常情况快速预警响应，掘进装备联锁控制，为掘进智能化提供安全保障基础。
为了实现上述目的，本发明采用的技术方案是：一种煤矿掘进工作面风险识别与智能预控系统，包括传感器、摄像机、交换机、井下NVR、井上NVR、分析主机、工业环网、服务器和客户端；传感器、摄像机、交换机、井下NVR和分析主机均处于煤矿井下，井上NVR、服务器和客户端均处于煤矿井上；
所述传感器用于监测掘进工作面的粉尘浓度、瓦斯浓度、O2浓度及CO浓度数据，并将采集的数据通过交换机分别反馈给井下NVR和分析主机；
所述摄像机用于监测煤矿井下多个位置的人员、掘进设备和环境情况，并将采集的视频数据通过交换机分别反馈给井下NVR和分析主机；
所述井下NVR和井上NVR均用于将接收的数据进行显示；
所述服务器用于存储分析主机及客户端反馈的各种数据；
所述分析主机内设有掘进数据融合系统、人员行为分析智能识别系统、设备信息集成与远程在线诊断系统、安全态势分析预警系统、协同管控与智能调度系统，其中掘进数据融合系统用于建立掘进系统数据库，并将传感器每次采集的各种数据、掘锚一体机运行参数信息和通风机运行工况信息，按统一编码标准进行处理，然后将处理后的数据通过工业环网发送给服务器进行存储；人员行为分析智能识别系统用于根据视频数据中拍摄的人员的肢体运动轨迹，判断人员的危险异常行为并反馈给客户端进行预警；设备信息集成与远程在线诊断系统用于根据获取的掘锚一体机运行参数信息和通风机运行工况信息，判断掘锚一体机和通风机是否发生故障并反馈给客户端进行预警；安全态势分析预警系统用于根据传感器和摄像机每次采集的数据分析其变化趋势，进而对瓦斯、水害、火灾、粉尘的监测数据进行时序建模，判断是否有发生重大风险的趋势并反馈给客户端进行预警；协同管控与智能调度系统用于根据人员行为分析智能识别系统、设备信息集成与远程在线诊断系统和安全态势分析预警系统发生预警时，结合传感器和摄像机采集的数据，对掘锚一体机和通风机的运行状态进行控制，并将预警信息传递给井下各个人员；
所述客户端用于对分析主机中各个系统的预警参数进行调整。
进一步，所述工业环网为无线WIFI或5G网络。
上述煤矿掘进工作面风险识别与智能预控系统的工作方法，具体步骤为：
A、数据采集：通过传感器监测掘进工作面的粉尘浓度、瓦斯浓度、O2浓度及CO浓度数据，并将采集的数据通过交换机分别反馈给井下NVR和分析主机，摄像机用于监测煤矿井下多个位置的人员、掘进设备和环境情况，并将采集的视频数据通过交换机分别反馈给井下NVR和分析主机，其中井下NVR用于显示数据，并且将掘锚一体机运行参数信息和通风机运行工况信息反馈给分析主机，分析主机中的掘进数据融合系统针对数据和系统异构、标准不同，利用SOA(Service-Oriented Architecture)松耦合方法建立涵盖数据层、交换层、集成层和用户层的掘进面多源异构数据融合模型，解决数据源信息共享问题；接着利用建立的多源异构数据融合模型将传感器每次采集的各种数据、掘锚一体机运行参数信息和通风机运行工况信息，按统一编码标准进行处理，然后将处理后的数据通过工业环网发送给服务器进行存储；
B、井下人员的危险异常行为监测及预警：分析主机中的人员行为分析智能识别系统调取步骤A中视频数据中拍摄的人员的肢体运动轨迹，判断人员的危险异常行为并反馈给客户端进行预警；
C、掘锚一体机和通风机的运行监测及预警：通过客户端对分析主机中的设备信息集成与远程在线诊断系统进行掘锚一体机和通风机的运行参数阈值设定，以及分别确定两者在设定时间内的变化幅度值；然后设备信息集成与远程在线诊断系统实时调取步骤A中掘锚一体机运行参数信息和通风机运行工况信息分别与设定阈值进行比较，若超过设定阈值，则确定掘锚一体机或通风机发生故障，并反馈给客户端进行预警；若未超过设定阈值，则获取在设定时间内掘锚一体机运行参数信息和通风机运行工况信息，确定两者各自的变化幅度值，并将两者各自的变化幅度值分别与设定的变化幅度值进行比较，若超过设定变化幅度值，则确定掘锚一体机或通风机发生故障，并反馈给客户端进行预警；另外设备信息集成与远程在线诊断系统调取视频数据与掘锚一体机运行参数信息结合，能实现对掘锚一体机中存在的皮带跑偏、堆煤、撕裂、皮带上的大煤块、锚杆的识别及预警，必要时紧急停车，可避免由于大块煤、锚杆造成的设备损坏、堆煤等事故；
D、井下环境及设备运行的安全态势预测分析及预警：分析主机中的安全态势分析预警系统根据传感器和摄像机每次采集的数据采用深度循环神经网络模型分析其变化趋势，进而对瓦斯、水害、火灾、粉尘、掘锚一体机运行参数和通风机运行参数的监测数据进行时序建模，模型具备在线和增量学习能力，从而根据建模判断是否有发生重大风险的趋势并反馈给客户端进行预警；
E、预警后的协同管控与智能调度：分析主机中的协同管控与智能调度系统内设有掘进工作面数字孪生模型，通过钻探、物探和钻孔数据建立掘进工作面三维地质模型，并能根据掘进过程中揭露的实时地质信息对模型进行动态修正，根据传感器采集的掘进工作面环境(即粉尘、瓦斯、水、有害气体)、视频监测、掘锚一体机运行参数和通风机运行参数，将三维地质模型与掘进工作面真实场景进行可视化展示；然后在人员行为分析智能识别系统发生预警时，能及时通知相应人员存在危险异常行为，使其及时进行修正；在设备信息集成与远程在线诊断系统发生预警时，能对掘锚一体机和通风机的运行状态进行控制停止，防止由于故障导致整个煤矿发生安全风险；在安全态势分析预警系统发生预警时，根据可视化模型及各种实时数据，能通知现场工作人员快速规避危险隐患区域，通过工业环网实现掘进工作面人员与地面人员的语音对讲功能，帮助工作人员进行调控，同时根据监测数据对掘锚一体机和通风机的运行状态进行控制调节，降低后续发生风险的可能性。
进一步，所述步骤B具体为：
1、人员行为分析智能识别系统先选取数名矿工进行行为采集，每种行为采集五次进行数据集自建，每种行为采集的每一段视频中需结合施工工序和工艺流程的特点，以作业活动为单元，包含该种行为明确的违规动作与安全动作，进而建立每种行为的违规动作与安全动作的数据集，其中每种行为的违规动作采集时还能含有复杂动作和区分度不高的干扰动作以增强模型的鲁棒性；
2、人员行为分析智能识别系统利用基于C3D卷积神经网络的行为检测方法将视频中连续16帧RGB信息转化为一个128维的特征向量，从时间和空间维度提取特征，再使用线性分类器对行为识别进行分类，通过步骤1建立的数据集，提取每一个需要训练的行为其长时间的行为信息作为高级行为特征，把这些运动特征作为辅助输出去规则化C3D CNN模型，对建立的模型进行初始化模型训练，迫使CNN学习一个非常接近这个特征的特征向量，完成C3D CNN的自主学习，从而建立人体危险异常行为判断模型；
3、人员行为分析智能识别系统采用YOLO v5算法对步骤A中获取的视频进行分析，实现矿工和标识物目标检测，找出目标的坐标位置，再进行更细粒度的识别，从而检测出目标的种类，然后将这些关键信息推送给人体危险异常行为判断模型，同时采用高分辨率网络(HRNet)践行人体姿态为依据对人体骨骼运动模型进行关键点提取，将提取得到的信息作为人体姿态以及运动发生变化的新模态信息推送给人体危险异常行为判断模型，最后人体危险异常行为判断模型对获取的数据进行分析判断，从而得出当前视频中是否存在危险异常行为，若存在，则反馈给客户端进行预警。
与现有技术相比，本发明采用掘进数据融合系统、人员行为分析智能识别系统、设备信息集成与远程在线诊断系统、安全态势分析预警系统、协同管控与智能调度系统相结合方式，其中掘进数据融合系统用于建立掘进系统数据库，并将传感器每次采集的各种数据、掘锚一体机运行参数信息和通风机运行工况信息，按统一编码标准进行处理，然后将处理后的数据通过工业环网发送给服务器进行存储；人员行为分析智能识别系统用于根据视频数据中拍摄的人员的肢体运动轨迹，判断人员的危险异常行为并反馈给客户端进行预警；设备信息集成与远程在线诊断系统用于根据获取的掘锚一体机运行参数信息和通风机运行工况信息，判断掘锚一体机和通风机是否发生故障并反馈给客户端进行预警；安全态势分析预警系统用于根据传感器和摄像机每次采集的数据分析其变化趋势，进而对瓦斯、水害、火灾、粉尘的监测数据进行时序建模，判断是否有发生重大风险的趋势并反馈给客户端进行预警；协同管控与智能调度系统用于根据人员行为分析智能识别系统、设备信息集成与远程在线诊断系统和安全态势分析预警系统发生预警时，结合传感器和摄像机采集的数据，对掘锚一体机和通风机的运行状态进行控制，并将预警信息传递给井下各个人员。因此本发明能实现掘进工作面作业流程及事故处理闭环，多种异常情况快速预警响应，并对掘进装备联锁控制调整，为掘进智能化提供安全保障基础。
附图说明
图1是本发明的整体架构示意图；
图2是本发明中多源异构数据融合模型的架构示意图；
图3是本发明中井下人员的危险异常行为监测的流程示意图。
具体实施方式
下面将对本发明作进一步说明。
一种煤矿掘进工作面风险识别与智能预控系统，包括传感器、摄像机、交换机、井下NVR、井上NVR、分析主机、工业环网、服务器和客户端；传感器、摄像机、交换机、井下NVR和分析主机均处于煤矿井下，井上NVR、服务器和客户端均处于煤矿井上；
所述传感器用于监测掘进工作面的粉尘浓度、瓦斯浓度、O2浓度及CO浓度数据，并将采集的数据通过交换机分别反馈给井下NVR和分析主机；
所述摄像机用于监测煤矿井下多个位置的人员、掘进设备和环境情况，并将采集的视频数据通过交换机分别反馈给井下NVR和分析主机；
所述井下NVR和井上NVR均用于将接收的数据进行显示；
所述服务器用于存储分析主机及客户端反馈的各种数据；
所述分析主机内设有掘进数据融合系统、人员行为分析智能识别系统、设备信息集成与远程在线诊断系统、安全态势分析预警系统、协同管控与智能调度系统，其中掘进数据融合系统用于建立掘进系统数据库，并将传感器每次采集的各种数据、掘锚一体机运行参数信息和通风机运行工况信息，按统一编码标准进行处理，然后将处理后的数据通过工业环网发送给服务器进行存储；人员行为分析智能识别系统用于根据视频数据中拍摄的人员的肢体运动轨迹，判断人员的危险异常行为并反馈给客户端进行预警；设备信息集成与远程在线诊断系统用于根据获取的掘锚一体机运行参数信息和通风机运行工况信息，判断掘锚一体机和通风机是否发生故障并反馈给客户端进行预警；安全态势分析预警系统用于根据传感器和摄像机每次采集的数据分析其变化趋势，进而对瓦斯、水害、火灾、粉尘的监测数据进行时序建模，判断是否有发生重大风险的趋势并反馈给客户端进行预警；协同管控与智能调度系统用于根据人员行为分析智能识别系统、设备信息集成与远程在线诊断系统和安全态势分析预警系统发生预警时，结合传感器和摄像机采集的数据，对掘锚一体机和通风机的运行状态进行控制，并将预警信息传递给井下各个人员；
所述客户端用于对分析主机中各个系统的预警参数进行调整；所述工业环网为无线WIFI或5G网络。
如图1所示，上述煤矿掘进工作面风险识别与智能预控系统的工作方法，具体步骤为：
A、数据采集：通过传感器监测掘进工作面的粉尘浓度、瓦斯浓度、O2浓度及CO浓度数据，并将采集的数据通过交换机分别反馈给井下NVR和分析主机，摄像机用于监测煤矿井下多个位置的人员、掘进设备和环境情况，并将采集的视频数据通过交换机分别反馈给井下NVR和分析主机，其中井下NVR用于显示数据，并且将掘锚一体机运行参数信息和通风机运行工况信息反馈给分析主机，分析主机中的掘进数据融合系统针对数据和系统异构、标准不同，如图2所示，利用SOA(Service-Oriented Architecture)松耦合方法建立涵盖数据层、交换层、集成层和用户层的掘进面多源异构数据融合模型，解决数据源信息共享问题；接着利用建立的多源异构数据融合模型将传感器每次采集的各种数据、掘锚一体机运行参数信息和通风机运行工况信息，按统一编码标准进行处理，然后将处理后的数据通过工业环网发送给服务器进行存储；
B、井下人员的危险异常行为监测及预警：分析主机中的人员行为分析智能识别系统调取步骤A中视频数据中拍摄的人员的肢体运动轨迹，判断人员的危险异常行为并反馈给客户端进行预警；如图3所示，具体为：
1、人员行为分析智能识别系统先选取数名矿工进行行为采集，每种行为采集五次进行数据集自建，每种行为采集的每一段视频中需结合施工工序和工艺流程的特点，以作业活动为单元，包含该种行为明确的违规动作与安全动作，进而建立每种行为的违规动作与安全动作的数据集，其中每种行为的违规动作采集时还能含有复杂动作和区分度不高的干扰动作以增强模型的鲁棒性；
2、人员行为分析智能识别系统利用基于C3D卷积神经网络的行为检测方法将视频中连续16帧RGB信息转化为一个128维的特征向量，从时间和空间维度提取特征，再使用线性分类器对行为识别进行分类，通过步骤1建立的数据集，提取每一个需要训练的行为其长时间的行为信息作为高级行为特征，把这些运动特征作为辅助输出去规则化C3D CNN模型，对建立的模型进行初始化模型训练，迫使CNN学习一个非常接近这个特征的特征向量，完成C3D CNN的自主学习，从而建立人体危险异常行为判断模型；
3、人员行为分析智能识别系统采用YOLO v5算法对步骤A中获取的视频进行分析，实现矿工和标识物目标检测，找出目标的坐标位置，再进行更细粒度的识别，从而检测出目标的种类，然后将这些关键信息推送给人体危险异常行为判断模型，同时采用高分辨率网络(HRNet)践行人体姿态为依据对人体骨骼运动模型进行关键点提取，将提取得到的信息作为人体姿态以及运动发生变化的新模态信息推送给人体危险异常行为判断模型，最后人体危险异常行为判断模型对获取的数据进行分析判断，从而得出当前视频中是否存在危险异常行为，若存在，则反馈给客户端进行预警。
C、掘锚一体机和通风机的运行监测及预警：通过客户端对分析主机中的设备信息集成与远程在线诊断系统进行掘锚一体机和通风机的运行参数阈值设定，以及分别确定两者在设定时间内的变化幅度值；然后设备信息集成与远程在线诊断系统实时调取步骤A中掘锚一体机运行参数信息和通风机运行工况信息分别与设定阈值进行比较，若超过设定阈值，则确定掘锚一体机或通风机发生故障，并反馈给客户端进行预警；若未超过设定阈值，则获取在设定时间内掘锚一体机运行参数信息和通风机运行工况信息，确定两者各自的变化幅度值，并将两者各自的变化幅度值分别与设定的变化幅度值进行比较，若超过设定变化幅度值，则确定掘锚一体机或通风机发生故障，并反馈给客户端进行预警；另外设备信息集成与远程在线诊断系统调取视频数据与掘锚一体机运行参数信息结合，能实现对掘锚一体机中存在的皮带跑偏、堆煤、撕裂、皮带上的大煤块、锚杆的识别及预警，必要时紧急停车，可避免由于大块煤、锚杆造成的设备损坏、堆煤等事故；
D、井下环境及设备运行的安全态势预测分析及预警：分析主机中的安全态势分析预警系统根据传感器和摄像机每次采集的数据采用深度循环神经网络模型分析其变化趋势，进而对瓦斯、水害、火灾、粉尘、掘锚一体机运行参数和通风机运行参数的监测数据进行时序建模，模型具备在线和增量学习能力，从而根据建模判断是否有发生重大风险的趋势并反馈给客户端进行预警；
E、预警后的协同管控与智能调度：分析主机中的协同管控与智能调度系统内设有掘进工作面数字孪生模型，通过钻探、物探和钻孔数据建立掘进工作面三维地质模型，并能根据掘进过程中揭露的实时地质信息对模型进行动态修正，根据传感器采集的掘进工作面环境(即粉尘、瓦斯、水、有害气体)、视频监测、掘锚一体机运行参数和通风机运行参数，将三维地质模型与掘进工作面真实场景进行可视化展示；然后在人员行为分析智能识别系统发生预警时，能及时通知相应人员存在危险异常行为，使其及时进行修正；在设备信息集成与远程在线诊断系统发生预警时，能对掘锚一体机和通风机的运行状态进行控制停止，防止由于故障导致整个煤矿发生安全风险；在安全态势分析预警系统发生预警时，根据可视化模型及各种实时数据，能通知现场工作人员快速规避危险隐患区域，通过工业环网实现掘进工作面人员与地面人员的语音对讲功能，帮助工作人员进行调控，同时根据监测数据对掘锚一体机和通风机的运行状态进行控制调节，降低后续发生风险的可能性。
上述各个步骤中进行预警时，可以设置分级预警级别，每种预警分别设置四种预警阈值，进而根据监测数据的超限程度，将预警信息分为红橙黄蓝四个等级，分别从一级到四级，严重程度从低到高。这样效果更好。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种煤矿掘进工作面风险识别与智能预控系统，其特征在于，包括传感器、摄像机、交换机、井下NVR、井上NVR、分析主机、工业环网、服务器和客户端；传感器、摄像机、交换机、井下NVR和分析主机均处于煤矿井下，井上NVR、服务器和客户端均处于煤矿井上；
所述传感器用于监测掘进工作面的粉尘浓度、瓦斯浓度、O2浓度及CO浓度数据，并将采集的数据通过交换机分别反馈给井下NVR和分析主机；
所述摄像机用于监测煤矿井下多个位置的人员、掘进设备和环境情况，并将采集的视频数据通过交换机分别反馈给井下NVR和分析主机；
所述井下NVR和井上NVR均用于将接收的数据进行显示；
所述服务器用于存储分析主机及客户端反馈的各种数据；
所述分析主机内设有掘进数据融合系统、人员行为分析智能识别系统、设备信息集成与远程在线诊断系统、安全态势分析预警系统、协同管控与智能调度系统，其中掘进数据融合系统用于建立掘进系统数据库，并将传感器每次采集的各种数据、掘锚一体机运行参数信息和通风机运行工况信息，按统一编码标准进行处理，然后将处理后的数据通过工业环网发送给服务器进行存储；人员行为分析智能识别系统用于根据视频数据中拍摄的人员的肢体运动轨迹，判断人员的危险异常行为并反馈给客户端进行预警；设备信息集成与远程在线诊断系统用于根据获取的掘锚一体机运行参数信息和通风机运行工况信息，判断掘锚一体机和通风机是否发生故障并反馈给客户端进行预警；安全态势分析预警系统用于根据传感器和摄像机每次采集的数据分析其变化趋势，进而对瓦斯、水害、火灾、粉尘的监测数据进行时序建模，判断是否有发生重大风险的趋势并反馈给客户端进行预警；协同管控与智能调度系统用于根据人员行为分析智能识别系统、设备信息集成与远程在线诊断系统和安全态势分析预警系统发生预警时，结合传感器和摄像机采集的数据，对掘锚一体机和通风机的运行状态进行控制，并将预警信息传递给井下各个人员；
所述客户端用于对分析主机中各个系统的预警参数进行调整。
2.根据权利要求1所述的一种煤矿掘进工作面风险识别与智能预控系统，其特征在于，所述工业环网为无线WIFI或5G网络。
3.一种根据权利要求1或2所述煤矿掘进工作面风险识别与智能预控系统的工作方法，其特征在于，具体步骤为：
A、数据采集：通过传感器监测掘进工作面的粉尘浓度、瓦斯浓度、O2浓度及CO浓度数据，并将采集的数据通过交换机分别反馈给井下NVR和分析主机，摄像机用于监测煤矿井下多个位置的人员、掘进设备和环境情况，并将采集的视频数据通过交换机分别反馈给井下NVR和分析主机，其中井下NVR用于显示数据，并且将掘锚一体机运行参数信息和通风机运行工况信息反馈给分析主机，分析主机中的掘进数据融合系统利用SOA松耦合方法建立涵盖数据层、交换层、集成层和用户层的掘进面多源异构数据融合模型，接着利用建立的多源异构数据融合模型将传感器每次采集的各种数据、掘锚一体机运行参数信息和通风机运行工况信息，按统一编码标准进行处理，然后将处理后的数据通过工业环网发送给服务器进行存储；
B、井下人员的危险异常行为监测及预警：分析主机中的人员行为分析智能识别系统调取步骤A中视频数据中拍摄的人员的肢体运动轨迹，判断人员的危险异常行为并反馈给客户端进行预警；
C、掘锚一体机和通风机的运行监测及预警：通过客户端对分析主机中的设备信息集成与远程在线诊断系统进行掘锚一体机和通风机的运行参数阈值设定，以及分别确定两者在设定时间内的变化幅度值；然后设备信息集成与远程在线诊断系统实时调取步骤A中掘锚一体机运行参数信息和通风机运行工况信息分别与设定阈值进行比较，若超过设定阈值，则确定掘锚一体机或通风机发生故障，并反馈给客户端进行预警；若未超过设定阈值，则获取在设定时间内掘锚一体机运行参数信息和通风机运行工况信息，确定两者各自的变化幅度值，并将两者各自的变化幅度值分别与设定的变化幅度值进行比较，若超过设定变化幅度值，则确定掘锚一体机或通风机发生故障，并反馈给客户端进行预警；另外设备信息集成与远程在线诊断系统调取视频数据与掘锚一体机运行参数信息结合，能实现对掘锚一体机中存在的皮带跑偏、堆煤、撕裂、皮带上的大煤块、锚杆的识别及预警；
D、井下环境及设备运行的安全态势预测分析及预警：分析主机中的安全态势分析预警系统根据传感器和摄像机每次采集的数据采用深度循环神经网络模型分析其变化趋势，进而对瓦斯、水害、火灾、粉尘、掘锚一体机运行参数和通风机运行参数的监测数据进行时序建模，模型具备在线和增量学习能力，从而根据建模判断是否有发生重大风险的趋势并反馈给客户端进行预警；
E、预警后的协同管控与智能调度：分析主机中的协同管控与智能调度系统内设有掘进工作面数字孪生模型，通过钻探、物探和钻孔数据建立掘进工作面三维地质模型，并能根据掘进过程中揭露的实时地质信息对模型进行动态修正，根据传感器采集的掘进工作面环境、视频监测、掘锚一体机运行参数和通风机运行参数，将三维地质模型与掘进工作面真实场景进行可视化展示；然后在人员行为分析智能识别系统发生预警时，能及时通知相应人员存在危险异常行为，使其及时进行修正；在设备信息集成与远程在线诊断系统发生预警时，能对掘锚一体机和通风机的运行状态进行控制停止，防止由于故障导致整个煤矿发生安全风险；在安全态势分析预警系统发生预警时，根据可视化模型及各种实时数据，能通知现场工作人员快速规避危险隐患区域，通过工业环网实现掘进工作面人员与地面人员的语音对讲功能，帮助工作人员进行调控，同时根据监测数据对掘锚一体机和通风机的运行状态进行控制调节，降低后续发生风险的可能性。
4.一种根据权利要求3所述煤矿掘进工作面风险识别与智能预控系统的工作方法，其特征在于，所述步骤B具体为：
1、人员行为分析智能识别系统先选取数名矿工进行行为采集，每种行为采集五次进行数据集自建，每种行为采集的每一段视频中需结合施工工序和工艺流程的特点，以作业活动为单元，包含该种行为明确的违规动作与安全动作，进而建立每种行为的违规动作与安全动作的数据集；
2、人员行为分析智能识别系统利用基于C3D卷积神经网络的行为检测方法将视频中连续16帧RGB信息转化为一个128维的特征向量，从时间和空间维度提取特征，再使用线性分类器对行为识别进行分类，通过步骤1建立的数据集，提取每一个需要训练的行为其长时间的行为信息作为高级行为特征，把这些运动特征作为辅助输出去规则化C3D CNN模型，对建立的模型进行初始化模型训练，迫使CNN学习一个非常接近这个特征的特征向量，完成C3DCNN的自主学习，从而建立人体危险异常行为判断模型；
3、人员行为分析智能识别系统采用YOLO v5算法对步骤A中获取的视频进行分析，实现矿工和标识物目标检测，找出目标的坐标位置，再进行更细粒度的识别，从而检测出目标的种类，然后将这些关键信息推送给人体危险异常行为判断模型，同时采用高分辨率网络践行人体姿态为依据对人体骨骼运动模型进行关键点提取，将提取得到的信息作为人体姿态以及运动发生变化的新模态信息推送给人体危险异常行为判断模型，最后人体危险异常行为判断模型对获取的数据进行分析判断，从而得出当前视频中是否存在危险异常行为，若存在，则反馈给客户端进行预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210379336.8A CN114673558B (zh) | 2022-04-12 | 2022-04-12 | 一种煤矿掘进工作面风险识别与智能预控系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210379336.8A CN114673558B (zh) | 2022-04-12 | 2022-04-12 | 一种煤矿掘进工作面风险识别与智能预控系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114673558A true CN114673558A (zh) | 2022-06-28 |
| CN114673558B CN114673558B (zh) | 2023-01-31 |
Family
ID=82077568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210379336.8A Active CN114673558B (zh) | 2022-04-12 | 2022-04-12 | 一种煤矿掘进工作面风险识别与智能预控系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114673558B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114880910A (zh) * | 2022-07-07 | 2022-08-09 | 浙江大学 | 融合复杂地质环境的掘锚一体机数值耦合仿真方法 |
| CN115879776A (zh) * | 2023-03-02 | 2023-03-31 | 四川宏华电气有限责任公司 | 一种应用于石油钻机的危险区域预警方法及系统 |
| CN116050938A (zh) * | 2023-03-07 | 2023-05-02 | 济宁矿业集团有限公司霄云煤矿 | 一种基于数据分析的煤矿运输安全监管系统 |
| CN116816342A (zh) * | 2023-06-07 | 2023-09-29 | 河南平煤神马电气股份有限公司 | 一种煤矿智能掘进工作面多机协同集中控制系统 |
| CN117349782A (zh) * | 2023-12-06 | 2024-01-05 | 湖南嘉创信息科技发展有限公司 | 智能数据预警决策树分析方法及系统 |
| CN117574301A (zh) * | 2024-01-10 | 2024-02-20 | 四川正诚石油技术开发有限公司 | 基于多传感器的便携式智能环境侦检设备数据分析系统 |
| CN118071112A (zh) * | 2024-04-17 | 2024-05-24 | 中网华信科技股份有限公司 | 一种基于语音交互和大模型的指挥调度系统 |
| CN118128601A (zh) * | 2024-05-10 | 2024-06-04 | 山西天地煤机装备有限公司 | 工作面人机协同作业安全监测预警系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104533525A (zh) * | 2014-12-22 | 2015-04-22 | 中国矿业大学(北京) | 基于图像的煤矿掘进工作面煤与瓦斯突出报警方法 |
| CN205638559U (zh) * | 2016-01-04 | 2016-10-12 | 中国矿业大学(北京) | 基于图像的煤矿井下掘进工作面水灾报警系统 |
| CN107956513A (zh) * | 2017-12-01 | 2018-04-24 | 太原科技大学 | 一种用于煤矿安全智能实时预警系统 |
| CN110067764A (zh) * | 2019-04-12 | 2019-07-30 | 中国矿业大学 | 一种煤矿局部通风机远程切换与智能调控装置及控制方法 |
| CN113556384A (zh) * | 2021-06-21 | 2021-10-26 | 西安西科测控设备有限责任公司 | 一种适用于矿用掘进机的防突预警分析系统 |
-
2022
- 2022-04-12 CN CN202210379336.8A patent/CN114673558B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104533525A (zh) * | 2014-12-22 | 2015-04-22 | 中国矿业大学(北京) | 基于图像的煤矿掘进工作面煤与瓦斯突出报警方法 |
| CN205638559U (zh) * | 2016-01-04 | 2016-10-12 | 中国矿业大学(北京) | 基于图像的煤矿井下掘进工作面水灾报警系统 |
| CN107956513A (zh) * | 2017-12-01 | 2018-04-24 | 太原科技大学 | 一种用于煤矿安全智能实时预警系统 |
| CN110067764A (zh) * | 2019-04-12 | 2019-07-30 | 中国矿业大学 | 一种煤矿局部通风机远程切换与智能调控装置及控制方法 |
| CN113556384A (zh) * | 2021-06-21 | 2021-10-26 | 西安西科测控设备有限责任公司 | 一种适用于矿用掘进机的防突预警分析系统 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114880910A (zh) * | 2022-07-07 | 2022-08-09 | 浙江大学 | 融合复杂地质环境的掘锚一体机数值耦合仿真方法 |
| CN115879776A (zh) * | 2023-03-02 | 2023-03-31 | 四川宏华电气有限责任公司 | 一种应用于石油钻机的危险区域预警方法及系统 |
| CN115879776B (zh) * | 2023-03-02 | 2023-06-06 | 四川宏华电气有限责任公司 | 一种应用于石油钻机的危险区域预警方法及系统 |
| CN116050938A (zh) * | 2023-03-07 | 2023-05-02 | 济宁矿业集团有限公司霄云煤矿 | 一种基于数据分析的煤矿运输安全监管系统 |
| CN116050938B (zh) * | 2023-03-07 | 2023-06-09 | 济宁矿业集团有限公司霄云煤矿 | 一种基于数据分析的煤矿运输安全监管系统 |
| CN116816342B (zh) * | 2023-06-07 | 2024-03-08 | 河南平煤神马电气股份有限公司 | 一种煤矿智能掘进工作面多机协同集中控制系统 |
| CN116816342A (zh) * | 2023-06-07 | 2023-09-29 | 河南平煤神马电气股份有限公司 | 一种煤矿智能掘进工作面多机协同集中控制系统 |
| CN117349782A (zh) * | 2023-12-06 | 2024-01-05 | 湖南嘉创信息科技发展有限公司 | 智能数据预警决策树分析方法及系统 |
| CN117349782B (zh) * | 2023-12-06 | 2024-02-20 | 湖南嘉创信息科技发展有限公司 | 智能数据预警决策树分析方法及系统 |
| CN117574301A (zh) * | 2024-01-10 | 2024-02-20 | 四川正诚石油技术开发有限公司 | 基于多传感器的便携式智能环境侦检设备数据分析系统 |
| CN117574301B (zh) * | 2024-01-10 | 2024-03-22 | 四川正诚石油技术开发有限公司 | 基于多传感器的便携式智能环境侦检设备数据分析系统 |
| CN118071112A (zh) * | 2024-04-17 | 2024-05-24 | 中网华信科技股份有限公司 | 一种基于语音交互和大模型的指挥调度系统 |
| CN118128601A (zh) * | 2024-05-10 | 2024-06-04 | 山西天地煤机装备有限公司 | 工作面人机协同作业安全监测预警系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114673558B (zh) | 2023-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114673558B (zh) | 一种煤矿掘进工作面风险识别与智能预控系统及方法 | |
| CN103147756B (zh) | 一种掘进机记忆截割控制系统及其方法 | |
| CN111144263B (zh) | 一种建筑工人高坠事故预警方法及装置 | |
| Li et al. | Application and outlook of information and intelligence technology for safe and efficient TBM construction | |
| CN109598710B (zh) | 一种煤矿钻杆自动计数方法及系统 | |
| CN108022052A (zh) | 一种基于大数据分析的煤矿安全生产动态诊断系统及方法 | |
| CN103244188A (zh) | 一种基于物联网技术的煤矿井下综合监控系统 | |
| CN104159087B (zh) | 钻机现场监控平台 | |
| CN112983417B (zh) | 一种煤矿采掘装备数据分析预警方法 | |
| CN111126193A (zh) | 一种基于深度学习煤矿井下不安全行为人工智能识别系统 | |
| CN110121053A (zh) | 一种钻井现场风险分级预警的视频监控方法 | |
| CN112650272A (zh) | 基于5g的煤矿井下无人机巡视信息感知方法及其感知系统 | |
| CN108984817A (zh) | 一种tbm刀具磨损量实时评估方法 | |
| CN109488297A (zh) | 一种可视化矿井下记忆割煤系统及方法 | |
| CN116950708A (zh) | 一种煤矿一通三防智能管控平台 | |
| CN113344882A (zh) | 基于计算机视觉的矿下钻机钻杆计数方法 | |
| CN116777085B (zh) | 基于数据分析和机器学习技术的煤矿水害预测系统 | |
| CN117495157A (zh) | 煤矿采空区岩溶隧道全周期施工特征信息融合与质量追溯系统 | |
| CN204013912U (zh) | 钻机现场监控平台 | |
| CN113556384A (zh) | 一种适用于矿用掘进机的防突预警分析系统 | |
| CN115796567A (zh) | 基于地质保障系统的安全规划开采系统 | |
| CN115797095A (zh) | 基于bim+gis技术全周期智慧矿山模块化综合信息系统平台 | |
| CN113685166B (zh) | 一种钻井事故预警方法及系统 | |
| CN110985129B (zh) | 煤矿采掘工作面煤与瓦斯突出灾变判识方法 | |
| CN113298378A (zh) | 基于灰色关联分析的工作面智能化程度评价方法和系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |