• 中文核心期刊
  • 中国科技核心期刊
  • RCCSE中国核心学术期刊

基于千眼视频智能分析的综合安全管理系统

党王聪, 董博, 乔佳妮, 雷文, 冯港归

党王聪,董博,乔佳妮,等. 基于千眼视频智能分析的综合安全管理系统[J]. 煤矿安全,2024,55(12):236−242. DOI: 10.13347/j.cnki.mkaq.20240378
引用本文: 党王聪,董博,乔佳妮,等. 基于千眼视频智能分析的综合安全管理系统[J]. 煤矿安全,2024,55(12):236−242. DOI: 10.13347/j.cnki.mkaq.20240378
DANG Wangcong, DONG Bo, QIAO Jiani, et al. Integrated safety management system based on intelligent analysis of thousand eyes video[J]. Safety in Coal Mines, 2024, 55(12): 236−242. DOI: 10.13347/j.cnki.mkaq.20240378
Citation: DANG Wangcong, DONG Bo, QIAO Jiani, et al. Integrated safety management system based on intelligent analysis of thousand eyes video[J]. Safety in Coal Mines, 2024, 55(12): 236−242. DOI: 10.13347/j.cnki.mkaq.20240378

基于千眼视频智能分析的综合安全管理系统

详细信息
    作者简介:

    党王聪(1986—),男,陕西澄城人,工程师,本科,从事煤矿监测监控及煤矿信息化方面的技术与管理工作。E-mail:402985920@qq.com

  • 中图分类号: TD676

Integrated safety management system based on intelligent analysis of thousand eyes video

  • 摘要:

    针对当前煤矿行业智能化发展进程中,人员安全管理薄弱且与智能化控制系统之间各自独立,融合性相对较低的问题,构建了基于“千眼”视频监控分析的综合安全管理系统。介绍了系统架构和优势,重点论述了系统的“千眼”大数据安全分析决策、“千眼”AR+AI增强现实智能场景分析、大数据智能风险管控分析、“千眼”智能视频平台、AR+AI增强现实智能场景分析、设备智能控制联动保护决策、综合安全管理等功能模块。基于“千眼”视频监控分析的综合安全管理系统基于分布式微服务架构应用体系,借助AI智能识别技术与AR增强现实技术,形成了“画面捕捉、信息识别、平台预警+后台记录、远程警告+联动控制”的规范化梯度管理模式流程,对设备运行及生产进行统一高效管理,对潜在危险与安全隐患做出有效规避,最大限度地保证了井下设备高效运行及人员安全。

    Abstract:

    In response to the weak personnel safety management and relatively low integration with intelligent control systems in the current intelligent development process of the coal mining industry, a comprehensive safety management system based on “thousand eyes” video surveillance analysis has been constructed. The system architecture and advantages were introduced, with a focus on the functional modules of “thousand eyes” big data safety analysis and decision-making, “thousand eyes” AR+AI augmented reality intelligent scene analysis, big data intelligent risk control analysis, “thousand eyes” intelligent video platform, AR+AI augmented reality intelligent scene analysis, device intelligent control linkage protection decision-making, and comprehensive safety management. The comprehensive safety management system based on the “thousand eyes” video surveillance analysis is based on a distributed microservice architecture application system. With the help of AI intelligent recognition technology and AR augmented reality technology, it has formed a standardized gradient management mode process of “image capture, information recognition, platform warning+background recording, remote warning+linkage control”, which unifies and efficiently manages equipment operation and production, effectively avoids potential dangers and safety hazards, and maximizes the efficient operation of underground equipment and personnel safety.

  • 矿产资源是人类社会生存和发展的重要物质基础。与其他自然资源相比,矿产资源具有区位分布不均衡、不可再生、赋存隐蔽等特点,致使对其开发利用过程始终面临着层出不穷的技术难题[1]。露天开采具有资源采出率高、安全生产条件好和生产效率高的优势,世界主要产煤国均以露天开采为主,目前全球露天煤矿年产量约50亿t[2]

    煤炭作为我国的主体能源,在相当长的一段时间内作为国家能源安全的“压舱石”将持续发挥重要作用[3]。露天开采具有生产规模大和资源回收率高等特点,随着煤炭开采中心向西部转移,其产能持续增加。截至2021年已增加至10.4亿t,占到全国煤炭产量的25.2[4];其中内蒙和新疆地区采用露天开采的这一比例已经超过50%[5]。但露天开采由于其开采设计及技术限制,在露天开采中端帮边坡压覆着大量煤炭资源,不完全统计,我国400余座露天矿共计压覆端帮煤炭资源98~140亿t,占其总资源的14%~20%[6-7]。同时,边坡安全稳定性往往是制约露天矿开设计开采的重要因素,也是露天矿的主要安全事故。因此,如何在控制边坡变形与安全稳定的前提下,将端帮边坡下部煤炭资源回收最大化有重要意义,也是目前采矿与岩土等学者密切关注的研究方向。

    丁鑫品等[8]考虑露天与端帮开采2种扰动条件,建立了3DEC数值模型分析端帮开采过程中覆岩的变形移动和应力分布规律;王宏岩[9]针对特厚煤层赋存的白音华一号露天煤矿,开展了端帮采煤的分层开采研究;吴豪帅[10]分析了重载卡车循环作用下端帮岩体的损失特性,提出了该情况下边坡稳定性系统判据;JIANG等[11]研究了不同坡角和开采深度下煤柱应力分布特征,建立了煤柱两侧屈服区宽度的计算公式。在工程应用方面,同处内蒙古鄂尔多斯地区的乌兰露天煤矿进行了端帮开采工程实践,采硐深度达200 m,累计回收原煤10万t,证明了端帮采煤技术在该地区的可行性[12]。上述学者在不同扰动及环境下的端帮开采进行了深入研究,但在不同端帮不同开采顺序方面研究较少,而在实际生产应用中,如端帮开采煤柱与边坡设计参数选取不当,可能引发煤柱失稳及边坡大面积坍塌[13]

    鉴于此,以内蒙古鄂尔多斯某矿端帮边坡为例,从不同开采顺序出发,建立顺序开采和跳采2种模式下的煤柱荷载分析模型,建立数值计算模型分析不同开采顺序下数值计算模型,并考虑不同采硐深度对极限开采状态下的边坡稳定性影响规律,以期为该矿提供端帮开采顺序、采硐深度及开采监测等参数,保障端帮煤炭资源安全高效回收。

    矿山位于鄂尔多斯准格尔东部的黄土高原,共分2个采区,分别为首采区和二采区,地表面积为4.06 km2。地貌呈树枝状冲沟状,地表为固结黄土与风积砂。地质构造简单,以宽缓的背斜构造为主,区内无断层发育,矿区内地层倾角较小,地质构造对边坡稳定性影响较小。主要可采煤层为9号煤和10号煤层,煤层倾角为4°~10°,全矿平均剥采比为7.35 m3/t。露天矿剥离及采煤均为单斗-卡车间断式开采工艺,工艺较为灵活,便于端帮采煤机及其配套系统的生产组织。

    该矿合计可采煤炭资源为5 757 万t,露天可采原煤量为2 409 万t,可回收煤柱量2 687 万t,其余为端帮采煤机可采资源,端帮压煤量大。综合煤层及端帮采煤机设备条件,确定端帮采煤机回采率30%露天端帮采煤机可采储量661 万t。

    目前矿山采掘场工作线近东西向布置,由北向南推进,东帮与西帮均为非工作帮,揭露剥离台阶14个,采煤台阶2个,开采至标高+1 270 m左右,采掘场边坡岩性主要为煤层、泥岩、砂质泥岩和第四系砂土等,属于典型中软岩边坡,且刚刚开始内排作业,排弃物料主要为第四系松散层中的砂土、泥岩和砂质泥岩等中软岩。若不进行端帮煤炭的回收,在内排土场完全压覆后将更难回收,造成煤炭资源的大量浪费。

    在端帮煤炭资源回收中,大多数露天矿采用陡帮开采或靠帮开采提升端帮边坡角度回收端帮压煤,但这种方式回收资源受边坡力学参数影响,且回收率较低,露井联采又面临成本高昂和政策监管等诸多问题。因此,具有无需基建和剥离、安全稳定且开采过程无需支护等优点的端帮采煤机回收技术在回收端帮压煤时优势明显。

    端帮采煤起源于20世纪40年代美国的螺旋钻开采,虽取得了一定的经济效益,但开采深度较浅[14]。端帮采煤机是美国Superior Highwall Miners公司于1994年正式推出,经过技术的不断发展,已日渐成熟。其采深已由最初的30 m提高到300 m,并配备有0.76~5.5 m的3种不同采高的截割头,本次端帮开采拟采用可靠性较高的卡特彼勒GHWM-300端帮采煤机。

    端帮开采工艺流程包括:开工准备→机组割煤、落煤→机组装煤→带式输送机外运→装载机倒堆→延接带式输送机→到位停采→设备回撤→机组维护、检修→准备进入下1个循环。端帮采煤机采用高清防抖动摄像机,通过光缆将视频图像传回操控室,在操作界面上展现,实现作业过程可视化,对作业过程实时监控。此外,该矿内排沟底宽设计值为50 m,使用端帮采煤机时,应增加内排沟底宽度。对端帮采煤机回收边帮压煤量工艺进行专项设计和内排沟底宽度论证,推荐内排宽度增加至120 m。

    基于鄂尔多斯地区该矿工程地质条件,建立端帮开采数值计算模型,模型长×宽×高=350 m×83 m×110 m;边坡岩体为中软岩边坡,从地表向下分别为第四系、泥岩、煤和基岩(砂岩)。数值计算模型参数及采硐分布如图1所示,边坡岩土物理力学参数见表1

    图  1  数值计算模型参数及采硐分布
    Figure  1.  Numerical calculation model parameters and distribution of mining tunnels
    表  1  边坡岩土体物理力学参数
    Table  1.  Physical and mechanical parameters of slope rock and soil mass
    岩性 密度/
    (kg·m−3)
    黏聚力/
    kPa
    内摩擦角/
    (°)
    体积模量/
    GPa
    剪切模量/
    GPa
    第四系 1 843 154 30.3 3.7 1.13
    泥岩 2 314 360 34.9 4.2 1.35
    1 280 421 30.0 3.9 1.23
    基岩 2 546 513 35.8 3.4 1.34
    下载: 导出CSV 
    | 显示表格

    该矿煤层埋深70 m左右,采用GHWM-300端帮采煤机进行开采。采硐为截面为长方形,采硐高度为4 m,宽度为3.5 m,开采过程中采硐内无支护,采用采硐间支撑煤柱进行上覆岩层重力的承载。支撑煤柱宽度设置为5 m,在模型两侧各留设10 m的边界煤柱,采硐自露天矿推进方向及边坡走向,从左往右完成开挖。

    在端帮开采中,采硐的开挖会使原始地层的应力进行重新分布。采硐开挖后,采硐内由于原始地层的缺失,应力将转移至相邻煤柱,不同的开采顺序下采硐应力呈现出各异的重分布特点。不同的开采顺序下煤柱应力分析如图2所示。

    图  2  不同开采顺序下煤柱应力分布
    Figure  2.  Stress distribution of coal pillars under different mining sequences

    顺序开采中,煤柱应力为:

    $$ {\sigma _1} = \frac{{\rho g H\left( {{B_{\mathrm{P}}} + {B_{\mathrm{Z}}}} \right){B_{\mathrm{L}}}}}{{{B_{\mathrm{P}}} {B_{\mathrm{L}}}}}{{ = }}\rho g H\left( {{\text{1 + }}\frac{{{B_{\mathrm{Z}}}}}{{{B_{\mathrm{P}}}}}} \right) $$ (1)

    跳采时,煤柱应力为:

    $$ {\sigma _{\text{2}}} = \frac{{\rho g H\left( {{\text{3}}{B_{\mathrm{P}}} + {B_{\mathrm{Z}}}} \right){B_{\mathrm{L}}}}}{{{\text{3}}{B_{\mathrm{P}}} {B_{\mathrm{L}}}}}{{ = }}\rho g H\left( {{\text{1 + }}\frac{{{B_{\mathrm{Z}}}}}{{{\text{3}}{B_{\mathrm{P}}}}}} \right) $$ (2)

    式中:σ1为顺序开采煤柱应力,Pa;σ2为跳采煤柱应力,Pa;ρ为上覆地层平均密度,t/m3,Pa;H为采硐平均埋深,m;BP为煤柱宽度,m;BZ为采硐宽度,m;BL为开采深度,m。

    由式(1)、式(2)可知,σ2σ1,即跳采时煤柱应力小于顺序开采应力。

    端帮顺序开采采硐竖直应力分布如图3所示,端帮跳采采硐竖直应力分布如图4所示。

    图  3  端帮顺序开采采硐竖直应力分布
    Figure  3.  Vertical stress distribution of end slope sequential mining tunnels
    图  4  端帮跳采采硐竖直应力分布
    Figure  4.  Vertical stress distribution of end slope jumping mining tunnel

    在初始采硐开挖后,由于2种开采顺序的模型地层岩性与物理力学参数相同,因此采硐应力状态相同。采硐开挖后围岩应力释放,破坏现场应力平衡,采硐顶板围岩中的应力向两侧煤柱传递,增加煤柱所受应力。顶板、底板和采硐的两侧受到压应力,最大压应力出现在两侧的中间,约为1.63 MPa;当第2个采硐开挖后,采硐所受应力随着开采顺序变化而改变,顺序开采中两采硐间隔5 m,而跳采采硐间隔为13.5 m;第2个采硐开挖后围岩应力进一步重新分布,顺序开采和跳采采硐两侧及采硐间均分布压应力,最大压应力均位于采硐两侧的中间;顺序开采最大压应力为1.85 MPa,由于跳采采硐上覆岩层应力作用于采硐间13.5 m的煤柱,因此其最大压应力仅为1.83 MPa,小于顺序开采采硐。

    随着采硐开挖的进行,2种开采顺序下压应力峰值均随着开挖的进行而增加,不同开采顺序间,每一步开挖后,顺序开采采硐应力峰值均高于跳采采硐;在第5次采硐开挖后,顺序开采采硐应力峰值由1.63 MPa增加至2.55 MPa,而跳采仅为2.18 MPa。

    从应力云图的整体分布情况来看,前2次采硐开挖时模型竖直应力呈层状均匀分布于上覆岩层;顺序开采在采硐第3次开挖后,位于采硐群中部上方出现漏斗形应力集中,距离采硐顶板分别为17.2、14.5、11.5 m;而跳采时模型竖直应力则整体呈层状分布,仅在第5次开挖后出现应力集中区域,且距离采硐顶板远大于顺序开采。分析采硐周围最大压应力集中区域,在采硐开挖3次以前,2种开采顺序下最大压应力区均分布于采硐两侧,未出现应力集中区;在开采4次和5次时,顺序开采采硐最大压应力均位于第3个采硐右侧中间位置,而跳采采硐最大压应力区较为均匀分布于采硐两侧,未出现明显应力集中区,进一步说明跳采方式可有效避免应力集中现象,降低煤柱破坏风险。

    采硐初始开挖顶底板变形如图5所示,不同开采顺序下采硐顶底板变形量如图6所示。

    图  5  采硐初始开挖顶底板变形量
    Figure  5.  Deformation of the top and bottom plates during the initial excavation of mining tunnel
    图  6  不同开采顺序下采硐顶底板变形量
    Figure  6.  Deformation of the roof and floor of mining tunnel under different mining sequences

    图5可以看出:采硐开挖后引起围岩应力释放,在应力重新平衡过程中采硐顶底板产生竖直方向变形,底鼓量略高于沉降量,采硐顶板沉降量为8.29 mm,底板底鼓变形量为8.36 mm,均位于采硐中部。因此,在端帮开采过程中应主要关注采硐顶板和底板中部的变形特征,如有破坏风险应及时进行设备撤出及支护。

    图6可以看出:当采用端帮顺序开采时,采硐顶板沉降量与底鼓量随着开采次数呈线性增长,除初始开挖外,采硐顶板沉降量均显著高于底板底鼓量,第5次开挖后,采硐沉降量增加至39.14 mm,为初始开挖的4.72倍,采硐底鼓量增加至13.61 mm,为初始开挖的1.63倍;与顺序开采相比跳采在整个开挖过程中采硐沉降量与底鼓量均低于顺序开采,以第5次开挖为例,采硐沉降量与底鼓量分别为25.77 mm和11.21 mm,与顺序开采相比分别降低了34.16%和17.63%,这表明采用跳采可有效降低采硐顶板沉降与底板底鼓。

    2种不同方式开采后煤柱塑性区分布如图7所示。

    图  7  不同开采顺序塑性区分布
    Figure  7.  Distribution of plastic zones in different mining sequences

    采硐顺序开采后,采硐间煤柱发生大面积剪切破坏,尤其在上述应力分析中的应力集中区域,煤柱几乎完全发生破坏。而跳采后采硐无明显剪切破坏区,仅在采硐拐角处产生局部剪切破坏区,且面积较小,煤柱整体处于稳定状态。

    通过上述分析不同开采顺序下端帮煤柱稳定性分析可知,跳采可显著降低煤柱应力集中,降低边坡变形量及破坏风险。当设计采硐全部进行开采后,边坡整体稳定性关系着整个端帮煤回收的安全,因此设置采硐深度分别为50、100、150、200、250 m,对采硐进行全部开挖,进行边坡极限状态下其变形及稳定性分析

    以未开采、开采50、150、250 m 4个典型状态为例进行分析,不同采硐深度边坡临空面位移如图8所示,不同采硐深度边坡竖直方向位移如图9所示。

    图  8  不同采硐深度边坡临空面位移
    Figure  8.  Slope-facing displacement at different excavation depths
    图  9  不同采硐深度边坡竖直方向位移
    Figure  9.  Vertical displacement of slopes at different excavation depths

    图8可以看出:在整个开采过程中边坡以面向临空面位移为主,仅在开采250 m后边坡上部4个台阶分布负向位移,位移峰值为10.3 mm;边坡面向临空面位移峰值随采硐深度增加而增加,当采硐深度为250 m时增加至27.35 mm,位移峰值向边坡深部转移。

    图9可以看出:未开采时,边坡地表及第2个台阶底部分别分布沉降区和底鼓区;随着采硐深度的增加,边坡沉降量和底鼓量都随着增加;当采硐深度未超出坡顶线投影位置,沉降最大值仍分布于地表;当采硐超出坡顶线投影位置时,沉降峰值转移至采硐顶板,而底鼓区一直处于采硐底部;从变形量增长率来看,坡顶线投影位置前后边坡沉降与底鼓量增加明显,以采硐50 m和150 m为例,沉降量由3.99 mm增加至43.53 mm。

    采用FLAC3D的强度折减法,对采硐深度分别为50、100、150、200、250 m状态下边坡进行稳定性计算,不同采硐深度边坡稳定系数变化如图10所示。

    图  10  不同采硐深度边坡稳定系数变化
    Figure  10.  Changes in slope stability coefficient at different mining depths

    图10可以看出:端帮边坡在未开采时,边坡稳定系数为1.94,处于稳定状态,满足端帮开采安全性的需要;当进行采硐开挖后,边坡稳定性系数开始降低,边坡稳定系数随开采深度的增加持续降低;在开采深度100~150 m时,边坡稳定系数进入快速下降区,这可能是由于采硐开挖区域进入边坡潜在滑面位置,在潜在滑面处的岩体开挖导致应力重分布降低整个边坡抗滑力,进而影响边坡稳定系数;为保障该矿端帮开采下边坡的安全,设置边坡稳定系数安全值为1.2,当采硐深度为250 m时,边坡稳定系数为1.11,存在滑坡风险。

    综上所述,该矿端帮开采采硐深度应为200 m,且采用跳采工艺能有效降低煤柱失稳风险。在端帮开采过程中,边坡地表沉降范围约为140 m左右,应做好边坡监测,同时应及时分析高清防抖动摄像机采集数据,重点关注采硐顶底板沉降与底鼓情况,以免发生煤柱破坏,影响端帮采煤机设备撤出和边坡整体安全。

    1)建立了顺序开采和跳采2种方式下煤柱荷载分析模型,由此得出在相同地质条件下,采用跳采时采硐应力具有较宽的支撑压力承载区间,因此其煤柱应力小于顺序开采。

    2)端帮煤开采时,改变开采顺序可显著降低煤柱应力,增强煤柱稳定性。与顺序开采相比,跳采采硐最大压应力区均匀分布于采硐两侧,最大压应力峰值降低16.97%,未出现明显应力集中区,可有效避免煤柱应力集中。采硐开挖会在其顶板和底板中部分别产生沉降及底鼓现象,跳采采硐沉降与底鼓量分别降低了34.16%和17.63%。顺序开采后,采硐间煤柱在应力集中区发生大面积剪切破坏,而跳采后仅在采硐拐角处产生局部剪切破坏区,煤柱整体处于稳定状态。

    3)端帮煤开采时边坡变形量与采硐深度密切相关,边坡面向临空面位移和竖直方向位移都随着采硐深度增加而增加,坡顶线投影位置前后边坡面向临空面位移、沉降与底鼓量增长率显著增加。采硐面向临空面位移峰值持续分布于坡顶线80 m,采硐深度为250 m时峰值向边坡深部转移,当采硐超出坡顶线投影位置时,沉降峰值转移至采硐顶板,而底鼓区一直处于采硐底部。

    4)在该矿边坡地质条件及端帮开采参数设置下,在未开采时边坡稳定系数为1.94,满足端帮开采安全性的需要。边坡稳定性随着采硐深度增加而增加,边坡潜在滑面位置即稳定系数快速下降区位于距坑底100~150 m,该矿端帮开采的最大采硐深度为200 m,在地表140 m左右应做好边坡变形监测,同时还应关注采硐顶底板沉降与底鼓情况,保障端帮开采工艺的安全高效运行。

  • 图  1   安全管理系统架构图

    Figure  1.   Architecture diagram of safety management system

    图  2   千眼视频安全管理系统界面展示

    Figure  2.   Thousand eyes video safety management system interface

    图  3   大数据安全分析监控决策中心界面

    Figure  3.   Interface of big data safety analysis monitoring decision center

    图  4   “千眼”AR+AI增强现实智能场景分析系统界面

    Figure  4.   Interface of “thousand eyes” AR+AI augmented reality intelligent scene analysis system

    图  5   大数据智能风险管控分析系统界面

    Figure  5.   Interface of big data intelligent risk management and control analysis system

    图  6   “千眼”智能视频平台界面

    Figure  6.   Interface of “thousand eyes” intelligent video platform

    图  7   综采工作面智能识别场景界面

    Figure  7.   Intelligent recognition scene interface of fully mechanized mining face

    图  8   移动应用平台实时动态控制界面

    Figure  8.   Real-time dynamic control interface of mobile application platform

  • [1] 王国法,刘峰,庞义辉,等. 煤矿智能化−煤炭工业高质量发展的核心技术支撑[J]. 煤炭学报,2019,44(2):349−357.

    WANG Guofa, LIU Feng, PANG Yihui, et al. Coal mine intellectualization: The core technology of high quality development[J]. Journal of China Coal Society, 2019, 44(2): 349−357.

    [2] 刘峰,曹文君,张建明,等. 我国煤炭工业科技创新进展及“十四五”发展方向[J]. 煤炭学报,2021,46(1):1−15.

    LIU Feng, CAO Wenjun, ZHANG Jianming, et al. Current technological innovation and development direction of the 14th Five-Year Plan period in China coal industry[J]. Journal of China Coal Society, 2021, 46(1): 1−15.

    [3] 王国法,庞义辉,许永祥,等. 厚煤层智能绿色高效开采技术与装备研发进展[J]. 采矿与安全工程学报,2023,40(5):882−893.

    WANG Guofa, PANG Yihui, XU Yongxiang, et al. Development of intelligent green and efficient mining technology and equipment for thick coal seam[J]. Journal of Mining & Safety Engineering, 2023, 40(5): 882−893.

    [4] 王国法,巩师鑫,申凯. 煤矿智能安控技术体系与高质量发展对策[J]. 矿业安全与环保,2023,50(5):1−8.

    WANG Guofa, GONG Shixin, SHEN Kai. Intelligent security control technology system and high-quality development countermeasures for coal mines[J]. Mining Safety & Environmental Protection, 2023, 50(5): 1−8.

    [5] 李锐. 采煤工作面智能化建设关键技术的应用研究[J]. 机械管理开发,2022,37(1):238−240.

    LI Rui. Application of key technologies for intelligent construction of coal mining working face[J]. Mechanical Management Development, 2012, 37(1): 238−240.

    [6] 李春,王碧清,曹国选,等. 超长综采工作面智能控制系统研究与应用[J]. 煤矿机械,2022,43(8):163−166.

    LI Chun, WANG Biqing, CAO Guoxuan, et al. Research and application of intelligent control system for ultra-long fully mechanized mining face[J]. Coal Mine Machinery, 2022, 43(8): 163−166.

    [7] 苏杰,王新坤. 寸草塔煤矿综采工作面智能化建设关键技术研究与应用[J]. 煤炭科学技术,2022,50(S1):250−256.

    SU Jie, WANG Xinkun. Research and application of key technologies for intelligent construction of fully mechanized mining face in Cuncaota Coal Mine[J]. Coal Science and Technology, 2022, 50(S1): 250−256.

    [8] 林勇,王俭,赵忠军,等. 大倾角复杂结构煤层工作面智能化综采装备及工艺探讨[J]. 煤炭科学技术,2021,49(S1):69−74.

    LIN Yong, WANG Jian, ZHAO Zhongjun, et al. Discussion on intelligent comprehensive mining equipment and process for working face with large inclination angle and complex structure coal seam[J]. Coal Science and Technology, 2021, 49(S1): 69−74.

    [9] 张登山,邢海龙,张泽. 煤矿综采成套智能化控制系统研究[J]. 工矿自动化,2022,48(S1):92−94.

    ZHANG Dengshan, XING Hailong, ZHANG Ze. Research on complete set of intelligent control system for coal mine fully-mechanized mining[J]. Industry and Mine Automation, 2022, 48(S1): 92−94.

    [10] 郭志国,姜杰,闫东,等. 煤矿综采工作面智能化系统的设计[J]. 煤矿机械,2023,44(3):16−18.

    GUO Zhiguo, JIANG Jie, YAN Dong, et al. Design of intelligent system for coal mine fully mechanized mining face[J]. Coal Mine Machinery, 2023, 44(3): 16−18.

    [11] 岳刘杰,齐庆杰,关芳明,等. 综采工作面5G智能化控制系统改造设计[J]. 煤炭技术,2023,42(4):178−182.

    YUE Liujie, QI Qingjie, GUAN Fangming, et al. Upgrading design of 5G intelligent control system in fully mechanized mining face[J]. Coal Technology, 2023, 42(4): 178−182.

    [12] 倪少军,李双良. 综采工作面智能化技术研究及应用[J]. 工矿自动化,2021,47(S2):7−9.

    NI Shaojun, LI Shuangliang. Research and application of intelligence technology of fully mechanized working face[J]. Industry and Mine Automation, 2021, 47(S2): 7−9.

    [13] 龚轩. 综采工作面智能化开采技术研究及应用[J]. 煤矿机械,2022,43(5):152−155.

    GONG Xuan. Research and application of intelligent mining technology in fully mechanized mining face[J]. Coal Mine Machinery, 2022, 43(5): 152−155.

    [14] 李伟. 综放开采智能化控制系统研发与应用[J]. 煤炭科学技术,2021,49(10):128−135.

    LI Wei. Research and application of intelligent control system for full-mechanized caving mining[J]. Coal Science and Technology, 2021, 49(10): 128−135.

图(8)
计量
  • 文章访问数:  16
  • HTML全文浏览量:  2
  • PDF下载量:  6
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-03-21
  • 修回日期:  2024-05-06
  • 刊出日期:  2024-12-19

目录

/

返回文章
返回