人工智能在煤炭行业的创新与思考.docxVIP

人工智能在煤炭行业的创新与思考晋能控股煤业集团有限公司马脊梁矿037000 一、煤炭行业背景 煤炭行业是一个高危行业，水、火、瓦斯、煤尘、顶板“五大〃自然灾害时常威胁着企业和职工的生命财产安全。安全生产必须坚持以人为本，把人的生命放在第一位。经济发展必须建立在安全生产的基础上，绝不能以损害人民群众利益甚至牺牲职工生命为代价。因此，要搞好煤炭企业安全生产管理工作，促进煤炭企业的持续、稳定、健康发展，就必须从煤炭行业的一线工人开始进行技术革新，从而保证职工的生命安全。 随着科学技术的不断进步，目前我国对于煤炭资源的开发已经逐步由过去的高投入、低产出、高消费、低回报的粗放型发展转为绿色、高效的经济可持续性发展。但是在转型的道路上仍然存在着许多问题，给企业也带来很大的困难。煤炭行业是属于高危行业，生产活动中的任何一个环节均存在着各种危险，这些隐形的危险都已经严重威胁到了企业职工的身份和生命安全。 二、煤炭行业现状 煤矿综采面的工人主要分为操作工、巡检工、管理者三类。 操作工主要利用肉眼、声音、经验等进行简单、重复操作动作；在与现有系统联动通过人工智能可以替代操作工的眼睛耳朵； 巡检工主要负责对设备温度、磨损、振动、异响，进行复杂操作处置。发现问题，解决问题和日常换机油、密封，人工智能利用视觉、音频进行分类、辨认后，进行报警或联动； 管理者的主要职责是对复杂信息进行决策，利用多传感器融合，对位置、振动、视觉、音频、温度等进行采集后提供综合决策信息给员工，进行工作分配，处理现场突发事件。人工智能针对煤矿常见的突发事件提供入顶底截割曲线、动态来压预测、水文预测等，降低工作人员的工作强度。目前人工智能主要朝四个方向进行算法研究： （1）视频识别，代替眼睛；对工作面上的采煤机摇臂与前探梁碰撞观察并预警；风门红外闭锁等； （2）音频识别：通过声音实现对大型设备的故障检测，进行煤砰识别，提高生产效益； （3）RLP算法：通过重新编码，降低程序复杂性； （4）无人驾驶：大型设备的无人驾驶。包括采煤机、掘进机无人驾驶。 三、综采工作面实际应用 煤炭资源在开采过程中所需要使用的各类仪器、设备，与人工智能等技术有机地融合，使之在系统上得到了扩展，系统的性能及效率也随之得到提高。通过电脑组织一张一张遍布全井的信息网，可以迅速高效地计算出各处的参数，实时地掌握机器正常运动。利用互联网络的连接，实现了远距离的精准控制，并且它们可以同时指挥多台机器的共同功能，减轻了劳动力，从而大大降低了在操作中人员出现危险的概率。而且利用其中搜集井下资料数据来搭建模型及数据库，可以提供其它矿井的参考学习及借鉴经验，为更高效地开采奠定坚实的基础。将人工智能和物联网技术应用于煤炭行业，通过成型的产品将二者有机地紧密结合起来，能够促进行业工作朝着机械化、自动化、精细化等方向发展。通过这种人工智能引入后就能够完成安全体系及矿井生产过程中的控制和监测诊断。 （一）音频识别技术 长短期记忆网络（LSTM）：LSTM是一种时间循环神经网络，适合于处理和预测时间序列中间隔和延迟非常长的重要事件。基于LSTM的人工智能可以进行文本生成、机器翻译、语音识别、图像分析、预测疾病、合成音乐。 小波变换：一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。 煤砰识别系统：在液压支架侧安装拾音器，采集现场放煤、放砰声音，实时识别放煤，放砰，未放煤三种放顶煤工作状态。对放煤、不放煤的状态识别精度可达96.5%；放煤状态下，对煤和砰石比例的识别精度可达79.3%。系统实时展示当前支架放煤状态、拾音器状态，各支架放煤统计等相关信息，与液压支架电液控装置、综采面煤流调速系统等实现联动。 皮带巡检系统：在顺槽皮带巷安装多台拾音器，实时判断带式输送机托辊损坏等异常情况。通过麦克风阵列、声音定位算法实现声源定位，实时定位故障发生的位置，并记录、报警。 （二）视频识别技术 图像识别技术：神经网络图像识别技术是一种比较新型的图像识别技术，是在传统的图像识别方法和基础上融合人工神经网络算法的一种图像识别方法。其中的特征反相传播算法是训练神经网络的有效手段。 基于固态激光雷达的皮带输煤动态体积测量系统，利用图像识别等技术对煤炭形状、体积进行是智能分析，最终实现准确称量的目的。 设备检测系统：对刮板机刮板的链条、链轮等进行实时监测，及时发现设备损耗并预警；在皮带上安装摄像头，通过视频技术对大煤块卡煤情况，皮带堆煤情况进行监测并识别预警。实时视频识别除铁器所吸铁器大小，对被吸铁器上异物接近皮带时，进行实时声光报警乃至停机；转载机工作时，对转载机区域进行封闭。对矿工误闯入进行识别、报警，乃至停机。 （三）