CN113313428A - 一种基于大数据的智慧矿山的ai故障监测方法及*** - Google Patents
一种基于大数据的智慧矿山的ai故障监测方法及*** Download PDFInfo
- Publication number
- CN113313428A CN113313428A CN202110726252.2A CN202110726252A CN113313428A CN 113313428 A CN113313428 A CN 113313428A CN 202110726252 A CN202110726252 A CN 202110726252A CN 113313428 A CN113313428 A CN 113313428A
- Authority
- CN
- China
- Prior art keywords
- real
- video
- time
- acquiring
- fault event
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 90
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 230000001976 improved effect Effects 0.000 claims abstract description 19
- 238000007726 management method Methods 0.000 claims abstract description 18
- 230000006872 improvement Effects 0.000 claims abstract description 16
- 238000003860 storage Methods 0.000 claims abstract description 15
- 238000013135 deep learning Methods 0.000 claims abstract description 9
- 238000011897 real-time detection Methods 0.000 claims abstract description 9
- 238000013136 deep learning model Methods 0.000 claims description 34
- 239000003245 coal Substances 0.000 claims description 29
- 238000005065 mining Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000005516 engineering process Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000011664 signaling Effects 0.000 claims description 6
- 238000009423 ventilation Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000003190 augmentative effect Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000013523 data management Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于大数据的智慧矿山的AI故障监测方法及***，通过深度学***台的大数据监测和存储，实现对矿山的全方位监控、远程调控和数据管理。
Description
技术领域
本发明涉及煤矿技术领域，尤其涉及一种基于大数据的智慧矿山的AI故障监测方法及***。
背景技术
煤炭是现在主要的能源之一，对煤炭进行开采工作便是使用煤炭前的一个重要环节。由于煤炭开采行业的特殊性，其开采过程中事故时有发生，所以对开采环境进行监控和报警就是降低事故发生率和事故损失的一个重要途径。
目前，随着科技的发展，井下工作人员数量大大减少。然而煤矿井下综采设备仍多以人工现场操作为主。井下采煤工作面是事故高发区域，采煤工作面生产环境恶劣多变，事故多发，严重威胁了生产人员的人身安全，降低了煤炭生产效率。因此，若要降低采煤工作面劳动强度，提高工作人员的安全系数和采煤效率，必须实现采煤工作面的自动化和少人化。
智慧矿山的是对生产、职业健康与安全、技术和后勤保障等进行主动感知、自动分析、快速处理的无人矿山。智慧矿山是本质；安全矿山、高效矿山、清洁矿山，矿山的数字化、信息化是智慧矿山建设的前提和基础。近年来，随着科技的发展，各大矿山都在组织智慧矿山的关键科技攻关，建设智慧矿山示范工程，推广智慧矿山的理念和技术，制定智慧矿山标准，推动矿山设备制造业的转型升级，实现矿山的本质安全、高产高效、绿色环保。
发明内容
为了克服上述技术缺陷，本发明的目的在于提供一种安全性高、运行效率高、配合度高的基于大数据的智慧矿山的AI故障监测方法及***。
本发明公开了一种基于大数据的智慧矿山的AI故障监测方法，包括：
采集目标区域的实时画面，通过基于卷积神经网络建立深度学***台的故障事件，再计算或探测获取该故障事件的发生位置；
所述作业平台包括采煤***、运输***、供电***、通风***、供排水***、液压***、有害气体监测***、矿压分析***、震动分析***及人员定位***；
所述检测装置包括：用于采集井下变电所高压开关的相关电力参数的电力参数采集装置、用于采集井下的瓦斯气体浓度的瓦斯传感器、用于采集工作面液压支架的压力的压力传感器、用于采集井下地质震动信息的震动分析装置、用于采集井下排水***中的管道水流量的流量计、用于对井下人员进行实时定位的人员定位装置、用于采集井下相对应的设备的状态信息的设备传感器；
将所述故障事件及其位置信息、以及所述实时视频数据进行视觉显示和听觉播报、并通过通讯通道传输至管理中心；
所述管理中心包括智能化管理平台，所述智能化管理平台监控综采工作情况，存储各项实时工作参数信息，并对各项实时工作参数信息进行分析计算，获取作业指导和安全指导；
获取目标区域的作业视频，对所述作业视频采取AR技术获取增强视频，并传输至管理中心；所述管理中心对所述增强视频进行标注，并对所述增强视频生成操作指令；标注后的增强视频和所述操作指令传输回至所述目标区域；
对所述通讯通道进行监控且设立改善节点，在使用所述通讯通道时进行实时监控，通过调整所述改善节点来对通讯质量进行改善；监测改善后的通讯通道的通讯质量并记录，对记录的问题进行分析以获取通讯通道的通讯质量降低的原因。
优选的，所述安全指导包括逃生路线指导；所述获取目标区域的作业视频，对所述作业视频采取AR技术获取增强视频，并传输至管理中心；所述管理中心对所述增强视频进行标注，并对所述增强视频生成操作指令；标注后的增强视频和所述操作指令传输回至所述目标区域包括：
所述作业视频为井下实况视频，对所述井下实况视频采取AR技术获取增强视频，并传输至管理中心；所述管理中心在所述增强视频上标注逃生路径，并生成逃生指令，标注后的增强视频和所述逃生指令传输回至所述井下实况视频发送点。
优选的，所述增强视频包括视频画面数据和语音数据，所述操作指令包括语音数据和画面数据；所述远程指挥中心对所述增强视频进行标注，并对所述增强视频生成操作指令包括：所述远程指挥中心获取所述视频画面数据的目的帧，对每个所述目的帧进行进行图形标注、文字标注，并对增强视频生成语音数据和标注的画面数据。
优选的，所述获取目标区域的作业视频，对所述作业视频采取AR技术获取增强视频，并传输至管理中心后还包括：对所述增强视频进行储存，并生成一个与所述增强视频关联的提示信号；所述管理中心通过所述提示信号获取储存的所述增强视频。
优选的，所述将所述故障事件及其位置信息、以及所述实时视频数据进行视觉显示和听觉播报、并通过通讯通道传输至管理中心还包括：当所述故障事件发生持续时间超过第二预设时间、或所述故障事件发生的位置距离所述实时画面采集点小于第二预设距离，则自动停止所述作业平台的工作。
优选的，所述采集目标区域的实时画面，通过基于卷积神经网络建立深度学***面的投影关系、以及故障事件发生点在所述故障事件画面帧中的坐标，得到故障事件距所述实时视频数据采集点的距离。
优选的，所述建立所述源画面帧的深度学习模型，所述深度学习模型包括分割任务和分类任务还包括：所述感兴趣区域包括内容参数不同的若干个区域，向所述深度学习模型引入基于通道的注意力机制，通过所述基于通道的注意力机制对所述源画面帧的若干个不同的感兴趣区域的权重进行调整，使得不同的故障事件中的不同感兴趣区域的权重不同。
优选的，所述将所述故障事件及其位置信息、以及所述实时视频数据进行视觉显示和听觉播报、并传输至管理中心包括：所述视觉显示和听觉播报的位置为：所述实时视频数据采集点和/或所述管理中心和/或采煤机上和/或以第二预设距离为间隔设于目标区域的顶部和/或采煤井的入口。
优选的，所述智能化管理平台监控综采工作情况，存储各项实时工作参数信息，并对各项实时工作参数信息进行分析计算，获取作业指导和安全指导包括：对存储的所述各项实时工作参数信息进行标准化处理；将标准化处理后的数据信息传输至云端进行储存并加密；将标准化处理后的数据信息依据预设的决策引导算法，计算获取针对该信息的决策内容，所述决策内容包括作业决策和安全指导决策；利用数据仓库技术构建大数据分析体系化环境，对数据实时储存、处理和更新。
本发明还公开了一种基于大数据的智慧矿山的AI故障监测***，包括终端、管理中心、显示单元和音频播放单元，所述终端包括摄像模块、深度学习模块、检测装置、处理模块和通讯模块；
通过所述摄像模块采集目标区域的实时画面，通过所述深度学***台的故障事件，再计算或探测获取该故障事件的发生位置；
所述作业平台包括采煤***、运输***、供电***、通风***、供排水***、液压***、有害气体监测***、矿压分析***、震动分析***及人员定位***；
所述检测装置包括：用于采集井下变电所高压开关的相关电力参数的电力参数采集装置、用于采集井下的瓦斯气体浓度的瓦斯传感器、用于采集工作面液压支架的压力的压力传感器、用于采集井下地质震动信息的震动分析装置、用于采集井下排水***中的管道水流量的流量计、用于对井下人员进行实时定位的定位装置、用于采集井下相对应的设备的状态信息的设备传感器；
所述终端通过所述通讯模块建立通讯通道，将所述故障事件及其位置信息、以及所述实时视频数据在所述显示单元进行视觉显示和在所述音频播放单元进行听觉播报、并通过所述通讯通道传输至管理中心；
所述管理中心包括智能化管理平台，所述智能化管理平台包括用于监控综采工作情况的监控平台、用于存储各项实时工作参数信息的储存平台、和用于对各项实时工作参数信息进行分析计算以获取作业指导和安全指导的分析平台；
所述终端还包括AR处理模块、信令传达模块和数据标注模块；通过所述摄像模块获取目标区域的作业视频，所述AR处理模块对所述作业视频采取AR技术获取增强视频，并传输至管理中心；所述管理中心通过所述数据标注模块对所述增强视频进行标注，并通过所述信令传达模块对所述增强视频生成操作指令；标注后的增强视频和所述操作指令传输回至所述目标区域的终端；
对所述通讯通道进行监控且设立改善节点，所述通讯模块包括监控单元，在使用所述通讯通道时通过所述监控单元进行实时监控，并通过调整所述改善节点来对通讯质量进行改善；所述通讯模块还包括存储单元，通过所述监控单元监测改善后的通讯通道的通讯质量并通过所述存储单元进行记录，对记录的问题进行分析以获取通讯通道的通讯质量降低的原因。
采用了上述技术方案后，与现有技术相比，具有以下有益效果：
1.通过深度学习网络学习从实时视频的截取照片中识别出故障事件，联合通过检测装置检测获取故障事件，加大故障事件的检测精准度；
2.联合通信***的实时改善、管理中心的实时检测，以及智能化管理平台的大数据监测和存储，实现对矿山的全方位监控、远程调控和数据管理。
附图说明
图1为本发明提供的基于大数据的智慧矿山的AI故障监测方法流程图；
图2为本发明提供的使用深度学习模型预测实时画面所位于的目标区域的故障事件及该故障事件的发生位置的流程图。
具体实施方式
以下结合附图与具体实施例进一步阐述本发明的优点。
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，“模块”与“部件”可以混合地使用。
参见附图1，本发明公开了一种基于大数据的智慧矿山的AI故障监测方法，包括：
采集目标区域的实时画面，通过基于卷积神经网络建立深度学***台的故障事件，再计算或探测获取该故障事件的发生位置；
将故障事件及其位置信息、以及实时视频数据进行视觉显示和听觉播报、并通过通讯通道传输至管理中心；
管理中心包括智能化管理平台，智能化管理平台监控综采工作情况，存储各项实时工作参数信息，并对各项实时工作参数信息进行分析计算，获取作业指导和安全指导；
获取目标区域的作业视频，对作业视频采取AR技术获取增强视频，并传输至管理中心；管理中心对增强视频进行标注，并对增强视频生成操作指令；标注后的增强视频和操作指令传输回至目标区域；
对通讯通道进行监控且设立改善节点，在使用通讯通道时进行实时监控，通过调整改善节点来对通讯质量进行改善；监测改善后的通讯通道的通讯质量并记录，对记录的问题进行分析以获取通讯通道的通讯质量降低的原因。
本发明通过深度学***台的大数据监测和存储，实现对矿山的全方位监控、远程调控和数据管理。
一种优选的，作业平台包括采煤***、运输***、供电***、通风***、供排水***、液压***、有害气体监测***、矿压分析***、震动分析***及人员定位***，但并不限于此。
一种优选的，检测装置包括用于采集井下变电所高压开关的相关电力参数的电力参数采集装置、用于采集井下的瓦斯气体浓度的瓦斯传感器、用于采集工作面液压支架的压力的压力传感器、用于采集井下地质震动信息的震动分析装置、用于采集井下排水***中的管道水流量的流量计、用于对井下人员进行实时定位的人员定位装置、用于采集井下相对应的设备的状态信息的设备传感器，但并不限于此。
较佳的，安全指导包括逃生路线指导。管理中心可以远程指挥矿井现场的逃生路线，具体的，作业视频为井下实况视频，对井下实况视频采取AR技术获取增强视频，并传输至管理中心；管理中心在增强视频上标注逃生路径，并生成逃生指令，标注后的增强视频和逃生指令传输回至井下实况视频发送点，逃生人员根据该增强视频和逃生指令完成逃生，加大生产安全。
较佳的，为了更具体的传达指挥人员的指令，增强视频包括视频画面数据和语音数据，操作指令包括语音数据和画面数据。远程指挥中心获取视频画面数据的目的帧，对每个目的帧进行进行图形标注、文字标注，并对增强视频生成语音数据和标注的画面数据，矿井现场人员可以联合根据视频、标注的图形、文字等理解指挥人员的指令，完成远程指导。
较佳的，有时存在矿井现场人员在线，而管理中心点的指挥人员不在线的情况，故需要及时提醒管理中心，防止遗漏矿井现场的重要信息。具体的，对增强视频进行储存，并生成一个与增强视频关联的提示信号，当指挥人员在管理中心上线后，可以通过提示信号获取储存的增强视频。
较佳的，由于矿井本身存在较大的安全风险，故对于异常情况，需要十分谨慎，防止意外而造成的人员、财产的损失，具体的，当故障事件发生持续时间超过第二预设时间、或故障事件发生的位置距离实时画面采集点小于第二预设距离，则自动停止作业平台的工作，即当一故障事件持续时间过长、或该故障事件发生地的特殊性(如靠近重要区域)，则自动判定该故障事件有较大风险，此时则自动停止作业平台的工作，消除隐患，保证安全。
参见附图2，使用深度学习模型预测实时画面所位于的目标区域的故障事件及该故障事件的发生位置具体包括：
S1、以第一预设距离为间隔，采集目标区域内的实时视频数据；
S2、以第一预设时间为间隔采集实时视频数据的若干源画面帧，将若干源画面帧输入基于卷积神经网络的检测网络，对源画面帧的感兴趣区域进行故障事件参数标注，以获得素材集，将素材集划分为训练集、验证集和测试集；
S3、建立源画面帧的深度学习模型，将训练集、验证集输入至深度学习模型中进行训练，学习识别判断故障事件的类型；
S4、将测试集输入至训练后的深度学习模型中进行测试，获取实时视频数据的故障事件，将故障事件与该故障事件所位于的源画面帧进行联结，获取故障事件画面帧中发生的故障事件；
S5、根据目标区域内的真实三维坐标和故障事件画面帧的图像平面的投影关系、以及故障事件发生点在故障事件画面帧中的坐标，得到故障事件距实时视频数据采集点的距离。
优选的，感兴趣区域包括内容参数不同的若干个区域，向深度学习模型引入基于通道的注意力机制，通过基于通道的注意力机制对源画面帧的若干个不同的感兴趣区域的权重进行调整，使得不同的故障事件中的不同感兴趣区域的权重不同，从而可以更加精准地识别不同故障事件。
优选的，视觉显示和听觉播报的位置为：实时视频数据采集点和/或管理中心和/或采煤机上和/或以第二预设距离为间隔设于目标区域的顶部和/或采煤井的入口，即可以同时在上述所有地点设置视觉显示和听觉播报点，也可以单独在某一个位置设置。
优选的，智能化管理平台监控综采工作情况，存储各项实时工作参数信息，并对各项实时工作参数信息进行分析计算，获取作业指导和安全指导包括：对存储的各项实时工作参数信息进行标准化处理；将标准化处理后的数据信息传输至云端进行储存并加密；将标准化处理后的数据信息依据预设的决策引导算法，计算获取针对该信息的决策内容，决策内容包括作业决策和安全指导决策；利用数据仓库技术构建大数据分析体系化环境，对数据实时储存、处理和更新。
为了监控和改善指挥矿山的通讯质量，终端通过通讯通道来与管理中心进行交涉达到通讯的目的，对通讯通道进行实时监控，每当有终端加入通讯通道时在其接入点设立改善节点；一旦监测到终端的通讯质量降低且出现信号模糊时，通过该位置的维修节点进行改善，节点发送终端所在位置的信息，传输至当地的通讯信息基站，然后由基站加强其位置的通讯信号，接着对终端所建立的通话环境进行强化，使通讯双方的传输更快速，且传输中所消耗的信息将会大幅度减少，在极端地理条件和信号隔绝较大时，对一方所发送的信息进行录制得到通讯数据包，由云端传输服务器传输至终端或管理中心，终端或管理中心对通讯数据包进行解析获取其中的内容。
有效的避免了通讯信号差导致信息传输中断的情况，即使通讯信号完全中断也可以进行传输数据，让通讯两端即使处于信号中断的位置也可以将想表达的数据传输出去，便于使用。
还可以提取数据进行问题分析，具体的，对节点改善的结果和进行的操作进行记录，并将记录结构上传至云端服务器，且对改善后的通讯质量进行检测，检测其改善的效果；云端服务器对接收到的改善信息进行分析，从中提取出通讯质量变差的原因以及问题，再把分析出的问题传输至管理中心。
且，管理中心接收到这些问题后，后续在对通讯通道进行维护时，针对这些问题进行修护，并通过获取的位置信息精确到节点位置进行维修，直至解决该项问题，达到持续改善优化的问题。
本发明还公开了一种基于大数据的智慧矿山的AI故障监测***，包括终端、管理中心、显示单元和音频播放单元，终端包括摄像模块、深度学习模块、检测装置、处理模块和通讯模块。显示单元为大屏幕，音频播放单元为麦克风，输入模块为摄像机。
通过摄像模块采集目标区域的实时画面，通过深度学***台的故障事件，再计算或探测获取该故障事件的发生位置，加大故障事件的检测精准度。
作业平台包括采煤***、运输***、供电***、通风***、供排水***、液压***、有害气体监测***、矿压分析***、震动分析***及人员定位***，但不限于此。
检测装置包括：用于采集井下变电所高压开关的相关电力参数的电力参数采集装置、用于采集井下的瓦斯气体浓度的瓦斯传感器、用于采集工作面液压支架的压力的压力传感器、用于采集井下地质震动信息的震动分析装置、用于采集井下排水***中的管道水流量的流量计、用于对井下人员进行实时定位的定位装置、用于采集井下相对应的设备的状态信息的设备传感器，但不限于此。
终端通过通讯模块建立通讯通道，将故障事件及其位置信息、以及实时视频数据在显示单元进行视觉显示和在音频播放单元进行听觉播报、并通过通讯通道传输至管理中心。
管理中心包括智能化管理平台，智能化管理平台包括用于监控综采工作情况的监控平台、用于存储各项实时工作参数信息的储存平台、和用于对各项实时工作参数信息进行分析计算以获取作业指导和安全指导的分析平台。
终端还包括AR处理模块、信令传达模块和数据标注模块；通过摄像模块获取目标区域的作业视频，AR处理模块对作业视频采取AR技术获取增强视频，并传输至管理中心；管理中心通过数据标注模块对增强视频进行标注，并通过信令传达模块对增强视频生成操作指令；标注后的增强视频和操作指令传输回至目标区域的终端。AR处理模块通常为AR眼镜。
对通讯通道进行监控且设立改善节点，通讯模块包括监控单元，在使用通讯通道时通过监控单元进行实时监控，并通过调整改善节点来对通讯质量进行改善；通讯模块还包括存储单元，通过监控单元监测改善后的通讯通道的通讯质量并通过存储单元进行记录，对记录的问题进行分析以获取通讯通道的通讯质量降低的原因。
应当注意的是，本发明的实施例有较佳的实施性，且并非对本发明作任何形式的限制，任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例，但凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰，均仍属于本发明技术方案的范围内。
Claims (10)
1.一种基于大数据的智慧矿山的AI故障监测方法，其特征在于，包括：
采集目标区域的实时画面，通过基于卷积神经网络建立深度学习模型，使用所述深度学习模型预测所述实时画面所位于的目标区域的故障事件及该故障事件的发生位置；
和/或通过若干实时检测装置检测获取作业平台的故障事件，再计算或探测获取该故障事件的发生位置；
所述作业平台包括采煤***、运输***、供电***、通风***、供排水***、液压***、有害气体监测***、矿压分析***、震动分析***及人员定位***；
所述检测装置包括：用于采集井下变电所高压开关的相关电力参数的电力参数采集装置、用于采集井下的瓦斯气体浓度的瓦斯传感器、用于采集工作面液压支架的压力的压力传感器、用于采集井下地质震动信息的震动分析装置、用于采集井下排水***中的管道水流量的流量计、用于对井下人员进行实时定位的人员定位装置、用于采集井下相对应的设备的状态信息的设备传感器；
将所述故障事件及其位置信息、以及所述实时视频数据进行视觉显示和听觉播报、并通过通讯通道传输至管理中心；
所述管理中心包括智能化管理平台，所述智能化管理平台监控综采工作情况，存储各项实时工作参数信息，并对各项实时工作参数信息进行分析计算，获取作业指导和安全指导；
获取目标区域的作业视频，对所述作业视频采取AR技术获取增强视频，并传输至管理中心；
所述管理中心对所述增强视频进行标注，并对所述增强视频生成操作指令；
标注后的增强视频和所述操作指令传输回至所述目标区域；
对所述通讯通道进行监控且设立改善节点，在使用所述通讯通道时进行实时监控，通过调整所述改善节点来对通讯质量进行改善；监测改善后的通讯通道的通讯质量并记录，对记录的问题进行分析以获取通讯通道的通讯质量降低的原因。
2.根据权利要求1所述的基于大数据的智慧矿山的AI故障监测方法，其特征在于，所述安全指导包括逃生路线指导；
所述获取目标区域的作业视频，对所述作业视频采取AR技术获取增强视频，并传输至管理中心；所述管理中心对所述增强视频进行标注，并对所述增强视频生成操作指令；标注后的增强视频和所述操作指令传输回至所述目标区域包括：
所述作业视频为井下实况视频，对所述井下实况视频采取AR技术获取增强视频，并传输至管理中心；所述管理中心在所述增强视频上标注逃生路径，并生成逃生指令，标注后的增强视频和所述逃生指令传输回至所述井下实况视频发送点。
3.根据权利要求1所述的基于大数据的智慧矿山的AI故障监测方法，其特征在于，所述增强视频包括视频画面数据和语音数据，所述操作指令包括语音数据和画面数据；
所述远程指挥中心对所述增强视频进行标注，并对所述增强视频生成操作指令包括：所述远程指挥中心获取所述视频画面数据的目的帧，对每个所述目的帧进行进行图形标注、文字标注，并对增强视频生成语音数据和标注的画面数据。
4.根据权利要求1所述的基于大数据的智慧矿山的AI故障监测方法，其特征在于，所述获取目标区域的作业视频，对所述作业视频采取AR技术获取增强视频，并传输至管理中心后还包括：
对所述增强视频进行储存，并生成一个与所述增强视频关联的提示信号；
所述管理中心通过所述提示信号获取储存的所述增强视频。
5.根据权利要求1所述的基于大数据的智慧矿山的AI故障监测方法，其特征在于，所述将所述故障事件及其位置信息、以及所述实时视频数据进行视觉显示和听觉播报、并通过通讯通道传输至管理中心还包括：
当所述故障事件发生持续时间超过第二预设时间、或所述故障事件发生的位置距离所述实时画面采集点小于第二预设距离，则自动停止所述作业平台的工作。
6.根据权利要求1所述的基于大数据的智慧矿山的AI故障监测方法，其特征在于，所述采集目标区域的实时画面，通过基于卷积神经网络建立深度学习模型，使用所述深度学习模型预测所述实时画面所位于的目标区域的故障事件及该故障事件的发生位置包括：
以第一预设距离为间隔，采集目标区域内的实时视频数据；
以第一预设时间为间隔采集所述实时视频数据的若干源画面帧，将所述若干源画面帧输入基于卷积神经网络的检测网络，对所述源画面帧的感兴趣区域进行故障事件参数标注，以获得素材集，将所述素材集划分为训练集、验证集和测试集；
建立所述源画面帧的深度学习模型，将所述训练集、验证集输入至所述深度学习模型中进行训练，学习识别判断故障事件的类型；
将所述测试集输入至训练后的所述深度学习模型中进行测试，获取所述实时视频数据的故障事件，将所述故障事件与该故障事件所位于的所述源画面帧进行联结，获取所述故障事件画面帧中发生的故障事件；
根据目标区域内的真实三维坐标和所述故障事件画面帧的图像平面的投影关系、以及故障事件发生点在所述故障事件画面帧中的坐标，得到故障事件距所述实时视频数据采集点的距离。
7.根据权利要求1所述的基于大数据的智慧矿山的AI故障监测方法，其特征在于，所述建立所述源画面帧的深度学习模型，所述深度学习模型包括分割任务和分类任务还包括：
所述感兴趣区域包括内容参数不同的若干个区域，向所述深度学习模型引入基于通道的注意力机制，通过所述基于通道的注意力机制对所述源画面帧的若干个不同的感兴趣区域的权重进行调整，使得不同的故障事件中的不同感兴趣区域的权重不同。
8.根据权利要求1所述的基于大数据的智慧矿山的AI故障监测方法，其特征在于，所述将所述故障事件及其位置信息、以及所述实时视频数据进行视觉显示和听觉播报、并传输至管理中心包括：
所述视觉显示和听觉播报的位置为：所述实时视频数据采集点和/或所述管理中心和/或采煤机上和/或以第二预设距离为间隔设于目标区域的顶部和/或采煤井的入口。
9.根据权利要求1所述的基于大数据的智慧矿山的AI故障监测方法，其特征在于，所述智能化管理平台监控综采工作情况，存储各项实时工作参数信息，并对各项实时工作参数信息进行分析计算，获取作业指导和安全指导包括：
对存储的所述各项实时工作参数信息进行标准化处理；
将标准化处理后的数据信息传输至云端进行储存并加密；
将标准化处理后的数据信息依据预设的决策引导算法，计算获取针对该信息的决策内容，所述决策内容包括作业决策和安全指导决策；
利用数据仓库技术构建大数据分析体系化环境，对数据实时储存、处理和更新。
10.一种基于大数据的智慧矿山的AI故障监测***，其特征在于，包括终端、管理中心、显示单元和音频播放单元，所述终端包括摄像模块、深度学习模块、检测装置、处理模块和通讯模块；
通过所述摄像模块采集目标区域的实时画面，通过所述深度学习模块的基于卷积神经网络建立深度学习模型，使用所述深度学习模型预测所述实时画面所位于的目标区域的故障事件及该故障事件的发生位置；
和/或通过若干实时检测装置检测获取作业平台的故障事件，再计算或探测获取该故障事件的发生位置；
所述作业平台包括采煤***、运输***、供电***、通风***、供排水***、液压***、有害气体监测***、矿压分析***、震动分析***及人员定位***；
所述检测装置包括：用于采集井下变电所高压开关的相关电力参数的电力参数采集装置、用于采集井下的瓦斯气体浓度的瓦斯传感器、用于采集工作面液压支架的压力的压力传感器、用于采集井下地质震动信息的震动分析装置、用于采集井下排水***中的管道水流量的流量计、用于对井下人员进行实时定位的定位装置、用于采集井下相对应的设备的状态信息的设备传感器；
所述终端通过所述通讯模块建立通讯通道，将所述故障事件及其位置信息、以及所述实时视频数据在所述显示单元进行视觉显示和在所述音频播放单元进行听觉播报、并通过所述通讯通道传输至管理中心；
所述管理中心包括智能化管理平台，所述智能化管理平台包括用于监控综采工作情况的监控平台、用于存储各项实时工作参数信息的储存平台、和用于对各项实时工作参数信息进行分析计算以获取作业指导和安全指导的分析平台；
所述终端还包括AR处理模块、信令传达模块和数据标注模块；通过所述摄像模块获取目标区域的作业视频，所述AR处理模块对所述作业视频采取AR技术获取增强视频，并传输至管理中心；所述管理中心通过所述数据标注模块对所述增强视频进行标注，并通过所述信令传达模块对所述增强视频生成操作指令；标注后的增强视频和所述操作指令传输回至所述目标区域的终端；
对所述通讯通道进行监控且设立改善节点，所述通讯模块包括监控单元，在使用所述通讯通道时通过所述监控单元进行实时监控，并通过调整所述改善节点来对通讯质量进行改善；所述通讯模块还包括存储单元，通过所述监控单元监测改善后的通讯通道的通讯质量并通过所述存储单元进行记录，对记录的问题进行分析以获取通讯通道的通讯质量降低的原因。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110726252.2A CN113313428A (zh) | 2021-06-29 | 2021-06-29 | 一种基于大数据的智慧矿山的ai故障监测方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110726252.2A CN113313428A (zh) | 2021-06-29 | 2021-06-29 | 一种基于大数据的智慧矿山的ai故障监测方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113313428A true CN113313428A (zh) | 2021-08-27 |
Family
ID=77380712
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110726252.2A Pending CN113313428A (zh) | 2021-06-29 | 2021-06-29 | 一种基于大数据的智慧矿山的ai故障监测方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113313428A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113343910A (zh) * | 2021-06-29 | 2021-09-03 | 上海煤科信息科技有限公司 | 一种基于大数据的智慧矿山的图像处理方法及*** |
| CN114037298A (zh) * | 2021-11-15 | 2022-02-11 | 国能神东煤炭集团有限责任公司 | 煤矿智能开采综合管理*** |
| CN116643206A (zh) * | 2023-07-27 | 2023-08-25 | 北京天阳睿博科技有限公司 | 煤矿全电网高压漏电监控及故障定位*** |
| CN116843303A (zh) * | 2023-08-30 | 2023-10-03 | 中铁十九局集团第六工程有限公司 | 一种智慧梁场的生产管控方法及*** |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105513232A (zh) * | 2016-02-04 | 2016-04-20 | 珠海智城信息技术有限公司 | 一种安全应急疏导方法及*** |
| CN105741473A (zh) * | 2016-04-28 | 2016-07-06 | 江苏科技大学 | 船舱环境监测、火警预警与逃生指示***及其运行方法 |
| CN106683301A (zh) * | 2017-01-03 | 2017-05-17 | 京东方科技集团股份有限公司 | 逃生路线生成方法、装置以及*** |
| CN106709511A (zh) * | 2016-12-08 | 2017-05-24 | 华中师范大学 | 基于深度学习的城市轨道交通全景监控视频故障检测方法 |
| CN108416294A (zh) * | 2018-03-08 | 2018-08-17 | 南京天数信息科技有限公司 | 一种基于深度学习的风机叶片故障智能识别方法 |
| CN110568829A (zh) * | 2019-08-30 | 2019-12-13 | 西安合智宇信息科技有限公司 | 一种矿山全生产链智能管控*** |
| CN110708179A (zh) * | 2018-07-10 | 2020-01-17 | 福建省天奕网络科技有限公司 | 基于区块链的数据通讯桥接方法、存储介质 |
| CA3094424A1 (en) * | 2019-06-21 | 2020-12-21 | China University Of Mining And Technology | Safety monitoring and early-warning method for man-machine interaction behavior of underground conveyor belt operator |
| US20210048487A1 (en) * | 2019-08-12 | 2021-02-18 | Wuhan University | Power transformer winding fault positioning method based on deep convolutional neural network integrated with visual identification |
| KR20210063591A (ko) * | 2019-11-25 | 2021-06-02 | 씨앤에스 주식회사 | 안전 체험시 사용가능한 대피 경로 제공 시스템 및 이를 이용한 대피 경로 제공 방법 |
| CN112906664A (zh) * | 2021-04-06 | 2021-06-04 | 昭通亮风台信息科技有限公司 | 一种基于神经网络的隧道内异常事件检测方法及*** |
-
2021
- 2021-06-29 CN CN202110726252.2A patent/CN113313428A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105513232A (zh) * | 2016-02-04 | 2016-04-20 | 珠海智城信息技术有限公司 | 一种安全应急疏导方法及*** |
| CN105741473A (zh) * | 2016-04-28 | 2016-07-06 | 江苏科技大学 | 船舱环境监测、火警预警与逃生指示***及其运行方法 |
| CN106709511A (zh) * | 2016-12-08 | 2017-05-24 | 华中师范大学 | 基于深度学习的城市轨道交通全景监控视频故障检测方法 |
| CN106683301A (zh) * | 2017-01-03 | 2017-05-17 | 京东方科技集团股份有限公司 | 逃生路线生成方法、装置以及*** |
| CN108416294A (zh) * | 2018-03-08 | 2018-08-17 | 南京天数信息科技有限公司 | 一种基于深度学习的风机叶片故障智能识别方法 |
| CN110708179A (zh) * | 2018-07-10 | 2020-01-17 | 福建省天奕网络科技有限公司 | 基于区块链的数据通讯桥接方法、存储介质 |
| CA3094424A1 (en) * | 2019-06-21 | 2020-12-21 | China University Of Mining And Technology | Safety monitoring and early-warning method for man-machine interaction behavior of underground conveyor belt operator |
| US20210048487A1 (en) * | 2019-08-12 | 2021-02-18 | Wuhan University | Power transformer winding fault positioning method based on deep convolutional neural network integrated with visual identification |
| CN110568829A (zh) * | 2019-08-30 | 2019-12-13 | 西安合智宇信息科技有限公司 | 一种矿山全生产链智能管控*** |
| KR20210063591A (ko) * | 2019-11-25 | 2021-06-02 | 씨앤에스 주식회사 | 안전 체험시 사용가능한 대피 경로 제공 시스템 및 이를 이용한 대피 경로 제공 방법 |
| CN112906664A (zh) * | 2021-04-06 | 2021-06-04 | 昭通亮风台信息科技有限公司 | 一种基于神经网络的隧道内异常事件检测方法及*** |
Non-Patent Citations (2)
| Title |
|---|
| 唐子惠等: "《医学人工智能导论》", vol. 1, 上海科学技术出版社, pages: 221 - 222 * |
| 唐子惠等: "《物权数字化——中国经济第四极》", vol. 1, 30 April 2021, 上海科学技术出版社, pages: 161 - 163 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113343910A (zh) * | 2021-06-29 | 2021-09-03 | 上海煤科信息科技有限公司 | 一种基于大数据的智慧矿山的图像处理方法及*** |
| CN114037298A (zh) * | 2021-11-15 | 2022-02-11 | 国能神东煤炭集团有限责任公司 | 煤矿智能开采综合管理*** |
| CN116643206A (zh) * | 2023-07-27 | 2023-08-25 | 北京天阳睿博科技有限公司 | 煤矿全电网高压漏电监控及故障定位*** |
| CN116843303A (zh) * | 2023-08-30 | 2023-10-03 | 中铁十九局集团第六工程有限公司 | 一种智慧梁场的生产管控方法及*** |
| CN116843303B (zh) * | 2023-08-30 | 2023-11-17 | 中铁十九局集团第六工程有限公司 | 一种智慧梁场的生产管控方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113313428A (zh) | 一种基于大数据的智慧矿山的ai故障监测方法及*** | |
| KR101949525B1 (ko) | 무인탐지장치를 이용한 현장 안전관리 시스템 | |
| CN112288984A (zh) | 基于视频融合的三维可视化无人值守变电站智能联动*** | |
| CN106208395B (zh) | 无人值班变电站应急监控*** | |
| CN113343910A (zh) | 一种基于大数据的智慧矿山的图像处理方法及*** | |
| CN202649815U (zh) | 一种基于机器人技术的变电站全景自动巡检*** | |
| CN103248878B (zh) | 一种综采工作面异常状况的模式识别方法、装置与*** | |
| CN211406109U (zh) | 一种具备ai识别功能的便携视频移动监控*** | |
| CN103544739A (zh) | 基于b/s架构的可视化地铁设备巡检管理***的巡检方法 | |
| CN110725711B (zh) | 一种基于视频的打钻***及辅助验钻方法 | |
| CN113027530A (zh) | 一种基于互联网数据交互的煤矿安全监控***及监控方法 | |
| CN110244679B (zh) | 一种基于saas平台的智慧工地管理***及其使用方法 | |
| CN110821560A (zh) | 隧道巡检*** | |
| CN110568310A (zh) | 一种输电线路可视化在线监测*** | |
| CN111626636A (zh) | 一种基于大数据分析技术的工业安全应急管理平台 | |
| CN112906441B (zh) | 用于通信行业查勘维护的图像识别***及方法 | |
| CN111037574A (zh) | 用于通信站点巡检的交互式机器人***及其控制方法 | |
| CN116009024A (zh) | 一种基于bim技术的附着式升降脚手架监测模拟应用*** | |
| CN103309323A (zh) | 隧道环境的巡检设备监控方法及*** | |
| CN104966140A (zh) | 电网协同作业的移动工程师站 | |
| CN113269656A (zh) | 一种基于物联网的油气井厂智能化监控管理*** | |
| CN115661964A (zh) | 一种用于综合管廊的智能巡检*** | |
| CN205666910U (zh) | 巡视与报警管理*** | |
| CN113037984B (zh) | 一种基于雾计算的油气站场安全组合监测***与方法 | |
| CN115664006B (zh) | 一种增量配电网智能管控一体化平台 |
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 |