开云优惠体育网页版入口

专利名称：基于5G-DMN网络的地下采矿监测和控制方法及系统

专利类型：发明专利

专利申请号：CN202410559421.1

专利申请（专利权）人：华能庆阳煤电有限责任公司
权利人地址：甘肃省庆阳市西峰区石油东路

专利发明（设计）人：邵常雄,余志伟,高子皓,高强,屈宏雁

专利摘要：本发明公开了基于5G?DMN网络的地下采矿监测和控制方法及系统，涉及煤矿综采技术领域，包括获取摄像头影像数据与传感器数据；基于影像数据中的移动影像寻找工作地点，根据行进信息确定矿井机器的运输方式；矿井机器进行工作后，实时传输采掘数据至控制主站，主站基于采掘数据进行监测和控制；将接收到传感器数据代入预测模型得到预测结果，根据预测结果决定是否注水；控制主站监测所有煤仓与废料区的存储状态，筛选出最优存储处，并将开采物运输至最优存储处后卸下开采物。本发明实时监控传感器参数，能够及时发现安全隐患并做出动作，采用5G通信技术，能够实时观测地下影像，并将影像进行全景拼接，对地下工作进行监控和远程控制。

主权利要求：
1.基于5G?DMN网络的地下采矿监测和控制方法，其特征在于：包括，
获取摄像头影像数据与传感器数据；
基于影像数据中的移动影像寻找工作地点，确定工作地点后将行进信息与位置信息发送至控制主站，主站根据行进信息确定采煤机与掘进机的运输方式，根据位置信息确定运输地点；
采煤机与掘进机运输到工作地点后，启动机器进行工作，并实时传输采掘数据至控制主站，控制主站基于全景拼接系统将接收到的固定影像拼接为全景视频，依据全景视频对工况进行监测和控制；
工作中控制主站实时接收煤尘浓度传感器、温度传感器和湿度传感器的数据，将传感器数据代入所构建的爆炸预测模型中，爆炸预测模型表示为，；
其中， 表示为当前煤尘浓度， 表示为煤尘浓度爆炸下限， 表示为煤尘浓度爆炸上限， 表示为当前温度， 表示为温度爆炸阈值， 表示为环境基准温度，表示为湿度阈值， 表示为当前湿度；
当 ＞0.2时，控制主站发出信号至采煤机与掘进机上，请求停止工作，启动矿道顶部滴头对矿道内部进行注水，直至反馈信息满足阈值时停止注水并再次发出信号重新进行工作；
控制主站监测所有煤仓与废料区的存储状态，并计算采煤机与掘进机的预计开采量表示为，；
其中， 表示为预计煤矿采集量， 表示为采煤机单位时间内的采煤数量， 表示为预计采煤时间， 表示为煤矿转化率， 表示为预计碎石量， 表示为掘进机单位时间内的开采量， 表示为预计掘进时间；
监测所有煤仓与废料区的存储状态，与工作地点预计开采量进行对比，筛选最优存储处，并将开采物运输至最优存储处后卸下开采物。
2.如权利要求1所述的基于5G?DMN网络的地下采矿监测和控制方法，其特征在于：所述摄像头包括固定式摄像头和移动式摄像头，固定式摄像头安装在采煤机、掘进机和矿道上，移动式摄像头安装在矿工头盔顶部；
固定式摄像头采集的影像为固定影像，移动式摄像头采集的影像为移动影像，固定摄像与移动影像共同组成摄像头影像数据；
传感器包括煤尘浓度传感器、温度传感器和湿度传感器，煤尘浓度传感器、湿度传感器和一部分温度传感器以预设间隔均匀分布在矿道中，另一部分温度传感器分布在采煤机与掘进机上。
3.如权利要求2所述的基于5G?DMN网络的地下采矿监测和控制方法，其特征在于：所述寻找工作地点包括，工作人员携带装有移动式摄像头的矿工头盔进入矿道，实时反馈移动影像至控制主站，主站依据开采需求与工作人员沟通并指导行进路径，最终确定工作地点；
所述确定采煤机与掘进机的运输方式包括，确定工作地点后，工作人员将行进的过程信息传输至控制主站，并在工作地点安置固定式摄像头及传感器，将工作地点的环境信息反馈至控制主站，主站接收信息后进行运输方式判定；接收信息若为行进矿道窄，路径短，工作点空间大，则将采煤机与掘进机进行分解，由运输人员搬运至工作地点后，重新组装进行工作；若为行进矿道宽，路径短，工作点空间大，则采用液压推进机直接将采煤机与掘进机推进至工作地点，若采煤机与掘进机安装有履带可自行行驶至工作地点；若为行进矿道窄或宽，路径短、有坡，工作点空间大，则将采煤机与掘进机进行分解，采用起重机和吊车设备将分解的部件从低处运输至工作地点，重新组装后进行工作；若为路径长，工作点空间大，则检索矿内轨道车地图，基于路径寻优算法得到最短运输路径，将分解后的采煤机与掘进机部件装配至轨道车上，运输至指定地点，由工作人员接收并搬运至工作地点后，重新组装进行工作；当工作点空间小时，则优先运输掘进机至工作地点并进行矿道扩建工作，主站实时接收固定式摄像头反馈信息，当工作地点判定为空间大时，再进行采煤机的运输动作。
4.如权利要求3所述的基于5G?DMN网络的地下采矿监测和控制方法，其特征在于：所述全景拼接系统包括智能感知层、智能联接层、智能平台层和智能应用层；
所述感知层采集全景拼接的广角相机、特殊点位相机的视频，广角相机为安置在矿道内部周围的固定式摄像头，特殊点位相机为安置在采煤机与掘进机上的固定式摄像头；广角相机获取面向采煤机与掘进机视频影像，特殊点位相机获取采煤机与掘进机工作关节面处的工作影像；
所述智能联接层包含接入网络，承载前端视频流的回传；
所述智能平台层为云边协同两级架构包括边缘平台层和中心平台层，边缘平台层用于视频拼接服务器、AI推理服务器，承载视频接入、拼接、存储和AI分析功能，中心平台层为AI训练平台，实现线上训练、线下推理；
所述智能应用层用于发射指令以及控制调度。
5.如权利要求4所述的基于5G?DMN网络的地下采矿监测和控制方法，其特征在于：所述筛选最优存储处前筛选出可存储处表示为，；
其中， 表示为可存储煤仓集合， 表示为第 个煤仓， 表示为第 个煤仓的总存储量， 表示为第 个煤仓的已存储量， 表示为可存储废料区集合， 表示为第个废料区， 表示为第 个废料区总存储量， 表示为第 个废料区已存储量， 表示为总煤仓个数， 表示为总废料区个数， 表示为将当前计算信息量放入至集合中，表示为剔除当前计算的信息量；
所述筛选出最优存储处包括，取 与 中每个元素对应的位置信息包括第 个煤仓的位置信息 与第 个废料区的位置信息 ，获取工作地点位置信息 ，将 、和 代入皮带车地图中计算出工作地点与第 个煤仓间距离 和工作地点与第 个废料区距离 ；
获取工作地点与第 个煤仓间距离 ，将 与 进行比
对，若 ，则将 的值替换为 ，若 ，
则保持 的值不变，直至 等于 中最大元素数 时停止计算输出 ， 中对应的煤仓位置信息即为煤矿最优存储处；
获取工作地点与第 个废料区距离 ，将 与 进行比
对，若 ，则将 的值替换为 ，若 ，
则保持 的值不变，直至 等于 中最大元素数 时停止计算输出 ， 中对应的废料区位置信息即为废料最优存储处。
6.如权利要求5所述的基于5G?DMN网络的地下采矿监测和控制方法，其特征在于：所述运输至最优存储处包括，当开采物达到运输点时，将开采物依次装入皮带车中，在每个运输批次的第一台皮带车和最后一台皮带车上安装位置信号发射器，启动皮带车，控制主站实时接收位置信号；所述卸下开采物包括，当位置信号全部进入最优存储处时停止皮带车运动，将开采物卸下搬运至存储间，并回收位置信号发射器。
7.一种采用如权利要求1 6任一所述的基于5G?DMN网络的地下采矿监测和控制方法的~系统，其特征在于：包括数据采集模块、工作点确定模块、机器控制模块、注水模块和回收模块；
所述数据采集模块用于获取摄像头影像数据与传感器数据；
所述工作点确定模块用于确定工作点，基于影像数据中的移动影像寻找工作地点，确定工作地点后将行进信息与位置信息发送至控制主站，主站根据行进信息确定采煤机与掘进机的运输方式，根据位置信息确定运输地点；
所述机器控制模块用于监测控制采煤机与掘进机，采煤机与掘进机运输到工作地点后，启动机器进行工作，并实时传输采掘数据至控制主站，主站基于采掘数据进行监测和控制；
所述注水模块用于决定是否注水，工作后将接收到传感器数据代入所构建的爆炸预测模型得到预测结果，根据预测结果决定是否注水；
所述回收模块用于回收开采物，控制主站监测所有煤仓与废料区的存储状态，与工作地点预计开采量进行对比，筛选出最优存储处，并将开采物运输至最优存储处后卸下开采物。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时，实现权利要求1至6中任一项所述的基于5G?DMN网络的地下采矿监测和控制方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时，实现权利要求1至6中任一项所述的基于5G?DMN网络的地下采矿监测和控制方法的步骤。 说明书 : 基于5G?DMN网络的地下采矿监测和控制方法及系统技术领域[0001] 本发明涉及煤矿综采技术领域，特别是基于5G?DMN网络的地下采矿监测和控制方法及系统。背景技术[0002] 在当今快速发展的地下采矿行业中，传统的控制系统和人工通信方法已经逐渐不能满足现代采矿作业对高效率和低成本的要求。传统方法在数据处理、实时监控和远程控制方面存在明显的局限性，这些局限性不仅影响了生产效率，还可能增加作业风险，对矿工安全构成威胁。在现有的工业网络组成中，超过50%是以工业以太网为主，以工业总线为主占比将近40%，只有少量的无线技术被用于仪表数据的采集。涉及的技术标准众多，彼此互联性和兼容性差，限制大规模网络互联，难以满足对现场级数据的高实时、高可靠的直接采集。[0003] 随着信息技术的迅猛发展，特别是人工智能、大数据分析以及5G通信技术的进步，为地下采矿监测及控制提供了新的解决方案。5G通信技术以其高速率、低延迟和大连接数的特点，为地下采矿的远程控制和实时监控提供了技术基础。结合人工智能和大数据分析，可以实现对采矿作业的智能优化和风险预警，大大提高采矿作业的安全性和效率。[0004] 然而，将这些先进技术应用于地下采矿监控和控制系统中仍面临诸多挑战。首先，地下矿井的特殊环境对通信技术的稳定性和可靠性提出了更高要求。5G通信在地下环境中的覆盖和穿透能力需要进一步研究和优化。其次，采矿过程中产生的大量数据需要有效的处理方法和分析模型及算法，以实现对采矿作业的实时监控和智能决策支持。此外，集成人工智能与5G通信技术的地下采矿监控和控制系统设计中，如何确保系统的可扩展性、灵活性和用户友好性也是亟待解决的问题。[0005] 因此，研发一种基于5G?DMN（5G地下通信网络）网络的地下采矿监测和控制方法及系统显得尤为迫切。该系统应能够充分利用5G通信技术的优势，通过人工智能算法对采矿数据进行实时分析和处理，实现对地下采矿作业的高效监控和智能控制。该系统不仅需要具备高度的数据处理能力和实时性，还应具有良好的适应性和可扩展性，能够满足不同矿井环境和多变作业条件的需求。发明内容[0006] 鉴于上述存在的问题，提出了本发明。[0007] 因此，本发明所要解决的问题在于：传统的控制系统和人工通信方法已经逐渐不能满足现代采矿作业对高效率和低成本的要求。[0008] 为解决上述技术问题，本发明提供如下技术方案：基于5G?DMN网络的地下采矿监测和控制方法，其包括，获取摄像头影像数据与传感器数据；[0009] 基于影像数据中的移动影像寻找工作地点，确定工作地点后将行进信息与位置信息发送至控制主站，主站根据行进信息确定采煤机与掘进机的运输方式，根据位置信息确定运输地点；[0010] 采煤机与掘进机运输到工作地点后，启动机器进行工作，并实时传输采掘数据至控制主站，控制主站基于全景拼接系统将接收到的固定影像拼接为全景视频，依据全景视频对工况进行监测和控制；[0011] 工作中控制主站实时接收煤尘浓度传感器、温度传感器和湿度传感器的数据，将传感器数据代入所构建的爆炸预测模型中，爆炸预测模型表示为，[0012] ；[0013] 其中， 表示为当前煤尘浓度， 表示为煤尘浓度爆炸下限， 表示为煤尘浓度爆炸上限， 表示为当前温度， 表示为温度爆炸阈值， 表示为环境基准温度， 表示为湿度阈值， 表示为当前湿度；[0014] 当 ＞0.2时，控制主站发出信号至采煤机与掘进机上，请求停止工作，启动矿道顶部滴头对矿道内部进行注水，直至反馈信息满足阈值时停止注水并再次发出信号重新进行工作；[0015] 控制主站监测所有煤仓与废料区的存储状态，并计算采煤机与掘进机的预计开采量表示为，[0016] ；[0017] 其中， 表示为预计煤矿采集量， 表示为采煤机单位时间内的采煤数量， 表示为预计采煤时间， 表示为煤矿转化率， 表示为预计碎石量， 表示为掘进机单位时间内的开采量， 表示为预计掘进时间；[0018] 监测所有煤仓与废料区的存储状态，与工作地点预计开采量进行对比，筛选最优存储处，并将开采物运输至最优存储处后卸下开采物。[0019] 作为本发明所述基于5G?DMN网络的地下采矿监测和控制方法的一种优选方案，其中：所述摄像头包括固定式摄像头和移动式摄像头，固定式摄像头安装在采煤机、掘进机和矿道上，移动式摄像头安装在矿工头盔顶部；固定式摄像头采集的影像为固定影像，移动式摄像头采集的影像为移动影像，固定摄像与移动影像共同组成摄像头影像数据；传感器包括煤尘浓度传感器、温度传感器和湿度传感器，煤尘浓度传感器、湿度传感器和一部分温度传感器以预设间隔均匀分布在矿道中，另一部分温度传感器分布在采煤机与掘进机上。[0020] 作为本发明所述基于5G?DMN网络的地下采矿监测和控制方法的一种优选方案，其中：所述寻找工作地点包括，工作人员携带装有移动式摄像头的矿工头盔进入矿道，实时反馈移动影像至控制主站，主站依据开采需求与工作人员沟通并指导行进路径，最终确定工作地点；所述确定采煤机与掘进机的运输方式包括，确定工作地点后，工作人员将行进的过程信息传输至控制主站，并在工作地点安置固定式摄像头及传感器，将工作地点的环境信息反馈至控制主站，主站接收信息后进行运输方式判定；接收信息若为行进矿道窄，路径短，工作点空间大，则将采煤机与掘进机进行分解，由运输人员搬运至工作地点后，重新组装进行工作；若为行进矿道宽，路径短，工作点空间大，则采用液压推进机直接将采煤机与掘进机推进至工作地点，若采煤机与掘进机安装有履带可自行行驶至工作地点；若为行进矿道窄或宽，路径短、有坡，工作点空间大，则将采煤机与掘进机进行分解，采用起重机和吊车设备将分解的部件从低处运输至工作地点，重新组装后进行工作；若为路径长，工作点空间大，则检索矿内轨道车地图，基于路径寻优算法得到最短运输路径，将分解后的采煤机与掘进机部件装配至轨道车上，运输至指定地点，由工作人员接收并搬运至工作地点后，重新组装进行工作；当工作点空间小时，则优先运输掘进机至工作地点并进行矿道扩建工作，主站实时接收固定式摄像头反馈信息，当工作地点判定为空间大时，再进行采煤机的运输动作。[0021] 作为本发明所述基于5G?DMN网络的地下采矿监测和控制方法的一种优选方案，其中：所述全景拼接系统包括智能感知层、智能联接层、智能平台层和智能应用层；所述感知层采集全景拼接的广角相机、特殊点位相机的视频，广角相机为安置在矿道内部周围的固定式摄像头，特殊点位相机为安置在采煤机与掘进机上的固定式摄像头；广角相机获取面向采煤机与掘进机视频影像，特殊点位相机获取采煤机与掘进机工作关节面处的工作影像；所述智能联接层包含接入网络，承载前端视频流的回传；所述智能平台层为云边协同两级架构包括边缘平台层和中心平台层，边缘平台层用于视频拼接服务器、AI推理服务器，承载视频接入、拼接、存储和AI分析功能，中心平台层为AI训练平台，实现线上训练、线下推理；所述智能应用层用于发射指令以及控制调度。[0022] 作为本发明所述基于5G?DMN网络的地下采矿监测和控制方法的一种优选方案，其中：所述筛选出最优存储处前筛选出可存储处表示为，[0023] ；[0024] 其中， 表示为可存储煤仓集合， 表示为第 个煤仓， 表示为第 个煤仓的总存储量， 表示为第 个煤仓的已存储量， 表示为可存储废料区集合， 表示为第 个废料区， 表示为第 个废料区总存储量， 表示为第 个废料区已存储量，表示为总煤仓个数， 表示为总废料区个数， 表示为将当前计算信息量放入至集合中，表示为剔除当前计算的信息量；[0025] 所述筛选出最优存储处包括，取 与 中每个元素对应的位置信息包括第 个煤仓的位置信息 与第 个废料区的位置信息 ，获取工作地点位置信息 ，将、 和 代入皮带车地图中计算出工作地点与第 个煤仓间距离 和工作地点与第 个废料区距离 ；获取工作地点与第 个煤仓间距离，将 与 进行比对，若 ，则将 的值替换为 ，若 ，则保持 的值不变，直至 等于 中最大元素数 时停止计算输出 ， 中对应的煤仓位置信息即为煤矿最优存储处；获取工作地点与第 个废料区距离 ，将 与 进行比对，若，则将 的值替换为 ，若 ，则保持 的值不变，直至 等于 中最大元素数 时停止计算输出 ， 中对应的废料区位置信息即为废料最优存储处。[0026] 作为本发明所述基于5G?DMN网络的地下采矿监测和控制方法的一种优选方案，其中：所述运输至最优存储处包括，当开采物达到运输点时，将开采物依次装入皮带车中，在每个运输批次的第一台皮带车和最后一台皮带车上安装位置信号发射器，启动皮带车，控制主站实时接收位置信号；所述卸下开采物包括，当位置信号全部进入最优存储处时停止皮带车运动，将开采物卸下搬运至存储间，并回收位置信号发射器。[0027] 本发明的另外一个目的是提供一种基于5G?DMN网络的地下采矿监测和控制方法的系统，此系统可实时对地下采矿工作进行监控及控制。[0028] 为解决上述技术问题，本发明提供如下技术方案：基于5G?DMN网络的地下采矿监测和控制方法的系统，包括：包括数据采集模块、工作点确定模块、机器控制模块、注水模块和回收模块；所述数据采集模块用于获取摄像头影像数据与传感器数据；所述工作点确定模块用于确定工作点，基于影像数据中的移动影像寻找工作地点，确定工作地点后将行进信息与位置信息发送至控制主站，主站根据行进信息确定采煤机与掘进机的运输方式，根据位置信息确定运输地点；所述机器控制模块用于监测控制采煤机与掘进机，采煤机与掘进机运输到工作地点后，启动机器进行工作，并实时传输采掘数据至控制主站，主站基于采掘数据进行监测和控制；所述注水模块用于决定是否注水，工作后将接收到传感器数据代入所构建的爆炸预测模型得到预测结果，根据预测结果决定是否注水；所述回收模块用于回收开采物，控制主站监测所有煤仓与废料区的存储状态，与工作地点预计开采量进行对比，筛选出最优存储处，并将开采物运输至最优存储处后卸下开采物。[0029] 一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述基于5G?DMN网络的地下采矿监测和控制方法的步骤。[0030] 一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述基于5G?DMN网络的地下采矿监测和控制方法的步骤。[0031] 本发明有益效果为：本发明通过实时监控矿井内的各种传感器参数以及矿机的工作状态，能够及时发现潜在的安全隐患，通过人工智能算法进行快速分析并做出预警，从而显著提高地下作业的安全性。[0032] 采用5G通信技术的高速度、低延迟特性，本发明能够实时观测地下采矿作业的影像，并将影像进行全景拼接，对地下工作进行监控和远程控制，使得采矿作业更加高效和可控。[0033] 采用模型分析，本发明能够筛选出最优运输路径，提高工作效率。利用本系统，可以减少对人工操作的依赖，特别是在危险或人难以接近的区域，通过自动化和远程控制减少人员配置，从而降低人工成本并进一步保障矿工安全。附图说明[0034] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。其中：[0035] 图1为实施例1中基于5G?DMN网络的地下采矿监测和控制方法的流程图。[0036] 图2为实施例1中基于5G?DMN网络的地下采矿监测和控制方法的工作面全景拼接系统整体架构图。[0037] 图3为实施例2中基于5G?DMN网络的地下采矿监测和控制方法的影像全景拼接图。具体实施方式[0038] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。[0039] 在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。[0040] 实施例1[0041] 参照图1和图2，为本发明第一个实施例，该实施例提供了基于5G?DMN网络的地下采矿监测和控制方法包括，如图1所示：[0042] 步骤1：获取摄像头数据，摄像头包括固定式摄像头和移动式摄像头，固定式摄像头安装在采煤机、掘进机和矿道上，移动式摄像头安装在矿工头盔顶部。[0043] 固定式摄像头采集的影像为固定影像，移动式摄像头采集的影像为移动影像，固定摄像与移动影像共同组成摄像头影像数据。[0044] 工作人员携带装有移动式摄像头的矿工头盔进入矿道，实时反馈移动影像至控制主站，主站依据开采需求与工作人员沟通并指导行进路径，最终确定工作地点。[0045] 步骤2：确定工作地点后，工作人员将行进的过程信息传输至控制主站，并在工作地点安置固定式摄像头及传感器，将工作地点的环境信息反馈至控制主站，主站接收信息后进行运输方式判定。传感器包括煤尘浓度传感器、温度传感器和湿度传感器，煤尘浓度传感器、湿度传感器和一部分温度传感器以预设间隔均匀分布在矿道中，另一部分温度传感器分布在采煤机与掘进机上。[0046] 接收信息若为行进矿道窄，路径短，工作点空间大，则将采煤机与掘进机进行分解，由运输人员搬运至工作地点后，重新组装进行工作。[0047] 若为行进矿道宽，路径短，工作点空间大，则采用液压推进机直接将采煤机与掘进机推进至工作地点，若采煤机与掘进机安装有履带可自行行驶至工作地点。[0048] 若为行进矿道窄或宽，路径短、有坡，工作点空间大，则将采煤机与掘进机进行分解，采用起重机和吊车设备将分解的部件从低处运输至工作地点，重新组装后进行工作。[0049] 若为路径长，工作点空间大，则检索矿内轨道车地图，基于路径寻优算法得到最短运输路径，将分解后的采煤机与掘进机部件装配至轨道车上，运输至指定地点，由工作人员接收并搬运至工作地点后，重新组装进行工作。[0050] 当工作点空间小时则优先运输掘进机至工作地点并进行矿道扩建工作，主站实时接收固定式摄像头反馈信息，当工作地点判定为空间大时再进行采煤机的运输动作。[0051] 其中依据历史作业，最优选取矿道横向宽度大于等于采煤机与掘进机中最大设备的横向宽度的1.5倍，且矿道上下高度大于等于最大设备的上下高度的1.2倍时，矿道判定为宽，其余状况判定为窄；从采掘机器运输至地下后，从地下初始点到工作点的行进距离大于等于300米则判定为路径长，其余状况判定为路径短；工作地点处横向宽度大于等于采煤机横向宽度的1.5倍，且上下高度大于等于采煤机的上下高度的1.2倍时判定为工作空间大，其余状况判定为工作空间小。[0052] 步骤3：采煤机与掘进机运输到工作地点后，启动机器进行工作，并实时传输采掘数据至控制主站，控制主站基于全景拼接系统将接收到的固定影像拼接为全景视频，依据全景视频对工况进行监测和控制。如图2所示。[0053] 全景拼接系统包括智能感知层、智能联接层、智能平台层和智能应用层。[0054] 感知层采集全景拼接的广角相机、特殊点位相机的视频，广角相机为安置在矿道内部周围的固定式摄像头，特殊点位相机为安置在采煤机与掘进机上的固定式摄像头；广角相机获取面向采煤机与掘进机视频影像，特殊点位相机获取采煤机与掘进机工作关节面处的工作影像。[0055] 智能联接层包含接入网络，承载前端视频流的回传。[0056] 智能平台层为云边协同两级架构包括边缘平台层和中心平台层，边缘平台层用于视频拼接服务器、AI推理服务器，承载视频接入、拼接、存储和AI分析功能，中心平台层为AI训练平台，实现线上训练、线下推理。[0057] 智能应用层用于发射指令以及控制调度。[0058] 步骤4：采煤机与掘进机工作时，控制主站实时接收煤尘浓度传感器、温度传感器和湿度传感器的数据，将传感器数据代入所构建的爆炸预测模型中，爆炸预测模型表示为，[0059] ；[0060] 其中， 表示为当前煤尘浓度， 表示为煤尘浓度爆炸下限， 表示为煤尘浓度爆炸上限， 表示为当前温度， 表示为温度爆炸阈值， 表示为环境基准温度，表示为湿度阈值， 表示为当前湿度。[0061] 上述阈值可根据具体工况进行设定，一般设定为：[0062] =50000mg/m?， =4000000mg/m?， =150℃， =20℃， =80%（相对湿度）。[0063] 基于对本发明模型的历史测试数据可得，当输出值小于等于0.2时几乎不会发生任何爆炸现象，即使发出微小爆裂声也处于可控状态，可及时与主站反应进行注水，所以将爆炸判定阈值设为0.2。[0064] 当 ＞0.2时，控制主站发出信号至采煤机与掘进机上，请求停止工作，启动矿道顶部滴头对矿道内部进行注水，直至反馈信息满足阈值时停止注水并再次发出信号重新进行工作。[0065] 步骤5：进行开采工作时，计算采煤机与掘进机的预计开采量表示为，[0066] ；[0067] 其中， 表示为预计煤矿采集量， 表示为采煤机单位时间内的采煤数量， 表示为预计采煤时间， 表示为煤矿转化率， 表示为预计碎石量， 表示为掘进机单位时间内的开采量， 表示为预计掘进时间。 基于采矿时的杂质量以及注水时的等待时间，一般设为0.8。[0068] 监测所有煤仓与废料区的存储状态，与工作地点预计开采量进行对比，筛选可存储处表示为，[0069] ；[0070] 其中， 表示为可存储煤仓集合， 表示为第 个煤仓， 表示为第 个煤仓的总存储量， 表示为第 个煤仓的已存储量， 表示为可存储废料区集合， 表示为第 个废料区， 表示为第 个废料区总存储量， 表示为第 个废料区已存储量，表示为总煤仓个数， 表示为总废料区个数， 表示为将当前计算信息量放入至集合中，表示为剔除当前计算的信息量。[0071] 取 与 中每个元素对应的位置信息包括第 个煤仓的位置信息 与第个废料区的位置信息 ，获取工作地点位置信息 ，将 、 和 代入皮带车地图中计算出工作地点与第 个煤仓间距离 和工作地点与第 个废料区距离。[0072] 获取工作地点与第 个煤仓间距离 ，将 与 进行比对，若 ，则将 的值替换为 ，若，则保持 的值不变，直至 等于 中最大元素数 时停止计算输出 ， 中对应的煤仓位置信息即为煤矿最优存储处。[0073] 获取工作地点与第 个废料区距离 ，将 与 进行比对，若 ，则将 的值替换为 ，若，则保持 的值不变，直至 等于 中最大元素数 时停止计算输出 ， 中对应的废料区位置信息即为废料最优存储处。[0074] 当开采物达到运输点时，将开采物依次装入皮带车中，在每个运输批次的第一台皮带车和最后一台皮带车上安装位置信号发射器，启动皮带，控制主站实时接收位置信号，当位置信号全部进入最优存储处时停止皮带运动，将开采物卸下搬运至存储间，并回收位置信号发射器。[0075] 实施例2[0076] 参照图3，为本发明第二个实施例，其不同于第一个实施例的是：基于5G?DMN网络的地下采矿监测和控制方法还包括：首先构建5G?DMN网络框架，本实施例以某公司下属A煤矿和B煤矿为研究对象，共建核心网设置在A煤矿，B煤矿通过租用运营商专线，实现两矿核心共用。两矿井下工作面区域分别部署SPN光环设备，在远离工作面的供电区域设置BBU，实现算力下沉，并分别在远距离供电供液硐室内部署1台700M基站，用于采集顺槽皮带监控数据，顺槽内根据实际长度部署2?3台700M基站，工作面根据实际长度部署2?3台700M基站，实现采掘工作面采煤机、传感器、带式输送机、液压支架、摄像头、定位系统及矿用单兵设备的实时互联。[0077] 在煤矿井下选取一个工作面进行部署，每架安装一个2k高清摄像头，共计部署109个摄像头，通过5G?DMN基站回传视频。[0078] 利用5G?DMN网络超高上行带宽的优势，在控制主站部署全景视频拼接系统，运用AI技术将高清摄像机画面进行拼接，从而提供一幅长的“画卷”实现综采面全景可视，同时叠加煤机前后滚筒工作区的特定视角，整体提供“身临其境”的煤机操作感受，精准引导远程操控作业。如图3所示。[0079] 采用本发明方法进行实验测试得到以下数据：[0080] 少人：单个采煤工作面入井减少9 15人。~[0081] 降本：光电复合缆节省600米/工作面，节省成本60万元/年/工作面。[0082] 提效：采用煤机5G远控，避免了光纤断裂导致生产中断，确保了设备开机率，增加了产能和产值。[0083] 另外，相对中频基站，700M覆盖距离提升50% 75%；在满足同样范围覆盖时，可降低~近一半井下基站数量，降低建设成本的同时还降低安装难度。[0084] 本发明基于5G?DMN，以及700M基站提高了传输效率，可实时监控地下工作状态，并依据传感器数据提前对爆炸进行预警减少危险系数。[0085] 实施例3[0086] 本发明第三个实施例，其不同于前两个实施例的是：一种基于5G?DMN网络的地下采矿监测和控制方法的系统，包括数据采集模块、工作点确定模块、机器控制模块、注水模块和回收模块；数据采集模块用于获取摄像头影像数据与传感器数据；工作点确定模块用于确定工作点，基于影像数据中的移动影像寻找工作地点，确定工作地点后将行进信息与位置信息发送至控制主站，主站根据行进信息确定采煤机与掘进机的运输方式，根据位置信息确定运输地点；机器控制模块用于监测控制采煤机与掘进机，采煤机与掘进机运输到工作地点后，启动机器进行工作，并实时传输采掘数据至控制主站，主站基于采掘数据进行监测和控制；注水模块用于决定是否注水，工作后将接收到传感器数据代入所构建的爆炸预测模型得到预测结果，根据预测结果决定是否注水；回收模块用于回收开采物，控制主站监测所有煤仓与废料区的存储状态，与工作地点预计开采量进行对比，筛选出最优存储处，并将开采物运输至最优存储处后卸下开采物。[0087] 所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read?OnlyMemory）、随机存取存储器（RAM，RandomAccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。[0088] 在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。[0089] 计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置）、便携式计算机盘盒（磁装置）、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编辑只读存储器（EPROM或闪速存储器）、光纤装置以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。[0090] 应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。[0091] 应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

专利地区：甘肃

专利申请日期：2024-05-08

专利公开日期：2024-07-05

专利公告号：CN118138730B