矿车脱轨检测系统中的传感器自动编组技术研究

 

王玉有吴海江杨理

摘要：本文随着我国矿山开采规模的不断扩大,矿车运输量快速增长,但传统的人工监测模式已难以满足安全生产需求。为解决脱轨检测中存在的监测盲区问题,本文研究设计了一套基于传感器网络的自动编组系统。该系统通过图像识别与多源异构数据融合,实现了传感器的智能分配与动态重组。实验结果显示,采用该自动编组技术,系统对脱轨异常的检测延迟时间减少30%,误报率降低20%。

关键词：矿车监控;轨迹偏离检测;传感器网络;智能组网

Research on automatic sensor formation technology in mine vehicle derailment detection system

Abstract: With the continuous expansion of mining scale in China, the transportation volume of mining vehicles has increased rapidly, but the traditional manual monitoring mode has been difficult to meet the demand of safe production. In order to solve the monitoring blind area problem in derailment detection, this paper designs an automatic grouping system based on sensor network. The system realizes the intelligent allocation and dynamic reorganization of the sensor through image recognition and multi-source heterogeneous data fusion. The experimental results show that the delay time of abnormal detection and misalarm rate decreased by 30% and 20%.

Key words: Mine vehicle monitoring; trajectory deviation detection; sensor network; intelligent networking

1.引言

随着我国矿产资源开发力度的加大,矿山矿车运量正在以年均9.5%的速度快速增长。按照“安全生产年”的要求,构建智能化的矿车监控系统刻不容缓。然而,传统通过简单机械或电气装置进行轨迹监测的模式,已难以适应系统监测精度与灵敏度的需求。基于传感器网络的自动编组技术为解决这个问题提供了新的思路。

2.系统总体设计方案

本文构建的矿车智能监测系统主要包括:CCD工业摄像机、传感器节点、Zigbee无线通信模块、PLC串口控制器、上位机控制终端。系统通过图像识别与传感器数据融合,输出传感器动态组网与分配的控制指令,实现对运行矿车的全方位监测。系统设计框图如图1所示。

图1 系统框图

3. 关键技术

(1)基于卷积神经网络的图像识别

采用Inception V3模型,训练样本包含超过3万张不同场景的矿车图像。并使用FPGA进行加速,识别延时<100ms。

(2)多源异构数据融合

将图像识别结果与传感器原始数据进行关联与融合,构建车辆运行状态矩阵,为传感器分配提供数据支持。

(3)面向故障的传感器自组网协议

设计了一种改进的SOS算法,实现传感器根据控制指令进行自主组网,网络拓扑结构可动态调整。

4.实验结果与分析

本为验证所设计的基于传感器网络的自动编组技术,我们在河南某煤矿建立了试验平台,该矿年矿车运量超过50万车次。

试验选择了3条不同结构的矿车运输线路,各配置了30组传感器节点。其中:

- 线路1:简单线路,轨道平直;

- 线路2:复杂线路,有多处弯道; 

- 线路3:坡道线路,最大坡度15°。

我们分别在采用传统固定传感器监测以及应用自动编组技术两种情况下,进行了为期一周的无人值守试验。通过系统自动记录的车辆状态数据进行对比分析。

结果显示:

- 在线路1,监测延迟时间由原来的2.3s下降到1.5s,缩短35%;误报率从3.1%降低到2.1%。

- 线路2的监测延迟时间由2.6s减少到1.8s,降低31%;误报率从4.7%下降到3.2%。

- 线路3的监测延迟时间缩短幅度最大,从2.9s降至1.9s,减少34%;误报率从5.5%降至3.7%。

可以明显看出,采用传感器自动编组技术后,系统的监测性能明显提升。这主要归因于传感器布局的优化,避免了监测盲区,使系统对瞬态异常情况的响应更加灵敏。该技术使系统可适应不同结构线路的监测需求。

5. 结论

通过本研究报告的系统设计、关键技术研发和实验验证,我们可以得出以下结论:
1)所设计的基于传感器网络和自动编组技术的矿车监测系统,能够实现对运输车辆的全方位、动态监控,大大提升了对脱轨风险的检测能力。
2)采用卷积神经网络进行车辆图像特征提取与识别,保证了算法的准确性。并使用异构数据融合方法,增强了监测的稳健性。
3)该系统集成了多种先进技术,包括面向故障的传感器自组网协议、工业级高速图像处理器等。这使其可适用于复杂环境中的实际应用。
4)通过充分的试验验证,该系统可使监测延迟时间缩短30%以上,脱轨识别误报率降低20%以上。
5)本研究为矿山企业建立智能化、可靠性更高的安全生产保障系统提供了可行的解决方案。
后续工作将进一步增强系统自适应与协同控制能力,并推进产业化应用,以更好的保障矿山安全高效生产。

6. 参考文献

• [1]基于以太网的灵活编组列车的网络控制系统研究. 王翔;吴士林.电脑知识与技术,2019

• [2]列车灵活编组在城市轨道交通全自动运行线路中的应用. 王冬海;黄柒光.城市轨道交通研究,2019