协同智能放煤系统、协同智能放煤系统的控制方法和装置与流程

本申请涉及综采放煤智能控制，具体而言，涉及一种协同智能放煤系统、协同智能放煤系统的控制方法和装置。

背景技术：

1、目前的放煤控制技术直接将传感器的数据上传到云端，在云端进行算法训练和特征识别，但是由于网络传输速率的限制和数据量太大，很难对矸石比例进行快速响应，所以放煤控制时延较大，并且目前的煤矸识别的精度也较差。

技术实现思路

1、本申请的主要目的在于提供一种协同智能放煤系统、协同智能放煤系统的控制方法和装置，以至少解决现有技术中放煤控制时延较大，并且目前的煤矸识别的精度也较差的问题。

2、为了实现上述目的，根据本申请的一个方面，提供了一种协同智能放煤系统，包括：检测设备，安装在液压支架上，所述检测设备用于获取煤矸的检测信号，其中，所述检测信号包括声音信号、振动信号和图像中的一个或者多个；边缘设备，与所述检测设备通信连接，所述边缘设备至少包括服务器，所述边缘设备用于通过所述检测信号进行煤矸识别处理，得到煤矸检测结果，其中，识别算法包括crnn、图像分割和moe中的一种或者多种；中心云设备，与所述边缘设备通信连接，所述中心云设备至少包括云端服务器，所述中心云设备用于根据所述煤矸检测结果控制所述液压支架进行放煤，其中，所述边缘设备与所述液压支架的第一距离小于所述中心云设备与所述液压支架的第二距离。

3、可选地，所述检测设备包括：摄像机，位于所述液压支架靠近刮板输送机的一端，所述摄像机用于获取煤矸的所述图像；声音振动传感器，位于所述液压支架的尾梁，所述声音振动传感器用于获取煤矸的所述声音信号和所述振动信号。

4、可选地，所述检测设备还包括：补光灯，位于所述液压支架的靠近摄像仪的一端，所述补光灯用于对所述摄像机补光；清洁组件，位于所述液压支架的靠近摄像仪的一端，所述清洁组件用于对所述摄像机清洗。

5、可选地，所述检测设备包括：电液换向阀，位于所述液压支架的连杆位置处，所述电液换向阀用于对所述液压支架的油缸进行控制；液压支架控制器，位于所述液压支架的连杆位置处，所述液压支架控制器用于控制所述液压支架工作；倾角传感器，位于所述液压支架的尾梁，所述倾角传感器用于检测所述液压支架的尾梁的倾角；流量计，位于所述液压支架的油缸中，所述流量计用于检测所述液压支架的油缸的流量。

6、根据本申请的另一方面，提供了一种任意一种所述协同智能放煤系统的控制方法，所述方法包括：获取煤矸的检测信号，其中，所述检测信号包括声音信号、振动信号和图像中的一个或者多个；对所述检测信号进行煤矸识别处理，得到目标煤矸检测结果，其中，识别算法包括crnn、图像分割和moe中的一种或者多种；根据所述目标煤矸检测结果控制液压支架进行放煤，其中，在矸石比例大于预设阈值的情况下暂停放煤，在所述矸石比例小于或者等于所述预设阈值的情况下继续放煤。

7、可选地，对所述检测信号进行煤矸识别处理，得到目标煤矸检测结果，包括：获取特征信息，其中，所述特征信息包括所述声音信号的特征和/或所述振动信号的特征；采用crnn算法对所述特征信息进行煤矸识别处理，得到第一煤矸识别结果；基于图像分割技术对所述图像进行煤矸识别处理，得到第二煤矸识别结果；采用moe算法融合所述第一煤矸识别结果和所述第二煤矸识别结果，得到所述目标煤矸检测结果。

8、可选地，获取特征信息，包括：采用eemd算法对所述声音信号进行去噪处理，得到目标声音信号；采用eemd算法对所述振动信号进行去噪处理，得到目标振动信号；采用过mfcc算法对所述目标声音信号进行特征提取，得到声音特征信息；采用过mfcc算法对所述目标振动信号进行特征提取，得到振动特征信息；采用特征级融合方式，对所述声音特征信息和所述振动特征信息进行融合，得到所述特征信息。

9、可选地，采用crnn算法对所述特征信息进行煤矸识别处理，得到第一煤矸识别结果，包括：构建第一识别模型，其中，所述第一识别模型是使用多组训练数据来通过crnn算法训练得到的，所述多组训练数据中的每一组训练数据均包括历史时间段内获取的历史特征信息、所述历史特征信息对应的历史第一煤矸识别结果；将所述特征信息输入至所述第一识别模型，得到所述特征信息对应的所述第一煤矸识别结果。

10、可选地，基于图像分割技术对所述图像进行煤矸识别处理，得到第二煤矸识别结果，包括：采用retinex算法对所述图像进行增强处理，得到目标图像；采用图像分割技术，将所述目标图像中的煤矸与背景分离，得到煤矸图像，其中，图像分割技术包括混合高斯前景分割和u-net分割；构建第二识别模型，其中，所述第二识别模型是使用多组训练数据训练得到的，所述多组训练数据中的每一组训练数据均包括历史时间段内获取的历史煤矸图像、所述历史煤矸图像对应的历史第二煤矸识别结果；将所述煤矸图像输入至所述第二识别模型，得到所述煤矸图像对应的所述第二煤矸识别结果。

11、根据本申请的再一方面，提供了一种任意一种所述协同智能放煤系统的控制装置，所述装置包括：获取单元，用于获取煤矸的检测信号，其中，所述检测信号包括声音信号、振动信号和图像中的一个或者多个；识别单元，用于对所述检测信号进行煤矸识别处理，得到目标煤矸检测结果，其中，识别算法包括crnn、图像分割和moe中的一种或者多种；放煤单元，用于根据所述目标煤矸检测结果控制液压支架进行放煤，其中，在矸石比例大于预设阈值的情况下暂停放煤，在所述矸石比例小于或者等于所述预设阈值的情况下继续放煤。

12、应用本申请的技术方案，传感器的数据不会直接上传至云端了，设计了一个边缘设备，可以是服务器，类似于中间设备，这样通过边缘设备来将传感器的数据进行收集，识别煤矸，中心云设备只用于实现放煤控制，这样可以减少送入云端的数据量，使得后续的放煤控制的时延大大减少，并且，本方案结合了振动、声音和图像来对煤矸进行识别，crnn有很好的分类效果，而图像分割可以很好的将该煤炭与矸石区分开，moe算法是可以适用于复杂的非线性关系的大规模数据集的，有较好的灵活性和泛化能力，从而提高了煤矸识别的精度。

技术特征：

1.一种协同智能放煤系统，其特征在于，包括：

2.根据权利要求1所述的协同智能放煤系统，其特征在于，所述检测设备包括：

3.根据权利要求2所述的协同智能放煤系统，其特征在于，所述检测设备还包括：

4.根据权利要求1所述的协同智能放煤系统，其特征在于，所述检测设备包括：

5.一种权利要求1至4中任意一种所述协同智能放煤系统的控制方法，其特征在于，所述方法包括：

6.根据权利要求5所述的方法，其特征在于，对所述检测信号进行煤矸识别处理，得到目标煤矸检测结果，包括：

7.根据权利要求6所述的方法，其特征在于，获取特征信息，包括：

8.根据权利要求6所述的方法，其特征在于，采用crnn算法对所述特征信息进行煤矸识别处理，得到第一煤矸识别结果，包括：

9.根据权利要求6所述的方法，其特征在于，基于图像分割技术对所述图像进行煤矸识别处理，得到第二煤矸识别结果，包括：

10.一种权利要求1至4中任意一种所述协同智能放煤系统的控制装置，其特征在于，所述装置包括：

技术总结本申请提供了一种协同智能放煤系统、协同智能放煤系统的控制方法和装置。该系统包括：检测设备，安装在液压支架上，检测设备用于获取煤矸的检测信号；边缘设备，与检测设备通信连接，边缘设备至少包括服务器，边缘设备用于通过检测信号进行煤矸识别处理，得到煤矸检测结果；中心云设备，与边缘设备通信连接，中心云设备至少包括云端服务器，中心云设备用于根据煤矸检测结果控制液压支架进行放煤。该方案解决了现有技术中放煤控制时延较大，并且目前的煤矸识别的精度也较差的问题。技术研发人员：贺海涛,崔耀,高鹏,李首滨,张海峰,李森,阮进林,叶状,赵春光,许联航受保护的技术使用者：国能神东煤炭集团有限责任公司技术研发日：技术公布日：2024/6/20