低照度下改进YOLOX的煤矿无人电机车轨道障碍物检测方法

为解决地下煤矿光照不足进而导致无人电机车脱轨、撞车或侧翻等问题,提出了一种低照度多特征融合的YOLOX-CBAM目标检测算法,对矿井无人电机车轨道障碍物进行有效识别与分类。首先,通过实际场景采集及标注构建地下煤矿障碍物数据集,并将其输入微光数据处理Zero＿DCE模型中;其次,对YOLOX目标检测网络进行改进,分别在骨干网络CSPDarknet和特征金字塔(Feature Pyramid Networks, FPN)部分增加双通道CBAM注意力模块,解决了特征提取环节通道单一的问题;最后,将预测头部分的损失函数替换成SIoU,加快了模型迭代的速度。结果表明,与传统两阶段Faster-RCNN网络、YOLOv4网络、YOLOv5网络和原YOLOX网络相比,本模型精确率分别提高了4.65百分点、2.65百分点、2.19百分点、1.35百分点,召回率分别提高了9.39百分点、4.36百分点、0.82百分点、0.76百分点,速度分别提高了28.6帧/s、16帧/s、13.6帧/s、2.9帧/s,同时本模型与分别添加CBAM、SA、SA+SIoU、SE、SE+SIoU,YOLOX-CBAM模块的...     

基于D-S理论的企业安全绩效综合评定研究

为客观评定企业安全绩效,提出一种基于D-S证据理论的企业安全绩效综合评定方法。在确定安全绩效评定指标的基础上,利用模糊函数和群决策方法处理评价过程中的不确定信息,将多源决策信息转换为同一框架下的评价信息,然后根据各决策信息的重要度,通过D-S证据理论的mass函数和证据合成方法对安全绩效评价群决策中的不确定性信息逐层融合。实例表明,该方法能够克服D-S冲突问题,保证企业安全绩效综合评定信息融合结果的准确度,企业安全管理的优劣势的表征更为直观。     

毛细驱动诱发的尾矿强度劣化演化规律及机制

为了研究毛细作用对尾矿坝工程性质的影响规律及机制,以陕西某铜矿尾矿为研究对象,通过直剪试验对自然含水状态下、毛细饱和状态下、重力饱和状态下堆积坝外坡和沉积滩面不同距离处的尾矿进行力学性质测试。结果表明：尾矿黏聚力随粒径减小逐渐增大,内摩擦角随粒径减小逐渐减小,二者共同作用影响其抗剪强度;随含水率的增大,尾矿强度逐渐下降;浸润线以上毛细饱和带中尾矿含水率与浸润线以下尾矿含水率相等;基于以上研究结果,引入毛细饱和带概念,提出了基于毛细作用影响的尾矿坝真实浸润线的概念与计算方法,修正了浸润线高度计算公式。     

热湿环境下矿工注意力对应急决策影响的脑电研究

为探讨不同热湿环境下矿工注意力对应急决策的影响，模拟了4种不同工况环境，召集了11名被试，运用认知神经科学方法共进行了44次脑电图记录。结果表明，体感温度在26～36℃被试可以保持较高的注意力水平，能够针对突发事件迅速且正确地做出决策。随着温湿度的升高，α波的平均功率不断增加，β波在工况三达到峰值后减小，脑地形图中β波在工况三占比最大；注意力水平(P(SMR+Middle β)/P(θ))随温湿度的增加而降低，工况三时注意力水平最高，工况四时与其相比降低了69.6%。相关性分析显示，温湿度与任务完成时间存在高度正相关关系。对热湿环境下矿工的应急决策研究能够为深井采矿工人的安全和保护提供参考，降低决策失误造成的损失，为煤矿企业的安全管理工作提供科学依据。     

融合心电特征提取的矿工疲劳状态识别

疲劳引起的人为失误是事故的主要原因。为准确识别矿工疲劳状态，降低作业风险，利用麻雀搜索算法(Sparrow Search Algorithm, SSA)优化反向传播(Back Propagation, BP)神经网络，构建疲劳识别模型。首先，通过模拟日常作业进行疲劳诱发试验，将OpenBCI Cyton开发套板作为心电信号的采集装置；其次，借助MATLAB对所采集心电信号(Electrocardiogram, ECG)数据进行预处理，基于疲劳等级形成初始样本数据集；进而利用Pan-Tompkins算法进行特征提取；最后，针对特征间皮尔逊相关系数进行假设检验，从而获得优选指标并用于模型训练，经疲劳识别模型得出结果。结果表明，与传统BP神经网络、支持向量机(Support Vector Machines, SVM)、遗传算法(Genetic Algorithm, GA)优化BP神经网络相比，模型准确率分别提高6.25百分点、22.92百分点、2.78百分点，从而为企业作业人员休息制度的制定及完善提供了理论依据。研究结果对于相关便携式精神状态监测硬件研发具有参考价值。