摘要：针对地下矿山设备巡检人员技术能力不足和巡检流程复杂,导致的巡检效率低、周期长和检修指导流程复杂等问题,设计了一种基于混合现实技术的地下矿山设备巡检系统。该系统基于混合现实设备,通过Unity3D平台搭建混合现实虚拟开发环境,建立真实设备三维模型和标准检修意见指导库,实现了巡检路径导航以及设备信息管理、设备模型展示、检修意见指导和待检部件标记等功能。阐述了该巡检系统的框架设计和功能,总结了模型建立过程和关键技术,以眼前山铁矿破碎机为例,从用户体验和性能相协调等角度对系统进行了综合测试。应用结果表明:该系统简化了传统巡检繁琐的工作流程,降低了巡检人员工作的复杂程度,有效提升了巡检效率并具有良好的人机交互性。

摘要：为了解决地下金属矿山在日常施工和开采中遇到的巷道破坏等安全问题,及时掌握地下矿山巷道的稳定性情况,需要对巷道围岩变形数据进行不间断的精确监测。传统收敛计监测效率低、精度差、测量人员安全容易受到威胁,而隧道变形监测手段在地下矿山应用又有一定的局限性。为解决这些问题,自主研发了地下矿山巷道变形实时监测系统。该系统可实现24 h无人值守、连续监测收敛变形,降低成本、保证测量人员安全的同时亦提升测量效率和精确度。保国铁矿现场监测试验证明,该系统在很好地完成地下矿山巷道变形监测任务的同时,还可以辅助支护方案设计、危险预警等工作。研究成果在未来地下矿山变形监测、危险预警方面有一定的应用前景。

摘要：本文基于齐大山现场爆破中的MEMS惯性传感器保护装置崩落的现场情况,对该崩落撞击过程中的动力学特征进行了分析研究,并利用有限元软件Solidworks/Simulation,对该MEMS惯性传感器保护装置进行模拟、仿真,得出了MEMS惯性传感器保护装置结构件在崩落撞击过程里的应力、应变云图,和不同结构件的加速度随时间变动轨迹的测量数据。通过模拟仿真结果,系统分析了MEMS惯性传感器保护装置结构件受崩落撞击影响情况,从而为矿山爆破时的MEMS惯性传感器保护装置抗崩落、撞击研究提供重要参考和依据。

摘要：矿山现场工作人员在作业过程中需要及时判断矿石与围岩,及时优化开采设计方案有助于控制矿石损失贫化。为了实现对矿山现场矿石和围岩的智能化识别,对比了多种算法后采用EfficientDet神经网络模型,矿石和围岩的识别特征较为明显,选用EfficientDet中D0版本进行训练进而获得神经网络模型。基于井下环境进行数据扩充,在检测前对图像进行预处理。通过验证,模型对矿石和围岩识别正确率可以达到96%。在识别矿岩交界处的图片时,对于矿石、围岩分类的准确率超过91%,且预测框大小合适,可以很好地观测到矿岩交界线。模型能够在不同环境下高效、准确地识别矿石和围岩,证明模型的泛化性和鲁棒性较强。