煤炭科学技术

作者：张强, 刘伟, 张润鑫, 王阳, 史铭翰,

关键词：4D毫米波雷达, 煤仓, 机器学习, 状态监测, 挂壁识别,

煤仓作为煤炭开采与运输环节中的临时存储设施，长期使用过程中，若对煤仓状态监测不当，极易引发坍塌溃仓等安全事故，受限于煤仓作业环境，传统煤仓监测方法存在感知难、精度差等问题。提出了一种基于4D毫米波雷达的煤仓状态监测方法，通过在煤仓的顶部安装4D毫米波雷达，自上而下扫描煤仓内部的速度点云，根据多普勒速度将静态点云与运动点云进行分离，对于分离后的动态点云，计算动态点云的速度均值得到煤仓进煤状态；对于分离后的静态点云，计算静态点云最远点得到煤仓剩余堆煤高度，再利用Alpha shape算法对分离后的静态点云进行包络，拟合煤仓内部轮廓，实现煤仓堆煤状态可视化，最后通过计算不同煤仓高度下轮廓点云到煤仓中心的距离，得到不同高度下煤仓轮廓到煤仓中心点最小距离组成的轮廓曲线，并采用格拉姆角场变换将不同高度下煤仓最小距离组成的轮廓曲线转化成图像特征，利用改进的Dense Net神经网络模型进行机器学习，实现煤仓挂壁状态的智能识别，同时基于Unity开发了煤仓监测系统并进行了工业应用。结果表明：基于4D毫米波雷达的煤仓状态监测方法效果良好，能够实现对煤仓堆煤高度、煤仓进煤状态、煤仓挂壁状态同步监测，相比于激光雷达，4D毫米波雷达点云在感知煤仓轮廓上的最大精度偏差为0.22 m，该技术为煤仓智能感知提供了新方法。

来源：2025年第11期

《煤炭科学技术》期刊编辑部

查看煤炭科学技术杂志2025年第11期