最优应急避灾路线的确定是安全有效逃生的第一步.针对井下实际应急逃生情况的需要,定义了矿井火灾三大避险原则,对通行路径的安全系数进行量化分析并提出了行进速度影响因子的计算方法,结合巷道安全系数与行进速度影响因子构建了巷道逃生路径优化数学模型.根据巷道当量长度计算公式,将井巷网络图转换为巷道当量网络图,在此网络图的基础上通过Dijkstra算法求解人员位置点到安全点的最短路径,从而确保逃生路径的安全与快捷.最后,将模型应用到云南某金属矿山,为矿井火灾辅助逃生系统提供借鉴与技术支持.
为了解决矿山安全监控监测主要靠人工对视频数据进行识别而存在的诸多人为因素限制的问题,通过构建卷积神经网络实现计算机智能识别矿工安全帽的佩戴,在不增加任何辅助装置的条件下实现矿工安全着装智能识别.从视频数据中提取图像,通过对图像进行旋转、偏移、剪切等预处理,将图像分为矿山背景、戴安全帽的矿工和不戴安全帽的矿工3类.通过构建3种不同深度层次的卷积神经网络进行实验对比,"4个卷积层+3个池化层+3个全连接层"组成的深层网络识别准确率较高,达到91.2％.实验表明利用卷积神经网络可以较好地实现对矿工是否正确佩戴安全帽的智能识别.研究方法为人工智能应用于矿山的安全监控、安全行为及安全状态的智能识别研究提供借鉴.
