浅谈大倾角皮带运输的难点分析与对策

本文针对井下大倾角皮带运输中出现的煤矸翻滚、打滑运不走等问题,通过力学分析,研究制定出切实可行的解决方案,达到提高出货效率、消除安全隐患的目的,并为以后此类条件下大倾角皮带运输出现的同样问题提供宝贵经验。     

皮带输送机保护装置应用及纠偏爬坡性能研究

目前,我矿正在使用的是托辊式皮带输送机,为了保证运输皮带安全、可靠运转,我矿对运输皮带安装推广应用GVD防撕裂保护和KHJ沿线急停保护,将切割磁力线感应速度保护更改为VCS测速装置。并且增大槽角可以很大程度地提高托辊式皮带输送机的纠偏及爬坡的能力。     

机器人单目视觉定位模型及其参数辨识

从机器人运动控制的需要出发,在分析视觉坐标系和机器人坐标系的映射关系基础上,建立了机器人单目视觉定位的数学模型.提出了基于遗传算法的参数辩识方法.该算法直接利用建立的视觉定位数学模型和一组特征点实测结果,通过遗传算法得到包括摄像机参数在内的所有参数.比较了直接测量法、待定系数法、基于遗传算法3种计算方法在实际ROBOCUP全自主机器人平台的运用结果,实验证实提出的算法可以得到更好的实际效果.     

基于机器人的带有旋转特征的零件坐标系标定方法

为了解决传统标定过程中标定困难、标定精度不高等难题,基于六自由度机器人面向带有旋转特征的曲面零件,提出一种八点标定方法。该方法利用带有旋转特征这一特点,准确找到工件坐标系原点,从而提高了标定精度。该方法通过实例论证,可以对带有旋转曲面特征的零件坐标系进行标定。使用该方法进行标定可以提高曲面工件坐标系与机器人坐标系匹配精度。     

强力皮带运输机常见故障分析处理及维护

本文通过对强力皮带运输机在正常运转中出现的跑偏、打滑、异常声响、减速机故障的原因进行分析并提出处理方法,以及讲述强力皮带运输机日常维护注意事项。     

单回路运输问题的表上作业求解

基于单回路运输问题的数学模型的特征与多点间运输问题有相似之处,提出了单回路运输问题的表上作业求解法;并探讨了该方法的求解适用原则,除了适用大部分多点间运输问题可行解的确定原则法外,还可以和其启发式算法——最近邻点法结合使用.但运用闭回路法优化时易产生子回路,优化方法有待继续探索.     

井下皮带运输机的常见故障及其防治措施

作为煤矿生产的主要设备之一,皮带运输机担负着矿山生产现场原煤等物料的主要运输任务,目前已经成为了确保矿井生产连续和顺畅运行的关键。但多年来的管理实践发现,皮带运输机在工作中常出现发动机故障、噪音异常、皮带跑偏或打滑、撒料、及减速机断轴等运行故障,严重缩短了设备使用寿命,也给生产效率与生产安全带来了不利影响。本文对皮带运输机工作中常见的故障类型及其原因进行了分析,并结合这些问题阐述了具有针对性的防治意见。     

堆料机悬臂皮带机设计的改进

堆料机悬臂皮带机投入使用以来,皮带经常跑偏,改向滚筒表面护胶磨损严重,皮带出现磨损并且使用寿命较低.根据故障现象进行了分析,并对悬臂皮带机进行了重新核算与改进.通过改进,皮带机未出现异常打滑,皮带表面及接头处磨损不大,滚筒护磨损程度大为减小,取得了较好的效果.     

大采深工作面末采外延停采线的方法探讨与实践

2127工作面停采线距离下巷皮带卸载点30m,而转载机与皮带运输机本身最小长度78m,通过逐步拆除皮带机架、缩短转载机方式解决末采期间的运输问题从而达到外延停采线的距离是有限的,通过补掘一条运输配巷,联合用刮板输送机代替皮带输送机方式使得停采线得到最大外延。     

地形图辅助的建筑物地面和机载点云特征配准

机载和地面激光扫描数据配准的实质是坐标转换问题.以建筑物的立面为研究对象,基于地形图的建筑物线性特征,提出建筑物线-面特征约束的地面和机载点云数据配准方法,实现机载和地面点云数据的配准及其向地形图坐标系的转换.采用拟合方法,获取地面与机载点云、地形图的建筑物线性特征参数.依据特征之间的空间关系,建立特征参数与坐标转换模型的关系,分别实现地面与机载点云向地形图坐标系的水平转换.垂直转换则通过建筑物水平屋顶边缘的高程相对配准以及控制点处的高程绝对配准计算.以上海海洋水族馆点云为例进行实验验证,结果表明该方法可以实现地面和机载点云数据配准.     

基于轮廓特征点凹性分析的遮挡车辆分割算法

在智能交通系统的拍摄场景中,由于车辆间距过近和摄像角度原因,引起车辆遮挡的现象,增加了目标车辆检测和跟踪的难度。根据轮廓特征点,结合轮廓凹凸性,提出一种凹陷区域检测与分割算法。首先采用背景差分法提取车辆区域,根据车辆区域外接矩形的长宽比和占空比判断是否是多车遮挡,同时通过凸包分析算法提取遮挡凹陷区域;然后通过Freeman链码确定凹陷区域的轮廓特征点,对特征点进行凹性分析;最后匹配分割点,采用Bresenham直线生成法分割遮挡车辆。实验结果表明,该算法有效解决遮挡车辆分割不准确问题,与其他算法相比,具有较好的场景适应性。     

基于5G手机的交叉路口行人检测

针对目前在交叉路口通过摄像头进行行人识别与检测容易受到天气的影响,且摄像头统计范围有限的问题,利用5G通信低时延的特性,提出了一种基于5G手机的交叉路口行人检测方法。该方法采集行人携带的5G移动终端的位置、速度、密度、方向4个典型运动特征,然后在路侧设备上建立模型进行行人检测,降低单一运动特征的行人检测造成的误差,提高了准确率。通过搭建车联网测试平台对该方法的有效性进行验证,试验结果表明:该方法可以准确地统计交叉路口行人,同时也实现了满意的检测速度,为未来的智能交通、安全预警等方向研究和应用提供技术支持。     

SURF算法及其对运动目标的检测跟踪效果

视频图像的特征点提取和描述是智能交通系统中运动目标跟踪的一项关键技术。由于场景的复杂性、环境的变化以及目标运动的影响,Harris角点检测算法和尺度不变特征变换(SIFT)算法的精度和稳定性都不够,而加速鲁棒特性(SURF)算法具有很强的鲁棒性,运算速度比Harris角点检测算法和SIFT算法有明显提高。应用SURF算法对视频图像进行特征点提取和匹配,并结合聚类分析和卡尔曼滤波对匹配的目标进行跟踪。实验表明,SURF算法对亮度变化具有很强的鲁棒性,并且速度比较快。     

无人驾驶车辆基于角点和斑点的特征提取算法

针对运行在计算资源有限的车载嵌入式系统中的视觉里程计算法实时性较差的问题,提出一种基于Harris和SIFT相结合的图像匹配方法——Harris-SIFT算法。在介绍了SIFT算法的基础上,给出了Harris-SIFT算法的原理:使用Harris算法提取图像中的角点作为特征候选点,再利用SIFT算法在Harris的特征候选点中进行特征点提取。通过实例用Matlab软件对算法进行了仿真,并对算法的复杂度及各种性能进行了分析。结果表明,所提出的方法在特征检测模块中降低了算法的运算量、提高了特征点提取速度。Harris-SIFT算法可用于实时视觉里程计系统中,进而可使视觉里程计在车载嵌入式导航系统上得到广泛的应用。     

基于粗糙集分类的网络入侵检测

提出使用粗糙集分类(RSC)算法进行智能化的网络入侵检测.该方法可以在生成检测规则之前完成特征排序,且不需要多次重复迭代计算,提高了入侵检测系统的效率;同时,生成的检测规则是"if-then"格式的产生式,易于解释.仿真实验表明,RSC对Probe和DoS攻击具有比支持向量机(SVM)略好的高检测率,但是训练时间比SVM更长,采用混杂遗传算法求解粗糙集约简可进一步减少RSC的训练时间.     

基于轻量级深度卷积神经网络的绝缘子检测

在无人机巡检图像中,检测出绝缘子是实现输电线路状态分析的关键.本研究采用轻量级卷积神经网络代替传统的人工特征提取器,获取输入图像的深层特征;利用深度学习目标检测网络对所提取特征进行处理和训练学习,实现多尺度、多种类的绝缘子目标检测.实验结果表明:该方法可以准确快速地识别出以山林背景为主的瓷质和复合两类绝缘子,其检测精度分别达到96.29%和90.85%,且整体检测速度高达43 F·s~(-1),有效满足电力巡线中的绝缘子实时检测要求.     

基于特征点局部特征值剔除误匹配特征点算法

为了解决经典的特征点匹配算法SIFT采用比率测试得到的匹配特征点集中存在大量误匹配,且对数量和准确度无法兼顾的情况,提出了基于特征点局部特征值剔除误匹配特征点算法。该算法以高阈值比率测试得到的结果为粗剔除匹配点集,基于三角形相似性原理,从该特征点集中筛选出3个匹配正确的特征点对,利用其分别在基准图像和实测图像中构建局部直角坐标系,根据匹配的特征点对在相似局部坐标系下局部特征值的相似度剔除误匹配特征点,实现精剔除。实验结果表明,本文算法可以有效的剔除SIFT算法匹配结果中的误匹配,同时,与低比率（0.6）测试匹配结果比较,准确度较高,降低了匹配正确的特征点被误剔除的概率。可见本文算法可有效的剔除误匹配特征点,获得准确度高的匹配点集。     

基于全息扫描的大型复杂钢结构变形监测与受力评估新技术

以重庆来福士高空连廊结构为项目依托,阐述了大型复杂钢结构变形监测的新方法和具体技术路线。针对变形监测中点云数据难以拼接的问题,通过空间特征点实现坐标系配准;针对变形监测点选取困难、数量多、工作量大的问题,提出一种基于算法提取结构的挠度变形曲线的方法,实现无监测点的变形监测;同时将有限元仿真模拟与三维激光扫描技术的变形监测相融合,根据三维扫描变形监测结果反向修正有限元计算,通过应力变化评估结构受力状态。结果表明:该方法有效解决了变形监测中的难题,保证了工作的效率和有限元计算的准确性,对于结构的健康监测具有重要意义。     

基于多尺度一维卷积神经网络的弯管冲蚀损伤智能检测方法

针对高压管汇损伤需要提高检测效率和准确率的问题,提出一种基于多尺度一维卷积神经网络(multi-scale one-dimensional convolutional neural network, MS-1DCNN)的弯管冲蚀损伤智能检测新方法,即用多尺度卷积层代替传统的单一尺度卷积层。在MS-1DCNN模型中,把通过模拟实验所得弯管冲蚀损伤原始时域信号作为多尺度一维卷积神经网络的输入,这样能解决传统方法依赖人工提取特征和专家知识的问题;然后,通过多尺度卷积层和池化层的交替连接对输入信号进行特征提取;最后,经由输出层输出弯管冲蚀损伤分类结果。模型试验结果表明：基于MS-1DCNN弯管冲蚀损伤检测方法可以有效检测出弯管冲蚀损伤,且平均检测准确率达到99.18%。研究可为高压管汇冲蚀损伤智能检测提供一种新思路。     

结合特征点匹配的在线目标跟踪算法

提出一种结合特征点匹配的目标跟踪算法.首先,通过显著区域跟踪方法,解决算法对初始化目标框大小敏感的问题,提高样本选取质量,并降低背景杂波对跟踪器的影响.其次,采用中值流法跟踪和特征点匹配相结合的方法估计目标的尺度变化,并通过层级聚类方法剔除干扰点,解决跟踪器漂移及目标平面旋转跟踪失败等问题.最后,提出一种简单的检测器自适应尺度快速搜索目标方法加快检测速度.结果表明:所提方法有效地提高了TLD目标跟踪算法的跟踪鲁棒性,并在标准数据集上得到了很好的效果.