基于切割力响应的煤岩界面识别技术研究

简述了采煤机切割状态识别及滚筒自动调高的意义;分析了煤岩界面识别的技术关键;指出了煤岩界面识别的信号选择途径、特征提取及分类器设计的方法。     

基于模糊神经网络信息融合的采煤机煤岩识别系统

针对采用单一信号进行煤岩界面识别实现采煤机滚筒高度调整控制时精确度和可靠性不高的问题,提出一种基于模糊神经网络的多传感器信息融合煤岩识别方法。通过实验数据采集和分析得到不同煤岩比例截面截割过程中的振动、电流以及声功率谱信号特征样本,根据最小模糊度优化模型求得各煤岩识别信号的模糊隶属度函数,采用基于自适应神经网络模糊推理系统构建的多维模糊神经网络实现多传感器信息的决策融合,得到高可信度和精确度的滚筒调高控制量值。实验室截割实验对比以及现场随机煤岩轨迹的截割实验结果表明,采煤机滚筒截割轨迹与实际随机煤岩轨迹基本吻合,实验结果验证了系统的有效性和可靠性。     

基于切割力响应的煤岩界面识别技术研究

简述了采煤机切割状态识别及滚筒自动调高的意义,分析了煤岩界面识别技术的关键;指出了煤岩界面识别的信号选择途径,特征提取及分类器设计的方法。     

基于EMD与神经网络的煤岩界面识别方法

针对放顶煤中煤岩界面难以识别的问题,采用检测液压支架尾梁振动信号的方式进行了研究,提出一种基于经验模态分解(empirical mode decomposition,简称EMD)和神经网络的识别方法。首先,对振动信号进行经验模态分解,得到多个固有模态分量(intrinsic mode functions,简称IMF);然后,对各IMF进一步分析以提取特征参数;最后,选择若干个包含主要信息的参数组成特征向量作为神经网络的输入来识别落煤和落岩两种情况,实现煤岩界面的自动识别。实验结果表明,分别以各IMF的能量、峭度和波峰因子组成的特征向量均可用于识别煤岩界面,且当以能量组成特征向量时比其他两种方式具有更高的识别率。     

基于虚拟仪器的采煤机自动调高系统研究

通过对比国内外煤岩界面识别传感器,选择记忆截割法来进行煤岩界面识别,针对振动信号和截割电机的设备特点进行分析,利用一种基于虚拟仪器系统的采煤机调高方法,这种方法对采煤机的运行状态和电流变化都有很好的监测性。利用虚拟仪器来设计采煤机的自动调高系统,控制程序和分析程序由LABVIEW软件实现,通过仿真软件对调高系统进行验证,结果表明此系统可以较好地实现采煤机自动调高。     

采煤机振动特性研究

为研究复杂煤层赋存条件下采煤机的振动特性,针对引起采煤机振动的三方面因素进行分析,从采煤机振动信号的识别以及振动信号时域、频域分析两方面分析了采煤机振动信号的分析思路,为实现煤矿井下采煤机截割煤岩界面的自动识别提供理论基础。     

基于EMD与峭度滤波的煤岩界面识别

煤岩界面识别问题一直是制约放煤自动化发展的一项关键问题,液压支架尾梁振动信号分析法是近年来发展较快的一种有效方法。该方法中煤和矸石信号在频域内存在差异是非常有用的信息,但因系统低频干扰较多且两种信号差异微弱,无法直接提取使用。通过对振动信号使用经验模态分解(empirical mode decomposition,简称EMD)得到多个固有模态分量(intrinsic mode function,简称IMF);以峭度为准则,选取煤和矸石差异最大的通道对信号重新合成;使用Hilbert边际谱分析煤、矸石的频域范围,以矸石频域特征区域求取带通滤波最优截止频率;对合成后的信号进行滤波。实验结果表明,该方法能够减少信号低频干扰、突出较高频成分,使煤与系统干扰的低频信号视为常态被屏蔽,而混入煤中的矸石较高频信号能够被及时识别,实现了煤岩界面识别的目的。     

全向凝视型多目标识别实验研究

针对目前大视场凝视红外多目标处理技术的急需,提出了基于红外鱼眼全向凝视型多目标识别数据处理系统和威胁水平排列算法。给出了全向凝视型多目标识别系统组成、硬件电路和算法实现方法,通过采集序列红外图像,实现不同目标在航路、距离、方向、速度等参数的提取。综合目标运动速度、加速度、方向等因素,对多目标威胁等级排序。通过半实物仿真红外多目标源的配合实验,证明了识别系统的可行性和处理精度。     

5G技术赋能的智能离散制造车间主动调度模式

分析了当前离散制造车间调度模式的不足和面临的挑战，在此基础上，提出一种5G技术赋能的智能离散制造车间主动调度模式，将生产过程的传统被动调度模式转化为“互联-预测-调控”的主动调度模式。针对实际生产中交货期变化、机器故障等异常工况，通过5G技术构建云-边-端协同的车间多源异构数据互联互通体系，打通各层级之间的通信壁垒，实现全生产要素的数据实时感知与互联以及生产指令的上传下达；基于感知数据，采用深度学习等人工智能技术实现车间运行状态与异常事件的精准预测；根据预测结果主动调控生产计划，优化资源配置，构建了云-边-端协同的主动调度机制，实现调度“规则+算法”的混合联动，降低异常事件对生产过程的影响，实现复杂动态制造环境下的车间性能优化。     

基于神经网络的煤岩界面识别

主要论述了BP网络在煤岩界面识别中的应用,根据本问题的特点设计了BP网络结构,并提出了一种改进的BP算法,使收敛速度加快,性能有所提高。     

智能化挖掘机的研究现状与发展趋势

智能化挖掘机是传统挖掘机与人工智能、自动控制和信息物理网络等技术深度融合的产物。相对于传统挖掘机,其拥有更高的功率利用率及作业精度,集远程作业、环境感知、智能诊断为一体,在抗震救灾、太空及水下作业等领域都有广阔的应用前景。然而挖掘机液压系统具有强非线性、流量耦合、时变等特点,而工作装置又存在动力学耦合和负载不确定性,结构简单、参数依赖度低、高精度的智能控制算法将提高挖掘机自主作业精度;由于视觉传感器易受光照、气象条件影响,研究多传感器融合及其智能算法将提升挖掘机的环境感知能力;液压系统故障模式隐藏性高,受机载设备硬件限制,探索非冗余小规模深度学习网络和压缩感知技术是实现在线智能故障诊断的关键。从轨迹控制、环境感知、远程控制与智能故障诊断四个方面,综述了挖掘机智能化的国内外研究现状;指出了智能化挖掘机发展存在的问题与发展趋势;最后根据现有研究成果得出了五点结论。     

基于MCGS触摸屏、三菱PLC与RFID无线射频模块的通讯应用

随着工业物联网的发展,借助于控制终端,构建由触摸屏、PLC、RFID无线射频模块组成的工控系统,实现信息的传输与处理,着力实现信息深度自感知、智慧优化自决策、精准控制自执行。有效地实现了数据的互联互通,信息的识别与处理,诠释了智能制造的新方向。     

DOI:10.3969/j.issn.0254-0150.2012.10.021

通过对润滑油红外光谱区间选择、平滑、求导等预处理和识别方法的选择,建立润滑油红外光谱专家识别系统,并介绍该系统的功能和使用方法.红外光谱预处理可以有效消除仪器等因素对光谱质量的影响;选择指纹区为润滑油的识别区间,避开了润滑油基础油的红外谱峰的影响,提高了识别准确度;普鲁克识别方法可以有效消除测样方式等对光谱质量的影响,进行润滑油指纹区的轨迹识别比通常的特征峰检索方法能更有效地识别润滑油红外谱图.利用所建的润滑油红外光谱专家识别系统对不同油品进行识别验证,结果表明所建的专家系统使用方便,能有效识别润滑油.     

人体信息检测与智能人机交互

<正>人体信息检测旨在感知并获取人的多部位、多层次、多状态的原始信息,经处理与识别,最终得到所需有用信息。人体信息自然种类繁杂、属性多样,所需检测技术亦须能广纳博采、洞察秋毫、知微度渐。而人机交互技术是近年兴起通过计算机(或机器)控制界面,以对话方式实现人体与机器信息交流的高新技术。它与认知心理学、人工智能、人     

激光熔覆过程中的粉、气、光耦合温度场

激光熔覆过程中,粉末到达基体表面前存在粉、气、光的耦合温度场.建立了送粉过程中粉、气、光耦合温度场的三维数值模型.耦合温度场的研究结果表明:激光功率是影响耦合温度的主要因素,载粉气是影响耦合温度场的主要因素;温度场的红外测温仪实测结果与仿真结果基本相符.     

FAST反射面索网支承结构误差敏感性分析和多误差耦合分析

500 m口径球面射电望远镜(Five-hundred-meter aperture spherical radio telescope,FAST)的主动反射面采用柔性索网作为支承结构,通过促动器连接下拉索控制索网实现主动变位观测,这对索网支承结构的制作和安装精度要求高。采用正态分布的随机误差分析方法,针对面索和下拉索的系统索长误差、主动面索张拉力误差及外联节点安装误差,分别进行了独立误差分析和多误差耦合分析,掌握各误差对索力的影响程度,确定各误差的控制指标。分析表明:面索系统索长误差和外联节点安装误差是影响索力的主要因素;多误差的耦合效应不是各独立误差效应的线性叠加,应综合考虑主要误差因素进行耦合分析来确定控制指标。分析结果:面索和下拉索的系统索长误差限值分别为±1.5 mm和±20 mm,主动索张拉力误差限值为±5%,外联节点安装误差限值为±50 mm。这为FAST索网支承结构施工质量的控制提供了依据。     

基于足端位置的六足机器人漫游地形感知与表征

未知复杂地形的精准感知与量化表征长期制约着六足机器人运动性能与作业效能的本质提升。针对传统基于外部传感的地形感知与表征方法普遍存在的感知范围局限、感知精度不足、表征效果欠佳等突出问题，研究借鉴足式生物地形感知机理，充分利用足端与地形交替离散接触特性，创新提出基于足端位置的六足机器人漫游地形感知与表征方法。通过构建时变机体坐标系下足端位置解算模型，解决漫游地形无序足端序列坐标高效求取难题。基于足端序列的周期化处理与矢量化描述，建立基于周期足端位置状态的局部地形量化表征方法，间接构建时变机体位姿与局部地形间周期映射关系。系统分析相邻周期机体位姿间耦合约束与变换机制，建立基于机体位姿变换的全局形貌拓扑重构方法，以连续精准机体位姿作为参照实现周期映射局部地形的拓扑拼接。样机实验结果表明，基于足端位置的六足机器人地形感知与表征方法相比传统方法能够在无需增设外部观测传感器件条件下较为精准合理的量化表征不同特征局部地形，并实现漫游地形全局形貌的精准拓扑重构。     

刨煤机煤岩刨削破碎数值模拟研究

为研究刨煤机刨刀刨削煤岩的破碎过程及其影响因素,采用数值模拟方法对刨削过程进行分析,鉴于煤岩为非均匀介质,对煤岩图像进行识别,采用图像重构方法建立煤岩三维模型,增加了模拟的准确性,为有限元的非均匀物质三维建模提供新的理论和方法,得到更准确的模拟仿真数据。通过模拟不同工况下刨刀的破煤过程,得到刨刀与模拟煤壁的接触力。研究结果表明:随着刨削深度的增加,刨刀受力增加,受力逐渐趋于稳定,但由于煤质的变化,力在一个稳定值附近上下波动;刨削速度对刨刀载荷的影响不大;煤岩坚固性系数越大,刨刀模拟载荷越大。     

基于BP神经网络的截齿磨损程度在线监测

为实现截齿截割过程中磨损程度的实时精准在线监测,提出了一种基于BP神经网络的截齿磨损程度多特征信号融合的检测方法。通过提取截割过程中不同磨损程度截齿的三向振动信号、红外温度信号和电流信号,建立了不同磨损程度截齿的多特征信号样本数据库,采用多特征信号样本对BP神经网络进行学习和训练,建立截齿磨损程度的识别模型,实现截齿磨损程度在线监测与精确识别。实验结果表明:基于BP神经网络的截齿磨损程度监测系统,网络判别结果和测试样本的实际磨损程度类别相符,该BP神经网络系统能够对截齿磨损程度类型进行准确的监测和识别。     

基于注意力机制—门控循环单元—BP神经网络的智能多工序工艺参数关联预测

鉴于流程制造工序间能质流耦合严重，性能指标影响因素众多，工艺参数时序特征显著，现有制造模式下难以精准预测产品质量，在分析流程制造工艺性能指标多维、强时序、关联耦合特征的基础上，提出一种基于注意力机制—门控循环单元-BP神经网络(Attention AM-GRU-BPNN)的多工序耦合参数关联预测方法。首先采用互信息方法筛选多态异构生产数据作为输入，建立ConvGRU自编码器，通过无监督学习对过程数据、工艺参数、操作参数等进行时序特征提取，同时引入时序注意力机制提取不同工序的耦合关联特征并进行向量嵌入，为不同工序的工艺参数分配注意力权重。在此基础上，设计Attention网络自学习不同时刻下工艺关联特征对质量性能指标的影响差异，再通过门控循环单元网络对重要的关联特征进行增强，并按照时序特征对单工序预测模型进行聚合，实现多工序时序特征融合，最后通过输出层BPNN神经网络精准预测产品工艺质量。实验表明，AM-GRU-BPNN有效提高了预测精度，从多工序角度为生产线工序的加工过程控制提供了依据。