单轴加载条件下大理岩的实时轴向波速变化特征与频谱分析

为研究大理岩在单轴应力条件下的实时轴向波速的变化特征,采用自主研发设计的超声波检测替代承压装置,完成了大理岩、Q345钢的单轴压缩试验与实时轴向超声波测试,并结合FFT方法分析了大理岩试样与Q345钢试样的波速、频谱特征。试验结果表明:在单轴加载条件下,Q345钢试件耦合面的接触性状是导致其波速增长的主要原因,而大理岩纵波波速随应力的变化则受耦合面接触性状与孔隙闭合特征的共同控制,大理岩在弹性范围内的波速变化可分为孔隙压密段与线弹性段两个阶段;试件端面接触性状越稳定,波速增长越慢,波速越高,次频带谐波能量越低;随着岩石内部的孔隙、裂纹被压密,纵波波速增大,频域信号的低频段能量逐渐向高频段转移。     

矿用无人卡车国内外研究现状及关键技术

分析了国内外露天矿山用卡车无人驾驶技术发展现状,详细介绍了露天矿山卡车无人驾驶关键技术;通过分析对比前装线控和后装线控两种技术路线的优缺点以及超声波雷达、毫米波雷达、激光雷达、4D光场智能感知系统、红外传感器、视觉传感器等环境感知技术的优缺点;提出多传感器高度融合将是露天矿山卡车实现全天候环境感知的发展方向。通过分析对比惯性导航系统、GNSS差分定位技术、车联网定位技术、电子地图定位技术、视觉传感器等定位导航技术的差异,指出多定位技术融合是露天矿山无人驾驶卡车定位方式的必然选择。结合露天煤矿的生产实际,提出将现有的无人驾驶各种技术算法与露天矿山标准作业流程有机融合是实现卡车无人驾驶的必由之路。最后指出无人驾驶卡车应用5G技术是露天矿山安全生产的关键和核心,是无人驾驶的必备技术。     

巷道智能化掘进的自主感知及调控技术研究进展

针对当前煤矿巷道综掘工作面的智能化程度较低,掘进效率低下的问题,分析了煤矿综掘工作面实现智能化快速掘进的关键技术--自主感知和调控技术。首先,探讨了智能化快掘创新方法与理论,以智能感知技术、自主控制技术、群组协同技术为核心,构建智能化快速掘进技术体系,以实现煤矿综合掘进机器人化装备的探-掘-护-锚一体化协同作业。其次,重点阐述了智能化掘进的自主感知技术,包括基于超宽带原理的位姿感知、基于双频激电法的超前探测、基于SLAM原理的环境感知、基于变迁记忆故障Petri网的故障感知等;自主调控技术,包括基于群体智能算法的智能截割、基于遗传变异粒子群算法的路径规划、基于BP神经网络PID算法的自主纠偏等。再次,详细论述了智能临时支护感知,包括围岩压力、顶底板状况、支架位姿等多维信息的感知,研究了非水平场景下掘支协同与多机组多缸联动的自适应控制方法;介绍了智能永久支护感知,包括围岩位移感知和支护装备受力变形感知,探讨了锚护网络结构优化方法,提出了基于粒子群优化算法的自适应钻进控制策略。最后,展望了煤矿巷道智能化掘进的自主感知及调控技术的发展方向。     

避免加速度倍频激励共振的凸轮从动件运动规律设计

提出了一种运用有限傅里叶级数进行凸轮从动件运动规律设计的方法,运用该方法可有效减小或避免凸轮机构运动产生的某倍频激励恰与所作用对象的固有频率相近或相等而产生较大的倍频振动或共振。凸轮从动件运动规律依据工艺运动要求设计,常用有高次多项式等,通过对其周期运动进行频谱分析,可得其加速度幅值频谱;结合考虑激励对象的动态特性,在满足凸轮从动件运动规律工艺运动要求的条件下,选择去掉该凸轮从动件运动规律加速度幅值频谱中那些易引起倍频激励共振的项,得到改进设计后的运动规律,进而达到通过改变激励源频谱特性来减小激励对象振动的目的。进一步通过对改进后的凸轮从动运动规律的有限傅里叶级数的项数及系数进行优化,可使其能更好地满足给定工艺运动要求。     

蜂窝异构网络中的最优频谱分配算法

异构网络通过在宏基站的覆盖范围内密集地部署低功率的节点,使小区得到分化,提升信道增益。但由于频谱资源有限,资源分配在带有中继节点的蜂窝异构网络中变得较为复杂。为改善信道的频谱效率,研究在带有中继节点异构网络中的最优频谱分配策略以及对应的用户接入策略,提出一个基于乘子法的高效算法,通过在乘子法迭代中寻找一组有限的频谱复用模式,得到最优的频谱分配和用户接入策略,实现最优的比例公平性。数值仿真结果表明,该算法可有效利用有限的频谱资源,相对于传统的频谱分配策略,网络性能明显提升。     

时空稀疏贝叶斯的多通道降噪方法及在机械故障诊断中的应用

压缩感知利用与稀疏基相独立的观测矩阵将具有稀疏结构的高维度信号投影到低维子空间,对于信号的压缩和降噪有很好的效果,但是稀疏基以及稀疏系数矩阵的获得对于分析的结果有决定性的影响。稀疏贝叶斯学习(sparse bayesian learning,SBL)算法能极大地提高信号稀疏分解的精度,提出了一种改进的基于时空稀疏贝叶斯(SpatioTemporal Sparse Bayesian Learning,STSBL)的多通道信号降噪算法。首先给出了多通道压缩感知理论模型,然后通过自适应过完备字典求取信号的稀疏基矩阵,最后提出基于STSBL的多通道理论模型获取多通道稀疏系数矩阵,从而实现多通道机械故障信号的有效降噪以及特征成分的精确重构。分别通过数值仿真实验和实测风力发电机轴承内圈故障信号进行分析,结果表明提出的方法有很好的降噪效果,同时能成功地提取信号的故障特征信息。