双侧旋转式胶带断带捕捉装置

研究了一种新型断带捕捉装置--双侧旋转式胶带断带捕捉装置.该装置针对上运胶带的上胶带设计,由纯机械的断带传感器和双侧旋转式捕捉装置2部分组成,实现了良好的断带捕捉效果.介绍了该捕捉装置的基本组成部分和基本工作原理,并且对装置进行了虚拟样机试验.　通过现场工业性实验,结果表明,该装置能够很好的对断带进行捕捉.     

输送带纵向撕裂差影法图像识别技术研究

为了对带式输送机输送带纵向撕裂进行即时的监测和报警,把差影法图像处理技术引入到输送带纵向撕裂保护装置领域中.在现有研究算法的理论基础上,详细阐述了在Visual C 平台下,采集到的图像经过灰度化、差影运算、二值化等一系列处理过程.在边缘检测基础上,利用灰度跳变的特点检测到落煤,达到发现输送带撕裂的目的.通过现场试验证明,图像模式识别可以被引入到煤矿输送带撕裂监控系统,并且识别效果良好,具有广阔的应用前景.     

基于分数阶差分ARIMA模型的煤炭消费预测

煤炭的消费情况十分复杂,对煤炭消费量进行预测与分析,可为合理安排煤炭生产提供参考依据。而通常的分析预测是基于ARMA或ARIMA模型进行的,此类模型是不考虑其长期记忆性和非高斯噪声的。本文介绍了分数阶信号处理和长期记忆过程,提出应用分数阶差分ARIMA模型对煤炭的消费情况进行建模和预测。实验结果表明,其推广的ARFIMA模型能较好地预测其变化趋势,预测偏差较小,更接近于实际值,可为今后的生产消费决策提供有效参考。     

液压支架液压缸密封件密封性能评价技术研究

从密封件的密封机理出发,基于三维影像测量仪建立了密封件的几何尺寸测量系统,对蕾形密封件进行几何尺寸测量,验证该检测方法的准确性和重复性;同时以密封件的密封性能试验为基础,结合有限元仿真分析几种典型密封件进行理论研究,得出相应结论。结合上述的几何尺寸测量手段、密封性能试验以及相应的理论分析,建立了液压支架液压缸密封件密封性能评价系统,从而有效地提高液压支架的密封质量,减少立柱千斤顶的泄漏。     

热喷涂表面预处理工艺的优化

以钢桥梁表面预处理工艺为研究对象,在选择了基材表面预处理方法的同时,采用正交试验法优化了喷砂工艺参数,为正确使用该工艺提供了依据.     

6类布线系统--必然的选择

当前基于1Gbit/s的应用需求已将超5类布线系统推到了极限,耐克森公司推出了LANmark-6创造性设计,LANmark-6解决方案可将系统的BER(误码率)降到最低,并使网络设备有更好的兼容性和减少对外界因素的敏感程度.相对于标准的超5类网络,在吉比特以太网应用时,耐克森6类解决方案可以将BER减小到10-4,在快速以太网应用时,可减小到10-13.它不仅可以应用于下一代2.5Gbit/s的未来高速网络应用,而且可以通过6类系统带宽的提升,从而减少吉比特网络设备的投资.     

露天矿山无人驾驶运输技术现状及发展趋势研究

随着近几年无人驾驶通用技术的发展,无人驾驶运输在露天矿山封闭作业场景中得到了快速应用推广与发展。主要探讨了无人驾驶技术应用于矿山运输领域的研究现状及发展方向。综合分析了露天矿山的运输安全风险。根据具体用途,将无人驾驶技术细分为线控技术、环境感知技术、定位导航技术、路径规划技术、决策控制技术、通讯网络及调度技术,并剖析和比较了各关键技术具体实现方式的优缺点。综合以上对各关键技术的研究分析,得出结论：多技术融合实现环境感知、定位导航、路径规划和决策控制是当前矿山无人驾驶技术发展的必然趋势。     

数字闭环加速度计控制器设计与仿真

分析了用于石英挠性加速度计的数字闭环检测系统的控制算法,为满足数字闭环加速度检测电路的需要,设计了数字控制系统。与传统的模拟闭环检测系统相比较,采用全数字处理能够提高系统的检测精度。首先,提出了系统的数字闭环模型,然后对其中所用的纯积分控制器和改进的控制器进行了详细的分析,最后通过实验验证,得出控制算法可行有效且能够极大提高系统带宽的结论。     

在VB6中用面向对象的技术进行数据库访问

本文主要探讨如何在VB6中使用面向对象技术进行数据库的访问：它提出了两种行之有效的模式,并详细介绍这些模式的实现技术及其优点。     

基于神经网络的典型地物的偏振多光谱图像分类（特邀）

相比传统的多光谱成像探测,偏振多光谱成像探测方法可以探测目标表面的粗糙度、含水量等更多信息,给目标检测带来了很大便利,但目前主要用于目标探测,尚未广泛应用于目标分类。BP神经网络是目前常用的一种典型神经网络,可以建立从端到端的映射,在训练样本集足够大的前提下,训练完毕且效果良好的神经网络是一种高效、精确、快速的工具。首先,利用基于旋转偏振片和滤波片的偏振光谱成像探测系统获取了典型地物的偏振多光谱图像,对图像进行了预处理,建立了数据集;其次,在该数据集上进行了神经网络的训练,训练后的神经网络可以处理未知的偏振多光谱图像,并实现了对几种典型地物的分类;最后,对神经网络分类的效果进行了评价,并与其他几种典型分类方法的效果进行了对比,发现神经网络方法具有更好的分类精度和效果,相比典型的最大似然分类算法,其总体分类精度可从91.7%提升至94.2%,Kappa系数可从0.851提升至0.898。研究结果表明:基于神经网络的偏振光谱图像分类方法对于改进和优化现有的偏振多光谱图像数据处理方法具有一定的研究意义。