电驱液压式大截面导线压接设备自动化研究

现有的压接设备可控性差、操作复杂,导致压接质量因人而异。针对此问题,提出了基于DDVC技术的导线压接设备自动化控制方案,建立了速度控制系统数学模型,应用Simulink进行仿真,分析系统性能。建立了基于DEFORM的耐张线夹压接实验模型,获得了耐张线夹压接的最佳加载速度曲线,并以此作为压接设备速度控制系统的Simulink仿真模型输入,对压接过程进行了仿真分析。结果表明:开环控制时系统存在一定的超调,加入PID控制后可有效抑制超调;所设计的压接设备可很好地跟随最佳压接曲线,跟随误差仅为0. 904 mm·s-1。研究成果对改进压接设备、提高压接质量提供了新的解决方案。     

基于H.264的煤矿井下无线视频通信

煤是我国的第一能源。要振兴煤炭工业，最重要的一条是依靠现代科学技术和提高现代化管理水平。但是，从我国目前煤矿现有的硬件装备及软件等技术水平来看，还远远达不到煤矿现代化通讯、煤炭生产及安全管理手段的要求。煤炭开采主要以井下为主，巷道可达数千米。矿井生产工序多、作业地点分散，人员流动性大且工作环境恶劣，事故隐患极大。矿井生产的这些特点对于建立一个良好的无线通信系统有着迫切的要求，而无线视频通信的实现，将是系统中最重要也是最具挑战性的工作。     

基于字典学习的煤岩图像特征提取与识别方法

现今的煤岩图像识别方法取得了一些阶段性的成果,但还无法满足实际需求。为了挖掘新的煤岩图像识别方法,研究了基于字典学习的煤岩图像特征提取与识别技术,提出用字典学习算法提取煤岩图像特征。字典学习算法采用随机选择的方法对字典进行初始化和更新。结合分类算法对煤岩图像进行分类识别,结果表明:通过字典学习,能简单有效表达煤岩图像的特征信息,获得了较高的识别率,且该特征提取方式具有较好的发展前景。研究结果可为煤岩界面的自动识别提供新的思路和方法。     

矿用聚焦双频激电法电场扫描探测方法

为实现煤矿巷道超前探测,提出了一种基于双频激电法和电场扫描探测理论的矿用聚焦双频激电法超前探测技术。基于共线点电流源的电力线方程理论,推导煤矿巷道探测电场边界电力线方程算法;提出电场扫描探测策略,分析了电场扫描探测的实际分辨率;基于电介质边界条件,根据巷道地质结构模型推导电力线偏移向量求解公式,分析了地质异常体对电力线的影响。理论计算表明:通过连续改变探测仪各通道电流强度,探测电场扫描分辨率理论上可任意设定,实际探测由实际地质工况条件选定;地质异常体的存在会影响电力线分布,板状体的厚度越大或者围岩与板状体之间的电阻率比值越大或者板状体倾角越大,则电力线偏移向量横坐标与纵坐标的绝对值越大;通过电场聚焦和偏转扫描探测,可确定异常体的直径和方位。     

移动机器人综采顶板压力视觉检测系统

运用移动机器人搭载摄像机对综采设备姿态信息进行采集,通过无线图像传输装置将图像信息传送至图像采集卡,采集卡对该信号进行采集、量化,压缩编码成数字视频,再通过USB接口把压缩的视频数据传送到主机上,应用Matlab采集和处理接收的图像信息,处理结果直观,为综采设备姿态提供信息数据和决策依据。     

基于免疫克隆算法和K-medoids的网络节点聚类

在大规模分布式网络应用中,对网络节点进行聚类是构建高效网络体系结构的有效办法之一.在利用网络坐标系统Vivaldi得到各个节点的网络坐标的基础上,对网络节点进行K-medoids聚类.然后,针对K-medoids算法对初始中心选值敏感和易陷入局部极值的问题,提出基于免疫克隆算法的K-medoids聚类.实验结果表明,该聚类算法具有良好的可靠性及可扩展性,能对节点进行有效聚类.     

基于空间交汇测量技术的悬臂式掘进机位姿自主测量方法

根据深部危险煤层无人化开采的需求,要实现无人环境下对悬臂式掘进机位姿的高精度测量。提出一种基于空间交汇测量技术的悬臂式掘进机自主位姿测量方法,由悬臂式掘进机搭载激光发射器并发射旋转激光平面,在其后方安装位置固定的激光接收器并通过激光平面获取激光发射器相对于其自身的方位,从而得到悬臂式掘进机相对于由激光接收器确定的巷道坐标系的位姿状态。构建悬臂式掘进机位姿测量的数学模型,运用仿真软件对该模型进行仿真并分析位姿测量精度。仿真表明：在激光发射器与激光接收器相距25 m时悬臂式掘进机定位点的最大测量误差在X轴,测量误差为0.082 3 m;姿态角的最大测量误差为横滚角,测量误差为2.018 4°。基本满足目前煤矿综掘工作面对悬臂式掘进机位姿测量精度的要求。     

一种新的PM模型最优扩散参数估计方法

基于偏微分方程的图像非线性扩散滤波,关键是确定合适的扩散机制与参量。在分析非线性扩散性质的基础上,结合图像的结构特征和视觉特性,提出了一种最优梯度阈值和最佳扩散时间尺度的估计方法。实验结果表明该方法与最小均方误差准则、信噪比准则和相关系数最小准则相比,具有更好的稳定性和视觉特性。     

可拓神经网络在变压器故障诊断中的应用

可拓神经网络是一类新的神经网络,它结合了可拓学理论和人工神经网络技术。可拓神经网络已经在模式识别、故障诊断、分类聚类等领域有了成功的应用。针对变压器故障诊断的特点,提出一种基于可拓神经网络的电力变压器故障诊断方法。介绍了可拓神经网络;构造了基于可拓神经网络的故障诊断模型和算法设计,并将其应用到电力变压器的诊断识别;通过仿真实验验证了该方法简单易行、训练误差小、收敛时间快等优点。该方法具有一定的应用及推广能力。     

HL-Isomap+SVM在网络入侵检测中的应用

支持向量机所具有的处理小样本和良好的推广能力的优势,在入侵检测中得到了广泛应用。考虑到数据特征的高维性和冗余性,特征提取是一个关键步骤。采用非线性流形学习算法L-Isomap对入侵检测数据进行特征选择,然后应用one-class SVM训练并识别异常。通过将异构值差度量（HVDM）距离代替欧几里德距离提出了HL-Isomap。选用KDD数据集来比较上述不同模型,实验结果表明了降维方法的有效性,尤其是误警率性能得到了显著的提高。