带式输送机煤流量自适应检测方法

针对现有带式输送机煤流量检测方法存在检测精度易受环境影响、实现过程复杂、信息提取耗时较长等问题,提出了一种基于机器视觉的带式输送机煤流量自适应检测方法。首先,采用基于小波变换的融合算法对带式输送机运输煤料原始图像进行增强处理,并采用OTSU算法将增强图像分割为胶带图像和煤料图像;然后,对煤料图像进行空洞填充、轮廓检测和面积计算等处理,获取煤料图像面积信息;最后,采用基于数学建模的煤流量检测算法,通过计算煤料瞬时体积获得煤流量检测值。试验结果表明,该方法平均检测时间约为30ms,检测结果与电子胶带秤测量结果的误差约为5%,满足带式输送机自动调速控制系统对煤流量检测实时性和准确性的要求。     

基于机器视觉的运煤车车号识别技术研究

在铁路运煤装车过程中为了快速、准确地识别车号,提出一种基于机器视觉的运煤车车号识别技术。将连通区域提取与投影分割法结合,实现车号的粗定位、细分割,并对图像中的断裂字符进行二次分割,构建了基于BP神经网络的分类模型进行车号识别,提升了煤炭装车的效率和精度。     

一种基于鲁棒随机向量函数链接网络的磨矿粒度集成建模方法

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性.      

矿井通风机倒机过程自适应PID抗饱和控制器设计

针对矿井通风机倒机过程中存在的执行器饱和问题,将变结构PID抗饱和控制与非线性自适应控制相结合,设计了自适应PID抗饱和控制器。基于带死区的投影算法建立矿井通风机倒机过程线性和非线性模型;针对这2个模型,分别设计一个变结构PID抗饱和控制器;计算线性和非线性自适应PID抗饱和控制器在不同状态下的运行评价指标,选择评价指标值较小的控制器用于该状态下的矿井通风机倒机过程控制。仿真结果表明,自适应PID抗饱和控制器能够保证井下传输风量的平稳,很好地解决了执行器饱和问题。     

基于位置和功率协同优化的煤矿工作面可见光通信光源分布

分析了煤矿工作面可见光通信系统模型,设计了两种工作面通信空间发光二极管(LED)光源分布优化方法,可分别实现每个LED光源在空间顶部的二维位置的优化,以及每个LED光源二维位置及其功率分配权值的协同优化。应用烟花算法,设置接收平面的信噪比(SNR)因子作为群体优化算法的目标函数,并作为衡量接收平面信号均匀性的指标。研究结果表明,两种优化方法得到的接收平面信号SNR因子比等功率均匀阵列光源分布的SNR因子分别降低了16.6%和24.6%,明显改善了接收信号SNR波动,提高了信号均匀性,保证了不同用户之间的同等通信质量。     

矿井突水水源识别的GA-SVM方法研究

针对目前支持向量机(SVM)参数选择不准确导致突水水源识别率不高的问题,提出经过遗传算法(GA)优化的支持向量机应用于突水水源的识别,研究结果表明,该模型的预测结果与实际情况相符合,更加适用于矿井突水的水源识别。