基于区块链的煤矿视频监控数据存储共享研究

煤矿行业视频监控系统具有监控节点部署众多,视频存储量大,包含大量的检测信息等特点。 传统的 煤矿视频监控系统具有数据存储中心化、易受攻击以及视频和检测数据泄露和查找困难等问题。 针对这些问题,利 用区块链设计一个煤矿视频监控系统。 首先,使用了边缘设备传输数据,解决了因监控产生海量数据,传输实时性差 的问题;其次,利用星际文件系统分布式特点存储检测数据,在云中心存储全部视频;为了解决检测数据和视频泄露 问题提出基于属性与流加密混合;最后提出基于区块链的分布式存储构架,实现了检测信息和视频双重存储系统。 分析表明所设计的系统能保证数据传输以及存储的安全性。     

基于ECT技术的充填管道内固液两相流仿真方法研究

矿山充填过程中，管道中产生的结块和充填料浆中夹杂的废石会造成堵管或爆管等严重安全事故，制约了矿山充填技术的应用与发展，所以及时对管道内堵塞结块及废石的方位和大小进行检测,对矿山充填的安全稳定有着重要意义。以电容层析成像(ECT)技术为基础，研究了矿山充填管道的检测方法。针对传统ECT重建算法成像质量差、精度低等问题，提出了一种适用于充填管道内固液两相流检测的基于极限学习机和卷积神经网络的ECT图像重建方法。该图像重建网络由单隐藏层前馈神经网络和图像预测网络两部分组成。利用极限学习机建立电容数据与介电常数值的映射关系，并通过图像预测网络完成对图像的重建。通过充填管道仿真试验，证明了该方法不仅能够有效减少重建图像的伪影和变形，提高图像重建准确度，而且对充填管道中可能出现的复杂情况有较好的重建效果。所提出的ECT图像重建方法对于矿山充填管道内存在的堵塞结块及废石的检测有很好的效果，可以有助于推动ECT技术在充填管道检测领域的应用和推广。     

基于虚拟仪器的电路板自动测试系统的软件实现

针对生产电路板数量多和测试方法自动化程度低的问题,设计了一种基于虚拟仪器技术电路板测试系统,该系统借助NI公司的PXI板卡,采用测试子程序的分层实现,并由主程序对这些子程序进行调用,实现了电路板测试的自动化、可视化,从而提高了测试系统的效率,并最终实现了对电路板进行准确故障定位。由于该系统极大的提高了电路板测试的自动化程度和测试的速度,所以在一些大量生产电路板的企业和研究所具有广泛的应用前景。     

基于矿区巷道巡检机器人的LOAM-SLAM地图重建改进算法的研究

由于井下路况复杂,矿区巷道巡检机器人在井下获取点云数据时,点云中的点会随着激光雷达运动产 生运动畸变,即点云中的点会相对实际环境中的物品表面上的点存在位置上的误差,从而无法获得正确的里程计信 息,导致既定路线精度较低,容易造成井下安全问题。 通过研究 SLAM 建图算法-LOAM 算法,分析该算法利用三维空 间中运动的两轴单线激光雷达将定位和建图分别进行,从而提高精度。 在该算法的基础上,同时结合井下成本,选择 单轴单线激光雷达进行数据采集,进行点云匹配时,采用 Harris 3D 角点检测,选取角点作为点云帧数据中的关键点进 行匹配,在保证计算量的同时,去除部分冗余数据。 定位部分则利用 EKF(扩展卡尔曼滤波),消除运动畸变,通过状 态方程和预测方程,对机器人进行运动估计,提高定位精度,达到建图所需要求。     

IP地址捆绑方式方法研究

针对目前网络管理中的IP地址捆绑技术问题,本文提出了几种比较全面的解决方法,并探讨了各种方法的优缺点,为广大技术人员防范安全隐患、进行故障定位提供了比较完善的实施参考。     

舒尔特方格与LSTM的注意力分级建模

在基于脑电信号的注意力分级研究中,存在两个亟待解决的技术难点。第一不同注意类型的脑电数据采集及标注困难;第二脑电特征提取算法忽视原始脑电信号时序特征。针对以上问题,设计了基于视觉搜索和反应时技术的舒尔特方格范式,实现对不同注意类型脑电数据的采集以及自动标注;设计长短期记忆深度学习网络（LSTM）实现对注意力分级,保存原始脑电信号的时序特征。实验结果表明,注意力分级模型可以很好区分高中低三种注意力水平;对比现有的五种基于EEG信号的注意力分级算法,小波变换（DWT）、近似熵、共空间模式（CSP）、基于相干系数的脑网络和卷积神经网络（CNN）,在相同的EEG数据集上,该注意力分级模型识别准确率最高,高出DWT算法21.49个百分点;高出近似熵算法25.82个百分点;高出CSP算法20.53个百分点;高出基于相干系数的脑网络算法13.32个百分点;高出CNN9.05个百分点。     

脑波信号控制轨道小车系统的研制

脑波信号识别是脑机接口（BCI）技术需要解决的关键问题之一。针对脑波信号的数据处理以及特征提取,提出了采用小波变换系数计算“专心度”的特征来描述精神力集中强烈程度以及脑电波活跃状况,并结合实际测试得出不同精神状态下的检测算法。设计了一款基于ARM处理器的脑波控制轨道小车系统,将“专心度”值发送给小车系统,实现了不同精神状态下对小车车速的控制。实验结果表明,采用专心度的特征在识别效果方面要优于FFT的单一频率特征。并且该系统能够快速提取出脑波特征并实时地控制轨道小车行驶,系统性能稳定具有一定的实用价值。