刮板输送机卡链断链工况力学特性研究

考虑到刮板输送机长距重载的工作特性,恶劣的工作环境、复杂的工况,常导致卡、断链事故发生.为研究刮板输送机的卡、断链瞬态力学特性,基于弹性波动理论,考虑负载的阻力建立了链条纵向波动的普遍方程,确定了边界及初值条件,并对数学模型解析求解,采用Matlab软件对直接起动工况和卡、断链故障工况的刮板输送机动力学问题进行了数值仿...     

基于改进Mask Scoring R-CNN的铲齿磨损检测研究

为了实现在电铲工作过程中对铲齿磨损进行实时检测，防止因铲齿磨损而影响电铲开采效率，提出了一种基于改进Mask Scoring R-CNN（region convolutional neural network，区域卷积神经网络）的铲齿实例分割模型。首先，以ResNet-101（residual network， 残差网络）和改进的FPN（feature pyramid networks，特征金字塔网络）作为主干网络，提取高、低特征层的语义信息和细节特征并融合，结合ROI Align层对局部特征层进行裁剪和归一化处理，以完成目标检测与实例分割；然后，基于获取的铲齿分割效果图以及二值化掩码图形信息，计算实例分割后图像中铲齿部分的像素面积，以判断其磨损情况。结果表明，以ResNet-101和改进FPN为主干网络的铲齿实例分割模型在测试集上的平均像素精度为90.76%，平均交并比为83.62%，相比于以ResNet-101和传统FPN为主干网络的实例分割模型分别提升了1.18%和1.21%。在电铲采掘工作现场进行8次铲齿磨损检测实验，检测到的每颗铲齿的磨损程度波动幅度均小于2%，均方差为0.7左右，说明所提出的实例分割模型对铲齿有较好的分割效果和稳定性，基本满足磨损检测要求。研究结果可为铲齿磨损状态的智能化检测提供新思路。