刮板输送机水平面形态检测方法

针对现有刮板输送机水平面形态检测方法测量结果不准确的问题,提出了一种基于采煤机与刮板输送机协同位姿解算的刮板输送机水平面形态检测方法。该方法首先根据采煤机与刮板输送机在运行过程中的耦合关系,利用Rodrigues参数法对捷联惯导系统信息进行解算,获得采煤机在刮板输送机上运行时的位姿信息;然后将解算的采煤机位姿信息、已知的刮板输送机中部槽航向角代入建立的刮板输送机水平面形态检测数学模型,计算出刮板输送机各中部槽航向角,从而得到刮板输送机在水平面的工作形态。试验结果表明,该方法对刮板输送机中部槽航向角的检测误差为0~1.5°,对刮板输送机水平面形态的最大检测误差为30.70mm,满足刮板输送机水平面形态检测要求。     

综采工作面中部跟机自动化控制的数学模型

针对综采工作面的双向割煤生产作业特点,分析了采煤机、液压支架、刮板输送机联合运转时的协调控制过程,根据采煤生产作业中刮板输送机弯曲段形成原理,提出了刮板输送机弯曲段形成的数学模型;在该模型基础上,分析了工作面中部液压支架跟机自动化作业的工艺过程,提出了综采工作面中部跟机自动化控制数学模型;根据该综采工作面中部跟机自动化控制数学模型,对某煤矿3107综采工作面相关参数进行了计算,并总结了3107综采工作面中部跟机自动化生产的经验。应用结果表明,综采工作面中部跟机自动化控制的数学模型与跟机自动化工艺过程相吻合,为进一步实现智能化综采工作面提供了理论基础。     

基于小波和长短时记忆的IMU去噪方法

针对MEMS IMU误差累积问题,在对误差分析建模的基础上,利用其高低频和时序特性,研究了一种小波变换和长短时记忆神经网络相结合的去噪方法。首先通过Allan方差分析IMU输出误差特性,构造误差模型,其次借助小波变换将IMU误差分解为高低频成分,分别利用小波阈值去噪和长短时记忆网络建模来降低噪声。最后以小波重构方法得到去噪后的IMU测量值,将此方法应用于6D激光标靶和IMU组合测量系统的姿态解算,经过比对实验,能够有效分离随机误差频率特性,进一步消除高频噪声,优化姿态误差,提升组合系统动态性能。     

基于Mahony与误差状态卡尔曼滤波融合的姿态解算方法

针对惯性测量单元(IMU)精度较低的问题以及传统姿态解算算法误差较大的缺点,提出了一种基于IMU的融合Mahony滤波与误差状态卡尔曼滤波(ESKF)的姿态解算方法。为降低因非重力加速度及磁干扰所带来的误差,根据加速度计和磁力计的置信度设计两个不同的自适应PI控制器改进Mahony算法,IMU测量数据经其解算,作为ESKF的量测值。ESKF将真实状态定义为名义状态与误差状态的组合,间接完成对系统状态的估计。因误差量为小量,所以误差状态线性化时的误差更小,雅克比矩阵的计算更简单。经实验验证,相较于传统姿态解算算法,融合算法能有效减少高频噪声、数据漂移带来的误差,提高姿态解算精度。     

复杂工况下采运装备虚拟运行关键技术研究

当前综采工作面采运装备虚拟仿真技术都是建立在水平理想底板上,不能真实模 拟采运装备在底板不平整的复杂工况条件下的运行状态。针对这一问题,在虚拟现实引擎 Unity3D 中,对采煤机与刮板输送机在复杂工况下虚拟运行的关键技术进行研究。通过建立采 运装备的虚拟现实场景,结合采煤机在刮板输送机上的虚拟定位定姿方法,重点对刮板输送 机的虚拟弯曲、采煤机支撑滑靴销轴的坐标解析与采煤机虚拟运行等关键技术进行研究。开 发原型系统并进行实验验证,实验结果表明,虚拟刮板输送机的形态与实际布置形态的误差 小于 15 mm,采煤机机身倾角误差小于 2°,满足实际工作要求的精度。该系统可以真实再现复 杂工况下采煤机与刮板输送机的动态配套关系与运行状态,为综采工作面远程监测系统的建立 奠定基础。     

综采工作面刮板输送机的自动化、智能化控制技术

从综采工作面刮板输送机的电动机软启动控制和机电设备工况监测两个方面,综述了刮板输送机的自动化、智能化控制技术,指出综采工作面刮板输送机的自动化、智能化必将推动刮板输送机无人值守的实现,进而推动采煤机、液压支架和刮板输送机联动作业的、无人的和全自动工作面的实现。     

基于不同倾角的刮板输送机中部槽的冲击磨损研究

针对刮板输送机运输过程中中部槽处的冲击磨损问题,以SGZ630/220型中双链式刮板输送机为研究对象,建立了刮板输送机运输煤散料的离散元模型,通过分析煤颗粒的物理性质与中部槽冲击磨损的原因,研究刮板输送机在输送煤料过程中,不同位置的颗粒大小分层及中部槽冲击磨损差异,并通过分析刮板输送机中部槽应变云图对研究结果进行了验证。研究结果表明：(1)中部槽在侧倾角为0°的工作条件下,冲击损伤深度更大且法向累计接触能量更大,在4 s末中部槽累计的冲击损伤深度为0.000 161 6 mm。在侧倾角工作状态下,有些煤颗粒没有直接对中部槽产生冲击,而是直接对中部槽的槽棒产生冲击,所以该状态下4 s末中部槽累计的冲击损伤深度较小。(2)侧倾角为0°时4 s末中部槽累计冲击损伤深度最大,达0.000 161 6 mm;前倾角为5°时中部槽累计冲击损伤深度略大于前倾角为-5°的冲击损伤深度。前倾角为0°时对中部槽的影响最大,最大应力为2.85×10⁵ Pa,最大应变为6.03×10^-7mm,前倾角为5°、-5°时依次递减。     

基于扩展卡尔曼滤波的球形机器人姿态解算

针对球形机器人在姿态解算的过程中,惯性测量元件精度不高、稳定性差和易受噪声干扰从而导致无法精确控制其运动姿态的问题,提出一种通过扩展卡尔曼滤波融合IMU(Inertial Measurement Unit)惯性测量元件数据来进行姿态解算的方法,利用多传感器测量数据进行融合,并使用扩展卡尔曼滤波得到精确的姿态信息。通过相关实验充分验证了基于扩展卡尔曼滤波的姿态解算方法的精度和鲁棒性明显提高,抗噪声干扰能力更强。实验表明,该姿态解算方法相比于互补滤波的姿态解算,全姿态角均方根误差和平均误差分别下降了0.0601和0.1984,可见其对于球形机器人的运动控制具有良好的适用性。     

基于数据驱动的综采工作面采运协同控制方法研究

目前针对采煤机与刮板输送机协同控制的研究初步建立了采运系统协同控制机制,但均未考虑非结构化综采工作面环境下,影响采运系统稳定运行因素的不确定性和耦合特性,以及煤流状态和刮板输送机负载电流受井下电气系统影响而无法真实反映刮板输送机负载变化的情况。针对上述问题,提出了一种基于刮板输送机负载电流强化和随机自注意力胶囊神经网络（RSACNN）的综采工作面采运协同控制方法。针对刮板输送机电动机电流的电气耦合特性,运用电流强化模型对原始刮板输送机电流进行预处理,得到能够反映煤流系统真实负载的电流分量。针对综采工作面采运系统运行状态参数与采煤机牵引速度存在着高度非线性和不确定性关系,难以建立精确数学模型的问题,基于胶囊神经网络（CNN）可保存综采工作面采运系统运行状态突变等细粒度特征的特性,建立了基于RSACNN的综采工作面采运协同控制模型。实验结果表明：RSACNN算法与自注意力胶囊神经网络（SACNN）算法、CNN算法的调速结果相比,预测的采煤机牵引速度精度更高,预测速度与真实速度的拟合度分别提高了0.032 05和0.075 04;平均绝对误差分别降低了17.7%,22.6%;平均绝对百分误差...     

基于MARG的无人机抗干扰系统的研究

由IMU或电子罗盘组成的无人机航姿测量系统易受载体有害加速度或周围局部磁场干扰导致姿态角解算不准确;针对该问题提出将自适应扩展卡尔曼滤波算法应用于该系统;在卡尔曼滤波算法中提出引入分段函数构造自适应测量噪声方差阵;相比于传统噪声方差阵的阈值判断方法,该方法提高了传感器信息的利用率,进一步减小了外界干扰对系统姿态估计的影响,最终提高了姿态角的解算精度;最后针对该方法进行了仿真分析和无磁转台实验验证,仿真和实验结果表明,该方法能有效提高无人机航姿测量系统的抗干扰能力,具有一定的应用价值.     

运动平台双IMU与视觉组合姿态测量算法

快速、准确地获取被测物体的姿态信息,对于航空航天、工业生产等领域都具有重要意义。相较于单IMU测量物体相对于惯性坐标系的姿态,在未知平台的运动状态的情况下,采用双IMU实现物体相对于运动平台坐标系的姿态测量。将IMU测量速度快、短期精度高的特点与视觉测量误差不随时间发散的特点相结合,研究运动平台上双IMU与视觉组合姿态测量算法。提出了一种多速率自适应拓展卡尔曼滤波（MAEKF）算法来融合IMU与视觉的测量结果。采用正交双矢量标定法与q-method实现惯性测量中的坐标系标定。实验证明,该组合姿态测量算法能快速、准确地测量被测物体相对于运动平台的姿态。     

基于MEMS传感器的姿态测量系统设计

为解决单目三维扫描装置摄像机标定完成后姿态不能改变的问题,针对单目三维扫描装置使用过程中的运动方式与特点,设计了一款基于MEMS传感器的姿态测量系统;采用四元数对姿态进行解算,通过三轴姿态确定(TRAID)算法构建量测模型,以无迹卡尔曼滤波(UKF)算法进行数据融合,能有效抑制姿态解算过程中陀螺仪的漂移问题;实验结果表明,利用该系统进行姿态测量时静态误差低于±0.2°,动态误差低于±1°,系统实时性好、适用于动态三维扫描系统。     

自动化放煤控制系统研究

针对综采放顶煤工作面后端的综放工作面采用人工放煤控制方式,与综采放顶煤工作面前端的综采工作面自动化水平差距较大的问题,研究了一种自动化放煤控制系统。根据放顶煤液压支架上安装的倾角传感器和前后部刮板输送机千斤顶中的行程传感器,控制液压支架放煤机构位姿,实现放煤量精准控制;通过在液压支架尾梁上安装云台摄像仪和红外发射器,对放煤全过程进行实时视频监视,实现后部刮板输送机运煤量和直线度的检测与控制;利用图像灰度识别技术进行煤矸识别,检测采出顶煤的含矸率。该系统提高了放煤效率和质量,为实现综采放顶煤工作面无人化提供了思路。     

工作面刮板输送机煤流状态识别方法

煤矿井下工作面刮板输送机场景中存在的刮板输送机姿态多变、煤料形状不规则、设备安装位置受限、高粉尘、异物遮挡等不利因素,导致现有针对带式输送机场景的煤流状态识别方法无法有效在刮板输送机场景下进行工程化应用。针对上述问题,提出了一种基于时序视觉特征的工作面刮板输送机煤流状态识别方法。该方法首先利用DeepLabV3+语义分割模型获取工作面煤流视频图像中粗略煤流区域,并在此基础上通过线性拟合方法进行精细煤流区域定位与分割,实现煤流图像提取;然后将煤流图像按视频时序进行排列,构成煤流图像序列;最后采用C3D动作识别模型针对煤流图像序列进行特征建模,实现煤流状态自动识别。实验结果表明：该方法能准确获取煤流图像并自动、实时识别煤流状态,煤流状态平均识别准确率达92.73%;针对工程化部署应用,利用TensorRT对模型进行加速处理,对于分辨率为1 280×720的煤流视频图像,整体处理速度为42.7帧/s,满足工作面煤流状态智能监测实际需求。     

基于STM32的四旋翼飞行器姿态解算的研究

分析了四旋翼飞行器的姿态解算原理,提出了一种基于 STM32的姿态测量系统。系统由 STM32F407微控制器和捷联惯性测量组件(IMU)组成。利用四元数描述姿态进行坐标换算,采用多传感器数据融合方案,通过互补滤波算法进行数据融合,获取精确的姿态角,并完成姿态解算。实验结果表明,采用互补滤波算法有效融合了捷联惯性测量组件的传感器数据,实现了四旋翼飞行器的高精度姿态解算。     

直接法UKF在组合导航中的应用

提出直接法卡尔曼滤波(UKF)应用于GPS/捷联惯导(SINS)组合导航,避免对非线性系统的线性化。选择SINS惯导系统输出位置和速度作为系统状态,GPS输出的导航参数作为观测量,使用IMU提供的姿态,用UKF方法结合反馈法对组合导航参数直接进行估计,不仅可以避免了每次导航复杂的初始对准过程,同时保持参数误差不会无限增大。根据是否出现GPS中断两种情况进行,实验结果表明,可以直接使用IMU提供的姿态对智能清洁船的定位导航。     

遥测测试中的IMU初始对准问题

本文在分析惯性测量单元(IMU)的解算算法的基础上,利用姿态转动分析了遥测测试中惯性测量单元(IMU)数据解算的初始四元数提取方法,并对其进行推导和验证,仿真结果表明了该方法的有效性。     

基于MEMS传感器的惯导系统预处理和姿态解算

为解决MEMS惯性传感器的系统误差和环境干扰影响,捷联惯导系统(SINS)无法准确测量姿态的问题,设计了一种基于优化自适应无迹卡尔曼滤波(优化AUKF)的姿态解算方法。先对陀螺仪和加速度计的误差信号进行预处理,分别建立ARMA模型和一元高阶模型,使用经典Kalman滤波实现其过程,然后建立姿态角的微分方程,使用高精度的优化AUKF算法实现姿态角解算过程。跑车实验结果表明,该方法可以得到高精度的姿态角信息,抑制 MEMS陀螺漂移引起姿态角发散。     

一种采煤机组合定位系统及实验研究

综采工作面采煤机定位定姿技术,是液压支架跟机自动化和采煤机记忆截割的基础。采用捷联惯导监测采煤机姿态、速度及位置等运动参量,结合无线锚节点与移动节点间几何位置与局域信号对偶映射,建立了捷联惯导与无线传感器网络耦合模型,采用C＃＋MATLAB＋SQL交互式软件构建了采煤机组合定位系统,在采煤机、液压支架和刮板输送机“三机”平台上进行采煤机定位定姿性能研究。实验结果表明：捷联惯导能够有效地对采煤机姿态角度进行监测,但是长航时下采煤机位置存在累计误差,通过无线传感器网络位置对捷联惯导的位置进行周期性校正,组合定位系统下采煤机X和Y轴平均定位误差为0.118 m和0.268 m,能够得到采煤机实时可靠的位置和姿态。     

采煤刮板输送机挡板槽帮的拓扑优化分析

简述了国内外刮板输送机的发展过程及现状,介绍了刮板输送机的基本结构,并分析了目前我国刮板输送机设计中存在的问题。由于槽帮的重量占刮板输送机总重量的8 0%,所以对槽帮进行优化就显得尤为重要,本文就是针对此问题利用拓扑优化的方法,对刮板输送机的挡板槽帮进行了优化。