基于激光扫描的带式输送机瞬时煤量检测方法

针对现有井下带式输送机煤量激光仪器检测方式未提出明确激光线提取方法的问题,提出了一种基于激光扫描的带式输送机瞬时煤量检测方法。通过数字摄像仪和激光仪器获取带式输送机上散煤的图像,利用Ohta颜色空间特性提取激光线轮廓,并进行基于索引表的激光线细化和连接处理;根据离线获取的基线和实时获取的激光线,采用梯形面积累积法计算散煤的截面面积,实时获取带式输送机的瞬时煤量。测试结果表明,该方法检测结果与实际煤量匹配,准确性高,实时性好。     

一种带式输送机物料流量多点超声检测方法

针对单点超声测距技术用于带式输送机物料流量检测时,在煤块分布不均或存在较大煤块情况下测量误差较大的问题,提出了一种基于多点超声对向测距技术的带式输送机物料流量检测方法。该方法通过对物料表面和胶带表面进行多点坐标定位,计算出物料近似截面积,结合带式输送机运行速度,得出物料流量。试验结果表明,在运输煤块较大且不均匀的情况下,该方法的检测误差较单点超声测距技术小。     

输送带上煤含水率检测装置设计

针对煤矿在利用输送带运输煤炭的过程中容易发生煤自燃的问题,提出了一种输送带上煤含水率检测装置的设计方案,介绍了装置的硬件和软件设计。该装置利用微波透射法,通过测量微波功率衰减得到煤的含水量。标定实验证明该装置具有误差小、测量精度高的优点,为煤矿测量输送带上煤含水率提供了一种有效方法。     

基于液压感知的带式输送机煤流量检测系统

针对煤矿生产过程中带式输送机煤流量难以实时、精确测量的问题,利用STM32芯片和W5500芯片,实现了采用液压感知技术对矿井带式输送机煤流量进行实时检测的方法。首先,利用液压缸和压力传感器测量得到传送带上的物料负载量并进行处理和传送;然后,利用光电编码器测量传送带带速;最后,依据模型计算得到传送带上的物料流量。实验结果表明,该方法实现了带式输送机煤流量的实时检测,检测精度为90%,证明了基于液压感知和有限元分析计算煤流量的正确性,为带式输送机变带速控制奠定基础。     

基于超声波的带式输送机多点煤流量监测系统设计

针对高带速、大运量矿用带式输送机煤炭瞬时流量难以实时准确测量的问题,设计了一种基于超声波的带式输送机多点煤流量监测系统,介绍了系统硬件、软件及煤流量检测算法设计。该系统利用超声波传感器和速度传感器获取带式输送机高速运行下的煤高、煤堆截面积、输送带速率等参数信息,并利用煤流量检测算法对数据进行拟合分析,计算出煤流量。测试结果表明,该系统能对输送带煤流量进行准确测量,测量精度达到91%。     

基于双阀值法的超声油品密度检测系统的研究

介绍一个超声油品密度检测系统的测量原理和基本结构,提出了采用了多次反射法和恒温油浴的方法来提高精度,使精度能达到国家标准要求,具有一定的实用价值。     

基于图像识别的带式输送机输煤量和跑偏检测方法

传统的卷积神经网络(CNN)是单任务网络,为实现带式输送机输煤量和跑偏的同时检测,使用2个卷积神经网络分别对输煤量和跑偏进行检测,导致网络体积大、参数多、计算量大、运行时间长,严重影响检测性能.为降低网络结构的复杂性,提出了一种基于多任务卷积神经网络(MT-CNN)的带式输送机输煤量和跑偏检测方法,可使输煤量检测和跑偏检测这2个任务共享同一个网络底层结构和参数.在VGGNet模型的基础上,增大卷积核和池化核的尺度,减少全连接层通道数量,改变输出层结构,构建了MT-CNN;对采集的输送带图像进行灰度化、中值滤波和提取感兴趣区域等预处理后,获取训练数据集和测试数据集,并对MT-CNN进行训练;使用训练好的MT-CNN对输送带图像进行识别分类,实现输煤量和跑偏的准确、快速检测.实验结果表明,训练后的MT-CNN在测试数据集中检测准确率为97.3%,平均处理每张图像的时间约为23.1 ms.通过现场实际运行验证了该方法的有效性.     

基于超声CT的混凝土质量阵列检测方法研究

针对超声波在混凝土检测中存在的问题,采用了一种新的超声CT阵列检测方法。在研究超声在混凝土中传播特性的基础上,将射线追踪算法引入到层析成像中,对线阵式SIRT重建算法进行了改进,实现了环绕面阵式SIRT算法重建。通过数值仿真表明：采用上述方法能够明显改善层析成像效果。     

基于双阈值法的超声辊型在线检测的研究

To eliminate the error of distance measurement caused by amplitude change from signal attenuation, the method based on dual thresholds is introduced． Thus the precise ultrasonic measurement is accomplished． Combining wiht the mechanical scanning the on-line detection of roller shape is implemented．     

基于TOF深度图像修复的输送带煤流检测方法

传统的带式输送机煤流检测装置中,核子胶带秤存在一定安全和环保隐患,电子胶带秤检测精度易受输送带张力、刚度等因素的影响;而基于超声波、线激光条纹、双目视觉等技术的非接触式检测方法存在实时性差、测量误差较大等问题。提出了一种基于飞行时间(TOF)深度图像修复的输送带煤流检测方法。通过TOF相机获取输送带运煤图像;对TOF图像进行均衡化处理,采用帧差法和边界跟随算法去除背景噪声,获得感兴趣的煤料区域;针对TOF深度图像因边缘处存在飞行像素噪声与多径误差噪声而导致的边缘信息不准确问题,提出强度图像引导的深度图像修复算法,通过Canny边缘检测算法寻找深度图像和强度图像的相似边缘,基于强度图像的有效边缘信息对深度图像边缘处的不可靠数据进行校正,并进一步基于Navier-Stokes方程和中值滤波器得到高精度深度图像;对煤料区域进行像素级分割,并建立煤料体积计算模型,结合输送带速度得出输送带煤流。实验结果表明,该方法的检测误差不超过3.78%,标准差不超过0.491,平均处理时间为83 ms,满足实际生产要求。     

基于深度学习的矿用输送带损伤检测方法

针对目前输送带损伤检测方法缺乏对输送带撕裂以外其他损伤类型研究的问题,提出一种基于深度学习的矿用输送带损伤检测方法,通过Yolov4-tiny目标检测网络对输送带损伤类型进行分类。Yolov4-tiny目标检测网络以CSPDarknet53-tiny作为主干特征提取网络,借鉴Resnet残差思想,使用残差块防止深层网络中高层语义特征丢失,同时采用特征金字塔网络实现高低层语义信息融合,达到提高检测精度的目的;将CSPDarknet53-tiny中的2个有效特征层输入预测网络Yolo Head,通过得分排序和非极大值抑制算法对预测框进行筛选,从而预测输送带损伤类型。实验结果表明,Yolov4-tiny目标检测网络在输送带损伤数据集上对表面划伤、撕裂、表面破损和击穿4种损伤类型检测的平均精度分别为99.36%,94.85%,89.30%,86.76%,平均精度均值达92.57%;与Faster-RCNN,RFBnet,M2det,SSD,Yolov3,EfficientDet和Yolov4目标检测网络相比,Yolov4-tiny目标检测网络在数据集上取得了最快的检测速度,帧速率达101帧/s,实现了较好的速度与精度的平衡,且占用计算资源相对较少;通过对数据集外新鲜样本的检测,验证了本文方法具有较好的泛化能力。     

基于ZYNQ的阵列涡流无损检测系统

圆柱形金属试件的阵列涡流检测可以通过几个围绕试件布局的阵列线圈组成的探头来完成,阵列涡流探头由完全相同的8个线圈组成并在一定的空间结构下完成对金属试件的探测。设计1个基于Zynq-7020的阵列涡流检测系统,该系统借助激励通道的8个模拟开关可以对一个或多个线圈进行激励,借助一个8选1模拟开关可以对8个阵列线圈进行分时采集,通过数字相敏检波算法完成对信号的提取。试验结果表明,此系统可以保存、传输、处理阵列探头的激励信号和感应信号,并完成测量阵列探头灵敏度的试验任务。     

基于气体传感器阵列的动态检测系统

描述了一个基于传感器阵列的气体检测系统,其阵列由6只气体传感器组成。系统采用较以往静态加热所不同的动态加热方式,重点介绍了该系统的硬件结构。通过分析系统的气体响应特性实验得出:该系统具有静态测试所不具备的许多优点,如,信号特征多、容易识别等。     

基于全卷积神经网络的输送带撕裂检测方法

针对现有输送带撕裂检测方法存在井下可见光成像质量差、缺少撕裂物理尺寸测量手段、泛化能力差等问题,提出了一种基于全卷积神经网络的输送带撕裂检测方法。该方法基于线结构光成像原理采集图像,可有效解决煤矿井下光照条件差的问题;采用改进最大值法进行线激光条纹检测,可有效排除条纹断点,精确提取条纹,并拟合出缺失点;选用全卷积神经网络中的U-net网络对线激光条纹进行撕裂分割,将撕裂检测问题转换成语义分割问题,并通过降维对U-net网络进行优化,从而减少参数量和计算量;将分割结果反投影回原始图像,利用线结构光标定数据完成撕裂物理尺寸测量。实验结果表明：改进最大值法可有效处理线激光条纹断点区域,无误检和漏检,性能优于Steger法和灰度重心法;U-net网络收敛速度快于SegNet和FCNs网络,迭代的稳定性较强,评价指标最优,U-net4网络性能优于U-net3和U-net5。在验证集上的检测结果表明,撕裂检测的召回率为96.09%,精确率为96.85%。在实验平台的测量结果表明,撕裂物理尺寸测量的最大相对误差为-13.04%。     

基于改进TPDS长阵列的车辆超偏载检测研究

由于车辆超偏载检测过程中,受天气、路况等因素以及车辆行驶状态影响,导致信号组成的阵列过短,利用传统的TPDS(Trackside Performance Detection System,TPDS)车辆超偏载检测精度较低、耗时较长。提出基于改进TPDS长阵列的车辆超偏载检测研究。通过车辆运行品质轨边动态监测系统,利用测距传感器与数据采集仪将力学信号转换成电压信号,将输出信号并将其组合为长阵列输入到系统的测距传感器中;采用EDM算法对长阵列中的噪声点实施消除处理;将4个测距传感器安置到货运车辆底部,采用货运车辆动态称重方法,计算车辆上各弹簧组承载力的总和,并结合车辆有用信号,对车辆的载重情况展开测量,实现对车辆的超偏载检测。实验结果表明,利用长阵列改进TPDS系统后,测试具有较高的测量精度、检测效率以及检测稳定性。     

基于PIC12C508单片机的超声测距系统

介绍一种基于PIC12C508单片机的超声波测距系统，给出了系统的设计和分析，进行了测距实验和数据分析。该系统可以用在汽车倒车雷达，机器人控制等自动控制领域。     

多探头超声波车流检测系统的设计

介绍了利用超声波原理研制的“多探头超声波车流检测系统”的设计思想、设备的功能、结构和特点 ,该检测器可用于检测行驶中机动车的车高、车长、车辆大中小等各种参数。     

基于双阀值法的超声辊型在线检测系统

介绍一种基于双阀值技术提高检测精度的超声在线辊型检测方法,同时系统还采用参考探头的方法,消除温度、压力等对声速的影响,从而实现精确的超声测距,达到辊型在线检测的要求。