基于DFTA的电牵引采煤机调高液压系统可靠性分析

MG950/1915型电牵引采煤机调高液压系统具有动态失效行为,用传统静态故障树法无法分析其可靠性.该文提出基于动态故障树的采煤机调高液压系统分析法,建立了油缸运动阻力大的动态故障树模型.首先求解动态故障树中不同子树的顶事件在不同时刻的发生概率,能得到整体动态故障树顶事件在不同时刻的发生概率.其次通过寻找顶事件发生概率最大的子树及子树中概率重要度最大的底事件,得到精过滤器和粗过滤器是采煤机调高液压系统的薄弱环节,为采煤机的优化设计提供了理论依据.     

基于图像检测的煤矸分拣机器人实验平台

目前煤矸预分选仍多为人工完成,劳动强度大、分拣效率低,且存在安全隐患,利用煤矸分拣机器人代替人工完成煤矸预分选是保障工人健康和安全、提高作业效率的有效途径。然而现有的煤矸分拣机器人在弱光照强度、煤矸表面覆盖煤粉等情况下的效果较差,针对上述问题,提出了基于图像检测的煤矸分拣机器人实验平台。该实验平台通过工业相机采集煤矸图像,利用ResNet18-YOLOv3深度学习算法对图像中的煤矸进行识别,采用TCP通信将矸石的位置信息提供给煤矸分拣模块进行轨迹规划,控制机械臂对矸石进行夹取,完成矸石分拣作业。采用Halcon标定法对实验平台进行手眼标定,从而实现相机像素坐标与机械臂空间坐标的转换;对实验平台进行了定位误差标定,对于尺寸均为50 mm以上的煤矸样本,定位误差不大于9 mm。实验结果表明,该实验平台在强光照条件下的煤矸识别准确率达99%,在弱光照条件下的煤矸识别准确率为95%,在煤粉附着条件下的煤矸识别准确率不低于82%,且煤矸分拣准确率为82%。     

基于FMEA和FTA的ZPW-2000A轨道电路可靠性分析

针对ZPW-2000A型无绝缘移频轨道电路系统的可靠性问题,提出采用故障模式影响分析（FMEA）和故障树分析（FTA）相结合的方法,对系统进行可靠性研究和分析。通过对系统分析和定义,建立故障模式影响分析表,找出所有可能的故障模式、故障后果、故障检测方法和补救措施等,在此基础上建立系统故障树,求取最小割集,进行定性和定量分析。定性分析判定系统的薄弱环节,定量分析计算顶事件的故障概率、各最小割集的重要度及系统的可靠性指标,通过与相关技术规定比较,验证了该可靠性分析方法的有效性。     

基于机器视觉的多机械臂煤矸石分拣机器人系统研究

现有煤矸石分拣方法主要是根据煤和岩石的纹理特征值,利用图像处理和模式识别技术对煤矸石进行识别分选,分选的煤矸石粒度为25～150mm,而对于150mm以上的煤矸石仍依靠人工进行分选。为了对大粒度煤矸石进行分拣,设计了一种基于机器视觉的多机械臂煤矸石分拣机器人系统。该系统采用机器视觉采集煤矸石信息,应用深度学习方法实现煤矸石识别和抓取特征提取;在获取煤矸石序列信息后,根据煤矸石位置进行排序工作,并通过多目标任务分配策略将抓取任务下达给相应机械臂控制器;机械臂获取任务后,根据获得的任务对目标进行动态监测,当目标进入机械臂工作空间后由视觉伺服系统驱动机械臂完成煤矸石分拣。试验结果表明,该系统可对粒度为50～260mm的煤矸石进行高效、快速分拣,所采用的煤矸石识别方法和分拣策略在不同带速下具有良好的稳定性和准确性,煤矸识别与定位的综合准确率可达93%,验证了该系统的可行性。     

基于FFAT的装载机液压系统故障诊断

在分析装载机液压系统故障特征的基础上,建立了液压系统的故障树层次模型,针对故障树底事件和中间事件发生概率情况获取不足的现状,将模糊集合理论引入到故障树分析中,采用模糊数来刻画事件发生概率,利用模糊重要度来描述底事件对顶事件的影响,并以装载机液压系统中"工作泵"故障树为例进行了分析.结果说明,该方法具有较强的灵活性和适用性.     

双臂并联煤矸石分拣机器人及其轨迹规划研究

目前的煤矸石自动分拣系统大多采用串联机械臂,只能分拣出粒度较小的矸石,且分拣速度较慢,分拣效果不理想。针对该问题,设计了一种双臂并联煤矸石分拣机器人。该机器人采用推动而非抓取的分拣方式,能够针对粒度为300～600mm的矸石进行分拣,且大大降低了机械臂的力矩需求,提高了分拣速度。为了避免频繁启停给电动机造成刚性冲击,延长电动机使用寿命,在关节空间下分别采用抛物线过渡的插值函数、三次多项式及五次多项式插值函数进行轨迹规划,仿真和对比分析结果表明,采用五次多项式插值函数进行轨迹规划时,角加速度曲线过渡平滑,不仅能满足机器人轨迹起始点和终止点的角度、角速度约束,还能满足其角加速度约束,使分拣机器人的运动轨迹更加平稳。实验结果表明:对于粒度为300～600mm的煤矸石,双臂并联煤矸石分拣机器人矸石识别率和分拣率分别为91.14%和86.29%,分拣准确率和稳定性较高;完成单次完整的分拣动作只需1.2s,与人工分拣相比大大缩短了分拣周期;通过在关节空间的轨迹规划,降低了分拣过程中电动机受到的刚性冲击,可保证机器人长时间稳定工作。     

基于T-S模糊故障树方法的惯性导航系统可靠性评估

针对传统故障树模型在复杂系统可靠性评估中的局限性,引入T-S模糊故障树建模方法对惯性导航系统进行可靠性评估分析.在建立T-S模糊故障树的基础上,以模糊门算法表征事件之间的逻辑关系,确定了基于基本事件模糊概率和故障程度的复杂系统可靠性评估方法,并对事件进行了概率重要度和关键重要度分析.案例分析表明,T-S模糊故障树分析方...     

一种基于深度学习的自动识别分拣机器人设计

通过对煤和岩石的纹理特征值进行分析,使用图像处理与模式辨别技术分拣煤矸石中的大粒度煤矸石,针对工作制作出了一种将机器视觉作为基础的多机械臂煤矸石分拣机器人系统。该系统在运用过程中通过机器视觉搜集煤矸石信息,采用深度学习的方法辨别与提取煤矸石的特点;当提取煤矸石基本信息后,依据煤矸石的位置开展排序工作,同时利用多目标任务分配策略把提取任务传送至机械臂控制器;当机械臂接收到任务之后,依据接收到任务实时监测目标,在目标进入机械臂工作区域后,使用视觉伺服系统促使机械臂分拣煤矸石。     

基于故障树-贝叶斯网络的受电弓系统可靠性评估

受电弓是城市轨道交通车辆重要电气设备,其稳定性直接影响车辆受流稳定性,受电弓的良好性能是车辆安全运营的保证之一.针对受电弓系统可靠性评估故障树分析法的局限性,将故障树分析法与贝叶斯网络相结合进行受电弓系统可靠性的分析研究.该方法不但能计算出受电弓系统可靠性指标,还可以对系统失效时各部件失效的条件概率进行求解,进而得到各个部件对系统的可靠性影响程度,进行正反推理诊断,找出受电弓系统可靠性的薄弱环节,提高了其可靠性分析的效率.为地铁车辆受电弓系统的可靠性评估及其故障检修提供理论依据.     

基于故障树最小割集的故障诊断方法研究

利用故障树分析原理，对基于故障树最小割集的诊断方法进行了研究。在给出故障树顶事件和底事件概率描述的基础上，计算了故障树最小割集的重要度，并在量级上进行了分析比较，为系统的故障源搜寻提供了具体有效的测试步骤。并给出了应用实例。     

传感器可靠性技术－传感器的故障树分析

介绍了传感器故障树的建立规则，顶事件发生概率及底事件概率重要度的计算方法。     

传感器可靠性技术－传感器的故障树分析

介绍了传感器故障树的建立规则，顶事件发生概率及底事件概率重要度的计算方法。     

二元决策图BDD在话务故障分析中的应用①

针对移动网络通话问题日益严重,需要建立一个故障树分析（FTA）模型。利用BDD技术分析各个基本事件的结构重要度、概率重要度和临界值重要度。基本事件的排序对故障树生成的BDD节点个数有直接影响,以及节点的结构重要度和概率重要度都有影响。采用相邻底事件优先排序法,能够尽量减少BDD节点个数和对重要度的影响。利用BDD法比传统FTA法计算的重要度数值更接近,计算效率更高。     

基于故障树分析的雷位误差可靠性研究

根据鱼雷雷位误差影响因素,构建雷位误差试验失败为顶事件的故障树,进行雷位误差可靠性的定性分析和定量分析,根据重要度分析计算的关键重要度,得出了各因素对雷位误差系统的影响程度,确定了系统的薄弱环节以及维修故障的顺序。通过控制这些关键部件的可靠度便能提高系统的可靠度,从而提高鱼雷雷位误差试验的可靠度。     

基于模糊理论动车制动系统故障树可靠性分析

动车组制动系统在可靠性分析过程中存在故障数据的不确定性问题,主要表现为数据的来源不同和事件语义表述不同等,导致很难获取系统事件发生概率的精确数值。因此传统的故障树分析方法对于这类问题的处理不能得到符合现实条件的准确数据结果,故提出运用模糊数学理论将事件的发生概率进行模糊化处理,并结合专家信心指数法通过故障树分析模型计算得出制动系统底事件的模糊概率重要度,并根据各底事件在不同故障状态情况下的模糊概率重要度的大小,找出影响系统可靠性的薄弱环节。通过对兰新客专上运行的动车组制动系统进行分析,结果与动车组制动系统实际运行情况相符合,验证了算法的可行性和有效性。为根据该线路故障的特点制定相应的检修和维护策略给出了理论依据。     

基于EAIDK的智能煤矸分拣系统设计

现有基于图像识别的煤矸石分拣方法实时性较差且整体分拣准确率不高,而基于密度的分拣方法适用于井下初选,成本较高。针对上述问题,设计实现了一种基于EAIDK的智能煤矸分拣系统。采用嵌入式人工智能开发平台EAIDK构建矸石识别和分拣控制硬件平台,在嵌入式深度学习框架Tengine下利用深度学习算法搭建卷积神经网络,建立端到端可训练图像检测模型,并利用智能摄像机获取的图像数据训练模型;通过手眼标定获得摄像机坐标系与机械臂坐标系之间的关系,控制机械臂进行矸石追踪和分拣。实验结果表明,该系统矸石识别准确率稳定保持在95%以上,机械臂跟踪时间小于30 ms,执行误差为1 mm左右,可以满足煤矸分拣工艺要求。     

基于机器视觉的机器人物料分拣系统的设计

随着生产技术发展和产业转型升级,机器人代替人工劳动是大势所趋,而视觉是机器人的“眼睛”。分拣是工业生产过程的关键环节,但传统分拣工作多以人工分拣为主,这降低了生产效率,且难以保证产品质量。运用基于机器视觉的机器人物料分拣系统,能对不同颜色的物料进行准确识别和精准定位。本文阐述了机器视觉应用的意义、基于机器视觉的机器人物料分拣系统组成,设计了基于机器视觉的机器人物料分拣系统软件,分析了系统的应用优势。通过实践,实现了基于机器视觉的机器人物料分拣系统功能,提高分拣安全性、可靠性和工作效率,从而提高工业生产的智能化,适应产业发展需要。     

基于蒙特卡洛的动车组差动保护可靠性研究

针对动车组差动保护系统,结合其故障机理及时序特点,构建动态故障树模型,利用马尔可夫蒙特卡洛方法,结合贝叶斯估计法和最大似然估计优点的混合算法来估计动态故障树各底事件的概率分布函数,构造顶事件的布尔函数,利用固定时间步长仿真法进行蒙特卡洛仿真分析求得系统故障概率分布函数,发现绕组故障对顶事件贡献度最高,底事件中锈蚀、谐振、外部短路等对于系统可靠性的重要度较大,可作为制订动车组差动保护系统检修策略的参考,为系统元件改进的优先顺序提供帮助.     

基于数学建模的PSO-DE算法在机器人智能拣货过程中的应用研究

随着互联网技术的发展,网络电商发展迅速。为更好地实现智能仓储系统中商品订单的分拣,提高拣货效率,研究基于粒子群算法和双重编码方式构建拣货机器人的智能数学模型。针对粒子群算法在实现过程中存在的问题,研究引入交叉算法对其进行改进。实验结果显示,研究提出的基于改进粒子群算法的双重编码智能机器人拣货算法在训练集上的F1值为0.925,显著高于另外几种方法。由此说明,研究构建的智能机器人拣货数学模型可以更好地实现智能仓储系统中商品的订单的拣货效率,全面提高商品订单的处理能力,实现资源的优化利用。     

基于贝叶斯网络的故障树在机械设备中的应用

由于故障树分析方法在可靠性分析中存在局限性,研究贝叶斯网络在可靠性分析中的应用,给出了故障树向贝叶斯网络转化的方法,以及基于贝叶斯网络求解顶事件发生概率的算法.最后对发控设备进行了分析,结果表明,基于贝叶斯网络的故障树分析方法更贴近实际。