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。     

基于多传感器融合技术的飞灰含碳量测量

飞灰含碳量是衡量火力发电厂锅炉燃烧经济性的一项重要指标,目前广泛采用微波飞灰测碳仪进行在线监测。但在实际应用中灰种变化对仪器的测量精度有严重影响,该文针对火电厂飞灰含碳量的测量受灰种影响较大这一技术问题,分析了影响微波飞灰含碳量测量精度的因素,采用微波技术、电容技术,结合飞灰比电阻特性构造了多传感器融合的测量系统,利用BP神经网络对多传感器信息进行有效融合。试验结果表明,该方法可以在一定程度上降低灰种变化对飞灰含碳量测量结果的影响,并可提高对同一灰种的测量精度。     

基于MFCC和RBM的料位软测量北大核心CSCD

球磨机是应用于磨矿过程的关键设备,可靠测量其料位对实现优化控制和节能降耗具有重大意义。针对球磨机振声信号存在非线性及其梅尔频率倒谱系数(MFCC)存在不相关信息等问题,提出了一种基于MFCC、受限玻尔兹曼机(RBM)和支持向量回归(SVR)的软测量方法。首先对振声信号计算MFCC特征,然后采用RBM对MFCC进行特征提取,以减弱噪声和提高模型精度,最后将提取的特征输入支持向量机进行回归。实验结果表明该模型的有效性和可行性。     

基于预见控制的带式输送机调速节能方法

针对目前的带式输送机变速节能控制方法均在短时间内对速度进行调节,速度突变易导致输送带撕裂、打滑的问题,提出了一种基于预见控制的带式输送机调速节能方法。该方法根据前一级带式输送机的物料运载量计算使下一级带式输送机以额定运载量运行所需的速度,通过预见控制调节下一级带式输送机运行速度;针对噪声对调速效果的不利影响,在预见控制中利用卡尔曼滤波对被控带式输送机状态进行最优估计,削弱噪声干扰,使调速过程平稳。仿真结果表明,该方法能充分利用带式输送机的运载能力,减少带式输送机功率消耗,在保证带式输送机安全运行的基础上达到了调速节能的目的。     

KMEA算法及其在多传感器融合系统中的应用

将粗糙集和粒计算形成的知识获取机制融入思维进化算法,对进化过程中所产生的数据进行挖掘和知识发现,利用所发现的知识指导进化的方向,实现了知识指导下的思维进化算法,体现出人类思维活动过程中对知识的抽象和利用功能。对多传感器信息融合系统中神经网络权值优化的结果表明,该方法可降低神经网络在权值选择上的随机性缺陷,缩小搜索空间,提高网络的收敛速度和泛化能力。