采空区地裂缝混合域注意力变形卷积网络检测方法

为了保护生态环境和人员安全,周期性地对煤矿采空区的地裂缝进行检测至关重要。传统的地裂缝人工巡检方法耗时长、效率低下,且无法保障巡检人员安全。航拍视角下的地裂缝与路面、桥梁等裂缝具有相似特征,都呈现出狭长形状。但是,一般煤矿采空区地裂缝分布在山区,其背景和噪声更为复杂,导致传统图像处理方法性能不佳。因此,提出一种基于混合域注意力变形卷积网络的地裂缝检测方法。针对地裂缝的狭长特性,引入变形卷积,在特征提取中自适应地确定感受野的范围。混合域注意力机制为特征图中不同通道和不同空间位置的特征信息赋予相应权值,来强化特征图中特定通道和空间位置对地裂缝检测的贡献程度。其中,通道域注意力模块利用通道池化,并经过卷积和激活函数为每个通道生成0～1的权值,强化了特定通道对检测的贡献;空间域注意力模块利用空间池化,并结合变形卷积训练得到每个空间位置的权值,使得模型能更有效地获取空间信息。基于此,给出注意力机制引导的地裂缝检测一般框架,应用无人机搭载高清摄像头采集采空区图像进行地裂缝检测。实验中,所提方法与一阶段检测模型SSD300、SSD512和RetinaNet相比,平均精度分别提升了0.246,0.10...     

一种多特征融合的复杂场景动态目标跟踪算法

针对传统目标跟踪算法在目标形变、遮挡或光照变化等复杂场景下容易丢失目标的问题,提出了一种融合多特征的复杂场景动态目标长时间视觉跟踪算法,该算法基于跟踪学习检测(TLD)框架,首先,利用高斯二阶滤波器提取跟踪目标在不同方向的纹理信息,通过纹理信息采用Hessian矩阵计算图像曲面的主曲率,融合主曲率与RGB颜色信息建立目标特征概率直方图模型;然后,使用融合多特征的Mean Shift算法替代TLD框架中的光流法,降低跟踪模块的计算复杂度;最后,采用P-N学习策略构建快速级联检测器,实现跟踪失败时准确检测并重新初始化跟踪器快速修正跟踪结果.在OTB-50公开数据集和煤矿井下巷道视频上进行动态目标跟踪测试.结果表明:所提算法能够实现目标形变、遮挡或光照变化等复杂场景动态目标长时间跟踪,具有较高的鲁棒性和跟踪精度.     

群体智能优化算法

正0引言群体智能(swarm intelligence)的核心思想就是若干个简单个体构成一个群体,通过合作、竞争、交互与学习等机制表现出高级和复杂的功能,在缺少局部信息和模型的情况下,仍能够完成复杂问题的求解[1].其求解过程为对求解变量进行随机初始化,经过迭代求解,计算目标函数的输出值.群体智能优化算法不依赖于梯度信息,对待求解问题无连续、可导等要求,使得该类算法既适应连续型数值优化,也适应离散型组合优化.同时,     

交互式遗传算法基于NN的个体适应度分阶段估计

针对交互式遗传算法中人的疲劳问题,提出一种基于神经网络(NN)的个体适应度分阶段估计方法,给出了神经网络估计进化个体适应度与人的评价之问的转换策略以及神经网络学习效果的评价指标,并分析了算法的复杂性．实例结果验证了该方法的有效性。     

液压支护平台的异步自抗扰平衡控制

迈步式超前支护液压支架主要用于煤矿综掘迎头巷道的临时支护,其关键部件之一是支护平台.巷道底板难以保持水平等因素的影响,使得液压支护平台很难平衡,从而影响了巷道支护的快速性与有效性.为了保持液压支护平台的平衡性,本文提出了该平台的异步自抗扰平衡控制方法.首先,借鉴平台传统四缸同步控制方法,提出逐高双向异步控制方法,基于此方法得到每一立柱油缸位移解耦后的期望值;然后,根据立柱油缸位移控制系统特性,设计了自抗扰控制器,保证每一立柱油缸的位移在复杂工况下精确的达到期望值;最后,将所提方法应用于煤矿综掘巷道迈步式超前支护液压支架调平中,建立了基于MATLAB和AMESim的仿真系统.不同场景的仿真结果表明,液压支护平台在负载和倾角突变时,所提方法仍能很好的保持液压支护平台的平衡,且具有比传统PI控制以及GM(1, 1)灰色预测控制具有更优越的动态性能.     

变频泵控锚杆钻臂摆角动态滑模自适应控制

巷道支护锚杆/锚索安装过程中, 液压锚杆钻机钻臂通常人工控制, 定位精度低, 导致钻杆安装偏离设计位置, 引起设备故障和巷道坍塌. 因此, 设计一种基于动态切换函数的滑模自适应摆角控制器. 针对变频泵控液压锚杆钻臂旋转系统存在的诸多内外部干扰, 设计自适应律和动态滑模控制器, 有效降低抖振和抑制干扰. 联合仿真实验表明, 动态滑模自适应摆角控制能够有效克服诸多不确定性对系统的影响, 无超调的准确跟踪设定值, 满足煤炭安全规程中锚杆/锚索安装偏转角控制和巷道稳定支护的需求.     

起重机械事故原因分析与安全管理的探讨

进入二十一世纪以后,现代工业技术有了迅猛的发展,起重机械作为现代工业技术的辅助工具也日趋重要,但是现今起重机的使用和安全管理却存在着各种各样的问题。因此,并进一步加强起重机械的操作使用、定期检验、机械维护以及后期保养,并从根本上落实国家的安全生产与机械管理政策,是十分必要的。为此,本文对起重机械安全事故发生的原因进行了分析,针对事故原因提出了相对应的管理对策,以期提高起重机械操作的安全性,实现安全生产。     

粗糙集理论在滚动轴承故障诊断中的应用

粗糙集是一种软计算方法,它不需要任何先验知识和理论推导,仅依赖于原始数据,从数据中发现潜在规律和隐含规则,其核心任务是数据约简,得到最简决策规则。文章基于粗糙集理论的可辨识矩阵算法,对滚动轴承故障信息表进行属性约简和属性值约简,得到了精简的诊断规则,从而方便了信息的机器处理,也为基于规则的滚动轴承智能故障诊断系统提供了一种更为简单的知识库自动构造方法。     

跳汰机床层松散状况软测量建模方法研究

应用人工智能的方法建立了跳汰机床层松散状况的软测量模型，该软测量模型的建立分2步完成：首先根据工业现场的操作经验和化验分析结果，应用跳汰机分选效果主要指标（不完善度和错配物总量）与床层松散状况的关系建立模糊推理系统（FIS）模型，实现跳汰机床层松散状况的离线评价；然后根据浮标传感器的输出与跳汰机床层松散的关系以及跳汰机床层松散状况的离线评价结果，建立基于自适应神经模糊推理系统（ANFIS）的跳汰机床层松散状况的在线估计模型．实验得到软测量模型的训练均方根误差为0．0147，验证均方根误差为0．0214，充分体现ANFIS具有显著的学习能力和良好的泛化能力．