矿用钢丝绳损伤检测信号处理方法研究

采用电磁检测法检测矿用钢丝绳受损情况时,检测信号中含有大量噪声,且存在尖峰和突变干扰,增大了损伤识别难度,需要对原始检测信号进行降噪处理。常用的傅里叶变换无法处理运行中的钢丝绳检测信号,而小波变换因存在平移不变性较差、频带混叠等问题而影响检测准确度。提出了基于双树复小波变换的矿用钢丝绳损伤检测信号处理方法。首先采用Q平移法构造双树复小波高低通滤波器,对原始信号进行3层双树复小波分解,得到高低频信号分量;然后采用最小极大方差软阈值方法对分解信号进行降噪处理;最后对降噪信号进行重构。在实验室环境下搭建了钢丝绳损伤检测试验平台,对基于双树复小波变换的钢丝绳损伤检测信号处理方法的降噪性能进行验证,结果表明:该方法可有效减少检测信号中的尖峰和突变数量,使信号平稳,降噪效果优于经典小波变换,且增大了奇异点处信号峰值,有利于后续特征提取。     

面向矿井动目标的 PSO-SVR 模型与 UWB Chan 优化距离指纹融合定位方法

针对目前井下人员、车辆、设备等移动目标位置精确管理存在的不足,本文对面向矿井动目标的定位算法与指纹定位模 型进行研究。 设计出一种基于改进粒子群优化 SVR 模型与 Chan 优化距离指纹匹配融合定位方法。 首先,构建一种基于 STM32 ARM 主控制器和 DWM1000 的超宽带(UWB)核心节点模型,通过双边双向测距和飞行时间法(TOF)对传输距离数据进 行计算。 在此基础上,通过依次在特定点采集距离指纹,基于改进的 PSO-SVR 模型进行移动目标路线拟合,预测目标的移动路 径。 再将其与 Chan 指纹进行结合,拓展出优化距离指纹融合定位方法。 实验结果表明,本文提出的指纹优化匹配融合定位方 法能够较好地预测出移动路径,最大误差不超过 20 cm,平均误差不超过 1 cm。 本文研究对矿井智能化建设及安全生产具有重 要意义。