排序方式: 共有21条查询结果,搜索用时 31 毫秒
1.
为解决智能化综采工作面关键技术难题之一的开采设备协同控制问题,提出了基于数据驱动的综采装备仿人智能协同控制模型,重点研究了大数据背景下智能综采装备的协同控制知识自学习、开采行为自决策、分布协同自运行等关键技术理论与方法。具体包括:从数据应用的角度分析了智能综采系统的数据特点,阐明了智能综采的3大数据化特征:泛在感知(数据获取)、信息融合(数据挖掘)、智能控制(数据决策);构建了面向经验操作员决策过程表征的综采装备协同控制框架;提出了基于扩展有限状态机的综采装备运行状态演化方法和基于多标记决策信息系统的综采装备运动行为模式学习方法,来实现数据驱动下智能综采装备行为决策知识的获取;提出了面向经典采煤工艺过程的综采装备行为模态类的决策知识划分方法和基于CBR与RBR融合的决策行为混合推理方法,来实现智能综采装备动作行为的自主决策;探讨了人工控制模式下综采装备驾驶员控制策略的表征方法,发展了具有自学习、自决策、工况自适应的综采"三机"仿人智能协同控制方法;给出了基于平行系统理论的平行综采技术逻辑,为综采装备协同控制的研究提供方法。所提综采装备协同控制系统为大数据背景下的综采生产系统的协同控制提供了解决方案。 相似文献
2.
为了使金属切削加工中,能实现切削参数的实时优化,保证产品质量和设备效率,提出了一种新的切削参数最优化方法,引入加工时间、加工精度、加工成本三个目标控制量,建立了多目标非线性规划模型。并用惩罚函数法将多目标非线性约束规划问题转换成无约束非线性单目标规划问题。通过对神经网络和粒子群算法的有机结合,并充分利用了粒子群算法和BP网络各自具有的优点,对模型进行了求解。数值试验表明该方法能较好地解决切削参数的优化问题。 相似文献
3.
为了解决车流量统计中存在的车辆识别速度慢、统计准确率低的问题,提出一种YOLO识别与Mean shift跟踪的车流量统计方法。首先将车流量统计划分为车辆识别、跟踪与计数问题,建立高效的车流量统计模型。YOLO算法可对被检区域内车辆快速检测,根据YOLO的回归特性,将Mean shift核函数应用于目标区域得到目标模型,运用巴氏函数计算出候选模型,并对其进行跟踪。Mean shift可根据YOLO提供的最新车辆位置更换目标模型,这样目标跟踪丢失问题便可得以改善。实验结果表明,本文车流量统计模型在车辆识别、计数上有较快的速度和较高的准确度,能够基本满足智能交通中车流量统计的需求。 相似文献
4.
5.
针对传统弧齿锥齿轮切齿过程中机床调整和滚动检验环节存在的不足,以格里森弧齿锥齿轮半滚切法切齿与滚动检验过程为对象,研究弧齿锥齿轮切齿和滚动检验的仿真方法.在NX软件平台下,先根据切齿原理和实际切齿过程建立几何仿真模型,然后利用二次开发工具驱动该模型进行切齿和滚动检验仿真,最后通过实例对该仿真过程进行了验证.该仿真方法避免了复杂数学计算,整个过程基于同一软件平台,流程简单、速度快.此外该方法也可作为弧齿锥齿轮建模的一种新途径. 相似文献
6.
7.
车载惯性测量单元的建模与仿真 总被引:1,自引:0,他引:1
赵栓峰 《组合机床与自动化加工技术》2009,(9)
利用惯性导航技术进行汽车运动学的参数的辨识等相关研究中车载惯性单元的建模与仿真是一个关键问题.在该问题的解决中提出了一种基于整车动力学模型和惯性器件数学模型相结合的车载惯性单元仿真模型.其中在车辆轨迹仿真模块中结合实际驾驶经验对汽车的运动形式进行合理简化.最后通过捷联惯导姿态算法,验证了该模型能够满足车载惯性器件的仿真需求. 相似文献
8.
故障诊断的本质是信号的特征提取与分类,BP神经网络是典型的一种分类方法。针对传统的BP算法易形成局部极小值,缺乏全局搜索性的缺点,利用粒子群算法可以在复杂、多峰、非线性及不可微的空间中实现快速、高效的全局搜索的特点,结合传统BP算法,提出一种基于PSO-BP混合训练神经网络的新方法。该算法首先利用粒子群算法的全局搜索能力对BP网络的权值进行优化,同时引入粒子群熵的概念对粒子群体中个体的多样性进行度量,当粒子群熵的估计值超过某一设定阀值时,用BP算法进行神经网络的训练。采用采煤机的轴承故障数据集对PSO-BP算法进行验证,证明该方法能够对采煤机的故障进行诊断。 相似文献
9.
10.