矿井通风机不停风自动倒机智能监控系统设计

 针对目前通风机的倒机方式存在的弊端,设计以S7-300 PLC为控制核心的通风机的不停风自动倒机智能监控系统。该系统可以对通风机各项参数进行实时监视,还可以由PLC引导自动完成通风机倒机过程,提高了矿井通风的安全性。实际应用表明,该设计方案有效地解决了通风机倒机时带来的瓦斯超限等安全隐患问题。     

煤矿井下LANDMARC定位算法改进

针对煤矿井下非视距误差、多径效应和标签碰撞影响LANDMARC定位精度的问题,从接收信号强度值的测量、接收信号的选取和标签防碰撞算法3个方面对LANDMARC定位算法进行了改进:通过直接测量接收信号强度值判断最近参考标签;对接收信号进行高斯滤波舍弃误差信号;根据标签数量设置合理的信号发送时隙,当发生标签碰撞时重新划分信号发送时隙。仿真结果验证了该改进LADMARC定位算法的有效性。     

基于FPGA的线阵CCD雨滴图像快速连续识别方法

雨滴粒子直径和速度实时测量是雨滴谱参数计算的关键,为了实时、连续得到精确、可靠的统计雨滴样本数据,采用基于高速线阵CCD的光阵排列法对雨滴速度和直径进行非接触测量,通过FPGA构造雨滴图像乒乓操作缓存单元,存储两行连续一维动态雨滴图像,发挥FPGA的并行运算能力,利用FPGA快速实现雨滴动态图像连通域检测及连通域标记算法,进而实现雨滴粒子的直径和速度检测.实验证明,该方法能自动连续测量记录雨滴数量、粒径大小和收尾速度,为雨滴谱参数计算提供可靠样本数据.     

基于图像识别的带式输送机输煤量和跑偏检测方法

传统的卷积神经网络(CNN)是单任务网络,为实现带式输送机输煤量和跑偏的同时检测,使用2个卷积神经网络分别对输煤量和跑偏进行检测,导致网络体积大、参数多、计算量大、运行时间长,严重影响检测性能.为降低网络结构的复杂性,提出了一种基于多任务卷积神经网络(MT-CNN)的带式输送机输煤量和跑偏检测方法,可使输煤量检测和跑偏检测这2个任务共享同一个网络底层结构和参数.在VGGNet模型的基础上,增大卷积核和池化核的尺度,减少全连接层通道数量,改变输出层结构,构建了MT-CNN;对采集的输送带图像进行灰度化、中值滤波和提取感兴趣区域等预处理后,获取训练数据集和测试数据集,并对MT-CNN进行训练;使用训练好的MT-CNN对输送带图像进行识别分类,实现输煤量和跑偏的准确、快速检测.实验结果表明,训练后的MT-CNN在测试数据集中检测准确率为97.3%,平均处理每张图像的时间约为23.1 ms.通过现场实际运行验证了该方法的有效性.     

高频电路实验教学改革与创新

针对高频电路实验干扰大,实验现象不明显,学生总体兴趣不大等问题,根据多年来的高频实验教学经验,介绍了在实验教学中培养学生实验兴趣,改进高频电路实验教学方法的一些探索与实践。     

基于FPGA的全数字化2DPSK调制系统的实现

近年来,无线通信由于具有覆盖地域广、通信距离远、通信容量大、传输质量好和具有多址联接能力等优点,己成为现代信息社会的一种重要通信手段。数字调制技术作为这个领域中极为重要的一个方面,也得到了迅速发展。目前在数字通信中,人们广泛采用2DPSK调制解调技术。文中介绍了一种以A1tera公司的ACEX1K系列芯片中的EPIK30TC144—3为主控芯片。并通过MAX＋PLUSII开发工具和Verilog HDL语言编程实现一种全数字的调制系统——2DPSK。     

基于狮群优化二维Otsu算法的输送带撕裂检测方法

基于传统二维Otsu分割算法的输送带撕裂检测方法采用穷尽搜索式的阈值选取方式,图像分割时间长、实时性差,不能同时满足撕裂检测精度与速度要求。针对上述问题,提出了一种基于狮群优化二维Otsu算法的输送带撕裂检测方法。首先通过输送带撕裂检测装置采集输送带图像,采用中值滤波和直方图均衡化对采集到的图像进行去噪和增强处理,突出撕裂部位;然后采用狮群优化二维Otsu算法对预处理过的图像求取接近实际的分割阈值,用该阈值对输送带图像进行分割处理;最后通过计算分割后图像中黑色像素点的数量进行撕裂诊断。仿真结果表明,该方法比基于传统二维Otsu算法的检测方法寻优能力更强,输送带分割效果更好,可以准确地从输送带图像中分割出裂痕,撕裂识别的正确率为98.2%,提高效率的同时缩短了运行时间,可以满足输送带撕裂检测的准确性和实时性要求。     

改进型神经网络在室内三维定位中的应用研究 *

针对室内复杂环境下无线信号反射,折射,多径效应,噪声等干扰,传统的对数距离路径损耗模型无法精确求出信号接收距离d的问题进行研究,提出一种改进的多策略粒子群神经网络模型,该网络采用反向学习策略,混沌惯性权重策略以及扰动策略对神经网络的拓扑结构和连接权值阈值进行优化,从而捕获Wi-Fi信号接收强度RSSI与接收距离d之间的非线性关系,然后结合修正的三维加权交点质心算法求解出未知节点坐标。实验结果表明,对比BP神经网络和遗传神经网络,该网络对RSSI-d的拟合曲线更光滑,拟合结果更加接近于真实值,对比定位精度分别提高了79%和73%,网络定位误差更低,抗干扰能力更强。     

基于UWB和IMU的煤矿机器人紧组合定位方法研究

针对煤矿井下环境复杂,现有煤矿机器人定位方法受非视距误差等因素影响导致定位精度低、实时性不高等问题,提出了一种基于UWB(超宽带)和IMU(惯性测量单元)的煤矿机器人紧组合定位方法。首先利用UWB模块测量煤矿机器人与UWB基站之间的距离,使用煤矿机器人与UWB基站之间的距离真实值和实测值训练最小二乘支持向量机(LSSVM)模型,得到LSSVM修正模型;然后将煤矿机器人定位过程中UWB模块测得的实测值作为LSSVM修正模型的输入,通过LSSVM修正模型对UWB实测值进行修正,减小非视距误差对定位精度的影响,得到较为准确的距离信息;最后将经过LSSVM修正模型修正后的测距信息作为误差状态卡尔曼滤波(ESKF)的量测输入,与惯性导航解算出的位置信息构成量测方程,使用ESKF对UWB测距修正值与惯性导航解算的距离信息紧组合,完成状态更新,得到更为精确的位置信息,实现煤矿机器人的精确定位。UWB基站不同布置方案下的模拟实验结果表明：使用LSSVM修正模型可使UWB测距信息更为准确,进而提高定位精度。静态定位实验时,当4个UWB基站等高对称布置时,定位的均方根误差由0.146 4 m减小到0.13...