期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
煤矿副井矿车装载物智能识别方法 被引量:5
1
作者 靳舒凯 魏冠楠 +3 位作者 王春明 王统海 吴忠伦 杨克虎 《工矿自动化》 北大核心 2022年第4期14-19,30,共7页
基于卷积神经网络实现煤矿副井矿车装载物自动分类在实际应用中因触发条件简易导致误判与漏判情况,且非矿车物体经过检测区域时会引起司控道岔误动作。针对该问题,提出了基于目标检测模型的煤矿副井矿车装载物智能识别方法。在煤矿副井... 基于卷积神经网络实现煤矿副井矿车装载物自动分类在实际应用中因触发条件简易导致误判与漏判情况,且非矿车物体经过检测区域时会引起司控道岔误动作。针对该问题,提出了基于目标检测模型的煤矿副井矿车装载物智能识别方法。在煤矿副井井口安装工业相机采集矿车装载物图像并进行人工标注,构建矿车识别数据集,对Faster R-CNN,YOLOv4,SSD 3种目标检测模型的识别准确率与实时性进行评估,根据评估结果,得出YOLOv4模型更适用于矿车装载物识别任务的结论;为降低模型大小,提高识别速度,对YOLOv4模型进行改进,采用轻量级网络MobileNet替换原有主干特征提取网络CSPDarknet53,构建MobileNetv3-YOLOv4模型,测试结果表明MobileNetv3-YOLOv4模型的平均精度均值(mAP)为95.03%,识别速度为44帧/s,较YOLOv4模型分别提高了0.77%,27帧/s;为方便现场应用和部署,提高矿车装载物识别模型在嵌入式平台上的性能,提出了基于层间融合和模型量化的模型加速方法,并将加速前后的MobileNetv3-YOLOv4模型移植到Jetson TX2进行矿车装载物识别现场试验,结果表明识别速度由MobileNetv3-YOLOv4模型加速前的18.3帧/s提升至35.42帧/s,mAP为94.68%,满足现场实时、精确检测需求,且仅在矿车经过检测区域时启动检测任务,避免了因其他物体引起的司控道岔误动作现象。 展开更多
关键词 煤矿智能化 副井轨道分运 矿车装载物识别 目标检测模型 YOLOv4 模型加速
在线阅读 下载PDF
基于加速度计的顶煤运移时间测量系统
2
作者 李增林 靳舒凯 +4 位作者 刘安强 张权 员明涛 康俊瑄 杨克虎 《工矿自动化》 北大核心 2022年第7期73-80,共8页
多轮顺序记忆放煤工艺能够改善综采工作面的顶煤采出率和含矸率,但在现场应用中需要对每一轮放煤时间进行精确测定与控制。基于顶煤运移跟踪仪的自动化放煤技术在实际应用中顶煤运移跟踪仪仅作为标志点安置于顶煤中,无法获得更多的顶煤... 多轮顺序记忆放煤工艺能够改善综采工作面的顶煤采出率和含矸率,但在现场应用中需要对每一轮放煤时间进行精确测定与控制。基于顶煤运移跟踪仪的自动化放煤技术在实际应用中顶煤运移跟踪仪仅作为标志点安置于顶煤中,无法获得更多的顶煤运移信息。针对上述问题,基于顶煤运移跟踪仪,设计了一种基于加速度计的顶煤运移时间测量系统,该系统包括标签、采集器及中心计算机3个部分。标签放置于顶煤内部,放煤过程中跟随顶煤运动,通过内置的加速度计实时采集比力值数据,并调用时间测量算法,实现顶煤运移情况监测,进而确定不同放煤阶段,计算得出不同阶段的顶煤运移时间信息;当标签从放煤口放出后,与刮板输送带产生碰撞,通过射频信号将顶煤运移时间信息向外发送给采集器,通过现场总线进一步传输至中心计算机,指导综采工作面现场实现多轮顺序放煤。详细介绍了顶煤运移时间测量标签的软硬件设计,实现了比力值实时采集、无线信号传输、数据存储等功能;搭建了以3D转台为核心,Gauss-Newton方法为标定算法的标定平台,完成了加速度计的标定工作,标定后的加速度计能够准确采集顶煤运移时间测量标签的比力值;根据顶煤在放煤过程中的运移特点,提出了基于阈值的时间测量算法及基于长短期记忆(LSTM)的时间测量算法。基于阈值的时间测量算法通过引入静态阈值、最大阈值实现运动阶段的时间识别;基于LSTM的时间测量算法通过识别时域下比力值矢量和的动态变化,寻找突变点,实现运动阶段的时间识别。通过标签的自由落体实验完成了2种时间测量算法的性能测试,其中时间测量方差分别为0.000 6、0.000 2,时间测量误差分别为13.07%、5.22%,满足现场顶煤运移时间测量需求,基于LSTM的时间测量算法在顶煤运移时间测量具有明显的应用优势。 展开更多
关键词 综采工作面 放顶煤开采 多轮顺序记忆放煤 顶煤运移时间 时间测量 加速度计 传感器标定
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部