采煤機(jī)智能化技術(shù)

前言
第1章緒論1
11我國(guó)采煤技術(shù)的發(fā)展歷程1
12高可靠性采煤機(jī)的發(fā)展歷程2
13采煤機(jī)智能化相關(guān)技術(shù)的研究現(xiàn)狀3
131煤巖識(shí)別技術(shù)3
132采煤機(jī)定位技術(shù)5
參考文獻(xiàn)7
第2章采煤機(jī)的基本結(jié)構(gòu)及智能控制系統(tǒng)架構(gòu)11
21采煤機(jī)的基本結(jié)構(gòu)11
22采煤機(jī)的工作原理14
23采煤機(jī)調(diào)高與調(diào)速系統(tǒng)的工作原理16
24采煤機(jī)智能控制系統(tǒng)的總體架構(gòu)18
241采煤機(jī)機(jī)載監(jiān)控系統(tǒng)19
242采煤機(jī)井下遠(yuǎn)程監(jiān)控系統(tǒng)20
243采煤機(jī)地面監(jiān)控系統(tǒng)23
244智能化采煤機(jī)的關(guān)鍵技術(shù)23
參考文獻(xiàn)23
第3章采煤機(jī)慣性導(dǎo)航精確定位技術(shù)24
31采煤機(jī)慣性導(dǎo)航定位模型24
311坐標(biāo)系定義及轉(zhuǎn)換過(guò)程24
312姿態(tài)變換矩陣實(shí)時(shí)解算算法26
313采煤機(jī)慣性導(dǎo)航定位微分方程28
32采煤機(jī)慣性導(dǎo)航定位方案30
33采煤機(jī)慣性導(dǎo)航定位誤差模型31
331姿態(tài)誤差模型32
332速度誤差模型33
333位置誤差模型34
334系統(tǒng)誤差模型34
34采煤機(jī)慣性導(dǎo)航定位的初始對(duì)準(zhǔn)35
341卡爾曼濾波算法35
342改進(jìn)的果蠅優(yōu)化算法36
343基于果蠅優(yōu)化卡爾曼濾波算法的初始對(duì)準(zhǔn)39
344初始對(duì)準(zhǔn)算法的仿真分析45
35差分式慣性傳感組件數(shù)據(jù)融合模型47
351差分布局方法47
352數(shù)據(jù)融合方程47
36采煤機(jī)位姿差分解算算法48
361采煤機(jī)姿態(tài)差分解算48
362采煤機(jī)速度差分解算49
363采煤機(jī)位置差分解算50
37試驗(yàn)驗(yàn)證51
371試驗(yàn)平臺(tái)搭建51
372采煤機(jī)慣性導(dǎo)航定位試驗(yàn)53
參考文獻(xiàn)56
第4章采煤機(jī)煤巖截割模式識(shí)別技術(shù)58
41采煤機(jī)煤巖截割模式分析58
42煤巖截割傳感信號(hào)分析59
421煤巖截割聲音信號(hào)的產(chǎn)生機(jī)理59
422煤巖截割振動(dòng)信號(hào)分析61
43基于多傳感信息融合的采煤機(jī)煤巖截割模式識(shí)別62
431采煤機(jī)煤巖截割模式識(shí)別系統(tǒng)架構(gòu)62
432采煤機(jī)煤巖截割模式識(shí)別流程63
44基于紅外熱成像的采煤機(jī)煤巖截割模式識(shí)別64
441采煤機(jī)截割煤壁紅外熱成像圖分析64
442截割過(guò)程中溫度特征分析65
443截割煤壁溫度數(shù)據(jù)分析66
參考文獻(xiàn)67
第5章綜采工作面煤巖識(shí)別技術(shù)68
51基于深度學(xué)習(xí)的綜采工作面煤巖識(shí)別系統(tǒng)設(shè)計(jì)68
511綜采工作面煤巖識(shí)別系統(tǒng)架構(gòu)68
512基于深度學(xué)習(xí)的綜采工作面煤巖識(shí)別流程69
52綜采工作面煤巖圖像數(shù)據(jù)集的構(gòu)建71
521綜采工作面煤巖圖像采集71
522綜采工作面煤巖圖像擴(kuò)充73
523綜采工作面煤巖圖像標(biāo)注75
524綜采工作面煤巖圖像數(shù)據(jù)集劃分76
53基于卷積神經(jīng)網(wǎng)絡(luò)的煤巖圖像分類77
531經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)模型78
532基于CRnet的煤巖圖像分類網(wǎng)絡(luò)模型設(shè)計(jì)79
533試驗(yàn)設(shè)計(jì)與分析84
54基于改進(jìn)Unet網(wǎng)絡(luò)模型的煤巖圖像語(yǔ)義分割88
541經(jīng)典的語(yǔ)義分割網(wǎng)絡(luò)模型89
542煤巖圖像語(yǔ)義分割網(wǎng)絡(luò)模型設(shè)計(jì)90
543試驗(yàn)設(shè)計(jì)與分析95
55基于激光掃描的綜采工作面煤巖識(shí)別流程99
551激光掃描技術(shù)100
552基于激光掃描的綜采工作面煤巖識(shí)別流程101
56煤巖截割表面激光點(diǎn)云數(shù)據(jù)的精簡(jiǎn)102
561經(jīng)典的點(diǎn)云數(shù)據(jù)精簡(jiǎn)方法103
562基于特征點(diǎn)保留的煤巖激光點(diǎn)云數(shù)據(jù)精簡(jiǎn)方法105
563點(diǎn)云數(shù)據(jù)精簡(jiǎn)效果的評(píng)價(jià)指標(biāo)109
57基于激光點(diǎn)云數(shù)據(jù)的煤巖識(shí)別110
571傳統(tǒng)區(qū)域生長(zhǎng)點(diǎn)云分割算法111
572煤巖激光點(diǎn)云數(shù)據(jù)的最佳強(qiáng)度閾值確定111
573改進(jìn)蟻群算法及其應(yīng)用115
574基于IACOOTSU改進(jìn)區(qū)域生長(zhǎng)的煤巖識(shí)別算法118
58試驗(yàn)驗(yàn)證120
581試驗(yàn)平臺(tái)搭建120
582煤巖識(shí)別結(jié)果評(píng)價(jià)121
583試驗(yàn)結(jié)果與分析121
584井下現(xiàn)場(chǎng)測(cè)試129
參考文獻(xiàn)131
第6章采煤機(jī)截割路徑優(yōu)化技術(shù)132
61基于煤層分布預(yù)測(cè)的采煤機(jī)截割路徑規(guī)劃方法132
611DS證據(jù)理論與神經(jīng)網(wǎng)絡(luò)132
612煤層分布邊界特征點(diǎn)的選取135
613基于改進(jìn)DS證據(jù)理論與多神經(jīng)網(wǎng)絡(luò)的煤層分布趨勢(shì)融合預(yù)測(cè)方法136
62采煤機(jī)滾筒截割路徑模糊優(yōu)化方法140
621記憶截割原理與存在的問(wèn)題140
622采煤機(jī)記憶截割路徑的模糊優(yōu)化方法141
63基于雙坐標(biāo)系的采煤機(jī)截割路徑平整性控制方法144
631截割路徑平整性控制坐標(biāo)系的建立145
632截割過(guò)程分析與動(dòng)態(tài)控制方法146
633試驗(yàn)驗(yàn)證148
參考文獻(xiàn)151
第7章綜采工作面煤壁片幫識(shí)別技術(shù)152
71基于混合算法的綜采工作面監(jiān)控圖像增強(qiáng)方法153
711綜采工作面監(jiān)控圖像特性分析153
712基于雙邊濾波與單尺度Retinex的混合圖像增強(qiáng)算法154
713基于混合算法的綜采工作面監(jiān)控圖像增強(qiáng)試驗(yàn)分析157
72基于背景差分法的煤壁片幫特征分析方法164
721背景差分法165
722基于背景差分法的煤壁片幫特征分析體系構(gòu)建168
723仿真分析171
73基于支持向量機(jī)的煤壁片幫危害程度評(píng)估方法174
731煤壁片幫危害程度評(píng)估問(wèn)題174
732基于支持向量機(jī)的煤壁片幫危害程度評(píng)估模型175
74試驗(yàn)驗(yàn)證176
741煤壁片幫識(shí)別模擬試驗(yàn)平臺(tái)設(shè)計(jì)176
742煤壁片幫識(shí)別軟件設(shè)計(jì)177
743試驗(yàn)方案與結(jié)果分析181
參考文獻(xiàn)184