采煤機智能化技術

定　價：￥96.00

作　者：	司壘，王忠賓等著
出版社：	機械工業(yè)出版社
叢編項：	制造業(yè)高端技術系列
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111702399	出版時間：	2022-07-01	包裝：	平裝
開本：	16開	頁數(shù)：	185	字數(shù)：

內(nèi)容簡介

　　采煤機的智能化是實現(xiàn)工作面智能化和無人化開采的前提條件。本書介紹了采煤機智能化相關技術的國內(nèi)外研究現(xiàn)狀，指出應用中存在的問題，設計了采煤機智能控制系統(tǒng)的總體架構，并對采煤機慣性導航精確定位、采煤機煤巖截割模式識別、綜采工作面煤巖識別、采煤機截割路徑優(yōu)化、綜采工作面煤壁片幫識別等采煤機智能化的關鍵技術進行了深入探討。本書內(nèi)容全面、新穎，涵蓋了采煤機智能化的*新前沿技術，為提升煤礦智能化開采水平提供了堅實的理論基礎。本書讀者對象是高等院校的教師和研究生，科研院所、企業(yè)的工程技術人員，以及關心煤礦智能化發(fā)展的各界人士。

作者簡介

　　江蘇省高等學校優(yōu)秀科技創(chuàng)新團隊骨干成員，中國機械工程學會高級會員。主持或完成國家自然科學基金面上項目、國家重點研發(fā)計劃子課題、國家自然科學基金青年項目、中國博士后科學基金特別資助項目（第13批）、江蘇省自然科學基金面上項目、中國博士后科學基金面上項目（第58批、第66批）、中央高?；究蒲袠I(yè)務費專項資金項目、校企合作項目等。作為主要人員參與完成國家“973”、“863”、國家自然科學基金及企業(yè)委托項目多項。以第一作者或通訊作者在《Engineering Applications of Artificial Intelligence》、《Knowledge-Based Systems》、《Measurement》、《振動、測試與診斷》、《煤炭學報》等國內(nèi)外重要學術期刊上發(fā)表學術論文20余篇；以第一發(fā)明人授權發(fā)明專利10余件；獲2019年度江蘇省科技進步二等獎1項（R3），中國煤炭工業(yè)協(xié)會三等獎1項（R3）。

圖書目錄

前言
第1章緒論1
11我國采煤技術的發(fā)展歷程1
12高可靠性采煤機的發(fā)展歷程2
13采煤機智能化相關技術的研究現(xiàn)狀3
131煤巖識別技術3
132采煤機定位技術5
參考文獻7
第2章采煤機的基本結構及智能控制系統(tǒng)架構11
21采煤機的基本結構11
22采煤機的工作原理14
23采煤機調(diào)高與調(diào)速系統(tǒng)的工作原理16
24采煤機智能控制系統(tǒng)的總體架構18
241采煤機機載監(jiān)控系統(tǒng)19
242采煤機井下遠程監(jiān)控系統(tǒng)20
243采煤機地面監(jiān)控系統(tǒng)23
244智能化采煤機的關鍵技術23
參考文獻23
第3章采煤機慣性導航精確定位技術24
31采煤機慣性導航定位模型24
311坐標系定義及轉換過程24
312姿態(tài)變換矩陣實時解算算法26
313采煤機慣性導航定位微分方程28
32采煤機慣性導航定位方案30
33采煤機慣性導航定位誤差模型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采煤機慣性導航定位的初始對準35
341卡爾曼濾波算法35
342改進的果蠅優(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準39
344初始對準算法的仿真分析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采煤機位姿差分解算算法48
361采煤機姿態(tài)差分解算48
362采煤機速度差分解算49
363采煤機位置差分解算50
37試驗驗證51
371試驗平臺搭建51
372采煤機慣性導航定位試驗53
參考文獻56
第4章采煤機煤巖截割模式識別技術58
41采煤機煤巖截割模式分析58
42煤巖截割傳感信號分析59
421煤巖截割聲音信號的產(chǎn)生機理59
422煤巖截割振動信號分析61
43基于多傳感信息融合的采煤機煤巖截割模式識別62
431采煤機煤巖截割模式識別系統(tǒng)架構62
432采煤機煤巖截割模式識別流程63
44基于紅外熱成像的采煤機煤巖截割模式識別64
441采煤機截割煤壁紅外熱成像圖分析64
442截割過程中溫度特征分析65
443截割煤壁溫度數(shù)據(jù)分析66
參考文獻67
第5章綜采工作面煤巖識別技術68
51基于深度學習的綜采工作面煤巖識別系統(tǒng)設計68
511綜采工作面煤巖識別系統(tǒng)架構68
512基于深度學習的綜采工作面煤巖識別流程69
52綜采工作面煤巖圖像數(shù)據(jù)集的構建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充73
523綜采工作面煤巖圖像標注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)絡的煤巖圖像分類77
531經(jīng)典的卷積神經(jīng)網(wǎng)絡模型78
532基于CRnet的煤巖圖像分類網(wǎng)絡模型設計79
533試驗設計與分析84
54基于改進Unet網(wǎng)絡模型的煤巖圖像語義分割88
541經(jīng)典的語義分割網(wǎng)絡模型89
542煤巖圖像語義分割網(wǎng)絡模型設計90
543試驗設計與分析95
55基于激光掃描的綜采工作面煤巖識別流程99
551激光掃描技術100
552基于激光掃描的綜采工作面煤巖識別流程101
56煤巖截割表面激光點云數(shù)據(jù)的精簡102
561經(jīng)典的點云數(shù)據(jù)精簡方法103
562基于特征點保留的煤巖激光點云數(shù)據(jù)精簡方法105
563點云數(shù)據(jù)精簡效果的評價指標109
57基于激光點云數(shù)據(jù)的煤巖識別110
571傳統(tǒng)區(qū)域生長點云分割算法111
572煤巖激光點云數(shù)據(jù)的最佳強度閾值確定111
573改進蟻群算法及其應用115
574基于IACOOTSU改進區(qū)域生長的煤巖識別算法118
58試驗驗證120
581試驗平臺搭建120
582煤巖識別結果評價121
583試驗結果與分析121
584井下現(xiàn)場測試129
參考文獻131
第6章采煤機截割路徑優(yōu)化技術132
61基于煤層分布預測的采煤機截割路徑規(guī)劃方法132
611DS證據(jù)理論與神經(jīng)網(wǎng)絡132
612煤層分布邊界特征點的選取135
613基于改進DS證據(jù)理論與多神經(jīng)網(wǎng)絡的煤層分布趨勢融合預測方法136
62采煤機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題140
622采煤機記憶截割路徑的模糊優(yōu)化方法141
63基于雙坐標系的采煤機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系的建立145
632截割過程分析與動態(tài)控制方法146
633試驗驗證148
參考文獻151
第7章綜采工作面煤壁片幫識別技術152
71基于混合算法的綜采工作面監(jiān)控圖像增強方法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)控圖像增強試驗分析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建168
723仿真分析171
73基于支持向量機的煤壁片幫危害程度評估方法174
731煤壁片幫危害程度評估問題174
732基于支持向量機的煤壁片幫危害程度評估模型175
74試驗驗證176
741煤壁片幫識別模擬試驗平臺設計176
742煤壁片幫識別軟件設計177
743試驗方案與結果分析181
參考文獻184