矿井智能巡检车CO传感器搭载位置优化

为提高矿井智能巡检车CO体积分数监测数据的可靠性,通过运用计算流体动力学软件对山东焦家金矿-630 m掘进巷道的风流分布及CO体积分数时空演化规律进行了分析.研究结果表明,风筒出口至掌子面区段风流状态不稳定,易产生扰动气体体积分数分布的涡旋;在自身性质及边界层流影响下,CO体积分数峰值多分布于巷道顶部,CO传感器应搭载于车体较高位置;衰减段期间巷道两侧CO体积分数变化不稳定,智能巡检车行进时应位于巷道中间附近.与某掘进巷道中CO体积分数随通风时间的衰减变化进行对比,验证了模拟结果的准确性.

基于多传感器融合的轨检车构架位姿测量方法

针对轨道检查车构架运动会影响轨道几何检测系统测量精度的问题,提出一种基于多传感器融合的构架位姿测量方法。该方法利用加速度传感器和双轴倾角传感器采集构架位姿原始信号,通过构架中心位姿解算方法将多个传感器采集的原始信号进行融合解算,获取构架几何中心位姿。为了验证其准确性和适应性,利用该方法分别在实验室和国家铁道试验中心标定试验线上进行了验证试验和在轨试验,结果表明,以第95%分位数作为评估标准,该方法测量的构架中心横向、垂向位移、侧滚角和摇头角与标准值的误差分别小于0.88 mm、0.44 mm、0.07°、0.04°,该方法与轨检系统测得数据的差异分别小于0.99 mm、0.73 mm、0.08°。构架位姿测量方法可以准确测量轨检车构架位姿,运用于运营车辆,可辅助判别轨道病害,提高轨道检测效率。

安徽某地下矿山移动智能安全巡检车设计

为了落实我国《“互联网+”人工智能三年行动实施方案》和《新一代人工智能发展规划》精神,推进重点领域智能产品创新应用和试点示范,推动人工智能技术规模化应用,提出在移动车辆平台搭建智能巡检管理系统,对巷道进行全线路、全方位、全自主智能化巡检管理,实现智能化巡检、可视化管理,进而提高地下矿山生产的安全性,避免因人工巡检不全面、不量化、人员素质依赖性强导致的各种安全事故与损失。

工业场景中自动巡检车安全机制研究

工业场景中的自动巡检车通过物联设备,完成数据采集等工作。然而,现有自动巡检车控制系统均以明文形式传输数据,会面临数据泄露等安全威胁。常见加密算法仅能在解密完数据后才能进行访问,执行效率较低。因此,提出一种新的可搜索加密算法,支持利用对称加密算法执行数据加解密操作,并允许执行密文检索功能,进而提升数据安全性以及可用性。此外,利用上述算法实现了一套自动巡检车安全防护系统,进而保护数据安全。

深度学习算法在危化品巡检车中的应用

本研究首先分析了危化品巡检车现存的问题。然后详细介绍了深度学习算法的原理和应用。在危化品巡检车任务需求的基础上,重点讨论了基于深度学习的图像识别与检测技术,在目标检测、图像分类和图像分割等方面的应用。同时探讨了基于深度学习的视频监控与预警技术,包括行为识别与异常检测以及实时预警与报警系统的应用。此外,还介绍了其他深度学习算法在危化品巡检车中的潜在应用。通过实验设计、数据收集和指标评估,本研究对深度学习算法在危化品巡检车中的应用进行了验证。实验结果表明,深度学习算法在危化品巡检车中具有较高的性能表现,相比传统方法具有更高的准确性和效率。最后,研究结果与实际应用进行了关联分析,验证了深度学习算法在危化品巡检车中的实际价值和应用前景。

基于综合轨检车数据的朔黄铁路工务维护策略优化研究

本文首先分析了综合轨检车数据在铁路工务维护环节的必要性,然后对朔黄铁路本文首先分析了综合轨检车数据在铁路工务维护环节的必要性,然后对朔黄铁路工务维护的新思路分析进行了分析,包括工务维护的组织和管理结构、任务和周期、资源配置和利用情况以及效果评估和问题分析。接着,基于综检车相关数据对指导工务维修工作的方式进行了分析,选择以综检车9月份检测数据信息,对于九月份出现的问题进行精细化的研判,并且在数据结果的引导下,实现对应维护方案的设定,为后续各项整改工作的开展奠定良好的基础。事实证明,依靠综合轨检车数据,朔黄铁路工务维护机制也在朝着更加健全的方向进展。本文的研究结果对于提高铁路工务维护的效率和效果具有重要的理论和实践意义。

多功能门式桥检车移动脚手架的应用研究

文章设计了一种多功能门式桥检车移动脚手架,从结构设计和安装施工方面介绍了其在新沂河特大桥工程中的应用。通过建模,对该脚手架的强度、刚度、稳定性和抗倾覆稳定性进行验算,并分析了其施工流程和荷载试验,以供参考。

食品快检车快速抽检结果分析与建议

目的:利用食品快检车方便快捷优势,采用7种快检产品对辖区餐饮具表面清洁度和食品进行快速检测,并对抽检结果进行分析,提出改进建议。方法:利用7种快速检测产品对餐饮具表面清洁度、煎炸油中TPM值及食品中二氧化硫、甲醛、农药残留、氯霉素、孔雀石绿进行检测,并对检出的阳性样品进行监督抽检,确认是否为阳性样品。结果:餐饮具表面清洁度ATP共检测298批,29批次不合格;油中TPM值共检测169批,12批次显示不符合,食品中二氧化硫44批、甲醛57批、农药残留330批、氯霉素47批、孔雀石绿34批,食品共检测了512批次,检出疑似阳性样品6批次,复检确认阳性样品4批次,快检合格率为99.22%。结论:发挥食品快检车的作用,能与实验室检验有益互补,快速有效地保障辖区人们舌尖上的安全。

GJ—4型轨检车轨距-轨向检测系统改造

原GJ—4型轨检车的轨距-轨向测量装置安装于轴箱上的轨距吊梁上。随着我国铁路行车速度不断提高,轨距吊梁相对于安装基准的位移加大,梁本身震动增大,造成轨距、轨向测量准确性显著下降,甚至有时无法检测,严重影响线路检查工作。为此对轨检车轨距-轨向系统进行改造。以激光摄像式轨距-轨向系统替换现有的光电伺服式轨距-轨向系统。采用加大延时的方法解决轨距轨向信号与其他检测信号的同步问题。数据处理系统的升级改造采用面向字节的同步协议优化传输数据,实现网络中资源共享、实时显示和几何波形打印,以及实时超限编辑和汇总资料打印。该项技术已在全路GJ—4型轨检车上推广使用。

深圳地铁轨检车检测系统的研制

采用构架与轴箱间的侧滚和垂向位移量修正的测量技术、CCD光电传感器和高频响二维自控电路,研制出构架式光电伺服轨距测量装置,提高了轨道几何检测系统的安全性和稳定性。钢轨波磨检测系统根据惯性测量原理,采用模拟—数字混合滤波的数据处理方法,消除了速度对检测结果的影响。由数据库服务、数据采集处理计算机、数据应用计算机、高速网络打印机、QNX4实时多任务操作系统、SQL数据库管理系统和轨检数据实时处理软件共同构成了车载局域网数据实时处理系统,自动完成检测数据的采集处理、修正、合成,并根据需要以波形和表格的形式实时显示和打印输出轨道几何数据。

GJ-5型轨检车软件的自主研发

美国ImageMap公司轨检车用于检测国内各提速干线的线路状态 ,为了适应我国轨道维修管理制度 ,满足检测工作的需要 ,研究开发了超限编辑器、报表生成、超限数据分发和几何波形数据分发等车上数据处理软件 ,目前已经在GJ 5型轨检车上得到应用。

车辆底部结构对轨检车气动阻力的影响

在高速铁路和电气化铁路大规模投入运营的背景下,一旦接触网等设施出现故障,将严重影响列车的正常运营,造成不可估量的损失,因此必须保证轨检车及时快速抵达,完成接触网等设施的检修、维护和抢修,为此我国相继研发了多种快速轨检车。采用求解三维、不可压-定常N-S方程的数值计算方法,对新型设计的轨检车阻力特性进行模拟,在不改变原设计方案头部形状前提下,提出了罩起车体底部和增加转向架裙板2种改善轨检车气动阻力特性方法,将阻力系数分别减小约17.9%和20.8%。

基于动态规划的轨检车波形数据里程偏差修正研究

轨检车在铁路线路状态检测和养护维修方面发挥着不可替代的作用.历史检测数据具有可比性是获取可靠线路状态变化趋势的关键基础,因而也是开展线路状态修的基础.影响检测数据可比性的主要因素是里程偏差.既有研究基于区段上各采样点里程偏移为常数,利用相关分析修正里程偏差.然而,现场生产实践和轮轨关系研究表明,里程偏移量是一个随机变量.本文研究建立了轨检车数据采样点最优配对模型,捕捉每一个采样点的里程偏移量,建立的模型被用来修正某线路的17次检测数据,修正后的检测数据展示了模型的可靠性和现场应用可行性.

GJ-4型轨检车的检测原理(连载之一)

】介绍ＧＪ－４ 型轨检车应用模拟、数字混合处理技术进行轨道检测的原理。

准高速轨检车和GJ-3轨检车动静态检测结果分析

通过两辆轨检车动静态对照、对标及结果差异分析 ,统一两车检测尺度 ,提高检测精度和准确度。

GJ4型轨检车的检测系统(连载之一)

介绍ＧＪ４ 轨检车的检测系统的模拟信号处理系统和数字信号处理系统。

铁路轨检车轴箱疲劳强度分析

轨检车是检测轨道的主要设备之一,轴箱疲劳强度直接影响其运行安全。以铁路轨检车轴箱为分析对象,依据UIC615-4的轴箱试验验收标准规定的轴箱疲劳强度的校验方法和某型号轨检车的数据资料,完成了轨检车轴箱在不同工况下的受力分析。采用Hypermesh和ABAUQS软件建立轨检车轴箱的有限元模型并分析轨检车不同工况下的应力应变。然后结合轴箱静强度和动强度标准以及Goodman-Smith疲劳极限图评价轨检车轴箱的疲劳强度。计算结果表明,轨检车轴箱危险点位于簧座内侧的肋板焊接处,几种工况下最大的Mises应力为219.6 MPa,满足静强度要求;轴箱上危险点应力幅和平均应力分别为51.14 MPa和127.85 MPa,其疲劳强度满足要求。

接触网巡检车拉出值测量误差的校正算法

在分析接触网巡检车传统的拉出值测量模型的基础上，根据接触网导线拉出值的变化规律，提出用拟合函数校正拉出值测量误差的算法。模拟实验表明，该算法可以提高拉出值测量精度５倍以上。