基于改进人工势场算法的煤矿井下机器人路径规划

路径规划是煤矿机器人在煤矿井下狭小巷道空间中应用亟待解决的关键技术之一。针对传统人工势场(APF)算法在狭小巷道环境中规划出的路径可能离巷道边界过近,以及在障碍物附近易出现目标不可达和路径振荡等问题,提出了一种基于改进APF算法的煤矿机器人路径规划方法。参考《煤矿安全规程》有关规定建立了巷道两帮边界势场,将机器人行驶路径尽量规划在巷道中间,以提高机器人行驶安全性;在障碍物斥力势场中引入调节因子,以解决目标不可达问题;引入转角限制系数以平滑规划出的路径,减少振荡,提高规划效率,保证规划路径的安全性。仿真结果表明:当目标点离障碍物很近时,改进APF算法可成功规划出能够抵达目标点的路径;改进APF算法规划周期数较传统算法平均减少了14.48%,转向角度变化累计值平均减少了87.41%,曲率绝对值之和平均减少了78.09%,表明改进APF算法规划的路径更加平滑,路径长度更短,规划效率和安全性更高。

曲柄摇杆四足机器人实验教学平台设计

为适应新工科人才培养的要求,针对机械类专业课程实践教学环节教学方法陈旧等问题,基于曲柄摇杆机构设计了一款四足机器人实验教学平台,用于机械原理、机械设计等主干课程的实践创新教学环节。该四足机器人的结构设计方案源于哺乳动物运动过程,分析了其运动方式及不同腿部结构对于运动过程的影响,确定机器人机构运动方案;以D-H矩阵变换为数学工具,建立了机器人运动学模型;考虑实验平台应满足较高的经济性和互换性要求,最大程度采用了标准件的数量。对机器人进行了虚拟仿真分析,完成直线与奔跑两种状态的步态规划,实现了四足机器人的整体协调运动,验证了设计的合理性。实践表明,该教学平台的成功设计,丰富了机械类核心课程实践教学内容,对于提高学生的动手实践能力和思维创新能力有着显著的效果。

煤矿副井矿车装载物智能识别方法

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。

基于磁场模型的矿用钢丝绳检测信号特性试验研究

电磁检测是矿用钢丝绳缺陷可靠的检测手段之一。基于电磁法的矿用钢丝绳缺陷检测,目前存在缺陷与信号特性表征规律不明确的问题,定量识别时存在无关信号特性,影响识别准确性。采用三维磁偶极子理论计算、Maxwell模拟仿真与试验相互验证的方法,总结漏磁信号特性与缺陷变化之间的表征关系。首先建立磁场环境下的钢丝绳三维磁偶极子理论模型,应用模型对标准缺陷处进行磁场理论计算并进行Maxwell模拟仿真;分别提取理论值与仿真值的峰/谷绝对值、波宽、峰谷差值、峰谷值宽度四项信号特性,进行缺陷与信号的表征分析;最后设计缺陷进行试验验证,得到试验数值的斯皮尔曼相关系数。试验结果表明:缺陷的宽度、深度与峰/谷绝对值、波宽、峰谷差值3个信号特征值呈正相关,与峰谷值宽度无明显相关性;缺陷长度与峰/谷绝对值呈先上升后下降的趋势,与波宽、峰谷差值、峰谷值宽度呈正相关。并且发现宽度缺陷信号幅值最强,长度缺陷信号幅值最弱,深度信号幅值居中,峰谷差值和峰谷绝对值与缺陷相关性最高。该研究具有一定的工程指导价值。

基于PSO-BP神经网络的临时支架支撑力自适应控制

为了使临时支架的支撑力更好地与矿压相适应,提高支架的支护能力,以双联自移式临时支架为研究对象,提出了基于粒子群优化(PSO)-BP神经网络的临时支架支撑力自适应控制方法。利用PSO算法的全局搜索能力及快速收敛特性对BP神经网络的初始权值进行优化,提高BP神经网络的收敛速度;再通过优化后的BP神经网络实现PID参数在线自调整,构建PSO-BP神经网络优化PID控制器,使临时支架的支撑力更快速、准确地达到预定值,实现临时支架支撑力自适应控制,避免因支护力和顶板压力不匹配而对顶板造成破坏。用单位阶跃信号模拟临时支护支架的期望初撑力进行实验验证,结果表明,与BP神经网络优化PID控制器及传统PID控制器相比,PSO-BP神经网络优化PID控制器可以更快、更准确地达到预期的初撑力,调整时间仅为0.5 s且基本不存在超调。根据实际地质条件仿真模拟开挖支护过程中支架受到的顶板压力,研究3种控制器的支撑力自适应控制效果,结果表明,在PSO-BP神经网络优化PID控制器的控制下,系统误差仅为0.02 MPa,误差最小,控制效果最好。

基于正交试验的钢丝绳探伤仪结构参数优化

在钢丝绳损伤检测中,探伤仪结构设计对钢丝绳损伤检测精度至关重要。针对现有基于电磁的钢丝绳探伤仪各结构参数及参数各种组合研究不充分的问题,提出了一种基于正交试验的钢丝绳探伤仪结构参数优化方法。基于径向磁环磁场分布的理论数学模型和等效磁路理论模型,分析得出影响钢丝绳探伤仪检测精度的结构参数有磁铁长度、磁铁厚度、衔铁厚度、衔铁长度和倒角参数。通过正交试验方法研究了各参数之间的影响等级及影响显著性:各参数对钢丝绳探伤仪检测精度的影响等级为磁铁厚度、磁铁长度、衔铁长度、衔铁厚度和倒角情况,磁铁厚度、磁铁长度和衔铁长度影响显著,在设计钢丝绳探伤仪时应优先考虑,衔铁厚度及倒角显著性不强,可以忽略;磁铁厚度和磁铁长度(<70 mm)的影响随着水平的增长整体呈正相关关系,随着磁铁厚度和磁铁长度的增大,检测精度会明显提升;而衔铁长度整体呈负相关关系,长度越长,检测精度越差。根据上述分析结果,确定了钢丝绳探伤仪各参数优化数值,并对优化前后的钢丝绳探伤仪的磁力线分布、磁场分布及径向、轴向各相位磁感应强度的分布进行对比验证。结果表明:基于正交试验优化后的钢丝绳探伤仪,磁力线分布均匀,对钢丝绳的励磁效果达到2 T以上,漏磁信号明显,不同相位下的损伤信号区别较大;与优化前的钢丝绳探伤仪相比具有磁感应强度大幅度提高、空域分布明显改善、对传感器位置(提离值)的要求相对宽泛的优势,径向检测精度提升了40%左右,轴向检测精度提高约80%,对钢丝绳损伤的感知效果明显提升。

面向矿井动目标的PSO-SVR模型与UWB Chan优化距离指纹融合定位方法

针对目前井下人员、车辆、设备等移动目标位置精确管理存在的不足,本文对面向矿井动目标的定位算法与指纹定位模型进行研究。设计出一种基于改进粒子群优化SVR模型与Chan优化距离指纹匹配融合定位方法。首先,构建一种基于STM32 ARM主控制器和DWM1000的超宽带(UWB)核心节点模型,通过双边双向测距和飞行时间法(TOF)对传输距离数据进行计算。在此基础上,通过依次在特定点采集距离指纹,基于改进的PSO-SVR模型进行移动目标路线拟合,预测目标的移动路径。再将其与Chan指纹进行结合,拓展出优化距离指纹融合定位方法。实验结果表明,本文提出的指纹优化匹配融合定位方法能够较好地预测出移动路径,最大误差不超过20 cm,平均误差不超过1 cm。本文研究对矿井智能化建设及安全生产具有重要意义。

矿用钢丝绳损伤检测磁通回路优化设计

漏磁通检测法是应用最广泛的矿用钢丝绳损伤检测方法,目前未有考虑磁通回路中磁噪声信号对钢丝绳损伤漏磁通检测信号影响的研究。基于钢丝绳损伤漏磁通检测原理,构建了漏磁通检测等效磁路模型,采用Ansoft Maxwell有限元软件对磁通回路的磁场分布进行仿真,结果表明除主磁通和钢丝绳损伤漏磁通外,磁通回路中还存在多处磁噪声回路,易对钢丝绳损伤漏磁通检测信号造成干扰,其中衔铁导磁路径的漏磁通和两侧永磁体与空气介质之间耦合漏磁通的影响最大。基于仿真分析结果,对磁通回路进行了优化设计:将衔铁与永磁铁接触部位由直角结构改为圆角结构,以减小该部位的漏磁通,增大衔铁导磁路径中的主磁通,进而增强钢丝绳损伤漏磁通检测信号;采用高导磁材料设计环形磁桥路屏蔽装置并安装在损伤漏磁通检测区域,引导两侧永磁体与空气介质之间耦合漏磁通的走向,减小耦合漏磁通对钢丝绳损伤漏磁通检测的影响。实验结果表明,磁通回路经优化后,钢丝绳损伤检测信号特征较优化前更加明显,采集信号由6.14 mV增大至18.59 mV,验证了优化方案可提高磁通回路传递效率,对损伤漏磁通有聚合增强效果,减小了永磁体与空气介质之间耦合漏磁通与钢丝绳损伤漏磁通的叠加效应,有利于提高钢丝绳损伤检测准确性。

基于因素分离法的脂润滑深沟球轴承摩擦研究

滚动轴承的摩擦是在一个复杂的系统中由多种因素共同作用而产生的。为研究轴承中各类摩擦副的摩擦占总摩擦的比重,以矿山带式运输机托辊常用的6204脂润滑深沟球轴承为例,分析脂润滑深沟球轴承摩擦阻力的主要来源,将轴承摩擦分为滚动摩擦、滑动摩擦、黏性摩擦以及密封摩擦,用因素分离法分别开展同批次6204脂润滑深沟球轴承的带密封、无密封、无润滑以及微润滑条件下的摩擦实验,通过逐次剥离部分因素分析各摩擦分量对摩擦总量的影响。实验结果表明:在实验的载荷和转速条件下,密封摩擦占轴承全部摩擦的5%~18%,黏性摩擦占无密封轴承总摩擦的64%~85%;除去这些黏性摩擦之外,滑动摩擦也是滚动轴承摩擦中的重要分量。

三维网络结构SiC-Fe复合材料制备及腐蚀性能研究

传统钢铁材料难以满足深井开采严苛的腐蚀环境,亟需开发具有良好耐蚀性的新材料。SiC陶瓷具有优异的耐蚀性,因此探讨了以SiC为原材料的复合材料的制备及耐蚀性。以SiC、Al_(2)O_(3)、Si O_(2)为原材料采用有机泡沫浸渍法制备出三维网络结构SiC陶瓷,并采用浇铸工艺制备三维网络结构SiC-Fe复合材料,采用扫描电子显微镜、X射线衍射仪等对Si C-Fe复合材料组织结构及物相进行分析,通过电化学试验、浸泡试验对SiC-Fe复合材料的耐蚀性进行表征,并分析其耐腐蚀机制。结果表明:SiC-Fe复合材料中SiC陶瓷增强体与高铬铸铁基体之间未发生元素扩散,界面结合方式为机械结合,基体中主要物相有奥氏体和碳化物,陶瓷增强体中主要为六方结构Si C和Al_(2)O_(3);Si C陶瓷增强体的加入使高铬铸铁的腐蚀电流由4.189×10^(-3)A/cm^(2)降至3.353×10^(-3) A/cm^(2),电荷转移电阻从7309Ω·cm^(2)增大至11881Ω·cm^(2),电容值从1.994×10^(-4)F/cm^(2)降至1.974×10-5 F/cm^(2),使整体的耐蚀性得到了提高。浸泡试验表明,SiC-Fe复合材料的腐蚀主要发生在高铬铸铁基体部分,界面及SiC陶瓷增强体处不易发生腐蚀;与纯高铬铸铁材料相比,SiC-Fe复合材料点蚀产生的时间较晚且腐蚀程度相对较轻。研究成果为复合材料在煤矿深井开采装备的应用提供重要理论依据。

蜂窝构型ZTAp增强铁基复合材料磨损性能研究

作为煤矿开采中主要运煤装备,刮板输送机中板长期受到煤和矸石的磨损,造成装备损坏,降低设备使用寿命,影响煤矿开采效率。以ZTA颗粒(氧化锆增韧氧化铝颗粒,ZTAp)、铁基自熔合金粉末、高铬铸铁(HCCI)为原材料通过蜂窝预制体制备及浇铸工艺制备出蜂窝构型ZTAp增强铁基复合材料(ZTAp-HCCI复合材料)。采用扫描电子显微镜、X射线衍生仪、差热分析以及有限元理论模拟计算方法对ZTAp-HCCI复合材料组织形成过程进行研究,通过硬度实验、划伤实验及滑动磨损实验对材料耐磨性能进行表征。结果表明:ZTAp-HCCI复合材料中HCCI与ZTAp间未发生元素扩散,二者为机械结合;基体增强相为(Fe, Cr)_(7)C_(3),在613℃时由Fe基体中固溶的C、Cr元素在晶界处形核析出。通过模拟计算表明,预制体在浇铸时为液相烧结,与HCCI形成冶金结合;通过划伤试验验证了ZTAp对于划痕的阻碍作用,同时证明HCCI对于ZTAp有良好的固定与承载作用。实验结果证明蜂窝构型ZTAp-HCCI复合材料耐磨性要远高于常用耐磨钢,其耐磨性能是铁基自熔合金的7倍。