基于深度学习的露天矿电铲斗齿状态监测技术研究
发布时间：2021-10-07 12:52
矿用电铲在挖煤过程中,电铲铲斗在复杂物理力学环境中长时间作业,会出现斗齿断裂及铲斗局部脱落现象,脱落的部分混入煤炭中装入卡车,卡车直接运煤至破碎站。当脱落部件大于300mm时会造成破碎机或电机故障,影响生产的正常运行,导致严重的经济损失和人力物力浪费。矿用挖掘机体积庞大、工作环境复杂,不便于电铲操作人员通过人工观察的方式对斗齿的工作状态进行监视;而结合计算机视觉对在工作过程中的斗齿进行实时监控,实时监测并自动判断斗齿是否脱落,在斗齿发生脱落时警信息,指示工作人员及时进行处置,防止造成更大的经济损失,因此电铲斗齿的失效监测对露天煤矿的安全生产有着重要的实际意义和经济价值。本文主要介绍了一种基于深度学习的电铲斗齿监测方法,旨在对电铲斗齿进行实时监测,在发生斗齿脱落时发出警报,提示人员进行处理,避免更大的损失发生。首先,介绍了斗齿监测的相应背景、研究现状和意义,并且结合当下热门的深度学习技术提出了基于深度学习的斗齿监测方法。其次,分析了斗齿多种故障类型的成因,在故障分析的基础之上,提出了监测系统的整体设计方案,在硬件和软件两个方面进行了分析与介绍。再次,结合卷积神经网络和深度学习理论,改进Y...
【文章来源】：辽宁工程技术大学辽宁省
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
电铲Figure1.1Shovel
辽宁工程技术大学硕士学位论文8图2.2电铲采掘工况Figure2.2Excavationconditionsofelectricshovel查阅采煤机械设计[23]以及相关截齿截割阻力模型[24],类比于采煤机截齿截割阻力公式，得到斗齿在采掘时受到的截割阻力,如式2.1所示。=100.35+0.3+(sin)0.5sin1cos+100′(2.1)式中：单位N/mm，表示平均截割阻抗；表示斗齿的宽度；表示煤层的脆性系数；表示斗齿的最大切削宽度；表示斗齿的切削宽度；表示外露自由表面系数；表示截角的影响系数；表示斗齿前刀面形状影响系数；表示斗齿排列方式系数；表示地压对工作面煤壁的影响系数；表示斗齿的牵引方向偏转角；′表示截割阻抗系数；表示煤的单向抗压强度；磨损面在截割平面上的投影面表示矿体应力状态体积系数；表示截齿所处位置角度。牵引阻力=0.6顺序式所受的侧向力为=0.22.2斗齿主要的失效类型与分析电铲在露天矿等作业区进行采掘作业时，斗齿在外力作用下，插入矿石内部，与物料摩擦与碰撞，对物料进行切割与分离。在此过程中，斗齿承受大量的冲击和摩擦，在外界力矩的复合作用下斗齿很容易发生故障导致失效[25]。电铲斗齿主要的失效类型为斗齿直接断裂和在磨料的摩擦作用下磨损[26]，本文主要研究的是斗齿的断裂情况。电铲斗齿在铲装作业时承受物料的冲击应力和弯曲应力的共同作用，出现裂纹，通常发生斗齿早期断裂现象[27]。对于一般的高锰钢斗齿，其断裂的部位主要发生在斗齿上部，如图2.3所示。
辽宁工程技术大学硕士学位论文14断斗齿是否失效脱落。可以说，能预先准确监测定位出铲斗上的多个斗齿目标是判断斗齿是否失效的基础，同时也是整个系统的关键[33]。电铲工作时，红外补光数字相机全天候实时采集捕捉铲斗图像，经实时视频传输协议RTSP传输至嵌入式AI处理平台，通过深度学习的方法进行特征提取，实时输出监测结果，经触屏显示器显示，并记录故障发生时间。同时，系统可监测并标注出视线范围内车辆进入情况和铲斗位置，增强驾驶员态势感知能力，减少危险发生。2.3.3监测系统总体设计为保证监测的实时性，监测系统的摄像机需要在铲斗运行的全过程都能获取到斗齿的图像，因此在电铲大臂安装下视摄像机，在电铲回转部安装前视摄像机，以达到全过程数据获取，安装位置如图2.9所示。图2.9相机安装位置示意Figure2.9Camerainstallationposition监测系统是斗齿监测的核心部分，通过深度神经网络对斗齿数据进行特征分析，建立出斗齿的正常状态模型和断裂脱落模型，得出监测结果并达成预警的目的，监测流程如图2.10所示。
【参考文献】：
期刊论文
[1]瓦斯-煤粉粉尘气固2相爆轰特性测试[J]. 胡畅,王文远,孙帅奇,周志远,代弦德. 能源与环境. 2020(01)
[2]改进YOLO v3算法及其在安全帽检测中的应用[J]. 王兵,李文璟,唐欢. 计算机工程与应用. 2020(09)
[3]基于深度学习的场景识别方法综述[J]. 李新叶,朱婧,麻丽娜. 计算机工程与应用. 2020(05)
[4]风光互补及无线传输在瓦斯管道监测中的应用[J]. 路萍. 自动化与仪表. 2020(01)
[5]煤矿机电井下防爆设计[J]. 卫星. 当代化工研究. 2020(02)
[6]Tiny YOLO Optimization Oriented Bus Passenger Object Detection[J]. ZHANG Shuo,WU Yanxia,MEN Chaoguang,LI Xiaosong. Chinese Journal of Electronics. 2020(01)
[7]基于YOLOv3算法的训练集优化和检测方法的研究[J]. 高星,刘剑飞,郝禄国,董琪琪. 计算机工程与科学. 2020(01)
[8]基于YOLO改进算法的轨道扣件状态检测研究[J]. 王兵水,郑树彬,李立明,钟倩文. 智能计算机与应用. 2020(01)
[9]基于回归深度卷积网络的船舶图像与视频检测[J]. 黄志坚,张成,王慰慈. 上海海事大学学报. 2019(04)
[10]基于Faster R-CNN的零件表面缺陷检测算法[J]. 黄凤荣,李杨,郭兰申,钱法,朱雨晨. 计算机辅助设计与图形学学报. 2020(06)
博士论文
[1]基于稀疏分解的说话人识别技术研究[D]. 徐珑婷.南京邮电大学 2017
[2]大型矿用挖掘机设计关键技术研究[D]. 郝万军.吉林大学 2014
[3]资源整合矿山开发模式与露采关键技术研究[D]. 王海君.中国矿业大学 2013
[4]基于断裂参量K因子的焊接接头等承载设计[D]. 王涛.哈尔滨工业大学 2012
硕士论文
[1]深度学习在图像处理中的应用[D]. 刘宇.电子科技大学 2020
[2]基于卷积神经网络人脸识别研究与实现[D]. 任飞凯.南京邮电大学 2019
[3]彩色图像灰度化算法的研究与实现[D]. 刘美.长春理工大学 2019
[4]基于深度神经网络的视频动作识别研究[D]. 许泽珊.华南理工大学 2019
[5]基于模糊神经网络的智能交通路径规划系统的研究与实现[D]. 马思臣.南京邮电大学 2017
[6]基于深度神经网络的视觉识别分类研究[D]. 李燕飞.内蒙古工业大学 2018
[7]大型电铲铲斗结构健康监测研究[D]. 王萍.中国矿业大学 2018
[8]光照不均匀图像增强研究[D]. 祝思文.辽宁工程技术大学 2017
[9]WK-75型矿用挖掘机斗齿的磨损分析及结构改进[D]. 张延强.太原理工大学 2016
本文编号：3422083
【文章来源】：辽宁工程技术大学辽宁省
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
电铲Figure1.1Shovel
辽宁工程技术大学硕士学位论文8图2.2电铲采掘工况Figure2.2Excavationconditionsofelectricshovel查阅采煤机械设计[23]以及相关截齿截割阻力模型[24],类比于采煤机截齿截割阻力公式，得到斗齿在采掘时受到的截割阻力,如式2.1所示。=100.35+0.3+(sin)0.5sin1cos+100′(2.1)式中：单位N/mm，表示平均截割阻抗；表示斗齿的宽度；表示煤层的脆性系数；表示斗齿的最大切削宽度；表示斗齿的切削宽度；表示外露自由表面系数；表示截角的影响系数；表示斗齿前刀面形状影响系数；表示斗齿排列方式系数；表示地压对工作面煤壁的影响系数；表示斗齿的牵引方向偏转角；′表示截割阻抗系数；表示煤的单向抗压强度；磨损面在截割平面上的投影面表示矿体应力状态体积系数；表示截齿所处位置角度。牵引阻力=0.6顺序式所受的侧向力为=0.22.2斗齿主要的失效类型与分析电铲在露天矿等作业区进行采掘作业时，斗齿在外力作用下，插入矿石内部，与物料摩擦与碰撞，对物料进行切割与分离。在此过程中，斗齿承受大量的冲击和摩擦，在外界力矩的复合作用下斗齿很容易发生故障导致失效[25]。电铲斗齿主要的失效类型为斗齿直接断裂和在磨料的摩擦作用下磨损[26]，本文主要研究的是斗齿的断裂情况。电铲斗齿在铲装作业时承受物料的冲击应力和弯曲应力的共同作用，出现裂纹，通常发生斗齿早期断裂现象[27]。对于一般的高锰钢斗齿，其断裂的部位主要发生在斗齿上部，如图2.3所示。
辽宁工程技术大学硕士学位论文14断斗齿是否失效脱落。可以说，能预先准确监测定位出铲斗上的多个斗齿目标是判断斗齿是否失效的基础，同时也是整个系统的关键[33]。电铲工作时，红外补光数字相机全天候实时采集捕捉铲斗图像，经实时视频传输协议RTSP传输至嵌入式AI处理平台，通过深度学习的方法进行特征提取，实时输出监测结果，经触屏显示器显示，并记录故障发生时间。同时，系统可监测并标注出视线范围内车辆进入情况和铲斗位置，增强驾驶员态势感知能力，减少危险发生。2.3.3监测系统总体设计为保证监测的实时性，监测系统的摄像机需要在铲斗运行的全过程都能获取到斗齿的图像，因此在电铲大臂安装下视摄像机，在电铲回转部安装前视摄像机，以达到全过程数据获取，安装位置如图2.9所示。图2.9相机安装位置示意Figure2.9Camerainstallationposition监测系统是斗齿监测的核心部分，通过深度神经网络对斗齿数据进行特征分析，建立出斗齿的正常状态模型和断裂脱落模型，得出监测结果并达成预警的目的，监测流程如图2.10所示。
【参考文献】：
期刊论文
[1]瓦斯-煤粉粉尘气固2相爆轰特性测试[J]. 胡畅,王文远,孙帅奇,周志远,代弦德. 能源与环境. 2020(01)
[2]改进YOLO v3算法及其在安全帽检测中的应用[J]. 王兵,李文璟,唐欢. 计算机工程与应用. 2020(09)
[3]基于深度学习的场景识别方法综述[J]. 李新叶,朱婧,麻丽娜. 计算机工程与应用. 2020(05)
[4]风光互补及无线传输在瓦斯管道监测中的应用[J]. 路萍. 自动化与仪表. 2020(01)
[5]煤矿机电井下防爆设计[J]. 卫星. 当代化工研究. 2020(02)
[6]Tiny YOLO Optimization Oriented Bus Passenger Object Detection[J]. ZHANG Shuo,WU Yanxia,MEN Chaoguang,LI Xiaosong. Chinese Journal of Electronics. 2020(01)
[7]基于YOLOv3算法的训练集优化和检测方法的研究[J]. 高星,刘剑飞,郝禄国,董琪琪. 计算机工程与科学. 2020(01)
[8]基于YOLO改进算法的轨道扣件状态检测研究[J]. 王兵水,郑树彬,李立明,钟倩文. 智能计算机与应用. 2020(01)
[9]基于回归深度卷积网络的船舶图像与视频检测[J]. 黄志坚,张成,王慰慈. 上海海事大学学报. 2019(04)
[10]基于Faster R-CNN的零件表面缺陷检测算法[J]. 黄凤荣,李杨,郭兰申,钱法,朱雨晨. 计算机辅助设计与图形学学报. 2020(06)
博士论文
[1]基于稀疏分解的说话人识别技术研究[D]. 徐珑婷.南京邮电大学 2017
[2]大型矿用挖掘机设计关键技术研究[D]. 郝万军.吉林大学 2014
[3]资源整合矿山开发模式与露采关键技术研究[D]. 王海君.中国矿业大学 2013
[4]基于断裂参量K因子的焊接接头等承载设计[D]. 王涛.哈尔滨工业大学 2012
硕士论文
[1]深度学习在图像处理中的应用[D]. 刘宇.电子科技大学 2020
[2]基于卷积神经网络人脸识别研究与实现[D]. 任飞凯.南京邮电大学 2019
[3]彩色图像灰度化算法的研究与实现[D]. 刘美.长春理工大学 2019
[4]基于深度神经网络的视频动作识别研究[D]. 许泽珊.华南理工大学 2019
[5]基于模糊神经网络的智能交通路径规划系统的研究与实现[D]. 马思臣.南京邮电大学 2017
[6]基于深度神经网络的视觉识别分类研究[D]. 李燕飞.内蒙古工业大学 2018
[7]大型电铲铲斗结构健康监测研究[D]. 王萍.中国矿业大学 2018
[8]光照不均匀图像增强研究[D]. 祝思文.辽宁工程技术大学 2017
[9]WK-75型矿用挖掘机斗齿的磨损分析及结构改进[D]. 张延强.太原理工大学 2016
本文编号：3422083
本文链接：https://www.wllwen.com/kejilunwen/kuangye/3422083.html
