-
公开(公告)号：CN119141550A
公开(公告)日：2024-12-17
申请号：CN202411546657.8
申请日：2024-11-01
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于改进角蜥优化算法的柔性连续体机器人运动控制方法，包括新型柔性连续体机器人3D打印件结构及基于改进角蜥优化算法的闭环无模型控制方法。本发明引入改进的角蜥优化算法，该算法在原有算法的基础上，分别引入了Henon混沌映射理论，线性自适应权重和镜面反射学习模型，通过改进增加了种群初始化的多样性，改善了算法的寻优精度，平衡了算法在各个阶段的全局搜索能力和局部搜索能力，有效提高了收敛速度，避免算法陷入局部最优；通过上述改进的角蜥优化算法与本发明提出的闭环无模型控制方法相结合，实现对新型柔性连续体机器人的路径规划和姿态调整，为新型柔性连续体机器人的高精度控制提供了保障。
-
公开(公告)号：CN118963100A
公开(公告)日：2024-11-15
申请号：CN202410994363.5
申请日：2024-07-24
Applicant: 中国矿业大学
Inventor： 刘新华 , 张龙杰 , 申玉瑞 , 王其雨 , 格热戈尔茨·罗尔奇克
IPC: G05B11/42
Abstract: 本发明公开了一种基于预测变论域模糊PI的伺服系统位置控制方法，包括通过模型预测函数预测伺服系统未来状态，作为变论域模糊控制器的输入，根据误差和误差变化率，通过麻雀搜索算法优化模糊控制器中论域的伸缩因子参数，得到优化后的模糊PI控制器，模糊控制器再对PI的参数进行调节，得到优化后的位置环控制器参数。本发明通过结合麻雀搜索算法与变论域模糊控制器，对传统PI控制器进行改进，实现对永磁同步电机的精确控制，提高伺服系统的位置控制性能，引入模型预测函数对位移进行预测，以预测信息作为优化模糊控制参数和PI控制参数的输入，实现模糊控制器论域的超前调整，提高系统对强时变性和非线性的适用性以及提高系统的稳定性。
-
公开(公告)号：CN118762160A
公开(公告)日：2024-10-11
申请号：CN202410706860.0
申请日：2024-06-03
Applicant: 徐州华东机械有限公司 , 中国矿业大学
IPC: G06V10/25 , G06N3/0464 , G06N3/082 , G06V10/764 , G06N3/096
Abstract: 本发明公开了一种基于MO‑YOLOX网络的轻量化带式输送机异物检测方法，该方法根据带式输送机监控图像检测异物并做出相应措施，确定异物的类别及位置，从而实现安全运输煤炭；本发明通过图像样本数据增强，引入IAT图像增强模块和CBAM注意力机制，并在带式输送机异物图像数据集上进行训练，获得异物检测模型；通过对异物检测模型进行剪枝操作，将剪枝后的模型部署到嵌入式设备上，进行了剪枝前后异物检测模型的对比实验，通过该方法能够实时地检测带式输送机的运输区域是否存在异物，对异物进行准确分类和定位，向矿井工作人员提供准确的检测信息，在异物可能导致皮带撕裂之前，预警并及时移除异物。
-
公开(公告)号：CN118710954A
公开(公告)日：2024-09-27
申请号：CN202410719569.7
申请日：2024-06-05
Applicant: 徐州华东机械有限公司 , 中国矿业大学
Abstract: 本发明公开了一种基于机器视觉的带式输送机大块异物检测方法及系统，该检测方法包括图像采集、图像预处理、异物识别筛选HE异物分类步骤；该检测系统包括图像采集模块、图像预处理模块、大块异物识别筛选及分类模块、数据存储模块。本发明采用的带式输送机大块异物检测系统可对石头类、木头类、铁器类不同的大块异物进行识别、筛选和分类，识别准确率高，适用性强；本发明采用自适应权重的MSR图像增强算法，能够根据不同通道入射分量的大小分配权重系数，可获得低模糊、低噪声的目标图像，图像增强效果强；本发明采用基于相关性的改进模板匹配算法，将模板匹配算法结合帧差法和面积法，保留了大块异物的识别结果。
-
公开(公告)号：CN114718546B
公开(公告)日：2024-07-02
申请号：CN202210339521.4
申请日：2022-04-01
Applicant: 中国矿业大学 , 山东能源集团有限公司
Abstract: 本发明公开了一种新型空间分布IMU的防冲钻孔机器人位姿调节方法，包括防冲钻孔机器人、惯性单元组、正八面体结构架和惯性单元。本发明的有益效果是：将采集的六组数据进行融合处理，并导入循环神经网络进行训练，得到预测模型，这样做可以使所训练出来的模型更加可靠，预测防冲钻孔机器人的位移与姿态更加准确并进行实时误差补偿，从而实现防冲钻孔机器人位移与姿态的自动调节，提高钻孔效率，实现卸压过程的自动化。
-
Patent Agency Ranking
公开(公告)号：CN118190403A
公开(公告)日：2024-06-14
申请号：CN202410303658.3
申请日：2024-03-18
Applicant: 卓冠(徐州)新材料科技有限公司 , 徐州工业职业技术学院 , 中国矿业大学
Abstract: 本发明公开了一种自动化生产线故障诊断装置，涉及故障诊断装置领域，包括滚筒轴，所述滚筒轴外端固定设有滚筒，所述滚筒底部设有隔音箱，所述隔音箱上安装有控制器，所述传送带顶端设有检测座，所述检测座内侧设有滑块，所述检测座内壁上固定设有两个滑杆。本发明通过将检测座放置在传送带顶端，模拟传送带所运输的物体，在检测座被运输的过程中，利用风阻推动滑块，通过判断风阻是否能够推动检测座在传送带顶端发生相对位移来判断传送带的摩擦力是否合格，传送带不会受到长时间的摩擦，因此摩擦力不会对传送带的移动造成阻碍，传送带也不会在摩擦力作用下产生磨损，大大降低了检测所带来的不良影响。
-
公开(公告)号：CN118171183A
公开(公告)日：2024-06-11
申请号：CN202410272419.6
申请日：2024-03-11
Applicant: 中国矿业大学
IPC: G06F18/2415 , G06F18/10 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/086 , G06N3/0985 , G06N3/006
Abstract: 一种基于1DCNN‑LSTM的煤矿钻孔机器人钻进煤岩状态识别方法，在钻机钻进过程中对不同种类煤岩采集并记录扭矩信号、转速信号、钻速信号和钻压信号，再组成信号数据集；对信号数据集进行预处理，并且在信号数据集内添加标签；按照7：3的比例将信号数据集划分为训练集和测试集；先搭建1DCNN‑LSTM网络模型，1DCNN‑LSTM网络模型包括一维卷积网络1DCNN和长短时记忆网络LSTM；再将1DCNN‑LSTM网络模型中的参数进行初始化；采用改进的蜣螂优化算法IDBO来优化1DCNN‑LSTM网络模型中的超参数；利用Softmax作为分类器，利用训练集对1DCNN‑LSTM网络模型进行训练获得训练模型，再利用测试集对训练模型进行测试；最后通过1DCNN‑LSTM网络模型识别并输出对应的煤岩类别。该方法能够有效的实现钻机钻进中煤岩性状的准确识别。
-
公开(公告)号：CN117218716B
公开(公告)日：2024-04-09
申请号：CN202311005673.1
申请日：2023-08-10
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于DVS的汽车座舱手势识别系统及方法，所述系统包括：依次连接的感知层、决策层、执行层；其中感知层利用DVS采集用户手势图像；决策层通过算法处理模块、输出模块对手势图像信号进行分类处理；执行层通过反馈模块执行手势命令；所述方法以DVS采集手势数据，将图像信号传送给算法处理模块进行处理，提取深度信息与三维手部骨架特征进行多模态融合，经输出模块算法校验、信号分析、模型验证后输出信号到执行层，反馈模块执行命令；本发明系统与方法能够过滤用户不同个体的手势习惯差异且能解决识别精度与速度不高的问题。
-
公开(公告)号：CN110063208B
公开(公告)日：2024-03-26
申请号：CN201910438136.3
申请日：2019-05-24
Applicant: 中国矿业大学
IPC: A01G18/70
Abstract: 本发明涉及一种采摘机械手末端执行器，属于机械臂末端执行器领域。采摘机械手末端执行器，包括与采摘机械驱动装置相连的手臂，手臂的端部设置气缸，气缸与夹持套相连；夹持套的底端设有抓取端；所述的夹持套由弹性材料制成，夹持套内设有填装介质的夹持套腔体，其腔体内填充液态介质；通过液态介质受压力后产生的膨胀使其加持套发生水平伸张形变及法向形变；气缸的驱动部上设有推杆，推杆延伸至夹持套的腔体内与液态介质接触。本发明提供的采摘机械手末端执行器，能代替人工完成按压、夹紧、旋转、采摘动作，实现蘑菇采摘，降低生产成本。其末端执行器夹持角度广，能适应蘑菇不同生长角度，可采摘不同方位的蘑菇。
-
公开(公告)号：CN117636034A
公开(公告)日：2024-03-01
申请号：CN202311641762.5
申请日：2023-12-01
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V10/25 , G06V10/26 , G06V10/52 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 一种基于多模态视锥点云融合的煤岩识别方法，对煤岩试块执行截割操作，利用激光雷达和相机实时采集截割煤块过程中煤岩的激光点云和图像数据；利用图像数据对改进的Mask R‑CNN网络模型进行训练，计算并输出图像中煤岩的目标边框位置；根据投影关系生成目标边框的视锥点云，并将其和激光点云进行融合；利用self‑attention Pointnet网络对视锥范围内的融合点云进行分割，并通过3D边框回归网络预测目标点云的边框参数；依次对其余煤岩试块执行截割操作，并将采集到的激光点云和图像数据分别经过步骤二、三处理，得到目标的视锥融合点云，再将其输入到点云网络中进行煤岩识别。该方法能实现煤岩的快速准确识别。
-
-
-
-
-
-
-
-
-
Search Results
417
records
(took 0.067 seconds)
