摘要：卷积神经网络的表征与预测能力往往依赖结构合理性,但其主流结构均由人工设计,存在设计难度高、算力要求强、时间开销大等问题.如何让神经网络自主搜索合理结构并节约计算资源是当前的研究重点.目前,基于部分通道连接的可微分结构搜索算法,以其高效的显存利用率在搜索速度和分类性能上表现良好.然而,其针对通道的随机采样策略易造成重要信息丢失,当通道连接不足时性能明显下降.为此,提出一种基于通道性能度量的神经网络结构搜索算法,利用注意力机制提取通道重要性系数,并以此对通道进行排序采样.此外,考虑到预热阶段导致搜索不充分,产生较大离散化误差,在结构权重连续化的过程中设计温度正则化系数,提升权重差异.实验表明,所提算法能够在节约计算资源的基础上搜索出更优的卷积神经网络结构.

摘要：针对矿用钻机低速重载工作特性导致其轴承故障特征微弱、噪声大的问题,考虑单一模态下故障诊断的局限性,提出了一种基于时频融合深度网络的矿用钻机轴承故障诊断方法,对时域和时频域两种模态特征进行联合提取与分析。所设计的诊断网络在不同模块中区分性地嵌入不同注意力机制,实现多维度关键故障特征提取。最后通过钻机实验台数据集和凯斯西储大学轴承数据集进行验证。结果表明:所提方法能自动提取丰富的钻机轴承故障特征,比仅在时域或时频域分析具有更高的准确率和抗噪能力。

摘要：针对高地应力矿井钻孔卸压作业智能化程度低的技术难题,总结分析了国内外钻孔卸压技术和装备的研究现状,指出研发高性能、高可靠、高效率的防冲钻孔机器人全自主钻进系统是破解冲击地压防治难题的重要发展方向。为此,凝练了影响钻进系统性能的“孔位精准识别、钻具姿态精确感知、无线电磁随钻智能检测、钻具运行状态智能识别和钻进系统精确控制”五大关键技术,并给出了解决思路和方法。针对在复杂恶劣环境下卸压孔的精确识别问题,设计了融合图像尺寸调节和多阶段训练模式的卸压孔图像样本扩充SinGAN模型,引入多层特征融合优化的FasterRCNN,构建了基于改进SqueezeNet轻量级网络架构的孔位识别模型,以实现卸压孔位的准确快速识别;针对钻具姿态精确感知问题,提出了基于改进梯度下降法算法优化无迹卡尔曼滤波的惯性测量单元(Inertial Measurement Unit,IMU)初始对准方法,设计了多个IMU的空间阵列布局方式,研究了基于BP神经网络的钻具姿态误差补偿方法,旨在提高钻具姿态的解算精度,实现精准钻孔卸压;针对复杂地质环境下钻进工况的精确检测问题,搭建了煤矿井下随钻测量无线电磁传输系统架构,探讨了微弱电磁波信号自适应调制和随钻高速双向电磁传输技术原理,研究了孔底地质参数、几何参数和工程参数的测量原理和实现过程;针对钻进系统运行状态识别问题,构建了钻进信号时域、频域、时频域的多域特征和深度网络高级特征提取架构,提出了钻进系统关键零部件健康状态评估和故障诊断技术,构建了基于改进蝙蝠优化长短期记忆网络的卡钻风险因子预测模型,实现对卸压钻具卡钻状态的准确预测;针对钻进系统的精确控制问题,分析了钻进系统的液压系统工作原理,构建了考虑煤岩性状的钻进系统精确控制方案,探讨了基于转矩和位置的钻进系统最优控制参数求解原理,旨在实现钻进回转系统和给进系统的智能协同控制和并行作业。

摘要：煤矿井下移动机器人作业精度严重依赖于同步定位与建图(SLAM)技术的准确性。井下长直巷道存在特征缺失、光照条件差等问题,导致激光里程计和视觉里程计易失效,因而限制了传统SLAM方法在煤矿巷道的有效应用,且目前SLAM方法的研究主要聚焦于多传感融合建图方法,较少关注激光SLAM方法建图精度的提升。针对上述问题,面向移动机器人在煤矿巷道的建图需求,提出了一种基于集成式因子图优化的煤矿巷道移动机器人三维地图构建方法,采用前端构建和后端优化的策略,设计了前端点云配准模块和基于滤波、图优化的后端构建方法,使建图结果更准确、适应性更强。针对煤矿长直巷道环境退化导致三维激光点云配准精度低的问题,融合迭代最近点(ICP)和正态分布变换(NDT)算法,兼顾点云几何特征和概率分布特征,设计了集成式前端点云配准模块,实现了点云的精确配准。针对三维激光SLAM后端优化问题,研究了基于位姿图和因子图优化的后端构建方法,构建了集成ICP和NDT相对位姿因子的因子图优化模型,以准确估计移动机器人位姿。分别利用公开数据集KITTI和模拟巷道点云数据集对三维地图构建方法在不同工况下的性能进行了实验验证。公开数据集KITTI上的实验结果表明:在全局一致性上,该方法与传统基于特征点匹配的A−LOAM方法和基于平面分割及特征点提取的LeGO−LOAM方法具有相似的性能,在建图局部精度上优于其他2种方法。模拟巷道点云数据集上的实验结果表明:该方法具有显著优势,通过因子图优化,可得到一致性较高的三维地图,提升了煤矿巷道三维地图构建的精度及鲁棒性,解决了井下长直巷道特征点缺失、激光里程计失效的难题。