摘要：综放开采中关键工艺放煤自动化的实现,可以使放煤工人远离工作面,远程控制顶煤的放落,从而保障放煤工人的健康问题。而顶煤放落过程中垮落煤岩的实时有效识别是放煤自动化的理论基础。针对垮落煤岩识别的实时性和综放开采的效率问题,基于综放开采现场采集的垮落煤岩冲击液压支架后尾梁的振动信号,提出了一种基于EEMD-KPCA和KL(Kullback-Leibler)散度的垮落煤岩识别方法。该方法首先对振动信号进行集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)得到一组固有模态分量(Intrinsic Mode Functions,IMFs),分别计算各个IMF的能量,峭度和样本熵,构造表征垮落煤岩的特征向量;然后利用核主成分分析(Kernel Principal Component Analysis,KPCA)对特征向量进行降维,分别以各个IMF能量、IMF峭度、IMF样本熵构成的向量的KPCA低维特征来表征垮落煤岩;最后计算"未知样本"不同特征向量与垮落煤岩两类样本与之对应的特征向量的KL散度值,通过比较KL散度值来实现垮落煤岩的实时识别,并比较表征垮落煤岩不同特征向量的特征提取耗时和识别有效性。然后利用BP神经网络验证基于EEMD-KPCA的特征向量的有效性。实验结果表明:基于EEMD-KPCA和KL散度的识别方法可以实现垮落煤岩的实时识别,且大大降低了传统垮落煤岩识别方法对综放开采效率的影响;由EEMD分解后的各个IMF的能量和峭度构成的向量的KPCA低维特征最有效。

摘要：为了降低因刀具失效而出现的工件报废和设备损坏的概率,进一步提高数控机床无故障运行效率,使用电流传感器采集变频器输入侧的电流,并利用三相畸变线电流计算其平均有效电流值。将平均有效电流值信号和传统RMS有效电流值信号分别进行时域、频域和时频域的分析,通过对比,验证本文所提出方法可以很好地对刀具磨损状态进行区分,证明其适用性。采用工控机主板、数据采集卡以及霍尔电流传感器等搭建硬件平台,以Qt作为软件开发框架,设计制作一套刀具磨损状态监测系统,并在数控加工中心进行试验验证。结果表明,所设计的监测系统能够在一定程度上反映刀具磨损状态并进行预警,该监测方法有效。

摘要：协作机器人在工业生产的流水线中得到广泛应用,目前,采用传统模板匹配和识别方法的协作机器人在识别与抓取工件时,对存在角度与模板不一致的工件往往识别与定位准确率明显降低。提出了一种通过计算工件最外层轮廓的Hu不变矩,采用轮廓Hu不变矩的方法进行工件图像的匹配与识别。首先对采集的工件图像进行灰度处理,滤波去噪等预处理,接着计算工件图像外轮廓的Hu不变矩和图像匹配系数,并设计旋转角度法计算工件图像角度的定位,最终实现工件的匹配和识别。实验验证结果表明,该方法与归一化相关匹配法比较,抓取准确度从63.6%提升到96.7%,耗时小于150ms,达到稳定性可靠、精度高、实时性强等设计要求。

摘要：为了提升刀具监测系统的准确性,提高数控机床无故障运行效率,促进加工过程无人化、自动化生产的发展,提出一种刀具维护保养系统软件的设计方法。该系统由在线刀具磨损状态监测和刀具保护系统两部分组成,两个系统可在局域网内实现相互通讯。通过修改机床的PLC程序,实现数控机床与刀具磨损状态监测系统之间的通讯,保证机床的加工数据实时地传输到监测设备,完成状态监测功能。刀具保护系统主要监控整个局域网中所有刀具监测系统的工作状态。以Qt作为软件开发框架对监测系统进行开发,并利用Android Studio开发刀具保护系统,然后进行加工试验验证。结果表明,当刀具磨损严重时,监测系统能够及时发出提醒,同时刀具保护系统也可以及时查看相应监测系统的最新信息。

摘要：急性缺血性卒中具有较高的发病率、致残率、病死率和复发率的特点。近年来,机械取栓术已成为治疗急性缺血性卒中最有效的方法。虽然该方法整体上取得了较高的预后率,但其取栓装置本身对血管产生的损伤不容忽视,致使治疗效果欠佳或出现一定的并发症,而如何减轻或尽量避免对血管的损伤是机械取栓装置设计时需要考虑的重要因素。因此,本文针对支架取栓术所致的血管损伤以及相关装置结构设计的研究进展进行综述,以期最大程度地减少血管损伤,提高该手术的安全性和有效性。

摘要：为了提高三相电流信号监测刀具磨损状态的可靠性,提出了一种基于BP神经网络的数控机床刀具磨损状态识别方法。首先对采集得到的三相电流信号进行时域、频域和小波分析,从中提取出与刀具磨损程度相关性较好的多个特征量,组合成敏感特征向量,然后搭建BP神经网络,建立三相电流信号特征向量与刀具磨损状态之间的联系。最后,用经过训练后的BP神经网络识别多组未知样本的刀具磨损状态。实验结果表明,该方法能够准确判定刀具的磨损状态。