摘要：胶轮式牵引车能有效解决煤矿井下轨道矿车大坡度的牵引问题,牵引车行驶路线较灵活,但轨道矿车只能沿着轨道行驶,当胶轮式牵引车偏移时,轨道矿车受侧向力作用,极易倾翻脱轨。通过对胶轮式牵引车的各种牵引工况及各工况下轨道矿车受力进行分析,研究设计了具有偏移补偿式轨道矿车牵引装置。经井下工业性试验运行证明,该牵引装置有效地解决了胶轮式牵引车牵引轨道矿车过程中矿车易脱轨的问题。

摘要：本文提出了一种采用0.18μm CMOS工艺和金属-绝缘体-金属电容器选择的1.2 V、10位、60 Msample/s~360 Msample/s六通道的时间交织复位运放流水线ADC的设计。具体实现包括:采用一种前端电阻-解复用技术来实现6个时间交织通道和低压增益以及偏移补偿技术来减轻时间交织通道间的偏移失配;设计了反馈电流偏置来确保工艺变化过程中电流源偏置的精确性;设计了低电压电流模式子ADC来降低静态功耗;设计了一种可编程时序偏差不敏感时钟发生器来减轻不同通道之间的时序失配。芯片测试结果表明,对于全部速度选项来说,ADC的微分非线性/积分非线性优于0.8 LSB/1.1 LSB,且信噪失真比在55 dB以上,而在60 Msample/s和360 Msample/s时分别消耗83.2 mW和406 mW,整个ADC核面积仅为12.6 mm^(2)。

摘要：为提高自动驾驶系统中车道线检测的速度和精度,提出了基于可解耦训练状态与推理状态的车道线检测算法。在结构重参数化VGG(RepVGG)主干网络中引入注意力机制压缩-激励(SE)模块,增强对重要车道线信息的特征提取;同时设计并行可分离的辅助分割分支,对局部特征进行建模以提高检测精度。采用行方向位置分类车道线检测方式,在主干网络后加入逐行检测分支,减小计算量的同时实现对遮挡或缺损车道线的检测;设计偏移补偿分支,在水平方向上细化局部范围内预测的车道线位置坐标,以恢复车道细节。通过结构重参数化方法解耦训练状态模型,将多分支模型等价转换为单路模型,以提高推理状态模型的速度和精度。对比解耦前后的模型,本研究算法速度提高81%,模型规模减小11%。利用车道线检测数据集CULane对算法进行测试,与目前基于深度残差神经网络的车道线检测模型中检测速度最快的UFAST18算法相比,其检测速度提高19%,模型规模减小12%,评价指标F1-measure由68.4增长到70.2;本研究算法的检测速度是自注意力蒸馏(SAD)算法的4倍,空间卷积神经网络(SCNN)算法的40倍。通过城区实车实验测试,在拥挤、弯道、阴影等多种复杂场景下车道线检测结果准确稳定,常见场景下车道线漏检率在10%~20%之间。测试结果表明,结构重参数化方法有助于模型优化,提出的车道线检测算法能有效提高自动驾驶系统的车道线检测实时性和准确性。

摘要：为了有效解决煤矿井下轨道矿车大坡度牵引问题,对井下轨道矿车工运行环境条件进行了研究,得到胶轮式牵引车设计技术要求。并且通过对车辆的关键技术动力系统匹配计算,摆动补偿牵引装置研究,设计出牵引车的总体布置方案,该车主要由车身、双向驾驶室、防爆柴油发动机、摆动补偿牵引装置、静液压传动、四轮转向桥、吊机、液压系统、电气系统组成。最终首台牵引车下线,并进行了井下工业性试验,结果表明该方案有效解决了轨道矿车牵引问题。

摘要：为了解决传统弱电网逆变器谐波控制方法控制效果差的问题,引进现场可编程逻辑门列阵(Field Programmable Gate Array,FPGA),设计了一种全新的逆变器谐波控制方法。建立逆变器等效控制模型,提取弱电网逆变器谐波峰值,对逆变器的开环与闭环调节,对谐振频率偏移进行补偿,实现弱电网逆变器谐波的精准控制。实验结果表明,所设计的控制方法在实际应用中的效果较好,可以实现对谐波的有效控制。

摘要：通过微组装工艺将陶瓷电路板、压力敏感芯片和数字信号调理ASIC芯片集成在一个腔体内,进行真空充油密封,外形尺寸兼容传统OEM压力敏感芯体。数字信号调理ASIC芯片同时采集压力敏感芯片的弱小信号和压力敏感芯片的温度信号,进行放大、调整和压力敏感芯片温度漂移补偿,输出0~5 V范围的标准电压信号和I^2C信号。温度采集点和压力敏感芯片处于同样的油温环境,提供了补偿所需的准确现场温度信号。测试表明,补偿后的温漂小于0.007 %FS/℃,10 MPa的压力对AISC芯片的正常工作无影响。

摘要：为了有效解决煤矿井下钢轨式接触网的锈蚀,分析了物理除锈、激光除锈、化学除锈的优缺点,选择了更适合的物理除锈,同时研究了除锈装置的设计需求及功能要求,研制了具备自动升降、左右偏移补偿、压力可调的除锈装置。经过现场工业性试验使用,顺利完成了接触网的除锈工作,验证了该装置的可行性,提高了煤矿井下接触网除锈工作效率,降低了工作劳动强度。