煤炭輸送帶作為一種連續(xù)運(yùn)輸設(shè)備,在長(zhǎng)時(shí)間的負(fù)荷運(yùn)行過(guò)程中,故障時(shí)有發(fā)生,如跑偏、撕裂等,嚴(yán)重影響選煤廠的安全生產(chǎn)。傳統(tǒng)的選煤廠煤炭輸送帶巡檢工作主要依賴(lài)于人工巡檢,工作效率低、勞動(dòng)強(qiáng)度大。輸送帶跑偏的故障檢測(cè)過(guò)分依賴(lài)跑偏傳感器,覆蓋范圍小、檢測(cè)效果不佳且存在一定檢測(cè)盲區(qū)。針對(duì)上述問(wèn)題,本課題設(shè)計(jì)了一套選煤廠煤炭輸送帶自動(dòng)巡檢裝置,可以實(shí)現(xiàn)對(duì)煤炭輸送帶的自動(dòng)巡檢。該裝置采用軌道行走的方式在輸送帶上方進(jìn)行往返巡檢,通過(guò)在裝置上攜帶多種傳感器,能夠完成對(duì)輸送帶跑偏故障和選煤廠環(huán)境如溫濕度、煙霧濃度等檢測(cè)。巡檢裝置通過(guò)WiFi通信的方式,將采集到的數(shù)據(jù)發(fā)送至上位機(jī)進(jìn)行處理和顯示。本課題詳細(xì)研究了輸送帶跑偏這一故障發(fā)生的原因和類(lèi)型,在此基礎(chǔ)上對(duì)自動(dòng)巡檢裝置的整體結(jié)構(gòu)、驅(qū)動(dòng)系統(tǒng)、檢測(cè)系統(tǒng)和充電裝置進(jìn)行了設(shè)計(jì)。完成了巡檢裝置的硬件設(shè)計(jì),包括器件選型、基本的硬件電路以及軟件程序的設(shè)計(jì)。針對(duì)輸送帶的跑偏故障,提出了一種基于深度學(xué)習(xí)的檢測(cè)方法,并詳細(xì)闡述了這一檢測(cè)方法的基本原理。利用了深度學(xué)習(xí)強(qiáng)大的圖像處理能力,采用TensorFlow平臺(tái)搭建具有7層網(wǎng)絡(luò)的卷積神經(jīng)網(wǎng)絡(luò)模型,利用該模型對(duì)煤炭輸送帶正常運(yùn)行... 

【文章來(lái)源】：中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：92 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

選煤廠煤炭輸送帶

圖 1-2 一種懸掛式電力巡檢裝置kind of suspended electrical equipment insp輸送帶安全運(yùn)行十分重要的一個(gè)環(huán)節(jié)水平的提高，對(duì)于煤炭輸送帶自動(dòng)巡根據(jù)現(xiàn)有輸送帶的巡檢狀況，對(duì)其式輸送帶巡檢系統(tǒng)[10]，實(shí)現(xiàn)了對(duì)輸送帶據(jù)無(wú)人機(jī)的工作原理和使用方式，設(shè)巡檢系統(tǒng)，該系統(tǒng)能夠?qū)斔蛶нM(jìn)行在理論研究階段，并沒(méi)有被實(shí)際應(yīng)用成度與自動(dòng)化程度較低，還需要人好地適應(yīng)煤礦生產(chǎn)環(huán)境，無(wú)法有效地研究現(xiàn)狀輸送帶常見(jiàn)故障主要有跑偏、打滑、

拍立淘識(shí)別Figure1-3RecognitionofPaiLiTao

【參考文獻(xiàn)】：
期刊論文
[1]基于Canny算子的改進(jìn)型圖像邊緣提取算法[J]. 范晞,費(fèi)勝巍,儲(chǔ)有兵.  自動(dòng)化與儀表. 2019(01)
[2]基于TensorFlow的卷積神經(jīng)網(wǎng)絡(luò)的研究與實(shí)現(xiàn)[J]. 鄭攀海,郭凌,丁立兵.  電子技術(shù)與軟件工程. 2018(18)
[3]基于機(jī)器視覺(jué)和DSP技術(shù)的輸煤皮帶跑偏檢測(cè)控制器[J]. 楊明花,高繼嚴(yán).  電子世界. 2018(16)
[4]人工智能深度學(xué)習(xí)概念研究與綜述[J]. 董慧慧.  電腦編程技巧與維護(hù). 2018(08)
[5]深度學(xué)習(xí)研究綜述[J]. 張榮,李偉平,莫同.  信息與控制. 2018(04)
[6]基于多源信息融合技術(shù)的皮帶機(jī)故障診斷研究[J]. 商元吉.  電腦知識(shí)與技術(shù). 2018(20)
[7]深度學(xué)習(xí)原理及應(yīng)用綜述[J]. 付文博,孫濤,梁藉,閆寶偉,范福新.  計(jì)算機(jī)科學(xué). 2018(S1)
[8]深度學(xué)習(xí)在圖像處理領(lǐng)域中的應(yīng)用綜述[J]. 殷琪林,王金偉.  高教學(xué)刊. 2018(09)
[9]深度學(xué)習(xí)及其在圖像分類(lèi)識(shí)別中的研究綜述[J]. 孫瑜陽(yáng).  信息技術(shù)與信息化. 2018(01)
[10]礦用膠帶輸送機(jī)常見(jiàn)故障分析與預(yù)防[J]. 崔璐潮.  煤. 2017(10)

博士論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像分類(lèi)方法研究及應(yīng)用[D]. 高震宇.中國(guó)科學(xué)技術(shù)大學(xué) 2018
[2]基于深度學(xué)習(xí)的工業(yè)系統(tǒng)在線狀態(tài)監(jiān)測(cè)與診斷方法研究[D]. Ahmad Shaheryar（艾默徳）.北京科技大學(xué) 2017
[3]基于人工智能的室內(nèi)指紋定位技術(shù)研究[D]. 丁根明.北京交通大學(xué) 2015
[4]基于機(jī)器視覺(jué)的工程機(jī)械行走速度測(cè)量系統(tǒng)研究[D]. 金守峰.長(zhǎng)安大學(xué) 2015

碩士論文
[1]一種基于卷積神經(jīng)網(wǎng)絡(luò)的輕量級(jí)木材圖像識(shí)別模型研究[D]. 李楠.浙江農(nóng)林大學(xué) 2018
[2]基于深度學(xué)習(xí)的不良圖片過(guò)濾技術(shù)研究[D]. 楊源.北方工業(yè)大學(xué) 2018
[3]基于深度學(xué)習(xí)的大規(guī)模商品圖像分類(lèi)研究[D]. 艾姍姍.北京交通大學(xué) 2018
[4]基于LabVIEW和MATLAB的滾動(dòng)軸承綜合監(jiān)測(cè)與診斷系統(tǒng)[D]. 孫曉濤.青島大學(xué) 2018
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類(lèi)算法研究[D]. 梁棟.鄭州大學(xué) 2018
[6]基于ARM的智能接觸器控制方案及相關(guān)軟件的設(shè)計(jì)與實(shí)現(xiàn)[D]. 張倩文.北京交通大學(xué) 2018
[7]基于深度學(xué)習(xí)的交通標(biāo)志圖像識(shí)別研究[D]. 王猛.蘭州理工大學(xué) 2018
[8]基于深度卷積網(wǎng)絡(luò)的圖像分類(lèi)技術(shù)研究[D]. 王平.杭州電子科技大學(xué) 2018
[9]基于深度學(xué)習(xí)的智能聊天機(jī)器人的研究[D]. 梁苗苗.浙江理工大學(xué) 2018
[10]井下帶式運(yùn)輸機(jī)自動(dòng)巡檢裝置設(shè)計(jì)與研究[D]. 臧勐佳.中國(guó)礦業(yè)大學(xué) 2017



本文編號(hào)：2903635