CN109538208A - 一种掘进机截割头复合定位系统及方法 - Google Patents
一种掘进机截割头复合定位系统及方法 Download PDFInfo
- Publication number
- CN109538208A CN109538208A CN201811597672.XA CN201811597672A CN109538208A CN 109538208 A CN109538208 A CN 109538208A CN 201811597672 A CN201811597672 A CN 201811597672A CN 109538208 A CN109538208 A CN 109538208A
- Authority
- CN
- China
- Prior art keywords
- magnetic
- cutterhead
- infrared
- positioning
- oriented
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 150000001875 compounds Chemical class 0.000 title claims abstract description 20
- 238000005520 cutting process Methods 0.000 title claims abstract description 18
- 230000005291 magnetic effect Effects 0.000 claims abstract description 110
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 238000013135 deep learning Methods 0.000 claims abstract description 18
- 230000033001 locomotion Effects 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 7
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 4
- 229910052742 iron Inorganic materials 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims description 2
- 239000002893 slag Substances 0.000 claims description 2
- 238000013499 data model Methods 0.000 claims 1
- 238000012549 training Methods 0.000 abstract description 20
- 238000011161 development Methods 0.000 abstract description 13
- 230000005294 ferromagnetic effect Effects 0.000 abstract description 6
- 239000000428 dust Substances 0.000 abstract description 4
- 230000006698 induction Effects 0.000 abstract description 4
- 239000012141 concentrate Substances 0.000 abstract description 2
- 239000002245 particle Substances 0.000 description 12
- 238000013136 deep learning model Methods 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005641 tunneling Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21C—MINING OR QUARRYING
- E21C35/00—Details of, or accessories for, machines for slitting or completely freeing the mineral from the seam, not provided for in groups E21C25/00 - E21C33/00, E21C37/00 or E21C39/00
- E21C35/24—Remote control specially adapted for machines for slitting or completely freeing the mineral
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Geochemistry & Mineralogy (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Geology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于红外与磁场定位的掘进机截割头复合定位系统和方法。本发明中的磁场定位部分首先通过带有固定永磁体的截割头在遍历工作空间,由红外定位模块实时记录三维空间位置,由磁场传感器记录对应位置的磁感应强度,以获取训练数据,然后通过深度学习算法构建磁场定位模型。通过红外定位和磁场定位的结合,克服了掘进机工作时的高浓度粉尘造成的低可见度环境影响以及掘进机机体铁磁质的影响,解决了掘进机截割头的实时定位问题。
Description
技术领域
本发明涉及一种掘进机截割头定位系统及方法。具体的说,本发明涉及一种由基于几何光学的红外定位和基于深度学习的磁场定位构成的掘进机截割头复合定位系统及方法。
背景技术
随着采矿业的发展,自动化、智能化掘进和采煤是大势所趋,而对掘进机截割头的实时定位是智能化掘进的前提。但由于掘进机在工作过程中,会产生大量粉尘,并且截割头有时会埋没于矿渣之下,传统的光学定位方法无法适应这样的恶劣环境。利用红外定位方法可在粉尘较低情况下完成高精度定位,但当截割头被埋没及被掘进机机身遮挡时,红外定位方法失效,穿透力较强的磁场定位就是一种选择。
磁场定位虽然具有穿透力强,不受可见度影响的优点,但是因为掘进机整体为铁磁质,矿井下铁磁环境很复杂,所以传统磁场定位精度很差。而将磁场定位与深度学习算法相结合,可以很好的消除铁磁质的影响,大幅度提高定位精度。
发明内容
本发明公开了一种基于红外与磁场定位的掘进机截割头复合定位方法,解决了掘进机工作过程中的截割头定位问题,为进一步实现自动掘进提供了技术基础。定位系统包括由多组红外摄像机构成的红外定位模块、由多个三轴磁场传感器组成的磁场定位模块、可固定于截割头后方的磁源、含有复合定位模型的终端处理器。由于铁磁质掘进机机体的影响,传统的基于毕奥-萨伐尔定律的磁场定位并不适用。本方法中的磁场定位部分首先通过带有固定永磁体的截割头在遍历工作空间,由红外定位模块实时记录三维空间位置,由磁场传感器记录对应位置的磁感应强度,以获取训练数据,然后通过深度学习算法构建磁场定位模型。通过红外定位和磁场定位的结合,克服了掘进机工作时的高浓度粉尘造成的低可见度环境影响以及掘进机机体铁磁质的影响,解决了掘进机截割头的实时定位问题。
本发明提供的具体技术内容是:
一种掘进机截割头复合定位系统,定位系统包括红外定位模块、磁场定位模块、可固定于截割头后方的磁源、含有复合定位模型的终端处理器。所述红外定位模块用于对截割头进行红外定位;所述磁场定位模块用于对截割头进行磁场定位;所述磁源用于将截割头的位置数据传送给磁场定位模块;所述含有复合定位模型的终端处理器用于对获得位置数据进行处理:所述位置数据包括红外定位模块获得的红外位置数据,以及磁场定位模块获得的磁场位置数据。
优选地,所述红外定位模块包括至少两个红外摄像头以及配套的数据采集器,所述至少两个红外摄像头位于截割头后上方,且平行放置,光心间距为25cm。
优选地,所述磁场定位模块包括至少两个三轴数字磁场传感器,分别放置于掘进机机身两侧。
优选地,磁源固定于截割头后方,与截割头一起运动,通过磁源的运动影响所述磁场传感器获得的磁场强度。所述磁源为永磁体或电磁铁。
本发明公开的定位方法为:磁场定位部分首先通过带有固定永磁体的截割头遍历工作空间,由红外定位模块实时记录三维空间位置,由磁场传感器记录对应位置的磁感应强度,以获取训练数据,然后通过深度学习算法构建磁场定位模型。红外定位方法基于几何光学原理,不设置红外光源,对工作过程中因摩擦产热进而产生红外辐射的截割头进行定位。通过红外定位和磁场定位的结合,用磁场定位结果填补红外定位丢失的定位点,解决掘进机截割头的实时定位问题。
为保证定磁场定位模型的有效范围,红外定位模块O的有效定位范围要略大于预期磁场定位范围;红外定位模块O由不少于两组的红外摄像头构成,通过轮廓检测算法、目标光源判定算法、最小外接圆及圆心确定算法和基于几何光学的三维定位算法得到目标的三维坐标。
为保证足够的定位精度,磁场定位模块S,由固定于掘进机独立于截割头运动部分外的机身上或跟随掘进机移动的滑竿上的不少于两个的三轴磁场传感器,以及由红外定位模型和磁场传感器获取训练数据,使用经粒子群算法优化后的深度学习算法由训练数据获得的磁场定位模型组成。
优选地,所述优化算法包括以下步骤:
步骤一,确定深度学习模型的模型结构。在本案例中我们使用的是误差逆向传播训练的多层前馈深度学习模型。
步骤二,将模型参数初始化为粒子位置,初始化粒子的速度以及个体历史最优和全局最优。
步骤三,更新粒子速度和位置,计算粒子适应值及确定个体历史最优和全局最优,判断全局最优适应值是否小于设定精度,如果是,执行步骤五;如果否,则执行步骤四。
步骤四,判断迭代次数是否大于最大迭代次数:如果否,则重复执行步骤二;如果是,则输出全局最优粒子位置。
步骤五,利用上述计算结果初始化深度学习模型的模型参数。
步骤六,输入第P组样本,计算各层输出及误差。
步骤七,计算输出误差;所述误差为均方误差;判断所述误差是否小于预定误差;如果否,则根据该误差计算反向误差和新的模型参数;利用新的模型参数,更新深度学习模型的模型参数,返回步骤六,重新计算模型输出及误差;
步骤八,判断所述误差是否小于预定误差或连续多次误差不再下降;如果是,则保存当前深度学习模型;
步骤九,判断训练样本是否全部训练完成,如果不是,迭代次数加1,返回步骤六,进行下一个样本的训练;如果是,则结束训练;从而获得所需的训练完成后的深度学习模型,用于磁场定位。
为保证磁场定位精度以及有效时间,固定于截割头后方的磁源M可使用永磁体或电磁铁产生较强的磁场,并可在不影响截割头工作的前提下固定于截割头后方,随截割头一起运动。
为处理各模块数据,并可视化定位结果,含有复合定位模型的终端处理器C由终端主机或嵌入式系统和显示器构成的硬件部分以及由磁场定位模型、红外定位模型、红外定位丢失判定算法、定位结果显示程序构成的软件部分构成。
采用本发明的复合定位系统及方法对截割头进行定位,能够获得精准的定位结果;现对于现有技术的定位结果,定位精度大幅度地提高,且不受工况的影响,能够在复杂的工况下进行工作,不会出现对截割头跟踪丢失的情况。
附图说明
图1定位系统示意图;
图2a相机坐标与图像坐标关系;
图2b摄像机与测量点的几何关系;
图3优化算法流程图;
图4复合定位框图;
图5复合定位坐标与实际坐标对比图。
具体实施方式
下面结合附图,通过实施案例对本发明进行进一步详细说明,但不以任何方式限制本发明的范围。
本发明中实施案例中的定位系统包括由多组红外摄像机构成的红外定位模块、由多个三轴磁场传感器组成的磁场定位模块、可固定于截割头后方的磁源、含有复合定位模型的终端处理器。
如图1所示,红外定位模块由两个红外摄像头3以及配套数据采集器构成,置于掘进机机身上方;磁场定位模块由两个三轴数字磁场传感器6组成,置于掘进机机身两侧;磁源2为圆形D100X20mmN35钕磁铁,固定于掘进机截割头1的后方;终端处理器使用台式电脑7,显示屏置于掘进机驾驶位前方。
本发明提供一种基于红外与磁场定位的掘进机截割头复合定位系统,定位系统包括红外定位模块、磁场定位模块、以及含有复合定位模型的终端处理器。
所述红外定位模块O中,两个红外摄像头3平行放置,光心间距25cm。由图2所示,根据几何光学原理,可以求得目标物三维坐标。
所述磁场定位模块S中,两个三轴数字磁场传感器6分别放置于掘进机机身两侧,位置不做特别要求,但需要保证训练过程和定位过程中,磁场传感器6位置保持不变,可以通过常规的固定手段,将磁场传感器6固定在掘进机机身的两侧,其随着掘进机一起运动,并保持与机身的相对位置恒定不变。
磁源M为圆形D100X20mmN35钕磁铁2,固定于截割头后方。注意磁源M不能影响截割头工作。并且在训练过程中与定位过程中,磁源M需保持一致。由于磁源M(即磁铁2)的运动代表了截割头1的运动,即磁源M随截割头1一起运动,磁源M的运动轨迹就是截割头1的运动轨迹(这里的截割头运动中,应该将截割头作为一个质点,而不是转体),因此磁源M固定位置相对于截割头需保持不变。
终端处理器用于将位置数据进行处理,所述位置数据包括红外摄像头获得的截割头的红外位置数据,以及磁场定位模块获得的截割头的磁场位置数据。在终端处理器中,通过红外定位方法对红外位置数据进行处理获得截割头的位置,通过磁场定位方法对磁场位置数据进行处理获得截割头的位置,并将截割头的位置进行显示。
以上是本发明的掘进机截割头定位系统的具体组成。下面将详细介绍本发明的定位方法。
定位方法分为磁场定位、红外定位及红外与磁场复合定位三个部分。
磁场定位需要预先训练定位模型,本实施例中首先通过带有固定永磁体的截割头在遍历工作空间,由红外定位模块时时记录三维空间位置,由磁场传感器记录对应位置的磁感应强度,以获取训练数据。因为掘进机机身等铁磁质影响,磁场在空间内分布并不平滑,所以常规BP(Back Propagation)深度学习模型算法收敛速度很慢,且容易陷入局部最小值。因此,本发明通过以下优化算法对深度学习模型进行优化,通过训练数据构建磁场定位模型。
上述优化算法流程图如附图3所示。所述优化算法包括以下步骤:
步骤一,确定深度学习模型的模型结构。在本案例中我们使用的是误差逆向传播训练的多层前馈深度学习模型。
步骤二,将模型参数初始化为粒子位置,初始化粒子的速度以及个体历史最优和全局最优。
步骤三,更新粒子速度和位置,计算粒子适应值及确定个体历史最优和全局最优,判断全局最优适应值是否小于设定精度,如果是,执行步骤五;如果否,则执行步骤四。
步骤四,判断迭代次数是否大于最大迭代次数;如果否,则重复执行步骤二;如果是,则输出全局最优粒子位置。
步骤五,利用上述计算结果初始化深度学习模型的模型参数。
步骤六,输入第P组样本,计算各层输出及误差。
步骤七,计算输出误差;所述误差为均方误差;判断所述误差是否小于预定误差;如果否,则根据该误差计算反向误差和新的模型参数;利用新的模型参数,更新深度学习模型的模型参数,返回步骤六,重新计算模型输出及误差;
步骤八,判断所述误差是否小于预定误差或连续多次误差不再下降;如果是.则保存当前深度学习模型;
步骤九,判断训练样本是否全部训练完成,如果不是,迭代次数加1,返回步骤六,进行下一个样本的训练;如果是,则结束训练;从而获得所需的训练完成后的深度学习模型,用于磁场定位。
以上是磁场定位方法的具体流程,其通过深度学习模型,利用优化算法,从而能够准确地获得目标物体的位置,在红外定位效果较差时,可以用于目标物体的定位。
下面介绍红外定位方法。
红外定位基于几何光学原理,通过分析两个红外相机成像的像差,可以求得目标物三维坐标,如图2a-2b所示。对于一个相机而言,从相机坐标系到图像坐标系可以看作透视投影关系,如图2a所示;相机坐标系记为OC-XCYCZC,图像坐标系记为o-xyz:根据相似三角形知识可知:AB/oC=AOC/oOC=PB/pc=XC/x=ZC/f=Yc/y;由此可得:
x=f*XC/ZC...................(1)
y=f*YC/ZC...............(2)
左右两摄像机关系如图2b所示。
设两相机间距b,世界坐标系原点在两摄像机中心连线正中心,测量点的世界坐标记为(X,Y,Z)。XYZ方向与XCYCZC相同。左相机坐标记为(XC1,YC1,ZC1),右相机坐标记为(XCr,YCr,ZCr)。左图像坐标记为(x1,y1,z1),右图像坐标记为(xr,yr,zr):上述测量点的坐标与左右相机的坐标有如下关系:
X=XCr+b/2=XCr-b/2..........(3)
Y=YC1=YCr......................................................(4)
Z=ZC1=ZCr.......................................................(5)
根据公式(1)-(5)可以解得测量点的位置坐标。
复合定位方法包括结合红外定位与磁场定位结果,如图4所示,当红外定位结果丢失,或轨迹明显不连续时,使用磁场定位结果代替红外定位结果输出到显示屏。
本发明在掘进机模拟实际工作过程中定位结果如图5所示,由图5可知,利用上述复合定位方法获得的目标物体的运动轨迹与其实际运动轨迹很好地吻合,其误差率可以控制在设定的误差范围内。
需要注意的是,公布实施例的目的在于帮助进一步理解本发明,但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的精神和范围内,各种替换和修改都是可能的。因此,本发明不应局限于实施例所公开的内容,本发明要求保护的范围以权利要求书界定的范围为准。
Claims (7)
1.一种掘进机截割头复合定位系统,其特征在于:
所述复合定位系统包括红外定位模块、磁场定位模块、可固定于截割头后方的磁源、含有复合定位模型的终端处理器。所述红外定位模块用于对截割头进行红外定位:所述磁场定位模块用于对截割头进行磁场定位;所述磁源用于将截割头的位置数据传递给磁场定位模块;所述含有复合定位模型的终端处理器用于对获得位置数据进行处理;所述位置数据包括红外定位模块获得的红外位置数据,以及磁场定位模块获得的磁场位置数据。
2.根据权利要求1所述的定位系统,其特征在于,所述红外定位模块包括至少两个红外摄像头以及配套的数据采集器,所述至少两个红外摄像头位于截割头后方,且与机身相对位置关系固定后,在定位过程中不再变更。
3.根据权利要求1所述的定位系统,其特征在于,所述磁场定位模块包括至少两个三轴磁场传感器,分别放置于掘进机机身两侧或与机身同步运动的滑轨以及支架上。
4.根据权利要求3所述的定位系统,其特征在于,磁源固定于截割头后方,与截割头一起运动,通过磁源的运动影响所述磁场传感器获得的磁场强度。所述磁源为永磁体或电磁铁。
5.一种掘进机截割头复合定位方法,利用权利要求1-4任一项所述的定位系统对掘进机截割头进行定位,其特征在于:所述复合定位方法包括红外定位方法和磁场定位方法;所述红外定位方法基于几何光学方法对工作过程中因摩擦产热进而产生红外辐射的截割头进行定位;所述磁场定位方法利用处理器中的学习算法对样本进行训练后构建定位模型,使用所述定位模型对截割头进行磁场定位;所述学习算法为深度学习算法,所述定位模型为深度学习定位模型,利用样本数据进行训练后获得深度学习定位模型,该深度学习定位模型用于对截割头进行磁场定位,通过磁场传感器获得对应不同位置处的磁源的磁场强度数据,该深度学习定位模型利用该磁场强度数据从而获得截割头的空间位置。在截割头的定位过程中磁场定位结果用以填补红外定位因掘进机机身遮挡或截割头埋没于矿渣中时丢失的定位点。
6.根据权利要求5所述的复合定位方法,其特征在于:所述红外定位方法由图像轮廓检测算法、目标光源判定算法,最小外接圆及圆心确定算法和几何光学方法的三维定位算法构成。
7.根据权利要求5所述的复合定位方法,其特征在于:所述算法为深度学习算法,利用深度学习的优化算法进行训练后获得定位精度高的深度学习定位模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811597672.XA CN109538208A (zh) | 2018-12-21 | 2018-12-21 | 一种掘进机截割头复合定位系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811597672.XA CN109538208A (zh) | 2018-12-21 | 2018-12-21 | 一种掘进机截割头复合定位系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109538208A true CN109538208A (zh) | 2019-03-29 |
Family
ID=65858184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811597672.XA Pending CN109538208A (zh) | 2018-12-21 | 2018-12-21 | 一种掘进机截割头复合定位系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109538208A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110513120A (zh) * | 2019-08-17 | 2019-11-29 | 冀中能源峰峰集团有限公司 | 一种掘进机截割头自适应定位系统及方法 |
CN111435536A (zh) * | 2019-01-14 | 2020-07-21 | 冀中能源峰峰集团有限公司 | 一种精确定位系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0105867A2 (de) * | 1982-09-23 | 1984-04-18 | VOEST-ALPINE Aktiengesellschaft | Einrichtung zur Erfassung der Position des Schrämkopfes einer Vortriebs- oder Gewinnungsmaschine |
CN102999939A (zh) * | 2012-09-21 | 2013-03-27 | 魏益群 | 坐标获取装置、实时三维重建系统和方法、立体交互设备 |
CN103175512A (zh) * | 2013-03-08 | 2013-06-26 | 中国人民解放军国防科学技术大学 | 一种混凝土泵车臂架末端位置姿态的摄像测量方法 |
CN103728431A (zh) * | 2014-01-09 | 2014-04-16 | 重庆科技学院 | 基于极限学习机的工业污水cod在线软测量方法 |
WO2014140732A1 (en) * | 2013-03-14 | 2014-09-18 | Industrea Mining Technology Pty Ltd | Mining machine position tracking and mapping |
CN107595388A (zh) * | 2017-08-01 | 2018-01-19 | 华南理工大学 | 一种基于反光球标记点的近红外双目视觉立体匹配方法 |
CN108050999A (zh) * | 2017-11-28 | 2018-05-18 | 南京理工大学 | 一种新息正交性的红外与地磁复合旋转弹体测姿方法 |
CN108362289A (zh) * | 2018-02-08 | 2018-08-03 | 浙江大学城市学院 | 一种基于多传感器融合的移动智能终端pdr定位方法 |
CN108564628A (zh) * | 2018-04-17 | 2018-09-21 | 北京理工大学 | 一种面向掘进机自动化的截割头视觉定位定向系统 |
CN108871375A (zh) * | 2018-04-24 | 2018-11-23 | 北京大学 | 一种三维空间磁定位系统的标定系统和方法 |
CN210033427U (zh) * | 2018-12-18 | 2020-02-07 | 冀中能源峰峰集团有限公司 | 一种掘进机截割头复合定位系统 |
-
2018
- 2018-12-21 CN CN201811597672.XA patent/CN109538208A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0105867A2 (de) * | 1982-09-23 | 1984-04-18 | VOEST-ALPINE Aktiengesellschaft | Einrichtung zur Erfassung der Position des Schrämkopfes einer Vortriebs- oder Gewinnungsmaschine |
CN102999939A (zh) * | 2012-09-21 | 2013-03-27 | 魏益群 | 坐标获取装置、实时三维重建系统和方法、立体交互设备 |
CN103175512A (zh) * | 2013-03-08 | 2013-06-26 | 中国人民解放军国防科学技术大学 | 一种混凝土泵车臂架末端位置姿态的摄像测量方法 |
WO2014140732A1 (en) * | 2013-03-14 | 2014-09-18 | Industrea Mining Technology Pty Ltd | Mining machine position tracking and mapping |
CN103728431A (zh) * | 2014-01-09 | 2014-04-16 | 重庆科技学院 | 基于极限学习机的工业污水cod在线软测量方法 |
CN107595388A (zh) * | 2017-08-01 | 2018-01-19 | 华南理工大学 | 一种基于反光球标记点的近红外双目视觉立体匹配方法 |
CN108050999A (zh) * | 2017-11-28 | 2018-05-18 | 南京理工大学 | 一种新息正交性的红外与地磁复合旋转弹体测姿方法 |
CN108362289A (zh) * | 2018-02-08 | 2018-08-03 | 浙江大学城市学院 | 一种基于多传感器融合的移动智能终端pdr定位方法 |
CN108564628A (zh) * | 2018-04-17 | 2018-09-21 | 北京理工大学 | 一种面向掘进机自动化的截割头视觉定位定向系统 |
CN108871375A (zh) * | 2018-04-24 | 2018-11-23 | 北京大学 | 一种三维空间磁定位系统的标定系统和方法 |
CN210033427U (zh) * | 2018-12-18 | 2020-02-07 | 冀中能源峰峰集团有限公司 | 一种掘进机截割头复合定位系统 |
Non-Patent Citations (1)
Title |
---|
肖军;: "基于BP网络的船舶磁性目标定位方法研究", 舰船科学技术, no. 24 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111435536A (zh) * | 2019-01-14 | 2020-07-21 | 冀中能源峰峰集团有限公司 | 一种精确定位系统 |
CN110513120A (zh) * | 2019-08-17 | 2019-11-29 | 冀中能源峰峰集团有限公司 | 一种掘进机截割头自适应定位系统及方法 |
CN110513120B (zh) * | 2019-08-17 | 2020-12-29 | 冀中能源峰峰集团有限公司 | 一种掘进机截割头自适应定位系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103867205B (zh) | 一种掘进机远程控制系统及方法 | |
WO2018214730A1 (zh) | 一种掘进机绝对空间位姿检测装置与方法 | |
CN105082161A (zh) | 双目立体摄像机机器人视觉伺服控制装置及其使用方法 | |
CN102589514B (zh) | 掘进机位姿参数测量装置及其方法 | |
CN106780601A (zh) | 一种空间位置追踪方法、装置及智能设备 | |
CN109767477A (zh) | 一种精确定位系统及方法 | |
CN109352658A (zh) | 工业机器人定位操控方法、系统及计算机可读存储介质 | |
CN109538208A (zh) | 一种掘进机截割头复合定位系统及方法 | |
CN210033427U (zh) | 一种掘进机截割头复合定位系统 | |
CN109630109B (zh) | 掘进机行走路径规划方法、装置及掘进机行走控制系统 | |
CN103093388A (zh) | 一种基于隧道掌子面的摄影地质编录系统 | |
CN109555521A (zh) | 一种掘进机截割头复合定位方法 | |
CN111140231A (zh) | 面向综采装备时空运动学的煤层顶底板路径虚拟规划方法 | |
CN107060726A (zh) | 一种采用移动工程机器人进行隧道钻孔的系统 | |
CN114352300A (zh) | 一种数字化钻爆开挖系统和开挖方法 | |
CN112066994A (zh) | 一种消防机器人局部自主导航方法及系统 | |
CN117291959A (zh) | 基于激光slam的工作面整体工作空间虚拟重构方法 | |
CN109709497A (zh) | 一种高精度定位系统及方法 | |
Wang et al. | A control method for hydraulic manipulators in automatic emulsion filling | |
CN105652866A (zh) | 一种掘进机自动测量及纠偏系统 | |
CN114756033B (zh) | 一种用于井下透水的机器人沿管线巡检方法 | |
CN113280703B (zh) | 一种基于bim技术的钻爆施工隧道超欠挖控制方法 | |
CN113664831B (zh) | 一种获取焊缝点云信息的焊接机器人系统及方法 | |
CN205689211U (zh) | 远红外热成像跟踪掘进机切割头虚拟仿真遥控装置 | |
CN112443328B (zh) | 控制方法、装置、采掘设备和计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |