CN113062736A - 一种基于机器视觉的掘进机自适应截割系统及方法 - Google Patents

一种基于机器视觉的掘进机自适应截割系统及方法 Download PDF

Info

Publication number
CN113062736A
CN113062736A CN202110335446.XA CN202110335446A CN113062736A CN 113062736 A CN113062736 A CN 113062736A CN 202110335446 A CN202110335446 A CN 202110335446A CN 113062736 A CN113062736 A CN 113062736A
Authority
CN
China
Prior art keywords
cutting
cutting head
signal
speed
adaptive
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
Application number
CN202110335446.XA
Other languages
English (en)
Inventor
沈刚
朱真才
曲颂
李翔
汤裕
江红祥
刘立岩
柏德恩
许少毅
刘送永
王威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN202110335446.XA priority Critical patent/CN113062736A/zh
Publication of CN113062736A publication Critical patent/CN113062736A/zh
Pending legal-status Critical Current

Links

Images

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
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21C—MINING OR QUARRYING
    • E21C25/00—Cutting machines, i.e. for making slits approximately parallel or perpendicular to the seam
    • E21C25/02—Machines slitting solely by one or more percussive tools moved through the seam
    • E21C25/04—Cutting crowns or other tools
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mining & Mineral Resources (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Geology (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mechanical Engineering (AREA)
  • Geochemistry & Mineralogy (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Quality & Reliability (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Excavating Of Shafts Or Tunnels (AREA)

Abstract

本发明公开了一种基于机器视觉的掘进机自适应截割系统及方法，该系统包括掘进机机械本体、信号采集系统、电控系统；信号采集系统包括设置在截割头后端的编码器以及设置在平台上的视频采集箱；电控系统包括设置在平台上的电控箱，编码器、视频采集箱分别与电控箱信号连接，电控箱分别与视频采集箱、截割电机、回转油缸组、升降油缸组控制连接。本发明通过提前识别煤岩硬度变化对截割头的旋转、进给做出了预控制，从而达到自适应截割效果，降低截割头磨损、截割电机损耗，有效提高了掘进效率。并且仅通过编码器和工业摄像头对截割头工况进行监测，即可完成反馈信号的采集，减少了传感器的使用数量，从而降低系统建模的累计误差，提高控制精度。

Description

一种基于机器视觉的掘进机自适应截割系统及方法
技术领域
本发明涉及自动化掘进装备技术领域，具体涉及一种基于机器视觉的掘进机自适应截割系统及方法。
背景技术
我国煤矿80％以上均采用井工开采方式，井工开采需要掘进大量巷道，近年来我国煤矿巷道每年掘进量超过13000km，相当于地球的直径，其中硬岩巷道约占30％。在掘进机作业时，工作载荷的突变容易使截齿、油缸、截割电动机等部件发生冲击损坏，影响截割效果，并降低稳定性。为了能够平稳可靠工作，掘进机需要适应工作载荷的变化。目前掘进机主要通过实时监测截割电动机的电流，利用电流反馈来控制回转和升降油缸的伸缩速度来降低工作载荷突变的影响，但此方法对复杂的工况适应性差，控制效果不理想。为提高掘进机工作效率，降低截割头损耗，需设计更加优越的自适应截割系统及方法。
发明内容
为了克服监测截割电动机的电流工况适应性差、控制效果不理想问题，本发明提供一种基于机器视觉的掘进机自适应截割系统及方法。
为了实现上述技术目的，本发明采用如下技术方案：
一种基于机器视觉的掘进机自适应截割系统，其特征在于：包括掘进机机械本体、信号采集系统、电控系统；
掘进机机械本体包括平台，平台上方设有回转支撑，回转支撑上方设有回转部件，回转部件后端连接有回转油缸组，回转油缸组驱动回转部件绕回转支撑在水平方向上转动，回转部件前端铰接有悬臂大梁，悬臂大梁前端设有截割电机，截割电机的输出轴驱动连接有截割头；升降油缸组一端与回转部件铰接，另一端与悬臂大梁前端铰接；
信号采集系统包括设置在截割头后端的编码器以及设置在平台上的视频采集箱；
电控系统包括设置在平台上的电控箱，编码器、视频采集箱分别与电控箱信号连接，电控箱分别与视频采集箱、截割电机、回转油缸组、升降油缸组控制连接。
优选地，视频采集箱包括直线模组、电机支撑座、伺服电机、滚珠丝杠、滑块、工业摄像头、联轴器、探照灯，直线模组固定在视频采集箱内部底面板，电机支撑座与直线模组顶端固定连接，联轴器设置在电机支撑座内部，滑块与直线模组滑动连接，滚珠丝杠设置在直线模组内，伺服电机通过联轴器与滚珠丝杠的丝杆传动连接，滚珠丝杠的螺母与滑块固定连接，工业摄像头与滑块固定连接，探照灯与滑块固定连接且设置于工业摄像头下方。
优选地，视频采集箱内部后面板上纵向设置若干风扇。
优选地，电控箱内部设有电源模块、控制板、PLC控制器、伺服驱动器、变频器，电源模块为电控箱提供电源，控制板分别与编码器、视频采集箱信号连接，PLC控制器输入端与控制板信号连接，伺服驱动器输入端与PLC控制器第一输出端信号连接，伺服驱动器输出端与伺服电机控制连接，变频器输入端与PLC控制器第二输出端信号连接，变频器输出端与截割电机控制连接，PLC控制器第三输出端通过第一伺服阀与回转油缸组控制连接，PLC控制器第四输出端通过第二伺服阀与升降油缸组控制连接。
优选地，控制板为STM32控制板。
优选地，风扇的数量为3。
本发明还提出一种基于机器视觉的掘进机自适应截割方法，包括如下步骤：
S1：编码器采集截割头实际旋转速度v1信号，视频采集箱采集截割断面视频信号，并将采集的信号传输至控制板；
S2：控制板根据截割断面视频信号计算煤岩硬度、截割头高度、截割头实际竖直摆动速度v2、截割头实际水平摆动速度v3；并根据煤岩硬度计算截割头最佳速度，并将截割头实际速度信号、截割头高度信号、截割头最佳速度信号传输至PLC控制器；
S3：PLC控制器根据截割头最佳速度信号、截割头实际速度信号对变频器、第一伺服阀、第二伺服阀闭环控制；PLC控制器根据截割头高度信号通过伺服驱动器对伺服电机控制，从而调节工业摄像头的高度。
优选地，截割头实际速度包括实际旋转速度v1、实际竖直进给速度v2、实际水平进给速度v3；截割头最佳速度包括最佳旋转速度V1、最佳竖直进给速度V2、最佳水平进给速度V3。
优选地，控制板预先对多种煤岩样本进行深度学习，通过滤波修正、特征值提取、图像分类、模型部署搭建好煤岩识别模型，并将煤岩截割实验得到的不同种类、形状煤岩对应的截割头最佳速度存储至控制板中。
优选地，步骤S2中控制板截割断面视频信号通过图像灰度化、增强、坐标转换、时域特征提取、频域特征提取计算出截割头实际竖直摆动速度v2、截割头实际水平摆动速度v3。
与现有技术相比，本发明的有益效果：
本发明提供的基于机器视觉的掘进机自适应截割系统及方法通过提前识别煤岩硬度变化对截割头的旋转、进给做出了预控制，从而达到自适应截割效果，降低截割头磨损、截割电机损耗，有效提高了掘进效率。并且仅通过编码器和工业摄像头对截割头工况进行监测，即可完成反馈信号的采集，减少了传感器的使用数量，从而降低系统建模的累计误差，提高控制精度。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简单的介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域中的普通技术人员来说，在不付出创造性劳动的前提下，还可根据这些附图获得其他附图。
图1为本发明整体结构示意图；
图2为信号采集系统结构示意图；
图3为风扇布置示意图；
图4为电控系统结构示意图。
图中：1-1、平台；1-2、回转支撑；1-3、回转部件；1-4、回转油缸组；1-5、悬臂大梁；1-6、截割电机；1-7、截割头；1-8、升降油缸组；2-视频采集箱；2-1、直线模组；2-2、电机支撑座；2-3、伺服电机；2-4、滚珠丝杠；2-5、滑块；2-6、工业摄像头；2-7、联轴器；2-8、探照灯；2-9、风扇；3、电控箱；3-1、电源模块；3-2、控制板；3-3、PLC控制器；3-4、伺服驱动器；3-5、变频器；4、编码器。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1-图4所示，一种基于机器视觉的掘进机自适应截割系统，包括掘进机机械本体、信号采集系统、电控系统；掘进机机械本体包括平台1-1，平台1-1上方设有回转支撑1-2，回转支撑1-2上方设有回转部件1-3，回转部件1-3后端连接有回转油缸组1-4，回转油缸组1-4驱动回转部件1-3绕回转支撑1-2在水平方向上转动，回转部件1-3前端铰接有悬臂大梁1-5，悬臂大梁1-5前端设有截割电机1-6，截割电机1-6的输出轴驱动连接有截割头1-7；升降油缸组1-8一端与回转部件1-3铰接，另一端与悬臂大梁1-5前端铰接。
信号采集系统包括设置在截割头1-7后端的编码器4以及设置在平台1-1上的视频采集箱2；视频采集箱2包括直线模组2-1、电机支撑座2-2、伺服电机2-3、滚珠丝杠2-4、滑块2-5、工业摄像头2-6、联轴器2-7、探照灯2-8，直线模组2-1固定在视频采集箱2内部底面板，电机支撑座2-2与直线模组2-1顶端固定连接，联轴器2-7设置在电机支撑座2-2内部，滑块2-5与直线模组2-1滑动连接，滚珠丝杠2-4设置在直线模组2-1内，伺服电机2-3通过联轴器2-7与滚珠丝杠2-4的丝杆传动连接，滚珠丝杠2-4的螺母与滑块2-5固定连接，掘进机在巷道进行掘进作业时，截割头1-7高度随截割轨迹发生变化，伺服电机2-3动作可使工业摄像头2-6上下移动至截割头1-7最佳监测高度。工业摄像头2-6与滑块2-5固定连接，探照灯2-8与滑块2-5固定连接且设置于工业摄像头2-6下方。视频采集箱2内部后面板上纵向设置3个风扇2-9，在进行煤岩截割时，风扇2-9输出的横向风力可避免灰尘附着在工业摄像头2-6上。
电控系统包括设置在平台1-1上的电控箱3，编码器4、视频采集箱2分别与电控箱3信号连接，电控箱3分别与视频采集箱2、截割电机1-6、回转油缸组1-4、升降油缸组1-8控制连接。电控箱3内部设有电源模块3-1、STM32控制板3-2、PLC控制器3-3、伺服驱动器3-4、变频器3-5，电源模块3-1为电控箱3提供电源，控制板3-2分别与编码器4、视频采集箱2信号连接，PLC控制器3-3输入端与控制板3-2信号连接，伺服驱动器3-4输入端与PLC控制器3-3第一输出端信号连接，伺服驱动器3-4输出端与伺服电机2-3控制连接，变频器3-5输入端与PLC控制器3-3第二输出端信号连接，变频器3-5输出端与截割电机1-6控制连接，PLC控制器3-3第三输出端通过第一伺服阀与回转油缸组1-4控制连接，PLC控制器3-3第四输出端通过第二伺服阀与升降油缸组1-8控制连接。
一种基于机器视觉的掘进机自适应截割方法，包括如下步骤：
S1：编码器4采集截割头实际旋转速度v1信号，视频采集箱2采集截割断面视频信号，并将采集的信号传输至控制板3-2；
S2：控制板3-2预先对多种煤岩样本进行深度学习，通过滤波修正、特征值提取、图像分类、模型部署搭建好煤岩识别模型，并将煤岩截割实验得到的不同种类、形状煤岩对应的截割头最佳速度存储至控制板3-2中；控制板3-2截割断面视频信号通过图像灰度化、增强、坐标转换、时域特征提取、频域特征提取计算出截割头实际竖直摆动速度v2、截割头实际水平摆动速度v3；并根据煤岩硬度计算截割头最佳速度，并将截割头实际速度信号、截割头高度信号、截割头最佳速度信号传输至PLC控制器3-3；截割头实际速度包括实际旋转速度v1、实际竖直进给速度v2、实际水平进给速度v3；截割头最佳速度包括最佳旋转速度V1、最佳竖直进给速度V2、最佳水平进给速度V3；
S3：PLC控制器3-3根据截割头最佳速度信号、截割头实际速度信号对变频器3-5、第一伺服阀、第二伺服阀闭环控制；PLC控制器3-3根据截割头高度信号通过伺服驱动器3-4对伺服电机2-3控制，从而调节工业摄像头2-6的高度。

Claims (10)

1.一种基于机器视觉的掘进机自适应截割系统，其特征在于：包括掘进机机械本体、信号采集系统、电控系统；
所述掘进机机械本体包括平台(1-1)，所述平台(1-1)上方设有回转支撑(1-2)，所述回转支撑(1-2)上方设有回转部件(1-3)，所述回转部件(1-3)后端连接有回转油缸组(1-4)，所述回转油缸组(1-4)驱动回转部件(1-3)绕回转支撑(1-2)在水平方向上转动，所述回转部件(1-3)前端铰接有悬臂大梁(1-5)，所述悬臂大梁(1-5)前端设有截割电机(1-6)，所述截割电机(1-6)的输出轴驱动连接有截割头(1-7)；升降油缸组(1-8)一端与回转部件(1-3)铰接，另一端与悬臂大梁(1-5)前端铰接；
所述信号采集系统包括设置在截割头(1-7)后端的编码器(4)以及设置在平台(1-1)上的视频采集箱(2)；
所述电控系统包括设置在平台(1-1)上的电控箱(3)，所述编码器(4)、视频采集箱(2)分别与电控箱(3)信号连接，所述电控箱(3)分别与视频采集箱(2)、截割电机(1-6)、回转油缸组(1-4)、升降油缸组(1-8)控制连接。
2.根据权利要求1所述的基于机器视觉的掘进机自适应截割系统，其特征在于：所述视频采集箱(2)包括直线模组(2-1)、电机支撑座(2-2)、伺服电机(2-3)、滚珠丝杠(2-4)、滑块(2-5)、工业摄像头(2-6)、联轴器(2-7)、探照灯(2-8)，所述直线模组(2-1)固定在视频采集箱(2)内部底面板，所述电机支撑座(2-2)与直线模组(2-1)顶端固定连接，所述联轴器(2-7)设置在电机支撑座(2-2)内部，所述滑块(2-5)与直线模组(2-1)滑动连接，所述滚珠丝杠(2-4)设置在直线模组(2-1)内，所述伺服电机(2-3)通过联轴器(2-7)与滚珠丝杠(2-4)的丝杆传动连接，所述滚珠丝杠(2-4)的螺母与滑块(2-5)固定连接，所述工业摄像头(2-6)与滑块(2-5)固定连接，所述探照灯(2-8)与滑块(2-5)固定连接且设置于工业摄像头(2-6)下方。
3.根据权利要求2所述的基于机器视觉的掘进机自适应截割系统，其特征在于：所述视频采集箱(2)内部后面板上纵向设置若干风扇(2-9)。
4.根据权利要求1所述的基于机器视觉的掘进机自适应截割系统，其特征在于：所述电控箱(3)内部设有电源模块(3-1)、控制板(3-2)、PLC控制器(3-3)、伺服驱动器(3-4)、变频器(3-5)，所述电源模块(3-1)为电控箱(3)提供电源，所述控制板(3-2)分别与编码器(4)、视频采集箱(2)信号连接，所述PLC控制器(3-3)输入端与控制板(3-2)信号连接，所述伺服驱动器(3-4)输入端与PLC控制器(3-3)第一输出端信号连接，所述伺服驱动器(3-4)输出端与伺服电机(2-3)控制连接，所述变频器(3-5)输入端与PLC控制器(3-3)第二输出端信号连接，所述变频器(3-5)输出端与截割电机(1-6)控制连接，所述PLC控制器(3-3)第三输出端通过第一伺服阀与回转油缸组(1-4)控制连接，所述PLC控制器(3-3)第四输出端通过第二伺服阀与升降油缸组(1-8)控制连接。
5.根据权利要求4所述的基于机器视觉的掘进机自适应截割系统，其特征在于：所述控制板(3-2)为STM32控制板。
6.根据权利要求3所述的基于机器视觉的掘进机自适应截割系统，其特征在于：所述风扇(2-9)的数量为3。
7.一种基于机器视觉的掘进机自适应截割方法，其特征在于，包括如下步骤：
S1：编码器(4)采集截割头实际旋转速度v1信号，视频采集箱(2)采集截割断面视频信号，并将采集的信号传输至控制板(3-2)；
S2：控制板(3-2)根据截割断面视频信号计算煤岩硬度、截割头高度、截割头实际竖直摆动速度v2、截割头实际水平摆动速度v3；并根据煤岩硬度计算截割头最佳速度，并将截割头实际速度信号、截割头高度信号、截割头最佳速度信号传输至PLC控制器(3-3)；
S3：PLC控制器(3-3)根据截割头最佳速度信号、截割头实际速度信号对变频器(3-5)、第一伺服阀、第二伺服阀闭环控制；PLC控制器(3-3)根据截割头高度信号通过伺服驱动器(3-4)对伺服电机(2-3)控制，从而调节工业摄像头(2-6)的高度。
8.根据权利要求7所述的基于机器视觉的掘进机自适应截割方法，其特征在于，所述截割头实际速度包括实际旋转速度v1、实际竖直进给速度v2、实际水平进给速度v3；所述截割头最佳速度包括最佳旋转速度V1、最佳竖直进给速度V2、最佳水平进给速度V3。
9.根据权利要求8所述的基于机器视觉的掘进机自适应截割方法，其特征在于：控制板(3-2)预先对多种煤岩样本进行深度学习，通过滤波修正、特征值提取、图像分类、模型部署搭建好煤岩识别模型，并将煤岩截割实验得到的不同种类、形状煤岩对应的截割头最佳速度存储至控制板(3-2)中。
10.根据权利要求8所述的基于机器视觉的掘进机自适应截割方法，其特征在于：步骤S2中控制板(3-2)截割断面视频信号通过图像灰度化、增强、坐标转换、时域特征提取、频域特征提取计算出截割头实际竖直摆动速度v2、截割头实际水平摆动速度v3。
CN202110335446.XA 2021-03-29 2021-03-29 一种基于机器视觉的掘进机自适应截割系统及方法 Pending CN113062736A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110335446.XA CN113062736A (zh) 2021-03-29 2021-03-29 一种基于机器视觉的掘进机自适应截割系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110335446.XA CN113062736A (zh) 2021-03-29 2021-03-29 一种基于机器视觉的掘进机自适应截割系统及方法

Publications (1)

Publication Number Publication Date
CN113062736A true CN113062736A (zh) 2021-07-02

Family

ID=76564329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110335446.XA Pending CN113062736A (zh) 2021-03-29 2021-03-29 一种基于机器视觉的掘进机自适应截割系统及方法

Country Status (1)

Country Link
CN (1) CN113062736A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116427923A (zh) * 2023-06-13 2023-07-14 三一重型装备有限公司 自适应截割方法、系统、掘进机、电子设备、介质和芯片

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101036938A (zh) * 2006-03-16 2007-09-19 上海电气自动化有限公司 高精度铜带水平连铸机组自动化装置
CA2658899A1 (en) * 2006-07-24 2008-01-31 Rheinmetall Landsysteme Gmbh Armoured support vehicle
CN102880858A (zh) * 2012-08-30 2013-01-16 中国矿业大学(北京) 一种煤岩图像自动识别方法
CN103398677A (zh) * 2013-08-20 2013-11-20 长春设备工艺研究所 一种可进行馈线高度调节的滞后角精密检测装置
CN105913445A (zh) * 2016-05-05 2016-08-31 河南理工大学 一种基于机器视觉的煤岩界面识别及定位方法
CN206074461U (zh) * 2016-10-19 2017-04-05 中国矿业大学(北京) 一种基于机器视觉的煤岩识别装置
CN106761738A (zh) * 2016-12-15 2017-05-31 中国矿业大学 基于机器视觉可自动规划截割路径的悬臂式掘进机及方法
CN107120115A (zh) * 2017-06-19 2017-09-01 中国矿业大学 一种掘进机自适应截割控制系统及方法
CN107269275A (zh) * 2017-06-15 2017-10-20 中国矿业大学(北京) 一种悬臂式掘进机截割臂摆速自适应控制系统及方法
CN206769905U (zh) * 2017-05-11 2017-12-19 辽宁工程技术大学 基于人工神经网络智能调节截割机构横摆过程的掘进机
CN207415380U (zh) * 2017-11-01 2018-05-29 重庆科创职业学院 一种带有数据采集功能的机器人装置
CN108918409A (zh) * 2018-05-17 2018-11-30 宁波工程学院 基于射流的在线检测方法
CN111946340A (zh) * 2020-08-06 2020-11-17 西安科技大学 基于视觉导航的煤矿悬臂式掘进机截割控制方法及系统
CN112526908A (zh) * 2020-12-02 2021-03-19 昆山鑫润利自动化科技有限公司 一种用于治具生产的通用性pcb设计运动控制系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101036938A (zh) * 2006-03-16 2007-09-19 上海电气自动化有限公司 高精度铜带水平连铸机组自动化装置
CA2658899A1 (en) * 2006-07-24 2008-01-31 Rheinmetall Landsysteme Gmbh Armoured support vehicle
CN102880858A (zh) * 2012-08-30 2013-01-16 中国矿业大学(北京) 一种煤岩图像自动识别方法
CN103398677A (zh) * 2013-08-20 2013-11-20 长春设备工艺研究所 一种可进行馈线高度调节的滞后角精密检测装置
CN105913445A (zh) * 2016-05-05 2016-08-31 河南理工大学 一种基于机器视觉的煤岩界面识别及定位方法
CN206074461U (zh) * 2016-10-19 2017-04-05 中国矿业大学(北京) 一种基于机器视觉的煤岩识别装置
CN106761738A (zh) * 2016-12-15 2017-05-31 中国矿业大学 基于机器视觉可自动规划截割路径的悬臂式掘进机及方法
CN206769905U (zh) * 2017-05-11 2017-12-19 辽宁工程技术大学 基于人工神经网络智能调节截割机构横摆过程的掘进机
CN107269275A (zh) * 2017-06-15 2017-10-20 中国矿业大学(北京) 一种悬臂式掘进机截割臂摆速自适应控制系统及方法
CN107120115A (zh) * 2017-06-19 2017-09-01 中国矿业大学 一种掘进机自适应截割控制系统及方法
CN207415380U (zh) * 2017-11-01 2018-05-29 重庆科创职业学院 一种带有数据采集功能的机器人装置
CN108918409A (zh) * 2018-05-17 2018-11-30 宁波工程学院 基于射流的在线检测方法
CN111946340A (zh) * 2020-08-06 2020-11-17 西安科技大学 基于视觉导航的煤矿悬臂式掘进机截割控制方法及系统
CN112526908A (zh) * 2020-12-02 2021-03-19 昆山鑫润利自动化科技有限公司 一种用于治具生产的通用性pcb设计运动控制系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
田妍等: "放顶煤开采过程煤矸识别技术发展现状及前景", 《煤炭工程》 *
魏景生等: "《中国现代煤矿掘进机》", 31 December 2015, 煤炭工业出版社 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116427923A (zh) * 2023-06-13 2023-07-14 三一重型装备有限公司 自适应截割方法、系统、掘进机、电子设备、介质和芯片
CN116427923B (zh) * 2023-06-13 2023-09-05 三一重型装备有限公司 自适应截割方法、系统、掘进机、电子设备、介质和芯片

Similar Documents

Publication Publication Date Title
CN107575225B (zh) 瓦斯高突巷道无人值守自动掘进系统
CN107120115A (zh) 一种掘进机自适应截割控制系统及方法
CN111852332A (zh) 一种自带钻杆箱的自动加杆钻机
CN212508068U (zh) 一种自带钻杆箱的自动加杆钻机
CN113446057B (zh) 一种矿用单轨悬挂式巡检装置及使用方法
CN113062736A (zh) 一种基于机器视觉的掘进机自适应截割系统及方法
CN107965319A (zh) 臂式智能截割掘锚平行一体机
CN104018833A (zh) 悬臂式纵轴双截割部掘进机
CN109653761B (zh) 一种掘支锚联合机组双截割部控制系统及方法
CN115387725A (zh) 一种电驱动智能牙轮钻机
CN110065167B (zh) 隧道二衬混凝土及岩石切割机构、切割设备及切割方法
CN113982662B (zh) 一种煤矿井下智能锚固单元及其动态控制方法
CN207795248U (zh) 臂式智能截割掘锚平行一体机
CN109433299B (zh) 用于泥水盾构刀盘辐条位置孤石的处理装置及其应用方法
CN216130914U (zh) 一种智能控制的正反循环钻机
CN107100784B (zh) 波浪发电平台升降转向智能调节控制系统
CN202903164U (zh) 石油钻机用大钩高度测量系统
CN103306000A (zh) 一种提花织机的伺服控制装置及其运行控制方法
CN115450647A (zh) 掘锚一体机的自适应自动截割控制方法及截割控制装置
CN212296222U (zh) 一种全角度钻车
CN110821394B (zh) 一种钻爆法施工用隧道凿岩设备
CN203835388U (zh) 悬臂式纵轴双截割部掘进机
CN112554879A (zh) 煤矿用掘进机自动定位截割系统和方法
CN210635651U (zh) 一种轨道式巡检机器人辅助升降装置
CN215332662U (zh) 一种多功能智能钻机

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210702

RJ01 Rejection of invention patent application after publication