采煤機(jī)的智能化是實現(xiàn)工作面智能化和無人化開采的前提條件。本書介紹了采煤機(jī)智能化相關(guān)技術(shù)的國內(nèi)外研究現(xiàn)狀，指出應(yīng)用中存在的問題，設(shè)計了采煤機(jī)智能控制系統(tǒng)的總體架構(gòu)，并對采煤機(jī)慣性導(dǎo)航精確定位、采煤機(jī)煤巖截割模式識別、綜采工作面煤巖識別、采煤機(jī)截割路徑優(yōu)化、綜采工作面煤壁片幫識別等采煤機(jī)智能化的關(guān)鍵技術(shù)進(jìn)行了深入探討。本書內(nèi)容全面、新穎，涵蓋了采煤機(jī)智能化的*新前沿技術(shù)，為提升煤礦智能化開采水平提供了堅實的理論基礎(chǔ)。
本書讀者對象是高等院校的教師和研究生，科研院所、企業(yè)的工程技術(shù)人員，以及關(guān)心煤礦智能化發(fā)展的各界人士。
前言
第1章緒論1
11我國采煤技術(shù)的發(fā)展歷程1
12高可靠性采煤機(jī)的發(fā)展歷程2
13采煤機(jī)智能化相關(guān)技術(shù)的研究現(xiàn)狀3
131煤巖識別技術(shù)3
132采煤機(jī)定位技術(shù)5
參考文獻(xiàn)7
第2章采煤機(jī)的基本結(jié)構(gòu)及智能控制系統(tǒng)架構(gòu)11
21采煤機(jī)的基本結(jié)構(gòu)11
22采煤機(jī)的工作原理14
23采煤機(jī)調(diào)高與調(diào)速系統(tǒng)的工作原理16
24采煤機(jī)智能控制系統(tǒng)的總體架構(gòu)18
241采煤機(jī)機(jī)載監(jiān)控系統(tǒng)19
242采煤機(jī)井下遠(yuǎn)程監(jiān)控系統(tǒng)20
243采煤機(jī)地面監(jiān)控系統(tǒng)23
244智能化采煤機(jī)的關(guān)鍵技術(shù)23
參考文獻(xiàn)23
第3章采煤機(jī)慣性導(dǎo)航精確定位技術(shù)24
31采煤機(jī)慣性導(dǎo)航定位模型24
311坐標(biāo)系定義及轉(zhuǎn)換過程24
312姿態(tài)變換矩陣實時解算算法26
313采煤機(jī)慣性導(dǎo)航定位微分方程28
32采煤機(jī)慣性導(dǎo)航定位方案30
33采煤機(jī)慣性導(dǎo)航定位誤差模型31
331姿態(tài)誤差模型32
332速度誤差模型33
333位置誤差模型34
334系統(tǒng)誤差模型34
34采煤機(jī)慣性導(dǎo)航定位的初始對準(zhǔn)35
341卡爾曼濾波算法35
342改進(jìn)的果蠅優(yōu)化算法36
343基于果蠅優(yōu)化卡爾曼濾波算法的初始對準(zhǔn)39
344初始對準(zhǔn)算法的仿真分析45
35差分式慣性傳感組件數(shù)據(jù)融合模型47
351差分布局方法47
352數(shù)據(jù)融合方程47
36采煤機(jī)位姿差分解算算法48
361采煤機(jī)姿態(tài)差分解算48
362采煤機(jī)速度差分解算49
363采煤機(jī)位置差分解算50
37試驗驗證51
371試驗平臺搭建51
372采煤機(jī)慣性導(dǎo)航定位試驗53
參考文獻(xiàn)56
第4章采煤機(jī)煤巖截割模式識別技術(shù)58
41采煤機(jī)煤巖截割模式分析58
42煤巖截割傳感信號分析59
421煤巖截割聲音信號的產(chǎn)生機(jī)理59
422煤巖截割振動信號分析61
43基于多傳感信息融合的采煤機(jī)煤巖截割模式識別62
431采煤機(jī)煤巖截割模式識別系統(tǒng)架構(gòu)62
432采煤機(jī)煤巖截割模式識別流程63
44基于紅外熱成像的采煤機(jī)煤巖截割模式識別64
441采煤機(jī)截割煤壁紅外熱成像圖分析64
442截割過程中溫度特征分析65
443截割煤壁溫度數(shù)據(jù)分析66
參考文獻(xiàn)67
第5章綜采工作面煤巖識別技術(shù)68
51基于深度學(xué)習(xí)的綜采工作面煤巖識別系統(tǒng)設(shè)計68
511綜采工作面煤巖識別系統(tǒng)架構(gòu)68
512基于深度學(xué)習(xí)的綜采工作面煤巖識別流程69
52綜采工作面煤巖圖像數(shù)據(jù)集的構(gòu)建71
521綜采工作面煤巖圖像采集71
522綜采工作面煤巖圖像擴(kuò)充73
523綜采工作面煤巖圖像標(biāo)注75
524綜采工作面煤巖圖像數(shù)據(jù)集劃分76
53基于卷積神經(jīng)網(wǎng)絡(luò)的煤巖圖像分類77
531經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)模型78
532基于CRnet的煤巖圖像分類網(wǎng)絡(luò)模型設(shè)計79
533試驗設(shè)計與分析84
54基于改進(jìn)Unet網(wǎng)絡(luò)模型的煤巖圖像語義分割88
541經(jīng)典的語義分割網(wǎng)絡(luò)模型89
542煤巖圖像語義分割網(wǎng)絡(luò)模型設(shè)計90
543試驗設(shè)計與分析95
55基于激光掃描的綜采工作面煤巖識別流程99
551激光掃描技術(shù)100
552基于激光掃描的綜采工作面煤巖識別流程101
56煤巖截割表面激光點云數(shù)據(jù)的精簡102
561經(jīng)典的點云數(shù)據(jù)精簡方法103
562基于特征點保留的煤巖激光點云數(shù)據(jù)精簡方法105
563點云數(shù)據(jù)精簡效果的評價指標(biāo)109
57基于激光點云數(shù)據(jù)的煤巖識別110
571傳統(tǒng)區(qū)域生長點云分割算法111
572煤巖激光點云數(shù)據(jù)的最佳強度閾值確定111
573改進(jìn)蟻群算法及其應(yīng)用115
574基于IACOOTSU改進(jìn)區(qū)域生長的煤巖識別算法118
58試驗驗證120
581試驗平臺搭建120
582煤巖識別結(jié)果評價121
583試驗結(jié)果與分析121
584井下現(xiàn)場測試129
參考文獻(xiàn)131
第6章采煤機(jī)截割路徑優(yōu)化技術(shù)132
61基于煤層分布預(yù)測的采煤機(jī)截割路徑規(guī)劃方法132
611DS證據(jù)理論與神經(jīng)網(wǎng)絡(luò)132
612煤層分布邊界特征點的選取135
613基于改進(jìn)DS證據(jù)理論與多神經(jīng)網(wǎng)絡(luò)的煤層分布趨勢融合預(yù)測方法136
62采煤機(jī)滾筒截割路徑模糊優(yōu)化方法140
621記憶截割原理與存在的問題140
622采煤機(jī)記憶截割路徑的模糊優(yōu)化方法141
63基于雙坐標(biāo)系的采煤機(jī)截割路徑平整性控制方法144
631截割路徑平整性控制坐標(biāo)系的建立145
632截割過程分析與動態(tài)控制方法146
633試驗驗證148
參考文獻(xiàn)151
第7章綜采工作面煤壁片幫識別技術(shù)152
71基于混合算法的綜采工作面監(jiān)控圖像增強方法153
711綜采工作面監(jiān)控圖像特性分析153
712基于雙邊濾波與單尺度Retinex的混合圖像增強算法154
713基于混合算法的綜采工作面監(jiān)控圖像增強試驗分析157
72基于背景差分法的煤壁片幫特征分析方法164
721背景差分法165
722基于背景差分法的煤壁片幫特征分析體系構(gòu)建168
723仿真分析171
73基于支持向量機(jī)的煤壁片幫危害程度評估方法174
731煤壁片幫危害程度評估問題174
732基于支持向量機(jī)的煤壁片幫危害程度評估模型175
74試驗驗證176
741煤壁片幫識別模擬試驗平臺設(shè)計176
742煤壁片幫識別軟件設(shè)計177
743試驗方案與結(jié)果分析181
參考文獻(xiàn)184
書單推薦
