摘要
本发明公开了一种煤层夹矸识别与滚筒智能截割调高调速联动方法,利用工业摄像机采集煤和夹矸图像,通过卷积神经网络提取图像模态特征向量;采集采煤机摇臂的振动信号并提取振动信号的频域和时域特征,采用卷积神经网络提取振动信号模态特征向量;融合图像模态特征向量和振动信号模态特征向量;将融合后的特征向量输入到训练好的多模态深度学习模型中,获得煤层夹矸界面分割结果,并规划采煤机滚筒截割轨迹;根据煤和夹矸识别结果,控制采煤机滚筒调高和调速;本方法用于准确识别煤层中的夹矸并根据煤和矸石分割界面,实现滚筒智能调高,避免截割顶板,减少滚筒截齿损耗,同时截割煤层夹矸时,调节滚筒截割速度,提高矸石块度,方便后续洗矸。
技术关键词
煤层夹矸
联动方法
卷积神经网络提取
多模态深度学习
图像
采煤机滚筒
控制采煤机
时域特征
采煤机截割轨迹
工业摄像机
振动信号传感器
深度学习模型
振动信号特征
注意力机制
像素
短时傅里叶变换
系统为您推荐了相关专利信息
待测零件
零件特征
视觉采集装置
视觉匹配方法
模板
特性建模方法
耦合技术
环境温湿度变化
装备
历史气象数据
影像变化检测方法
无人机遥感影像
孪生神经网络
多通道特征
异构
采煤机控制系统
流量监测装置
实时监测方法
输送机
刮板