Coal flow volume measurement based on linear model partitioning
-
摘要: 针对基于线激光条纹的带式输送机煤量测量精度和计算效率较低、胶带运行过程中存在拖尾现象及跑偏、飘带造成的数据不对齐问题，提出了一种基于线性模型划分的煤流体积测量方法。首先，利用高速线激光相机进行煤流数据采集；然后，通过基于线性模型划分的点云配准算法将胶带底部点云数据与煤流表面数据融合，形成完整的三维煤流数据；最后，通过煤流体积测量模型实现对煤流体积的测量。试验结果表明，基于线性模型划分的煤流体积测量方法在高粉尘环境、煤流表面洒水环境、昏暗环境及正常光照环境下测量粗糙表面铁块、光滑表面铁块及实物（煤和矸石）所得结果精度均在95%以上；且光滑表面铁块较粗糙表面铁块在4种模拟环境下的测量精度高，说明物体表面平整度越好测量精度越高，环境对测量精度影响不大。实际测试结果表明，基于线性模型划分的煤流体积测量方法的测量精度均在97%以上，对应平均耗时均在80 ms以内；与基于KD树的测量方法相比，整体精度提高了6%以上，处理时效性提高了1倍。Abstract: The precision and computational efficiency of coal quantity measurement for belt conveyors based on linear laser stripes are low. There is a trailing phenomenon during belt operation, as well as data misalignment caused by deviation and drifting. In order to solve the above problems, a coal flow volume measurement method based on linear model partitioning is proposed. Firstly, the method uses a high-speed line laser camera to collect coal flow data. Secondly, a point cloud registration algorithm based on linear model partitioning is used to fuse the point cloud data at the bottom of the belt with the surface data of the coal flow, forming a complete three-dimensional coal flow data. Finally, the coal flow volume measurement is achieved through a coal flow volume measurement model. The experimental results show that the coal flow volume measurement method based on linear model partitioning has a precision of over 95% when measuring rough surface iron blocks, smooth surface iron blocks, and physical objects (coal and gangue) in high dust environment, coal flow surface watering environment, dim environment, and normal lighting environment. Moreover, the measurement precision of smooth-surface iron blocks is higher than that of rough-surface iron blocks in four simulated environments. It indicates that the better the flatness of the object surface, the higher the measurement precision. The environment has little impact on measurement precision. The actual test results show that the coal flow volume measurement method based on linear model partitioning has a measurement precision of over 97%. The corresponding average time is within 80 ms. Compared with the measurement method based on the KD tree, the overall precision has been improved by more than 6% and the processing timeliness has been doubled.
-
0. 引言
声发射是指煤、岩石类材料体在外载荷作用下产生微裂纹而导致材料体以弹性波形式释放应变能的现象[1-2]。声发射通过对岩石破坏过程的动态连续监测，可细观分析受载岩石内部裂纹生成、发展、动态演化及损伤累积过程，揭示地下工程中的煤岩体破裂特征，对煤矿冲击地压、巷道底鼓、冒顶、金属矿岩爆等灾害的研究具有重要的理论指导意义。
许多学者在岩石类材料受载破裂声发射特征方面进行了研究。曹安业等[3]对砂岩、泥岩在不同加载速率下的声发射特征进行了研究，认为随着加载应变率增大，声发射能量释放形式由孤震型向震群型转变。张黎明等[4]基于单轴压缩试验分析了大理岩受载破坏过程的声发射参量变化特征，发现声发射频率随加载速率增减呈明显的波动，大理岩峰值强度前频率突增，峰值强度后频率突降。张国凯等[5-7]利用声波、声发射一体化装置研究了花岗岩在单轴加载下的应力波传播、裂纹扩展与声发射演化之间的关系，认为初始加载阶段波速与声发射幅值增长趋势一致，但增速较慢，声发射能量在花岗岩宏观破裂前发生突发性增长，并将此作为煤岩体灾害性破坏预判的前兆信息。陈宇龙等[8-9]基于力学实验获取了岩石应力−应变曲线4个阶段的声发射特征，认为在初始压密和弹性阶段，声发射撞击数少、能量低、振幅小，较少破裂事件产生；在应变硬化阶段，撞击数骤增、能量高、振幅大，大量破裂事件产生；在应变软化阶段撞击数骤减、能量低、振幅小，少量破裂事件产生。姚强岭等[10-11]研究了含水砂岩受载的声发射特征，在干燥状态下，含水砂岩声发射计数峰值与应力峰值位置基本一致；随着含水率增加，声发射计数峰值滞后于应力峰值，且含水率越高，滞后现象越明显。
岩石类材料的声发射特征可清晰地反馈岩石破裂内部细观结构演化及损伤情况，而岩石类材料受载发生宏观破裂程度的评价及相关性分析亦是地下工程研究中的重点问题。分形理论[12]作为描述无规则事件的前沿理论，多次被应用于定量描述煤岩破坏程度，分析煤岩破坏与其他参数的关系。刘少虹等[13-15]采用一维过分离式霍普金森压杆(Split Hopkinson Pressure Bar，SHPB)动静组合实验分析了试件破坏碎片分维与应力波关系，认为组合煤岩试件碎片分维随应力波能量的增大而增大，随静态载荷的增大呈先增大后减小的规律。郑克洪[16]研究了煤矸石破碎粒度的分形表达式，并与威布尔分布结果进行了对比，认为采用分形分布表示煤矸石破碎粒度能更好地表达煤矸石破碎粒度的分布规律。纪杰杰等[17]探究了冲击荷载作用下岩石破碎分形特征，认为岩石动态抗压强度随应变率增大而增大，二者满足乘幂函数关系。
上述研究对岩石受载破坏过程的声发射特征和试件碎片分形特征进行了相关分析，并取得了一定成果，但针对冲击倾向煤样在不同应变率单向受载条件下破坏程度的定量描述及与加载应变率的定量关系的研究较少。本文通过冲击倾向煤样在单轴静态载荷基础上施加不同应变率动态载荷加载实验，并采用分形理论分析试件碎片与载荷应变率的定量关系，以及载荷应变率与试件破坏模式的对应关系等，来研究冲击倾向煤样在不同应变率载荷作用下破裂的声发射及碎片分形特征。
1. 煤矿动静态载荷应变率界定
不同岩石工程中对载荷状态的界定不同，应变率是界定载荷状态的唯一指标[3]。在煤矿动静态载荷应变率的界定中，当应变率大于10−3 s−1时属于动态载荷[18-19]，大于10−5 s−1小于10−3 s−1时属于准动态载荷，小于10−5 s−1时属于静态载荷，见表1。
表 1 煤矿载荷的应变率界定标准Table 1. Strain rate definition criterion of loadings in coal mine指标 静态载荷 准动态载荷 动态载荷 应变率/s−1 <10−5 10−5～10−3 >10−3 变化率/（MPa·s−1） <0.1 0.1～10 >10 2. 不同应变率载荷加载煤样试验及结果
2.1 试验系统
试验系统如图1所示。选用MTS−C64.106电液伺服系统作为压力加载系统，额定承载能力为1 000 kN，动作器位移速度为0.5～90 mm/min，位移分辨率为0.2 μm。声发射系统选用集成PCI−2卡型声发射监测设备，可同时实现特征参数提取和波形处理，频率范围为103～3×107 HZ，采样率为4×107 Hz。试验中，声发射门槛值设定为40 dB，受载试件采用6个传感器控制，距离试件顶底端10 mm分别布置3个传感器且呈180°布控。
2.2 试件加工
煤样采集于兖州煤业股份有限公司东滩煤矿63上05工作面。选取具有弱冲击危险煤层中无明显裂隙发育的大块原煤，钻取直径为50 mm的圆柱体，截锯成高度为100 mm的试件，将两端打磨平整，确保两端不平整度范围为±0.5 mm，断面与轴线不垂直度范围为±0.15°。共加工24个试件。试件参数见表2，试件成品如图2所示。
表 2 试件基本参数Table 2. Basic parameters of samples编号 高度/mm 直径/mm 质量/g 横截面积/cm2 体积/cm3 密度/(g·cm−3) 编号 高度/mm 直径/mm 质量/g 横截面积/cm2 体积/cm3 密度/(g·cm−3) 1−1 99.14 49.43 257.4 19.18 190.15 1.35 2−5 101.51 48.85 261.3 18.73 190.15 1.37 1−2 100.53 48.59 250.3 18.53 186.32 1.34 2−6 99.83 49.25 237.2 19.04 190.08 1.25 1−3 98.59 48.91 246.6 18.78 185.14 1.33 2−7 95.64 48.89 243.4 18.76 179.45 1.36 1−4 99.35 48.72 254.4 18.63 185.12 1.37 2−8 97.95 49.07 242.6 18.90 185.14 1.31 1−5 101.78 49.01 247.3 18.86 191.91 1.29 补1 100.35 48.94 243.0 18.80 188.68 1.29 1−6 99.55 48.99 259.7 18.84 187.55 1.38 补2 96.96 48.93 231.5 18.79 182.23 1.27 1−7 101.64 49.13 260.0 18.95 192.59 1.35 补3 100.90 49.07 250.5 18.90 190.72 1.31 1−8 101.47 48.76 248.7 18.66 189.38 1.31 补4 95.52 49.01 230.5 18.86 180.11 1.28 2−1 100.66 49.21 268.3 19.01 191.35 1.40 补5 92.55 49.02 241.1 18.86 174.58 1.38 2−2 100.63 48.72 253.7 18.63 187.50 1.35 补6 95.80 48.95 226.3 18.81 180.19 1.26 2−3 99.83 48.93 277.6 18.79 187.62 1.48 补7 100.35 48.98 253.0 18.83 188.98 1.34 2−4 100.72 48.87 275.3 18.75 188.83 1.46 补8 99.63 48.94 243.4 18.80 187.32 1.30 2.3 试验方案
为研究冲击倾向煤样在不同应变率载荷作用下的破坏程度，先采用静态载荷加载试件，当加载到5 kN后保持20 s，再采用不同应变率载荷控制试件，直到试件破坏。载荷应变率分别为8.33×10−6，4.17×10−5，8.34×10−5，1.67×10−4，3.34×10−4，1.00×10−3，2.50×10−3，5.00×10−3 s−1，8次为一组试验，共进行3组试验，试验结果取平均值。
2.4 试验结果
不同应变率载荷加载作用下的应力−应变曲线如图3所示。可看出在静态载荷基础上，试件破坏的峰值强度随着应变率载荷的升高而逐渐上升，说明高应变率载荷触发试件破坏的峰值强度更大。在冲击地压煤矿生产中，高应变率触发的冲击地压强度更大。
![]()
图 3 不同应变率载荷加载作用下的应力−应变曲线Figure 3. Stress-strain curves under loading modes with different strain rates3. 不同应变率载荷下试件破裂声发射特征
3.1 声发射振铃计数和能量特征分析
选取应变率为8.33×10−6，1.67×10−4，2.50×10−3 s−1 3种条件下监测到的声发射振铃计数、能量幅值做图，如图4所示。可看出声发射振铃计数和能量幅值都随时间增加而增大，且二者的变化趋势一致；当应变率增大，加载时间减少，振铃计数减少，但能量幅值升高，说明应变率增大有利于高能震动产生；随着应变率增大，振铃计数与能量幅值的增长模式由缓慢增长逐渐发展为急速增长，最终发展为突然增长，说明煤矿中的高应变率载荷更易触发高能动力事件。
![]()
图 4 不同应变率载荷加载下声发射振铃计数、能量特征Figure 4. Ringing count and energy characteristics of AE under different strain rate loading3.2 能量输入与声发射参数关系分析
煤体声发射现象及内部损伤受外界能量影响，煤体在加载之后产生裂纹，同时释放能量，并以应力波的形式传递，在传递到试件表面时可被声发射探头接收，每个探头可监测能量输入速率、振铃计数、撞击事件数[13-14]。因此通过上述3种监测值对比分析能量输入与试件内部变化的关系，如图5所示。一维情况下，能量输入为
$$ Q = \iiint\limits_V {\sigma \varepsilon {\text{d}}V} $$ (1) 式中：Q为总能量输入，J；V为体积，cm3；
$ \sigma $ 为应力，Pa；$ \varepsilon $ 为应变。由图5可看出：加载应变率较低时能量输入较均衡，应变率较高时能量输入不稳定，突增突降现象明显；随着应变率增大，能量输入经历缓增−急增−突增的转变，这与声发射监测到的能量特征一致。能量输入速率与振铃计数、撞击事件数增长趋势基本相同，尤其表现在能量输入速率达到最大时，在微小范围内振铃计数与撞击事件数也达到最大，此时试件内部裂纹扩展和损伤程度最大，因此认为能量输入速率与试件内部损伤呈正相关；试件达到峰值载荷时，裂纹扩展主要表现为裂隙的贯通和宏观破坏，内部损伤急速增加；在能量输入速率峰值之后的短时间内，振铃计数与撞击事件数迅速降低，说明试件正在完全失去承载能力。对比不同应变率加载的振铃计数与撞击事件数发现，应变率越大，单位时间内振铃计数与撞击事件数越大，说明应变率增大促进了试件内部裂隙的快速扩展与撞击事件的形成。
3.3 声发射相关常数分析
为深入揭示试件受载内部损伤及破裂程度，采用古登堡公式处理声发射数据。
$$ \lg N \ = a - b\lg E $$ (2) 式中：N为震动频次；a为与震动强弱正相关的常数；b为与高低能震动数之比负相关的常数；E为震级。
选取试验中应变率为8.33×10−6，1.67×10−4，2.50×10−3 s−1 3种条件下接收的20组lgE与lgN的声发射数据进行处理，求解a，b，结果见表3。可看出a随应变率增大而减小，b随应变率增大而增大。这是因为应变率增大，加载时间缩短，监测到的声发射频次减少，试件裂纹扩展活动性减弱，但高能声发射事件增加，高低能声发射比例增大，所以b增大，试件内部损伤加剧，煤矿生产中更易触发高能动力事件。
表 3 不同应变率加载下a，bTable 3. The a and b values under different strain rate loading序号 应变率/s−1 a b 1 8.33×10−6 5.053 15 0.431 13 2 1.67×10−4 4.860 07 0.432 89 3 2.50×10−3 4.484 21 0.441 75 3.4 试件动态破坏模式与损伤特性
采用高速摄像机监拍不同冲击载荷下试件动态破坏过程，如图6所示。可看出加载应变率越大，试件破坏越严重；随着加载应变率增大，试件破坏形式由剪切破坏向劈裂破坏再向爆裂破坏发生转变；当加载应变率较低时，主要是试件上半部分破坏；应变率增大后由试件中部逐渐向下半部分延伸破坏；整个破坏过程几乎不发生明显的黏性变形，而以脆性破坏为主，所以由动态载荷引发的煤体裂纹扩展主要是脆性扩展行为。
4. 不同应变率加载试件碎片分形特征
4.1 碎片粒径特征
采用声发射可较好地定量分析煤样在静动组合加载作用下的细观破坏特征，采用分形理论来定量描述煤样加载破坏程度。为便于筛分粒径，试验中采用筛分粒径分别为1，2，5，10，20，40 mm的筛子对冲击碎片进行筛分，并称出对应粒径煤屑的质量，对比分析不同粒径碎片的质量分数，见表4。可看出冲击碎片粒径主要集中在10～40 mm。应变率较低时，碎片粒径集中在10～20 mm和20～40 mm，且此时一般不产生大粒径(≥40 mm)的碎片。粒径为10～20 mm且应变率低于1.67×10−4 s−1时的碎片随应变率的增大而增多。小粒径碎片增多，则碎片总表面积增大，消耗能量增大，因此这种扰动载荷通常不引起试件很大强度的破坏。当应变率较高时，大粒径碎片随应变率增大先增后减。大粒径碎片增多，则碎片总表面积减少，消耗的能量减少，而应变率升高又会使储存的弹性能增多，试件破坏强度增强。当应变率达到最大时，大粒径碎片减少，因此推测其存在一个产生最大冲击强度的应变率极值，需要进一步探索。
表 4 不同加载条件下冲击碎片质量百分比Table 4. Quality percentage of coal fragment under different loadings序号 应变率/s−1 指标 粒径/mm ＜1 1～2 2～5 5～10 10～20 20～40 ≥40 1 8.33×10−6 质量/g 4.66 2.67 7.27 13.43 30.98 192.79 0 质量分数/% 1.85 1.06 2.89 5.33 12.30 76.56 0 2 4.17×10−5 质量/g 4.94 2.96 7.93 10.62 37.76 182.14 0 质量分数/% 2.01 1.20 3.22 4.31 15.33 73.94 0 3 8.34×10−5 质量/g 3.22 4.51 4.93 30.85 113.33 81.22 0 质量分数/% 1.35 1.89 2.07 12.96 47.61 34.12 0 4 1.67×10−4 质量/g 2.26 1.14 4.17 6.11 152.18 81.91 0 质量分数/% 0.91 0.46 1.68 2.47 61.42 33.06 0 5 3.34×10−4 质量/g 7.78 2.58 10.27 12.72 97.49 50.04 58.33 质量分数/% 3.25 1.08 4.29 5.32 40.75 20.92 24.38 6 1.00×10−4 质量/g 3.58 4.47 4.85 8.24 19.75 58.98 147.75 质量分数/% 1.45 1.81 1.96 3.33 13.38 23.82 59.67 7 2.50×10−3 质量/g 4.69 2.46 17.91 23.75 32.27 115.87 48.86 质量分数/% 1.91 1.00 7.29 9.66 13.13 47.14 19.88 8 5.00×10−3 质量/g 2.93 2.49 15.44 18.87 24.61 138.42 40.17 质量分数/% 1.21 1.02 6.36 7.77 10.13 56.98 16.54 4.2 碎片分维与冲击载荷应变率关系
试验中，试件破碎程度不同的现象在工程中可表射为不同程度的冲击事故。分形理论是一种广泛应用于定量描述无规则事件的理论，采用分形理论计算试件碎片分维，定量评价碎片破碎程度具有合理性。
为计算在不同应变率载荷加载条件下冲击碎片分维，可对ln(Mmax/M)与lnU进行拟合，拟合方程为
$$ \ln U = d\ln \left( {{M_{\max }}/M} \right) + {\textit{z}} $$ (3) 式中：d为冲击碎片质量分维；Mmax为最大块度的碎片质量，g；M为试件冲击碎片质量，g；U为质量不小于M的碎片数量。
当M分别为1，2，3，5，10，15，20 g时，计算冲击碎片分维，结果见表5。可看出随着应变率增大，冲击碎片分维先增大后减少，相关性系数越大，表示拟合效果越好。
表 5 不同加载条件下冲击碎片分维计算结果Table 5. Fractal dimension results of rock burst fragments under different loadings序号 应变率/s−1 拟合方程 相关性系数 d 1 8.33×10−6 lnU=1.410 79 ln(Mmax/M)+0.083 42 0.912 11 1.410 79 2 4.17×10−5 lnU=1.443 94 ln(Mmax/M)+0.112 19 0.949 44 1.443 94 3 8.34×10−5 lnU=1.496 79 ln(Mmax/M)+0.356 45 0.911 38 1.496 79 4 1.67×10−4 lnU=1.949 09 ln(Mmax/M)+2.177 44 0.970 31 1.949 09 5 3.34×10−4 lnU=2.172 51 ln(Mmax/M)+1.077 02 0.958 35 2.172 51 6 1.00×10−3 lnU=2.464 55 ln(Mmax/M)+0.974 85 0.876 45 2.464 55 7 2.50×10−3 lnU=2.515 53 ln(Mmax/M)+1.214 67 0.961 32 2.515 53 8 5.00×10−3 lnU=1.803 63 ln(Mmax/M)+0.834 79 0.854 87 1.803 63 依据表5数据，对碎片分维进行拟合，拟合后的方程为
$$ d=1.657\;16 \times 10^{-5} \dot \varepsilon ^{2}+0.008\;62 \dot \varepsilon +1.593\;54 $$ (4) 式中
$\dot \varepsilon $ 为载荷应变率。不同载荷应变率与碎片分维关系如图7所示。可看出拟合曲线呈二次函数形状，随着应变率的提高，冲击碎片质量分维先增大后减小，这与岩石材料[20]存在一定区别。从冲击动能角度出发，冲击碎片动能与质量和冲击速度呈正比，但质量增大带来的后果是速度减小，因此推测存在一个极大值，能够使冲击动能达到最大，抛物线极大值对应应变率所产生最大冲击动能的冲击载荷应变率，试验结果显示约为2.8×10−3 s−1。
![]()
图 7 不同载荷应变率与碎片分维关系Figure 7. Relationship between fractal dimension of fragments and different loads strain rate5. 结论
（1） 随着加载应变率增大，声发射总体数量减少，高能声发射事件增多，声发射振铃计数和能量幅值经历缓增−急增−突增的一致转变过程；试件受载的能量输入速率与声发射振铃计数、内部撞击事件数增长趋势基本一致；声发射a值随加载应变率增大而减小，b值随加载应变率增大而增大。
（2） 随着加载应变率增大，原煤试件的破坏模式会发生剪切破坏−劈裂破坏−爆裂破坏的转变。当加载应变率较低时，主要是试件上半部分破坏，应变率增大后由试件中部逐渐向下半部分延伸破坏，原煤试件在动载应变率作用下的破坏过程主要是裂纹的脆性扩展行为。
（3） 原煤试件受载碎片分维与加载应变率呈二次函数关系，即存在应变率极值使碎片破坏程度达到最大，试验结果显示该值为2.8×10−3 s−1。
-
表 1 各环境下煤流体积测量精度
Table 1 Coal flow volume measurement precision in various environments
% 试验素材 测量精度 正常光照环境 高粉尘环境 表面洒水环境 昏暗环境 粗糙表面铁块 97.5 97.1 97.3 97.7 光滑表面铁块 98.2 98.3 98.5 98.7 煤和矸石 96.1 95.9 95.8 96.3 
下载: 导出CSV
表 2 实际场景煤流体积测量结果
Table 2 Coal flow volume measurement results in actual scenarios
时间/min 测量结果/m3 测量精度/% 平均处理时
间/ms本文测量算法 基于KD树测量算法 电子胶带秤 本文测量方法 基于KD树测量方法 本文测量方法 基于KD树测量方法 5 509.635 462.301 510.267 99.9 90.6 75 167 11 1 208.700 1 060.454 1 175.67 97.3 90.2 73 158 30 3 115.830 2 767.120 3 084.86 99.0 89.7 76 178 50 5 520.710 4 866.070 5 400.74 97.8 90.1 75 169 80 8 420.480 7 402.580 8 271.04 98.2 89.5 74 163 120 12 639.210 11 255.050 12 409.1 98.2 90.7 78 189
下载: 导出CSV
-
[1] 吕鹏飞,何敏,陈晓晶,等. 智慧矿山发展与展望[J]. 工矿自动化,2018,44(9):84-88. LYU Pengfei,HE Min,CHEN Xiaojing,et al. Development and prospect of wisdom mine[J]. Industry and Mine Automation,2018,44(9):84-88.
[2] 夏蒙健,刘洋. 煤流智能调速策略研究[J]. 工矿自动化,2022,48(增刊2):108-111. XIA Mengjian,LIU Yang. Study on intelligent speed regulation strategy of coal flow[J]. Journal of Mine Automation,2022,48(S2):108-111.
[3] 王桂梅,逯圣辉,刘杰辉,等. 基于图像处理的带式输送机煤体积计量[J]. 计量学报,2020,41(6):724-728. WANG Guimei,LU Shenghui,LIU Jiehui,et al. Coal volume measurement of belt conveyor based on image processing[J]. Acta Metrologica Sinica,2020,41(6):724-728.
[4] 郝丁丁. 基于激光散斑的带式输送机煤流负载监测方法研究[D]. 西安: 西安科技大学, 2020. HAO Dingding. Research on load monitoring method of coal flow of belt conveyor based on laser speckle[D]. Xi'an: Xi'an University of Science and Technology, 2020.
[5] 张抗余. 大倾角下运带式输送机设计优化与应用[J]. 山东煤炭科技,2021,39(5):125-127. ZHANG Kangyu. Design optimization and application of large inclined downward belt conveyor[J]. Shandong Coal Science and Technology,2021,39(5):125-127.
[6] 肖华明,孙士娇,曹连民. 矿用带式输送机新技术应用前景分析[J]. 工矿自动化,2018,44(4):34-39. XIAO Huaming,SUN Shijiao,CAO Lianmin. Application prospect analysis of new technologies of mine-used belt conveyor[J]. Industry and Mine Automation,2018,44(4):34-39.
[7] 郭振华. 北辛窑St4000型带式输送机监控系统设计研究[J]. 煤矿现代化,2021,30(3):125-126,129. GUO Zhenhua. Design and research on monitoring system of St4000 belt conveyor in Beixin Kiln[J]. Coal Mine Modernization,2021,30(3):125-126,129.
[8] 张少宾. 基于实况负载的带式输送机智能控制研究[D]. 北京: 煤炭科学研究总院, 2019. ZHANG Shaobin. Control research of belt conveyor intelligence based on live load[D]. Beijing: China Coal Research Institute, 2019.
[9] 崔振国. 基于机器视觉的带式输送机煤量监测系统研究[D]. 徐州: 中国矿业大学, 2021. CUI Zhenguo. Study on coal quantity monitoring system of belt conveyor based on machine vision[J]. Xuzhou: China University of Mining and Technology, 2021.
[10] 关丙火. 基于激光扫描的带式输送机瞬时煤量检测方法[J]. 工矿自动化,2018,44(4):20-24. GUAN Binghuo. Detection method of instantaneous coal quantity of belt conveyor based on laser scanning[J]. Industry and Mine Automation,2018,44(4):20-24.
[11] 任凤国,刘学红,任安祥,等. 提高矿用X射线核子秤计量稳定性的研究[J]. 工矿自动化,2018,44(8):24-27. REN Fengguo,LIU Xuehong,REN Anxiang,et al. Research on improving measurements stability of mine used X-ray nuclear scale[J]. Industry and Mine Automation,2018,44(8):24-27.
[12] 厉达,何福胜. 皮带秤技术现状及发展趋势[J]. 衡器,2012,41(2):1-5. LI Da,HE Fusheng. Situation and the development tendency of belt scale technology[J]. Weighing Instrument,2012,41(2):1-5.
[13] MIHUT N M. Designing a system for measuring the flow of material transported on belts using ultrasonic sensors[J]. IOP Conference Series: Materials Science and Engineering, 2015, 9（1）. DOI: 10.1088/1757-899X/95/1/012089.
[14] 汪心悦,乔铁柱,庞宇松,等. 基于TOF深度图像修复的输送带煤流检测方法[J]. 工矿自动化,2022,48(1):40-44,63. WANG Xinyue,QIAO Tiezhu,PANG Yusong,et al. Coal flow detection method for conveyor belt based on TOF depth image restoration[J]. Industry and Mine Automation,2022,48(1):40-44,63.
[15] 贾佳璐,应忍冬,潘光华,等. 基于TOF相机的三维重建技术[J]. 计算机应用与软件,2020,37(4):127-131. JIA Jialu,YING Rendong,PAN Guanghua,et al. 3D rescontruction based on TOF camera[J]. Computer Applications and Software,2020,37(4):127-131.
[16] FLORIAN K,KRISTIAN B,THOMAS P,et al. Second order total generalized variation (TGV) for MRI[J]. Magnetic Resonance in Medicine,2010,65(2):480-491.
[17] 刘娇丽,李素梅,李永达,等. 基于TOF与立体匹配相融合的高分辨率深度获取[J]. 信息技术,2016(12):190-193. LIU Jiaoli,LI Sumei,LI Yongda,et al. High-resolution depths maps based on TOF-stereo fusion[J]. Information Technology,2016(12):190-193.
[18] JUNG J,LEE J,JEONG Y,et al. Time-of-flight sensor calibration for a color and depth camera pair[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2015,37(7):1501-1513. DOI: 10.1109/TPAMI.2014.2363827
[19] 代伟, 赵杰, 杨春雨, 等基于双目视觉深度感知的带式输送机煤量检测方法[J]煤炭学报, 2017, 42（增刊2）: 547-555. DAI Wei, ZHAO Jie, YANG Chunyu, et al. Detection method of coal quantity in belt conveyor based on binocular vision depth perception[J]. Journal of China Coal Society, 2017, 42（S2）: 547: 555.
[20] 李萍,任安祥. 基于机器视觉的带送煤炭体积测量方法研究[J]. 工矿自动化,2018,44(4):24-29. LI Ping,REN Anxiang. Research on volume measurement method of coal on belt conveying based on machine vision[J]. Industry and Mine Automation,2018,44(4):24-29.
[21] 杨会玲,柳红岩,李岩,等. 漂移扫描相机中拖尾现象快速消除方法[J]. 计算机应用,2015,35(9):2616-2618. YANG Huiling,LIU Hongyan,LI Yan,et al. Fast removal algorithm for trailing smear effect in CCD drift-scan star image[J]. Journal of Computer Applications,2015,35(9):2616-2618.
-
期刊类型引用(2)
1. 邱华富，李宇航，刘浪，丁自伟. 循环荷载尾砂胶结充填体声发射特征. 西安科技大学学报. 2025(01): 74-85 . 
百度学术
2. 张琨，张忍杰，任建喜，刘政，宋嘉炜. 冲击荷载作用下煤岩力学特性研究及能量演化特征. 煤炭技术. 2024(02): 1-5 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 160
- HTML全文浏览量: 43
- PDF下载量: 29
- 被引次数: 5
