【摘 要】
:
以拉宾诺维奇磨损模型为基础,结合海德拉刀型齿受力分析以及运动轨迹分析,对其磨损率公式进行推导,分别模拟不同运动参数下海德拉刀型齿截割煤岩时表面磨损状态,分析运动参数对海德拉刀型齿磨损的影响.结果 表明:随着滚筒转速的增加,刀型齿表面最大磨损深度增大,当滚筒转速较大时可通过增加牵引速度降低该刀型齿较高的磨损率;随着牵引速度的增加,刀型齿整体磨损率先增大后减小;当牵引速度较大时可通过适量增大滚筒转速降低其磨损率,增大的滚筒转速不宜超过初始滚筒转速的12.5%.
【机 构】
:
黑龙江科技大学机械工程学院,哈尔滨150022
论文部分内容阅读
以拉宾诺维奇磨损模型为基础,结合海德拉刀型齿受力分析以及运动轨迹分析,对其磨损率公式进行推导,分别模拟不同运动参数下海德拉刀型齿截割煤岩时表面磨损状态,分析运动参数对海德拉刀型齿磨损的影响.结果 表明:随着滚筒转速的增加,刀型齿表面最大磨损深度增大,当滚筒转速较大时可通过增加牵引速度降低该刀型齿较高的磨损率;随着牵引速度的增加,刀型齿整体磨损率先增大后减小;当牵引速度较大时可通过适量增大滚筒转速降低其磨损率,增大的滚筒转速不宜超过初始滚筒转速的12.5%.
其他文献
通过双目视觉算法测量轴类零件的直径,搭建了双目视觉系统,对轴类零件实现了迅速精确的测量。首先利用张氏标定法对系统进行标定,然后通过图像处理得到结构光和轴类零件的交点坐标,再利用SURF+RANSAC算法对左、右相机采集图像立体匹配,最后计算出交点的三维坐标,解算出零件的尺寸大小。实验结果表明,测量误差均在0.1 mm之内。该方法精度高、运算速度快、稳定性好,适用于轴类零件直径测量。
现有基于视频图像测量烟雾浓度的方法主要通过人工提取特征,需要已知环境的大气光、背景等外界条件.为了提高烟雾浓度测量方法的直接性和实用性,文中通过烟雾化方程,建立烟雾图像与其浓度数值的对应关系,进而提出基于双通道深度卷积神经网络(DCCNN)的烟雾浓度测量方法,实现端到端的烟雾浓度直接测量.DCCNN中采用1×1卷积进行通道数据融合,引入跳跃连接解决网络层数较深时梯度消失问题,加快训练过程.同时引入
对某新建矿井主排水系统和某生产中煤矿-430 m水平扩排系统进行分析,从泵房硐室高度、排水系统复杂程度和排水管路敷设难度上进行对比,得出了大涌水量矿井的排水系统适合采用双泵共管运行方式的结论,同时给出了采用双泵共管运行方式时水泵工况点的计算方法.
针对回转钻进技术进行煤层走向探测钻孔存在钻孔轨迹不可控、探测距离短、结果误差大等问题,提出采用定向钻进技术进行煤层走向探测钻孔的施工.介绍了定向钻进原理,以某矿15311工作面为例,根据矿井地质资料和已揭露煤层走向,设计了定向钻孔轨迹,采用ZYWL-6000DS全液压定向钻机施工,运用多次探顶、回退开分支的方法,不断调整钻孔参数,精确地探明了该工作面200 m内煤层走向,修正了矿井地质资料.为煤矿井下煤层走向的探测提供了一种新方法,具有较高的推广应用价值.
目前基于图像级标注的弱监督语义分割方法大多依赖类激活初始响应以定位分割对象区域.然而,类激活响应图通常只集中在对象最具辨别性的区域,存在目标区域范围较小、边界模糊等缺点,导致最终分割区域不完整.针对此问题,文中提出基于显著性背景引导的弱监督语义分割网络.首先通过图像显著性映射和背景迭代产生背景种子区域.然后将其与分类网络生成的类激活映射图融合,获取有效的伪像素标签,用于训练语义分割模型.分割过程不
针对14218工作面矿压显现现象,采用理论分析与现场观测,分析了工作面在不同覆岩形态下的矿压显现机理;分析了支护系统中,支架“抬头”“低头”工作形态对直接顶变形失稳的影响;得出了工作面在煤柱下方、煤柱采空区毗连区、采空区下方矿压显现特点,针对不同的矿压显现采取措施,并在实际中取得了较好的效果.
基于生成式的零样本识别方法在生成特征时受冗余信息和域偏移的影响,识别精度不佳.针对此问题,文中提出基于去冗余特征和语义关系约束的零样本属性识别方法.首先,将视觉特征映射到一个新的特征空间,通过互相关信息对视觉特征进行去冗余处理,在去除冗余视觉特征的同时保留类别的相关性,由于在识别过程中减少冗余信息的干扰,从而提高零样本识别的精度.然后,利用可见类和不可见类之间的语义关系建立知识迁移模型,并引入语义
传统的双流卷积神经网络存在难以理解长动作信息的问题,并且当长时间流信息损失时,模型泛化能力降低.针对此问题,文中提出基于双流网络与支持向量机融合的人体行为识别方法.首先,提取视频中每帧RGB图像及其对应垂直方向的稠密光流序列图,得到视频中动作的空间信息和时间信息,分别输入空间域和时间域网络进行预训练,预训练完成后进行特征提取.然后,针对双流网络提取的维度相同的特征向量执行并联融合策略,提高特征向量
目标发生旋转及遇到外界干扰时会给目标跟踪带来巨大挑战,针对该问题,文中提出旋转自适应的多特征融合多模板学习跟踪算法.首先,构建具有互补特性的多模板学习模型,全局滤波器模板用于跟踪目标,当判定滤波器模板确定全局滤波器模板被污染时,使用修正滤波器模板对全局滤波器模板进行修正.然后,将颜色直方图作为视觉补充信息和VGGNet-19特征图进行自适应融合,提升全局滤波器模板对目标外观的判别能力.最后,提出旋
基于图卷积神经网络的行人重识别方法面临两个问题:1)在对特征映射构图时,图节点表达的语义信息不够显著;2)选择特征块构图时仅依赖特征块间的相对距离,忽略内容相似性.为了解决这两个问题,文中提出融合关系学习网络的行人重识别.利用注意力机制,使用最大注意力模型,使最重要的特征块更显著,赋予其语义信息.融合相似性度量,从距离和内容两方面对特征块进行相似性计算,度量方式更全面.该算法能够综合地选取近邻特征