带式输送机承担着地面和井下煤炭的运输,是煤矿生产运输的主要设备。带式输送机上煤流量的实时检测是煤炭产量监测的重要步骤;同时,煤料运输过程中的电能利用率影响带式输送机控制系统的经济运行。针对目前大型煤矿煤流量检测和运行能耗方面存在的问题,本课题以国内某大型煤矿的带式输送机为研究背景,基于视觉技术与智能算法,研究了煤流量的智能检测技术和带式输送机的能效优化方法。围绕这一主题,本文主要进行了如下几方面的研究:在煤料图像的采集与处理方面:首先,利用双目摄像机实时采集输送带上的煤料原始图像;然后,研究基于小波变换和K-means++算法的煤料原始图像增强和煤料识别处理,得到仅包含煤料的图像,用于提取煤料的三维信息。针对煤料图像三维点云信息提取和煤料体积计算问题:首先,采用张正友标定法,计算摄像机内外参数;然后,利用SGBM半全局立体匹配算法,获得煤料左右图像的视差图;最后,利用Delaunay算法对煤料三维点云数据进行剖分运算得到煤料体积,并结合线性回归算法对煤料体积进行修正,以获得精确的煤流量数值。关于带式输送机的能效优化:根据计算分析得知带式输送机电能消耗只与带式输送机运行速度、煤流量有关,研究基于BP神经网络的带式输送机节能优化模型,得到调速优化控制表,依据此表进行调速控制。基于上述研究方法,结合现场实际情况,根据PROFIBUS-DP和MODBUS通讯协议,设计PLC控制程序和组态监控界面,可视化展现系统整体运行、报警显示和数据存储等功能,以实现带式输送机整体系统的智能控制。本课题研究了基于双目视觉技术的煤流量检测方法和带式输送机能效优化方法,对煤炭和其他矿产企业的生产、运输和管理方面具有较大的借鉴意义,对实现大型煤矿的煤流量实时精准检测和带式输送机的能效优化产生了积极的影响。该论文有图47幅,表8个,参考文献80篇。