-
公开(公告)号：CN107315350B
公开(公告)日：2020-01-31
申请号：CN201710678849.8
申请日：2017-08-10
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明公开了一种电静液作动系统双闭环模型参考自适应控制方法，首先构建作动器压差内环控制系统，提高电静液作动器的阻尼；在作动器压差内环控制系统中，增设反馈通道高通滤波器，消除电静液作动器阻尼升高引起的刚度下降；采用模型参考自适应控制方法，提高对作动系统固有不确定性的适应能力；利用基于信号的控制输出补偿器，对自适应调节器的等效输出控制量进行补偿，得到补偿后的自适应调节器等效输出，提高小信号任务指令下的系统响应精度和灵敏度。本发明方法，可以根据实际工况灵活调节系统动态性能，改善大信号任务指令下的响应快速性，显著提高小信号任务指令下的系统灵敏度与精度。
-
公开(公告)号：CN110544296A
公开(公告)日：2019-12-06
申请号：CN201910700064.5
申请日：2019-07-31
Applicant: 中国矿业大学
Abstract: 本发明公开了一种敌方威胁不确定环境下无人机三维全局航迹智能规划方法，首先，依据先验地图建立了无人机的三维环境模型；确定用来评价航迹优劣的三个目标函数，建立敌方威胁不确定环境下的无人机三维全局航迹规划的三目标优化模型；接着，采用改进多目标骨干粒子群优化算法，对无人机全局路径进行粒子群智能规划；最后，采用线性插值法对所得最优路径集合中的所有路径进行光滑处理，并在模拟地图上显示出所求得的多条可行路径，以供决策者根据实际情况选择最终一条路径。本发明方法选择的路径不仅能够避障，而且能躲避敌人的威胁，并且路径长度较短，决策者可根据实际需求选择得到最优路径。
-
公开(公告)号：CN110182365A
公开(公告)日：2019-08-30
申请号：CN201910508738.1
申请日：2019-06-13
Applicant: 中国矿业大学
Abstract: 一种煤矿井下防爆型四旋翼无人机，属于煤矿井下巡检救援领域。四旋翼无人机的飞控模块、数传图传模块、电池模块、动力系统和传感器系统均安装在机架内，摄像头模块安装在机架上；电池模块给无人机整体提供动力能源，电池模块位于第二中间层底部；数传图传模块的数传图传密封盒固定在机架顶部，安装数传图传密封盒一侧的机架为机头位置；动力系统模块的无刷电机位于机架内，固定在第一中间层；传感器系统和飞控模块的输出通过数传图传模块无人机端与其地面端双向通信；摄像头模块的图像信号传输至数传图传地面端的视频设备。优点：结构稳定、牢固，体积小，反应灵敏，在井下无GPS情况下完成巡检勘测任务，智能化操作，续航时间长；主体模块化构造。
-
公开(公告)号：CN109631900A
公开(公告)日：2019-04-16
申请号：CN201811583287.X
申请日：2018-12-24
Applicant: 中国矿业大学
IPC: G01C21/20
CPC classification number: G01C21/20
Abstract: 本发明公开了一种无人机三维航迹多目标粒子群全局规划方法，包括以下步骤：(1)根据飞行环境建立环境模型，对无人机的飞行环境进行处理时，采用数字地图技术；(2)根据步骤(1)建立的环境模型建立航迹规划模型；(3)将粒子群优化技术用于步骤(2)所述航迹规划模型，给出一种改进的少控制参数的多目标骨干粒子群全局航迹规划算法。本发明具有如下优点：建立了无人机三维全局多目标航迹规划模型，给出了航迹长度代价、威胁代价和隐蔽性代价三种指标函数，以及相应的约束需求，提出了一种少控制参数的多目标粒子群全局规划方法，增强了规划路径的实用性。
-
公开(公告)号：CN108710754A
公开(公告)日：2018-10-26
申请号：CN201810478099.4
申请日：2018-05-18
Applicant: 中国矿业大学
CPC classification number: G06F17/5009 , E21B3/02 , E21D20/003 , F15B11/00 , F15B13/02
Abstract: 本发明公开了一种锚杆钻机推进力最优自抗扰控制方法，其特征是，包括如下步骤：步骤1)建立锚杆钻机推进系统数学模型；步骤2)利用钻机随钻信息，设定钻机当次钻进的最优推进力；步骤3)结合粒子群优化算法，设计最优自抗扰控制器；步骤4)基于Matlab和AMESim的联合仿真平台，验证所提锚杆钻机推进系统控制方法的有效性和合理性。本发明所达到的有益效果：本发明适用于锚杆钻机推进力的最优控制，解决了传统钻机控制对操作人员工作经验依赖性大的问题；钻机根据钻进围岩性状，自适应调整推进力，从而减少钻机断杆、别杆等故障，提高工作效率和掘进速度，为钻机自动化、智能化奠定基础。
-
Patent Agency Ranking
公开(公告)号：CN108643884A
公开(公告)日：2018-10-12
申请号：CN201810410589.0
申请日：2018-04-26
Applicant: 中国矿业大学
Abstract: 本发明公开了一种锚杆钻机推进回转系统及其协同自适应控制方法，以提高锚护速度和钻孔质量，首先，为抑制钻机系统非线性，增强钻进过程鲁棒性，对推进系统和回转系统单回路实施自抗扰控制。其次，给出一种基于钻机随钻信息的岩石硬度系数获取方法。最后，采用复合控制方式，根据预估的岩石硬度系数，确定钻机当次钻进的最优推进力和最优旋转速度，进而实现锚杆回转与推进系统的协同动作；在预估围岩硬度系数与实际值存在差异时，根据回转压力的低频滤波值，自适应调整最优推进力，增强锚杆钻机的自适应能力。
-
公开(公告)号：CN108252984A
公开(公告)日：2018-07-06
申请号：CN201810045645.5
申请日：2018-01-17
Applicant: 中国矿业大学
Abstract: 本发明公开了一种变频泵控液压锚杆钻机钻臂摆角控制方法，基于钻机钻臂摆角控制要求，引入变频泵控技术，构建新型变频泵控锚杆钻机钻臂旋转系统。采用机理建模方法，建立新型钻机钻臂旋转系统的数学模型，分析系统特性，设计基于动态切换函数的钻臂摆角滑模自适应控制方法。本发明所达到的有益效果：本发明适用于综掘巷道支护中锚杆/锚索的精确位置控制，在变频泵控钻机钻臂旋转系统中具有较好的控制性能，能够有效克服系统中存在的诸多不确定性因素对系统的影响，鲁棒性更强，能够更好的满足煤炭规程中锚杆/锚索安装的偏转角控制需求，为实现锚杆/锚索的高精度定位与安装奠定实现基础。
-
公开(公告)号：CN105302934B
公开(公告)日：2018-05-15
申请号：CN201510405763.9
申请日：2015-07-10
Applicant: 中国矿业大学
IPC: G06F17/50
Abstract: 一种煤矿井下巷道锚护网络结构的多目标智能优化设计方法，属于锚护网络结构设计方法。将煤矿井下锚护网络参数设计建模为一个多目标优化问题，以支护质量和支护成本为目标函数，其中对于支护质量，建立支护质量代理模型，同时兼顾锚杆布局存在的多种约束，建立煤矿井下巷道锚护网络结构参数设计的两目标优化模型，最后，采用多目标智能优化方法求解上述两目标优化模型，得到最佳锚护网络结构参数方案集，采用该解集的锚护方案，指导巷道锚护网络结构的设计。将本方法用于指导煤矿井下巷道锚护网络结构的设计，有效地保证了锚护网络结构的合理性和科学性，从而保证了煤矿井下安全、经济的施工。
-
公开(公告)号：CN104657596B
公开(公告)日：2017-08-29
申请号：CN201510041870.8
申请日：2015-01-27
Applicant: 中国矿业大学
Abstract: 本发明公开一种基于模型迁移的大型新压缩机性能预测快速建模方法，其基于已有相似压缩机的性能预测模型，利用新/旧压缩机的先决经验知识来确定各参量额定值、稳定运行区间；设计实验来采集少量的实验数据样本，并依新压缩机的额定运行参数对采集样本进行归一化处理，利用ELM神经网络构建新压缩机的性能预测模型并进行迁移学习，将训练样本输入数据和基础模型的输出预测值作新模型输入变量，训练样本输出数据作新模型输出来进行模型迁移训练；最后利用测试样本来测试所建新模型的有效性；本发明利用已有相似压缩机的性能预测模型和新压缩机的先验知识，在少量实验数据信息情况下能快速开发新压缩机的性能预测模型，提高了建模效率与准确度。
-
公开(公告)号：CN104657596A
公开(公告)日：2015-05-27
申请号：CN201510041870.8
申请日：2015-01-27
Applicant: 中国矿业大学
Abstract: 本发明公开一种基于模型迁移的大型新压缩机性能预测快速建模方法，其基于已有相似压缩机的性能预测模型，利用新/旧压缩机的先决经验知识来确定各参量额定值、稳定运行区间；设计实验来采集少量的实验数据样本，并依新压缩机的额定运行参数对采集样本进行归一化处理，利用ELM神经网络构建新压缩机的性能预测模型并进行迁移学习，将训练样本输入数据和基础模型的输出预测值作新模型输入变量，训练样本输出数据作新模型输出来进行模型迁移训练；最后利用测试样本来测试所建新模型的有效性；本发明利用已有相似压缩机的性能预测模型和新压缩机的先验知识，在少量实验数据信息情况下能快速开发新压缩机的性能预测模型，提高了建模效率与准确度。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.051 seconds)
