为了能够有效地保证超长运距带式输送机的电动机功率平衡,针对相关问题进行了深入地研究。分析了双滚筒驱动超长运距带式输送机牵引力的分配公式;讨论了影响超长运距输送机的电动机功率平衡的动态和静态因素;研究了超长运距带式输送机电动机的功率平衡模糊自适应PID控制策略。

带式输送机是煤矿生产中重要的运输设备,其纵向撕裂事故会造成巨大经济损失。因此,设计了一种数字图像自动识别系统,通过CCD工业摄像机对输送带实时拍摄并转化为数字图像信号,传输给计算机,针对撕带图像的特征对图像进行帧间差分、线性点运算、中值滤波、边缘检测及Otsu算法阈值分割,并基于裂缝特点设计了一种自适应的裂缝识别算法,实验证明,系统具有良好的实时性及鲁棒性。

带式输送机是煤炭、化工、冶金等领域的重要运输设备,因此对带式输送机运行过程中的打滑、断带、超速等故障进行检测极其重要。智能速度检测装置在输送带检测时能够完成信号采集、转换处理、逻辑判断、功能计算、双向通信,内部可实现自检、自诊断、自判别和自适应功能,并具备数字量输出、信息储存等功能。该检测装置可实现对带式输送机故障的智能判断,提高了带式输送机运行的可靠性。

针对煤矿带式输送机经常在轻载下运行系统功率因数较低、电动机能耗较高的现象,分析了带式输送机的运行过程,提出一种自适应节能控制技术,即在线监测电动机功率,根据负荷情况采用循环调度策略调节运行电动机的数量,在轻载时,减少电动机运行的数量,提高功率因数和电动机效率。对自适应节能控制系统的软、硬件进行了设计,并进行了试验研究。试验结果表明,该方案能够提高电动机的功率因数,节约能源,具有较强的实用价值。

针对现有带式输送机张紧力检测装置不能根据负载实现张紧力实时预测的问题,提出了一种基于BP神经网络的带式输送机张紧力预测方法。首先分析了带式输送机张紧力、运行阻力与负载之间的关系,探究了负载与带式输送机电动机电流之间的表征关系。然后建立BP神经网络对负载进行预测:根据负载与张紧力的函数关系,获取带式输送机运行过程中的负载变化趋势,由负载实时预测张紧力,根据预测的张紧力对带式输送机进行自适应调控。实验结果表明,该方法的预测精度为92.1%,能够满足带式输送机张紧力实时预测的需求。

针对带式输送机系统耗电量大、机械磨损严重、输送带带速与运量无法合理匹配的工程背景,研究了变频调速控制原理和带式输送机智能调速控制系统设计方法。阐述了影响带式输送机系统能耗的因素,利用传感器实时监测输送带煤流量和带速数据,采用模糊控制算法构建了输送带速度、负载模糊控制器模型,设计了带式输送机智能调速控制系统。测试表明:使用该系统后,带式输送机能够根据负载自适应地调节带速,实现了节能降耗、延长了输送带使用寿命,对提高企业生产效率具有很高的应用价值。

针对传统直流带式输送机控制系统存在稳定性差以及可靠性低等问题,提出了一种基于PLC的直流带式输送机系统的自适应模糊控制策略。根据直流带式输送机的数学模型,采用自适应模糊控制算法来实现转速的快速跟踪控制。在此基础上设计了以PLC作为核心处理器的直流带式输送机硬件系统和软件系统。测试结果表明,提出的控制策略具有较好的调节性能。

网站转换APP源代码 WebAPP源代码 网站生成APP源代码 Flutter项目 带控制端

按照后期进行数据分析的需求，对数据进行预处理。 -描述性统计：选择合适的方法对数据进行统计分析。包括对数值型和类别型属性的统计，并对分析结果进行图形化的展示（使用ggplot2或者lattice包）。 -推断性统计：选择合适的假设检验方法，分析属性间的相关性、两组数据间是否具有显著性差异，分析结果并给出结论及必要的图形展示。 - 数据挖掘 根据数据特征及需求，利用分类、聚类或时间序列方法挖掘蕴含在数据中的模式及必要的图形展示，用回归模型预测走势 注意：对聚类结果分析聚簇特征   对分类结果计算准确性。   使用时间序列分析方法可判断数据是否存在趋势、周期性等特征，或对数据进行预测。 （分类、聚类、时间序列，回归模型至少使用2种方法）

通过分析可逆配仓带式输送机运行状态时的受力情况,得出可逆配仓带式输送机产生不打滑的条件(即黏着条件):带式输送机为克服运行阻力所必须提供的牵引力F必须小于或等于带式输送机能够产生的轮缘最大牵引力Fmax。最后以朝川矿可逆配仓带式输送机为实例,通过分析、计算验证了行走轮不打滑的条件,并进行总结。