简介:溜槽堵塞作为工业生产中的一种常见问题,不仅影响生产效率还可能导致安全隐患,因此实时准确地检测溜槽堵塞状态具有重要意义.然而传统的检测方法在实际应用中存在诸多问题与挑战,如精度不高、依赖人工干预等.文章基于音频信息构建结合了 WaveNet 和 GRU 的WaveGNet深度网络模型,通过提取分析声音信号寻找溜槽堵塞的特征,以实现准确的堵塞检测.WaveNet能够提取高质量的声音信号特征,而GRU网络则能够捕获声音序列中的时间关系.通过将两者融合以更好地理解声音信号,在时间和频率维度上进行更准确的分析,揭示与堵塞状态相关的模式从而提高检测的准确性和鲁棒性.通过声音信息直接捕获堵塞状态,减少了人工干预的需求且具备实时性.该方法有望为工业生产中的溜槽堵塞检测提供一种创新、高效且可靠的解决方案,在实际应用中具有重大潜力.
简介:随着工业4.0和工业互联网的发展,矿山行业也开始走向智能化,面对煤矿工业互联网接入终端复杂、通信协议多样、接入网络以及多源数据异构等现状,提出一种智能矿山IoT边缘数据网关技术.通过构建边缘网关管理架构,北向上行采用TCP、HTTP、WebSocket、MQTT等传输协议连接云平台,南向下行支持多种通信接口连接感知层设备,实现不同类型网络的协议转换以及各个系统多源异构数据的统一接入.该研究成果已应用于多个煤矿自动化相关设备数据采集与转发.
简介:针对VRS数据中存在粗差的问题,采用中位数判别法,推导了抗差加权最小二乘估计方法及其数学模型。利用实验分析了粗差对VRS正常观测值解算定位的影响,采用粗差探测与抗差估计相结合的方法来处理异常数据,结果表明,基于粗差探测和抗差加权最小二乘估计相结合的粗差处理方法可以有效地控制和抵御粗差的影响。