检索结果-南通市图书馆

基于固态激光雷达的露天矿非结构化运输道路小尺寸落石检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

激光与光电子学进展 2024年第8期61卷 219-224页

作者：顾清华李佳威陈露祝河杰西安建筑科技大学资源工程学院陕西西安710055 西安建筑科技大学西安市智慧工业感知、计算与决策重点实验室陕西西安710055

针对露天矿无人矿卡运输作业中路况差、光照强和灰尘大等原因导致小尺寸落石检测困难和实时性差的问题,提出一种使用固态激光雷达检测露天矿非结构化运输道路小尺寸落石的方法。首先使用具有双回波技术的激光雷达进行数据采集,减少灰尘... 详细信息

针对露天矿无人矿卡运输作业中路况差、光照强和灰尘大等原因导致小尺寸落石检测困难和实时性差的问题,提出一种使用固态激光雷达检测露天矿非结构化运输道路小尺寸落石的方法。首先使用具有双回波技术的激光雷达进行数据采集,减少灰尘干扰并提取车辆前方可行驶区域;然后采用基于扇面的直线拟合地面分割算法分割地面,实现对有坡度的非结构化粗糙路面的彻底分割;之后引入八叉树的分层网格树模型进行邻域查找,提高邻域查找的速度,引入双色最近对构建图,快速生成聚类簇,引入自适应聚类半径ε,进行聚类并输出小尺寸落石的盒模型。实验结果表明:相较于使用k-d树加速的DBSCAN算法,所提方法的正检率提升9.61个百分点,检测时间缩短379.77 ms。

关键词：露天矿无人驾驶障碍物检测激光雷达点云密度聚类

在线全文

学校读者我要写书评

暂无评论

基于多特征融合的露天矿区道路负障碍检测

煤炭学报 2024年第5期49卷 2561-2572页

作者：阮顺领鄢盛钰顾清华卢才武西安建筑科技大学资源工程学院陕西西安710055 西安建筑科技大学矿山系统工程研究所陕西西安710055 西安市智慧工业感知计算与决策重点实验室陕西西安710055

随着智慧矿山概念的逐步落实,智能化、无人化逐渐在矿区落实,露天矿卡车无人驾驶日益成为矿山智能化建设的主要内容,为解决露天矿区复杂多变的道路因坑洼、塌陷等路面小部分下陷出现的非规则负障碍而导致矿区无人车、重载卡车侧翻等安... 详细信息

随着智慧矿山概念的逐步落实,智能化、无人化逐渐在矿区落实,露天矿卡车无人驾驶日益成为矿山智能化建设的主要内容,为解决露天矿区复杂多变的道路因坑洼、塌陷等路面小部分下陷出现的非规则负障碍而导致矿区无人车、重载卡车侧翻等安全难题,提升矿区安全驾驶系数,提出一种多特征融合的露天矿区道路负障碍检测方法。该方法使用BiFPN特征融合模块,提高小型负障碍检测权重占比;引入空间和通道双注意力机制提高对负障碍边缘的特征提取和特征融合能力,从而提高对道路小尺度负障碍的检测精度;采用SIoU Loss作为模型边界框损失函数并使用K-means++方法优化Anchor以提高负障碍检测模型的收敛速度和边界框定位效果,并基于遗传算法优化超参数让模型更贴合矿区场景,最终实现对矿区道路负障碍的快速精准识别。实验表明该检测模型能快速准确识别复杂背景下露天矿区道路负障碍目标,对道路负障碍目标的检测精度、召回率、平均精确度均值分别达到了96.9%、89.9%、95.3%,且该模型大小仅有12.7 MB。对比其他主流检测网络,该网络模型更适合复杂环境下露天矿区非结构化道路行驶安全需求,且该检测模型的鲁棒性好,可适配于多种情况的露天矿区,为实际环境复杂多变的露天矿区非结构化道路负向障碍检测提供了可行的方法,为露天矿无人卡车安全生产运输提供安全预警。

关键词：露天矿区无人卡车负障碍检测特征融合安全预警

基于多线激光雷达的井下斜坡道无人矿卡定位与建图方法

在线全文

学校读者我要写书评

暂无评论

煤炭学报 2024年第3期49卷 1680-1688页

作者：顾清华白昌鑫陈露李萌付明宇王维西安建筑科技大学资源工程学院陕西西安710055 西安建筑科技大学、西安市智慧工业感知计算与决策重点实验室陕西西安710055 中钢集团山东矿业有限公司山东临沂277700

井下斜坡道的定位与建图是实现井下斜坡道无人驾驶的关键技术之一,矿山井下斜坡道区域为典型非结构化环境特征,且道路具有一定倾斜角度,采用传统SLAM算法无法获得精确里程计信息,导致定位与建图精度难以满足无人矿卡行驶需求。针对上述... 详细信息

井下斜坡道的定位与建图是实现井下斜坡道无人驾驶的关键技术之一,矿山井下斜坡道区域为典型非结构化环境特征,且道路具有一定倾斜角度,采用传统SLAM算法无法获得精确里程计信息,导致定位与建图精度难以满足无人矿卡行驶需求。针对上述问题,通过研究激光SLAM(Simultaneous Localization And Mapping)算法LeGO-LOAM,笔者提出一种适用于矿山井下斜坡道环境的定位与建图方法。首先,针对井下斜坡道口两侧均为光滑水泥墙壁,特征点稀少问题,设计了基于人工路标的辅助增强定位方法,有效增加点云特征数量,从而优化位姿估计结果,避免建图漂移现象;然后在特征预处理阶段,提出了一种基于激光点云高度差与坡度信息融合的提取地面点高效算法,通过改善地面地点的选取策略,针对倾斜坑洼路面仍能有效识别地面点,解决了井下斜坡道定位与建图倾斜角度大、误差大等问题;其次,基于CVC(Curved-Voxel Clustering)聚类算法设计了一种斜坡道点云曲率体素聚类算法,采用曲率体素和基于哈希的数据结构对点云进行分割,大幅提高在井下稀疏、噪声环境下点云聚类的鲁棒性;最后,运用Scan-To-Map进行点云匹配,同时兼顾点云配准的性能与速度。在中钢集团山东某井下斜坡道的现场实验证明:与原算法相比精度提升13.15%,Z轴误差降低22.3%,地图质量明显提升,能有效解决井下无人驾驶建图及定位的难题。

关键词：井下斜坡道无人驾驶激光SLAM 地面点分割点云聚类

三阶段自适应采样和增量克里金辅助的昂贵高维优化算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第5期60卷 76-87页

作者：顾清华刘思含王倩骆家乐刘迪西安建筑科技大学管理学院西安710000 西安建筑科技大学西安市智慧工业感知计算与决策重点实验室西安710000 西安建筑科技大学资源工程学院西安710000

代理辅助进化算法已广泛应用于求解代价高昂的多目标优化问题,但大多数由于代理模型的局限性而仅限于解决决策变量低维的问题。为了解决高维的昂贵多目标优化问题,提出了一种基于三阶段自适应采样策略的改进增量克里金辅助的进化算法。... 详细信息

代理辅助进化算法已广泛应用于求解代价高昂的多目标优化问题,但大多数由于代理模型的局限性而仅限于解决决策变量低维的问题。为了解决高维的昂贵多目标优化问题,提出了一种基于三阶段自适应采样策略的改进增量克里金辅助的进化算法。该算法使用改进的增量克里金模型来近似每个目标函数,此模型的超参数根据预测的不确定性进行自适应更新,降低计算复杂度的同时保证模型在高维上的准确性;此外,在模型管理方面提出一种三阶段自适应采样的策略,将采样过程分为不同的优化阶段以更有针对性的选择个体,能够首先保证收敛性,提高算法的收敛速度。为了验证算法的有效性,在包含各种特征的两组测试问题DTLZ(deb-thiele-laumanns-zitzler)、MaF(many-objective function)和路径规划实际工程问题上与最新的同类型算法进行实验对比,结果表明该算法在解决决策变量高维的昂贵多目标优化问题上具有较强的竞争力。

关键词：昂贵优化多目标优化决策变量高维代理辅助进化算法增量克里金模型三阶段自适应采样策略

基于CSSA-BPNN模型的胶结充填体动态抗压强度预测

在线全文

学校读者我要写书评

暂无评论

有色金属工程 2024年第2期14卷 92-101页

作者：王小林梅佳伟郭进平卢才武王颂李泽峰西安建筑科技大学资源工程学院西安710055 西安智慧工业感知计算与决策重点实验室西安710055

充填采矿法二步骤回采时胶结充填体稳定性受爆破扰动而降低。为快速准确地获得充填体动态抗压强度,利用分离式霍普金森压杆(SHPB)进行了40组不同应变率的单轴冲击实验,以灰砂比、充填体密度、养护龄期和平均应变率作为输入参数,充填体... 详细信息

充填采矿法二步骤回采时胶结充填体稳定性受爆破扰动而降低。为快速准确地获得充填体动态抗压强度,利用分离式霍普金森压杆(SHPB)进行了40组不同应变率的单轴冲击实验,以灰砂比、充填体密度、养护龄期和平均应变率作为输入参数,充填体动态抗压强度作为输出参数,建立了一种基于Logistic混沌麻雀搜索算法(CSSA)优化BP神经网络(BPNN)的预测模型,并与传统BPNN和麻雀搜索算法优化的BPNN进行了对比分析。结果表明:CSSA-BPNN模型的平均相对误差为4.11%,预测值与实测值之间拟合的相关系数均在0.96以上,模型预测精度高。CSSA-BPNN模型的均方根误差为0.395 0 MPa,平均绝对误差为0.359 2 MPa,决定系数为0.995 2,均优于另外两种预测模型。实现了对充填体动态抗压强度的准确预测,可大幅减小物理实验量,为矿山胶结充填体的强度设计提供了一种新方法。

关键词：混沌麻雀搜索算法(CSSA) BP神经网络(BPNN) 胶结充填体分离式霍普金森压杆(SHPB) 动态抗压强度

基于改进YOLOv8的露天矿区行车障碍物检测

在线全文

学校读者我要写书评

暂无评论

黄金科学技术 2024年第2期32卷 345-355页

作者：顾清华周琼王丹西安建筑科技大学资源工程学院陕西西安710055 西安建筑科技大学西安市智慧工业感知计算与决策重点实验室陕西西安710055

露天矿区场景复杂,行车障碍物检测受扬尘和颗粒物等粉尘噪声干扰严重,难以准确识别障碍物,尤其是光线较差的夜间,不利于做出正确决策,从而影响无人作业的安全性和整体效率。针对以上问题,提出了一种基于YOLOv8n模型的露天矿区行车障碍... 详细信息

露天矿区场景复杂,行车障碍物检测受扬尘和颗粒物等粉尘噪声干扰严重,难以准确识别障碍物,尤其是光线较差的夜间,不利于做出正确决策,从而影响无人作业的安全性和整体效率。针对以上问题,提出了一种基于YOLOv8n模型的露天矿区行车障碍物检测算法YOLOv8n-Enhanced。该算法主要从3个方面进行了改进,具体包括:首先,针对受粉尘噪声干扰严重和夜间光线不足的问题,提出了C2fCA模块结构,提高了模型特征提取能力;其次,使用轻量级卷积技术GSConv和VoV-GSCSP模块,减轻模型复杂性,实现检测器更高的计算成本效益;最后,使用WIOU损失函数,提高了模型泛化能力。试验结果表明:改进算法在保持实时性的前提下,可将YOLOv8n的平均精度(mean Average Precision,mAP)分别提高1.8%和2.6%,实现白天与夜间场景下不同尺度的障碍物识别。

关键词：露天矿区无人驾驶障碍物检测 YOLOv8检测模型矿区复杂场景

暗环境适应性的基于SLAM的煤矿井下机器人定位方法

在线全文

学校读者我要写书评

暂无评论

煤炭科学技术 2024年

作者：江松崔智翔代碧波饶彬舰何润丰王浩宇西安建筑科技大学管理学院西安市智慧工业感知计算与决策重点实验室金属矿山安全与健康国家重点实验室西安建筑科技大学资源工程学院

在智慧矿山建设的背景下，智能化设备的应用日益成为矿山智慧化改造的主要内容，用于巡检、危险区域勘测等任务的煤矿井下智能机器人运行依赖于数字地图构建和机器人自身定位，但大多数传统的定位方法在煤矿井下出现了低效甚至失效的情... 详细信息

在智慧矿山建设的背景下，智能化设备的应用日益成为矿山智慧化改造的主要内容，用于巡检、危险区域勘测等任务的煤矿井下智能机器人运行依赖于数字地图构建和机器人自身定位，但大多数传统的定位方法在煤矿井下出现了低效甚至失效的情况，同步定位与建图技术(Simultaneous Localization and Mapping， SLAM)成为了煤矿井下智能机器人定位方法的较优选择。然而，受制于激光雷达的高成本，以及相机在井下的低光照环境性能不佳，需要设计一种兼顾低成本和具有井下低光照环境适应性的SLAM定位方法，故提出了一种具有井下暗光照适应性煤矿井下机器人定位方法。首先，采集了陕西省宝鸡市凤县某煤矿井下的实景图像和SLAM所需的相机与IMU数据，根据图像制作了非匹配的暗光与正常光数据集，经过数据扩增达到3560张图像。设计了结合自注意力模块的EnlightenGAN图像增强网络，在不依赖配对数据集的情况下兼顾图像不同区域的依赖关系应对图像光照不均区域。在ORB-SLAM3框架的基础上，引入全局部图像检测对输入图像进行筛分，引入基于解析解的IMU初始化改进策略提高初始化速度，并引入了改进的图像增强网络对低光照以及光照不均的图像进行增强处理。在EuRoC数据集上的实验表明，基于图像增强的煤矿井下智能机器人定位方法能够在低光照环境下降低13.7%的RMSE和15.24%的SD。在两个实际煤矿巷道场景中，系统能够识别低光照环境、增加SLAM系统提取的特征点数量，减少定位轨迹的漂移现象，最终改善系统在巷道低光照区域的定位效果。

关键词：同步建图与定位井下煤矿煤矿机器人图像增强

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

向量角选择和指标删除的高维多目标进化算法

计算机科学与探索 2024年第2期18卷 425-438页

作者：顾清华骆家乐李学现西安建筑科技大学管理学院西安710055 西安建筑科技大学西安市智慧工业感知、计算与决策重点实验室西安710055 西安建筑科技大学资源工程学院西安710055

针对进化算法求解高维多目标优化问题平衡收敛性和多样性所面临的挑战,提出了向量角选择和指标删除的高维多目标进化算法(MOEA/AS-ID)。该算法在环境选择过程中设计了一种包含两种策略的协作机制逐一删除收敛性和多样性差的解以保留精... 详细信息

针对进化算法求解高维多目标优化问题平衡收敛性和多样性所面临的挑战,提出了向量角选择和指标删除的高维多目标进化算法(MOEA/AS-ID)。该算法在环境选择过程中设计了一种包含两种策略的协作机制逐一删除收敛性和多样性差的解以保留精英个体参与下一代的进化。前者基于向量角的选择策略用于选择一对在目标空间具有相似搜索方向的解,后者基于指标的删除策略采用同时兼顾个体收敛性和分布性的I_(SDE)^(+)指标比较被选择的这一对解,然后删除具有较小指标值的解,进而促使种群朝各个方向收敛到帕累托最优前沿,最终平衡解集的收敛性和多样性。在包含各种特征的3组标准测试系列问题DTLZ、SDTLZ、MaF上,MOEA/AS-ID与近年提出的6个涵盖了当前各种类型的高维多目标进化算法执行了广泛的对比仿真实验和数值结果分析。仿真结果和数值分析表明所提算法MOEA/AS-ID求解各种特征的高维多目标优化问题平衡收敛性和多样性的能力具有较强的竞争力。

关键词：进化算法高维多目标优化向量角选择指标删除收敛性多样性

基于多尺度特征提取的露天矿区道路坑洼检测模型

在线全文

学校读者我要写书评

暂无评论

金属矿山 2024年

作者：顾清华周宇静王丹李萍丰宏大爆破工程集团有限责任公司西安建筑科技大学资源工程学院西安市智慧工业感知计算与决策重点实验室

露天矿区非结构化道路坑洼一直是困扰无人矿卡行驶安全的重要难题之一，为解决因坑洼而导致无人矿卡颠簸甚至侧翻等安全难题，提出了露天矿区道路坑洼检测YOLOv7-RFEM模型。首先，针对坑洼具有大小不一、形状不规则和特征不明显的特点，... 详细信息

露天矿区非结构化道路坑洼一直是困扰无人矿卡行驶安全的重要难题之一，为解决因坑洼而导致无人矿卡颠簸甚至侧翻等安全难题，提出了露天矿区道路坑洼检测YOLOv7-RFEM模型。首先，针对坑洼具有大小不一、形状不规则和特征不明显的特点，在Neck中引入基于空洞卷积和共享权重的Scale-Aware RFE模块，进一步扩大特征图感受野，在减少参数量的前提下提升模型多尺度检测性能和精度；其次，针对道路背景与坑洼特征相融的实际情况，模型在聚合网络模块ELAN中增加了有效的跨空间学习多尺度注意力机制EMA(Efficient Multi-Scale Attention)，增强坑洼小目标特征，减弱坑洼所在背景干扰；最后，针对坑洼边界框定位不准确的问题，采用NWD Loss替换CIoU Loss，使模型更关注预测框与真实框的重叠度，适应坑洼形状大小的变化。通过新疆哈密某大型露天矿区的试验证明：该模型在多种情况下都有着良好的检测效果，满足露天矿区无人矿卡准确检测需求。

关键词：道路坑洼检测无人驾驶特征提取安全预警