一种液压支架动作监测方法技术

本发明专利技术公开一种液压支架动作检测方法，包括步骤：S1、对液压支架相关现场工况音频信号数据和图像数据进行采集；S2、对音频信号数据和图像数据进行预处理；S3、分别提取音频信号特征和图像特征；S4、构建音频和视频识别算法模型；S6、判断音频液压支架目标识别结果与视频液压支架目标识别结果是否一致，若不一致，引入激光雷达算法与视觉信息融合的AI算法模型，矫正单一液压支架目标识别结果的错误；S9、输出矫正后的液压支架目标识别结果。本发明专利技术利用摄像头采集被监测机构的图像、视频信息，利用视觉方式对机构动作进行辅助监测，两种方式相互验证，相对单一监测方式，可大大提升精度，实现对液压支架动作更为精准的监测。实现对液压支架动作更为精准的监测。实现对液压支架动作更为精准的监测。

【技术实现步骤摘要】
一种液压支架动作监测方法


[0001]本专利技术属于数据检测
，具体来说，涉及一种液压支架动作检测方法。

技术介绍

[0002]随着煤矿综采工作面智能化发展，作为采煤链上的重要一环，液压支架发挥着核心推动作用。其作为矿下综采工作面的关键设备，为工作面提供安全保障。为了及时发现液压支架异常姿态，为支架调整和控制提供有效参考，避免液压支架千斤顶拉断损坏自身机构、采煤机滚筒与前探梁发生碰撞等问题。
[0003]在专利号为CN202111373397.5的中国专利技术专利中，公开了一种支撑式液压支架支护姿态监测及控制方法，包括：A.支架姿态监测过程：a1.利用液压支架的立柱液位传感器读取前立柱和后立柱的长度参数；a2.结合支架的长度参数和角度参数关系建立姿态监测数学模型；a3.利用插值算法求解姿态监测数学模型的平衡方程，获取姿态参数包括挑高角、贴顶角、前立柱倾角和后立柱倾角的关联姿态参数；B.支架姿态控制过程：b1.根据支架姿态监测过程得到的参数确定的当前的支护姿态；b2.通过面阵激光传感器获取支架上方顶板的轮廓线，并确定顶板的凸起边缘；b3.得到支架顶梁和顶板之间的挑高差，建立挑高差计算数学模型；b4.利用挑高计算数学模型计算液压支架的目标挑高和目标贴顶角；b5.建立目标挑高角计算数学模型，计算确定支架的目标挑高角；b6.将目标挑高角、目标贴顶角参数代入姿态监测数学模型，通过插值算法实现目标前立柱长度和目标后立柱长度的解算。实现对液压支架动作姿态的全时监测、精准控制，进而有效的控制顶板沉降，实时评估支护质量。
[0004]现有专利中的缺陷在于，虽然实现了液压支架动作姿态的全时监测、精准控制。但单一监测方式缺乏有效验证监测设备(液压传感器)的检测结果精准性。

技术实现思路

[0005]针对现有液压支架动作检测方法单一监测方式缺乏有效验证监测设备的检测结果精准性的问题，本专利技术提供了一种液压支架动作检测方法。
[0006]为实现上述技术目的，本专利技术采用的技术方案如下：
[0007]一种液压支架动作检测方法，包括步骤：
[0008]S1、对液压支架相关现场工况音频信号数据和图像数据进行采集；
[0009]S2、对音频信号数据和图像数据进行预处理，获取降噪后的音频信号数据和图像数据；
[0010]S3、分别提取音频信号特征和图像特征；
[0011]S4、构建音频和视频识别算法模型；
[0012]S5、计算液压支架目标识别结果；
[0013]S6、判断音频液压支架目标识别结果与视频液压支架目标识别结果是否一致，若一致，进入步骤S7，若不一致，进入步骤S8；
[0014]S7、输出液压支架目标识别结果；
[0015]S8、引入激光雷达算法与视觉信息融合的AI算法模型，矫正单一液压支架目标识别结果的错误；
[0016]S9、输出矫正后的液压支架目标识别结果。
[0017]进一步地，步骤S2中音频降噪详细步骤包括：
[0018]S2010、以线性最小均方误差为最优估计准则，采用状态空间描述法，建立信号与噪声的状态方程；
[0019]S2011、通过前一时刻的估计值与当前时刻的观测值，对状态变量不断修正，并进行相应的预估；
[0020]S2012、利用迭代求得动态系统的结果。
[0021]进一步地，步骤S3中音频信号特征提取详细步骤：
[0022]S3010、在对原始音频信号进行预加重、分帧加窗、快速傅里叶变换；
[0023]S3011、从滤波器组中得到滤波能量并计算其离散余弦变换；
[0024]S3012、选取预加重系数0.98，帧长和帧重叠时间分别设置为20ms和10ms；
[0025]S3013、通过添加一阶和二阶差分系数，最终得到39维的音频特征。
[0026]进一步地，步骤S4中构建音频识别算法模型的详细步骤包括：
[0027]S4010、将提取到的音频信号特征作为输入层；
[0028]S4011、通过某个音素的某个状态对某一帧声学特征的观察值概率获取到隐藏层；
[0029]S4012、最后通过隐状态节点转移概率计算出输出层的初始状态概率和状态转移概率。
[0030]进一步地，步骤S2中图像降噪详细步骤包括：
[0031]S2020、对于图像噪声(高干扰信号)进行多层分解，从分解系数中提取出对应的高频信号分量和低频信号分量。
[0032]S2021、结合相应的阈值函数和阈值准则，对得出的高频系数分量进行阈值化处理，保留可用的有效低频信号系数；
[0033]S2022、将有效低频信号与阈值化后的高频信号系数进行重构，得出去噪后的新图像；
[0034]S2023、结合相关评价指标对去噪图像进行定量的分析，判断重构去噪图像的质量。
[0035]进一步地，步骤S4中构建视频识别算法模型的详细步骤包括：
[0036]S4020、利用Focus结构对输入目标的维度进行切片操作，并通过一系列卷积操作得到不同尺寸的特征图像；模型的Backbone阶段。
[0037]S4021、对不同尺寸的特征图像进行采样，将特征图像处理成相同大小，然后进行特征融合及卷积，得到3个具有更强特征表现能力的特征层；Neck特征融合结构。
[0038]S4022、通过损失函数进行目标类别概率和位置坐标计算，得到目标预测结果。Prediction预测结构。
[0039]进一步地，激光雷达算法与视觉信息融合的AI算法的详细步骤包括：
[0040]S801、通过激光雷达与摄像仪采集现场液压支架动作数据；
[0041]S802、利用基于激光雷达+视觉的AI算法模型对采集到的现场数据进行分析处理；
[0042]S803、对液压支架动作情况进行识别与监测。
[0043]进一步地，基于激光雷达+视觉的AI算法的详细步骤包括：
[0044]S8021、分别利用激光雷达、摄像头提取数据特征；
[0045]S8022、对于激光雷达使用双边滤波对点云数据进行数据平滑，抑制噪声之后从点云中提取Harris角点，并根据角点位置，通过前瞻窗口进行激光点云特征提取；
[0046]S8023、视觉特征通过摄像头采集的图像信息进行获取，首先对图像进行数据平滑滤波，再使用Canny算子提取图像边缘，再对图像特征进行提取，计算三维空间坐标；
[0047]S8024、同时接收两种传感器的特征点云，以及点云的分组信息，并对消息的时间戳进行筛选，当消息时间同步后，进行信息处理；
[0048]S8024、分别对两传感器的特征进行筛选；
[0049]S8025、计算两传感器每个特征的开角范围，通过开角范围查找可能存在的公共区域，进行特征的分类；
[0050]S8026、对处于公共部分的数据进行数据匹配；
[0051]S8027、根据匹配结果进行点云数据的矫正、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种液压支架动作检测方法，其特征在于，包括步骤：S1、对液压支架相关现场工况音频信号数据和图像数据进行采集；S2、对音频信号数据和图像数据进行预处理，获取降噪后的音频信号数据和图像数据；S3、分别提取音频信号特征和图像特征；S4、构建音频和视频识别算法模型；S5、计算液压支架目标识别结果；S6、判断音频液压支架目标识别结果与视频液压支架目标识别结果是否一致，若一致，进入步骤S7，若不一致，进入步骤S8；S7、输出液压支架目标识别结果；S8、引入激光雷达算法与视觉信息融合的AI算法模型，矫正单一液压支架目标识别结果的错误；S9、输出矫正后的液压支架目标识别结果。2.根据权利要求1所述的一种液压支架动作检测方法，其特征在于，步骤S2中音频降噪详细步骤包括：S2010、以线性最小均方误差为最优估计准则，采用状态空间描述法，建立信号与噪声的状态方程；S2011、通过前一时刻的估计值与当前时刻的观测值，对状态变量不断修正，并进行相应的预估；S2012、利用迭代求得动态系统的结果。3.根据权利要求2所述的一种液压支架动作检测方法，其特征在于，步骤S3中音频信号特征提取详细步骤：S3010、在对原始音频信号进行预加重、分帧加窗、快速傅里叶变换；S3011、从滤波器组中得到滤波能量并计算其离散余弦变换；S3012、选取预加重系数0.98，帧长和帧重叠时间分别设置为20ms和10ms；S3013、通过添加一阶和二阶差分系数，最终得到39维的音频特征。4.根据权利要求3所述的一种液压支架动作检测方法，其特征在于，步骤S4中构建音频识别算法模型的详细步骤包括：S4010、将提取到的音频信号特征作为输入层；S4011、通过某个音素的某个状态对某一帧声学特征的观察值概率获取到隐藏层；S4012、最后通过隐状态节点转移概率计算出输出层的初始状态概率和状态转移概率。5.根据权利要求1所述的一种液压支架动作检测方法，其特征在于，步骤S2中图像降噪详细步骤包括：S2020、对于图像噪声进行多层分解，从分解系数中提取出对应的高频信号分量和低频信号分量；S2021、结合相应的阈值函数和阈值...

【专利技术属性】
技术研发人员：郭奋超，张宏，阮小康，李俊虎，李昕，
申请(专利权)人：北京龙田华远科技有限公司，
类型：发明
国别省市：