轨道清扫装置及清扫方法
    1.
    发明公开

    公开(公告)号:CN119332635A

    公开(公告)日:2025-01-21

    申请号:CN202411598507.1

    申请日:2024-11-11

    Abstract: 本发明属于金属矿山技术领域,尤其是涉及一种轨道清扫装置及清扫方法,其特征在于包括电驱动装置、刮铲装置、清扫装置、吸尘装置和深度清洁装置,刮铲装置包括滑槽,滑道,设置在滑道外部的矩型弹簧,三角形滑块,每个滑槽端头处设有刮铲组件,每个滑槽下部设有挡板,弧型挡块,清扫装置包括设圆柱形滚刷一,圆柱形滚刷二,吸尘装置包括吸尘口,过滤网,风扇,深度清洁装置包括激光等离子喷射器。本发明集刮铲装置、清扫装置、吸尘装置、深度清洁装置于一体,对铁轨进行低速深度清洁,铁轨顶部矿渣污泥、铁锈和冰层被清理干净,可减少因打滑而导致紧急停车的次数,同时减少因刹车制动失效导致翻车的事故的次数,有效改善矿车的运行状况。

    基于混合现实技术的地下矿凿岩辅助系统及方法

    公开(公告)号:CN116820234A

    公开(公告)日:2023-09-29

    申请号:CN202310738135.7

    申请日:2023-06-21

    Abstract: 本发明属于采矿技术领域,尤其是涉及一种基于混合现实技术的地下矿凿岩辅助系统及方法,其特征在于辅助系统包括HoloLens眼镜、UI控制模块、场景识别模块、逻辑控制模块、作业方案模型库、交互控制模块和显示模块。本发明有效避免作业人员专业能力不足和地下矿山恶劣环境导致的钻孔过长或过短、钻孔位置偏斜等情况,有效提高作业效率;通过注视、手势和语音命令实现虚拟模型与现实空间之间的交互,有利于帮助作业人员更加全面地掌握工程内容;优化了作业指导方案,提高钻孔精度;通过添加空间锚以实现视觉锁定与场景保持,避免了作业方案模型因人员位置移动发生偏移,降低了作业误差;为地下矿山凿岩钻孔作业提供了可交互的混合现实数字化平台。

    基于深度学习卷积神经网络的电铲斗齿脱落检测方法

    公开(公告)号:CN111739029B

    公开(公告)日:2023-11-14

    申请号:CN202010534219.5

    申请日:2020-06-12

    Abstract: 本发明涉及一种基于深度学习卷积神经网络的电铲斗齿脱落检测方法:利用深度学习的方式对电铲斗齿定位分割,继而找到斗齿位置,然后进行斗齿脱落检测。进行斗齿定位分割时,使用时下分割性能最好的语义分割模型,同时也对其分割网络结构进行了一些修改,引入了多个多尺度信息特征融合,进而得到较好的斗齿分割模型。通过斗齿分割模型分割得到的斗齿图像与设定的基准图像进行配准,然后进行斗齿缺失判定。与以往的缺失检测方式比较,本发明的准确率和误报率有着显著提升和降低。

    基于惯性导航的爆破矿岩运动轨迹获取方法和系统

    公开(公告)号:CN115900693A

    公开(公告)日:2023-04-04

    申请号:CN202211139901.X

    申请日:2022-09-19

    Abstract: 本发明提供了基于惯性导航的爆破矿岩运动轨迹获取方法和系统,利用小型灵敏惯性导航传感器获取矿岩爆破过程中的运动数据;实时获取模拟矿岩的姿态数据;利用数据远程无线传输方法进行数据传输,通过惯性导航姿态解算算法对惯性导航传感器的运动轨迹进行解算,生成惯性导航传感器的运动轨迹。惯性导航传感器能够实时和准确的采集现场爆破时自身的运动数据,同时能够获取完整运动轨迹,也不会受到现场条件的限制,能够提供完整的爆破矿岩运动数据,从而解决现有技术难以得到准确完整爆破矿岩运动轨迹的技术问题。而且,本发明在爆破现场利用惯性导航传感器直接模拟矿岩,相较于通过计算机进行爆破数值模拟的方法,能够真实反映爆破效果。

    一种矿山爆破矿岩运动轨迹采集装置

    公开(公告)号:CN115790576A

    公开(公告)日:2023-03-14

    申请号:CN202211139540.9

    申请日:2022-09-19

    Abstract: 本发明提供一种矿山爆破矿岩运动轨迹采集装置,包括:一面开口的球型防爆壳体、与开口配合连接的防爆盖体;设置在球型防爆壳体内部的自稳定装置;自稳定装置包括:外圆环、中圆环、内圆槽和卡槽;中圆环通过第一轴承和第二轴承活动连接在外圆环内部;第一轴承和第二轴承共线,位于X轴;内圆槽通过第三轴承和第四轴承活动连接在中圆环内部;第三轴承和第四轴承共线,位于Y轴;X轴与Y轴垂直布置;矿山爆破用惯性导航传感器通过内圆槽上的卡槽固定在内圆槽内部。本发明的矿山爆破矿岩运动轨迹采集装置能够不受爆破现场环境以及爆破过程的影响,在爆破过程中始终保持水平姿态,并保护内部的精密仪器不被爆破过程产生的冲击力损坏。

    基于深度学习卷积神经网络的电铲斗齿脱落检测方法

    公开(公告)号:CN111739029A

    公开(公告)日:2020-10-02

    申请号:CN202010534219.5

    申请日:2020-06-12

    Abstract: 本发明涉及一种基于深度学习卷积神经网络的电铲斗齿脱落检测方法:利用深度学习的方式对电铲斗齿定位分割,继而找到斗齿位置,然后进行斗齿脱落检测。进行斗齿定位分割时,使用时下分割性能最好的语义分割模型,同时也对其分割网络结构进行了一些修改,引入了多个多尺度信息特征融合,进而得到较好的斗齿分割模型。通过斗齿分割模型分割得到的斗齿图像与设定的基准图像进行配准,然后进行斗齿缺失判定。与以往的缺失检测方式比较,本发明的准确率和误报率有着显著提升和降低。

Patent Agency Ranking