[发明专利]一种含矸率测量方法及装置在审

专利信息
申请号: 201911198375.2 申请日: 2019-11-29
公开(公告)号: CN110864996A 公开(公告)日: 2020-03-06
发明(设计)人: 李昕;赵新平;曹瑞萍 申请(专利权)人: 北京龙田华远科技有限公司;阳泉煤业(集团)股份有限公司
主分类号: G01N5/00 分类号: G01N5/00;G01N9/36;G01N9/02
代理公司: 北京文苑专利代理有限公司 11516 代理人: 王怡
地址: 100062 北京市东城*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 含矸率 测量方法 装置
【权利要求书】:

1.一种含矸率测量方法,其特征在于,包括:

根据皮带秤上的皮带有料或空载,为AD称重模块的信号值打上标签;

利用逻辑回归算法构建空载判别模型;

利用AD称重模块的打上标签的信号值训练所述空载判别模型;

根据人工称量的重量,为皮带秤的压力传感器的AD信号值打上重量标签;

利用卷积神经网络算法构建测重模型;

将AD信号值依次输入空载判别模型和测重模型,根据AD称重模块的信号值计算并输出判别结果和测重结果;

将激光雷达的频率调到与AD称重模块一致,利用激光雷达实时测量并输出被测物体体积;

利用激光雷达测得的体积和AD称重模块测得的重量实时计算并输出密度;

根据测得的密度计算出产品的实时含矸率。

2.根据权利要求1所述的方法,其特征在于,所述空载判别模型为:

p(x;a,b)=1/[1+e-(ax+b)];p代表概率,概率大于0.5的属于1分类,概率小于0.5的属于0分类,以1分类代表皮带有料的状态,以0分类代表皮带空载的状态。

3.根据权利要求1所述的方法,其特征在于,所述测重模型包括依次连接的输入层、卷积层、降采样层、全连接层和输出层。

4.根据权利要求3所述的方法,其特征在于,所述降采样层采用的是全局平均池化函数。

5.根据权利要求3所述的方法,其特征在于,所述测重模型采用ReLU函数作为激活函数。

6.根据权利要求3所述的方法,其特征在于,所述全连接层采用softmax函数。

7.根据权利要求1所述的方法,其特征在于,所述根据测得的密度计算出产品的实时含矸率的公式为

ρB代表矸石密度,ρA代表煤炭密度,V代表测量体积,W代表测量重量。

8.一种含矸率测量装置,其特征在于,包括:

第一打标签模块,用于根据皮带秤上的皮带有料或空载,为AD称重模块的信号值打上标签;

第一建模模块,用于利用逻辑回归算法构建空载判别模型;

训练模块,用于利用AD称重模块的打上标签的信号值训练所述空载判别模型;

第二打标签模块,用于根据人工称量的重量,为皮带秤的压力传感器的AD信号值打上重量标签;

第二建模模块,用于利用卷积神经网络算法构建测重模型;

第一计算模块,用于将AD信号值依次输入空载判别模型和测重模型,根据AD称重模块的信号值计算并输出判别结果和测重结果;

激光雷达测量模块,用于将激光雷达的频率调到与AD称重模块一致,利用激光雷达实时测量并输出被测物体体积;

第二计算模块,利用激光雷达测得的体积和AD称重模块测得的重量实时计算并输出密度;

第三计算模块,用于根据测得的密度计算出产品的实时含矸率。

9.一种电子设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-7中任一所述的含矸率测量方法。

10.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以实现如权利要求1-7中任一所述的含矸率测量方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京龙田华远科技有限公司;阳泉煤业(集团)股份有限公司,未经北京龙田华远科技有限公司;阳泉煤业(集团)股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911198375.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top