一种基于深度学习的带式输送机皮带调偏方法

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
一种基于深度学习的带式输送机皮带调偏方法
申请号:CN202511155767
申请日期:2025-08-18
公开号:CN120841084A
公开日期:2025-10-28
类型:发明专利
摘要
本发明提供一种基于深度学习的带式输送机皮带调偏方法,属于皮带调偏技术领域。本方法包括:通过沿带式输送机两侧对称部署非接触式测距传感器阵列,实时采集皮带边缘距离数据;对所述皮带边缘距离数据进行预处理获得预处理数据;提取所述预处理数据的空间分布特征和时间序列特征,并进行特征融合获得融合特征;基于所述融合特征通过深度学习模型生成调偏动作指令;执行机构执行调偏动作指令完成皮带调偏。本方法通过奖励函数优化策略,同时通过预设目标函数优化PID控制器的控制函数,进一步优化调偏动作指令,实现皮带调偏的精准调偏的同时减少皮带的损耗。
技术关键词
皮带调偏 空间分布特征 时间序列特征 融合特征 带式输送机 深度学习模型 PID控制器 一维卷积神经网络 网络优化策略 测距传感器 数据 指令 长短期记忆网络 非接触式 执行机构 重构误差 振动噪声 多传感器
系统为您推荐了相关专利信息
分支 融合特征 序列 遥感视频图像 编码器
能耗预测模型 能耗预测方法 机房 深度特征融合 分类网络
监测点 管线埋深 节点 历史故障信息 曲线特征
模型训练方法 神经网络参数 序列 轨迹 学习方式优化
光学遥感影像 舰船检测方法 水体 雷达 影像检测技术