王保平
- 作品数：8 被引量：78H指数：5
- 供职机构：山东交通学院机械工程学院更多>>
- 发文基金：国家自然科学基金山东省优秀中青年科学家科研奖励基金更多>>
- 相关领域：自动化与计算机技术矿业工程机械工程更多>>
- 基于DSP的滚动轴承在线故障诊断系统被引量：1
- 2011年
- 为了提高滚动轴承故障诊断的准确性,介绍了一种基于DSP和组态软件的滚动轴承在线故障诊断系统。该系统以DSP作为信号处理部分,以组态软件作为人机交互界面,通过采用轴承振动信号的时域特征参数法对滚动轴承故障进行判断。实践检验证明,该系统能准确地判断出滚动轴承故障,具有较好的应用前景。
- 任锴胜王增才王保平
- 关键词：DSP轴承检测故障诊断
- 驾驶员疲劳状态监测中的彩色图像光照补偿技术被引量：2
- 2011年
- 为增强图像质量,提出了一种具有鲁棒性的图像光照补偿算法。首先基于空间梯度的方法将原始图像分解为高频、低频图像,光照信息完全包含在低频图像中;然后对低频图像应用Retinex算法进行光照补偿,使得较暗区域变亮;接着将补偿后的低频图像和高频图像合成;最后将合成后的图像进行光照均衡得到新图像。实验证明,与传统算法相比,该算法具有较好效果,新图像受光照影响小。
- 朱淑亮王增才王保平
- 关键词：光照补偿RETINEX算法S曲线光照彩色图像处理
- 基于声波信号小波包变换的煤矸界面识别研究被引量：13
- 2010年
- 为探索放顶煤开采过程中煤矸放落程度的判定方法,采用小波包理论分析顶煤放落过程中的声波信号。放顶煤开采中随着矸石含量的增加,产生的声波信号也会有所不同,以此为出发点提出了基于声波频谱小波包变换的煤矸界面识别分析方法。通过声波信号频谱的差异,可以确定煤矸放落的临界区域,从而为煤矸识别提供参考依据。
- 马瑞王增才王保平
- 关键词：小波包放顶煤开采
- 基于EMD与峭度滤波的煤岩界面识别被引量：6
- 2015年
- 煤岩界面识别问题一直是制约放煤自动化发展的一项关键问题,液压支架尾梁振动信号分析法是近年来发展较快的一种有效方法。该方法中煤和矸石信号在频域内存在差异是非常有用的信息,但因系统低频干扰较多且两种信号差异微弱,无法直接提取使用。通过对振动信号使用经验模态分解(empirical mode decomposition,简称EMD)得到多个固有模态分量(intrinsic mode function,简称IMF);以峭度为准则,选取煤和矸石差异最大的通道对信号重新合成;使用Hilbert边际谱分析煤、矸石的频域范围,以矸石频域特征区域求取带通滤波最优截止频率;对合成后的信号进行滤波。实验结果表明,该方法能够减少信号低频干扰、突出较高频成分,使煤与系统干扰的低频信号视为常态被屏蔽,而混入煤中的矸石较高频信号能够被及时识别,实现了煤岩界面识别的目的。
- 丛晓妍王增才王保平彭伟利
- 关键词：经验模态分解煤岩界面识别峭度滤波
- 驾驶员疲劳检测中的彩色图像增强算法被引量：5
- 2012年
- 为解决因驾驶室光照不均引起的图像质量下降问题,提出一种新的基于Retinex的驾驶员视频图像增强算法。首先将图像从RGB空间转换到YCbCr空间,保持Cb和Cr分量不变,对Y分量进行高、低频分解,低频分量部分包含图像全部光照信息;利用多尺度Retinex(MSR)算法对低频部分进行光照补偿,然后对Y分量进行拉普拉斯锐化和高斯平滑滤波,增强图像细节和消除噪声干扰;最后将处理后的Y分量与原来的Cb、Cr分量进行逆变换生成新图像。实验表明,与传统算法相比,本文算法能对驾驶员视频图像起到增强效果,同时也能很好地增强图像细节信息,有利于系统对驾驶员状态进行疲劳检测。
- 张万枝王增才李云霞王保平
- 关键词：彩色图像增强光照补偿颜色恒常性RETINEX理论
- 基于EEMD的提升机天轮轴承故障诊断方法被引量：24
- 2012年
- 提出了一种基于EEMD的提升机天轮轴承故障诊断方法,该方法可以有效抑制经验模态分解过程中出现的模态混叠现象,从而提高轴承故障诊断的准确性。该方法的实现过程为:通过时域参数确定天轮轴承是否出现故障,如果出现故障,应用EEMD方法对故障信号进行处理,进而得到能够提取故障频率的Hilbert谱和边际谱,通过故障频率判断轴承故障发生的位置。通过实验验证了该方法的有效性,结果表明,该方法可以消除外界噪声和间歇性冲击的影响,准确提取轴承故障频率从而判断轴承故障的类型,为天轮轴承的检修维护提供依据,保证提升系统的运行安全。
- 王增才王树梁任锴胜王保平
- 关键词：故障诊断
- 放顶煤过程中煤矸界面自动识别研究
- 综合机械化放顶煤开采是一种高产、高效的厚煤层开采方式，我国厚煤层储量占到我国煤炭储量的44％左右，因此放顶煤技术的研究和推广对我国煤炭工业的发展具有特别重要的意义。如何根据煤炭放落程度控制放煤口放煤时间是当今综合机械化放...
- 王保平
- 关键词：放顶煤经验模态分解神经网络
- 基于EMD与神经网络的煤岩界面识别方法被引量：24
- 2012年
- 针对放顶煤中煤岩界面难以识别的问题,采用检测液压支架尾梁振动信号的方式进行了研究,提出一种基于经验模态分解(empirical mode decomposition,简称EMD)和神经网络的识别方法。首先,对振动信号进行经验模态分解,得到多个固有模态分量(intrinsic mode functions,简称IMF);然后,对各IMF进一步分析以提取特征参数;最后,选择若干个包含主要信息的参数组成特征向量作为神经网络的输入来识别落煤和落岩两种情况,实现煤岩界面的自动识别。实验结果表明,分别以各IMF的能量、峭度和波峰因子组成的特征向量均可用于识别煤岩界面,且当以能量组成特征向量时比其他两种方式具有更高的识别率。
- 王保平王增才张万枝
- 关键词：经验模态分解神经网络煤岩界面识别综放开采
