基于深度学习的液体装卸车鹤管自动对接方法
基于深度学习的液体装卸车鹤管自动对接方法
来源:机械与电子杂志2025年第06期北京时间:
作者:郭永强;崔春江;王炜;张强;陈宗宇;何坤
单位:长庆油田分公司第三采气厂,陕西 西安 710299
摘要:提出基于深度学习的液体装卸车鹤管自动对接方法。首先分析自动鹤管本体结构,采用九点标定法得到鹤管轴线与坐标系之间的夹角,完成鹤管静态中心点坐标获取;然后根据鹤管关节的运动参数,拟合鹤管运动轨迹;最后引入深度学习理论,基于构建的 RVFA-LSTM 模型完成鹤管对接,利用几何特征分析方法进行对接点缩放因子计算,完成罐口对接点的校正,实现液体装卸车鹤管与罐口的自动对接优化。实验结果表明,此方法对接精度高,对接平均绝对偏差低,能够满足工程要求。
关键词:深度学习;液体装卸车;鹤管自动对接;中心点标定;缩放因子
基金资助:陕西省工业攻关计划资助项目( 2013K7-46 )
2025年06期其他文献查阅:
基于机电融合信号与 1DCNN-MHAM-SVM 的 GIS 局部放电故障诊断
基于 Super-Twisting 滑模观测器的主动侧杆杆力控制研究
基于自适应 RRT 与 SLAM 视觉的室内巡检机器人避障控制
填文献完整题目 获取完整文献
以下正文抓取自原文页面,仅作行业资讯展示,版权归原作者/原媒体所有。原文链接: http://www.qikanzj.com/hek/jxydz/mulu/510031.html
掌控科技解析
本文由烟台掌控智能科技有限公司整理发布,关于「基于深度学习的液体装卸车鹤管自动对接方法」,我们的看法是:提出基于深度学习的鹤管自动对接方法:通过九点标定获取鹤管轴线夹角与静态中心点,拟合运动轨迹,构建RVFA-LSTM模型并利用几何特征缩放因子校正罐口对接点,实现槽车罐口与鹤管自动对接,实验表明对接精度高、偏差低。 在液氯、氯气等危险化学品充装环节,装计量准确性与过程可追溯是安全底线,钢瓶充装、定量装车与鹤管装车的选型应结合介质特性、压力等级与厂区管廊条件综合确定。如需了解具体配置与报价,欢迎通过本站联系我们获取选型建议。