机器人运动学与时序预测融合驱动的刮板输送机调直方法 论文

随着智能化开采的不断发展，刮板输送机直线度控制对于煤矿安全、高效开采具有重要意义。针对刮板输送机的调直精度不高的问题，提出了一种基于空间运动学与长短时记忆神经网络（LSTM）轨迹预测相融合的调直方法。

利用工业机器人的空间运动学知识对液压支架和刮板输送机浮动连接机构的运动规律进行了详细解析，并以C#语言的形式编入Unity3D仿真系统底层。通过推移机构连接头捕捉刮板输送机中部槽上的关键点，实现液压支架与刮板输送机的精准连接与推移，有效解决了销耳间隙的影响。详细了解机器人运动学。

其次，综合考虑传感器噪声与截割底板轨迹对刮板输送机轨迹检测的影响，在仿真系统中进行了相关的补偿后，在MATLAB中利用LSTM神经网络对刮板输送机的轨迹进行了预测。LSTM作为一种高级的神经网络结构，能够有效处理和预测复杂的时间序列数据，进一步探讨LSTM在刮板输送机中的应用。

根据实际工况要求，建立了目标调直轨迹的修正模型和轨迹-姿态转换模型。通过对刮板输送机轨迹的精准捕捉，确定移架后的液压支架位置与中部槽的相对位置差，基于浮动连接机构运动规律实现液压支架的精准推移，进而实现了刮板输送机的精确调直。通过虚拟试验的验证，建立的修正模型和转换模型表现出较强的可靠性与有效性。

点击此处获取更多关于刮板输送机的优化设计资料。