针对现有液压支架护帮板状态监测方法可靠性低、量化监测能力缺乏的问题,提出了一种基于深度神经网络的非接触式护帮板运动状态监测方法。该方法通过卷积和反卷积网络实现护帮板关键点空间位置检测,然后利用前馈神经网络将护帮板关键点的空间运动轨迹转换为护帮板伸缩角度,实现护帮板状态监测的量化。研究结果表明,基于深度神经网络的护帮板关键点空间位置的平均检测误差小于2个像素,护帮板位姿角度的平均量化误差小于3°,算法处理速度大于60f/s,具有良好的监测性能。

本文针对仿真转台中框同步驱动系统的特点，提出了状态跟踪的同步控制策略。状态跟踪就是以模型状态与同步通道子系统状态的同步（相等）作为控制目标，仿真结果表明，这种同步控制策略具有较高的同步精度。