Key points are not available for this paper at this time.
Zusammenfassung Einschienenkrane haben aufgrund ihrer hervorragenden Transportleistung immer eine wichtige Rolle in den Hilfstransportsystemen von Bergwerken gespielt und sind daher ein wünschenswertes Anwendungsgebiet für fahrerlose Technologien. Die ungenaue Erkennung der Neigungen von Einschienenbahngleisen und die geringe Zuverlässigkeit der Erkennungsergebnisse erschweren jedoch die Implementierung von vollständig fahrerlosen Einschienenkranen und machen sie gefährlich. Um diese Probleme zu lösen, wird eine Methode zur genauen Identifizierung der longitudinalen Einschienenneigungen vorgeschlagen, die auf der Verwendung eines dynamischen Vergessensfaktors für rekursive Kleinste-Quadrate (DFFRLS) und eines unscented Kalman-Filters mit Fuzzy-Anpassung (FAUKF) basiert. Zuerst werden die erfassten Beschleunigungs- und Geschwindigkeitsdaten mit einem rollenden Fenster vorverarbeitet. Zweitens wird der Echtzeitwert der longitudinalen Gleisbiegung mit dem DFFRLS-Algorithmus unter Verwendung der verarbeiteten Daten und eines etablierten Gleisbiegungsmodells berechnet. Schließlich wird die dynamische Erkennung der Einschienenbahnneigung basierend auf bestehenden Gleisbiegungswerten mit dem FAUKF-Algorithmus unter Verwendung eines Fuzzy-Steuerfaktors realisiert, wodurch die Genauigkeit der Gle Neigungserkennung verbessert wird. Experimente zeigen, dass der DFFRLS-FAUKF-Algorithmus die Genauigkeit der Gleisneigungserkennung im Vergleich zu DFFRLS mit einem adaptiven erweiterten Kalman-Filter (DFFRLS-AEKF) oder einem adaptiven unscented Kalman-Filter (DFFRLS-AUKF) um bis zu 21,26 % und durchschnittlich um 33,93 % verbessert.
Liu et al. (Mon.) haben diese Frage untersucht.