Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Study of loading and running characteristic of hydraulic support in underhand mining face

Jing-Yi C., Yi-Dong Z., Liang C., Ming J., Wei G., Lin-Sheng G.

Archives of Mining Sciences

2017

Vol. 62, no. 1

215--224

According to complex geological conditions of working face E1108 in Xin-ji mine #2, loading and running characteristic of hydraulic support, influence of depression angle on mining pressure behaviors, as well as relation between advancing speed and the support loading were measured and analyzed. The results indicate that depression angle is inversely proportional to support resistance, in other words, larger depression angle area coincides with lower support resistance area. Moreover, support resistance is generally high when working face advancing speed is slow. Technologies for controlling hydraulic support stability such as improving advancing speed properly, controlling mining height and increasing support resistance are put forward based on research.

Z uwzględnieniem złożonych warunków geologicznych w ścianie E1108 w kopalni Xin-Ji #2 dokonano pomiarów i analiz obciążenia i działania podpór hydraulicznych, zbadano wpływ kąta depresji na wielkość ciśnienia poziomu wydobywczego, a także zależność pomiędzy szybkością posuwania się na przodku i obciążeniem podpór. Wyniki analiz wskazują, że kąt depresji jest odwrotnie proporcjonalny do wytrzymałości podpory. Przy większych wartościach kąta depresji mamy do czynienia z obszarem gdzie wytrzymałość podpór jest niższa. Ogólnie rzecz biorąc, wytrzymałość podpory jest zazwyczaj wysoka dla niewielkich prędkości posuwania się na przodku. W pracy przedstawiono metody kontroli stabilności podpór hydraulicznych poprzez regulację szybkości posuwania się przodka, regulację wysokości wybierania oraz poprzez zwiększenie wytrzymałości podpór.

A coarse-to-fine kernel matching approach for mean-shift based visual tracking

Liangfu L., Zuren F., Weidong C., Ming J.

Opto-Electronics Review

2009

Vol. 17, No. 1

65-71

Mean shift is an efficient pattern match algorithm. It is widely used in visual tracking fields since it need not perform whole search in the image space. It employs gradient optimization method to reduce the time of feature matching and realize rapid object localization, and uses Bhattacharyya coefficient as the similarity measure between object template and candidate template. This thesis presents a mean shift algorithm based on coarse-to-fine search for the best kernel matching. This paper researches for object tracking with large motion area based on mean shift. To realize efficient tracking of such an object, we present a kernel matching method from coarseness to fine. If the motion areas of the object between two frames are very large and they are not overlapped in image space, then the traditional mean shift method can only obtain local optimal value by iterative computing in the old object window area, so the real tracking position cannot be obtained and the object tracking will be disabled. Our proposed algorithm can efficiently use a similarity measure function to realize the rough location of motion object, then use mean shift method to obtain the accurate local optimal value by iterative computing, which successfully realizes object tracking with large motion. Experimental results show its good performance in accuracy and speed when compared with background-weighted histogram algorithm in the literature.