Инженеры применили нейросети и автоматизацию к карьерным экскаваторам. Опытная эксплуатация подтвердила эффективность разработки с точки зрения повышения производительности машин.

Ученые Уральского горного государственного университета (УГГУ) разработали программный модуль, который обеспечивает автоматическое управление экскаваторами в процессе добычи полезных ископаемых. Этот модуль оптимизирует движения ковша экскаватора, используя передовые технологии нейросетей и автоматизации.

Инженеры применили нейросети для точного определения положения ковша экскаватора и описания окружающей среды, в которой он работает. Аппаратная часть комплекса включает две видеокамеры, установленные на кабине экскаватора, а также вычислительное устройство. Камеры объединены в стереопару и откалиброваны, чтобы создавать трехмерное представление рабочего процесса.

По словам разработчиков, нейросеть обучена распознавать ковш и другие объекты на видеопотоке. На основе полученной информации и встроенного алгоритма, программа генерирует оптимальную траекторию для перемещения рабочего инструмента и передает соответствующие команды приводам управления экскаватора.

Одним из самых энергозатратных этапов работы являются разгон и торможение ковша, поэтому оптимальная траектория стремится минимизировать расстояние между точкой окончания черпания и зоной разгрузки, отмечают в УГГУ. При этом необходимо учитывать, что эти точки могут меняться, и поэтому их необходимо пересчитывать в режиме реального времени.

Современные технологии, такие как нейросети, ИИ машинное зрение, анализ больших данных, стали важным инструментом для повышения эффективности карьерных экскаваторов. Благодаря техническим новшествам теперь возможно в режиме реального времени определять координаты ковша и создавать объемную математическую модель его окружения, что ранее было недоступно с использованием классических методов.

Алгоритм состоит из набора нейронных сетей. Одна из них реализует механизмы стереозрения и определение расстояния до объектов. Другая отвечает за определение координат и электрических параметров основных приводов. Третья нейросеть определяет текущую технологическую операцию, такую как черпание, перемещение груза или его разгрузка. Затем искусственный интеллект определяет оптимальную точку для разгрузки и траекторию движения к ней.

Для обучения моделей были собраны данные в разные времена года, включая зиму и лето, на различных карьерах с асбестом и углем. Были также использованы экскаваторы разных типов, что подтверждает универсальность разработки. Ученые работали над программным комплексом в сотрудничестве с горнодобывающими предприятиями, что обеспечило обратную связь и возможность доработки алгоритмов для конкретных задач.

Эксперты в области горнодобывающей промышленности придают большое значение использованию современных технологий для автоматизации, так как это освобождает операторов от тяжелых, опасных и монотонных задач.

Кроме того, строительство безлюдных горных предприятий, где машины работают на удаленном управлении или автономно, является глобальным трендом. Исследования показывают, что траектории и методы работы, сгенерированные компьютером, в большинстве случаев более эффективны, чем те, которые использует человек. Разработка, выполненная в УГГУ, является значительным шагом в этом направлении.

Фото: Gerold Hinzen / Unsplash.com

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *