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
Группа ученых из СФУ и Северо-Восточного федерального университета им. М.В. Аммосова совместно с СО РАН разработали…
Специалисты ИТМО разработали систему сбора данных о деятельности работников на производств. Она поможет снизить травмы, поломки оборудования…
В честь 75-летия мировой премьеры балета «Медный всадник» Рейнгольда Глиэра, Мариинский театр запланировал пять показов с…
На этих выходных в Петербурге пройдет ряд культурных событий, посещение которых поможет отойти от трудовых будней.…
Мясо полезно для организма, но не стоит злоупотреблять, говорят врачи. Гастроэнтеролог Ольга Листопадова рассказала о…
Разработка принадлежит ученым из ЮУрГУ. В России придумали новый способ обработки морской капусты. Разработка позволяет…