Измерение производительности питателя при выпуске угля из подкровельной толщи на основе технологии машинного зрения

Технология выпуска угля из подкровельной пачки использует так называемый гравитационный выпуск, когда уголь выпускается из-под кровли «самотеком» под действием силы тяжести. Выпуск при этом можно производить на главный конвейер (забойный – расположенный в закрепленном пространстве), центральный (в западной литературе – задний) и хвостовой (завальный – расположенный в незакрепленном пространстве). Наиболее распространенными на данный момент времени являются комплексы с выпуском на завальный конвейер. Целью исследования является измерение производительности механизированного пластинчатого питателя, подающего уголь от выпускного окна крепи на конвейер в технологии отработки мощных пластов с выпуском на забойный конвейер. Для достижения цели предлагается осуществлять измерение объема с применением технологии машинного зрения. Исследованы способы расчета единичного объема на измерительном участке на трехмерной модели. Проведены лабораторные исследования, в рамках которых оценены относительные погрешности.
Исследования позволили формализовать: способ сбора данных для расчета единичного объема угля; методику расчета единичного объема на измерительном участке; способ расчета производительно- сти питателя на основе системы машинного зрения, а также подходы для физического упрощения сцены, исследуемой машинным зрением. Относительная погрешность менее 10 % при имеющейся точности измерений для построения карты высот говорит о достаточности для инженерного использования предложенного способа расчета. Разработанный математический аппарат для расчетов единичного объема угля на измерительном участке и измерения производительности питателя позволяют создавать алгоритмическое обеспечение с использованием элементарных математических функций: сложение, вычитание, умножение и деление. Данный аспект важен, так как снижает планку требований к среде разработки программного обеспечения, а соответственно, расширяет номенклатуру аппаратных средств, пригодных для выполнения задач расчета производительности питателя.

1. Клишин В. И., Анферов Б. А., Кузнецова Л. В. Направления совершенствования разработки мощных пластов с выпуском угля подкровельной толщи. В: Инновации в топливно-энергетическом комплексе и машиностроении (ТЭК-2017). Сборник трудов Международной научно-практической конференции. Кемерово: Кузбасский государственный технический университет имени Т.Ф. Горбачева; 2017. С. 57–63.

2. Клишин В. И., Клишин С. В. Состояние и направление развития технологии разработки мощных угольных пластов механизированными крепями с выпуском. Известия Тульского государственного университета. Науки о Земле. 2019;(1):162–174.

3. Peng S. S. Longwall mining. 3rd edition. Leiden: CRC Press/Balkema; 2020. 562 p.

4. Le T. D., Mitra R., Oh J., Hebblewhite B. A review of cavability evaluation in longwall top coal caving. International Journal of Mining Science and Technology. 2017;27(6):907–915. https://doi.org/10.1016/j.ijmst.2017.06.021

5. Mundry S., Sandgathe C. Automated Cat longwall top coal caving. In: Efficient Mining of High Seams with Automated LTCC Operations. Caterpillar Inc.; 2018. Pp. 12-14. URL: http://s7d2.scene7.com/is/content/Caterpillar/CM20180716-40601-27335 (Дата обращения: 01.08.2022).

6. Medhurst T., Rankine R., Kelly M. Development of a method for a longwall top coal caveability assessment. In: Coal operators’ conference. 12–14 February 2014. Wollongong: University of Wollongong; 2014. Pp. 42–50. URL: https://ro.uow.edu.au/cgi/viewcontent.cgi?article=2159&context=coal

7. Le T. D. Longwall Top Coal Caving mechanism and cavability assessment. [PhD thesis in Mining Engineering]. Sydney; 2018. https://doi.org/10.26190/unsworks/20236

8. Клишин В. И., Шундулиди И. А., Ермаков А. Ю., Соловьев А. С. Технология разработки запасов мощных пологих пластов с выпуском угля. Новосибирск: Наука; 2013. 248 с.

9. Клишин В. И., Опрук Г. Ю., Варфоломеев Е. Л., Борисов И. Л. Взаимодействие механизированных крепей с межслоевой толщей в системах с выпуском угля. Горный информационно-аналитический бюллетень. 2018;(S48):87–94. https://doi.org/10.25018/0236-1493-2018-11-48-87-94

10. Кизилов С. А., Никитенко М. С., Неоджи Б. и др. Автоматизация управления технологическими процессами при отработке мощных пластов с выпуском угля подкровельной толщи. Горная промышленность. 2017;(6):96–99. URL: https://mining-media.ru/en/articles/articleen/13196-automation-of-processcontrol-in-thick-seam-mining-with-top-coal-caving

11. Nikitenko M. S., Kizilov S. A., Nikolaev P. I., Kuznetsov I. S. Technical devices of powered roof support for the top coal caving as automation objects. In: IOP Conference Series: Materials Science and Engineering. XI All-Russian Scientific and Practical Conference (with international participation) “Automation systems in education, science and production, 2017”. 14–16 December 2017, Novokuznetsk, Russian Federation. 2017;354:012014. https://doi.org/10.1088/1757-899X/354/1/012014

12. Nikitenko M. S., Kizilov S. A. Technical and technological platforms for creating robotized complexes for the development of thick seam deposits. In: IOP Conference Series: Earth and Environmental Science, Volume 377, International Scientific and Research Conference on Knowledge-based technologies in development and utilization of mineral resources. 4–7 June 2019, SibSIU, Novokuznetsk, Russia. 2019;377:012033. https://doi.org/10.1088/1755-1315/377/1/012033

13. Стародубов А. Н., Зиновьев В. В., Клишин В. И., Крамаренко В. А. Применение имитационного моделирования для исследования режимов выпуска угля подкровельной толщи. В: 9-я всероссийская научно-практическая конференция по имитационному моделированию и его применению в науке и промышленности. Екатеринбург; 2019. С. 540–547. URL: http://simulation.su/uploads/files/default/2019-immod-540-547.pdf

14. Starodubov A., Sinoviev V., Totskiy A., Klishin V. Review of mining equipment with controlled robotized subvel caving with specialized software. In: E3S Web of Conferences. Vth International Innovative Mining Symposium. 2020;174:03012. https://doi.org/10.1051/e3sconf/202017403012

15. Starodubov A. N., Sinoviev V. V., Klishin V. I. The development of simulating system of robotized technologies for thick and acute coal seams. Journal of Physics: Conference Series. 2021;1749(1):012040. https://doi.org/10.1088/1742-6596/1749/1/012040

16. Heyduk A. Bulk density estimation using a 3-dimensional image acquisition and analysis system. In: E3S Web of Conferences. Mineral Engineering Conference MEC2016. 2016;8:01060. https://doi.org/10.1051/e3sconf/20160801060

17. Heyduk A. Laser triangulation in 3-dimensional granulometric analysis. Archives of Mining Sciences. 2016;61(1):15–27. https://doi.org/10.1515/amsc-2016-0002

18. Min F., Lou A., Wei Q. Design and experiment of dynamic measurement method for bulk material of large volume belt conveyor based on laser triangulation method. In: IOP Conference Series Materials Science and Engineering. 7th Annual International Conference on Material Science and Environmental Engineering. 15–16 November 2019. Wuhan, Hubei, China. 2020;735(1):012029. https://doi.org/10.1088/1757-899X/735/1/012029

19. Fojtík D. Measurement of the volume of material on the Conveyor Belt measuring of the volume of wood chips during transport on the Conveyor Belt using a laser scanning. In: Proceedings of the 2014 15th International Carpathian Control Conference (ICCC). 28–30 May 2014. Velke Karlovice, Czech Republic. Pp. 121–124. https:// doi.org/10.1109/CarpathianCC.2014.6843581

20. Amorim L. L., Mutz F., De Souza A. F. et al. Simple and effective load volume estimation in moving trucks using lidars. In: 32nd SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI). 28–30 October 2019. Rio de Janeiro, Brazil. Pp. 210–217. https://doi.org/10.1109/SIBGRAPI.2019.00036

21. Zeng F., Wu Q., Chu X., Yue Z. Measurement of bulk material flow based on laser scanning technology for the energy efficiency improvement of belt conveyors. Measurement. 2015;75:230–243. https://doi.org/10.1016/j.measurement.2015.05.041

22. Dunn M., Reid P., Malos J. Development of a protective enclosure for remote sensing applications—case study: laser scanning in underground coal mines. Resources. 2020;9(5):56. https://doi.org/10.3390/resources9050056

23. Macpherson T., Churchland A., Sejnowski T. et al. Natural and artificial intelligence: a brief introduction to the interplay between AI and neuroscience research. Neural Networks. 2021;144:603–613. https://doi.org/10.1016/j.neunet.2021.09.018

24. Акулов М. С., Гладких С. А., Ланкина М. Ю., Бакланов А. Н. Обработка фото и видеоизображений с помощью нейронных сетей в программе LABVIEW. Современные наукоемкие технологии. 2019;(3–1):12–17. URL: https://top-technologies.ru/ru/article/view?id=37434