03. Науковий Журнал Метінвест Політехніки. Серія: Технічні науки
Постійне посилання на розділhttps://dspace.mipolytech.education/handle/mip/837
Переглянути
Документ Дослідження мехатронних систем контролюзавантаження екскаватора(ТОВ "ТЕХНІЧНИЙ УНІВЕРСИТЕТ "МЕТІНВЕСТ ПОЛІТЕХНІКА", 2024) Налобіна, О. О.; Голотюк, М. В.; Бундза, О. З.; Nalobina, O. O.; Holotiuk, M. V.; Bundza, O. Z.Виконання земляних робіт одноківшевим екскаватором зазвичай складається із трьох основних операцій: відокремлення ґрунту від масиву та захоплення, його переміщення та подальше вкладення. Розрахунки продуктивності та встановлення робочих розмірів екскаваторів під час їх проєктування безпосередньо пов’язані з поняттям екскаваторного забою й об’ємом розробленого ґрунту. Для вирішення цього завдання було запропоновано впровадити систему контролю стану екскаваторних зубів і оповіщення в реальному часі. Ця система дозволить працівникам своєчасно оцінити стан зубів і вжити заходів для їх заміни, що запобігатиме простоям обладнання, сприятиме економії грошей і часу.Одним із варіантів реалізації цієї системи є встановлення на екскаватори обладнання на кшталт Shovel Metrics. Це обладнання дозволяє отримувати інформацію про стан екскаваторних зубів за допомогою датчиків, установлених на ковші екскаватора. Іншим варіантом є встановлення на стрілу екскаватора камери-датчика, розроблення програмного коду зчитування з картинки та системи оповіщення.Упровадження системи контролю стану екскаваторних зубів й оповіщення в реальному часі дозволить вирішити проблему позапланової заміни екскаваторних зубів і їх потрапляння до дробильної фабрики. Це приведе до значних економічних вигод для підприємства, як-от: зменшення кількості простоїв обладнання; зменшення витрат на непланову заміну екскаваторних зубів; зменшення ймовірності потрапляння зазна-чених зубів до дробильної фабрики.У роботі представлено рішення контролю ковша екскаватора зі штучним інтелектом на основі глибоких нейронних мереж для отримання точних і практично застосовних даних, що забезпечує оновлення інформації про стан у режимі реального часу. Нейронна мережа діє як класифікатор пікселів і надає мітку кожному пікселю на зображенні ковша екскаватора. Даний класифікатор у поєднанні з подальшим обробленням забезпечує комплексне рішення для контролю, що дозволяє виявляти відсутність зубів, відстежувати їх зношування та визначати фраґментацію.Ця нова архітектура глибокої нейронної мережі замінює колишній алгоритм, який використовував традиційні методи комп’ютерного зору для отримання інформації із вхідних відеокадрів для забезпечення зазначених функцій виробу. Як і всі рішення для глибокого навчання, Shovel Metrics™ удосконалюватиметься лише за наявності великих наборів навчальних даних.