The use of fuzzy systems in the designing of mining process in hard coal mines

• Autorzy: Brzychczy E. , Kęsek M. , Napieraj A. , Sukiennik M.

Identyfikatory

DOI

10.2478/amsc-2014-0052

Warianty tytułu

PL

Wykorzystanie systemów rozmytych w projektowaniu procesu wydobywczego w kopalniach węgla kamiennego

• Języki publikacji: EN

Abstrakty

EN

This article presents examples of solutions supporting the design of certain elements of the mining process in coal mines. The focus is on two fuzzy systems: the first supports the selection of equipment for longwall faces (FSES); and the second supports the estimation of production results (FSOE). System FSES generates proposals for equipment in designed longwall faces. The module of fuzzing in this system enables a fuzzing operation for the following quantitative variables: longwall length; longwall height; longitudinal and crosswise incline of the longwall, workability of the coal and thickness of rock vein in a given section of the longwall. The knowledge base includes over 100 fuzzy rules indicating possible options for equipment under specified site conditions. After a proposal of equipment is generated, it is then possible to insert the values obtained into the second system FSOE, which estimates output for a given shift time using the chosen parameters. The module of fuzzing in system FSOE includes 9 variables, which are crucial in determining shift output for the given longwall face. The knowledge base in this system contains over 2000 rules. As a result of the operation of both systems, the designer receives both a proposal of equipment for the designed longwall face and the size of shift output under the given conditions. Operation of the two systems has been presented using a case study.

PL

Logika rozmyta pozwala na płynne i stosunkowo dokładne opisanie istotnych zależności pomiędzy zmiennymi o charakterze nieprecyzyjnym lub mało dokładnym, które są danymi wejściowymi do procesu projektowania. Prowadzony przez system rozmyty proces wnioskowania na podstawie zapisanych w bazie wiedzy reguł pozwala na uogólnienie posiadanej przez projektantów wiedzy, a także prowadzenie wnioskowania w sposób zbliżony do rozumowania eksperta. W artykule zaprezentowano przykłady opracowanych rozwiązań wspomagających projektowanie wybranych elementów procesu wydobywczego w kopalniach węgla kamiennego. Przedstawiono dwa systemy rozmyte, pierwszy wspomagający dobór wyposażenia do projektowanych wyrobisk ścianowych (FSES) oraz drugi wspomagający szacowanie wyników produkcyjnych (FSOE). System FSES umożliwia wyznaczenie propozycji wyposażenia dla projektowanych wyrobisk ścianowych. Moduł rozmywania w tym systemie umożliwia przeprowadzenie operacji rozmycia następujących zmiennych ilościowych: długość ściany, wysokość ściany, nachylenie podłużne i poprzeczne ściany, urabialność węgla oraz grubość przerostów w przekroju ściany. Baza wiedzy obejmuje ponad 100 reguł rozmytych wskazujących w konkluzjach możliwe do zastosowania wyposażenie, w określonych warunkach wyrobiska. Po wyznaczeniu proponowanego wyposażenia, możliwe jest wprowadzenie otrzymanych wartości do drugiego systemu FSOE, który umożliwia oszacowanie wydobycia zmianowego dla zadanych parametrów. Moduł rozmywania systemu FSOE obejmuje 9 zmiennych, które konieczne są do wyznaczenia wydobycia zmianowego w projektowanym wyrobisku. Baza wiedzy tego systemu zawiera ponad 2000 reguł. W efekcie działania obu systemów projektant otrzymuje propozycję wyposażenia dla projektowanego wyrobiska ścianowego oraz oszacowaną wielkość wydobycia zmianowego dla podanych warunków.

Słowa kluczowe

EN

coal mine; mining process; fuzzy logic; fuzzy systems; modelling

PL

kopalnia węgla kamiennego; proces wydobywczy; logika rozmyta; systemy rozmyte; modelowanie

• Wydawca: Instytut Mechaniki Górotworu PAN
• Czasopismo: Archives of Mining Sciences
• Rocznik: 2014
• Tom: Vol. 59, no. 3
• Strony: 741--760
• Opis fizyczny: Bibliogr. 26 poz., rys., tab., wykr.

Twórcy

autor

Brzychczy E.

• AGH University of Science and Technology, Faculty of Mining and Geoengineering, Department of Economics and Management in Industry, al. A. Mickiewicza 30, 30-059 Krakow, Poland

autor

Kęsek M.

• AGH University of Science and Technology, Faculty of Mining and Geoengineering, Department of Economics and Management in Industry, al. A. Mickiewicza 30, 30-059 Krakow, Poland

autor

Napieraj A.

• AGH University of Science and Technology, Faculty of Mining and Geoengineering, Department of Economics and Management in Industry, al. A. Mickiewicza 30, 30-059 Krakow, Poland

autor

Sukiennik M.

• AGH University of Science and Technology, Faculty of Mining and Geoengineering, Department of Economics and Management in Industry, al. A. Mickiewicza 30, 30-059 Krakow, Poland

Bibliografia

• [1] Abel D., 1991. Fuzzy Control — eineEifuhrungins Unscharfe. Automatisierungstechnik 1991, vol. 39, No 12, p. 433-438.
• [2] Bascetin A., Kesimal A., 1999. The Study of a Fuzzy Set Theory For The Selection of an Optimum Coal Transportation System From Pit to The Power Plant. Int. J. of Surface Mining, Reclamation and Environment, 13, p. 97-101.
• [3] Bazzazi A. A., Osanloo M., Karimi B., 2009. Optimal open pit mining equipment selection using fuzzy multiple attribute decision making approach. Arch. Min. Sci., Vol. 54, No 2, p. 301-320.
• [4] Benović T., Miljanović I., Vujić S., 2013. Fuzzy model of autogenous suspension coal clearing. Arch. Min. Sci., Vol. 57, No 4.
• [5] Brzychczy E, Kęsek M., 2007. Konstrukcja ankiet dla badań porównywalności warunków górniczo-geologicznych i techniczno-organizacyjnych przodków ścianowych. Polska Akademia Nauk Gospodarka Surowcami Mineralnymi, t. 23, Kraków.
• [6] Brzychczy E., 2009. Analiza wyposażenia przodków ścianowych na podstawie reguł asocjacyjnych. Wiadomości Górnicze, R. 60, nr 3.
• [7] Brzychczy E., 2011. The planning optimization system for underground hard coal mines. Arch. Min. Sci., Vol. 56, No 2.
• [8] Brzychczy E., 2012. Modelling uncertainty in an advisory system for mining works planning in hard coal mines. AGH Journal of Mining and Geoengineering, vol. 36, no. 3.
• [9] Brzychczy E., Napieraj A., 2014. Czynniki wpływające na dobór wyposażenia do robót przygotowawczych i eksploatacyjnych w kopalniach węgla kamiennego. Wiadomości Górnicze, R. 65, nr 1.
• [10] Dezyani H, Shahriar K., Ataei M., Afshar M., 2006. Application of fuzzy logic in mining method selection. In 6th International Scientific Conference - SGEM, vol. 2, p. 419-426. SGEM Scientific GeoConference.
• [11] Grychowski T., 2008. Hazard assessment based on fuzzy logic. Arch. Min. Sci., Vol. 53, No 4, p. 595-602.
• [12] Hosseini S. A. A., Ataei M., Hossieini S. M., Akhyani M., 2012. Application of fuzzy logic for determining of coal mine mechanization. Journal of Coal Science & Engineering (CHINA), Vol. 18, No. 3, p. 225-231.
• [13] Karadogan A., Kahriman A., Ozer U., 2008. Application of fuzzy set theory in the selection of underground mining method. The Journal of The Southern African Institute of Mining and Metallurgy, Vol. 108, p.73-79.
• [14] Łęski J., 2008. Systemy neuronowo-rozmyte. Wydawnictwa Naukowo-Techniczne, Warszawa.
• [15] Li, K., 2009. Application of Fuzzy Neural Network in Optimal Design of Methane Drainage Pipeline System in Coal Mine. ICPTT 2009, p. 311-316.
• [16] Magda R., 1999. Modelowanie i optymalizacja elementów kopalń. Biblioteka Szkoły Eksploatacji Podziemnej, Seria z lampką górniczą, nr 3, Kraków.
• [17] Nguyen V. U., 1985. Some Fuzzy Set Applications in Mining Geomechanics. Int. Journal of Rock Mechanics, 22, 6, p. 369-379.
• [18] Nowicki R, 2009. Rozmyte systemy decyzyjne w zadaniach z ograniczoną wiedzą. Akademicka Oficyna Wydawnicza EXIT, Warszawa.
• [19] Piegat A. 1999. Modelowanie i sterowanie rozmyte. Akademicka Oficyna Wydawnicza EXIT, Warszawa.
• [20] Razani M., Yazdani-Chamzini A., Yakhchali S. H., 2013. A novel fuzzy inference system for predicting roof fall rate in underground coal mines. Safety Science, Vol. 55, p. 26-33.
• [21] Snopkowski R., Napieraj A., 2012. Method of the production cycle duration time modeling within hard coal longwall faces. Arch. Min. Sci., Vol. 57, No 1, p. 121-138.
• [22] Snopkowski R., Sukiennik M., 2012. Selection of the longwall face crew with respect to stochastic character of the production process — part 1 — procedural description. Arch. Min. Sci., Vol. 57, No 4.
• [23] Snopkowski R., Sukiennik M., 2013. Longwall face crew selection with respect to stochastic character of the production process — part 2 — calculation example. Arch. Min. Sci., Vol. 58, No 1.
• [24] Vujic S., Miljanovic I., Kuzmanovic M., Bartulovic Z., Gajic G., Lazic P., 2011. The deterministic fuzzy linear approach in planning the production of mine system with several open pits. Arch. Min. Sci., Vol. 56, No 3, p. 489-497.
• [25] Wang L. X., Mendel J. M., 1992. Generating fuzzy rules by learning from examples. IEEE Trans. Systems, Man and Cybenetics, 22, p. 1414-1427.
• [26] Zadeh L. A., 1965. Fuzzy Sets. Information Control, 813, p. 338-353.