PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Development of a fuzzy inference system for avoiding collision of bucket wheel excavator equipped with electromagnetic (EM) sensors with hard rock inclusions

Treść / Zawartość
Identyfikatory
Warianty tytułu
PL
Opracowanie systemu wnioskowania rozmytego dla uniknięcia kolizji koparki wielonaczyniowej kołowej wyposażonej w czujniki elektromagnetyczne (EM) z wtrąceniami nieurabialnymi
Języki publikacji
EN
Abstrakty
EN
This study aims to the development of a Fuzzy Inference System (FIS) that will guide the operator of a Bucket Wheel Excavator (BWE) equipped with geophysical sensors to avoid collision of the excavating buckets with the hard rock formations. The developed FIS uses the probability of occurrence of a hard rock formation (estimated from the measurements of the geophysical sensor) and the operational data of the BWE to estimate the risk for collision and the diggability of the excavated material. The structural and operational characteristics of the used BWEs as well as the applied mining practices were used to modify the structure and the inference rules of the FIS and to maximize the exploitation of the existing factual and experiential knowledge.
PL
W artykule zaprezentowano wyniki badań mających na celu opracowanie Systemu Wnioskowania Rozmytego (FIS), który będzie wspomagał operatora koparki wyposażonej w czujniki geofizyczne, aby uniknąć kolizji koła czerpakowego z twardymi formacjami skalnymi. Opracowany system FIS wykorzystuje prawdopodobieństwo wystąpienia nieurabialnej skały (oszacowanego na podstawie pomiarów czujnika geofizycznego) oraz dane operacyjne koparki w celu oszacowania ryzyka kolizji i urabialności wybieranych utworów. Cechy konstrukcyjne i użytkowe używanych koparek, a także stosowane praktyki górnicze zostały wykorzystane do modyfikacji struktury i zasad wnioskowania FIS oraz maksymalizacji wykorzystania istniejącej wiedzy faktycznej i empirycznej.
Rocznik
Strony
16--22
Opis fizyczny
Bibliogr. 16 poz.
Twórcy
autor
  • Technical University of Crete, Greece
autor
  • Technical University of Crete, Greece
autor
  • Technical University of Crete, Greece
  • Technical University of Crete, Greece
  • Technical University of Crete, Greece
  • National Technical University of Athens, Greece
  • National Technical University of Athens, Greece
autor
  • Public Power Corporation SA, Greece
  • Public Power Corporation SA, Greece
Bibliografia
  • [1] Castellano, G., Fanelli, A. M., & Mencar, C. (2002). Generation of interpretable fuzzy granules by a double clustering technique. Archives of Control Sciences: Special issue on Granular Computing, 12(4), 397–410
  • [2] Chuk, O. D., Ciribeni, V., & Gutierrez, L. V. (2005). Froth collapse in column flotation: A prevention method using froth density estimation and fuzzy expert systems. Minerals Engineering, 18, 495–504
  • [3] Czogala, E., & Leski, J. (2000). Fuzzy and neuro-fuzzy intelligent systems. Physica- Verlag.
  • [4] Dennis Ritchi. (1996). Artificial intelligence, Tata McGraw-Hill, New Delhi
  • [5] Galetakis, M., Vasiliou, A. (2010). Selective mining of multiple-layer lignite deposits. A fuzzy approach. Expert Systems with Applications, 37 (6), 4266-4275
  • [6] Galetakis, M., Vasileiou, A. (2013). Applications of fuzzy inference systems in mineral industry-overview. Expert System Software: Engineering, Advantages and Applications, 211-226
  • [7] Galetakis, M., Michalakopoulos, T., Bajcar, A., Roumpos, C., Lazar, M., Svoboda, P. Project BEWEXMIN: Bucket wheel excavators operating Under difficult mining conditions including unmineable Inclusions and geological structures with excessive mining resistance. Proceedings of 13th International Symposium Continuous Surface Mining, ISCSM 2016, Belgrade 2016, pp. 103-114
  • [8] Kesimal, A., & Bascetin, A. (2002). Application of fuzzy multiple attribute decision making in mining operations. Mineral Resources Engineering, 11(1), 59–72
  • [9] Luoa, X., & Dimitrakopoulos, R. (2003). Data-driven fuzzy analysis in quantitative mineral resource assessment. Computers and Geosciences, 29, 3–13
  • [10] Mathworks Inc. (1999). Fuzzy Logic Toolbox for use with Matlab. User’s Guide version 2
  • [11 ] Meech, J. The evolution of intelligent systems in the mining industry. In Proceedings of the international conference on mineral process modelling, simulation and control, Laurentian University, Sudbury, Ontario, 2006, pp. 1–30
  • [12] Overmeyer L., Kesting M., and Jansen K., SIMT Technology – Sensory identification of material type and detection of the interfaces, Bulk Solids Handling, 2007, 27(2), 112-118
  • [13] Taboada, J., Ordonez, C., Saavedra, A., & Fiestras-Janeiro, G. (2006). Fuzzy expert system for economic zonation of an ornamental slate deposit. Engineering Geology, 84, 220–228
  • [14] Tripathi, K. A. (2011). Review on Knowledge-based Expert System: Concept and Architecture, IJCA Special Issue on “Artificial Intelligence Techniques - Novel Approaches & Practical Applications”, 19-23
  • [15] Vafidis, A., Economou, N., Galetakis, M., Vasiliou, A., Michalakopoulos, T., Apostolopoulos, G. Assessing the potential of ground penetrating radar (GPR) to detect hard geological formations and inclusions during the excavation by bucket-wheel excavators. Proceedings of 13th International Symposium Continuous Surface Mining, ISCSM 2016, Belgrade 2016, pp. 631-643
  • [16] Zadeh, L. A. (1997). Toward a theory of fuzzy information granulation and its centrality in human reasoning and fuzzy logic. Fuzzy Sets and Systems, 90, 111–117
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-32f1850f-60c9-4c8a-8ebc-c01efaff2776
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.