Intelligent, energy saving power supply and control system of hoisting mine machine with compact and hybrid drive system

• Autorzy: Szymański Z.

Identyfikatory

DOI

10.1515/amsc-2015-0016

Warianty tytułu

PL

Inteligentne, energooszczędne układy zasilania i sterowania górniczych maszyn wyciągowych z napędem zintegrowanym lub hybrydowym

• Języki publikacji: EN

Abstrakty

EN

In the paper present’s an analysis of suitableness an application of compact and hybrid drive system in hoisting machine. In the paper presented the review of constructional solutions of hoisting machines drive system, driving with AC and DC motor. In the paper presented conception of modern, energy sparing hoisting machine supply system, composed with compact motor, an supplied with transistor or thyristor converter supply system, and intelligent control system composed with multilevel microprocessor controller. In the paper present’s also analysis of suitableness application an selected method of artificial intelligent in hoisting machine control system, automation system, and modern diagnostic system. In the paper one limited to analysis of: fuzzy logic method, genetic algorithms method, and modern neural net II and III generation. That method enables realization of complex control algorithms of hosting machine with insurance of energy sparing exploitation conditions, monitoring of exploitation parameters, and prediction diagnostic of hoisting machine technical state, minimization a number of failure states. In the paper present’s a conception of control and diagnostic system of the hoisting machine based on fuzzy logic neural set control. In the chapter presented also a selected control algorithms and results of computer simulations realized for particular mathematical models of hoisting machine. Results of theoretical investigation were partly verified in laboratory and industrial experiments.

PL

Przedstawiono analizę celowości wprowadzania, napędów zintegrowanych oraz napędów hybrydowych, do układów napędowych maszyn wyciągowych. Zamieszczono przegląd rozwiązań konstrukcyjnych wybranych hybrydowych oraz zintegrowanych napędów maszyn wyciągowych z silnikami DC i AC. Opisano koncepcję nowoczesnego, energooszczędnego układu zasilania górniczych maszyny wyciągowej, złożonego z silnika zintegrowanego, (tranzystorowego lub tyrystorowego) zasilacza przekształtnikowego, oraz inteligentnego obwodu sterowania zbudowanego na wielopoziomowych sterownikach mikroprocesorowych. Przedstawiono analizę możliwości zastosowania wybranych metod sztucznej inteligencji w układach sterowania, automatyki oraz diagnostyki maszyn wyciągowych. W referacie ograniczono się do analizy metod sterowania rozmytego, metod algorytmów genetycznych oraz nowoczesnych sieci neuronowych II oraz III generacji. Metody te zapewniają realizację złożonych algorytmów sterowania maszyną wyciągową z zapewnieniem energooszczędnych warunków eksploatacyjnych, monitoringu parametrów eksploatacyjnych oraz predykcyjną diagnostykę stanu technicznego maszyny wyciągowej, minimalizującą liczbę stanów awaryjnych. Przedstawiono koncepcję układu sterowania i diagnostyki maszyny bazującej na metodzie: fuzzy-logic neuro set control system (sterowanie rozmyte w sieciach neuronowych). Przedstawiono wybrane algorytmy sterowania oraz wyniki analiz komputerowych wybranych modeli matematycznych maszyny wyciągowej. Wyniki rozważań teoretycznych zostały częściowo sprawdzone w warunkach laboratoryjnych oraz przemysłowych.

Słowa kluczowe

EN

hoisting machine; energy saving supply system; digital control; predictive control

PL

maszyna wyciągowa; zasilanie energooszczędne; sterowanie cyfrowe; sterowanie predykcyjne

• Wydawca: Instytut Mechaniki Górotworu PAN
• Czasopismo: Archives of Mining Sciences
• Rocznik: 2015
• Tom: Vol. 60, no. 1
• Strony: 239--251
• Opis fizyczny: Bibliogr. 12 poz., rys., wykr.

Twórcy

autor

Szymański Z.

• Silesian University of Technology, Gliwice, Poland

Bibliografia

• [1] Dubois D., Guastavino C., 2007. Cognitive evaluation of sound quality: Bridging the gap between acoustic measurements and meanings. Proceedings of 19th International Congress on Acoustics – ICA07, Madrid, Spain, p. (2-8), September 2007.
• [2] Driankov D., Helledoom H., Reinfrank M., 1996. Wprowadzenie do sterowania rozmytego. WNT Warszawa.
• [3] Głowacz Z., Zdrojewski A., 2006. Analiza spektralna sygnałów silnika komutatorowego prądu stałego zasilanego ze źródła napięcia stałego. Przegląd Elektrotechniczny, 82, nr 11, p. (76-79).
• [4] Golden R.M., 1996. Mathematical Methods for Neural Network analysis and Design. MIT Press.
• [5] Kowalski C.T., 2006. Zastosowanie sztucznej inteligencji w diagnostyce silników indukcyjnych. Przegląd Elektrotechniczny, 82, nr 11, p. (53-58).
• [6] Pasko M., Walczak J., 2007. Teoria sygnałów. Wydawnictwo Politechniki Śląskiej.
• [7] Oleksy A., Szymański Z., 2010. Nowoczesne metody sterowania i diagnostyki maszyn wyciągowych z wykorzystaniem metod sztucznej inteligencji. Arch. Min. Sci., Vol. 55, No 1, p. 217-231.
• [8] Szklarski L., Zarudzki J., 2000. Maszyny wyciągowe. PWN Warszawa.
• [9] Szymański Z., 2007. Zastosowanie metod sztucznej inteligencji w układach sterowania maszyn wyciągowych. Transport Szybowy 2007, Szczyrk, listopad 2007.
• [10] Tadeusiewicz R., 1993. Sieci neuronowe. Akademicka Oficyna Wydawnicza, Warszawa.
• [11] Yoshii K., Goto M., Okuno H.G., 2007. Drum Sound Recognition for Polyphonic Audio Signals by Adaptation and Matching of Spectrogram Templates With Harmonic Structure Suppression. IEEE Transactions on Audio, Speech, and Language Processing, Vol. 15, No. 1, p. 333-345.
• [12] Żurada J.M., 1992. Introduction to Artificial Neural Systems. PWS Publishing Company.