Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Cuprum : czasopismo naukowo-techniczne górnictwa rud

1 2020

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: samojezdne maszyny załadowczo-odstawcze

Sortuj według:

Ogranicz wyniki do:

Prosta metoda detekcji cykli odstawy urobku samojezdnych ładowarek łyżkowych

Stefaniak Paweł, Skoczylas Artur, Koperska Wioletta

Cuprum : czasopismo naukowo-techniczne górnictwa rud

2020

nr 2

33--46

W górnictwie podziemnym rud miedzi transport poziomy urobku realizowany jest za pomocą samojezdnych maszyn załadowczo-odstawczych. Przykładowo, w kopalniach rud miedzi KGHM Polska Miedź S.A., gdzie stosowany jest komorowo-filarowy system eksploatacji złoża, odstawa urobku realizowana jest głównie przy współpracy ładowarek łyżkowych i wozów odstawczych. W przypadku krótszych tras odstawy proces ogranicza się już tylko do ładowarek. Obecnie obserwuje się globalny trend w zakresie rozwoju predykcyjnego utrzymania ruchu maszyn górniczych, nawigacji, jak również optymalizacji produkcji z wykorzystaniem przemysłowego internetu rzeczy (ang. Industrial Internet of Things, IIoT). Rozwój analityki w tym zakresie wymaga niestety pełnego wglądu w przebieg pracy maszyny w wyrobiskach górniczych, zapewniający prowadzenie wielowymiarowych analiz do szerszego zrozumienia kontekstów eksploatacji maszyny. W artykule przedstawiono metodę identyfikacji cykli odstawy, jak również składowych podprocesów, realizowanych w każdym pojedynczym cyklu. Zaproponowany algorytm bazuje na użyciu operacji splotu, w celu detekcji skoków obserwowanych w sygnale ciśnienia z siłownika układu hydraulicznego wychyłu łyżki.

In underground mining of cooper ores, horizontal transport of material is performed using self-propelled machines, especially Load-Haul-Dump machines. For example, in KGHM Polska Miedź S.A. underground mines, where room-and-pillar system is used to deposit exploitation, the haulage process is provided by wheel loaders and haul trucks with suitably adjusted operation configuration. In case of shorter haulage routes, only wheel loaders take part in haulage process. Currently, there is observed a global tendency reliant on develop predictive maintenance as well as navigation or production optimization using Industrial Internet of Things (IIoT). Unfortunately, analytics development in this domain requires full insight into machine’s workflow in mining excavations and multivariate analysis in order widely understanding of machine operating contexts. In this article, a quick method to haulage cycle identification on example of wheel loader has been proposed. Developed algorithm is based on hydraulic pressure signal segmentation which provides to recognize loading operation, haulage and return of machine to mining face after unloading material in dumping point. The method is based on smooth hydraulic pressure signal in order to reduce signal interference but introduce to apply a convolution of smoothed signal with inverted step function. The advantage of the algorithm is its simplicity, high accuracy, robustness and low algorithmic complexity.