Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Automatic detection of unmineable inclusions while bucket wheel excavator digging, using electromagnetic (EM) sensor and GPS

Tytuł:
Automatic detection of unmineable inclusions while bucket wheel excavator digging, using electromagnetic (EM) sensor and GPS
Automatyczne wykrywanie wtrąceń nieurabialnych podczas urabiania koparką wieloczerpakową kołową przy użyciu czujnika elektromagnetycznego (EM) i GPS
Autorzy:
Galetakis, M.
Vafidis, A.
Kritikakis, G.
Deligiorgis, V.
Michalakopoulos, T.
Apostolopoulos, G.
Roumpos, C.
Pavloudakis, F.
Data publikacji:
2018
Wydawca:
Poltegor-Instytut Instytut Górnictwa Odkrywkowego
Tematy:
bucket wheel excavator
unmineable inclusions detection
electromagnetic geophysical methods
automated algorithm
koparka wielonaczyniowa
wtrącenia nieurabialne
elektromagnetyczne metody geofizyczne
algorytm automatyczny
Źródło:
Górnictwo Odkrywkowe; 2018, 59, 4; 7-15
0043-2075
Język:
angielski
Prawa:
Wszystkie prawa zastrzeżone. Swoboda użytkownika ograniczona do ustawowego zakresu dozwolonego użytku
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
This work describes a methodology for the automatic detection of unmineable inclusions while bucket wheel excavator (BWE) digging, using electromagnetic (EM) sensor and GPS. The overall methodology consists of data collection, pre-processing and evaluation. Two different data evaluation approaches were developed and implemented in Matlab programming environment. A relatively simple one called Simple Mode, based on statistical process control and a more sophisticated one, called Advanced Mode, based on Position Prominence Index (PPI) and on Neural-Network based Pattern Recognition (NNPR). Synthetic electromagnetic data created and used (both in simple and advanced mode) for testing the algorithms extensively. Real data, surveyed by moving the EM sensor (CMD2 of GF Instruments) and GPS against a mine slope, were examined with the proposed methodology as well. Advanced Mode provided more accurate results than Simple Mode in automatic detection of unmineable inclusions. However it is sensitive in positioning accuracy and it requires access to EM data acquired in successive bucket wheel cuts.

W pracy opisano metodologię automatycznego wykrywania nieurabialnych wtrąceń podczas normalnej pracy koparki wielonaczyniowej (BWE) przy użyciu czujnika elektromagnetycznego (EM) i GPS. Ogólna metodologia obejmuje gromadzenie danych, wstępne przetwarzanie oraz ocenę. Opracowano dwa różne warianty oceny danych i wdrożono je w środowisku programowania Matlab. Stosunkowo prosty, zwany Simple Mode, oparty na statystycznej kontroli procesu i bardziej zaawansowany, zwany Advanced Mode, oparty na Position Prominence Index (PPI) oraz na Neural-Network based Pattern Recognition (NNPR). Utworzono i wykorzystano syntetyczne dane elektromagnetyczne (zarówno w trybie prostym, jak i zaawansowanym) do wszechstronnego testowania algorytmów. Uzyskane w warunkach terenowych dane pochodzące z czujnika EM (CMD2 z GF Instruments) i GPS przesuwanych na skarpie zabierki, zostały również przeanalizowano przy zastosowaniu ww. metodologii. Tryb zaawansowany (Advanced Mode) zapewnia dokładniejsze wyniki niż tryb prosty (Simple Mode) w automatycznym wykrywaniu nieurabialnych inkluzji. Jest jednak wrażliwy na dokładność pozycjonowania i wymaga dostępu do danych czujnika elektromagnetycznego (EM) uzyskanych w kolejno wybieranych przez koparkę wielonaczyniową pasmach zabierki.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies

Prześlij opinię

Twoje opinie są dla nas bardzo ważne i mogą być niezwykle pomocne w pokazaniu nam, gdzie możemy dokonać ulepszeń. Bylibyśmy bardzo wdzięczni za poświęcenie kilku chwil na wypełnienie krótkiego formularza.

Formularz