Науковий вісник НГУ

Автоматизація процесу керування гірничими машинами на основі нечіткої логіки

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Інформаційні технології, системний аналіз та керування

Останнє оновлення: 29 червня 2019

Опубліковано: 16 червня 2019

Перегляди: 2248

Authors:

А. В. Бубліков, кандидат технічних наук, доцент, orcid.org/0000-0003-3015-6754, Національний технічний університет „Дніпровська політехніка“, м. Дніпро, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.; Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

В. В. Ткачов, доктор технічних наук, професор, orcid.org/0000-0002-2079-4923, Національний технічний університет „Дніпровська політехніка“, м. Дніпро, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.; Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Abstract:

Мета. Підвищення ефективності функціонування гірничих машин за рахунок упровадження алгоритмів нечіткого прийняття рішення у процеси керування гірничими машинами як складними об’єктами з динамічно змінюваними непередбачуваним чином режимами роботи.

Методика. До загальноприйнятого алгоритму нечіткого прийняття рішення доданий етап визначення вхідних чітких змінних системи як статистичних показників, що дозволяють ідентифікувати режими роботи гірничих машин або переходи від одного режиму до іншого. Кожна вхідна чітка змінна системи є результатом статистичної обробки інформаційних сигналів із датчиків з метою пошуку в сигналі унікальних закономірностей, що відповідають одному чи декільком режимам роботи машини, або переходам між ними. Для відстеження траєкторії зміни у часі режимів роботи гірничої машини вводяться додаткові лінгвістичні вхідні змінні системи: „До цього спостерігався режим …“. З урахуванням особливостей формування вхідних чітких змінних система здійснює нечіткий процес прийняття рішення дискретно у часі, при цьому в алгоритм нечіткого прийняття рішення вводяться умови накопичення даних, зміни й відсутності зміни режиму роботи машини.

Результати. Запропонований спосіб інтеграції моделі поведінки гірничої машини як об’єкта керування в алгоритм нечіткого прийняття рішення. При цьому сформовані рекомендації щодо визначення чітких і лінгвістичних вхідних змінних системи, формування бази правил нечітких продукцій та визначення умов накопичення даних.

Наукова новизна. Полягає у використанні в алгоритмі нечіткого прийняття рішення моделі поведінки гірничих машин як об’єктів керування у вигляді сукупності режимів роботи машини та схеми траєкторій зміни режимів у часі.

Практична значимість. Запропонований у роботі метод є теоретичною основою для розв’язання важливої науково-прикладної проблеми розробки та практичного застосування алгоритмів нечіткого керування у процесах керування гірничими машинами з метою підвищення ефективності їх роботи.

References.

1. Taran, I., & Klymenko, I. (2017). Analysis of hydrostatic mechanical transmission efficiency in the process of wheeled vehicle braking. Transport Problems, 12, 45-56.

2. Sustainable Intelligent Mining Systems. European Commission: European Innovation Partnership on Raw Materials[n.d.]. Retrieved from https://ec.europa.eu/growth/tools-databases/eip-raw-materials/en/content/sustainable-intelligent-mining-systems.

3. Korniienko, V. I., Matsiuk, S. M., Udovyk, I. M., & Aleksieiev, O. M. (2016). Method and algorithms of nonlinear dynamic processes identification. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, 1, 98-103.

4. Babets, D. (2018). Rock mass strength estimation using structural factor based on statistical strength theory. Solid State Phenomena, 277, 111-122 DOI: 10.4028/www.scientific.net/ssp.277.111.

5. Stadnik, M., Semenchenko, D., Semenchenko, A., Belytsky, P., Virych, S., & Tkachov,V. (2019). Improving energy efficiency of coal transportation by adjusting the speeds of a combine and a mine face conveyor, EasternEuropean Journal of Enterprise Technologies, 1/8(97), 60-70. DOI: 10.15587/1729-4061.2019.156121.

6. Syrotkina, O., Alekseyev, M., & Aleksieiev, O. (2017). Evaluation to determine the efficiency for the diagnosis search formation method of failures in automated systems, EasternEuropean Journal of Enterprise Technologies, 88, 59-68. DOI: 10.15587/1729-4061.2017.108454.

7. Stadnik, N., Kondrakhin, V., & Tokar, L. (2013). Two-propulsion travelling mechanisms of shearers for thin beds. Energy Efficiency Improvement of Geotechnical Systems. Proceedings of the International Forum on Energy Efficiency, (pp. 203-215).

8. Bublikov, A., Gruhler, G., Gorlach, I., & Cawood, G. (2015). Control strategy for a mobile platform with an omni-directional drive. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, 2(146), 84-90.

9. Kupin, A., & Senko, A. (2015). Principles of intelligent control and classification optimization in conditions of technological processes of beneficiation complexes. CEUR Workshop Proceedings, 1356, 153-160.

10. Lakhno, V., Zaitsev, S., Tkach, Y., & Petrenko, T. (2018). Adaptive expert systems development for cyber attacks recognition in information educational systems on the basis of signs’ clustering. Advances in Computer Science for Engineering and Education. ICCSEEA 2018. Advances in Intelligent Systems and Computing, 754, 673-682. DOI: 10.1007/978-3-319-91008-6_66.

11. Morkun, V., Tron, V., & Paranyuk, D. (2017). Neuro-fuzzy identification of drilling control system adapted to rock types. IEEE International Young Scientists Forum on Applied Physics and Engineering, YSF (pp.12-16). DOI: 10.1109/ysf.2017.8126584.

12. Kolosov, D., Bilous, O., Tantsura, H., & Ony­shchen­ko, S. (2018). Stress-Strain State of a Flat Tractive-Bearing Element of a Lifting and Transporting Machine at Operational Changes of its Parameters. Solid State Phenomena, 277, 188-201. DOI: 10.4028/www.scientific.net/SSP.277.188.

13. Sdvyzhkova, O., & Patyńska, R. (2016). Effect of increasing mining rate on longwall coal mining - Western Donbass case study. Studia Geotechnica et Mechanica, 38, 91-98.

14. Tkachov, V., Bublikov, A., & Gruhler, G. (2015). Automated stabilization of loading capacity of coal shearer screw with controlled cutting drive. New Developments in Mining Engineering 2015: Theoretical and Practical Solutions of Mineral Resources Mining (pp. 465-477).

15. Tkachov, V., Bublikov, A., & Isakova, M. (2013). Control automation of shearers in terms of auger gumming criterion. Energy Efficiency Improvement of Geotechnical Systems. Proceedings of the International Forum on Energy Efficiency (pp. 137−145).

 повний текст / full article

• Наступна >