Науковий вісник НГУ

Автоматизація процесу керування виконавчим органом видобувного комбайна за гіпсометрією пласта

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №3 2021

Останнє оновлення: 25 червня 2021

Опубліковано: 30 листопада -0001

Перегляди: 3249

Authors:

А. В. Бубліков, 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.

В. В. Ткачов, 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.

Д. Л. Колосов, orcid.org/0000-0003-0585-5908, Національний технічний університет «Дніпровська політехніка», м. Дніпро, Україна, e‑mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Г. Грулер, orcid.org/0000-0002-3624-5259, Ройтлінгенський університет, м. Ройтлінген, Федеративна Республіка Німеччина, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

М. І. Стаднік, orcid.org/0000-0003-2109-6219, Вінницький національний аграрний університет, м. Вінниця, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2021, (3): 005 - 013

https://doi.org/10.33271/nvngu/2021-3/005

Abstract:

Мета. Створення методу синтезу системи нечіткого автоматичного керування виконавчим органом видобувного комбайна за гіпсометрією вугільного пласта на основі інформаційного критерію початку присікання породи органом, за рахунок чого зменшується зольність видобутого вугілля.

Методика. З урахуванням особливості визначення чіткого інформаційного критерію початку присікання органом породи й закономірностей його зміни у процесі роботи видобувного комбайна, створюється алгоритм нечіткого виводу для системи нечіткого автоматичного керування органом за гіпсометрією пласта. При цьому обґрунтовуються правила нечітких продукцій, параметри функцій належності термів вихідної лінгвістичної змінної системи та нечіткі операції згідно з рекомендаціями класичного алгоритму нечіткого виводу Мамдані. Досліджується ефективність запропонованого алгоритму нечіткого виводу на основі введеного відносного показника кількості сформованих системою нечіткого керування ефективних керуючих впливів. За допомогою імітаційного моделювання здійснюється порівняльний аналіз ефективності керування органом комбайна.

Результати. У ході досліджень розроблено алгоритм нечіткого керування верхнім виконавчим органом видобувного комбайна за гіпсометрією вугільного пласта на основі визначення прямого та зворотного переходу від руйнування виконавчим органом видобувного комбайна вугілля біля покрівлі пласта до руйнування породи за допомогою статистичного аналізу струму статора двигуна приводу різання.

Наукова новизна. Уперше запропоновано метод синтезу системи нечіткого автоматичного керування виконавчим органом комбайна за гіпсометрією пласта.

Практична значимість. Запропонований у роботі метод є теоретичною основою для розв’язання важливої науково-прикладної задачі автоматизації процесу керування виконавчим органом видобувного комбайна за гіпсометрією пласта з метою зменшення зольності видобутого вугілля.

Ключові слова: видобувний комбайн, алгоритм нечіткого виводу, гіпсометрія вугільного пласта, зольність вугілля

References.

1. 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. Eastern-European Journal of Enterprise Technologies, 1, 60-70. https://doi.org/10.15587/1729-4061.2019.156121.

2. Małkowski, P., & Tymoshenko, Ye. (2018). The quality of coal in Poland, Russia and Ukraine and its effect on dust emission. Technical transactions, 9, 1-21. https://doi.org/10.4467/2353737xct.18.138.8977.

3. Samorodov, V., Bondarenko, A., Taran, I., & Klymenko, I. (2020). Power flows in a hydrostatic-mechanical transmission of a mining locomotive during the braking process. Transport Problems, 15, 17-28. https://doi.org/10.21307/tp-2020-030.

4. Dinh, V.Ch., Nguyen, K.L., Nguyen, V.X., & Le, T.B. (2020). Influence of the winding angle of auger shearer-loader on the efficiency of coal loading on the downhole conveyor. Ugol’, (1), 46-50. https://doi.org/10.18796/0041-5790-2020-1-46-50.

5. Sdvyzhkova, O., Golovko, Y., Dubytska, M., & Klymenko, D. (2016). Studying a crack initiation in terms of elastic oscillations in stress strain rock mass. Mining of Mineral Deposits, 10(2), 72-77. https://doi.org/10.15407/mining10.02.072.

6. Sdvyzhkova, O., Babets, D., Moldabayev, S., Rysbekov, K., & Sa­ry­ba­yev, M. (2020). Mathematical modeling a stochastic variation of rock properties at an excavation design. International Multidisciplinary Scientific GeoConference: SGEM, 20(1.2), https://doi.org/10.5593/sgem2020/1.2/s03.021.

7. Tron, V., Tsokurenko, O., Paraniuk, D., & Haponenko, I. (2019). Formation of the adaptive fuzzy model of the rock geological structure for exploratory drilling. E3S Web of Conferences, 123, 01037. https://doi.org/10.1051/e3sconf/201912301037.

8. Morkun, V., Morkun, N., Tron, V., Paraniuk, D., & Sulyma, T. (2019). Adaptive control of drilling by identifying parameters of object model under nonstationarity conditions. Mining of Mineral Deposits, 14, 100-106. https://doi.org/10.33271/mining14.01.100.

9. S­inchuk, O., Kupin, A., Sinchuk, I., Dozorenko, O., & Krasnopolsky, R. (2020). Algorithms Design for Fuzzy Control by Power Streams in Conditions of Underground Extraction of Iron Ore. 2020 IEEE 7 ^th International Conference on Energy Smart Systems (ESS). 330–334. https://doi.org/10.1109/ESS50319.2020.9160168.

10. Bublikov, A.V., & Tkachov, V.V. (2019). Automation of the control process of the mining machines based on fuzzy logic. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, (3), 112-118. https://doi.org/10.29202/nvngu/2019-3/19.

11. Xu, J., Wang, Z., Tan, C., Si, L., & Liu, X. (2018). Cutting Pattern Identification for Coal Mining Shearer through a Swarm Intelligence-Based Variable Translation Wavelet Neural Network. Sensors (Basel, Switzerland), 18(2), 382. https://doi.org/10.3390/s18020382.

12. Si, L., Wang, Z., Liu, X., Tan, C., Liu, Z., & Xu, J. (2016). Identification of Shearer Cutting Patterns Using Vibration Signals Based on a Least Squares Support Vector Machine with an Improved Fruit Fly Optimization Algorithm. Sensors (Basel, Switzerland), 16(1), 90. https://doi.org/10.3390/s16010090.

13. Zhou, X., Wang, Z., Ji, R., & Liu, X. (2015). A Novel Approach for Shearer Memory Cutting Based on Fuzzy Optimization Method. Advances in Mechanical Engineering, 5, 319272-319272. https://doi.org/10.1155/2013/319272.

14. Bublikov, A. V. (2019). Algorithm for fuzzification of the input value of the fuzzy control system of the executive body of the mining combine by hypsometry of coal seam. Collection of scientific works of the National Mining University, (57), 114-129. https://doi.org/10.33271/crpnmu/57.114.

15. Ge, S., Zhao, R., Li, W., Li, J., Liu, Y., & Wang, Z. (2020). Sliding-mode control for coal shearer drum height adjustment based on variable speed reaching law. Journal of Vibroengineering, 22(8), 1782-1797. https://doi.org/10.21595/jve.2020.21223.

• Наступна >