Технологии нейронных сетей в интеллектуальном анализе данных гранулометрического состава взорванных пород
В.С. Великанов1, 2, 3, А.В. Дремин1, С.А. Чернухин3, Н.В. Ломовцева3
1 ООО «ДАВТЕХ», г. Екатеринбург, Российская Федерация
2 Уральский федеральный университет имени первого Президента России Б.Н. Ельцина, г. Екатеринбург, Российская Федерация
3 Уральский государственный горный университет, г. Екатеринбург, Российская Федерация
Горная Промышленность №4 / 2024 стр.90-94
Резюме:
ВВЕДЕНИЕ. В современных условиях развития горнодобывающей отрасли растет роль средств, обеспечивающих и влияющих на скорость принятия решения, эти тенденции уже затронули практически все сферы деятельности и проникают в прикладные области в виде систем искусственного интеллекта. Использование нейронных сетей в технологии интеллектуального анализа данных является актуальным направлением, которое непрерывно развивается. В исследовании решается задача по установлению грансостава взорванных пород с использованием нейросетевых технологий, использована искусственная нейронная сеть U-Net для решения научно-практической задачи, прошедшая обучение и позволяющая по мере накопления ею опыта адаптироваться к происходящим изменениям исходных данных по грансоставу для разных месторождений полезных ископаемых.
МЕТОДЫ. При решении поставленных задач использовался комплексный подход, включающий: системный научный анализ и обобщение ранее опубликованных исследований. Для предварительной оценки грансостава использована схема архитектуры U-Net.
РЕЗУЛЬТАТЫ. С использованием в качестве аппаратно-программного сопровождения экспериментальных исследований отечественного оборудования компании «Давтех» определены параметры кусковатости взорванной горной массы.
ВЫВОДЫ. Полученные в ходе исследования данные позволят разработать рекомендации по оптимизации режимов управления карьерным экскаватором, что в итоге позволит снизить количество отказов рабочего оборудования и увеличит его ресурс.
Ключевые слова: горнодобывающая отрасль, гранулометрический состав, горные породы, взрывные работы, карьерный экскаватор, нейронная сеть
Для цитирования: Великанов В.С., Дремин А.В., Чернухин С.А., Ломовцева Н.В. Технологии нейронных сетей в интеллектуальном анализе данных гранулометрического состава взорванных пород. Горная промышленность. 2024;(4):90–94. https://doi.org/10.30686/1609-9192-2024-4-90-94
Информация о статье
Поступила в редакцию: 19.05.2024
Поступила после рецензирования: 01.07.2024
Принята к публикации: 05.07.2024
Информация об авторах
Великанов Владимир Семенович – доктор технических наук, научный консультант, ООО «ДАВТЕХ», профессор кафедры подъемно-транспортных машин и роботов, Уральский федеральный университет имени первого президента России Б.Н. Ельцина, г. Екатеринбург, Российская Федерация, профессор кафедры автоматики и компьютерных технологий, Уральский государственный горный университет, г. Екатеринбург, Российская Федерация; https://orcid.org/0000-0001-5581-2733; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Дремин Александр Владимирович – генеральный директор, ООО «ДАВТЕХ», г. Екатеринбург, Российская Федерация Чернухин Станислав Алексеевич – кандидат технических наук, доцент кафедры автоматики и компьютерных технологий, Уральский государственный горный университет, г. Екатеринбург, Российская Федерация
Ломовцева Наталья Викторовна – кандидат педагогических наук, доцент, проректор по образовательной деятельности и цифровизации, Уральский государственный аграрный университет, г. Екатеринбург, Российская Федерация; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Список литературы
1. Дремин А.В., Великанов В.С. К вопросу о гранулометрическом составе взорванных скальных пород. Горная промышленность. 2023;(4):73–78. https://doi.org/10.30686/1609-9192-2023-4-73-78 Dremin A.V., Velikanov V.S. Regarding the particle-size composition of blasted rocks. Russian Mining Industry. 2023;(4):73–78. (In Russ.) https://doi.org/10.30686/1609-9192-2023-4-73-78
2. Маринин М.А., Евграфов М.В., Должиков В.В. Производство взрывных работ на заданный гранулометрический состав руды в рамках концепции «mine-to-mill»: современное состояние и перспективы. Известия Томского политехнического университета. Инжиниринг георесурсов. 2021;332(7):65–74. https://doi.org/10.18799/24131830/2021/7/3264 Marinin M.A., Evgrafov M.V., Dolzhikov V.V. Production of blasting operations for a given granulometric composition of ore within the framework of the «mine-to-mill» concept: current state and prospects. Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering. 2021;332(7):65–74. (In Russ.). https://doi.org/10.18799/24131830/2021/7/3264
3. Ракишев Б.Р., Орынбай А.А., Ауэзова А.М., Куттыбаев А.Е. Гранулометрический состав взорванных пород при различных условиях взрывания. Горный информационно-аналитический бюллетень. 2019;(8):83–94. https://doi.org/10.25018/0236-1493-2019-08-0-83-94 Rakishev B.R., Orynbay A.A., Auezova A.M., Kuttybaev A.E. Grain size composition of broken rocks under different conditions of blasting. Mining Informational and Analytical Bulletin. 2019;(8):83–94. (In Russ.). https://doi.org/10.25018/0236-1493-2019-08-0-83-94
4. Угольников В.К., Симонов П.С., Угольников Н.В. Прогнозирование гранулометрического состава взорванной горной массы. Горный информационно-аналитический бюллетень. 2007;(S7):63–70. Ugolnikov V.K., Simonov P.S., Ugolnikov N.V. Forecasting of particle size distribution of blasted rock mass. Mining Informational and Analytical Bulletin. 2007;(S7):63–70. (In Russ.).
5. Иванова П.В. Алгоритм прогнозирования наработки карьерного экскаватора ЭКГ-32Р в заданных условиях эксплуатации. В кн.: Инновации и перспективы развития горного машиностроения и электромеханики: IPDME-2017: сборник тезисов Междунар. науч.-техн. конф., г. Санкт-Петербург, 23–24 марта 2017 г. СПб.: Санкт-Петербургский горный университет; 2018. С. 79.
6. Иванова П.В., Иванов С.Л. Анализ отказов механического оборудования карьерных экскаваторов. В кн.: Горное дело в XXI веке: технологии, наука, образование: тезисы докладов Междунар. науч.-практ. конф., г. Санкт-Петербург, 28–29 окт. 2015 г. СПб.: Национальный минерально-сырьевой университет «Горный»; 2015. С. 54.
7. Дремин А.В., Марков Ю.В. Способ определения гранулометрического состава развала горной массы. Патент РФ, №RU 2 807 542, Заявл. 25.05.2023; Опубл. 16.11.2023. Режим доступа: https://patenton.ru/patent/RU2807542C1?ysclid=ly8xk9ss4h40366790 (дата обращения: 01.07.2024)
8. Шелковников Е.Ю., Шляхтин К.А., Шелковникова Т.Е., Егоров С.Ф. Применение нейронной сети архитектуры U-NET для сегментации СТМ-изображений. Химическая физика и мезоскопия. 2019;21(2):330–336. https://doi.org/10.15350/17270529.2019.2.36 Shelkovnikov E.Yu., Shlyakhtin K.A., Shelkovnikova T.E., Egorov S.F. Application of neural network of U-Net architecture for segmentation of nanoparticles on CTM-probes. Chemical Physics and Mesoscopy. 2019;21(2):330–336. (In Russ.). https://doi.org/10.15350/17270529.2019.2.36
9. Дремин А.В., Великанов В.С. Постановка многокритериальной задачи анализа и прогнозирования гранулометрического состава взорванных горных пород. Горная промышленность. 2023;(5):52–60. https://doi.org/10.30686/1609-9192-2023-5-52-60 Dremin A.V., Velikanov V.S. Setting a multi-criteria problem to analyze and forecast particle size distribution of blasted rock. Russian Mining Industry. 2023;(5):52–60. (In Russ.) https://doi.org/10.30686/1609-9192-2023-5-52-60
