ДОСЛІДЖЕННЯ МЕХАТРОННИХ СИСТЕМ КОНТРОЛЮ ЗАВАНТАЖЕННЯ ЕКСКАВАТОРА
DOI:
https://doi.org/10.32782/3041-2080/2024-2-5Ключові слова:
мехатроніка, система контролю, нейронна мережа, екскаватор, робочий орган, штучний інтелект, система керування, проєктуванняАнотація
Виконання земляних робіт одноківшевим екскаватором зазвичай складається із трьох основних операцій: відокремлення ґрунту від масиву та захоплення, його переміщення та подальше вкладення. Розрахунки продуктивності та встановлення робочих розмірів екскаваторів під час їх проєктування безпосередньо пов’язані з поняттям екскаваторного забою й об’ємом розробленого ґрунту. Для вирішення цього завдання було запропоновано впровадити систему контролю стану екскаваторних зубів і оповіщення в реальному часі. Ця система дозволить працівникам своєчасно оцінити стан зубів і вжити заходів для їх заміни, що запобігатиме простоям обладнання, сприятиме економії грошей і часу. Одним із варіантів реалізації цієї системи є встановлення на екскаватори обладнання на кшталт Shovel Metrics. Це обладнання дозволяє отримувати інформацію про стан екскаваторних зубів за допомогою датчиків, установлених на ковші екскаватора. Іншим варіантом є встановлення на стрілу екскаватора камери-датчика, розроблення програмного коду зчитування з картинки та системи оповіщення. Упровадження системи контролю стану екскаваторних зубів й оповіщення в реальному часі дозволить вирішити проблему позапланової заміни екскаваторних зубів і їх потрапляння до дробильної фабрики. Це приведе до значних економічних вигод для підприємства, як-от: зменшення кількості простоїв обладнання; зменшення витрат на непланову заміну екскаваторних зубів; зменшення ймовірності потрапляння зазначених зубів до дробильної фабрики. У роботі представлено рішення контролю ковша екскаватора зі штучним інтелектом на основі глибоких нейронних мереж для отримання точних і практично застосовних даних, що забезпечує оновлення інформації про стан у режимі реального часу. Нейронна мережа діє як класифікатор пікселів і надає мітку кожному пікселю на зображенні ковша екскаватора. Даний класифікатор у поєднанні з подальшим обробленням забезпечує комплексне рішення для контролю, що дозволяє виявляти відсутність зубів, відстежувати їх зношування та визначати фраґментацію. Ця нова архітектура глибокої нейронної мережі замінює колишній алгоритм, який використовував традиційні методи комп’ютерного зору для отримання інформації із вхідних відеокадрів для забезпечення зазначених функцій виробу. Як і всі рішення для глибокого навчання, Shovel Metrics™ удосконалюватиметься лише за наявності великих наборів навчальних даних.
Посилання
Підвищення продуктивності завантаження екскаватора / М.В. Голотюк та ін. The aspects of contemporary scientific research that encompass both theoretical and practical components : VІ International scientific and practical conference, January 10–12, 2024, Venice, Italy, International Scientific Unity. 2024. С. 350–352.
Сучасні методи моделювання та керування екскаваторами : монографія / О.Г. Гурко та ін. Харків : ХНАДУ, 2020. 204 с.
Тенденції розвитку робочого обладнання гідравлічних екскаваторів зі змінними геометричними параметрами / Л.А. Хмара та ін. Вісник Національного університету водного господарства та природокористування : збірник наукових праць. Рівне, 2015. № 2 (70). С. 433–448.
Numerical Evaluation of Contemporary Excavator Bucket Designs using Finite Element Analysis / K.H. Mughal et al. J. Kejuruter. 2021. № 33. P. 579–591.
Hao D. Fatigue life prediction and optimization design of sign of loader bucket based on load spectrum. Qingdao Univ. Technol. 2021.
Формування і оцінка інноваційних технічних рішень одноківшевих екскаваторів з телескопічним робочим обладнанням / Л.А. Хмара та ін. Будівництво. Матеріалознавство. Машинобудування : збірник наукових праць. Серія «Підйомно-транспортні, будівельні і дорожні машини і обладнання». Придніпровська державна академія будівництва та архітектури. Дніпро, 2017. № 97. С. 47–61.
Review of the Modeling Methods of Bucket Tooth Wear for Construction Machinery / Zhengxing Dong et al. Lubricants. 2023. № 11. P. 253.
