Optimization model of truck flow at open-pit mines and standards for feasibility test

In order to increase production efficiency at open-pit mines, on the basis oflinear programming, a practical mathematical model for optimizing truck flow was developed, whichimproved the traditional fixed manual schedule method. The model has advantages from linearprogramming and objective programming, makes most handling points working at full capacity and keepsan optimized ratio between trucks and excavators. For ensuring feasibility of the model inpractical production, four standards for feasibility test were proposed. The model satisfied all thestandards. The application in a large scale open-pit iron mine indicated that the model reduced thenumber of required trucks by 10 percent compared with the fixed manual schedule method.

基于双曲嵌入的露天矿区暗光环境下道路多目标检测模型

露天矿环境特殊,道路场景复杂多变,在光照不足时会导致矿区道路多目标识别不清、定位不准,进而影响检测效果,给矿区无人矿用卡车的安全行驶带来严重安全隐患。目前的道路障碍物检测模型不能有效解决矿区暗光环境对模型检测效果的影响,同时对矿区小目标障碍物的识别也有较大误差,不适用于矿区特殊环境下障碍物的检测与识别。针对上述问题,提出了一种基于双曲嵌入的露天矿区暗光环境下多目标检测模型。首先,在模型的图像预处理阶段引入卷积神经网路Retinex-Net对暗图像进行增强,提高图像清晰度;然后,针对数据集中特征过多而无重点偏好的问题,在加强特征提取部分添加全局注意力机制,聚集3个维度上更关键的特征信息;最后,在检测模型预测阶段引入双曲全连接层,以减少特征丢失,并防止过拟合现象。实验结果表明:(1)基于双曲嵌入的露天矿区暗光环境下道路多目标检测模型不仅对露天矿区暗光环境下的大尺度目标具有较高的分类与定位精度,对矿用卡车及较远距离的小尺度目标即行人也可准确检测与定位,能够满足无人矿用卡车在矿区特殊环境下驾驶的安全需求。(2)模型的检测准确率达98.6%,检测速度为51.52帧/s,较SSD、YOLOv4、YOLOv5、YOLOx、YOLOv7分别提高20.31%,18.51%,10.53%,8.39%,13.24%,对于矿区道路上的行人、矿用卡车及挖机的检测精度达97%以上。

基于多特征融合的露天矿区道路负障碍检测

随着智慧矿山概念的逐步落实,智能化、无人化逐渐在矿区落实,露天矿卡车无人驾驶日益成为矿山智能化建设的主要内容,为解决露天矿区复杂多变的道路因坑洼、塌陷等路面小部分下陷出现的非规则负障碍而导致矿区无人车、重载卡车侧翻等安全难题,提升矿区安全驾驶系数,提出一种多特征融合的露天矿区道路负障碍检测方法。该方法使用BiFPN特征融合模块,提高小型负障碍检测权重占比;引入空间和通道双注意力机制提高对负障碍边缘的特征提取和特征融合能力,从而提高对道路小尺度负障碍的检测精度;采用SIoU Loss作为模型边界框损失函数并使用K-means++方法优化Anchor以提高负障碍检测模型的收敛速度和边界框定位效果,并基于遗传算法优化超参数让模型更贴合矿区场景,最终实现对矿区道路负障碍的快速精准识别。实验表明该检测模型能快速准确识别复杂背景下露天矿区道路负障碍目标,对道路负障碍目标的检测精度、召回率、平均精确度均值分别达到了96.9%、89.9%、95.3%,且该模型大小仅有12.7 MB。对比其他主流检测网络,该网络模型更适合复杂环境下露天矿区非结构化道路行驶安全需求,且该检测模型的鲁棒性好,可适配于多种情况的露天矿区,为实际环境复杂多变的露天矿区非结构化道路负向障碍检测提供了可行的方法,为露天矿无人卡车安全生产运输提供安全预警。

基于ISSA-XGBoost模型的多特征融合露天矿卡车行程时间预测

针对露天矿运输系统卡车行程时间预测问题,提出了一种基于特征选择及改进麻雀算法优化XGBoost的露天矿卡车行程时间预测模型。模型充分考虑了卡车特征、道路特征、气象特征以及时间特征对卡车行程时间的影响,并使用皮尔逊系数法深入分析影响因素的贡献度。针对麻雀算法中全局搜索能力薄弱的问题引入反向学习和螺旋搜索策略,以提高算法的收敛性能。最后,使用改进的麻雀算法对XGBoost的关键参数进行寻优,进而构建露天矿卡车行程时间预测模型。选取国内某大型露天矿卡车调度系统采集的数据进行仿真模拟,并将所提出模型与SVM、BP、RBF和RF等其他机器学习模型进行对比。结果表明:所提出模型的预测误差均低于其他模型,相关系数可达0.9819。开发的模型和分析结果可以极大地帮助决策者规划、运营和管理更高效的露天矿运输系统。

基于DHMM-ESUM的露天矿运输系统车铲比优化研究

在露天矿生产中,如何利用现有的资源条件对电铲与卡车进行合理配比,充分发挥设备的效率,是提高矿山企业生产效益的关键。以安家岭露天矿生产系统收集的数据为基础,首先运用排队理论构建以电铲为采掘中心,卡车为运输工具的闭合排队网络模型,将运输系统分为4个排队子系统,分析各项服务时间的概率分布;基于离散隐马尔可夫模型(discrete hidden Markov model,DHMM)与拓展求和(extended summation,ESUM)算法分析系统作业性能,获取电铲设备的运行状态和班次生产能力。然后,应用蒙特卡洛法建立随机动态规划模型,以产量期望值最大化为目标对露天矿的车铲比进行优化。最后,对生产系统进行仿真建模分析,结果验证了基于DHMM-ESUM对车铲比进行优化的有效性和准确性。

露天矿作业区无人矿车协同通行决策方法研究

露天矿无人矿车在装卸载作业区内运输过程中的长时间停车等待是制约露天矿无人运输系统效率提升的瓶颈。为提高无人矿车的运输效率,本文结合作业区内的运输作业流程,提出一种基于动态可行驶距离的多车协同通行决策方法。首先,将决策模型建模为混合整数线性规划(Mixed Integer Linear Programming, MILP)模型,表述优化目标和问题约束;其次,考虑到求解MILP模型存在难以满足动态决策实时性的问题,基于蒙特卡洛树搜索(Monte Carlo Tree Search,MCTS)实现多车冲突消解,核心思想是利用搜索树的推演能力进行多车通行前瞻模拟,计算多车的最优通行优先级,动态调整多车的可行驶距离;此外,根据无人矿车在作业区内的作业特征设计不同的MCTS节点价值函数,实现综合考虑运输效率与作业特征的通行优先级排序;最后,设计作业区4,8,12个停车位场景下的多车通行仿真实验,与基于先到先服务(First-Come-FirstServed, FCFS)的方法进行对比,吞吐量提升22.03%~28.00%,平均停车等待时间缩短31.71%~50.79%。同时,搭建微缩智能车辆的6停车位作业区场景实验平台,多车单次运输作业总用时相比FCFS缩短了18.84%。仿真与微缩智能车辆的实验结果表明,本文提出的方法能够提升露天矿作业区多车运输效率。

基于轻量化图注意力机制的露天矿卡车调度优化算法

有效地管理和调度露天矿卡车,有助于大幅提升运输效率、降低矿山运营成本。现有研究聚焦于利用深度强化学习(Deep Reinforcement Learning,DRL)构建学习模型求解路径优化问题,然而,该模型针对Transformer架构的参数训练时,会产生大量参数冗余。为此,提出了一种轻量化图注意力机制的露天矿卡车调度优化算法。将微分方程数值解法——阿当姆斯(Adams)法用于Transformer模型的权重学习中,通过Adams的残差训练方法,可提高网络后期的优化精度,进一步压缩模型的规模,高效求解露天矿卡车调度优化问题。研究表明:该方法在降低最优间隙的同时将源模型的参数量压缩1/2,减少了对GPU设备的训练依赖。采用随机生成的露天矿卡数据集算例对该算法性能进行了验证,反映出采用Adams-Transformer模型有助于提升露天矿卡车调度效率。

露天矿卡车调度研究

露天矿卡车调度的规划在为企业缩减成本、提高效率方面起着重要作用。利用数学建模及计算机仿真运算可以做到科学决策,减少人为误差。主要围绕模型建立和算法优化2个方面,通过对文献的梳理和对案例研究的详细分析,归纳出了模型的主要优化目标和影响因素,对比分析了各种算法效果,提出了存在的问题,阐明了与露天矿卡车调度相关的主要挑战和机遇,并为提高采矿作业的效率和可持续性提供了实用建议。

无人驾驶电动自卸卡车在露天矿山的应用分析

自卸卡车是矿山矿岩运输的主要工具,在露天矿山生产中发挥着重要作用。近几年来,矿山对节能、减排和智能技术的考核指标也越来越严格。随着电池技术和无人驾驶技术的快速发展,无人电动卡车在矿山领域也开展了实验和应用。本文对无人驾驶电动自卸卡车在露天矿山的应用开展了实践调查和现状分析,列举应用实例说明了无人驾驶电动自卸卡车相比传统燃油自卸卡车在矿山应用具有的优势和经济价值,梳理了无人驾驶自卸卡车的应用情况,为无人驾驶电动自卸卡车技术的相关研究和应用提供参考。

露天煤矿无人矿卡的发展研究

露天矿山智能转型,实现高效、经济、可持续化发展,是矿山发展的必然趋势。通过分析国内外露天煤矿无人矿卡发展现状,指出中国露天煤矿无人矿卡发展中可能会面临的问题,即:无人矿卡改造及维护成本高、矿区无人矿卡配套辅助设施和基础设施滞后,以及无人矿卡相关企业之间存在商业壁垒。为解决上述存在的关键问题,分别从缩减成本和提升效率的方向提出无人矿卡零碳化以及智能调度系统优化。

矿用卡车起步工况下驾驶安全水平的考核方法研究

为了提高卡车起步工况下驾驶员的驾驶安全水平,对起步工况下驾驶安全水平的考核方法进行了研究。通过对卡车重载起步工况下加速度进行研究,构建了三种评价模型:激进型起步、一般型起步和温和型起步。根据这三种评价模型,对驾驶员的驾驶安全水平进行了等级划分,包括一级、二级、三级和四级。研究结果表明,这种考核方法能够较好地对驾驶员进行等级划分,并指出将加速度控制在一级和二级范围内可以有效提高驾驶的安全性。这项研究为驾驶员提供了安全驾驶操作的参考,并为矿山降低运输成本提供了依据。

露天矿场无人驾驶自卸车路径规划方法研究

针对矿用自卸车在露天矿场环境下的路径左行要求以及长距离运输路径的平滑效率问题,提出了基于Clothoid曲线拓展的左行混合A*算法和离散点对角向量模最小化平滑算法相结合的路径规划方法。首先,在混合A*算法节点拓展搜索过程中,采用Clothoid曲线代替传统圆弧进行拓展,以保证混合A*搜索路径的曲率连续性和曲率变化率限制要求。然后,利用左行规则改进混合A*算法累加代价和启发代价,在累加代价中加入左转代价和碰撞吸引代价保证路径向左和沿地图边界左侧进行规划,在启发代价中根据拓展方向与地图边界最近点的左右位置关系调整拓展代价得到利于左行的启发代价图,以生成左行全局粗略路径。最后,结合二次规划技术,以离散点对角向量模最小化为目标函数,坐标轴方向移动量为约束,构建平滑优化模型,对全局路径进行平滑,同时为防止平滑过程中曲率超限超出车辆转向响应能力,利用大曲率点可行域隧道缩减技术,限制大曲率点平滑可移动量。试验结果表明:所提方法可以生成适应矿区左行规则的沿地图左侧边界行驶的全局路径;启发代价的改进有效地减少了混合A*算法拓展的节点数量,有利于更好实现左行;离散点路径平滑方法有效提高了全局路径的平滑度,利于车辆控制跟踪;Clothoid曲线拓展与可行域隧道缩减技术可有效应对装载、卸载等大曲率路径,不存在曲率超限情况;对比不同长度路径规划耗时数据,路径平滑算法有效降低了路径规划的总耗时,4 km路径平滑耗时只需76 ms;左行规划的实现和总耗时的减少提高了路径对于矿区场景的适应性。

电驱自卸车在露天煤矿中的应用前景分析

为了贯彻实行国家环保相关政策,结合露天矿目前生产实际,调研行业内主流运输自卸车的使用情况,分析了燃油自卸车和电驱自卸车经济、使用效能等方面的优缺点;通过不同角度对比得出电驱自卸车相比燃油自卸车优势显著,同时结合当下环境和政策,新能源自卸车快速发展,电驱自卸车将成为市场主流选择。

山西梁家碛露天矿90E与90S卡车能耗对比研究

为了研究不同卡车对露天矿山的适用性及经济性,基于采场、内排土场等生产数据进行周期性计算与分析,对比90E卡车与90S卡车因距离不同而对应的能耗情况。结果表明:短距离运输时(3.0 km以内)90E卡车比90S卡车节省能耗成本,长距离(3.0 km以上)运输时90S卡车有一定的优势;90S卡车短距离运输时的碳排放量指标高于90E卡车指标,长距离运输时,90E卡车的碳排放指标将大于等于90S。

轮斗挖掘机+自卸卡车连续采煤开采工艺在哈密一矿的应用

为解决哈密一矿轮斗挖掘机+前装机+自卸卡车间断开采工艺二次倒运带来的环保差、效率低、成本高等问题,拟采用轮斗挖掘机+自卸卡车连续采煤开采工艺;介绍了工艺设备和作业参数,重点论述轮斗挖掘机向自卸卡车智能对准装车系统,并进行了经济指标测算。结果表明:轮斗挖掘机可与自卸卡车进行匹配,并实现智能对准装车,形成高效的、环保的连续采煤工艺,有效解决原煤二次倒运;实现轮斗挖掘机+自卸卡车连续采煤工艺后,累计节约成本588.0元/a,生产效率提升10%。

矿用卡车驾驶员操作水平的评价方法研究

为提高驾驶员操作水平,提出了一套完整的驾驶员操作水平评价方法。运用物联网数据采集技术,实现了对卡车运输数据的动态采集;提出了安全、能耗和效率3个驾驶员操作评价一级指标,并建立了相应的二级评价指标;采用改进的主成分分析法和K-means聚类算法对实验样本进行模型构建。构建的评价模型能够有效地评价驾驶员的操作水平,得到的驾驶员操作标准参考值可为提高驾驶管理水平和操作技术提供可靠的参考。

露天矿卡车无人驾驶技术的现状与展望

在当今科技不断创新的时代,无人驾驶技术正逐渐成为工业领域的热门话题之一。在矿山行业,露天矿卡车作为重要的运输工具,随着矿山作业环境的复杂化和安全要求的提高,传统的人工驾驶模式面临着诸多挑战,而无人驾驶技术的应用为解决这些问题提供了全新的思路和解决方案。文中将就露天矿卡车无人驾驶技术的重要性、系统构成、技术原理、应用场景以及未来发展进行深入探讨,旨在探索这一领域的前沿动态,为矿山行业的智能化发展提供借鉴和启示。

露天矿大吨位自卸车的无人驾驶系统

在无人驾驶技术的不断发展下,有效应用露天矿大吨位自卸车的运输,可降低恶劣环境对煤炭运输的影响,进一步提高大吨位自卸车运输作业的安全性,降低人力成本。但部分矿企缺乏无人驾驶技术的应用经验,不能有效发挥无人驾驶系统的价值。为此,基于对露天矿山运输现状的了解,首先,提出自卸车无人运输系统的架构;然后,分析无人驾驶系统中的高精定位技术、智能调度技术、路径规划技术、融合感知技术、智能决策技术、自主控制技术、车地通信技术,不断完善无人驾驶系统;最后,经仿真试验、封闭场地试验与实际运输试验,可证明大吨位自卸车无人驾驶系统具有良好的应用效果。

露天煤矿道路双侧管路喷雾降尘数值模拟研究

卡车道路运输是露天煤矿最大粉尘源之一,粉尘污染对煤矿职业人群健康、卡车司机能见度均产生影响。湿式喷雾是从产尘根源上解决道路粉尘的有效方法,且喷雾参数直接决定防尘效果及其经济成本。以霍林河北露天煤矿卡车路面为研究背景,采用FLUENT19.2建立卡车道路喷雾降尘模型;分析喷嘴角度、孔径及喷洒量对粉尘浓度的影响机制。研究结果表明:卡车路面粉尘产生机制为碾压破碎、离心抛洒及诱导气;增加颗粒含水率可有效减少扬尘负荷,喷嘴最佳入射角度为30°时,雾距对路面覆盖度良好;喷嘴孔径为10 mm时,斯托克斯碰撞系数最大;喷水量为0.15 L/m^(2)及土壤含水率为4.0%时,路面粉尘控制效果最好。研究结论为有效控制露天煤矿卡车路面运输粉尘提供了理论依据。

基于双向特征融合的露天矿区道路障碍检测

近年来矿用卡车自动驾驶的兴起,使得障碍检测变得至关重要,露天矿区非结构化道路复杂多变,时常出现碎石、坑洼等小目标或多尺度行车障碍,严重危害行车安全。因此,笔者提出一种基于双向特征融合的露天矿区道路障碍检测方法。通过实地采集并使用数据扩增方法对露天矿障碍图像数据集进一步细分及扩充,并在特征提取阶段提出了更适用于障碍检测的RepVGG+骨干网络结构。在特征融合阶段,提出基于SimAM空间与通道注意力和跨阶段连接的双向特征融合金字塔模型。通过扩大预测小目标障碍的特征图和特征感受野,提升小目标障碍检测性能,通过双向特征融合机制提升多尺度检测性能。同时对网络分类预测模块的卷积层和先验框尺寸进一步调整,提升障碍检测性能,降低特征冗余,加快模型推理速度。在模型的损失函数方面,针对训练中样本不均衡和障碍物边界框定位不精准问题,使用融合标签平滑正则化的Focal Loss作为分类损失函数,GIoU Loss作为边界框损失函数进一步优化露天矿区障碍模型。实验表明本文方法能有效识别复杂背景下露天矿区非结构化道路障碍物,在实际应用中,检测精度达到了91.76%,检测速度达到56.76 fps,相较于主流检测方法有着更好的小目标和多尺度目标检测性能,可以满足露天矿区无人矿卡行进中的障碍安全检测要求。