ivdon3@bk.ru
В работе приведены аспекты разработки устройства для беспроводного съема сигнала виброускорения с поверхности барабана шаровой мельницы. Приведены результаты измерения виброускорения для макета шаровой мельницы для различных уровней загрузки измельчаемым материалом. Согласно данных результатов с увеличением загрузки измельчаемыми материалами относительно шаровой уровень вибрации понижается. Также в работе приведены полученные круговые диаграммы распределения вибрационной нагрузки по барабану мельницы, по которым можно судить о ее текущем режиме функционирования.
Ключевые слова: шаровая мельница, беспроводной съем сигнала, виброускорение, контроль загрузки мельницы
2.3.1 - Системный анализ, управление и обработка информации , 2.3.3 - Автоматизация и управление технологическими процессами и производствами
Буровзрывной метод на сегодня является наиболее широко используемым для добычи горных пород. Показателем качественно проведенных буровзрывных работ являются равномерный гранулометрический состав взорванной горной массы – процент кусков руды негабаритного размера при этом должен быть минимальным. Процент негабарита и его увеличение оказывают существенное влияние на технические процессы транспортировки горной массы, приводя к увеличению затрат на погрузочно-транспортные операции и вторичное дробление негабаритных рудных масс. В работе описаны результаты исследования методов определения гранулометрического состава произведенных буровзрывных работ с применением нейронных сетей сегментации Unet и FPN. Для анализа используются снимки, выполненные с БПЛА. Так же разработан метод классификации горной руды по крупности, обеспечивающий точность доли верных ответов более 0,91.
Ключевые слова: гранулометрический состав, Unet, FPN, классификация, сегментация
2.2.4 - Приборы и методы измерения , 2.3.3 - Автоматизация и управление технологическими процессами и производствами
В этой работе была исследована разработанная система детектирования участков с дефектами развития посевов кукурузы по фотографии, выполненной беспилотным летательным аппаратом (БПЛА) с применением компьютерного зрения. Для решения задачи обнаружения таких участков были рассмотрены структуры нейронных сетей семейства YOLOv5 и YOLOv8. Применение разработанного программного обеспечения позволит сократить трудовые и временные затраты на анализ изображений, что в свою очередь позволит уменьшить время реагирования при обнаружении проблемных зон на сельскохозяйственных полях для достижения большей урожайности.
Ключевые слова: сегментация экземпляров, YOLOv5, YOLOv8
2.3.3 - Автоматизация и управление технологическими процессами и производствами
В данной статье исследовался способ определения геометрии помещений с помощью эхолокации, а именно - звуколокации. В работе использовались свёрточные нейронные сети, которые обучались на большом наборе данных, состоящем из 48000 импульсных характеристик и ряда параметров, для геометрии помещения, им соответствующих. Обученная свёрточная нейронная сеть тестировалась на записанной импульсной характеристике реального помещения и показала точность в оценке по различным параметрам размера помещения от 92,2% до 98,7%.
Ключевые слова: свёрточные нейронные сети, геометрия помещения, эхолокация, импульсная характеристика, робототехника, распознавание, бесконтактные методы измерения объектов, звуколокация, предсказание геометрии, виртуальная реальность
2.3.1 - Системный анализ, управление и обработка информации , 2.3.3 - Автоматизация и управление технологическими процессами и производствами
В статье рассмотрены самые популярные семейства предобученных оснований нейронных сетей. Были рассмотрены их структуры, а также произведено сравнение результатов работы при сегментации изображения на FPN – сети. После тестирования и сравнения было получено, что самое высокое качество сегментации, равное 55,1 % по классу «куски руды» при общем качестве сегментации по трем классам составляющем 98,93 %, показала FPN – сеть на предобученном основании EfficientNetB2 после 7 эпох обучения.
Ключевые слова: сегментация, нейронная сеть, предобученное основание, EfficientNet, SEResNet
2.3.1 - Системный анализ, управление и обработка информации , 2.3.3 - Автоматизация и управление технологическими процессами и производствами
В статье рассматривается один из подходов к управлению контуром измельчения руды, в частности процесс загрузки мельницы рудой. Для обеспечения максимальной производительности мельница должна загружаться до уровня 47–50%. Для измерения уровня загрузки мельницы существует несколько способов. В статье исследуется перспектива применения экстремального регулятора совместно с наблюдателем состояний в реализации контуров управления загрузкой мельницы. Полученная система управления производит управление загрузкой опираясь на текущую мощность привода мельницы. Особенность данной системы управления в том, что она способна не только управлять мельницей, но и распознавать перегрузку, а также принимать меры для ее дальнейшего предотвращения. При этом нет необходимости в дополнительных подсистемах и алгоритмах. Помимо этого, были разработаны две модели систем управления и проведено сравнение их эффективности. Обозначены преимущества разработанной системы управления с использованием наблюдателя состояний относительно классического экстремального регулятора.
Ключевые слова: шаровая мельница, атоматизация, математическая модель, контур управления, наблюдатель состояния, экстремальный регулятор
2.3.3 - Автоматизация и управление технологическими процессами и производствами
В статье описываются результаты исследования возможности детектирования растений подсолнечника по фотографиям произведенным БПЛА. Решение данной проблемы позволит обеспечить автоматизированный контроль за важным сельскохозяйственным параметром – густотой всходов. Задача усложняется ограниченно малым объемом обучающей выборки и «возмущениями», связанными с засоренностью поля. В результате получено, что нейронная сеть YOLOv5m способна на выборке из 122 картинок качественно детектировать растения с ошибкой обучения 0.077%. Искусственное увеличение выборки до 363 фотографий снижает ошибку обучения до 0.063%. Возмущения снижают эффективность детектирования растений подсолнечника на тестовых изображениях. Повысить эффективность детектирования можно как за счет добавления оригинальных изображений в обучающую выборку, так и за счет ее искусственного увеличения.
Ключевые слова: детектирование, YOLOv5, подсолнечник, густота всходов, нейронная сеть
2.3.3 - Автоматизация и управление технологическими процессами и производствами