CN115409293A - 一种基于数字孪生的智慧矿山管控方法和管控设施 - Google Patents
一种基于数字孪生的智慧矿山管控方法和管控设施 Download PDFInfo
- Publication number
- CN115409293A CN115409293A CN202211346682.2A CN202211346682A CN115409293A CN 115409293 A CN115409293 A CN 115409293A CN 202211346682 A CN202211346682 A CN 202211346682A CN 115409293 A CN115409293 A CN 115409293A
- Authority
- CN
- China
- Prior art keywords
- roadway
- mining
- points
- transfer
- unloading
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005065 mining Methods 0.000 claims abstract description 98
- 238000012546 transfer Methods 0.000 claims abstract description 97
- 238000012544 monitoring process Methods 0.000 claims abstract description 29
- 238000010276 construction Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims abstract description 10
- 230000001419 dependent effect Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 21
- 239000011707 mineral Substances 0.000 description 21
- 230000000694 effects Effects 0.000 description 10
- 230000007306 turnover Effects 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Game Theory and Decision Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于数字孪生的智慧矿山管控方法和管控设施,智慧矿山管控方法包括:利用传感器实时获取监测点的场地信息;建立当前巷道结构数字孪生体;基于施工计划确定采矿点、目标卸载点,随机设立多个中转卸载点,作为随机样本库;将随机样本库代入当前巷道结构数字孪生体进行计算,生成训练样本,以所有无人矿车进行自动运输的总路程最小为优化目标,利用预设优化算法对中转卸载点的位置进行调整,获取所有无人矿车进行自动运输的总路程最小情况下中转卸载点的最优位置参数;根据中转卸载点的最优位置参数,调整矿山施工现场中所有无人矿车自动运输的路径。本发明有效解决卸载点选取位置不佳,运输效率较低的问题。
Description
技术领域
本发明涉及矿山生产技术领域,尤其涉及一种基于数字孪生的智慧矿山管控方法和管控设施。
背景技术
随着人工智能的发展,无人驾驶技术在工程机械领域也随之应用,露天矿山无人运输***中卡车卸载矿料是必须的作业场景,从智能性、运输效率的角度出发,卸载点的选取具有重要的意义。但是,在现有技术中,卸载过程中卸载点的选取通常是由操作人员根据经验指定得出,往往无法选取到最佳的卸载点,导致效率较低,能耗较高。
发明内容
因此,本发明实施例提供一种基于数字孪生的智慧矿山管控方法和管控设施,有效解决卸载点选取位置不佳,运输效率较低的问题。
本发明实施例提供的一种基于数字孪生的智慧矿山管控方法,包括:步骤S1:根据矿山施工现场的当前开采巷道结构设置多个监测点,利用传感器实时获取监测点的场地信息;步骤S2:基于施工计划和传感器实时获取的场地信息建立当前巷道结构数字孪生体;步骤S3:基于施工计划确定采矿点、目标卸载点,在采矿点和目标卸载点之间,随机设立多个中转卸载点,作为随机样本库;步骤S4:将随机样本库代入当前巷道结构数字孪生体进行计算,生成训练样本,选取中转卸载点的位置为自变量,以所有无人矿车进行自动运输的总路程为因变量,以所有无人矿车进行自动运输的总路程最小为优化目标,利用预设优化算法对中转卸载点的位置进行调整,获取所有无人矿车进行自动运输的总路程最小情况下中转卸载点的最优位置参数;步骤S5:根据中转卸载点的最优位置参数,调整矿山施工现场中所有无人矿车自动运输的路径。
与现有技术相比,采用该技术方案后所达到的技术效果:通过传感器获取监测点的场地信息,例如图像的方式,可以通过数字孪生体还原当前开采巷道结构,从而通过样本训练计算得到所有无人矿车进行自动运输的总路程最小情况下中转卸载点位置,从而提高运输的效率,并减少运输过程产生的能耗。
进一步的,当前开采巷道结构包括:主巷道,连通主巷道的多个次巷道,以及连通次巷道的至少一个采矿通道,采矿点位于采矿通道;步骤S1还包括:在次巷道连通主巷道的一端,与次巷道连通采矿通道的一端之间,等间距设置多个监测点。
采用该技术方案后所达到的技术效果:在采矿通道开采的矿物通过次巷道依次运出,次巷道和主巷道内的矿物经合适的中转卸载点后再输送至目标卸载点,以提升运输效率;同时,设置中转卸载点可以暂存矿物,避免采矿通道的矿物过多时,无人矿车远距离运输不及时,导致采矿通道的矿物堆积。
进一步的,步骤S2还包括:通过施工计划获取主巷道的场地信息,通过传感器实时获取次巷道和采矿通道的场地信息,基于主巷道的场地信息和次巷道和采矿通道的场地信息建立当前巷道结构数字孪生体。
采用该技术方案后所达到的技术效果:设置次巷道后,主巷道不直接进行开采,因此主巷道的结构在次巷道开采结束前是固定的,其结构可以直接由施工计划得到,节省图像采集的成本;而次巷道和采矿通道的结构是在变化的,通过传感器实时获取监测点的场地信息可以更准确地还原次巷道和采矿通道的结构。
进一步的,步骤S1还包括:搭建基于5G网络的物联网***,实现场地信息的实时传输。
采用该技术方案后所达到的技术效果:通过5G网络的物联网***可以快速传输场地信息,及时建立当前巷道结构数字孪生体得到最佳的中转卸载点。
进一步的,在步骤S5之后,智慧矿山管控方法还包括:步骤S6:定时检测每个次巷道的长度,若任意次巷道的长度的增加,于次巷道增加的部分增设监测点,利用传感器实时获取增设的监测点的场地信息,并动态更新当前巷道结构数字孪生体;更新对应次巷道的采矿点,对于长度增加的次巷道,重新随机设立多个中转卸载点,作为随机样本库,回到步骤S4依次执行。
采用该技术方案后所达到的技术效果:根据次巷道的长度增设监测点,以及更新采矿点,用于获取次巷道的最新状态,从而通过当前巷道结构数字孪生体,得到当前中转卸载点的最佳位置。
进一步的,步骤S6还包括:若任意次巷道的长度增加,判断增加量是否大于a%;若是,于次巷道增加的部分随机增设目标卸载点,将增设的目标卸载点作为随机样本库,采矿点和目标卸载点之间其余的目标卸载点的位置和数量不变;若否,在更新后的采矿点和目标卸载点之间,随机设立多个中转卸载点,作为随机样本库;其中,a>0。
采用该技术方案后所达到的技术效果:当次巷道的长度的增加量较大时,需要增加中转卸载点的个数,一方面,避免中转卸载点的数量较少,导致偏远的采矿点需要运输较长距离才能卸载,因此能够提高效率,降低能源损耗,另一方面,避免无人矿车长距离运输导致车辆无法及时周转,采矿点矿料堆积;而次巷道的长度的增加量较小时,对中转卸载点的数量的需求不会有太大变化,只需调整现有中转卸载点的位置即可。
进一步的,步骤S6还包括:若任意次巷道的长度不变或减小,判断与次巷道连通的采矿通道是否正在进行开采;若是,去除该次巷道内的目标卸载点;若否,在采矿点和目标卸载点之间,随机设立多个中转卸载点,作为随机样本库。
采用该技术方案后所达到的技术效果:若任意次巷道的长度不变或减小,则可能该次巷道不再开采,因此及时排除停止开采的次巷道,避免该次巷道影响目标卸载点的布局;并且,次巷道停止开采后,该次巷道内不会再发生因无人矿车周转不及时导致矿料堆积的问题,因此无需再设置中转卸载点,多余的未运出的矿料可直接运出。
进一步的,随机设立多个中转卸载点,包括:在主巷道随机设置X个中转卸载点,在第N个次巷道随机设置YN个中转卸载点;其中,次巷道共有N0个,N0、X、N为正整数;第N个次巷道的长度为LN,当前与第N个次巷道连通的所有采矿通道的预计开采量为ZN,,Y0为中转卸载点预设数量。
采用该技术方案后所达到的技术效果:当次巷道的长度更大时,所需的中转卸载点更多,当次巷道的预计开采量更大时,为保证无人矿车的周转,所需的中转卸载点更多,因此在中转卸载点预设数量Y0的基础上,根据次巷道的长度和预计开采量,对中转卸载点的数量进行调整,以适应不同次巷道的运输需求。
进一步的,在第N个次巷道随机设置YN个中转卸载点,包括:将第N个次巷道划分为YN个第一区域,对每个中转卸载点生成一个对应的随机数,随机数根据YN的值进行求余,余数为P,将中转卸载点设于第P个第一区域。
采用该技术方案后所达到的技术效果:该计算方式能够随机列举出足够的中转卸载点设置方式,从而训练得到最佳的中转卸载点的位置。
此外,本发明实施例提供的一种智慧矿山管控设施,用于实现如上述任一实施例提供的智慧矿山管控方法。
采用该技术方案后所达到的技术效果:智慧矿山管控设施能够选取合适的中转卸载点的位置,提高矿料的运输效率,节省能耗,避免无人矿车周转不及时。
综上,本申请上述各个实施例可以具有如下一个或多个优点或有益效果:i)通过传感器获取监测点的场地信息,例如图像的方式,可以通过数字孪生体还原当前开采巷道结构,从而通过样本训练计算得到所有无人矿车进行自动运输的总路程最小情况下的中转卸载点位置,从而提高运输的效率,并减少运输过程产生的能耗;ii)设置中转卸载点可以暂存矿物,避免采矿通道的矿料过多时,无人矿车远距离运输不及时,无法及时周转,导致采矿通道的矿物堆积;iii)根据次巷道的增加的长度增设监测点,以及更新采矿点,用于获取次巷道的最新状态,便于及时更新中转卸载点;iv)根据次巷道的长度和预计开采量,对中转卸载点的数量进行调整,以适应不同次巷道的运输需求。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图;
图1为本发明第一实施例提供的一种基于数字孪生的智慧矿山管控方法的流程示意图;
图2为本发明第二实施例提供的一种基于数字孪生的智慧矿山管控设施的模块示意图;
主要元件符号说明:
100为智慧矿山管控设施;110为当前开采巷道结构;120为传感器;130为数字孪生监控后台。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
【第一实施例】
参见图1,一方面,其为本发明第一实施例提供的一种基于数字孪生的智慧矿山管控方法,包括:
步骤S1:根据矿山施工现场的当前开采巷道结构110设置多个监测点,利用传感器120实时获取监测点的场地信息;
步骤S2:基于施工计划和传感器120实时获取的场地信息建立当前巷道结构数字孪生体;
步骤S3:基于施工计划确定采矿点、目标卸载点,在采矿点和目标卸载点之间,随机设立多个中转卸载点,作为随机样本库;
步骤S4:将随机样本库代入当前巷道结构数字孪生体进行计算,生成训练样本,选取中转卸载点的位置为自变量,以所有无人矿车进行自动运输的总路程为因变量,以所有无人矿车进行自动运输的总路程最小为优化目标,利用预设优化算法对中转卸载点的位置进行调整,获取所有无人矿车进行自动运输的总路程最小情况下中转卸载点的最优位置参数;
步骤S5:根据中转卸载点的最优位置参数,调整矿山施工现场中所有无人矿车自动运输的路径。
需要说明的是,通过传感器120获取监测点的场地信息,例如图像的方式,可以通过数字孪生体还原当前开采巷道结构110,从而通过样本训练计算得到所有无人矿车进行自动运输的总路程最小情况下的中转卸载点位置,从而提高运输的效率,并减少运输过程产生的能耗。
优选的,传感器120为红外传感器。
在一个具体的实施例中,当前开采巷道结构110包括:主巷道,连通主巷道的多个次巷道,以及连通次巷道的至少一个采矿通道,采矿点位于采矿通道;步骤S1还包括:在次巷道连通主巷道的一端,与次巷道连通采矿通道的一端之间,等间距设置多个监测点。
需要说明的是,在采矿通道开采的矿物通过次巷道依次运出,次巷道和主巷道内的矿物经合适的中转卸载点后再输送至目标卸载点,以提升运输效率;同时,设置中转卸载点可以暂存矿物,避免采矿通道的矿物过多时,无人矿车远距离运输不及时,导致采矿通道的矿物堆积。
优选的,主巷道至少有一条,且主巷道一端为无人矿车出入的主井,目标卸载点位于主井外;多个次巷道间隔设置在主巷道的至少一侧;采矿通道可以仅连通任意一个次巷道,也可以同时连通相邻的两个次巷道。
在一个具体的实施例中,步骤S2例如还包括:通过施工计划获取主巷道的场地信息,通过传感器120实时获取次巷道和采矿通道的场地信息,基于主巷道的场地信息、次巷道和采矿通道的场地信息建立当前巷道结构数字孪生体。
需要说明的是,设置次巷道后,主巷道不直接进行开采,因此主巷道的结构在次巷道开采结束前是固定的,其结构可以直接由施工计划得到,节省图像采集的成本;而次巷道和采矿通道的结构是在变化的,通过传感器120实时获取监测点的场地信息可以更准确地还原次巷道和采矿通道的结构。
在一个具体的实施例中,步骤S1例如还包括:搭建基于5G网络的物联网***,实现场地信息的实时传输。其中,通过5G网络的物联网***可以快速传输场地信息,及时建立当前巷道结构数字孪生体得到最佳的中转卸载点。
在一个具体的实施例中,在步骤S5之后,智慧矿山管控方法例如还包括:步骤S6:定时检测每个次巷道的长度,若任意次巷道的长度的增加,于次巷道增加的部分增设监测点,利用传感器120实时获取增设的监测点的场地信息,并动态更新当前巷道结构数字孪生体;更新对应次巷道的采矿点,对于长度增加的次巷道,重新随机设立多个中转卸载点,作为随机样本库,回到步骤S4依次执行。
需要说明的是,根据次巷道的长度增设监测点,以及更新采矿点,用于获取次巷道的最新状态,从而通过当前巷道结构数字孪生体,得到当前中转卸载点的最佳位置。
在一个具体的实施例中,步骤S6例如还包括:若任意次巷道的长度增加,判断增加量是否大于a%;若是,于次巷道增加的部分随机增设目标卸载点,将增设的目标卸载点作为随机样本库,采矿点和目标卸载点之间其余的目标卸载点的位置和数量不变;若否,在更新后的采矿点和目标卸载点之间,随机设立多个中转卸载点,作为随机样本库;其中,a>0。
需要说明的是,当次巷道的长度的增加量较大时,需要增加中转卸载点的个数,一方面,避免中转卸载点的数量较少,导致偏远的采矿点需要运输较长距离才能卸载,因此能够提高效率,降低能源损耗,另一方面,避免无人矿车长距离运输导致车辆无法及时周转,采矿点矿料堆积;而次巷道的长度的增加量较小时,对中转卸载点的数量的需求不会有太大变化,只需调整现有中转卸载点的位置即可。
在一个具体的实施例中,步骤S6例如还包括:若任意次巷道的长度不变或减小,判断与次巷道连通的采矿通道是否正在进行开采;若是,去除该次巷道内的目标卸载点;若否,在采矿点和目标卸载点之间,随机设立多个中转卸载点,作为随机样本库。
需要说明的是,若任意次巷道的长度不变或减小,则可能该次巷道不再开采,因此及时排除停止开采的次巷道,避免该次巷道影响目标卸载点的布局;并且,次巷道停止开采后,该次巷道内不会再发生因无人矿车周转不及时导致矿料堆积的问题,因此无需再设置中转卸载点,多余的未运出的矿料可直接运出。
在一个具体的实施例中,随机设立多个中转卸载点,包括:在主巷道随机设置X个中转卸载点,在第N个次巷道随机设置YN个中转卸载点;其中,次巷道共有N0个,N0、X、N为正整数;第N个次巷道的长度为LN,当前与第N个次巷道连通的所有采矿通道的预计开采量为ZN,,Y0为中转卸载点预设数量。
需要说明的是,当次巷道的长度更大时,所需的中转卸载点更多,当次巷道的预计开采量更大时,为保证无人矿车的周转,所需的中转卸载点更多,因此在Y0的基础上,根据次巷道的长度和预计开采量,对中转卸载点的数量进行调整,以适应不同次巷道的运输需求。其中,Y0为每个次巷道的中转卸载点的预设平均数量。
优选的,次巷道的长度的增加量小于等于a%,中转卸载点的数量根据上述公式进行调整,并作为随机样本库,通过当前巷道结构数字孪生体进行计算,从而将中转卸载点调整至更佳的位置;次巷道的长度的增加量大于a%,中转卸载点的数量根据上述公式相应增加,此时,根据中转卸载点的数量增加量,在次巷道加长的部分随机增设目标卸载点,将增设的目标卸载点作为随机样本库,而次巷道原有部分中的目标卸载点的位置和数量不变,此处不再赘述。
在一个具体的实施例中,在第N个次巷道随机设置YN个中转卸载点,包括:将第N个次巷道划分为YN个第一区域,对每个中转卸载点生成一个对应的随机数,随机数根据YN的值进行求余,余数为P,将中转卸载点设于第P个第一区域。其中,该计算方式能够随机列举出足够的中转卸载点设置方式,从而训练得到最佳的中转卸载点的位置。当然,中转卸载点还可以通过其他方式进行随机分布,此处不做限定。
【第二实施例】
另一方面,参见图2,本发明第二实施例提供的一种基于数字孪生的智慧矿山管控设施100,用于实现如上述任一具体实施例提供的智慧矿山管控方法。智慧矿山管控设施100包括:当前开采巷道结构110,当前开采巷道结构110包括:主巷道,连通主巷道的多个次巷道,以及连通次巷道的至少一个采矿通道;传感器120,用于获取当前开采巷道结构110中各个监测点的场地信息;数字孪生监控后台130,用于在采矿点和目标卸载点之间随机设立多个中转卸载点作为随机样本库,并代入当前巷道结构数字孪生体进行计算,生成训练样本,选取中转卸载点的位置为自变量,以所有无人矿车进行自动运输的总路程为因变量,以所有无人矿车进行自动运输的总路程最小为优化目标,利用预设优化算法对中转卸载点的位置进行调整,获取所有无人矿车进行自动运输的总路程最小情况下中转卸载点的最优位置参数。
其中,智慧矿山管控设施100能够选取合适的中转卸载点的位置,提高矿料的运输效率,节省能耗,避免无人矿车周转不及时。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于数字孪生的智慧矿山管控方法,其特征在于,包括:
步骤S1:根据矿山施工现场的当前开采巷道结构设置多个监测点,利用传感器实时获取所述监测点的场地信息;
步骤S2:基于施工计划和传感器实时获取的所述场地信息建立当前巷道结构数字孪生体;
步骤S3:基于施工计划确定采矿点、目标卸载点,在所述采矿点和所述目标卸载点之间,随机设立多个中转卸载点,作为随机样本库;
步骤S4:将所述随机样本库代入所述当前巷道结构数字孪生体进行计算,生成训练样本,选取所述中转卸载点的位置为自变量,以所有无人矿车进行自动运输的总路程为因变量,以所有无人矿车进行自动运输的总路程最小为优化目标,利用预设优化算法对所述中转卸载点的位置进行调整,获取所有无人矿车进行自动运输的总路程最小情况下所述中转卸载点的最优位置参数;
步骤S5:根据所述中转卸载点的最优位置参数,调整矿山施工现场中所有无人矿车自动运输的路径。
2.根据权利要求1所述的智慧矿山管控方法,其特征在于,所述当前开采巷道结构包括:主巷道,连通所述主巷道的多个次巷道,以及连通所述次巷道的至少一个采矿通道,所述采矿点位于所述采矿通道;
所述步骤S1还包括:在所述次巷道连通所述主巷道的一端,与所述次巷道连通所述采矿通道的一端之间,等间距设置多个监测点。
3.根据权利要求2所述的智慧矿山管控方法,其特征在于,所述步骤S2还包括:通过所述施工计划获取所述主巷道的场地信息,通过所述传感器实时获取所述次巷道和所述采矿通道的场地信息,基于所述主巷道的场地信息、所述次巷道和所述采矿通道的场地信息建立所述当前巷道结构数字孪生体。
4.根据权利要求2所述的智慧矿山管控方法,其特征在于,所述步骤S1还包括:搭建基于5G网络的物联网***,实现所述场地信息的实时传输。
5.根据权利要求2所述的智慧矿山管控方法,其特征在于,在所述步骤S5之后,所述智慧矿山管控方法还包括:
步骤S6:定时检测每个所述次巷道的长度,若任意所述次巷道的长度增加,则于所述次巷道增加的部分增设监测点,利用传感器实时获取增设的所述监测点的场地信息,并动态更新所述当前巷道结构数字孪生体;更新对应所述次巷道的所述采矿点,对于长度增加的所述次巷道,重新随机设立多个中转卸载点,作为所述随机样本库,回到所述步骤S4依次执行。
6.根据权利要求5所述的智慧矿山管控方法,其特征在于,所述步骤S6还包括:
若任意所述次巷道的长度增加,判断增加量是否大于a%;
若是,于所述次巷道增加的部分随机增设所述目标卸载点,将增设的所述目标卸载点作为所述随机样本库,所述采矿点和所述目标卸载点之间其余的所述目标卸载点的位置和数量不变;
若否,在更新后的所述采矿点和所述目标卸载点之间,随机设立多个中转卸载点,作为所述随机样本库;
其中,a>0。
7.根据权利要求5所述的智慧矿山管控方法,其特征在于,所述步骤S6还包括:
若任意所述次巷道的长度不变或减小,判断与所述次巷道连通的所述采矿通道是否正在进行开采;
若是,去除该所述次巷道内的所述目标卸载点;
若否,在所述采矿点和所述目标卸载点之间,随机设立多个中转卸载点,作为所述随机样本库。
9.根据权利要求8所述的智慧矿山管控方法,其特征在于,在第N个所述次巷道随机设置YN个所述中转卸载点,包括:
将第N个所述次巷道划分为YN个第一区域,对每个所述中转卸载点生成一个对应的随机数,所述随机数根据YN的值进行求余,余数为P,将所述中转卸载点设于第P个所述第一区域。
10.一种智慧矿山管控设施,其特征在于,用于实现如权利要求1-9任一项所述智慧矿山管控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211346682.2A CN115409293B (zh) | 2022-10-31 | 2022-10-31 | 一种基于数字孪生的智慧矿山管控方法和管控设施 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211346682.2A CN115409293B (zh) | 2022-10-31 | 2022-10-31 | 一种基于数字孪生的智慧矿山管控方法和管控设施 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115409293A true CN115409293A (zh) | 2022-11-29 |
CN115409293B CN115409293B (zh) | 2023-01-20 |
Family
ID=84167883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211346682.2A Active CN115409293B (zh) | 2022-10-31 | 2022-10-31 | 一种基于数字孪生的智慧矿山管控方法和管控设施 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115409293B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117893349A (zh) * | 2024-03-18 | 2024-04-16 | 宁波长壁流体动力科技有限公司 | 一种基于物联网的矿山管理方法以及管理*** |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5662596B1 (ja) * | 2013-08-30 | 2015-02-04 | 株式会社小松製作所 | 鉱山機械の管理システム及び鉱山機械の管理システムの管理方法 |
WO2016115579A2 (en) * | 2014-09-10 | 2016-07-21 | Mine Rp Holdings (Pty) Limited | A system and a method for life of mine planning and cost control |
CN109779686A (zh) * | 2019-01-28 | 2019-05-21 | 北京大学 | 一种无氧矿山开采*** |
CN112036685A (zh) * | 2020-07-15 | 2020-12-04 | 北京科技大学 | 一种地下金属矿山无轨运输***调度仿真方法及装置 |
CN112633131A (zh) * | 2020-12-18 | 2021-04-09 | 宁波长壁流体动力科技有限公司 | 一种基于深度学习视频识别的井下自动跟机方法 |
CN113343910A (zh) * | 2021-06-29 | 2021-09-03 | 上海煤科信息科技有限公司 | 一种基于大数据的智慧矿山的图像处理方法及*** |
EP3889712A1 (en) * | 2020-04-01 | 2021-10-06 | ABB Schweiz AG | Ore flow optimization |
CN113525418A (zh) * | 2021-06-11 | 2021-10-22 | 华能伊敏煤电有限责任公司 | 矿区运输卡车自动控制路径的方法 |
CN113610290A (zh) * | 2021-07-31 | 2021-11-05 | 太原理工大学 | 一种基于数字孪生技术应用到煤矿采掘设备的监控*** |
CN114444857A (zh) * | 2021-12-22 | 2022-05-06 | 青岛慧拓智能机器有限公司 | 一种露天矿山卸载区域的自动管理*** |
CN114444809A (zh) * | 2022-02-10 | 2022-05-06 | 西安建筑科技大学 | 一种数据驱动下的多目标露天矿卡路径优化方法 |
CN114708393A (zh) * | 2022-03-28 | 2022-07-05 | 中国矿业大学 | 全时空采掘过程的矿山应力场孪生建模同化***及方法 |
CN115034609A (zh) * | 2022-06-08 | 2022-09-09 | 昆明理工大学 | 一种基于数字孪生的矿山智能管控平台 |
-
2022
- 2022-10-31 CN CN202211346682.2A patent/CN115409293B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5662596B1 (ja) * | 2013-08-30 | 2015-02-04 | 株式会社小松製作所 | 鉱山機械の管理システム及び鉱山機械の管理システムの管理方法 |
WO2016115579A2 (en) * | 2014-09-10 | 2016-07-21 | Mine Rp Holdings (Pty) Limited | A system and a method for life of mine planning and cost control |
CN109779686A (zh) * | 2019-01-28 | 2019-05-21 | 北京大学 | 一种无氧矿山开采*** |
EP3889712A1 (en) * | 2020-04-01 | 2021-10-06 | ABB Schweiz AG | Ore flow optimization |
CN112036685A (zh) * | 2020-07-15 | 2020-12-04 | 北京科技大学 | 一种地下金属矿山无轨运输***调度仿真方法及装置 |
CN112633131A (zh) * | 2020-12-18 | 2021-04-09 | 宁波长壁流体动力科技有限公司 | 一种基于深度学习视频识别的井下自动跟机方法 |
CN113525418A (zh) * | 2021-06-11 | 2021-10-22 | 华能伊敏煤电有限责任公司 | 矿区运输卡车自动控制路径的方法 |
CN113343910A (zh) * | 2021-06-29 | 2021-09-03 | 上海煤科信息科技有限公司 | 一种基于大数据的智慧矿山的图像处理方法及*** |
CN113610290A (zh) * | 2021-07-31 | 2021-11-05 | 太原理工大学 | 一种基于数字孪生技术应用到煤矿采掘设备的监控*** |
CN114444857A (zh) * | 2021-12-22 | 2022-05-06 | 青岛慧拓智能机器有限公司 | 一种露天矿山卸载区域的自动管理*** |
CN114444809A (zh) * | 2022-02-10 | 2022-05-06 | 西安建筑科技大学 | 一种数据驱动下的多目标露天矿卡路径优化方法 |
CN114708393A (zh) * | 2022-03-28 | 2022-07-05 | 中国矿业大学 | 全时空采掘过程的矿山应力场孪生建模同化***及方法 |
CN115034609A (zh) * | 2022-06-08 | 2022-09-09 | 昆明理工大学 | 一种基于数字孪生的矿山智能管控平台 |
Non-Patent Citations (3)
Title |
---|
全向军: "GPS矿山智能管理信息***在黑岱沟露天煤矿的应用", 《露天采矿技术》 * |
张庆华等: "基于802.11n无线传感器网络的巷道人员定位技术研究", 《中国安全生产科学技术》 * |
胡金虎等: "基于数字地层的矿山采掘信息***", 《地下空间与工程学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117893349A (zh) * | 2024-03-18 | 2024-04-16 | 宁波长壁流体动力科技有限公司 | 一种基于物联网的矿山管理方法以及管理*** |
CN117893349B (zh) * | 2024-03-18 | 2024-07-23 | 宁波长壁流体动力科技有限公司 | 一种基于物联网的矿山管理方法以及管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN115409293B (zh) | 2023-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115409293B (zh) | 一种基于数字孪生的智慧矿山管控方法和管控设施 | |
CN106875710B (zh) | 一种面向网联自动驾驶车辆的交叉口自组织控制方法 | |
WO2020183918A1 (en) | Joint control of vehicles traveling on different intersecting roads | |
US20080033630A1 (en) | System and method of predicting traffic speed based on speed of neighboring link | |
CN104835026A (zh) | 基于Petri网与改进遗传算法的自动化立体仓库拣选作业调度建模优化方法 | |
CN103092949B (zh) | 一种在浮动车轨迹融合中复合路口的识别与构建方法 | |
US10896603B2 (en) | System and method for reducing delays in road traffic | |
CN108538065A (zh) | 一种基于自适应迭代学习控制的城市主干道协调控制方法 | |
CN203977941U (zh) | 顶管式条状地下车库 | |
CN103531032A (zh) | 一种多公交优先申请下两相位信号交叉口实时控制方法 | |
CN112863179B (zh) | 一种基于神经网络模型预测控制的路口信号灯控制方法 | |
CN111026122A (zh) | 一种无人驾驶车辆的速度规划方法、装置及*** | |
CN111785028B (zh) | 一种车-港-船协同调度方法及*** | |
CN112580866A (zh) | 基于全程车与区间车组合调度的公交线路串车优化方法 | |
CN108592930A (zh) | 基于大***优化和车联网的新能源汽车智能辅助驾驶方法 | |
CN105892463B (zh) | 一种用于自动导引运输车的通讯***及其通讯方法 | |
CN112541265A (zh) | 考虑停站调整的周期与非周期结合高铁运行图建模方法 | |
CN115083156B (zh) | 一种基于Newell跟驰模型的车辆轨迹预测方法 | |
CN116843500A (zh) | 充电站规划方法、神经网络模型训练方法、装置和设备 | |
CN113490181B (zh) | 一种基于lstm神经网络的车辆传输时延优化方法 | |
CN112668973B (zh) | 一种智能无人物流运输方法和*** | |
CN115526477A (zh) | 一种基于动态配矿决策的露天矿卡车调度***及方法 | |
CN112153607B (zh) | 基于v2x的车辆自动驾驶方法、装置及存储介质 | |
Jiang | Research on optimizing multimodal transport path under the schedule limitation based on genetic algorithm | |
CN110119843B (zh) | 一种基于离散事件模型的煤矿运输行进分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |