Aplicación de la inteligencia artificial en la robótica de las minas de carbón

Resumen Con el rápido desarrollo de la tecnología de inteligencia artificial, su aplicación en las minas de carbón se ha vuelto cada vez más extensa. En el proceso de producción de minas de carbón, la urgencia de la demanda de reemplazo de robots ha acelerado la aplicación industrial de robots de minas de carbón y la aplicación de tecnología de inteligencia artificial en robots de minas de carbón. Se analiza y explora la aplicación de la tecnología de inteligencia artificial en robots de minas de carbón, se presentan los principales contenidos de investigación de la tecnología de inteligencia artificial y su aplicación en la industria, se analiza la situación actual de la aplicación de la inteligencia artificial en la producción de minas de carbón, se analiza el concepto de Se elabora la aplicación eficaz de la tecnología de inteligencia artificial a los robots de las minas de carbón y se analiza la perspectiva del desarrollo de la inteligencia artificial en los robots de las minas de carbón.

Palabras clave inteligencia artificial, robot de mina de carbón, percepción inteligente, toma de decisiones inteligente, monitoreo inteligente, robot de remoción de materiales

0 Introducción

El proceso de producción y operación subterránea de una mina de carbón tiene el problema de que muchas personas bajan por el pozo, un alto riesgo de desastre, una alta tasa de accidentes, un entorno operativo hostil y una contaminación ambiental grave [1]. Frente a las operaciones subterráneas de alto riesgo, los robots de las minas de carbón se convierten en una de las formas importantes de lograr el objetivo de una producción de minas de carbón subterránea segura y eficiente. Los robots de las minas de carbón pueden ayudar o reemplazar a las personas para completar algunas operaciones mineras peligrosas y lograr una producción segura y eficiente en las minas de carbón. Para lograr que "nadie esté a salvo", los robots son la tendencia para reemplazar a los mineros en las operaciones subterráneas.

Con la estrategia de "Made in China 2025", "Industria alemana 4.0" e "Internet industrial estadounidense", comunicación 5G, Internet de las cosas, big data, computación en la nube e inteligencia artificial La madurez gradual de tecnologías como la comunicación 5G, Internet de Las cosas, el big data, la computación en la nube y la inteligencia artificial han promovido en gran medida la transformación y mejora de la industria manufacturera tradicional de China [2]. Como ciencia y tecnología emergentes, la inteligencia artificial puede hacer que la tecnología informática sea más precisa, rápida y conveniente para completar cálculos científicos complejos que el cerebro humano es incapaz de realizar, y lograr un reemplazo, extensión y mejora parcial del cerebro humano, creando así máquinas inteligentes que pueden completar operaciones complejas y peligrosas en lugar de humanos [3].

La futura producción de minas de carbón se desarrollará hacia una producción no tripulada, autónoma, inteligente y eficiente, en la que la tecnología de inteligencia artificial desempeñará un papel insustituible y se aplicarán diversas tecnologías de inteligencia artificial a los robots de las minas de carbón [4]. Aunque la aplicación actual de la inteligencia artificial en el campo de las minas de carbón industriales aún se encuentra en un período de torpeza, con la aplicación cada vez más generalizada de la tecnología de inteligencia artificial en el campo de las minas de carbón, la construcción de minas operativas no tripuladas es inevitable [5] .

1 Los problemas urgentes de la industria del carbón

La industria del carbón de China ha experimentado más de 40 años de desarrollo y la extracción de recursos minerales de carbón tiende gradualmente a ser inteligente, pero todavía quedan algunos obstáculos que deben resolverse.

1.1 Es necesario actualizar la tecnología y los equipos

Aunque la extracción y el transporte de carbón en China han pasado por etapas de digitalización, automatización e informatización, el nivel técnico general y el equipo de producción siguen siendo inferiores a los de los países desarrollados [6].En 2019, la antigua Administración Estatal de Minas de Carbón La Supervisión de Seguridad propuso acelerar la industrialización y aplicación de robots de minas de carbón para excavación, extracción de carbón, transporte, control de seguridad, apoyo y rescate. El robot de mina de carbón actual ya no se limita a realizar simples operaciones repetitivas, sino que puede detectar el entorno circundante y dar retroalimentación en tiempo real al mundo exterior, pero aún no tiene capacidades de pensamiento, identificación, razonamiento, juicio y toma de decisiones independientes. , y todavía necesita participación humana para completar algunas tareas laborales complejas.

1.2 Peligros graves para la seguridad

La industria del carbón es una industria de alto riesgo y existen varios peligros en cada paso de la producción: el agua, el fuego, el gas, el polvo de carbón, las formaciones geológicas y otros desastres son frecuentes, y el complejo entorno subterráneo desconocido amenaza gravemente la seguridad de la vida de operadores subterráneos. Aunque la tecnología inteligente de vigilancia y alerta temprana de las minas de carbón basada en Internet de las cosas, los macrodatos y la computación en la nube ha reducido en gran medida la aparición de accidentes y ha garantizado la producción segura de las minas de carbón, todavía existen muchos problemas. La escasa precisión y sensibilidad de los sensores da lugar a una recopilación incompleta y tardía de información precursora; los sistemas de monitoreo son independientes entre sí y tienen una única función, y la profundidad de integración y de integración de aplicaciones de la plataforma en la nube no es lo suficientemente profunda; la seguridad de la base de datos del sistema de monitoreo es débil; El equipo de monitoreo carece de aprendizaje profundo y de capacidad de autoadaptación [7].

1.3 Contaminación ambiental grave

Las minas de carbón producen polvo de carbón durante el proceso minero y también producen gases nocivos como monóxido de carbono y dióxido de carbono para contaminar la atmósfera [8]. Al mismo tiempo, el efluente de producción de la minería del carbón contiene una gran cantidad de metales pesados y sustancias ácidas, que pueden filtrarse fácilmente en el suelo o ingresar al agua subterránea y contaminar la geología y las fuentes de agua. Los proyectos de minería de carbón invadirán una gran cantidad de vegetación y tierras agrícolas, y la tierra es propensa a colapsar después de la minería, lo que lleva a la destrucción de la capa superficial [9].

2 El principal contenido de investigación de la inteligencia artificial.

2.1 Reconocimiento de patrones

El reconocimiento de patrones en la tecnología de inteligencia artificial utiliza las potentes funciones de recopilación, análisis y procesamiento de datos de la tecnología informática avanzada para simular la percepción humana y el reconocimiento del entorno externo configurando los programas correspondientes de antemano. Los robots inteligentes que incorporan reconocimiento de patrones pueden simular mejor las capacidades sensoriales humanas, reconocer personajes, sonidos, imágenes, escenas y su información fusionada con alta precisión, y percibir y modelar con precisión el entorno circundante mediante la adquisición de información de múltiples fuentes [10].

La visión artificial en la tecnología de inteligencia artificial, como una de las modalidades de percepción ambiental más importantes, simula las capacidades visuales humanas para mejorar la comprensión del robot del entorno del fondo del pozo, los procesos operativos y los fenómenos de retroalimentación. Los robots inteligentes que incorporan visión artificial son, en primer lugar, capaces de adaptarse bien al entorno operativo del fondo del pozo y colaborar bien con otros dispositivos artificiales; en segundo lugar, ser capaz de capturar más información sobre el paisaje externo y comprender y profundizar en el contenido de las imágenes a través de visión estereoscópica, inspección visual y técnicas de análisis dinámico de imágenes; y tercero, capaz de juzgar los fenómenos de retroalimentación subterránea del proceso operativo y enviar información sobre el estado del robot al sistema de control de movimiento [11].

2.2 Sistema experto

Los sistemas expertos son tecnologías que modelan el conocimiento y la experiencia de expertos humanos y se utilizan para resolver problemas como decisiones, procesos y fallas del sistema. A través de técnicas de inteligencia artificial, se crean sistemas de conocimiento para sistemas de fondo de pozo que simulan a los humanos para resolver problemas prácticos encontrados durante las operaciones. Los expertos humanos pueden predecir fallas del sistema, determinar puntos de falla y generar soluciones de resolución de problemas basadas en el estado actual del sistema, como pantallas y sonidos del equipo, parámetros de datos operativos y el estado del producto, al resolver problemas del mundo real. Por lo tanto, los sistemas expertos se utilizan comúnmente para la predicción, el diagnóstico y la resolución de problemas. Además, en la industria manufacturera, los sistemas expertos también se utilizan para tomar decisiones de planificación de la producción, optimizar el proceso de producción, coordinar la producción y optimizar los parámetros del equipo.

2.3 Aprendizaje automático

El aprendizaje automático en tecnologías de inteligencia artificial imita las capacidades de aprendizaje humano a través de marcos modelo y algoritmos para extraer automáticamente leyes intrínsecas a través de datos de entrenamiento, información ambiental y retroalimentación para mejorar el rendimiento del sistema y mejorar la adaptación y robustez ambiental. Los robots que incorporan aprendizaje automático tienen capacidades de extracción de leyes y resumen de conocimientos similares a las humanas para identificar información efectiva a partir de la gran cantidad de recursos de información recopilados y aprender a mejorar su propia inteligencia. La tecnología de aprendizaje automático puede resolver eficazmente una serie de problemas en situaciones inesperadas y reducir en gran medida los costos laborales y de producción [12].

2.4 Inteligencia artificial distribuida

El sistema de inteligencia artificial distribuida coordina la programación y el control de sistemas corporales heterogéneos y multiinteligentes combinando científica y racionalmente la inteligencia artificial y la tecnología informática, a fin de mejorar el rendimiento del sistema de inteligencia artificial, mejorar la capacidad de ejecución de tareas y aumentar la eficiencia de el trabajo cooperativo de cada sistema independiente en el robot inteligente. Cuando el robot inteligente se encuentra con situaciones inesperadas, aún puede garantizar que cada subsistema realice un trabajo normal. El actual sistema de inteligencia artificial distribuida se encuentra todavía en la etapa inicial de investigación y desarrollo, y la dificultad técnica radica en cómo coordinar las reglas de operación de diferentes sistemas [13].

3 Estado de la aplicación de la inteligencia artificial en robots de minas de carbón

3.1 Aplicación de la inteligencia artificial en el control de movimiento de robots de minas de carbón

Para garantizar que los robots de las minas de carbón puedan operar correctamente en entornos subterráneos complejos, los investigadores han aplicado tecnologías de inteligencia artificial, como sistemas expertos y redes neuronales artificiales, a métodos, algoritmos y operaciones colaborativas de control de movimiento de robots. Al simular el pensamiento y el nivel de conocimiento de los expertos humanos, los robots de las minas de carbón pueden resolver algunos problemas no lineales multidimensionales complejos, reducir la cantidad de operaciones para el análisis de sistemas dinámicos, la configuración de parámetros y el procesamiento de datos, y mejorar la eficiencia y precisión del control.

Los investigadores de Wang Nian et al [14] diseñaron un robot minero inteligente basado en ucos integrados y utilizaron la red GSM para realizar el control remoto del dispositivo; Los investigadores de Zhang Chuancai et al [15] utilizaron la red neuronal BP para establecer un método de medición para determinar el ángulo de giro del robot en función de la velocidad del motor y el tiempo de funcionamiento, lo que puede proporcionar parámetros de ángulo para la planificación de la trayectoria del robot; El personal de investigadores de Wang Xuesong et al [16] aproximaron los parámetros cinéticos inciertos basándose en la red neuronal mejorada de Elman y enviaron comandos de control para el servosistema del robot de la mina de carbón utilizando un controlador neurodifuso; Los investigadores de Song Xin et al [17] aplicaron redes neuronales en el campo del control de robots para realizar acciones como el control de acoplamiento de múltiples articulaciones del brazo robótico, la planificación de la trayectoria final y el control de válvulas hidráulicas.

3.2 Aplicación de la inteligencia artificial en la percepción inteligente y la predicción de peligros de un robot de mina de carbón

Los robots de inspección minera obtienen una percepción integral de la información del entorno subterráneo al llevar varios sensores, monitoreo en tiempo real de fallas de instrumentos y equipos, seguridad del personal e información sobre desastres como gas, polvo de carbón, agua y fuego, y emisión oportuna de alertas tempranas para Reducir la ocurrencia de accidentes en minas de carbón. Para varias dificultades técnicas, como la identificación inexacta y el monitoreo inoportuno en entornos subterráneos complejos, los investigadores utilizan el aprendizaje profundo, el reconocimiento de patrones y tecnologías de sistemas expertos para mejorar aún más la identificación precisa del robot y el monitoreo en tiempo real de los peligros emergentes subterráneos.

Los investigadores de Lu Wanjie et al [18] utilizaron algoritmos de aprendizaje profundo basados en redes neuronales convolucionales para modelar y entrenar equipos de minas de carbón para que el robot de inspección subterránea pudiera identificar con precisión el tipo de equipo de minas de carbón; Los investigadores de Zhang Fan et al [19] propusieron un método de reconstrucción de imágenes mineras basado en redes neuronales residuales para los efectos perturbadores del ruido subterráneo en el entorno operativo visualizado, que mejoró efectivamente la claridad de las imágenes de monitoreo y Nie Zhen et al [20] utilizaron un algoritmo genético basado en la red neuronal de BP para construir un sistema de detección inteligente del entorno de gas de un túnel y obtener datos en tiempo real de la distribución de la concentración de gas en diferentes secciones del túnel en el camino de los robots de inspección de minas de carbón; Pan Yue et al [21] utilizaron la red neuronal BP para establecer un modelo de diagnóstico para fallas de ventiladores y establecer un mapeo entre los tipos de fallas de ventiladores y las bandas de frecuencia de vibración del rotor del ventilador, realizando así el diagnóstico de fallas de ventiladores. relación, y luego lograr el diagnóstico de fallas del ventilador; Yan Junjie et al [22] investigadores se basaron en redes neuronales artificiales para establecer un modelo de diagnóstico para fallas en los engranajes de la maquinaria de la mina de carbón, utilizando la señal de entrada para entrenar el modelo de red neuronal, clasificar la señal de salida y luego determinar la falla en el engranaje.

3.3 Aplicación de inteligencia artificial en navegación de posicionamiento autónomo y construcción de mapas para robots de minas de carbón

Lograr posicionamiento y navegación autónomos en entornos complejos de minas de carbón no estructuradas requiere considerar tanto la incapacidad de la tecnología GPS para aplicarse directamente en el fondo del pozo como la necesidad de superar la interferencia de factores externos como el polvo, la temperatura, la humedad, el ruido y el flujo de aire, lo que coloca a niveles más altos. demandas de tecnología de navegación y posicionamiento autónoma y precisa para robots en entornos restringidos y cerrados en el fondo del pozo. La construcción de mapas, la navegación por posicionamiento, la planificación de rutas y la evitación de obstáculos en tiempo real por parte de robots de minas de carbón basados en tecnología de inteligencia artificial se han convertido en puntos calientes para la investigación aplicada.

Bai Yun [23] propuso una red neuronal difusa de estructura variable y la aplicó al proceso de detección ambiental de robots de rescate subterráneos de serpientes, fusionando datos de sensores de múltiples fuentes para lograr el reconocimiento de obstáculos y el modelado ambiental de robots serpientes en entornos hostiles; Los investigadores de Fu Hua et al [24] utilizaron un modelo de red neuronal artificial para modelar y describir dinámicamente el espacio de trabajo del sistema inteligente de monitoreo de minas de carbón, utilizando un modelo de red neuronal para la planificación de rutas para evitar obstáculos por parte de robots; Los investigadores de Zhang Yaofeng et al [25] utilizaron la compensación basada en la red de Elman para el error de medición del sensor ultrasónico del robot subterráneo, lo que mejoró en gran medida la precisión del alcance ultrasónico y la detección de obstáculos; Los investigadores de Zhai Guodong et al [26] resumieron la tecnología de visión binocular en robots de rescate de minas de carbón para obtener información de la escena del accidente y lograr la evitación de obstáculos y la planificación de caminos de forma autónoma, incluida la clasificación y el reconocimiento de patrones, la medición visual y la reconstrucción 3D, la medición y localización combinadas y la visualización. servocontrol; Los investigadores de Ma Hongwei et al [27] construyeron un sistema de visión artificial basado en una cámara de profundidad y propusieron un método de navegación basado en visión de profundidad, en el que el robot está equipado con una cámara de profundidad RGB-D para la adquisición de datos para lograr la creación de mapas y la navegación autónoma. .

4 Investigación sobre robots inteligentes para minas de carbón

Existen varios tipos de tecnologías de inteligencia artificial, y los principales contenidos de investigación aplicados al campo de los robots de minas de carbón incluyen la percepción inteligente de fusión multimodal, el aprendizaje de conocimientos y la toma de decisiones inteligentes, y la operación cooperativa de control inteligente. A través de la percepción, el aprendizaje, la toma de decisiones y el control colaborativo, se logra el desarrollo inteligente de robots para minas de carbón.

4.1 Percepción inteligente de fusión multimodal

El robot de la mina de carbón está equipado con varios sensores a prueba de explosiones, de alta precisión y alta confiabilidad para construir un sistema de percepción inteligente con fusión multimodal de visión, oído, olfato, tacto, etc., para completar el reconocimiento y análisis inteligente, sonido anormal. Reconocimiento, monitoreo de temperatura anormal, detección de humo, detección de concentración de gases dañinos, evitación autónoma de obstáculos, agarre autónomo y otras operaciones.

(1) Investigación sobre tecnologías de detección visual y reconocimiento de visión artificial en escenarios de aplicación de minas de carbón. A través del procesamiento y comprensión de imágenes, el robot es capaz de, en primer lugar, identificar y monitorear equipos, medidores digitales, pantallas LCD, indicadores, válvulas, etc.; en segundo lugar, detectar goteos de líquido en la tubería, cinta corrida y grietas; en tercer lugar, realizar intrusión de personal, personal de servicio, detección de personal vistiendo; en cuarto lugar, identificar y rastrear objetos extraños como ganga, barras de anclaje, registros de carreteras, tuberías de hierro, etc. que aparecen en la cinta.

(2) Investigación sobre tecnologías como la audición de robots, es decir, la detección y el reconocimiento de sonido en escenarios de aplicación en minas de carbón. Utiliza un sensor de captación de sonido de alta sensibilidad, un procesador de señal digital DSP de alta velocidad, combinado con tecnología de procesamiento de reducción de ruido dinámica adaptativa, tecnología de reconocimiento de algoritmo de modelo de detección y extracción de características de audio para identificar sonidos anormales en la mina.

(3) Investigación sobre tecnología de reconocimiento inteligente para el olfato robótico, es decir, detección de gas en escenarios de aplicación de minas de carbón. Detección precisa de metano, sulfuro de hidrógeno, monóxido de carbono, oxígeno y otros gases en el ambiente y si el humo excede el límite, detección oportuna de fugas de gas y alerta temprana de incendios.

(4) Investigación sobre tecnología háptica para robots en escenarios de aplicación en minas de carbón. Recoger la temperatura de objetos como motores, bombas, rodamientos, rodillos, cintas, etc. mediante contacto o sin contacto y analizar los datos; a través de equipos de detección de fuerza, monitoreo en tiempo real de la fuerza de contacto, fuerza de agarre, fuerza operativa, tensión interna y detección de fuerza y control de seguridad.

4.2 Aprendizaje del conocimiento y toma de decisiones inteligentes

En vista de los problemas actuales de los protocolos incompatibles de los sistemas de robots de minas de carbón y la falta de intercambio e integración de información, integraremos profundamente los robots de las minas de carbón con la tecnología de la información de nueva generación, construiremos un sistema generalizado, estándar y flexible para el aprendizaje mutuo y el intercambio de conocimientos sobre el carbón. robots mineros y superar los obstáculos técnicos de la comprensión de la escena de los robots de las minas de carbón, la detección de seguridad, el posicionamiento preciso, la percepción autónoma y la navegación eficiente. Implementar servicios en línea basados en la nube para tecnologías comunes de robots de minas de carbón para resolver las limitaciones de los robots individuales y mejorar la toma de decisiones inteligente de los robots de minas de carbón.

(1) Establecer un marco de aprendizaje y generalización que integre al individuo y al todo. A nivel individual, un solo robot integra información de detección, toma de decisiones, control, colaboración e interacción entre humanos y robots durante la operación, y lleva a cabo capacitación en línea incremental en tiempo real a través de un marco de aprendizaje de inteligencia artificial representado por redes neuronales para dinámicamente ajuste el estado operativo del robot y logre un control y una toma de decisiones óptimos en todo el ciclo. A nivel general, los robots múltiples cargan y distribuyen el conocimiento aprendido entre ellos a través de la nueva generación de tecnología de la información, de modo que cuando un robot enfrenta una tarea operativa completamente nueva, puede familiarizarse rápidamente con las características operativas y los resultados del conocimiento. de otros robots, reducir el tiempo de reaprendizaje y mejorar la flexibilidad y adaptabilidad de las tareas del sistema general.

(2) Establecer un modo de operación en el que el cuerpo del robot y la nube estén integrados. Avance en el modelo tradicional de I + D e integración de robots y realice una nueva ruta de integración y I + D de robots que integre el cuerpo del robot liviano local con la capacidad de procesamiento de datos de alto rendimiento en la nube con la ayuda de "5G + computación en la nube". Los algoritmos que requieren una gran potencia informática, como la percepción inteligente del entorno, el reconocimiento de patrones, la construcción de mapas y la navegación autónoma, se trasladan a la nube, y el robot local carga los datos de los sensores y actuadores a bordo en la nube en tiempo real. y optimiza el cálculo de percepción, modelado y ejecución a través del potente procesamiento de datos y la potencia informática de la nube. El resultado se envía al robot local en tiempo real, lo que reduce la carga computacional del robot local y transfiere más recursos de hardware al lado del sensor y de ejecución para lograr un diseño de robot operativo liviano, optimizado y de alto rendimiento.

4.3 Control inteligente de la operación cooperativa

La integración de tecnologías SLAM de aprendizaje profundo y láser/visual en robots de minas de carbón, combinadas con un sistema de detección inteligente de fusión multimodal, realiza las funciones de movimiento autónomo, posicionamiento preciso, ajuste de posición, planificación de operaciones inteligente, operación autónoma y detección inteligente de desastres de los robots de minas de carbón. en entornos mineros complejos y realiza un control colaborativo inteligente de los procesos de detección, excavación y operaciones de soporte.

(1) Integrar la tecnología de redes neuronales en el control y la planificación de operaciones colaborativas de múltiples robots de minas de carbón. Autoorganización, autoagrupación y autocoordinación de robots móviles en minas para lograr la integración de equipos heterogéneos. A través de tecnologías inteligentes de descomposición de tareas, asignación de tareas y equilibrio de carga, se forma un enjambre de robots en entornos complejos en minas, y tecnologías como la navegación autónoma en el espacio subterráneo, la detección de estado con múltiples sensores, la planificación de operaciones inteligente y la colaboración con múltiples robots. El control se aplica para realizar operaciones colaborativas eficientes entre múltiples robots en la excavación, perforación, extracción, transporte y soporte de la superficie de trabajo.

(2) Ampliar el modo de interacción humana con un solo robot a la interacción humana con múltiples grupos de robots y realizar la intervención y colaboración de los operadores en grupos de robots. Durante la operación de los robots de las minas de carbón, cada robot heterogéneo con diferentes funciones forma un complejo enjambre colaborativo de múltiples robots. Al mismo tiempo, el enjambre colaborativo de múltiples robots debe poder colaborar en profundidad con el operador. A través de la tecnología de inteligencia artificial, podemos romper el modo simple de "comando-ejecución-visualización" de la tecnología de interacción humano-robot existente e integrar la intervención humana en el ciclo de control para implementar un nuevo modo de interacción humano-robot con "humano en el circuito". ", y realizar el "grupo de sistema subterráneo no tripulado + grupo de sistema subterráneo no tripulado + grupo de sistema subterráneo no tripulado". Modo de operación del grupo de sistemas subterráneos no tripulados + operador subterráneo, para mejorar la eficiencia operativa, la flexibilidad de tareas y la robustez del sistema general.

Para lograr el objetivo de una mina de carbón inteligente, llevaremos a cabo investigaciones sobre "robot de mina de carbón +", "robot de mina de carbón + 5G" para lograr una detección e interconexión integrales, un intercambio de información de dominio completo y una interacción multicanal entre humanos y robots. ; "Robot de mina de carbón + computación en la nube" "Robot de mina de carbón + computación en la nube" logra la compatibilidad de la ontología de robots livianos y de bajo costo y la capacidad de computación de aprendizaje de alto rendimiento; "robot de mina de carbón + big data" logra la predicción dinámica, la integración de información y proporciona una base de datos para el aprendizaje evolutivo del robot; "robot de mina de carbón + IA" Robot de mina + IA "realiza una percepción autónoma inteligente, un análisis y una toma de decisiones óptimos y una evolución del aprendizaje del conocimiento, formando así un sistema inteligente completo de percepción tridimensional y aprendizaje autónomo y control cooperativo en la mina.

5 Perspectivas de futuro

La inteligencia artificial se ha aplicado ampliamente en el campo de la robótica de las minas de carbón y se han logrado más resultados de investigación. Sin embargo, como tecnología de vanguardia emergente, la inteligencia artificial todavía tiene limitaciones.

(1) La tecnología de IA actual está orientada principalmente a una sola tarea y aún no se ha creado un marco general de IA que pueda enfrentar múltiples tareas. Por ejemplo, los modelos entrenados para el reconocimiento de imágenes no se pueden utilizar para la detección y el reconocimiento de sonidos; el marco del algoritmo para reconocer un objeto objetivo específico no se puede extender al reconocimiento de objetos objetivo arbitrarios, y el conjunto de datos debe construirse y volverse a entrenar cuando aparece un nuevo objetivo de clasificación. Esta característica limita la aplicación de la IA en escenarios de tareas complejas.

(2) Los algoritmos de inteligencia artificial deben depender de una gran cantidad de datos, y operaciones como la recopilación, el procesamiento, la calibración y la alineación de datos deben realizarse manualmente, lo que es menos eficiente. Cómo utilizar una menor cantidad de datos para lograr un mayor rendimiento se ha convertido en uno de los puntos críticos de investigación actuales de los métodos de inteligencia artificial.

(3) Hay muchos tipos de robots para minas de carbón y existe una gran cantidad de dispositivos sensores, dispositivos impulsores y dispositivos actuadores. Los formatos de datos de cada dispositivo son diversos y es difícil formar una interfaz de datos unificada, lo que hace que los datos entre cada sistema sean independientes entre sí. Los datos incompatibles dificultan que el sistema de inteligencia artificial coordine los robots en cada parte del proceso de producción de la mina de carbón y obtenga datos suficientes para formar un plan unificado de circuito cerrado para todo el proceso de producción.

(4) El entorno en el que operan los robots de las minas de carbón es extremadamente peligroso, por lo que los sistemas de IA actuales por sí solos no pueden garantizar un alto nivel de seguridad y estabilidad. Cómo integrar el sistema de IA con la intervención manual del operador e integrar la intervención humana en todo el ciclo operativo del sistema de IA se convierte en uno de los elementos clave que se abordarán en el siguiente paso.

En el futuro, los sistemas de IA aplicados a los robots de las minas de carbón se desarrollarán hacia la generalización, los bajos gastos generales, la unificación y la colaboración entre humanos y máquinas, con la aparición de un marco de algoritmo de IA general para múltiples tareas que aprende y evoluciona continuamente en línea utilizando pequeñas cantidades de datos. y métodos de capacitación de bajo costo, capaces de integrar datos clave de todos los aspectos de la producción de la mina de carbón para computación y programación integradas, y capaces de colaborar entre sí y con los humanos para lograr Es capaz de colaborar con los humanos para lograr eficiencia, seguridad y producción autónoma de minas de carbón.

6. Conclusión

Con el desarrollo de la tecnología de inteligencia artificial, la industria minera del carbón experimentará un cambio importante. Con las capacidades eficientes de construcción de modelos, computación paralela y planificación de la IA, la inteligencia y la automatización de los robots de las minas de carbón alcanzarán un nuevo nivel, cumpliendo verdaderamente con los requisitos seguros y no tripulados de la producción de las minas de carbón. Al mismo tiempo, la inteligencia artificial permitirá un aumento significativo en la eficiencia de la producción de las minas de carbón y promoverá el desarrollo seguro, saludable y sostenible de la industria de las minas de carbón.