Conference
Применение цифровых технологий с целью повышения эффективности карьерного автотранспорта
| Title: | Применение цифровых технологий с целью повышения эффективности карьерного автотранспорта |
|---|---|
| Authors: | Chernukhin, S. A., Koltsov, N. S., Bodrov, D. A., Romanov, N. S. |
| Publisher Information: | Издательство Уральского университета, 2025. |
| Publication Year: | 2025 |
| Subject Terms: | ЦИФРОВЫЕ ТЕХНОЛОГИИ, DIGITAL TECHNOLOGIES, DRILLING AND BLASTING, ГРАНУЛОМЕТРИЧЕСКИЙ СОСТАВ, NEURAL NETWORKS, КАРЬЕРНЫЙ АВТОТРАНСПОРТ, НЕЙРОСЕТИ, GRANULOMETRIC COMPOSITION, FRACTIONAL COMPOSITION ANALYSIS, БУРОВЗРЫВНЫЕ РАБОТЫ, МАШИННОЕ ОБУЧЕНИЕ, MACHINE LEARNING, АНАЛИЗ ФРАКЦИОННОГО СОСТАВА, MINING VEHICLES |
| Description: | The article discusses the factors affecting the performance of a dump truck and ways to improve their efficiency. The main factor is the quality of drilling and blasting operations, in- cluding the average size of the fraction of the exploded mass and the volume of the oversized. The methods of determining the quality of BVR using various approaches, including artificial intelligence technologies, are investigated. It has been established that the distance to the device is an important indicator for the accuracy of determining the size of the rock. The analysis of methods for estimating this distance has been carried out, and the most promising one has been identified. В статье рассматриваются факторы, влияющие на производительность карьерного автосамосвала, и пути повышения их эффективности. Основным фактором является качество буровзрывных работ, включая средний размер фракции взорванной массы и объем негабарита. Исследованы методы определения качества БВР с использованием различных подходов, включая технологии искусственного интеллекта. Установлено, что важным показателем для точности определения размеров породы является расстояние до прибора. Проведен анализ способов оценки этого расстояния, выявлен наиболее перспективный. |
| Document Type: | Conference object |
| File Description: | application/pdf |
| Language: | Russian |
| Access URL: | https://elar.urfu.ru/handle/10995/143216 |
| Accession Number: | edsair.od.......917..d5049ed37c731e2c77d18d4b761534c4 |
| Database: | OpenAIRE |
| Description not available. |