Ứng dụng trí tuệ nhân tạo trong robot mỏ than

Tóm tắt Với sự phát triển nhanh chóng của công nghệ trí tuệ nhân tạo, ứng dụng của nó trong các mỏ than ngày càng trở nên rộng rãi. Trong quá trình sản xuất mỏ than, tính cấp thiết của nhu cầu thay thế robot đã thúc đẩy ứng dụng công nghiệp của robot mỏ than và ứng dụng công nghệ trí tuệ nhân tạo vào robot mỏ than. Việc ứng dụng công nghệ trí tuệ nhân tạo trong robot mỏ than được phân tích và khám phá, giới thiệu các nội dung nghiên cứu chính của công nghệ trí tuệ nhân tạo và ứng dụng của nó trong công nghiệp, phân tích hiện trạng ứng dụng trí tuệ nhân tạo trong sản xuất mỏ than, khái niệm về ứng dụng công nghệ trí tuệ nhân tạo vào robot khai thác than một cách hiệu quả được xây dựng một cách hiệu quả, đồng thời có triển vọng phát triển trí tuệ nhân tạo trong robot khai thác than.

Từ khóa trí tuệ nhân tạo, robot mỏ than, nhận thức thông minh, ra quyết định thông minh, giám sát thông minh, robot loại bỏ vật liệu

0 Giới thiệu

Quá trình sản xuất và vận hành hầm lò của mỏ than gặp phải vấn đề nhiều người đi xuống hầm, nguy cơ xảy ra thiên tai cao, tỷ lệ tai nạn cao, môi trường vận hành khắc nghiệt và ô nhiễm môi trường nghiêm trọng. Đối mặt với các hoạt động khai thác than ngầm có rủi ro cao, robot khai thác than trở thành một trong những phương pháp quan trọng để đạt được mục tiêu sản xuất khai thác than hầm lò an toàn và hiệu quả. Robot mỏ than có thể hỗ trợ hoặc thay thế con người hoàn thành một số hoạt động khai thác nguy hiểm và đạt được sản xuất an toàn và hiệu quả trong các mỏ than. Để đạt được mục tiêu “không ai được an toàn”, robot đang là xu hướng thay thế thợ mỏ trong các hoạt động ngầm.

Với chiến lược "Made in China 2025", "Công nghiệp 4.0 của Đức" và "Internet công nghiệp Mỹ", truyền thông 5G, Internet vạn vật, dữ liệu lớn, điện toán đám mây và trí tuệ nhân tạo. Sự trưởng thành dần dần của các công nghệ như truyền thông 5G, Internet của Vạn vật, dữ liệu lớn, điện toán đám mây và trí tuệ nhân tạo đã thúc đẩy đáng kể quá trình chuyển đổi và nâng cấp ngành sản xuất truyền thống của Trung Quốc [2]. Là một ngành khoa học và công nghệ mới nổi, trí tuệ nhân tạo có thể giúp công nghệ máy tính trở nên chính xác, nhanh chóng và thuận tiện hơn để hoàn thành các phép tính khoa học phức tạp mà bộ não con người không có khả năng thực hiện và đạt được sự thay thế, mở rộng và nâng cao một phần bộ não con người, từ đó tạo ra những cỗ máy thông minh có thể thực hiện các hoạt động phức tạp và nguy hiểm thay con người [3].

Sản xuất mỏ than trong tương lai sẽ phát triển theo hướng không người lái, tự chủ, thông minh và hiệu quả, trong đó công nghệ trí tuệ nhân tạo sẽ đóng vai trò không thể thay thế và các công nghệ trí tuệ nhân tạo đa dạng sẽ được áp dụng cho robot khai thác than [4]. Mặc dù hiện nay việc ứng dụng trí tuệ nhân tạo trong lĩnh vực mỏ than công nghiệp vẫn đang trong giai đoạn dò dẫm, tuy nhiên, với việc ứng dụng công nghệ trí tuệ nhân tạo ngày càng rộng rãi trong lĩnh vực mỏ than, việc xây dựng các mỏ khai thác không người lái là điều tất yếu [5] .

1 Những vấn đề cấp bách của ngành than

Ngành than Trung Quốc đã trải qua hơn 40 năm phát triển, việc khai thác tài nguyên khoáng sản than dần có xu hướng thông minh nhưng vẫn còn một số điểm nghẽn cần giải quyết.

1.1 Công nghệ và thiết bị cần được nâng cấp

Mặc dù việc khai thác và vận chuyển than ở Trung Quốc đã trải qua các giai đoạn số hóa, tự động hóa và tin học hóa nhưng trình độ kỹ thuật tổng thể và thiết bị sản xuất vẫn thấp hơn so với các nước phát triển [6]. Năm 2019, Cục Quản lý Nhà nước về Mỏ Than trước đây Giám sát An toàn đề xuất đẩy nhanh quá trình công nghiệp hóa và ứng dụng robot mỏ than để đào, khai thác than, vận chuyển, kiểm soát an toàn, hỗ trợ và cứu hộ. Robot mỏ than hiện tại không còn chỉ thực hiện các thao tác lặp đi lặp lại đơn giản mà nó có thể cảm nhận được môi trường xung quanh và đưa ra phản hồi theo thời gian thực cho thế giới bên ngoài, nhưng nó vẫn chưa có khả năng tư duy, nhận dạng, lý luận, phán đoán và ra quyết định độc lập. và vẫn cần sự tham gia của con người để hoàn thành một số nhiệm vụ công việc phức tạp.

1.2 Mối nguy hiểm nghiêm trọng về an toàn

Ngành than là một ngành có rủi ro cao và có nhiều mối nguy hiểm khác nhau trong mỗi bước sản xuất, nước, lửa, khí đốt, bụi than, hình thành địa chất và các thảm họa khác thường xuyên xảy ra, và môi trường ngầm phức tạp chưa được biết đến đe dọa nghiêm trọng đến sự an toàn tính mạng của người dân. các nhà khai thác ngầm. Mặc dù công nghệ giám sát và cảnh báo sớm thông minh của các mỏ than dựa trên Internet vạn vật, dữ liệu lớn và điện toán đám mây đã giảm phần lớn tỷ lệ xảy ra tai nạn và đảm bảo sản xuất an toàn cho các mỏ than nhưng vẫn còn nhiều vấn đề. Độ chính xác và độ nhạy kém của cảm biến dẫn đến việc thu thập thông tin tiền thân không đầy đủ và không kịp thời; các hệ thống giám sát độc lập với nhau và có một chức năng duy nhất, độ sâu tích hợp và tích hợp ứng dụng của nền tảng đám mây chưa đủ sâu; hệ thống giám sát an ninh cơ sở dữ liệu còn yếu; thiết bị giám sát thiếu khả năng học sâu cũng như khả năng tự thích ứng [7].

1.3 Ô nhiễm môi trường nghiêm trọng

Các mỏ than tạo ra bụi than trong quá trình khai thác, đồng thời cũng tạo ra các loại khí độc hại như carbon monoxide và carbon dioxide để gây ô nhiễm bầu khí quyển [8]. Đồng thời, nước thải sản xuất từ khai thác than chứa hàm lượng lớn kim loại nặng và các chất có tính axit, dễ dàng thấm vào đất hoặc xâm nhập vào nguồn nước ngầm gây ô nhiễm địa chất, nguồn nước. Các dự án khai thác than sẽ lấn chiếm một lượng lớn thảm thực vật và đất nông nghiệp, đất dễ bị sụp đổ sau khi khai thác dẫn đến phá hủy lớp bề mặt [9].

2 Nội dung nghiên cứu chính của trí tuệ nhân tạo

2.1 Nhận dạng mẫu

Nhận dạng mẫu trong công nghệ trí tuệ nhân tạo sử dụng các chức năng thu thập, phân tích và xử lý dữ liệu mạnh mẽ của công nghệ máy tính tiên tiến để mô phỏng nhận thức và nhận dạng của con người về môi trường bên ngoài bằng cách thiết lập trước các chương trình tương ứng. Robot thông minh kết hợp nhận dạng mẫu có thể mô phỏng tốt hơn khả năng cảm giác của con người, nhận dạng ký tự, âm thanh, hình ảnh, cảnh và thông tin hợp nhất của chúng với độ chính xác cao, đồng thời nhận thức và mô hình chính xác môi trường xung quanh thông qua việc thu thập thông tin đa nguồn [10].

Thị giác máy trong công nghệ trí tuệ nhân tạo, là một trong những phương thức nhận thức môi trường quan trọng nhất, mô phỏng khả năng thị giác của con người để cải thiện sự hiểu biết của robot về môi trường trong hố, quy trình vận hành và hiện tượng phản hồi. Robot thông minh kết hợp thị giác máy trước hết có khả năng thích ứng tốt với môi trường vận hành trong hố và cộng tác tốt với các thiết bị nhân tạo khác; thứ hai, có thể nắm bắt thêm thông tin về cảnh quan bên ngoài, hiểu và tìm hiểu sâu hơn về nội dung của hình ảnh thông qua tầm nhìn lập thể, kiểm tra trực quan và kỹ thuật phân tích hình ảnh động; và thứ ba, có khả năng phán đoán hiện tượng phản hồi ngầm của quá trình vận hành và phản hồi thông tin về trạng thái của robot về hệ thống điều khiển chuyển động [11].

2.2 Hệ chuyên gia

Hệ thống chuyên gia là những công nghệ mô hình hóa kiến thức và kinh nghiệm của các chuyên gia con người và được sử dụng để giải quyết các vấn đề như quyết định, quy trình và lỗi hệ thống. Thông qua các kỹ thuật trí tuệ nhân tạo, hệ thống tri thức được tạo ra cho các hệ thống downhole mô phỏng con người để giải quyết các vấn đề thực tế gặp phải trong quá trình vận hành. Các chuyên gia con người có thể dự đoán lỗi hệ thống, xác định điểm lỗi và tạo ra các giải pháp khắc phục sự cố dựa trên trạng thái hiện tại của hệ thống, chẳng hạn như màn hình và âm thanh của thiết bị, thông số dữ liệu vận hành cũng như trạng thái của sản phẩm khi giải quyết các vấn đề trong thế giới thực. Do đó, các hệ thống chuyên gia thường được sử dụng để dự đoán, chẩn đoán và xử lý sự cố lỗi. Ngoài ra, trong ngành sản xuất, hệ thống chuyên gia còn được sử dụng để đưa ra các quyết định lập kế hoạch sản xuất, tối ưu hóa quy trình sản xuất, điều phối sản xuất và tối ưu hóa các thông số thiết bị.

2.3 Học máy

Học máy trong công nghệ trí tuệ nhân tạo bắt chước khả năng học tập của con người thông qua các khung mô hình và thuật toán để tự động trích xuất các quy luật nội tại thông qua dữ liệu đào tạo, thông tin môi trường và phản hồi để cải thiện hiệu suất hệ thống cũng như tăng cường khả năng thích ứng và mạnh mẽ với môi trường. Robot kết hợp học máy có khả năng trích xuất luật và tóm tắt kiến thức giống con người để xác định thông tin hiệu quả từ lượng lớn tài nguyên thông tin được thu thập và học cách cải thiện trí thông minh của chính chúng. Công nghệ máy học có thể giải quyết hiệu quả hàng loạt vấn đề trong những tình huống bất ngờ và giảm phần lớn chi phí lao động và sản xuất [12].

2.4 Trí tuệ nhân tạo phân tán

Hệ thống trí tuệ nhân tạo phân tán phối hợp lập kế hoạch và điều khiển các hệ thống cơ thể đa trí tuệ không đồng nhất bằng cách kết hợp khoa học và hợp lý trí tuệ nhân tạo và công nghệ máy tính, nhằm nâng cao hiệu suất của hệ thống trí tuệ nhân tạo, cải thiện khả năng thực hiện nhiệm vụ và tăng hiệu quả của công việc hợp tác của từng hệ thống độc lập trong robot thông minh. Khi robot thông minh gặp phải một số tình huống bất ngờ, nó vẫn có thể đảm bảo từng hệ thống con thực hiện công việc bình thường. Hệ thống trí tuệ nhân tạo phân tán hiện nay vẫn đang trong giai đoạn nghiên cứu và phát triển ban đầu, khó khăn về mặt kỹ thuật nằm ở việc làm thế nào để phối hợp các quy tắc hoạt động của các hệ thống khác nhau [13].

3 Thực trạng ứng dụng trí tuệ nhân tạo trong robot khai thác than

3.1 Ứng dụng trí tuệ nhân tạo trong điều khiển chuyển động robot mỏ than

Để đảm bảo robot mỏ than có thể hoạt động bình thường trong môi trường ngầm phức tạp, các học giả nghiên cứu đã áp dụng các công nghệ trí tuệ nhân tạo như hệ thống chuyên gia và mạng lưới thần kinh nhân tạo vào các phương pháp, thuật toán và hoạt động hợp tác điều khiển chuyển động của robot. Bằng cách mô phỏng trình độ kiến thức và tư duy chuyên gia của con người, robot mỏ than có thể giải quyết một số vấn đề phi tuyến đa chiều phức tạp, giảm số lượng hoạt động để phân tích hệ thống động lực, thiết lập tham số và xử lý dữ liệu, đồng thời cải thiện hiệu quả và độ chính xác của điều khiển.

Các nhà nghiên cứu Wang Nian và cộng sự [14] đã thiết kế một robot khai thác mỏ thông minh dựa trên ucos nhúng và sử dụng mạng GSM để thực hiện điều khiển từ xa thiết bị; Các nhà nghiên cứu Zhang Chuancai và cộng sự [15] đã sử dụng mạng nơ-ron BP để thiết lập phương pháp đo nhằm xác định góc quay của rô-bốt dựa trên tốc độ động cơ và thời gian chạy, từ đó có thể cung cấp các tham số góc cho việc lập kế hoạch đường đi của rô-bốt; Nhân viên nghiên cứu của Wang Xuesong và cộng sự [16] đã tính gần đúng các thông số động học không chắc chắn dựa trên mạng thần kinh Elman cải tiến và gửi các lệnh điều khiển cho hệ thống servo robot mỏ than bằng bộ điều khiển mờ thần kinh; Các nhà nghiên cứu Song Xin và cộng sự [17] đã áp dụng mạng lưới thần kinh trong lĩnh vực điều khiển robot để thực hiện các hành động như điều khiển khớp nối đa khớp của cánh tay robot, lập kế hoạch quỹ đạo cuối và điều khiển van thủy lực.

3.2 Ứng dụng trí tuệ nhân tạo trong nhận thức thông minh và dự đoán mối nguy hiểm của Robot mỏ than

Robot kiểm tra khai thác mỏ nhận ra nhận thức toàn diện về thông tin môi trường dưới lòng đất bằng cách mang theo nhiều cảm biến khác nhau, giám sát lỗi thiết bị và dụng cụ theo thời gian thực, thông tin về an toàn nhân sự và thảm họa như khí đốt, bụi than, nước và lửa, đồng thời đưa ra cảnh báo sớm kịp thời cho giảm thiểu sự cố tai nạn mỏ than. Đối với một số khó khăn kỹ thuật như nhận dạng không chính xác và giám sát kịp thời trong môi trường ngầm phức tạp, các nhà nghiên cứu sử dụng công nghệ học sâu, nhận dạng mẫu và hệ thống chuyên gia để nâng cao hơn nữa khả năng nhận dạng chính xác của robot và giám sát thời gian thực các mối nguy hiểm mới nổi dưới lòng đất.

Các nhà nghiên cứu tại Lu Wanjie và cộng sự [18] đã sử dụng thuật toán deep learning dựa trên mạng nơ ron tích chập để mô hình hóa và huấn luyện thiết bị mỏ than để robot kiểm tra dưới lòng đất có thể xác định chính xác loại thiết bị mỏ than; các nhà nghiên cứu tại Zhang Fan và cộng sự [19] đã đề xuất một phương pháp tái tạo hình ảnh khai thác dựa trên mạng lưới thần kinh còn sót lại đối với các tác động đáng lo ngại của tiếng ồn dưới lòng đất đối với môi trường vận hành trực quan, giúp cải thiện hiệu quả độ rõ nét của hình ảnh giám sát và Nie Zhen et al [20] đã sử dụng thuật toán di truyền dựa trên mạng nơ-ron BP để xây dựng hệ thống phát hiện thông minh môi trường khí trong đường hầm và thu được dữ liệu thời gian thực về phân bố nồng độ khí trên các đoạn đường hầm khác nhau trên đường đi của robot kiểm tra mỏ than; Pan Yue và cộng sự [21] đã sử dụng mạng nơ-ron BP để thiết lập mô hình chẩn đoán lỗi quạt và thiết lập ánh xạ giữa các loại lỗi quạt và dải tần số rung của rôto quạt, từ đó thực hiện chẩn đoán lỗi quạt. mối quan hệ, và sau đó đạt được chẩn đoán lỗi quạt; Yan Junjie và cộng sự [22] các nhà nghiên cứu dựa trên mạng nơ-ron nhân tạo để thiết lập mô hình chẩn đoán lỗi bánh răng máy móc mỏ than, sử dụng tín hiệu đầu vào để huấn luyện mô hình mạng nơ-ron, phân loại tín hiệu đầu ra và sau đó xác định lỗi bánh răng.

3.3 Ứng dụng trí tuệ nhân tạo trong việc định vị tự động và xây dựng bản đồ cho robot mỏ than

Để đạt được khả năng định vị và điều hướng tự động trong môi trường mỏ than không có cấu trúc phức tạp đòi hỏi phải xem xét cả tính không thể áp dụng trực tiếp của công nghệ GPS xuống hố và nhu cầu khắc phục sự can thiệp từ các yếu tố bên ngoài như bụi, nhiệt độ, độ ẩm, tiếng ồn và luồng không khí, ở những vị trí cao hơn. nhu cầu về công nghệ định vị và điều hướng tự động và chính xác cho robot trong môi trường hạn chế và khép kín. Xây dựng bản đồ, điều hướng định vị, lập kế hoạch đường đi và tránh chướng ngại vật theo thời gian thực của robot khai thác than dựa trên công nghệ trí tuệ nhân tạo đã trở thành điểm nóng cho nghiên cứu ứng dụng.

Bai Yun [23] đã đề xuất mạng lưới thần kinh mờ có cấu trúc thay đổi và áp dụng nó vào quy trình cảm biến môi trường của robot cứu hộ rắn dưới lòng đất, kết hợp dữ liệu cảm biến đa nguồn để đạt được khả năng nhận dạng chướng ngại vật và mô hình hóa môi trường của robot rắn trong môi trường khắc nghiệt; Các nhà nghiên cứu Fu Hua và cộng sự [24] đã sử dụng mô hình mạng lưới thần kinh nhân tạo để mô hình hóa và mô tả linh hoạt không gian làm việc của hệ thống giám sát mỏ than thông minh, sử dụng mô hình mạng lưới thần kinh để lập kế hoạch đường tránh chướng ngại vật cho robot; Zhang Yaofeng và cộng sự [25] các nhà nghiên cứu đã sử dụng phương pháp bù dựa trên mạng Elman cho lỗi đo cảm biến siêu âm của robot dưới lòng đất, giúp cải thiện đáng kể độ chính xác của phạm vi siêu âm và phát hiện chướng ngại vật; Các nhà nghiên cứu Zhai Guodong và cộng sự [26] đã tóm tắt công nghệ thị giác hai mắt trong robot cứu hộ mỏ than để thu thập thông tin hiện trường vụ tai nạn và đạt được khả năng tránh chướng ngại vật tự động và lập kế hoạch đường đi, bao gồm phân loại và nhận dạng mẫu, đo lường trực quan và tái tạo 3D, đo lường kết hợp và định vị, và trực quan. điều khiển servo; Các nhà nghiên cứu Ma Hongwei và cộng sự [27] đã xây dựng một hệ thống thị giác máy dựa trên camera độ sâu và đề xuất phương pháp điều hướng dựa trên tầm nhìn độ sâu, trong đó robot được trang bị camera độ sâu RGB-D để thu thập dữ liệu nhằm tạo ra bản đồ và điều hướng tự động .

4 Nghiên cứu robot khai thác than thông minh

Có nhiều loại công nghệ trí tuệ nhân tạo khác nhau và nội dung nghiên cứu chính áp dụng cho lĩnh vực robot mỏ than bao gồm nhận thức thông minh tổng hợp đa phương thức, học tập kiến thức và ra quyết định thông minh cũng như vận hành hợp tác điều khiển thông minh. Thông qua nhận thức, học tập, ra quyết định và kiểm soát hợp tác, sự phát triển thông minh của robot mỏ than được hiện thực hóa.

4.1 Nhận thức thông minh hợp nhất đa phương thức

Robot mỏ than được trang bị nhiều cảm biến chống cháy nổ, độ chính xác cao và độ tin cậy cao để xây dựng một hệ thống nhận thức thông minh với sự kết hợp đa phương thức của thị giác, thính giác, khứu giác, xúc giác, v.v., để hoàn thành nhận dạng và phân tích thông minh, âm thanh bất thường nhận dạng, theo dõi nhiệt độ bất thường, phát hiện khói, phát hiện nồng độ khí độc hại, tránh chướng ngại vật tự động, tự động nắm bắt và các hoạt động khác.

(1) Nghiên cứu công nghệ nhận dạng thị giác máy và phát hiện trực quan trong các kịch bản ứng dụng mỏ than. Thông qua việc xử lý và hiểu biết hình ảnh, trước hết, robot có thể xác định và giám sát các thiết bị đo kỹ thuật số, màn hình LCD, đèn báo, van, v.v.; thứ hai, phát hiện chất lỏng nhỏ giọt trong đường ống, băng chạy và nứt; thứ ba, thực hiện xâm nhập nhân sự, nhân viên trực, phát hiện nhân viên mặc quần áo; thứ tư, xác định và theo dõi các vật thể lạ như gangue, que neo, khúc gỗ trên đường, ống sắt,… xuất hiện trên băng.

(2) Nghiên cứu về các công nghệ như khả năng nghe của robot, tức là phát hiện và nhận dạng âm thanh trong các tình huống ứng dụng mỏ than. Sử dụng cảm biến thu âm có độ nhạy cao, bộ xử lý tín hiệu số DSP tốc độ cao, kết hợp với công nghệ xử lý giảm nhiễu động thích ứng, trích xuất đặc điểm âm thanh và công nghệ nhận dạng thuật toán mô hình phát hiện để xác định âm thanh bất thường trong mỏ.

(3) Nghiên cứu công nghệ nhận dạng thông minh cho khứu giác của robot, tức là phát hiện khí trong các kịch bản ứng dụng mỏ than. Phát hiện chính xác khí metan, hydro sunfua, carbon monoxide, oxy và các loại khí khác trong môi trường và liệu khói có vượt quá giới hạn hay không, phát hiện kịp thời rò rỉ khí và cảnh báo sớm hỏa hoạn.

(4) Nghiên cứu công nghệ xúc giác cho robot trong các kịch bản ứng dụng mỏ than. Thu thập nhiệt độ của các vật thể như động cơ, máy bơm, vòng bi, con lăn, băng keo, v.v. thông qua tiếp xúc hoặc không tiếp xúc và phân tích dữ liệu; thông qua thiết bị cảm biến lực, giám sát thời gian thực lực tiếp xúc, lực kẹp, lực vận hành, ứng suất bên trong và nhận ra cảm biến lực và kiểm soát an toàn.

4.2 Học tập kiến thức và ra quyết định thông minh

Trước những vấn đề hiện tại về giao thức hệ thống robot mỏ than không tương thích và thiếu chia sẻ và tích hợp thông tin, chúng tôi sẽ tích hợp sâu robot mỏ than với công nghệ thông tin thế hệ mới, xây dựng một hệ thống tổng quát, tiêu chuẩn và linh hoạt để cùng học hỏi và chia sẻ kiến thức về than robot khai thác mỏ và vượt qua các nút thắt kỹ thuật về hiểu biết hiện trường của robot mỏ than, phát hiện an toàn, định vị chính xác, nhận thức tự động và điều hướng hiệu quả. Hiện thực hóa các dịch vụ trực tuyến dựa trên đám mây cho các công nghệ phổ biến của rô-bốt khai thác than nhằm giải quyết các hạn chế của từng rô-bốt riêng lẻ và cải thiện khả năng ra quyết định thông minh của rô-bốt khai thác than.

(1) Thiết lập một khuôn khổ học tập và khái quát hóa tích hợp cá nhân và tổng thể. Ở cấp độ cá nhân, một robot duy nhất tích hợp thông tin cảm biến, ra quyết định, điều khiển, cộng tác và tương tác giữa con người với robot trong quá trình vận hành và tiến hành đào tạo trực tuyến, theo thời gian thực, gia tăng thông qua khung học tập trí tuệ nhân tạo được đại diện bởi mạng lưới thần kinh để tự động điều chỉnh trạng thái hoạt động của robot và đạt được khả năng kiểm soát và ra quyết định tối ưu toàn chu trình. Ở cấp độ tổng thể, nhiều robot tải lên và phân phối kiến thức đã học được thông qua công nghệ thông tin thế hệ mới, để khi robot đối mặt với một nhiệm vụ vận hành hoàn toàn mới, nó có thể nhanh chóng làm quen với các đặc điểm vận hành với kết quả kiến thức của các robot khác, giảm thời gian học lại và nâng cao tính linh hoạt và khả năng thích ứng của nhiệm vụ tổng thể của hệ thống.

(2) Thiết lập chế độ hoạt động trong đó thân robot và đám mây được tích hợp. Đột phá mô hình tích hợp và R&D robot truyền thống, đồng thời hiện thực hóa lộ trình tích hợp và R&D robot mới tích hợp thân robot nhẹ cục bộ với khả năng xử lý dữ liệu hiệu suất cao trên đám mây với sự trợ giúp của "điện toán đám mây 5G +". Các thuật toán yêu cầu sức mạnh tính toán mạnh mẽ, chẳng hạn như nhận thức môi trường thông minh, nhận dạng mẫu, xây dựng bản đồ và điều hướng tự động, được chuyển lên đám mây và robot cục bộ tải dữ liệu của các cảm biến và bộ truyền động trên tàu lên đám mây theo thời gian thực và tối ưu hóa việc tính toán nhận thức, mô hình hóa và thực thi thông qua sức mạnh tính toán và xử lý dữ liệu mạnh mẽ của đám mây. Kết quả được gửi đến rô-bốt cục bộ theo thời gian thực, giúp giảm gánh nặng tính toán cho rô-bốt cục bộ và chuyển nhiều tài nguyên phần cứng hơn sang cảm biến và phía thực thi để đạt được thiết kế rô-bốt vận hành nhẹ, hợp lý và hiệu suất cao.

4.3 Điều khiển thông minh hoạt động hợp tác

Tích hợp công nghệ deep learning và laser/visual SLAM vào robot mỏ than, kết hợp với hệ thống cảm biến thông minh tổng hợp đa phương thức, thực hiện các chức năng chuyển động tự động, định vị chính xác, điều chỉnh vị trí, lập kế hoạch vận hành thông minh, vận hành tự động và cảm biến thảm họa thông minh của robot mỏ than trong môi trường mỏ phức tạp và thực hiện kiểm soát hợp tác thông minh các quy trình vận hành phát hiện, đào và hỗ trợ.

(1) Tích hợp công nghệ mạng lưới thần kinh vào việc điều khiển và lập kế hoạch vận hành hợp tác của nhiều robot mỏ than. Khả năng tự tổ chức, tự nhóm và tự điều phối của robot di động trong hầm mỏ để đạt được sự tích hợp của các thiết bị không đồng nhất. Thông qua các công nghệ phân tách nhiệm vụ, phân công nhiệm vụ và cân bằng tải thông minh, một nhóm robot trong môi trường phức tạp trong hầm mỏ được hình thành và các công nghệ như điều hướng tự động trong không gian ngầm, cảm biến trạng thái đa cảm biến, lập kế hoạch vận hành thông minh và cộng tác nhiều robot. điều khiển được áp dụng để thực hiện các hoạt động hợp tác hiệu quả giữa nhiều robot trong việc đào, khoan, khai thác, vận chuyển và hỗ trợ trên bề mặt làm việc.

(2) Mở rộng phương thức tương tác của con người với một robot duy nhất sang tương tác của con người với nhiều nhóm robot và hiện thực hóa sự can thiệp và cộng tác của người vận hành trên các nhóm robot. Trong quá trình vận hành robot mỏ than, mỗi robot không đồng nhất với các chức năng khác nhau tạo thành một bầy hợp tác gồm nhiều robot phức tạp. Đồng thời, nhóm cộng tác nhiều robot cần có khả năng cộng tác sâu với người vận hành. Thông qua công nghệ AI, chúng ta có thể vượt qua chế độ "thực thi lệnh" đơn giản của công nghệ tương tác giữa con người và robot hiện có và tích hợp sự can thiệp của con người vào chu trình điều khiển để hiện thực hóa một chế độ tương tác mới giữa con người và robot với "con người trong vòng lặp". ", và hiện thực hóa "nhóm hệ thống ngầm không người lái + nhóm hệ thống ngầm không người lái + nhóm hệ thống ngầm không người lái". nhóm hệ thống không người lái ngầm + người vận hành ngầm" phương thức hoạt động, để cải thiện hiệu quả hoạt động, tính linh hoạt và mạnh mẽ của hệ thống tổng thể.

Để đạt được mục tiêu mỏ than thông minh, chúng tôi sẽ thực hiện nghiên cứu về "robot mỏ than +", "robot mỏ than + 5G" để hiện thực hóa cảm biến và kết nối toàn diện, chia sẻ thông tin miền đầy đủ và tương tác đa kênh giữa con người và robot ; "Robot mỏ than + điện toán đám mây" Robot mỏ than + điện toán đám mây" nhận ra khả năng tương thích giữa bản thể luận robot nhẹ và chi phí thấp cũng như khả năng tính toán học tập hiệu suất cao; "Robot mỏ than + dữ liệu lớn" thực hiện dự đoán động, tích hợp thông tin và cung cấp cơ sở dữ liệu cho quá trình học tập tiến hóa của robot; "robot mỏ than + AI" Robot mỏ + AI" thực hiện nhận thức tự động thông minh, phân tích và ra quyết định tối ưu cũng như tiến hóa học tập kiến thức, từ đó hình thành một hệ thống thông minh hoàn chỉnh về nhận thức ba chiều, học tập tự chủ và hợp tác kiểm soát trong mỏ.

5 Triển vọng tương lai

Trí tuệ nhân tạo đã được ứng dụng rộng rãi trong lĩnh vực robot mỏ than và đã đạt được nhiều kết quả nghiên cứu hơn. Tuy nhiên, là một công nghệ tiên phong mới nổi, trí tuệ nhân tạo vẫn còn những hạn chế.

(1) Công nghệ AI hiện tại chủ yếu hướng đến một nhiệm vụ duy nhất và một khung AI chung có thể thực hiện nhiều nhiệm vụ vẫn chưa được hiện thực hóa. Ví dụ: các mô hình được đào tạo để nhận dạng hình ảnh không thể được sử dụng để phát hiện và nhận dạng âm thanh; Khung thuật toán để nhận dạng một đối tượng mục tiêu cụ thể không thể được mở rộng sang nhận dạng các đối tượng mục tiêu tùy ý và tập dữ liệu cần được xây dựng và đào tạo lại khi mục tiêu phân loại mới xuất hiện. Tính năng này hạn chế việc ứng dụng AI trong các tình huống nhiệm vụ phức tạp.

(2) Các thuật toán trí tuệ nhân tạo cần dựa vào một lượng lớn dữ liệu và các hoạt động như thu thập, xử lý, hiệu chuẩn và căn chỉnh dữ liệu cần phải được thực hiện thủ công, kém hiệu quả. Cách sử dụng lượng dữ liệu nhỏ hơn để đạt được hiệu suất cao hơn đã trở thành một trong những điểm nóng nghiên cứu hiện nay về phương pháp trí tuệ nhân tạo.

(3) Có nhiều loại robot khai thác than và tồn tại một số lượng lớn thiết bị cảm biến, thiết bị dẫn động và thiết bị dẫn động. Định dạng dữ liệu của mỗi thiết bị rất đa dạng và khó hình thành một giao diện dữ liệu thống nhất, khiến dữ liệu giữa mỗi hệ thống trở nên độc lập với nhau. Dữ liệu không tương thích khiến hệ thống AI gặp khó khăn trong việc điều phối robot trong từng phần của quy trình sản xuất mỏ than và khó có được đủ dữ liệu để hình thành kế hoạch thống nhất khép kín cho toàn bộ quy trình sản xuất.

(4) Môi trường mà robot khai thác than hoạt động là cực kỳ nguy hiểm nên chỉ riêng hệ thống AI hiện tại không thể đảm bảo mức độ an toàn và ổn định cao. Cách tích hợp hệ thống AI với sự can thiệp thủ công của người vận hành và tích hợp sự can thiệp của con người vào toàn bộ vòng vận hành của hệ thống AI trở thành một trong những yếu tố chính cần được giải quyết trong bước tiếp theo.

Trong tương lai, các hệ thống AI áp dụng cho robot mỏ than sẽ phát triển theo hướng khái quát hóa, chi phí thấp, thống nhất và cộng tác giữa con người và máy móc, với sự xuất hiện của khung thuật toán AI chung cho nhiều nhiệm vụ liên tục học hỏi và phát triển trực tuyến bằng cách sử dụng một lượng nhỏ dữ liệu và các phương pháp đào tạo chi phí thấp, có khả năng tích hợp dữ liệu chính từ tất cả các khía cạnh của quá trình sản xuất mỏ than để tính toán và lập kế hoạch tích hợp, đồng thời có thể cộng tác với nhau và với con người để đạt được. Có khả năng cộng tác với con người để đạt được hiệu quả, an toàn và sản xuất mỏ than tự trị.

6 Kết luận

Với sự phát triển của công nghệ trí tuệ nhân tạo, ngành khai thác than sẽ có sự thay đổi lớn. Với khả năng xây dựng mô hình, tính toán song song và lập kế hoạch hiệu quả của AI, trí thông minh và tự động hóa của robot mỏ than sẽ đạt đến một tầm cao mới, thực sự hiện thực hóa các yêu cầu an toàn và không người lái trong sản xuất mỏ than. Đồng thời, trí tuệ nhân tạo sẽ giúp tăng đáng kể hiệu quả sản xuất mỏ than và thúc đẩy sự phát triển an toàn, lành mạnh và bền vững của ngành khai thác than.