Följning och kontroll av ledstyrda maskiner med externa sensorer
Diarienummer | |
Koordinator | Örebro universitet - Center for Applied Autonomous Sensor Systems |
Bidrag från Vinnova | 4 496 653 kronor |
Projektets löptid | augusti 2017 - november 2021 |
Status | Avslutat |
Utlysning | SIP Swedish Mining Innovation -Strategiska innovationsprogrammet för Gruv och Metallutvinning |
Syfte och mål
En viktig teknik för att fjärrstyra gruvmaskins och ta bort operatören från farliga moment är förmågan att estimera och kontrollera alla olika leder för respektive arm. I TracMac projektet vi har utformad en helt nytt typ av metod för att uppskatta positionen av alla leder i armarna: med hjälp av analys av externa sensorer som estimerar djupdata och AI. Genom att ta bort alla sensorer från armen, syfter vi att få en mer robust hårdvara som klarar en tuff miljö. Den tekniken som vi har utvecklad kommer at utforskas vidare genom användning av nya sensorer specielt anpassad till en gruvmiljö.
Resultat och förväntade effekter
TracMac resulterade i utvecklingen av ny teknologi för fjärranalysör att uppskatta positionen av gruvmaskinens armarna i tuffa gruvmiljöer. I projektet har vi utvecklat mjukvarumoduler för att uppskatta tillståndet hos en ledad maskin, med hjälp av fjärranalys och maskininlärning. Den resulterande tekniken förväntas öka robustheten hos autonoma och fjärrstyrda maskiner och minska underhållskostnaderna.
Upplägg och genomförande
Projektet var planerat att pågå i tre år, men förlängdes på grund av covid-19-pandemin. Under det första året utvärderade vi den grundläggande tekniken för fjärranalys. Under det andra året implementerade vi ett prototypspårningssystem och utvärderade det under laboratorieförhållanden. Under det tredje året förbättrades spårningssystemet och utökades med en modul för modellering av hydraulslangar. Datainsamling för utvärdering i underjordsbrytning försenades under pandemin och slutfördes först under projektets sista månader.