Применение искусственного интеллекта в робототехнике угольных шахт

Аннотация С быстрым развитием технологии искусственного интеллекта ее применение на угольных шахтах становится все более обширным. В процессе добычи угля острая потребность в замене роботов ускорила промышленное применение роботов для угольных шахт и применение технологии искусственного интеллекта в роботах для угольных шахт. Проанализировано и исследовано применение технологии искусственного интеллекта в угольных шахтных роботах, представлено основное содержание исследований технологии искусственного интеллекта и ее применения в промышленности, проанализирована текущая ситуация с применением искусственного интеллекта в угольном производстве, концепция Разработано эффективное применение технологии искусственного интеллекта к роботам угольных шахт, а также перспектива развития искусственного интеллекта в роботах угольных шахт.

Ключевые слова: искусственный интеллект, робот угольной шахты, интеллектуальное восприятие, интеллектуальное принятие решений, интеллектуальный мониторинг, робот для удаления материала.

0 Введение

Подземный процесс добычи и эксплуатации угольной шахты связан с проблемами спуска большого количества людей в шахту, высоким риском стихийных бедствий, высоким уровнем аварийности, суровыми условиями эксплуатации и серьезным загрязнением окружающей среды [1]. Столкнувшись с подземными операциями высокого риска, роботы для угольных шахт становятся одним из важных способов достижения цели безопасной и эффективной подземной добычи угля. Роботы для угольных шахт могут помочь или заменить людей при выполнении некоторых опасных операций по добыче полезных ископаемых и обеспечении безопасного и эффективного производства на угольных шахтах. Чтобы добиться того, чтобы никто не был в безопасности, роботы стали заменять шахтеров в подземных работах.

Благодаря стратегии «Сделано в Китае 2025», «Немецкой промышленности 4.0» и «Американскому промышленному Интернету», связи 5G, Интернету вещей, большим данным, облачным вычислениям и искусственному интеллекту. Постепенная зрелость таких технологий, как связь 5G, Интернет Вещи, большие данные, облачные вычисления и искусственный интеллект во многом способствовали трансформации и модернизации традиционной обрабатывающей промышленности Китая [2]. Являясь развивающейся наукой и технологией, искусственный интеллект может сделать компьютерные технологии более точными, быстрыми и удобными для выполнения сложных научных расчетов, которые человеческий мозг не способен выполнить, а также частичной замены, расширения и улучшения человеческого мозга, создавая таким образом интеллектуальные машины, способные выполнять сложные и опасные операции вместо людей [3].

Будущее производство угольных шахт будет развиваться в направлении беспилотного, автономного, интеллектуального и эффективного, в котором технологии искусственного интеллекта будут играть незаменимую роль, а разнообразные технологии искусственного интеллекта будут применяться к роботам угольных шахт [4]. Хотя нынешнее применение искусственного интеллекта в области промышленных угольных шахт все еще находится в стадии разработки, однако с все более широким применением технологий искусственного интеллекта в области угольных шахт строительство шахт с автоматическим управлением является неизбежным [5] .

1 Актуальные проблемы угольной отрасли

Угольная промышленность Китая развивалась более 40 лет, и добыча угольных минеральных ресурсов постепенно становится разумной, но все еще существуют некоторые узкие места, которые необходимо решить.

1.1 Технологии и оборудование нуждаются в обновлении

Хотя добыча и транспортировка угля в Китае прошли этапы цифровизации, автоматизации и информатизации, общий технический уровень и производственная оснащенность все еще ниже, чем в развитых странах [6]. Надзор за безопасностью предложил ускорить индустриализацию и применение угольных шахтных роботов для рытья, добычи угля, транспортировки, контроля безопасности, поддержки и спасения. Нынешний робот угольной шахты больше не просто выполняет простые повторяющиеся операции, он может чувствовать окружающую среду и давать обратную связь в реальном времени внешнему миру, но он еще не обладает способностью независимого мышления, идентификации, рассуждения, суждения и принятия решений. , и по-прежнему требует участия человека для выполнения некоторых сложных рабочих задач.

1.2 Серьезные угрозы безопасности

Угольная промышленность является отраслью высокого риска, и на каждом этапе производства существуют различные опасности: часто случаются вода, пожар, газ, угольная пыль, геологические образования и другие стихийные бедствия, а неизвестная сложная подземная среда серьезно угрожает безопасности жизни людей. операторы метрополитена. Хотя технологии интеллектуального мониторинга и раннего предупреждения угольных шахт на основе Интернета вещей, больших данных и облачных вычислений в значительной степени сократили количество аварий и гарантировали безопасную добычу на угольных шахтах, по-прежнему существует множество проблем. Низкая точность и чувствительность датчиков приводят к неполному и несвоевременному сбору информации о прекурсорах; системы мониторинга независимы друг от друга и имеют единую функцию, а глубина интеграции и интеграции приложений облачной платформы недостаточно глубока; безопасность базы данных системы мониторинга слабая; оборудованию для мониторинга не хватает глубокого обучения, а также способности к самоадаптации [7].

1.3 Серьезное загрязнение окружающей среды

Угольные шахты производят угольную пыль в процессе добычи, а также выделяют вредные газы, такие как окись углерода и двуокись углерода, которые загрязняют атмосферу [8]. В то же время производственные стоки угледобывающих предприятий содержат большое количество тяжелых металлов и кислотных веществ, которые легко могут просачиваться в почву или попадать в грунтовые воды, загрязняя геологию и водные источники. Проекты по добыче угля будут посягать на большое количество растительности и сельскохозяйственных угодий, а земля склонна к обрушению после добычи, что приведет к разрушению поверхностного слоя [9].

2 Основное содержание исследований искусственного интеллекта

2.1 Распознавание образов

Распознавание образов в технологии искусственного интеллекта использует мощные функции сбора, анализа и обработки данных передовых компьютерных технологий для моделирования человеческого восприятия и распознавания внешней среды путем предварительной настройки соответствующих программ. Интеллектуальные роботы, включающие распознавание образов, могут лучше имитировать сенсорные способности человека, распознавать символы, звуки, изображения, сцены и их объединенную информацию с высокой точностью, а также точно воспринимать и моделировать окружающую среду посредством получения информации из нескольких источников [10].

Машинное зрение в технологии искусственного интеллекта, как один из наиболее важных способов восприятия окружающей среды, имитирует зрительные возможности человека, чтобы улучшить понимание роботом скважинной среды, рабочих процессов и явлений обратной связи. Интеллектуальные роботы, использующие машинное зрение, во-первых, способны хорошо адаптироваться к скважинной операционной среде и хорошо взаимодействовать с другими искусственными устройствами; во-вторых, способность собирать больше информации о внешнем ландшафте, а также понимать и глубже вникать в содержание изображений с помощью стереозрения, визуального осмотра и методов динамического анализа изображений; и, в-третьих, способность оценивать явления обратной связи рабочего процесса и передавать информацию о состоянии робота в систему управления движением [11].

2.2 Экспертная система

Экспертные системы — это технологии, которые моделируют знания и опыт людей-экспертов и используются для решения таких проблем, как системные решения, процессы и сбои. С помощью методов искусственного интеллекта создаются системы знаний для скважинных систем, которые имитируют людей для решения практических проблем, возникающих во время операций. При решении реальных проблем эксперты-люди могут прогнозировать сбои системы, определять точки сбоя и генерировать решения по устранению неполадок на основе текущего состояния системы, например, изображений и звуков оборудования, параметров рабочих данных и состояния продукта. Поэтому экспертные системы обычно используются для прогнозирования, диагностики и устранения неисправностей. Кроме того, в обрабатывающей промышленности экспертные системы также используются для принятия решений по планированию производства, оптимизации производственных процессов, координации производства, оптимизации параметров оборудования.

2.3 Машинное обучение

Машинное обучение в технологиях искусственного интеллекта имитирует возможности человеческого обучения с помощью модельных рамок и алгоритмов для автоматического извлечения внутренних законов с помощью обучающих данных, информации об окружающей среде и обратной связи, чтобы улучшить производительность системы, а также повысить адаптацию к окружающей среде и надежность. Роботы, использующие машинное обучение, обладают человеческими возможностями извлечения законов и обобщения знаний, позволяющими выявлять эффективную информацию из большого количества собранных информационных ресурсов и учатся улучшать свой собственный интеллект. Технология машинного обучения позволяет эффективно решить ряд проблем в непредвиденных ситуациях и значительно снизить затраты на рабочую силу и производство [12].

2.4 Распределенный искусственный интеллект

Распределенная система искусственного интеллекта координирует планирование и контроль гетерогенных мультиинтеллектуальных систем организма путем научного и рационального объединения искусственного интеллекта и компьютерных технологий, чтобы повысить производительность системы искусственного интеллекта, улучшить возможности выполнения задач и повысить эффективность совместная работа каждой независимой системы в интеллектуальном роботе. Когда интеллектуальный робот сталкивается с непредвиденными ситуациями, он все равно может гарантировать нормальную работу каждой подсистемы. Текущая распределенная система искусственного интеллекта все еще находится на начальной стадии исследований и разработок, и техническая сложность заключается в том, как согласовать правила работы разных систем [13].

3 Статус применения искусственного интеллекта в роботах для угольных шахт

3.1 Применение искусственного интеллекта для управления движением роботов угольных шахт

Чтобы гарантировать, что роботы угольных шахт смогут правильно работать в сложных подземных средах, ученые-исследователи применили технологии искусственного интеллекта, такие как экспертные системы и искусственные нейронные сети, к методам управления движением роботов, алгоритмам и совместным операциям. Имитируя экспертное мышление и уровень знаний человека, роботы для угольных шахт могут решать некоторые сложные многомерные нелинейные задачи, сокращать количество операций по динамическому анализу системы, настройке параметров и обработке данных, а также повышать эффективность и точность управления.

Исследователи Ван Нянь и др. [14] разработали интеллектуального шахтного робота на основе встроенного UCOS и использовали сеть GSM для реализации дистанционного управления устройством; Исследователи Чжан Чуанкай и др. [15] использовали нейронную сеть BP, чтобы разработать метод измерения для определения угла поворота робота на основе скорости двигателя и времени работы, который может предоставить параметры угла для планирования траектории робота; Ван Сюэсонг и др. [16] исследовательский персонал аппроксимировали кинетические неопределенные параметры на основе улучшенной нейронной сети Элмана и отправили команды управления сервосистеме робота угольной шахты с помощью нейро-нечеткого контроллера; Сун Синь и др. [17] исследователи применили нейронные сети в области управления роботами для выполнения таких действий, как управление многосуставным соединением роботизированной руки, планирование конечной траектории и управление гидравлическим клапаном.

3.2 Применение искусственного интеллекта для интеллектуального восприятия и прогнозирования опасности робота угольной шахты

Роботы для горнодобывающей инспекции реализуют всестороннее восприятие информации о подземной среде, неся с собой различные датчики, отслеживая в реальном времени неисправности приборов и оборудования, информацию о безопасности персонала и стихийных бедствиях, таких как газ, угольная пыль, вода и пожар, а также своевременную выдачу раннего предупреждения для сократить количество аварий на угольных шахтах. Для решения некоторых технических проблем, таких как неточная идентификация и несвоевременный мониторинг в сложных подземных средах, исследователи используют технологии глубокого обучения, распознавания образов и экспертных систем для дальнейшего повышения точности идентификации робота и мониторинга в режиме реального времени возникающих подземных опасностей.

Исследователи Лу Ваньцзе и др. [18] использовали алгоритмы глубокого обучения, основанные на сверточных нейронных сетях, для моделирования и обучения оборудования угольных шахт, чтобы робот подземной инспекции мог точно идентифицировать тип оборудования угольных шахт; исследователи из Чжан Фань и др. [19] предложили метод реконструкции изображений горных работ на основе остаточных нейронных сетей для выявления мешающего воздействия подземного шума на визуализируемую рабочую среду, что эффективно улучшило четкость изображений мониторинга, а Не Чжэнь и др. [20] использовали генетический алгоритм на основе нейронной сети BP для построения интеллектуальной системы обнаружения газовой среды в туннелях и получения в реальном времени данных о распределении концентрации газа на различных участках туннеля на пути роботов-инспекторов угольных шахт; Пан Юэ и др. [21] использовали нейронную сеть BP для создания диагностической модели неисправностей вентилятора и установления соответствия между типами неисправностей вентилятора и частотными диапазонами вибрации ротора вентилятора, тем самым осуществляя диагностику неисправностей вентилятора. отношения, а затем выполнить диагностику неисправности вентилятора; Ян Цзюньцзе и др. [22] исследователи использовали искусственную нейронную сеть для создания диагностической модели неисправностей шестерни оборудования угольных шахт, используя входной сигнал для обучения модели нейронной сети, классификации выходного сигнала, а затем определения неисправности шестерни.

3.3 Применение искусственного интеллекта в автономной навигации и построении карт для роботов угольных шахт

Достижение автономного позиционирования и навигации в сложных неструктурированных условиях угольных шахт требует учета как невозможности применения технологии GPS непосредственно в скважине, так и необходимости преодоления помех от внешних факторов, таких как пыль, температура, влажность, шум и воздушный поток, что ставит выше требования к автономной и точной технологии позиционирования и навигации для роботов в ограниченных и закрытых скважинных средах. Создание карт, навигация по позиционированию, планирование пути и обход препятствий в реальном времени роботами угольных шахт на основе технологии искусственного интеллекта стали горячими точками прикладных исследований.

Бай Юнь [23] предложил нечеткую нейронную сеть с переменной структурой и применил ее к процессу зондирования окружающей среды подземными спасательными роботами-змеями, объединяя данные датчиков из нескольких источников для достижения распознавания препятствий и моделирования окружающей среды роботов-змей в суровых условиях; Фу Хуа и др. [24] исследователи использовали модель искусственной нейронной сети для моделирования и динамического описания рабочего пространства интеллектуальной системы мониторинга угольной шахты, используя модель нейронной сети для планирования пути обхода препятствий роботом; Чжан Яофэн и др. [25] исследователи использовали сетевую компенсацию ошибки измерения ультразвукового датчика подземного робота на основе сети Элмана, что значительно повысило точность ультразвукового определения дальности и обнаружения препятствий; Чжай Годун и др. [26] исследователи обобщили технологию бинокулярного зрения в роботе-спасателе угольной шахты для получения информации о месте происшествия и достижения автономного обхода препятствий и планирования пути, включая классификацию и распознавание образов, визуальные измерения и трехмерную реконструкцию, комбинированные измерения и локализацию, а также визуальную сервоуправление; Исследователи Ма Хунвэй и др. [27] создали систему машинного зрения на основе камеры глубины и предложили метод навигации на основе видения глубины, в котором робот оснащен камерой глубины RGB-D для сбора данных для создания карт и автономной навигации. .

4 Исследования интеллектуальных роботов для угольных шахт

Существуют различные виды технологий искусственного интеллекта, и основное содержание исследований, применяемых в области роботов угольных шахт, включает интеллектуальное восприятие мультимодального синтеза, обучение знаниям и интеллектуальное принятие решений, а также совместную работу интеллектуального управления. Благодаря восприятию, обучению, принятию решений и совместному управлению реализуется интеллектуальная разработка роботов для угольных шахт.

4.1 Мультимодальное слияние интеллектуального восприятия

Робот угольной шахты оснащен различными взрывозащищенными, высокоточными и высоконадежными датчиками для создания интеллектуальной системы восприятия с мультимодальным сочетанием зрения, слуха, обоняния, осязания и т. д. для интеллектуального распознавания и анализа аномального звука. распознавание, мониторинг аномальной температуры, обнаружение дыма, обнаружение концентрации вредного газа, автономное предотвращение препятствий, автономный захват и другие операции.

(1) Исследование технологий распознавания машинного зрения и визуального обнаружения в сценариях применения на угольных шахтах. Благодаря обработке и пониманию изображений робот способен, во-первых, идентифицировать и контролировать цифровые счетчики оборудования, ЖК-экраны, индикаторы, клапаны и т. д.; во-вторых, обнаружить капание жидкости в трубопроводе, движение ленты и растрескивание; в-третьих, осуществлять проникновение персонала, дежурство персонала, обнаружение переодевания персонала; в-четвертых, выявляйте и отслеживайте посторонние предметы, такие как пустая порода, анкерные стержни, бревна, железные трубы и т. д., появляющиеся на ленте.

(2) Исследование таких технологий, как слух роботов, т. е. обнаружение и распознавание звука в сценариях применения в угольных шахтах. Использование высокочувствительного датчика звукоснимателя, высокоскоростного цифрового сигнального процессора DSP в сочетании с технологией обработки адаптивного динамического шумоподавления, технологией извлечения звуковых характеристик и алгоритма распознавания модели обнаружения для выявления аномального звука в шахте.

(3) Исследование технологии интеллектуального распознавания роботизированного обоняния, то есть обнаружения газа в сценариях применения в угольных шахтах. Точное обнаружение метана, сероводорода, угарного газа, кислорода и других газов в окружающей среде, а также превышение дымом допустимых пределов, своевременное обнаружение утечек газа и раннее предупреждение о пожарах.

(4) Исследование тактильных технологий для роботов в сценариях применения на угольных шахтах. Собирать температуру таких объектов, как двигатели, насосы, подшипники, ролики, ленты и т. д. контактным или бесконтактным способом, и анализировать данные; с помощью оборудования для измерения силы, мониторинга в реальном времени силы контакта, силы захвата, рабочей силы, внутреннего напряжения, а также реализации измерения силы и контроля безопасности.

4.2 Обучение знаниям и разумное принятие решений

Учитывая текущие проблемы, связанные с несовместимостью протоколов системы роботов для угольных шахт и отсутствием обмена информацией и интеграции, мы глубоко интегрируем роботов для угольных шахт с информационными технологиями нового поколения, создадим обобщенную, стандартную и гибкую систему для взаимного обучения и обмена знаниями в области угля. шахтные роботы и преодолеть технические узкие места в понимании сцены роботов на угольных шахтах, обнаружении безопасности, точном позиционировании, автономном восприятии и эффективной навигации. Реализуйте облачные онлайн-сервисы для общих технологий роботов угольных шахт, чтобы устранить ограничения отдельных роботов и улучшить интеллектуальное принятие решений роботами угольных шахт.

(1) Создать структуру обучения и обобщения, которая объединяет личность и целое. На индивидуальном уровне один робот объединяет информацию о зондировании, принятии решений, управлении, сотрудничестве и взаимодействии человека с роботом во время работы, а также проводит поэтапное онлайн-обучение в реальном времени с помощью системы обучения искусственного интеллекта, представленной нейронными сетями, для динамического динамического обучения. корректировать рабочее состояние робота и достигать полного цикла оптимального управления и принятия решений. На общем уровне мультироботы загружают и распределяют полученные знания между собой с помощью информационных технологий нового поколения, так что, когда робот сталкивается с совершенно новой оперативной задачей, он может быстро ознакомиться с эксплуатационными характеристиками и результатами знаний. других роботов, сокращают время переобучения и повышают гибкость и адаптируемость всей системы.

(2) Установите режим работы, в котором корпус робота и облако интегрированы. Совершить прорыв в традиционной модели исследований и разработок и интеграции роботов, а также реализовать новый маршрут исследований и разработок роботов и интеграции, который объединяет локальный легкий корпус робота с возможностью высокопроизводительной обработки данных в облаке с помощью «5G + облачных вычислений». Алгоритмы, требующие мощной вычислительной мощности, такие как интеллектуальное восприятие окружающей среды, распознавание образов, построение карт и автономная навигация, переносятся в облако, а локальный робот загружает в облако данные бортовых датчиков и исполнительных механизмов в режиме реального времени. и оптимизирует расчеты восприятия, моделирования и выполнения за счет мощной обработки данных и вычислительной мощности облака. Результат отправляется локальному роботу в режиме реального времени, что снижает вычислительную нагрузку локального робота и перераспределяет больше аппаратных ресурсов на сторону датчиков и исполнения для достижения легкой, оптимизированной и высокопроизводительной конструкции рабочего робота.

4.3 Интеллектуальное управление совместной работой

Интеграция технологий глубокого обучения и лазерного/визуального SLAM в роботов угольных шахт в сочетании с интеллектуальной системой обнаружения мультимодального синтеза реализует функции автономного движения, точного позиционирования, корректировки положения, интеллектуального планирования операций, автономной работы и интеллектуального обнаружения стихийных бедствий роботов угольных шахт. в сложных шахтных условиях и реализует интеллектуальное совместное управление процессами обнаружения, копания и поддержки операций.

(1) Интеграция технологии нейронных сетей в совместное управление работой и планирование нескольких роботов угольных шахт. Самоорганизация, самогруппировка и самокоординация мобильных роботов в шахтах для достижения интеграции разнородного оборудования. Благодаря интеллектуальной декомпозиции задач, распределению задач и технологиям балансировки нагрузки формируется рой роботов в сложных средах в шахтах, а также такие технологии, как автономная навигация в подземном пространстве, определение состояния с помощью нескольких датчиков, интеллектуальное планирование операций и совместная работа нескольких роботов. управления применяются для реализации эффективных совместных операций нескольких роботов при рытье, бурении, добыче, транспортировке и поддержке.

(2) Распространение режима взаимодействия человека с одним роботом на взаимодействие человека с несколькими группами роботов, а также реализация вмешательства и сотрудничества операторов в группах роботов. Во время работы роботов на угольных шахтах каждый гетерогенный робот с различными функциями образует сложный совместный рой из нескольких роботов. В то же время совместный рой из нескольких роботов должен иметь возможность тесно сотрудничать с оператором. С помощью технологии искусственного интеллекта мы можем выйти за рамки простого режима «команда-выполнение-отображение» существующей технологии взаимодействия человека и робота и интегрировать вмешательство человека в цикл управления, чтобы реализовать новый режим взаимодействия человека и робота с «человеком в цикле». ", и реализовать "группу автоматических подземных систем + группу автоматических подземных систем + группу автоматических подземных систем". режим работы «подземная беспилотная система + подземный оператор» для повышения общей эффективности работы системы, гибкости задач и надежности.

Для достижения цели «умной угольной шахты» мы проведем исследование «Робот угольной шахты +», «Робот угольной шахты + 5G», чтобы реализовать комплексное зондирование и взаимосвязь, полный обмен информацией в домене и многоканальное взаимодействие человека и робота. ; «Робот угольной шахты + облачные вычисления» «Робот угольной шахты + облачные вычисления» реализует совместимость легкой и недорогой онтологии робота и высокопроизводительных вычислительных возможностей обучения; «Робот угольной шахты + большие данные» реализует динамическое прогнозирование, интеграцию информации и обеспечивает основу данных для эволюционного обучения роботов; «Робот угольной шахты + ИИ» «Робот угольной шахты + ИИ» реализует интеллектуальное автономное восприятие, оптимальный анализ и принятие решений, а также эволюцию обучения знаниям, таким образом формируя полную интеллектуальную систему трехмерного восприятия, автономного обучения и кооперативный контроль на шахте.

5 Перспективы на будущее

Искусственный интеллект широко применяется в области робототехники угольных шахт, и было достигнуто больше результатов исследований. Однако, будучи новой передовой технологией, искусственный интеллект по-прежнему имеет ограничения.

(1) Текущая технология ИИ в основном ориентирована на одну задачу, а общая структура ИИ, способная решать несколько задач, еще не реализована. Например, модели, обученные распознаванию изображений, нельзя использовать для обнаружения и распознавания звука; структуру алгоритма распознавания конкретного целевого объекта нельзя расширить до распознавания произвольных целевых объектов, а набор данных необходимо конструировать и переобучать при появлении новой цели классификации. Эта функция ограничивает применение ИИ в сложных сценариях задач.

(2) Алгоритмы искусственного интеллекта должны полагаться на большой объем данных, а такие операции, как сбор, обработка, калибровка и выравнивание данных, необходимо выполнять вручную, что менее эффективно. Вопрос о том, как использовать меньший объем данных для достижения более высокой производительности, стал одной из актуальных тем исследований методов искусственного интеллекта.

(3) Существует много типов роботов для угольных шахт, а также большое количество сенсорных устройств, приводных устройств и исполнительных устройств. Форматы данных каждого устройства разнообразны, и сложно сформировать единый интерфейс данных, сделав данные между каждой системой независимыми друг от друга. Несовместимые данные мешают системе искусственного интеллекта координировать работу роботов на каждой стадии производственного процесса на угольной шахте и получать достаточно данных для формирования единого плана замкнутого цикла для всего производственного процесса.

(4) Среда, в которой работают роботы угольных шахт, чрезвычайно опасна, поэтому сами по себе существующие системы искусственного интеллекта не могут гарантировать высокий уровень безопасности и стабильности. Как интегрировать систему ИИ с ручным вмешательством оператора и интегрировать вмешательство человека во весь рабочий цикл системы ИИ, становится одним из ключевых элементов, которые необходимо рассмотреть на следующем этапе.

В будущем системы искусственного интеллекта, применяемые к роботам угольных шахт, будут развиваться в направлении обобщения, низких накладных расходов, унификации и сотрудничества человека и машины с появлением общей структуры алгоритмов искусственного интеллекта для множества задач, которая постоянно обучается и развивается в режиме онлайн с использованием небольших объемов данных. и недорогие методы обучения, способные интегрировать ключевые данные со всех аспектов производства на угольных шахтах для интегрированных вычислений и планирования, а также способные сотрудничать друг с другом и людьми для достижения целей. Способны сотрудничать с людьми для достижения эффективных, безопасных и автономное угольное производство.

6. Заключение

С развитием технологий искусственного интеллекта в угольной промышленности произойдут серьезные изменения. Благодаря эффективному построению моделей, параллельным вычислениям и возможностям планирования искусственного интеллекта интеллект и автоматизация роботов угольных шахт выйдут на новый уровень, по-настоящему реализуя беспилотные и безопасные требования угольной добычи. В то же время искусственный интеллект позволит значительно повысить эффективность производства на угольных шахтах и будет способствовать безопасному, здоровому и устойчивому развитию угольной промышленности.