Nghiên cứu ứng dụng điều khiển hiện đại trong nổ mìn tại các mỏ lộ thiên ở Việt Nam

Nghiên cứu ứng dụng điều khiển hiện đại trong nổ mìn tại các mỏ lộ thiên ở Việt Nam.Nghiên cứu ứng dụng điều khiển hiện đại trong nổ mìn tại các mỏ lộ thiên ở Việt Nam.Nghiên cứu ứng dụng điều khiển hiện đại trong nổ mìn tại các mỏ lộ thiên ở Việt Nam.Nghiên cứu ứng dụng điều khiển hiện đại trong nổ mìn tại các mỏ lộ thiên ở Việt Nam.Nghiên cứu ứng dụng điều khiển hiện đại trong nổ mìn tại các mỏ lộ thiên ở Việt Nam.Nghiên cứu ứng dụng điều khiển hiện đại trong nổ mìn tại các mỏ lộ thiên ở Việt Nam.Nghiên cứu ứng dụng điều khiển hiện đại trong nổ mìn tại các mỏ lộ thiên ở Việt Nam.Nghiên cứu ứng dụng điều khiển hiện đại trong nổ mìn tại các mỏ lộ thiên ở Việt Nam.Nghiên cứu ứng dụng điều khiển hiện đại trong nổ mìn tại các mỏ lộ thiên ở Việt Nam.Nghiên cứu ứng dụng điều khiển hiện đại trong nổ mìn tại các mỏ lộ thiên ở Việt Nam.

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT - ĐÀO HIẾU NGHIÊN CỨU ỨNG DỤNG ĐIỀU KHIỂN HIỆN ĐẠI TRONG NỔ MÌN TẠI CÁC MỎ LỘ THIÊN Ở VIỆT NAM LUẬN ÁN TIẾN SĨ NGÀNH: KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA Hà Nội, 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT - ĐÀO HIẾU NGHIÊN CỨU ỨNG DỤNG ĐIỀU KHIỂN HIỆN ĐẠI TRONG NỔ MÌN TẠI CÁC MỎ LỘ THIÊN Ở VIỆT NAM Ngành : Kỹ thuật điều khiển Tự động hóa Mã số ngành: 9520216 HƯỚNG DẪN KHOA HỌC TS ĐẶNG VĂN CHÍ PGS TS PHẠM VĂN HÒA Hà Nội, năm 2022 i LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu riêng tơi Các số liệu, kết nghiên cứu nêu luận án trung thực, chưa công bố công trình khác Hà nội, ngày … tháng … năm 2022 Tác giả Luận án Đào Hiếu ii LỜI CẢM ƠN Tôi xin chân thành cảm ơn nhà khoa học, cán bộ, chun viên Bộ mơn Tự động hố xí nghiệp Mỏ Dầu khí; Khoa Cơ Điện; Phịng Đào tạo Sau Đại học; Ban Giám hiệu, Trường Đại học Mỏ - Địa chất tạo điều kiện giúp đỡ tơi q trình thực luận án với đề tài “ Nghiên cứu ứng dụng điều khiển đại nổ mìn mỏ lộ thiên Việt Nam” Tơi xin bày tỏ lịng cảm ơn chân thành giúp đỡ Tơi xin cảm anh Nguyễn Nho Chín, Nguyễn Đức Chính, nhân viên cơng ty Hố Chất Mỏ Cẩm Phả nhiệt tình giúp đỡ tơi q trình ghi chép, thu thập liệu thực tế mỏ than Núi Béo Tôi xin cảm ơn cán bộ, giảng viên, chuyên gia lĩnh vực nổ mìn thuộc mơn Khai thác Lộ thiên, trường đại học Mỏ Địa chất nhiệt tình đóng góp ý kiến chun mơn, hỗ trợ tơi q trình thực luận án Tơi xin bày tỏ lòng biết ơn sâu sắc tới TS Đặng Văn Chí PGS TS Phạm Văn Hồ dành nhiều tâm huyết trực tiếp hướng dẫn bảo tơi hồn thành luận án Tơi xin chân thành cảm ơn bạn bè, đồng nghiệp gia đình động viên, giúp đỡ thời gian thực luận án iii DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT AI – Artificial Intelligence – Trí tuệ nhân tạo ANN - Artificial Neural Network – Mạng nơ ron nhân tạo RF - Random Forest - Rừng ngẫu nhiên SVR - Support Vector Regression - Hồi quy véc tơ hỗ trợ CA - Cubist Algorithm – Thuật toán lập thể XGBoost - Extreme Gradient Boosting Machine – Mô hình độ dốc tăng cường PSO - Particle Swarm Optimization algorithm - Thuật toán tối ưu bầy đàn FFA - Firefly Algorithm - Thuật tốn tối ưu đom đóm KF – Kalman Filter – Bộ lọc Kalman EKF – Extend Kalman Filter – Bộ lọc Kalman mở rộng EM – Expectation Maximization – Thuật tốn tối đa hóa kỳ vọng iv DANH MỤC HÌNH VẼ Hình 1.1 Sơ đồ giao thoa sóng ứng suất nổ vi sai lượng thuốc cạnh .6 Hình 1.2 Sơ đồ tác dụng số mặt tự tạo mặt tự phụ [6] Hình 1.3 Các sơ đồ nổ vi sai [6] Hình 1.4 Hệ trục tọa độ dùng cho mơ tả sóng chấn động nổ mìn 10 Hình 1.5 Đồ thị quan hệ Vận tốc dao động hạt đất đá khối lượng thuốc nổ thời điểm [26] 13 Hình 1.6 Đồ thị quan hệ Vận tốc dao động hạt Khoảng cách [26] 13 Hình 1.7 Sự lan truyền sóng chấn động từ điểm nổ có sử dụng thời gian vi sai [66] 14 Hình 1.8 Sự cộng hưởng sóng chấn động [30] 17 Hình 1.9 Q trình cộng hưởng sóng chấn động [30] 17 Hình 1.10 Các thiết bị cơng nghệ sử dụng nổ mìn Thế giới [38] 25 Hình 1.11 Cấu trúc hệ thống quy trình thiết kế, thi cơng vụ nổ mìn với hỗ trợ phần mềm BIMS (Blast Information Management System) hãng Blasters Tool and Supply Co 26 Hình 1.12 Một số cơng nghệ áp dụng nổ mìn Việt Nam 29 Hình 1.13 Một dạng máy nổ mìn điện sử dụng thực tế 30 Hình 2.1 Đo liệu mỏ than Núi Béo 37 Hình 2.2 Một số kết đo ghi liệu chấn động mỏ Núi Béo 38 Hình 2.3 Dạng sơ đồ vi sai vụ nổ mỏ than Núi Béo 39 Hình 2.4 Đo liệu mỏ đá vôi Hồng Sơn 40 Hình 2.5 Một số kết đo ghi liệu mỏ đá vơi Hồng Sơn 40 Hình 2.6 Dạng sơ đồ vi sai sử dụng mỏ Hồng Sơn .41 Hình 2.7 Mơ tả lý thuyết phương pháp tính tốn vận tốc lan truyền sóng chấn động nổ mìn 43 Hình 2.8 Quy trình phân tích liệu sóng chấn động nổ mìn 45 v Hình 2.9 Thuật tốn xác định vị trí đỉnh sóng cao khoảng thời gian chúng 46 Hình 2.10 Sơ đồ nguyên lý thời gian vi sai vụ nổ NB1 phân tích .48 Hình 2.11 Dạng sóng chấn động đầy đủ thu trục L rung động tổng hợp PPV giây ghi liệu xét hướng trục vụ nổ NB1 48 Hình 2.12 Kết xác định nhóm đỉnh sóng theo trục L tổng hợp PPV vụ nổ NB1 49 Hình 2.13 Sơ đồ nguyên lý thời gian vi sai vụ NB2 phân tích 50 Hình 2.14 Dạng sóng chấn động đầy đủ thu trục L rung động tổng hợp PPV giây ghi liệu xét hướng trục vụ nổ NB2 51 Hình 2.15 Kết xác định nhóm đỉnh sóng theo trục L tổng hợp PPV vụ nổ NB2 52 Hình 2.16 Sơ đồ nguyên lý thời gian vi sai vụ nổ HS1 phân tích 54 Hình 2.17 Dạng sóng chấn động đầy đủ thu trục L rung động tổng hợp PPV giây ghi liệu xét hướng trục vụ nổ HS1 54 Hình 2.18 Kết xác định nhóm đỉnh sóng theo trục L tổng hợp PPV vụ nổ HS1 .55 Hình 2.19 Sơ đồ nguyên lý thời gian vi sai vụ nổ HS2 phân tích .57 Hình 2.20 Dạng sóng chấn động đầy đủ thu trục L rung động tổng hợp PPV giây ghi liệu xét hướng trục vụ nổ HS2 57 Hình 2.21 Kết xác định nhóm đỉnh sóng theo trục L tổng hợp PPV vụ nổ HS2 .59 Hình 3.1 Sơ đồ tương đương mơ tả vụ nổ mìn vi sai theo ngun lý hệ thống có điều khiển 64 Hình 3.2 Mơ hình nhận dạng cấu trúc nguyên lý điều khiển, dự báo 66 Hình 3.3 Nguyên lý hiệu chỉnh thời gian vi sai dự báo mức độ chấn động cho nổ mìn vi sai mỏ lộ thiên Việt Nam 66 Hình 3.4 Mơ hình cấu trúc trạng thái .70 Hình 3.5 Quy trình xử lý liệu lọc Kalman [76] .71 vi Hình 3.6 Quy trình xử lý liệu lọc Kalman mở rộng [82] 72 Hình 3.7 Ngun lý thuật tốn EM [82] 73 Hình 3.8 Mơ hình cấu trúc hệ thống tương đương 74 Hình 3.9 Hình ảnh mô tả kết lọc liệu vận tốc lan truyền biên độ sóng thuật tốn EKF với liệu thu mỏ Núi Béo 75 Hình 3.10 Kết xử lý liệu vận tốc lan truyền sóng chấn động khu vực mỏ Núi Béo thuật toán EKF kết hợp EM .75 Hình 3.11 Sơ đồ cấu trúc chung huấn luyện mạng nơ ron nhân tạo (ANN) để nhận dạng hệ thống 77 Hình 3.12 Quá trình kết huấn luyện mạng nơ ron nhân tạo ANN với lớp ẩn .78 Hình 3.13 Quá trình kết huấn luyện mạng nơ ron nhân tạo ANN với hai lớp ẩn trường hợp 79 Hình 3.14 Quá trình kết huấn luyện mạng nơ ron nhân tạo ANN với hai lớp ẩn trường hợp 80 Hình 3.15 Quá trình kết huấn luyện mạng nơ ron nhân tạo ANN với hai lớp ẩn trường hợp 80 Hình 3.16 Quá trình kết huấn luyện mạng nơ ron nhân tạo ANN với ba lớp ẩn 81 Hình 3.17 Kết kiểm tra mơ hình 83 Hình 3.18 Sơ đồ cấu trúc mơ tả trường hợp thử nghiệm 85 Hình 3.19 Các kết thử nghiệm với trường hợp thứ 1: Hai giá trị thời gian vi sai giống thay đổi khoảng 8-22 ms 86 Hình 3.20 Các kết thử nghiệm với trường hợp thứ .88 Hình 4.1 Thuật tốn xác định thời gian vi sai dự báo mức độ chấn động cho vụ nổ Vrd vận tốc rung động đỉnh; Tvs thời gian vi sai; Chỉ số vụ nổ kế tiếp; Chỉ số vụ nổ vừa thực 90 Hình 4.2 Cấu trúc hệ thống tự động điều chỉnh thời gian vi sai cho nổ mìn 95 vii Hình 4.3 Nguyên lý, quy trình vận hành hoạt động hệ thống tự động điều chỉnh thời gian vi sai cho nổ mìn 98 Hình 4.4 MyRio1900 – cấu trúc thông số kỹ thuật 101 Hình 4.5 Giải thuật chương trình đọc liệu cảm biến gia tốc viết cho MyRio 1900 102 Hình 4.6 Thử nghiệm thiết bị đo phịng thí nghiệm hệ trục tọa độ LVT 103 Hình 4.7 Thử nghiệm thực tế nhà dân nằm cạnh khu vực khai thác 103 Hình 4.8 Kết phân tích số liệu nghiên cứu 106 Hình 4.9 Dữ liệu rung động theo trục XYZ đo Myrio mỏ Núi Béo thuật toán EKF với lần lọc (EKF 1round); Kết hợp quy trình lọc thuận ngược (EKF forward backward); Lọc vòng (EKF 2round) .113 Hình 4.10 Sơ đồ cấu trúc thiết bị khởi nổ điện tử đa kênh độc lập 116 Hình 4.11 Thuật tốn điều khiển thiết bị khởi nổ đa kênh 119 Hình 4.12 Cấu trúc trạm cảm biến 120 Hình 4.13 Thuật toán điều khiển trạm cảm biến .121 viii DANH MỤC BẢNG BIỂU Bảng 1-1 Thời gian dãn cách nổ vi sai nhiều hàng (theo M.F.Drukovanui) [2] 19 Bảng 1-2 Quy chuẩn hệ số tỷ lệ khoảng cách Ds [19] 19 Bảng 2-1 Các thông tin đối tượng nghiên cứu 36 Bảng 2-2 Một số thơng tin q trình ghi lưu liệu chấn động khu vực vỉa khai thác lộ thiên, mỏ than Núi Béo 37 Bảng 2-3 Một số thơng số vụ nổ mìn có liệu ghi chép mỏ than Núi Béo .38 Bảng 2-4 Một số thông tin trình ghi lưu liệu chấn động khu vực mỏ đá vôi Hồng Sơn 39 Bảng 2-5 Một số thông số vụ nổ mìn có liệu ghi chép mỏ đá vôi Hồng Sơn 40 Bảng 2-6 Các kết tính tốn vận tốc lan truyền vụ nổ NB1 (m/s) .50 Bảng 2-7 Các kết tính tốn vận tốc lan truyền vụ nổ NB2 (m/s) .53 Bảng 2-8 Các kết tính tốn vận tốc lan truyền vụ nổ HS1 (m/s) 56 Bảng 2-9 Các kết tính tốn vận tốc lan truyền vụ nổ HS2 (m/s) 59 Bảng 3-1 Bảng so sánh kết thử nghiệm cấu trúc mơ hình mạng ANN 82 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 161.37 521.55 509.02 514.28 278.79 638.42 655.28 211.29 496.61 432.31 406.55 356.97 405.18 504.72 220.60 271.55 322.06 316.01 282.65 514.82 601.91 361.77 311.10 249.58 215.42 633.24 384.03 350.60 324.33 456.69 384.03 266.44 257.51 239.29 235.55 229.30 229.07 220.48 393.26 254.83 10 8 8 8 10 8 8 8 10 10 8 10 8 8 10 10 8 8 8 8 10 10 10 10 10 10 16 9 9 9 16 9 9 9 16 16 9 16 9 9 16 16 9 9 9 9 16 16 16 16 16 16 10.05 73 73 81 56.2 61 57 13.325 72.9 91 91 91 81 85 10 10 83.7 81 13.5 81 86 85 85 12 12 51 76 76 76 51 76 76 76 10 10 10 10 10 76 10 876.00 866.00 1059.00 949.00 990.00 1069.00 1083 1177 1273 1277 1097 1151 1160 1591 1417 1244 1071 1195 1195 1200 1162 1093 1362 1432 1363 1503 1543 1416 1451 1234 1545 995 1068 1158 1260 1136 1221 1207 1120 1342 1.41 1.50 1.76 1.98 1.74 1.70 1.72 1.16 1.71 2.53 2.39 1.60 1.75 1.73 1.73 1.53 1.58 1.11 1.24 1.35 1.14 1.54 1.95 1.34 1.54 2.22 2.01 1.95 1.82 2.31 1.97 1.24 1.62 1.48 1.47 1.75 1.75 1.64 2.33 1.55 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 227.54 217.70 179.72 633.24 592.29 406.10 386.92 230.15 284.52 284.52 449.72 426.56 403.75 458.86 431.15 346.83 409.54 423.62 349.74 431.15 346.83 317.72 409.54 409.54 349.74 458.86 431.15 317.72 338.00 409.54 409.54 409.54 409.54 307.56 320.30 297.11 183.13 449.04 371.84 349.29 10 10 10 8 8 10 10 10 8 8 8 10 8 8 10 10 8 8 8 8 8 8 10 10 8 16 16 16 9 9 16 16 16 9 9 9 16 9 9 16 16 9 9 9 9 9 9 16 16 9 10 10 10 61 61 70 70 15 15 15 86 86 86 81 56 56 81 14 61 57 57 57 14 14 85 85 85 51 51 51 51 51 55 81 81 55 14 14 84 84 1212 1555 1240 1470 1430 1273 1468 1626 1204 1057 1091 1344 1538 1473 1287 1636 1667 1419 1647 1786 1524 1825 1688 1496 1579 1561 1895 1152 1298 1216 1398 1620 1383 1435 1708 1761 1530 1817 1698 1983 1.72 1.62 1.49 1.72 1.96 1.59 1.09 1.52 1.11 1.41 2.23 2.02 2.17 1.78 2.26 1.96 1.25 1.74 1.29 1.57 1.61 1.08 1.42 1.76 1.12 1.50 1.90 3.46 2.14 3.31 1.66 1.98 1.65 1.95 1.36 1.65 1.43 1.68 1.70 1.59 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 323.29 358.45 422.03 268.70 303.92 375.77 310.57 277.16 475.18 380.57 313.96 356.10 354.64 454.74 443.00 386.87 467.45 437.62 380.16 377.12 354.30 359.09 341.66 326.73 368.46 353.36 339.28 335.34 308.51 328.02 317.81 335.84 354.18 374.72 315.04 413.04 510.45 512.17 291.60 302.65 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 81 81 81 57 57 85 57 57 51 81 81 91 91 91 91 61 84 84 84 85 85 85 85 85 85 85 85 85 85 91 91 91 91 56 97 56 73 62 62 62 1914 1998 1856 1540 1674 1219 1314 1097 1450 1447 1233 1207 1186 1220 1595 1167 1377 1365 1658 1209 1433 1284 1330 1357 1380 1299 1246 1550 1021 1487 1422 1342 1373 1615 1379 1321 1442 1447 1297 1381 1.17 1.40 1.97 1.05 1.65 1.65 1.85 1.79 1.30 1.28 2.69 2.73 2.82 1.58 1.46 1.19 1.17 1.30 2.69 1.64 2.12 1.31 2.67 3.04 1.29 1.81 3.73 1.80 2.93 4.09 2.05 2.01 1.76 1.98 1.94 1.25 1.25 1.51 2.29 3.17 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 468.67 292.55 276.74 124.15 114.24 113.53 507.58 594.55 459.80 333.77 381.12 373.31 381.12 365.31 350.99 363.55 334.63 291.43 317.41 307.74 358.22 378.85 357.68 392.32 249.13 150.66 158.91 152.24 8 10 10 10 8 10 8 10 10 8 8 8 8 10 10 10 10 9 16 16 16 9 16 9 16 16 9 9 9 9 16 16 16 16 61 61 53 10 10 10 61 61 56 14 57 57 51 14 14 52 52 61 51 51 52 52 57 51 14 12 12 12 1256 1377 1205 1240 1699 1180 1452 1220 1444 1595 1414 1273 1339 1425 1261 1135 1622 1679 1241 1236 1441 1222 1475 1203 1244 1321 1408 1370 1.11 2.65 3.50 2.69 4.19 4.49 1.16 1.45 1.94 1.84 1.92 1.93 2.32 1.17 1.25 1.30 2.68 3.52 2.94 3.10 1.61 1.75 1.20 1.27 1.28 1.52 1.43 1.62 Bộ liệu kiểm tra kết Các khoảng thời gian vi sai Khoảng đợt nổ STT cách đo liên tiếp (ms) (m) Thứ Thứ hai 284.52 284.52 10 10 16 16 Lượng thuốc tức thời lớn (kg) Vận tốc lan truyền sóng (m/s) Vận tốc dao động phần tử cực trị (mm/s) Kết neural Sai lệch (%) 15 15 1204 1057 1.110 1.408 1.143 1.410 2.97 0.13 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 449.72 426.56 403.75 458.86 431.15 346.83 409.54 423.62 349.74 431.15 346.83 317.72 409.54 409.54 349.74 458.86 431.15 317.72 338.00 409.54 409.54 409.54 409.54 307.56 320.30 297.11 183.13 449.04 371.84 349.29 323.29 358.45 422.03 268.70 303.92 375.77 310.57 277.16 475.18 380.57 313.96 356.10 8 8 8 10 8 8 10 10 8 8 8 8 8 8 10 10 8 8 8 8 8 8 8 9 9 9 16 9 9 16 16 9 9 9 9 9 9 16 16 9 9 9 9 9 9 9 86 86 86 81 56 56 81 14 61 57 57 57 14 14 85 85 85 51 51 51 51 51 55 81 81 55 14 14 84 84 81 81 81 57 57 85 57 57 51 81 81 91 1091 1344 1538 1473 1287 1636 1667 1419 1647 1786 1524 1825 1688 1496 1579 1561 1895 1152 1298 1216 1398 1620 1383 1435 1708 1761 1530 1817 1698 1983 1914 1998 1856 1540 1674 1219 1314 1097 1450 1447 1233 1207 2.234 2.020 2.169 1.781 2.260 1.960 1.250 1.744 1.290 1.570 1.610 1.080 1.420 1.759 1.118 1.500 1.900 3.460 2.140 3.310 1.660 1.980 1.650 1.950 1.360 1.651 1.430 1.680 1.700 1.590 1.170 1.400 1.967 1.050 1.653 1.650 1.850 1.789 1.301 1.280 2.690 2.730 2.234 2.042 2.139 1.790 2.266 1.958 1.252 1.758 1.284 1.572 1.576 1.076 1.417 1.764 1.122 1.495 1.897 3.469 2.133 3.300 1.653 1.980 1.635 1.955 1.348 1.669 1.608 1.664 1.690 1.591 1.179 1.404 1.976 1.038 1.634 1.626 1.837 1.785 1.297 1.286 2.684 2.841 0.01 1.09 1.39 0.49 0.27 0.10 0.16 0.82 0.50 0.13 2.11 0.37 0.21 0.29 0.37 0.33 0.16 0.26 0.33 0.30 0.41 0.00 0.91 0.26 0.88 1.08 12.45 0.95 0.59 0.06 0.77 0.29 0.48 1.14 1.14 1.45 0.68 0.24 0.31 0.48 0.22 4.07 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 354.64 454.74 443.00 386.87 467.45 437.62 380.16 377.12 354.30 359.09 341.66 326.73 368.46 353.36 339.28 335.34 308.51 328.02 317.81 335.84 354.18 374.72 315.04 413.04 510.45 512.17 291.60 302.65 468.67 292.55 276.74 124.15 114.24 113.53 507.58 594.55 459.80 333.77 381.12 373.31 381.12 365.31 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 10 10 10 8 10 8 10 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 16 16 16 9 16 9 16 91 91 91 61 84 84 84 85 85 85 85 85 85 85 85 85 85 91 91 91 91 56 97 56 73 62 62 62 61 61 53 10 10 10 61 61 56 14 57 57 51 14 1186 1220 1595 1167 1377 1365 1658 1209 1433 1284 1330 1357 1380 1299 1246 1550 1021 1487 1422 1342 1373 1615 1379 1321 1442 1447 1297 1381 1256 1377 1205 1240 1699 1180 1452 1220 1444 1595 1414 1273 1339 1425 2.820 1.580 1.460 1.190 1.170 1.300 2.690 1.644 2.120 1.305 2.667 3.040 1.290 1.810 3.730 1.799 2.930 4.090 2.050 2.010 1.760 1.980 1.940 1.252 1.250 1.510 2.290 3.170 1.110 2.646 3.500 2.690 4.188 4.490 1.160 1.450 1.943 1.838 1.918 1.930 2.320 1.170 2.683 1.610 1.464 1.187 1.168 1.272 2.702 1.591 2.133 1.345 2.695 3.033 1.262 1.822 3.700 1.803 2.928 4.068 2.052 2.017 1.754 1.989 1.971 1.249 1.252 1.480 2.325 3.186 1.109 2.624 3.501 2.689 4.170 4.472 1.200 1.453 1.958 1.831 1.904 1.916 2.335 1.179 4.86 1.90 0.27 0.25 0.17 2.15 0.45 3.20 0.61 3.05 1.04 0.23 2.17 0.66 0.80 0.22 0.07 0.54 0.10 0.35 0.34 0.45 1.60 0.27 0.16 1.99 1.53 0.50 0.09 0.82 0.03 0.04 0.43 0.40 3.45 0.21 0.79 0.41 0.74 0.73 0.65 0.77 87 88 89 90 91 92 93 94 95 96 97 98 99 100 350.99 363.55 334.63 291.43 317.41 307.74 358.22 378.85 357.68 392.32 249.13 150.66 158.91 152.24 10 8 8 8 8 10 10 10 10 16 9 9 9 9 16 16 16 16 14 52 52 61 51 51 52 52 57 51 14 12 12 12 1261 1135 1622 1679 1241 1236 1441 1222 1475 1203 1244 1321 1408 1370 1.250 1.300 2.680 3.520 2.940 3.100 1.613 1.751 1.201 1.270 1.280 1.520 1.430 1.620 Phụ lục 4: Các chương trình Chương trình lọc liệu Kalman EKF %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%% EKF FOR PPV %%%%%%%%%%%%%%%%% %Start with clear memory and close all plots clear all; close all; deltaT = 1/1; % Time step, 2048Hz time = 0.0; % Initial sim time dataStore = zeros(1022,6); % Data storage array % Create complementary filter parameters Rollk1 = 0.0; Rollk = 0.0; % Create Kalman filter parameters for Down xk = zeros(1,2); pk = [0.001 0 0.01]; K = zeros(1,2); phi = [0.76 0.001 0.01]; psi = [0.24 0]; 1.239 1.301 2.704 3.537 2.960 3.095 1.628 1.726 1.207 1.306 1.339 1.558 1.438 1.554 0.88 0.08 0.90 0.48 0.68 0.16 0.92 1.40 0.48 2.83 4.61 2.50 0.56 4.07 R = 0.01; Q = [0.00001 0 0]; H = [0.8 0]; % Creats the simulation loop Every 250 iteration in 1s of sim time (250Hz) data=xlsread('C:\Users\MyComputer\Desktop\LA\EKF_LA\dl_tohop.xls'); Input = data(:,8); endPoint = 1022; for i = 1:endPoint; Meask1 = Input(i); Meask1 = Input(i); Rollk1 = 0.8*Meask1 + 0.2*Meask1; uk = Meask1; zk = Meask1; % xk1Minus = phi * xk + psi * uk; xk1Minus(1) = phi(1) * xk(1) + phi(2) * xk(2) + psi(1) * uk; xk1Minus(2) = phi(3) * xk(1) + phi(4) * xk(2) + psi(2) * uk; % pk1Minus = phi * pk * phi' +0; pk1Minus(1) = (phi(1) * pk(1) + phi(2) * pk(3))* phi(1) + (phi(1) * pk(2) + phi(2) * pk(4))* phi(2) + Q(1); pk1Minus(2) = (phi(1) * pk(1) + phi(2) * pk(3))* phi(3) + (phi(1) * pk(2) + phi(2) * pk(4))* phi(4) + Q(2); pk1Minus(3) = (phi(3) * pk(1) + phi(4) * pk(3))* phi(1) + (phi(3) * pk(2) + phi(4) * pk(4))* phi(2) + Q(3); pk1Minus(4) = (phi(3) * pk(1) + phi(4) * pk(3))* phi(3) + (phi(3) * pk(2) + phi(4) * pk(4)) * phi(4) + Q(4); % S = H * pk1Minus * H' + R; S = (H(1)*pk1Minus(1) + H(2)*pk1Minus(3))*H(1) + (H(1)*pk1Minus(2) + H(2)*pk1Minus(4))*H(1) + R ; % K = pk1Minus * H' + inv(S); K(1) = (H(1)*pk1Minus(1) + H(2)*pk1Minus(2))/S; K(2) = (H(1)*pk1Minus(3) + H(2)*pk1Minus(4))/S; % xk1 = xk1Minus + K*(zk - H*xk1Minus); xk1(1) = xk1Minus(1) + K(1)*(zk - (H(1)*xk1Minus(1) + H(2)*xk1Minus(2))); xk1(2) = xk1Minus(2) + K(2)*(zk - (H(1)*xk1Minus(1) + H(2)*xk1Minus(2))); % pk1 = (eye(2,2) - K*H)*pk1Minus; pk1(1,1) = (1 - K(1)*H(1))*pk1Minus(1) +(0 - K(1)*H(2))*pk1Minus(3); pk1(1,2) = (1 - K(1)*H(1))*pk1Minus(2) +(0 - K(1)*H(2))*pk1Minus(4); pk1(2,1) = (1 - K(2)*H(1))*pk1Minus(1) +(0 - K(2)*H(2))*pk1Minus(3); pk1(2,2) = (1 - K(2)*H(1))*pk1Minus(2) +(0 - K(2)*H(2))*pk1Minus(4); % Reset values for next interation Rollk = Rollk1; time = time + deltaT; xk = xk1; pk = pk1; % Store data dataStore(i,:) = [time, Meask1 Meask1 Rollk1 xk1(1) xk1(2)]; end % Plot results %subplot(2,1,1); plot(dataStore(1:endPoint,1),dataStore(1:endPoint,4),'g'); hold on; %subplot(2,1,2); plot(dataStore(1:endPoint,1),dataStore(1:endPoint,5),'r'); axis([0 1050 7]); Chương trình thực thuật toán tối đa hoá kỳ vọng EM %% Expectation-Maximization (EM) Algorithm clc, clear, close all dataStore = zeros(497,2); % Data storage array % generate random data using two 2D Normal distributions with 100 data points Data=xlsread('C:\Users\MyComputer\Desktop\LA\EKF_2_EM_2_neural_LA\EKF _EM_data.xlsx'); Data_true = Data(:,3:4); Data_EKF = Data(:,5:6); % number of points in each cluster num_points = 1; % reshuffle the data labels %Data_r = [Data(:,1:2) randi(2,2*num_points,1)]; for i = num_points:497; Data_r = [Data(1:i,5:6) randi(2,i,1)]; % make some initial guess Param = make_initial_guess(); % run EM to find the parameters [Data_f, Param_f] = EM(Data_r, Param); D = Param_f.mu2; dataStore(i,:) = D; end figure; plot(Data_true(1:497,1),'g'); hold on; plot(Data_EKF(1:497,1),'b'); hold on; plot(dataStore(1:497,1),'r'); %axis([0 54 1300 1500]); xlabel('Data Number '); ylabel('Propagation Velocity (m/s)'); legend('True data','EKF-EM data'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function Param = make_initial_guess() Param = struct(); Param.mu1 = [1, 1]; Param.mu2 = [4, 4]; Param.sigma1 = [1 0; 1]; Param.sigma2 = [1 0; 1]; Param.lambda = [0.4, 0.6]; End %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function Data = expectation(Data, Param) for ii = 1: size(Data,1) x = Data(ii, 1:2); p_cluster1 = prob(x, Param.mu1, Param.sigma1, Param.lambda(1,1)); p_cluster2 = prob(x, Param.mu2, Param.sigma2, Param.lambda(1,2)); if p_cluster1 > p_cluster2 Data(ii, 3) = 1; else Data(ii, 3) = 2; end end end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function Param = maximization(Data, Param) points_in_cluster1 = Data(Data(:,3) == 1,:); points_in_cluster2 = Data(Data(:,3) == 2,:); percent_cluster1 = size(points_in_cluster1,1) / size(Data,1); percent_cluster2 = - percent_cluster1; % calculate the weights Param.lambda = [percent_cluster1, percent_cluster2]; % calculate the means Param.mu1 = [mean(points_in_cluster1(:,1)), mean(points_in_cluster1(:,2))]; Param.mu2 = [mean(points_in_cluster2(:,1)), mean(points_in_cluster2(:,2))]; % calculate the variances Param.sigma1 = [std(points_in_cluster1(:,1)) 0; std(points_in_cluster1(:,2))]; Param.sigma2 = [std(points_in_cluster2(:,1)) 0; std(points_in_cluster2(:,2))]; End %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function [Data_f, Param_f] = EM(Data, Param) shift = 10000; % a big number iter = 0; % counter epsilon = 0.001; % percision formatSpec = 'iteration: %d, error: %2.4f, mu1: [%2.4f %2.4f], mu2: [%2.4f %2.4f] \n'; while shift > epsilon iter = iter + 1; % E-step Data_ = expectation(Data, Param); % M-step Param_ = maximization(Data_, Param); % calculate the distance/error from the previous set of params shift = calc_distance(Param, Param_); fprintf(formatSpec, iter, shift, Param_.mu1, Param_.mu2); Data = Data_; Param = Param_; clear Data_ Param_ end Data_f = Data; Param_f = Param; End Chương trình huấn luyện mạng nơ ron nhận dạng hệ thống data=xlsread('C:\Users\MyComputer\Desktop\LA\Neural_LA\Du lieu dung cho neural.xlsx'); A=data(:,2); %Khoang cach B=data(:,3); %Vi sai lo C=data(:,4); %vi sai hang D=data(:,5); %Luong thuoc E=data(:,6); %van toc lan truyen input=[A';B';C';D';E']; F=data(:,7); %bien van toc dao dong max goal=[F']; net=newff(minmax(input),[69 60 1],{'tansig' 'tansig' 'purelin'},'trainscg'); net.trainParam.epochs=20000; net.trainParam.show=25; net.trainParam.showCommandLine=0; net.trainParam.showWindow=1; net.trainParam.time=inf; net.trainParam.min_grad=1e-4; net.trainParam.goal=1e-4; net.trainParam.max_fail=5; net.trainParam.sigma=5.0e-5; net.trainParam.lambda=5.0e-7; [net,tr]=train(net,input,goal); output=sim(net,input); gensim(net); HVDC_0 Phụ lục 5: Các vẽ thiết kế hình ảnh kết HR CC R DC S TR VRF 8U C V V1M 1D FC IR 1D C CB 765CIW Q _1 T DR - CCN8 1 Q 01 R254 B F C R E 1 C C2 R 304K N 324 K7 K 64 D H 1V6 _ 12 65 1R IVV4 44 R H R + P 42S H 2121 50 C 1E C3 67 K M0 /0 8083 T 5E M 1W53 n1 R u 5u RV 0R pu R FW F C FkF5RF 28/V /5 A 0 0/ 0K1 / W N- 01 840 u1 , P F0 0H 2 u uV S F n W FD F C _ Sơ đồ mạch tăng áp V_RDY R99 UC1 10R5W TR2 D26 D25 1N4007 U6 10 22k D27 1k R56 100 1N4007 TRAN-2P2S TIP41 TRIG_1 R55 1N4007 R54 Q13 TYN1225 R89 10k Sơ đồ mạch kích nổ Một số dạng module LORA Một số dạng module Sim OUT_1 C41 100nF Một số loại cảm biến gia tốc Mạch điều khiển trung tâm Mạch tăng áp tích trữ lượng Mạch tạo tín hiệu kích nổ với 10 kênh độc lập sử dụng biến áp xung Hình ảnh hệ thống ghép nối Kết mạch phần cứng sau thiết kế thành công thiết bị khởi nổ đa kênh vi sai điện tử ... GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT - ĐÀO HIẾU NGHIÊN CỨU ỨNG DỤNG ĐIỀU KHIỂN HIỆN ĐẠI TRONG NỔ MÌN TẠI CÁC MỎ LỘ THIÊN Ở VIỆT NAM Ngành : Kỹ thuật điều khiển Tự động hóa Mã số ngành:... nghệ, áp dụng cách phù hợp Do đó, đề tài “ Nghiên cứu ứng dụng điều khiển đại nổ mìn mỏ lộ thiên Việt Nam? ?? mang tính cấp thiết thời Mục tiêu nghiên cứu luận án Ứng dụng kỹ thuật điều khiển xác... nổ mìn mỏ lộ thiên Việt Nam Đối tượng, phạm vi nghiên cứu luận án - Đối tượng nghiên cứu đề tài phương pháp xác định điều khiển thời gian vi sai cho vụ nổ mìn mỏ lộ thiên Việt Nam - Phạm vi nghiên