Miehittämätön kuormain
5G-tekniikan ja miehittämättömän ajotekniikan kehittämisen ja soveltamisen myötä on otettu käyttöön avoimen kaivos-, miehittämättömän ajamisen ja maanalaisen sähköveturin ulottumattoman ajotekniikan maanalaisen sähköveturin. Maanalaisessa miehittämättömän kuormaimessa on toiminnot, jotka havaitaan automaattisesti maanalaisten ympäristötietojen, tiedonkeruu, autonominen ja tarkka navigointi, kaivospaikan karttojen rakentaminen ja automaattinen polun suunnittelu. Ruotsin Sandvikin käynnistämä yksittäinen miehittämätön kuormain automatisoidulle kuormaajalle ja kuorma-autolle voi saavuttaa puoliautomaation kaikista kuormaimen käyttö- ja valvontatoiminnoista, ja sitä on levitetty maanalaisissa kaivoksissa. [15]
Ämpäri -suuntaustekniikka
Kauhan radanhallinnan tutkimiseen sisältyvät menetelmät sisältävät sijainninhallinnan, käyttäytymispohjaiset menetelmät, impedanssinhallinta, sisäänpääsyn hallinta, tekoälymenetelmät ja vahvistusoppimismenetelmät. Eri kontrollimenetelmien mukaan kauhan radanhallintamenetelmät on jaettu kahteen luokkaan.
(1) Kauhan radanohjaus, joka perustuu voiman palautteeseen: Automaattinen kuormitusprosessi vaatii objektimuuttujien selkeän mittauksen ja objektimuuttujien hallinnan, jotta Loader -ämpäri voidaan suorittaa kaivostoimintojen suorittamiseen lyhyimmässä ajassa ja alhaisimmassa kulutuksen etenemissuunnassa. Tämä menetelmä sopii yhtenäisten materiaalien lataamiseen.
(2) Oppimispohjainen kauhan etenemissohjaus: Vuodesta 1980 vuoteen 1987 tekoäly (AI) -tekniikka ohjasi kultakaudella. Vuonna 1996 Yhdysvallat suoritti simuloidun robotin autonomisen kaivaustestin arvaamattomassa sumeassa ympäristössä. Tulokset osoittivat, että sen kaivausvaikutus oli verrattavissa ihmisoperaattorin kanssa, mutta se oli pahempaa kuin ihmisoperaattori kaivamisajan ja tehokkaan kuorman suhteen. Sveitsi, Yhdysvallat ja muut maat ovat tutkineet koneoppimisen soveltamista kaapimien kauhan etenemissohjauksessa ja saavuttaneet hyviä tuloksia tietyissä ympäristöissä ja olosuhteissa.
