The system was successfully tested

The system was successfully tested in an underground coal mine
(Frizzell et al., 1992). It was stated that the obtained results led to
improvements in sensory instruments for measuring the drilling
parameters of torque, thrust, penetration rate, and rotation rate, as
well as improvingways to display and record data for operators and
mine engineers. Hoffman (1994) introduced the development of a
computer monitored and controlled mast-type model roof drill.
The project was an extension of both the smart drill and the
parvNET-controlled model drill which were previously developed.
The system combined the monitoring and control features of the
earlier drills and added vibration analysis, and could use off-theshelf
controllers and data acquisition systems.
Utt (1999) and Utt et al. (2002) applied neural network technology
to the classification of mine roof strata in terms of relative
strength. They presented the results of the above-mentioned
project as a whole report and stated that it was expected that a
remote-control system could allowa drill operator to be positioned
in a safer location and be less likely to be under a roof fall. LaBelle
et al. (2000) and LaBelle (2001) instrumented a portable hydraulic
powered coal mine roof bolter drill to classify rock strata in coal
mines. They used a neural network to classify material lithology
where the inputs to the neural network were sensed drill parameters
such as thrust, torque, rotary speed and penetration rate, as
well as information derived from these sensors over time (Fig. 1). A
research teamofWest Virginia University performed a study on the
characterization of mine roof using the drilling parameters of an
instrumented roof bolter drill which started in 1999. A series of
manufactured roof rock blocks was tested in the laboratory. Some
underground tests were also conducted. Several graduate thesis
studies (Finfinger, 2003; Gu, 2003; Mirabile, 2003; Tang, 2006) and
papers (Finfinger et al., 2000, 2002) have been published on this
project. Finfinger (2003) conducted a series of experiments to
determine the relations between the drilling parameters and the
geomechanical roof rock properties including the presence of
fractures, joints and voids, the locations of rock layer boundaries,
and the strength of the rocks. Finfinger (2003) also stated that it
was impossible to determine the location of boundaries between
rock layers of different physical characteristics using the four primary
drilling parameters (thrust, torque, revolution per minute
(RPM), and penetration rate).

Kết quả (Việt) 1:

Hệ thống đã được thử nghiệm thành công trong một mỏ than đá ngầm(Frizzell et al., 1992). Đó tuyên bố rằng các kết quả thu được dẫn đếnnhững cải tiến trong cảm giác thiết bị đo khoanCác thông số của mô-men xoắn, lực đẩy, tỷ lệ thâm nhập và tốc độ vòng quay, nhưcũng như improvingways để hiển thị và ghi dữ liệu cho các nhà khai thác vàkỹ sư mỏ. Hoffman (1994) đã giới thiệu sự phát triển của mộtmáy tính giám sát và điều khiển kiểu cột buồm kiểu mái khoan.Dự án là một phần mở rộng của cả các máy khoan thông minh và cácparvNET điều khiển mô hình máy khoan trước đây đã được phát triển.Hệ thống kết hợp các tính năng giám sát và kiểm soát của cáctrước đó khoan thêm phân tích độ rung và có thể sử dụng ra theshelfbộ điều khiển và dữ liệu mua lại hệ thống.UTT (1999) và Utt et al. (2002) ứng dụng công nghệ mạng nơ-ronđể phân loại các mỏ địa tầng mái về thân nhânsức mạnh. Họ trình bày các kết quả của việc nói trêndự án như là một báo cáo toàn bộ và tuyên bố rằng nó đã được dự kiến sẽ có mộtHệ thống điều khiển từ xa có thể allowa khoan nhà điều hành để được vị tríở vị trí an toàn hơn và ít có khả năng dưới một mái nhà sụp đổ. LaBelleet al. (2000) và LaBelle (2001) instrumented portable thủy lựccung cấp than mỏ mái bolter khoan để phân loại các tầng đá ở thanmỏ. Họ đã sử dụng một mạng lưới thần kinh để phân loại vật liệu thànhđầu vào cho mạng nơ-ron đã cảm nhận khoan thông sốchẳng hạn như lực đẩy, mô-men xoắn, tốc độ quay và tỷ lệ thâm nhập, nhưcũng như các thông tin có nguồn gốc từ các bộ cảm biến theo thời gian (hình 1). AĐại học Virginia teamofWest nghiên cứu đã thực hiện một nghiên cứu trên cácCác đặc tính của tôi mái nhà bằng cách sử dụng các tham số khoan của mộtmái nhà instrumented bolter khoan bắt đầu vào năm 1999. Một loạt cácsản xuất mái đá khối đã được thử nghiệm trong phòng thí nghiệm. Một sốxét nghiệm ngầm cũng được tiến hành. Một số tốt nghiệp luận ánnghiên cứu (Finfinger, năm 2003; Gu, năm 2003; Mirabile, 2003; Tang, 2006) vàgiấy tờ (Finfinger et al., 2000, 2002) đã được xuất bản vào đâydự án. Finfinger (2003) đã tiến hành một loạt các thí nghiệm đểxác định các mối quan hệ giữa các thông số khoan và cácgeomechanical mái nhà đá thuộc tính bao gồm sự hiện diện củagãy xương, khớp và khoảng trống, các vị trí của đá lớp ranh giới,và sức mạnh của các loại đá. Finfinger (2003) cũng khẳng định rằng nókhông thể xác định vị trí của ranh giới giữaCác lớp đá của đặc điểm thể chất khác nhau bằng cách sử dụng bốn tiểukhoan thông số (lực đẩy, mô-men xoắn, cuộc cách mạng cho mỗi phút(RPM), và tỷ lệ thâm nhập).

Kết quả (Việt) 2:

H
(Frizzell et al., 1992). Đ
nh
thông s
c
các k Hoffman (1994) gi
máy tính theo dõi và ki
D
parvNET ki
H
cu
đ
Utt (1999) và Utt et al. (2002) áp d
để
m H
d
h
ở LaBelle
et al. (2000) và LaBelle (2001) instrumented m
ch
m H
, n
nh
c M
nghiên c
đặ
khoan instrumented mái L
kh M
th M
nghiên c
(. Finfinger et al, 2000, 2002) gi
c Finfinger (2003)
xác
thu
gãy x
và s Finfinger (2003) c
là không th
các l
các thông s
(RPM), và t

Kết quả (Việt) 3:

Hệ thống này đã thành công trong việc thử nghiệm dưới lòng đất ở một mỏ than( et al, 1992).Có người nói, đã có kết quả dẫn đếnDụng cụ đo các cải tiến của máy khoanMô men, đẩy, thâm nhập vào tốc độ và tốc độ quay của các tham số.Còn improvingways và hiển thị dữ liệu vận hành và hồ sơCác kỹ sư của tôi.Hoffman (1994) đã giới thiệu mộtCái kiểu cột buồm kiểu máy tính theo dõi trên mái nhà.Dự án này là một phần mở rộng của tập luyện và thông minh.Parvnet khoan là đã phát triển mô hình điều khiển.Hệ thống kết hợp chức năng giám sát và kiểm soátEarly huấn luyện và bổ sung vào phân tích sự rung động, và có thể dùng chiếcHệ thống điều khiển và thu thập dữ liệu.UTT et al (1999) và.Ứng dụng công nghệ mạng thần kinh (2002)Nhìn cái mỏ đá từ thuyết tương đối của những mái nhà phân loạiSức mạnh.Họ đã đưa ra kết quả nêu trên.Với tư cách là một tổng thể của dự án dự kiến báo cáo và chỉ ra,Hệ thống điều khiển từ xa, nhưng cho phép người vận hành có thể xác định vị trí khoanỞ một vị trí an toàn hơn, không quá có thể là trên mái nhà xuống.Belle.Et al.(2000) và Bell (2001) thiết bị di động thủy lực- Giữ chặt cái năng lượng mỏ than đá được khai thác ở tầng đất phân loạiKhu mỏ.Họ sử dụng mạng lưới thần kinh đã tiến hành phân loại vật liệuMột trong những mạng lưới thần kinh nhập thông số truyền cảm sâuNhư đẩy, mô men, tốc độ và tính thấm, nhưVà từ những bộ cảm biến thông tin theo thời gian (hình 1).MộtNghiên cứu của trường Đại học nghiên cứu teamofwest Virginia.Sử dụng máy khoan tham số nóc hầm mỏ- Giữ chặt cái kiếng khoan phát hiện bắt đầu vào năm 1999.Một loạtTạo mái đá tảng ở phòng thí nghiệm để kiểm tra rồi.Một sốCũng đã tiến hành thử nghiệm dưới lòng đất.Một vài nghiên cứu sinh.Nghiên cứu (finfinger, 2003; thung lũng, 2003; lưới, 2003; tang, 2006) vàThesis (finfinger et al, 20002002) đã được xuất bản ở đây.Project.Finfinger (2003) đã tiến hành một loạt các thí nghiệm.Chắc chắn là khoan giếng khoan có quan hệ với tham số tham sốNhững mái nhà có tính chất cơ học địa chất đá bao gồm tồn tạiKẽ nứt, thớ nứt và lỗ hổng, đá vị trí biên giới,Cường độ của đá.Finfinger (2003) cũng có nghĩa là, nóLà không thể xác định ranh giới giữa vị trí củaĐặc tính vật lý của đá khác nhau sử dụng bốn chínhGiàn khoan tham số (thrust, tốc độ mô men, mỗi phút)(mỗi phút với tốc độ), tỷ lệ phổ cập.