检索结果-南通市图书馆

Drill bit wear monitoring and failure prediction for mining automation

International Journal of Mining Science and Technology 2023年第3期33卷 289-296页

作者： Hamed Rafezi Ferri Hassani Department of Mining and Materials Engineering McGill UniversityMontreal H3A 0G4Canada

This article introduces a novel approach for tricone bit wear condition monitoring and failure prediction for surface mining applications.A successful bit health monitoring system is essential to achieve fully autonomous blasthole *** this research in-situ vibration signals were analyzed in timefrequency domain and signals trend during tricone bit life span were investigated and introduced to support the development of artificial intelligence(AI)*** addition to the signal statistical features,wavelet packet energy distribution proved to be a powerful indicator for bit wear *** artificial neural network(ANN)models were designed,trained and evaluated for bit state ***,an ANN architecture and feature vector were introduced to classify the bit condition and predict the bit failure.

关键词： Drilling vibration Condition monitoring Failure prediction bit wear Wavelet energy Mining automation

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：