针对金属矿山井下斜坡道作业环境和车辆运行特点,设计出一种斜坡道运输智能化管理系统,通过监测分站同时采集地感线圈与车辆安装的射频识别卡(Radio Frequency Identification,RFID)信号,并利用CAN总线将信号上传至地面上位机,信号经上位机计算处理后,控制斜坡道口信号灯,实现对进出斜坡道路口的车辆控制以及车辆信息的自动识别。开发的斜坡道三维监测界面,能够实时、形象地反映斜坡道内车辆运行情况,便于井上人员及时掌控井下车辆的信息,能够有效防止车辆堵塞及事故的发生,实现对井下车辆的监控与调配,提高运输效率,保证井下人员生产作业安全。
机器学习因其可以自适应的处理大量数据、实现智能分类和预测等优点,在道岔故障检测与诊断(Fault Detection and Diagnosis,FDD)技术方面已经有了许多理论研究和应用。对基于数据的道岔故障诊断算法进行分类和整理,重点介绍基于特征提取和基于数据的建模方法,对于机器学习算法的选择和运用具有一定的指导意义。最后通过分析道岔在预测与健康管理(Prognostics and Health Management,PHM)方面的研究现状,对机器学习在道岔故障预测与健康管理领域的应用进行展望。