Advanced diagnostic system with ventilation on demand for underground mines
Notice bibliographique
Résumé
After a series of recent world wide mine tragedies, ranging from collapsing mines in China and Colombia to trapped miners in Chile, the importance of robust and reliable underground communication networks has become evident once again. A reliable underground communication network in mines will not only facilitate the day to day operations but will also help save many lives. However, designing reliable and robust underground network has always been a challenge due to the special nature of mines. These extreme and harsh mine conditions require special communication systems like leaky feeders, Through The Earth (TTE), and wireless mesh networks. While TTE is used in case of disaster recovery and locating trapped miners and wireless mesh is used for sensing the mine conditions, the leaky feeder system can be considered the most popular communication system used for daily operations. It carries voice, video, and data; however, the leaky feeder system is not reliable and problems are hard to diagnose. This paper describes a novel advanced diagnostic system with a ventilation on demand capability that enhances leaky feeders; this system will not only allow monitoring of all underground nodes connected to the leaky feeder. It will also allow remote programming from the control room above ground and monitoring the losses in the leaky feeder in the sense that the infrastructure will be able to monitor itself. Ventilation on demand is another advantage of this system as it will operate the underground mine ventilation fans depending on data collected from sensors attached to the leaky feeder. This will provide huge power savings since ventilation fans are responsible for about 60% of power consumption in mines. The system is described here along with simulation results proving its performance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».