MétaCan
Menu
Retour à la cohorte
Enregistrement W7117585775 · doi:10.1155/atr/9965387

An Enhanced Security Autonomous Control System for Unmanned Rubber‐Tired Vehicles Operating in Underground Mines

2025· article· en· W7117585775 sur OpenAlexvenueno aff
Zhen Tan, Changzhong Ren, Yongjun Gao, Liang Gao, Baorui Jia, Yuan Nie, Ming Du, Ziyan Ma

Notice bibliographique

RevueJournal of Advanced Transportation · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Dynamics and Control Systems
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaChina Coal Technology Engineering Group
Mots-clésAutomationChassisCoal miningReliability (semiconductor)Scheme (mathematics)Underground mining (soft rock)Control (management)Controller (irrigation)

Résumé

récupéré en direct d'OpenAlex

The operating environment in underground mines is complex and fraught with various hazards that pose severe risks to miners’ safety. As an essential auxiliary transportation device in mines, the operational safety and reliability of rubber‐tired vehicles are crucial to coal mine production safety and efficiency. Therefore, developing an L4‐level autonomous driving system for these vehicles will accelerate the achievement of inherent safety in underground transportation, holding significant theoretical and practical value. This paper mainly studies and improves the control strategy of the chassis of the underground unmanned railless rubber wheeled vehicle and elaborates the MPC controller in detail, including its specific implementation principle, advantages and disadvantages, and the improvement should be carried out in the underground working conditions. Finally, a concrete feasible control scheme is given, and the safety and stability of the scheme are verified by experiments. This research offers theoretical foundations and technical support for the automation and intelligence of rubber‐tired vehicles in underground mines and has made important contributions to the application and industrialization of safe autonomous driving in such environments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,143
Score d'incertitude au seuil0,618

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,003
Tête enseignante GPT0,221
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetVehicle Dynamics and Control SystemsTravaux en français237 207