EP4149686A2 - Method for controlling a crusher - Google Patents

Method for controlling a crusher

Info

Publication number
EP4149686A2
EP4149686A2 EP21728414.0A EP21728414A EP4149686A2 EP 4149686 A2 EP4149686 A2 EP 4149686A2 EP 21728414 A EP21728414 A EP 21728414A EP 4149686 A2 EP4149686 A2 EP 4149686A2
Authority
EP
European Patent Office
Prior art keywords
bulk material
effective diameter
drive
sensor
crusher
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP21728414.0A
Other languages
German (de)
French (fr)
Inventor
Christian HINTERDORFER
Christian Hinterreiter
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Rubble Master HMH GmbH
Original Assignee
Rubble Master HMH GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from ATA50420/2020A external-priority patent/AT523812B1/en
Priority claimed from ATA50422/2020A external-priority patent/AT523754A2/en
Priority claimed from ATA50423/2020A external-priority patent/AT523755A2/en
Application filed by Rubble Master HMH GmbH filed Critical Rubble Master HMH GmbH
Publication of EP4149686A2 publication Critical patent/EP4149686A2/en
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C18/00—Disintegrating by knives or other cutting or tearing members which chop material into fragments
    • B02C18/06—Disintegrating by knives or other cutting or tearing members which chop material into fragments with rotating knives
    • B02C18/16—Details
    • B02C18/22—Feed or discharge means
    • B02C18/2225—Feed means
    • B02C18/2291—Feed chute arrangements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C18/00—Disintegrating by knives or other cutting or tearing members which chop material into fragments
    • B02C18/06—Disintegrating by knives or other cutting or tearing members which chop material into fragments with rotating knives
    • B02C18/16—Details
    • B02C18/22—Feed or discharge means
    • B02C18/2225—Feed means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C23/00—Auxiliary methods or auxiliary devices or accessories specially adapted for crushing or disintegrating not provided for in preceding groups or not specially adapted to apparatus covered by a single preceding group
    • B02C23/02—Feeding devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C25/00—Control arrangements specially adapted for crushing or disintegrating
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C13/00—Disintegrating by mills having rotary beater elements ; Hammer mills
    • B02C13/26—Details
    • B02C13/286—Feeding or discharge
    • B02C2013/28618—Feeding means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C13/00—Disintegrating by mills having rotary beater elements ; Hammer mills
    • B02C13/26—Details
    • B02C13/286—Feeding or discharge
    • B02C2013/28618—Feeding means
    • B02C2013/28672—Feed chute arrangements
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Definitions

  • the invention relates to a method for regulating a crusher with a crushing tool and a vibratory conveyor having a drive, bulk material lying in a detection area being detected with a sensor.
  • the invention is therefore based on the object of improving a method of the type described at the outset in such a way that, in the case of grains with inhomogeneous Grain size distribution, even large grains can be crushed with the same crushing result without the risk of damaging the crusher.
  • the invention solves the problem in that an effective diameter deff resulting from the largest diameter dmax and its direction is determined as a control variable transversely to the conveying direction of a grain of the bulk material in the detection area and that when the effective diameter deff is exceeded above a specified power threshold value, the power of the breaking tool is increased and / or the drive is switched off when the effective diameter deff is exceeded above a predetermined switch-off limit value.
  • the grains conveyed through the detection area are categorized in which the effective diameter deff of the crowns is compared with comparison values.
  • the power threshold value can be provided as a comparison value, and when the effective diameter deff of a grain is exceeded, the power of the breaking tool is increased.
  • the associated increase in impact energy can prevent the engine from being crushed, i.e. an undesirable lowering of the speed of the crusher rotor, so that even large grains, whose effective diameter is close to the dimensions of the crusher inlet, can be crushed.
  • the power threshold value can be a specified grain diameter that is below a shutdown limit value.
  • a cut-off limit value can form a comparison value, which, if exceeded, interrupts the conveyance of the bulk material before it reaches the crusher.
  • the crusher itself can also be switched off.
  • various image processing methods known from the prior art can be used to determine the effective diameter.
  • the grains can be detected in the detection area of a sensor and subjected to particle segmentation, for example a watershed transformation.
  • the sensor can comprise, for example, an optical or a depth sensor, which records the grains in the detection area and in one maps two-dimensional image.
  • conclusions can be drawn about the largest diameter dmax and the effective diameter dett, which results from its direction, transversely to the conveying direction. This means that the effective diameter deff is obtained by projecting the largest diameter dmax onto a straight line running transversely to the conveying direction.
  • 2D image processing methods can be used, 3D image processing methods with the aid of a volume sensor as a sensor deliver better results with regard to the determination of the diameter, since this also enables the depth information of the grains detected to be determined.
  • the volume of the bulk material arranged in a detection area of a volume sensor is determined as a control variable at regular intervals and compared with a default value, for example a nominal volume input flow of the crusher. If the volume detected by the volume sensor per interval is below the specified value, the drive can be activated to increase the oscillation amplitude and / or to increase the oscillation frequency until the specified value is reached. If the preset value is exceeded, the drive can reduce the oscillation amplitude and / or the oscillation frequency until it falls below the preset value can be controlled. In a preferred embodiment, the regulation can also take place in such a way that the recorded volume is in a predetermined range as a default value.
  • a stereo camera which can determine the volume with the aid of common image processing methods can be provided as the volume sensor. As a drive for the vibratory conveyor, unbalance motors are usually provided.
  • an effective diameter deff be determined transversely to the conveying direction of a grain of the bulk material and that at least two actuators of the drive be controlled so that the more effective Diameter deff is reduced transversely to the conveying direction.
  • the actuators for example unbalance motors, other vibration exciters or dampers to influence their vibration amplitude and vibration frequency, can be controlled independently of one another, so that an alignment of the bulk material grain, also called grain in the following, is made possible through an asymmetrical vibration input.
  • the reduction in the effective diameter deff which results, for example, on the basis of the largest diameter dmax and its direction, can take place by aligning the largest diameter dmax in the conveying direction.
  • the direction of the largest diameter does not have to coincide exactly with the conveying direction, but can, for example, be within a tolerance angle.
  • the effective diameter deff can, however, also correspond to the expansion of a casing around the respective grain transversely to the conveying direction. Alignment can take place by increasing the drive power if the cross section of the conveyor trough of the vibratory conveyor is designed in such a way that the bulk material grains are aligned with their largest diameter in the conveying direction at an energetic minimum. This is the case, for example, when the conveyor trough is V-shaped in cross section.
  • the actuators can be activated to align the grain closest to the crusher inlet.
  • the crusher inlet of the crusher must be aligned such that the crusher inlet longitudinal axis is arranged parallel to the conveying direction, so that an inventive alignment of the bulk material grain enables it to pass through the crusher inlet.
  • the at least two actuators of the drive to reduce the effective diameter deff of the grains can be activated when the effective diameter deff is exceeded transversely to the conveying direction of a grain in the detection area above a predetermined alignment limit value.
  • This means that the alignment is only applied to those bulk material grains that can actually lead to a blockage of the crusher inlet.
  • This can be determined in that an effective diameter of the bulk material grain is compared with an alignment limit value, so that the alignment only takes place when this alignment limit value is exceeded.
  • the sensor can be a volume sensor which transmits an image of the bulk material arranged in its detection area to an evaluation unit, for example a screen.
  • the bulk material grains exceeding the alignment limit value, the switch-off limit value and the power threshold value can be marked in the image.
  • the senor comprises a depth sensor which generates a two-dimensional depth image of bulk material conveyed past the depth sensor and is fed to a previously trained, folding neural network, the at least three consecutive folding levels, so-called convolution layer and a downstream one Classifier, for example a so-called fully connected layer.
  • a volume classifier can be provided to determine the bulk material volume, the output value of which is defined as the im
  • the existing bulk material volume is output. Furthermore, a first diameter classifier can be provided for determining the largest diameter dmax, the output value of which is output as the largest diameter dmax of a grain lying in the detection range of the sensor. In addition, a second diameter classifier can be provided for determining the effective diameter detf, the output value of which is output as the largest effective diameter detf of a grain located in the detection range of the sensor. Finally, a power classifier or a shutdown classifier can be provided, the output value of which indicates that the largest effective diameter det f has exceeded a predetermined power threshold value or a predetermined shutdown limit value. As a result of these measures, the parameters of the bulk material can be determined even with varying lighting and conveying conditions.
  • the information required for determining parameters can be extracted from the depth information after a neural network used for this purpose has been trained with training depth images with known bulk material parameters.
  • the folding planes reduce the input depth images to a number of individual features, which in turn are evaluated by the downstream classifier so that the desired parameter of the bulk material depicted in the input depth image can be determined as a result.
  • the number of planned folding levels, each of which can be followed by a pooling level for information reduction can be at least three, preferably five, depending on the computing power available.
  • a plane for dimension reduction a so-called flattening layer, can be provided in a known manner.
  • the desired parameter therefore no longer has to be calculated for each individual grain. Since the distance between the depicted bulk material and the depth sensor is mapped with only one value for each pixel in the depth image, the amount of data to be processed can be reduced, the measurement process accelerated and the memory required for the neural network reduced, in contrast to the processing of color images. As a result, the neural network can be implemented on inexpensive Kl parallel computing units with GPU support and the method can be used regardless of the color of the bulk material.
  • the desired bulk material parameter can also be determined by accelerating the measurement process even at conveyor speeds of 3 m / s, preferably 4 m / s.
  • the aforementioned reduction in the amount of data in the depth image and thus in the neural network also reduces the susceptibility to errors for the correct determination of the bulk material parameter.
  • the use of depth images has the additional advantage that the measurement process is largely independent of changing exposure conditions.
  • a vgg16 network Simonyan / Zisserman, Very Deep Convolutional Networks for Large-Scale Image Recognition, 2015
  • the depth image can be captured with a 3D camera, for example, since it can be arranged above a vibratory conveyor even if there is little space available due to the smaller space requirement.
  • several successive output values of the classifier can also be averaged and the mean value as the desired parameter of the bulk material
  • Detection area can be output.
  • a described neural network can be used to control a crusher with a crushing tool and a vibratory conveyor having a drive, with Bulk material lying in a detection area is detected with a depth sensor, which generates a two-dimensional depth image of the bulk material conveyed past the depth sensor and is fed to a previously trained, folding neural network that has at least three consecutive folding levels and a downstream classifier, the output value of which is used as a parameter of the Bulk material present in the detection area is output.
  • the classifier can be a power classifier and / or a shutdown classifier, the power classifier indicating, as a positive output value, that the largest effective diameter deff is exceeded above a specified power threshold value and the shutdown classifier specifies, as a positive output value, that the largest effective diameter deff is exceeded above a specified shutdown limit value and at a positive output value of the power classifier increases the power of the breaking tool and / or with a positive output value of the shutdown classifier the drive of the vibratory conveyor is switched off.
  • the training of the neural network is made more difficult and the measurement accuracy decreases during operation if non-bulk material elements are in the detection range of the depth sensor. These include, for example, vibrating components of the bowl feeder itself, or other machine elements. To avoid the resulting disturbances, it is proposed that the values of those image points are removed from the depth image, the depth of which corresponds to a previously detected distance between the depth sensor and a background for this image point or exceeds this distance. In this way, disruptive image information, caused for example by vibrations of the unbalance motors, can be removed and both the depth images and the training depth images can be limited to the information relevant for the measurement.
  • the training of the neural network requires large amounts of training depth images that represent the bulk material to be recorded as exactly as possible. However, the amount of work required to measure the required amount of bulk material is extremely high.
  • sample depth images each of a sample grain with known individual parameters be recorded and stored together with the individual parameters, after which several sample depth images are randomly combined to form a training depth image, the one that is common Parameter for example the sum, the maximum value or the mean value of the individual parameters of the composite sample depth images is assigned, after which the training depth image on the input side and the assigned common parameter on the output side are fed to the neural network and the weights of the individual network nodes are adapted in a learning step.
  • the training method is therefore based on the consideration that by combining sample depth images of measured sample grains, diverse combinations of training depth images can be created. It is therefore sufficient to use example depth images with comparatively fewer example grains
  • the weights between the individual network nodes are adapted in a known manner in the individual training steps so that the actual output value corresponds as closely as possible to the predefined output value at the end of the neural network.
  • Different activation functions can be specified at the network nodes, which are decisive for whether a sum value present at the network node is passed on to the next level of the neural network.
  • the values of those image points are removed from the depth image, the depth of which corresponds to a previously detected distance between the depth sensor and the background, for example the conveyor trough of the vibratory conveyor, for this image point or exceeds this distance.
  • the training depth images and the depth images of the measured bulk material only have the information relevant for the measurement, as a result of which a more stable training behavior is achieved and the recognition rate is increased during use.
  • the neural network can be trained on any type of bulk material.
  • the example depth images are combined with a random alignment to form a training depth image.
  • the number of grains per example depth image the number of possible arrangements of the grains is significantly increased without more sample depth images having to be generated and an over-adaptation of the neural network is avoided.
  • Separation of the grains of the bulk material can be omitted and larger bulk material volumes can be determined with constant conveying speed of the conveyor belt if the sample depth images with partial overlaps are combined to form a training depth image, the depth value of the training depth image in the overlap area corresponding to the shallowest depth of both sample depth images.
  • the neural network can be trained to recognize such overlaps and still be able to determine the parameters of the sample grains.
  • FIG. 1 shows a schematic side view of a vibratory conveyor for carrying out the method according to the invention
  • FIG. 2 shows a plan view of such a vibratory conveyor on a larger scale.
  • a method according to the invention can be used for regulating a vibratory conveyor 1 shown in FIG. 1.
  • Vibratory conveyors 1 are used, for example, to feed crushers with bulk material 2.
  • an effective diameter deff resulting from the largest diameter dmax and its direction 9 is transverse to the conveying direction 8 a Grain of the bulk material 2 used as a control variable (Fig. 2).
  • the effective diameter deff is exceeded above a predetermined power threshold value, the power of a breaking tool of a crusher, not shown, is increased.
  • a sensor 3 is provided which records the bulk material 2 lying in its detection area 4 and transfers the recorded data to a control unit 6.
  • the control unit 6 can determine the diameter by means of common image processing methods or with the help of a previously trained neural network and control the drive 5 as well as a drive of the crusher (not shown) as a function of the predetermined limit or threshold values.
  • the drive 5 can furthermore be regulated in such a way that the volume of the bulk material 2 lying in the detection area 4 detected by the sensor 3 at predetermined intervals corresponds to a specified value as a control variable.
  • the drive 5 is controlled by adapting the oscillation amplitude and / or the oscillation frequency in such a way that the controlled variable corresponds to a preset value.
  • a default value can be, for example, a range of a nominal volume input flow for which a crusher to be charged is designed.
  • the grains of the bulk material 2 can be aligned by targeted control of the drive 5.
  • the drive 5 can comprise several unbalance motors 7 as drives which, via actuators, are independent of one another with regard to their
  • Vibration amplitude and frequency can be controlled.
  • an asymmetrical input of vibrations can be generated, whereby, for example, particularly long bulk material grains can be aligned in such a way that their largest diameter dmax is displaced in conveying direction 8 and thus their effective diameter is reduced to that resulting from the largest diameter dmax and its direction 9. Blocking of the crusher by particularly long bulk material 2 can thereby be prevented.
  • the effective diameter deff resulting from the largest diameter dmax and its direction 9 can be compared with an alignment limit value. Only when the
  • control device 6 switch off the drive 5 via a switch-off limit value when the effective diameter deff resulting from the largest diameter dmax and its direction 9 is exceeded.
  • the breaking tool can be activated by the control device 6 when the effective diameter deff exceeds a power threshold value.

Landscapes

  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Disintegrating Or Milling (AREA)
  • Crushing And Grinding (AREA)

Abstract

A description is given of a method for controlling a crusher having a crushing tool and a vibratory conveyor (1) having a drive (5), wherein bulk material (2) in a capture region (4) is captured using a sensor (3). So that, in the case of grains with an inhomogeneous grain size distribution, even large grains can be crushed with a constant crushing result without there being a risk of the crusher being damaged, it is proposed that an effective diameter deff, which results from the largest diameter dmax and the direction (9) thereof, transverse to the conveying direction (8) of a grain of the bulk material (2) is determined as the controlled variable in the capture region (4) and that, if the effective diameter deff exceeds a predefined power threshold value, the power of the crushing tool is increased and/or, if the effective diameter deff exceeds a predefined switch-off limit value, the drive (5) is switched off.

Description

Verfahren zur Regelung eines Brechers Method of controlling a crusher
Technisches Gebiet Die Erfindung bezieht sich auf Verfahren zur Regelung eines Brechers mit einem Brechwerkzeug und einem einen Antrieb aufweisenden Schwingförderer, wobei in einem Erfassungsbereich liegendes Schüttgut mit einem Sensor erfasst wird. TECHNICAL FIELD The invention relates to a method for regulating a crusher with a crushing tool and a vibratory conveyor having a drive, bulk material lying in a detection area being detected with a sensor.
Stand der Technik State of the art
Aus dem Stand der Technik ist es bekannt, Schwingförderer zum Beschicken von Brechern einzusetzen. Hierzu wird chargenweise Schüttgut, beispielsweise durch einen Bagger, auf den Schwingförderer aufgegeben. Um den Brecher möglichst gleichmäßig mit dem in Chargen aufgegebenen Schüttgut zu beschicken, ist es aus der DE19741524A1 bekannt, den Antrieb in Abhängigkeit der Schwingungsamplitude des Schwingförderers zu regeln. Hierzu wird ein optischer Sensor eingesetzt, der die Schwingungsamplitude in vorgegebenen Intervallen erfasst. Die Abweichung zwischen der Schwingungsamplitude in einem vorgegebenen Intervall und einem vorgegebenen Sollwert wird festgestellt, woraufhin der Antrieb des Schwingförderers zur Minimierung der Abweichung angesteuert wird. Vor allem zu zerkleinerndes Schüttgut hat eine äußerst inhomogene Korngrößenverteilung, sodass es beim Beschicken eines Brechers mithilfe der aus dem Stand der Technik bekannten Regelung zu einer Überlastung bzw. Blockierung des Brechers kommen kann, wenn in der Charge eine Vielzahl besonders großer Schüttgutkörner vorkommt. It is known from the prior art to use vibratory conveyors for charging crushers. For this purpose, bulk material is placed on the vibratory conveyor in batches, for example by an excavator. In order to feed the crusher as evenly as possible with the bulk material fed in batches, it is known from DE19741524A1 to regulate the drive as a function of the vibration amplitude of the vibratory conveyor. An optical sensor is used for this purpose, which records the oscillation amplitude at specified intervals. The deviation between the oscillation amplitude in a predefined interval and a predefined setpoint value is determined, whereupon the drive of the vibratory conveyor is activated to minimize the deviation. Above all, bulk material to be crushed has an extremely inhomogeneous grain size distribution, so that when a crusher is charged using the control system known from the prior art, the crusher can be overloaded or blocked if the batch contains a large number of particularly large bulk material grains.
Darstellung der Erfindung Der Erfindung liegt somit die Aufgabe zugrunde, ein Verfahren der eingangs geschilderten Art dahingehend zu verbessern, dass bei Körnen mit inhomogener Korngrößenverteilung auch große Körner bei gleichbleibendem Brechergebnis gebrochen werden können, ohne dass eine Gefahr der Beschädigung des Brechers besteht. DISCLOSURE OF THE INVENTION The invention is therefore based on the object of improving a method of the type described at the outset in such a way that, in the case of grains with inhomogeneous Grain size distribution, even large grains can be crushed with the same crushing result without the risk of damaging the crusher.
Die Erfindung löst die gestellte Aufgabe dadurch, dass als Regelgröße ein sich aufgrund des größten Durchmessers dmax und seiner Richtung ergebender effektiver Durchmessers deff quer zur Förderrichtung eines Kornes des Schüttguts im Erfassungsbereich bestimmt wird und dass bei Überschreiten des effektiven Durchmessers deff über einen vorgegebenen Leistungsschwellwert die Leistung des Brechwerkzeugs erhöht und/oder bei Überschreiten des effektiven Durchmessers deff über einen vorgegebenen Abschaltgrenzwert der Antrieb abgeschaltet wird. Zufolge der erfindungsgemäßen Maßnahmen erfolgt für die durch den Erfassungsbereich geförderten Körner eine Kategorisierung, bei der der effektive Durchmessers deff der Krönermit Vergleichswerten verglichen wird. Als Vergleichswert kann der Leistungsschwellwert vorgesehen sein, bei dessen Überschreiten des effektiven Durchmessers deff eines Kornes die Leistung des Brechwerkzeugs erhöht wird. Durch die damit einhergehende Erhöhung der Prallenergie kann eine Motordrückung, also eine unerwünschte Erniedrigung der Drehzahl des Brecherrotors verhindert werden, sodass auch große Körner, deren effektiver Durchmesser deff nahe an den Abmessungen des Brechereinlaufs liegt, zerkleinert werden können. Der Leistungsschwellwert kann ein festgelegter Korndurchmesser sein, der unterhalb eines Abschaltgrenzwert liegt. Um eine Beschädigung des Brechers zu verhindern, kann ein solcher Abschaltgrenzwert einen Vergleichswert bilden, bei dessen Überschreitung das Fördern des Schüttguts, noch bevor dieses zum Brecher gelangt, unterbrochen wird. In einer besonders sicheren Ausgestaltungsform des Verfahrens kann auch der Brecher selbst abgeschaltet werden. Grundsätzlich können zu Bestimmung des effektiven Durchmessers deff verschiedene aus dem Stand der Technik bekannte Bildverarbeitungsverfahren eingesetzt werden. Hierzu können die Körner im Erfassungsbereich eines Sensors erfasst und einer Partikelsegmentierung, beispielsweise einer Watershed-Transformation, unterzogen werden. Der Sensor kann zu diesem Zweck beispielsweise einen optischen oder einen Tiefensensor umfassen, der die Körner im Erfassungsbereich aufnimmt und in einem zweidimensionalen Bild abbildet. Durch Anwenden eines Bounding-Box- Verfahrens kann in weiterer Folge auf den größten Durchmessers dmax und auf den sich aufgrund seiner Richtung ergebenden effektiven Durchmessers dett quer zur Förderrichtung geschlossen werden. Dies bedeutet, dass sich der effektive Durchmesser deff durch Projektion des größten Durchmessers dmax auf eine quer zur Förderrichtung verlaufende Gerade ergibt. Obwohl 2D- Bildverarbeitungsverfahren eingesetzt werden können, liefern 3D- Bildverarbeitungsverfahren mithilfe eines Volumensensors als Sensor bessere Ergebnisse hinsichtlich der Durchmesserbestimmung, da dadurch auch die Tiefeninformation der erfassten Körner bestimmt werden kann. The invention solves the problem in that an effective diameter deff resulting from the largest diameter dmax and its direction is determined as a control variable transversely to the conveying direction of a grain of the bulk material in the detection area and that when the effective diameter deff is exceeded above a specified power threshold value, the power of the breaking tool is increased and / or the drive is switched off when the effective diameter deff is exceeded above a predetermined switch-off limit value. As a result of the measures according to the invention, the grains conveyed through the detection area are categorized in which the effective diameter deff of the crowns is compared with comparison values. The power threshold value can be provided as a comparison value, and when the effective diameter deff of a grain is exceeded, the power of the breaking tool is increased. The associated increase in impact energy can prevent the engine from being crushed, i.e. an undesirable lowering of the speed of the crusher rotor, so that even large grains, whose effective diameter is close to the dimensions of the crusher inlet, can be crushed. The power threshold value can be a specified grain diameter that is below a shutdown limit value. In order to prevent damage to the crusher, such a cut-off limit value can form a comparison value, which, if exceeded, interrupts the conveyance of the bulk material before it reaches the crusher. In a particularly safe embodiment of the method, the crusher itself can also be switched off. In principle, various image processing methods known from the prior art can be used to determine the effective diameter. For this purpose, the grains can be detected in the detection area of a sensor and subjected to particle segmentation, for example a watershed transformation. For this purpose, the sensor can comprise, for example, an optical or a depth sensor, which records the grains in the detection area and in one maps two-dimensional image. By using a bounding box method, conclusions can be drawn about the largest diameter dmax and the effective diameter dett, which results from its direction, transversely to the conveying direction. This means that the effective diameter deff is obtained by projecting the largest diameter dmax onto a straight line running transversely to the conveying direction. Although 2D image processing methods can be used, 3D image processing methods with the aid of a volume sensor as a sensor deliver better results with regard to the determination of the diameter, since this also enables the depth information of the grains detected to be determined.
Während die Leistungserhöhung des Brechers, als auch das gezielte Abschalten des Schwingförderers vor allem bei Schüttgut mit großen Körnern zu einer Effizienzerhöhung des Zerkleinerungsvorgangs führen, greifen diese Maßnahmen nicht bei kleinen Körnen, die gegebenenfalls gar nicht durch den Brecher zerkleinert werden können. Um daher auch eine gleichmäßige und effiziente Beschickung des Brechers für Schüttgut mit stark unterschiedlicher Korngrößenverteilung zu erzielen, wird vorgeschlagen, dass der Antrieb so geregelt wird, dass das in vorgegebenen Intervallen von einem Volumensensor erfasste Volumen des in einem Erfassungsbereich liegenden Schüttguts als Regelgröße einem Vorgabewert entspricht. Zufolge dieser Maßnahme wird nicht die Schwingungsamplitude des Schwingförderers, sondern der Volumenstrom selbst konstant gehalten, wodurch eine gleichmäßige Beschickung des Brechers unabhängig von der Korngrößenverteilung des Schüttguts ermöglicht wird. Hierzu wird in regelmäßigen Intervallen das Volumen des in einem Erfassungsbereich eines Volumensensors angeordneten Schüttguts als Regelgröße bestimmt und mit einem Vorgabewert, beispielsweise einem Nennvolumeneingangsstrom des Brechers verglichen. Liegt das vom Volumensensor erfasste Volumen pro Intervall unter dem Vorgabewert, so kann der Antrieb zur Erhöhung der Schwingungsamplitude und/oder zur Erhöhung der Schwingungsfrequenz angesteuert werden bis der Vorgabewert erreicht wird. Bei einer Überschreitung des Vorgabewertes kann der Antrieb zur Erniedrigung der Schwingungsamplitude und/oder der Schwingungsfrequenz bis zur Unterschreitung des Vorgabewertes angesteuert werden. In einer bevorzugten Ausführungsform kann die Regelung auch so erfolgen, dass das erfasste Volumen in einem vorgegebenen Bereich als Vorgabewert liegt. Als Volumensensor kann eine Stereokamera vorgesehen sein, die das Volumen mithilfe gängiger Bildverarbeitungsverfahren bestimmen kann. Als Antrieb für den Schwingförderer sind üblicherweise Unwuchtmotoren vorgesehen. While the increase in performance of the crusher and the targeted shutdown of the vibratory conveyor lead to an increase in the efficiency of the crushing process, especially for bulk material with large grains, these measures do not apply to small grains that may not be able to be crushed by the crusher. In order to achieve a uniform and efficient charging of the crusher for bulk material with widely differing grain size distributions, it is proposed that the drive be regulated in such a way that the volume of the bulk material lying in a detection area as a controlled variable corresponds to a specified value, which is recorded by a volume sensor at predetermined intervals . As a result of this measure, it is not the vibration amplitude of the vibratory conveyor but the volume flow itself that is kept constant, which enables uniform charging of the crusher regardless of the grain size distribution of the bulk material. For this purpose, the volume of the bulk material arranged in a detection area of a volume sensor is determined as a control variable at regular intervals and compared with a default value, for example a nominal volume input flow of the crusher. If the volume detected by the volume sensor per interval is below the specified value, the drive can be activated to increase the oscillation amplitude and / or to increase the oscillation frequency until the specified value is reached. If the preset value is exceeded, the drive can reduce the oscillation amplitude and / or the oscillation frequency until it falls below the preset value can be controlled. In a preferred embodiment, the regulation can also take place in such a way that the recorded volume is in a predetermined range as a default value. A stereo camera which can determine the volume with the aid of common image processing methods can be provided as the volume sensor. As a drive for the vibratory conveyor, unbalance motors are usually provided.
Beim Fördern von besonders grobem Schüttgut können regelmäßig Körner auftreten, deren größter Durchmesser den Brechereinlauf des Brechers überschreitet. Um daher eine Blockierung des Brechers zu verhindern, ohne den Förder- bzw. Zerkleinerungsprozess stoppen zu müssen, wird vorgeschlagen, dass ein effektiver Durchmessers deff quer zur Förderrichtung eines Kornes des Schüttguts bestimmt wird und wenigstens zwei Stellglieder des Antriebs so angesteuert werden, dass der effektiver Durchmessers deff quer zur Förderrichtung verkleinert wird. Zur Verlagerung der Schüttgutkörner können die Stellglieder, beispielsweise Unwuchtmotoren, andere Vibrationserreger oder - dämpfer zur Beeinflussung ihrer Schwingungsamplitude und Schwingungsfrequenz unabhängig voneinander angesteuert werden, sodass durch einen asymmetrischen Schwingungseintrag eine Ausrichtung des Schüttgutkorns, im Folgenden auch Korn genannt, ermöglicht wird. Die Verkleinerung des effektiven Durchmessers deff, der sich beispielsweise aufgrund des größten Durchmessers dmax und seiner Richtung ergibt, kann durch eine Ausrichtung des größten Durchmessers dmax in Förderrichtung erfolgen. Die Richtung des größten Durchmessers muss dabei nicht exakt mit der Förderrichtung übereinstimmen, sondern kann beispielsweise innerhalb eines Toleranzwinkels liegen. Der effektive Durchmesser deff kann aber auch der Ausdehnung eines Hüllkörpers um das jeweilige Korn quer zur Förderrichtung entsprechen. Eine Ausrichtung kann durch Erhöhung der Antriebsleistung erfolgen, wenn der Querschnitt der Förderrinne des Schwingförderers so ausgebildet ist, dass die Schüttgutkörner in einem energetischen Minimum mit ihrem größten Durchmesser in Förderrichtung ausgerichtet sind. Dies ist beispielsweise dann der Fall, wenn die Förderrinne im Querschnitt V-förmig ausgebildet ist. Sind am Schwingförderer mehrere Körner, deren effektiver Durchmesser den Brechereinlauf des Brechers überschreitet, so können die Stellglieder zur Ausrichtung des dem Brechereinlauf nächstgelegenen Kornes angesteuert werden. Es muss wohl nicht weiter erwähnt werden, dass der Brechereinlauf des Brechers so ausgerichtet sein muss, dass die Brechereinlauflängsachse parallel zur Förderrichtung angeordnet ist, sodass eine erfindungsgemäße Ausrichtung des Schüttgutkorns ein Passieren des Brechereinlaufs ermöglicht. When conveying particularly coarse bulk material, grains can regularly appear whose largest diameter exceeds the crusher inlet of the crusher. In order to prevent the crusher from blocking without having to stop the conveying or crushing process, it is proposed that an effective diameter deff be determined transversely to the conveying direction of a grain of the bulk material and that at least two actuators of the drive be controlled so that the more effective Diameter deff is reduced transversely to the conveying direction. To move the bulk material grains, the actuators, for example unbalance motors, other vibration exciters or dampers to influence their vibration amplitude and vibration frequency, can be controlled independently of one another, so that an alignment of the bulk material grain, also called grain in the following, is made possible through an asymmetrical vibration input. The reduction in the effective diameter deff, which results, for example, on the basis of the largest diameter dmax and its direction, can take place by aligning the largest diameter dmax in the conveying direction. The direction of the largest diameter does not have to coincide exactly with the conveying direction, but can, for example, be within a tolerance angle. The effective diameter deff can, however, also correspond to the expansion of a casing around the respective grain transversely to the conveying direction. Alignment can take place by increasing the drive power if the cross section of the conveyor trough of the vibratory conveyor is designed in such a way that the bulk material grains are aligned with their largest diameter in the conveying direction at an energetic minimum. This is the case, for example, when the conveyor trough is V-shaped in cross section. If there are several grains on the vibratory conveyor, whose more effective Diameter exceeds the crusher inlet of the crusher, the actuators can be activated to align the grain closest to the crusher inlet. Needless to say, the crusher inlet of the crusher must be aligned such that the crusher inlet longitudinal axis is arranged parallel to the conveying direction, so that an inventive alignment of the bulk material grain enables it to pass through the crusher inlet.
Um die Ausrichtung der Schüttgutkörner besonders energieeffizient durchführen zu können, können bei Überschreiten des effektiven Durchmessers deff quer zur Förderrichtung eines Kornes im Erfassungsbereich über einen vorgegebenen Ausrichtungsgrenzwert die wenigstens zwei Stellglieder des Antriebs zur Verkleinerung des effektiven Durchmessers deff der Körner angesteuert werden. Dies bedeutet, dass die Ausrichtung nur auf solche Schüttgutkörner angewendet wird, die auch tatsächlich zu einer Blockierung des Brechereinlaufs führen können. Dies kann dadurch ermittelt werden, dass ein effektiver Durchmesser des Schüttgutkornes mit einem Ausrichtungsgrenzwert verglichen wird, sodass die Ausrichtung erst bei Überschreitung dieses Ausrichtungsgrenzwertes erfolgt. In order to be able to carry out the alignment of the bulk material grains in a particularly energy-efficient manner, the at least two actuators of the drive to reduce the effective diameter deff of the grains can be activated when the effective diameter deff is exceeded transversely to the conveying direction of a grain in the detection area above a predetermined alignment limit value. This means that the alignment is only applied to those bulk material grains that can actually lead to a blockage of the crusher inlet. This can be determined in that an effective diameter of the bulk material grain is compared with an alignment limit value, so that the alignment only takes place when this alignment limit value is exceeded.
Der Sensor kann ein Volumensensor sein, der ein Abbild des in seinem Erfassungsbereich angeordneten Schüttguts an eine Auswerteeinheit, beispielsweise einen Bildschirm, übermittelt. Im Abbild können dabei die den Ausrichtungsgrenzwert, den Abschaltgrenzwert und den Leistungsschwellwert überschreitende Schüttgutkörner markiert werden. The sensor can be a volume sensor which transmits an image of the bulk material arranged in its detection area to an evaluation unit, for example a screen. The bulk material grains exceeding the alignment limit value, the switch-off limit value and the power threshold value can be marked in the image.
Bei gängigen Sensoren und aus dem Stand der Technik bekannten 2D- Bildverarbeitungsverfahren können vor allem bei großen Schwingungsamplituden und Fördergeschwindigkeiten des Schüttguts das Problem einer ungenauenWith current sensors and 2D image processing methods known from the prior art, the problem of an inaccurate problem can arise, especially with large vibration amplitudes and conveying speeds of the bulk material
Erfassung des Volumens und der Geometrie des Schüttguts auftreten. Um daher trotz der für einen Schwingförderer typischen schwierigen optischen Messbedingungen eine valide Bestimmung des Volumens, des größten Durchmessers dmax, des effektiven Durchmessers deff quer zur Förderrichtung des Schüttguts, sowie der Überschreitung des effektiven Durchmessers deff über einen vorgegebenen Grenzwert erzielen zu können, wird vorgeschlagen, dass der Sensor einen Tiefensensor umfasst, der ein zweidimensionales Tiefenbild von an dem Tiefensensor vorbeigefördertem Schüttgut erzeugt und einem vorab trainierten, faltenden neuronalen Netzwerk zugeführt wird, das wenigstens drei hintereinanderliegende Faltungsebenen, sogenannte convolution layer und einen nachgelagerten Klassifizierer, beispielsweise ein sogenannter fully connected layer, aufweist. Je nach zu bestimmendem Parameter der Körner im Erfassungsbereich können ein oder mehrere Klassifizierer vorgesehen sein. Beispielsweise kann zur Bestimmung des Schüttgutvolumens ein Volumenklassifizierer vorgesehen sein, dessen Ausgangswert als das imDetection of the volume and the geometry of the bulk material occur. Therefore, despite the difficult optical measurement conditions typical of a vibratory conveyor, a valid determination of the volume, the largest diameter dmax, the effective diameter deff transversely to the conveying direction of the bulk material, as well as the exceeding of the effective diameter def f over a In order to be able to achieve a predetermined limit value, it is proposed that the sensor comprises a depth sensor which generates a two-dimensional depth image of bulk material conveyed past the depth sensor and is fed to a previously trained, folding neural network, the at least three consecutive folding levels, so-called convolution layer and a downstream one Classifier, for example a so-called fully connected layer. Depending on the parameter to be determined for the grains in the detection area, one or more classifiers can be provided. For example, a volume classifier can be provided to determine the bulk material volume, the output value of which is defined as the im
Erfassungsbereich des Sensors vorhandene Schüttgutvolumen ausgegeben wird. Weiters kann ein erster Durchmesserklassifizierer zur Bestimmung des größten Durchmessers dmax vorgesehen sein, dessen Ausgangswert als der größte im Erfassungsbereich des Sensors liegende Durchmesser dmax eines Kornes ausgegeben wird. Darüber hinaus kann ein zweiter Durchmesserklassifizierer zur Bestimmung des effektiven Durchmessers detf vorgesehen sein, dessen Ausgangswert als der größte im Erfassungsbereich des Sensors liegende effektive Durchmesser detf eines Kornes ausgegeben wird. Schließlich kann ein Leistungsklassifzierer oder ein Abschaltklassifizierer vorgesehen sein, dessen Ausgangswert das Überschreiten des größten effektiven Durchmessers detf über einen vorgegebenen Leistungsschwellwert oder einen vorgegebenen Abschaltgrenzwert angibt. Zufolge dieser Maßnahmen können die Parameter des Schüttguts auch bei variierenden Lichtverhältnissen und Förderbedingungen bestimmt werden. Dabei liegt die Überlegung zugrunde, dass bei der Verwendung von zweidimensionalen Tiefenbildern die zur Parameterbestimmung notwendige Information aus den Tiefeninformationen extrahiert werden kann, nachdem ein hierfür eingesetztes neuronales Netzwerk mit Trainingstiefenbildern mit bekanntem Schüttgutparametern trainiert wurde. Die Faltungsebenen reduzieren dabei die Eingangstiefenbilder zu einer Reihe von Einzelmerkmalen, die wiederum vom nachgelagerten Klassifizierer bewertet werden, sodass im Ergebnis der gewünschte Parameter des im Eingangstiefenbild abgebildeten Schüttguts ermittelt werden kann. Die Anzahl der vorgesehenen Faltungsebenen, die jeweils von einer Poolingebene zur Informationsreduktion gefolgt sein können, kann je nach verfügbarer Rechenleistung bei wenigstens drei, vorzugsweise bei fünf, liegen. Zwischen den Faltungsebenen und den nachgelagerten Klassifizierern kann in bekannter Weise eine Ebene zur Dimensionsreduktion, ein sogenannter flattening layer, vorgesehen sein. Der gewünschte Parameter muss daher nicht mehr für jedes einzelne Korn berechnet werden. Da im Tiefenbild je Bildpunkt der Abstand des abgebildeten Schüttguts zum Tiefensensor mit nur einem Wert abgebildet wird, kann im Gegensatz zur Verarbeitung von Farbbildern die zu verarbeitende Datenmenge reduziert, das Messverfahren beschleunigt und der für das neuronale Netzwerk erforderliche Speicherbedarf verringert werden. Dadurch kann das neuronale Netzwerk auf günstigen Kl-Parallelrecheneinheiten mit GPU-Unterstützung implementiert und das Verfahren unabhängig von der Farbe des Schüttgutes eingesetzt werden. Auch kann der gewünschte Schüttgutparameter durch die Beschleunigung des Messverfahrens selbst bei Fördergeschwindigkeiten von 3m/s, bevorzugter Weise 4m/s, bestimmt werden. Die genannte Reduktion der Datenmenge im Tiefenbild und damit im neuronalen Netzwerk senkt zusätzlich die Fehleranfälligkeit für die korrekte Bestimmung des Schüttgutparameters. Die Verwendung von Tiefenbildern hat im Gegensatz zu Färb- oder Graustufenbildern den zusätzlichen Vorteil, dass das Messverfahren weitgehend unabhängig von sich ändernden Belichtungsbedingungen ist. Als neuronales Netzwerk kann beispielsweise ein üblicherweise nur für Farbbilder verwendetes vgg16 Netzwerk (Simonyan / Zisserman, Very Deep Convolutional Networks for Large-Scale Image Recognition, 2015) zum Einsatz kommen, das lediglich auf einen Kanal, nämlich für die Werte der Tiefenbildpunkte, reduziert ist. Das Tiefenbild kann beispielsweise mit einer 3D-Kamera erfasst werden, da diese aufgrund des geringeren Platzbedarfes auch bei geringem Raumangebot oberhalb eines Schwingförderers angeordnet werden kann. Um Schwankungen bei der Erfassung des gewünschten Parameters auszugleichen und fehlerhafte Ausgabewerte des neuronalen Netzwerkes zu kompensieren, können darüber hinaus mehrere aufeinanderfolgende Ausgangswerte des Klassifizierers gemittelt und der Mittelwert als gewünschter Parameter des Schüttgutes imDetection area of the sensor, the existing bulk material volume is output. Furthermore, a first diameter classifier can be provided for determining the largest diameter dmax, the output value of which is output as the largest diameter dmax of a grain lying in the detection range of the sensor. In addition, a second diameter classifier can be provided for determining the effective diameter detf, the output value of which is output as the largest effective diameter detf of a grain located in the detection range of the sensor. Finally, a power classifier or a shutdown classifier can be provided, the output value of which indicates that the largest effective diameter det f has exceeded a predetermined power threshold value or a predetermined shutdown limit value. As a result of these measures, the parameters of the bulk material can be determined even with varying lighting and conveying conditions. This is based on the idea that when using two-dimensional depth images, the information required for determining parameters can be extracted from the depth information after a neural network used for this purpose has been trained with training depth images with known bulk material parameters. The folding planes reduce the input depth images to a number of individual features, which in turn are evaluated by the downstream classifier so that the desired parameter of the bulk material depicted in the input depth image can be determined as a result. The number of planned folding levels, each of which can be followed by a pooling level for information reduction, can be at least three, preferably five, depending on the computing power available. Between the folding planes and the downstream classifiers, a plane for dimension reduction, a so-called flattening layer, can be provided in a known manner. The desired parameter therefore no longer has to be calculated for each individual grain. Since the distance between the depicted bulk material and the depth sensor is mapped with only one value for each pixel in the depth image, the amount of data to be processed can be reduced, the measurement process accelerated and the memory required for the neural network reduced, in contrast to the processing of color images. As a result, the neural network can be implemented on inexpensive Kl parallel computing units with GPU support and the method can be used regardless of the color of the bulk material. The desired bulk material parameter can also be determined by accelerating the measurement process even at conveyor speeds of 3 m / s, preferably 4 m / s. The aforementioned reduction in the amount of data in the depth image and thus in the neural network also reduces the susceptibility to errors for the correct determination of the bulk material parameter. In contrast to color or grayscale images, the use of depth images has the additional advantage that the measurement process is largely independent of changing exposure conditions. A vgg16 network (Simonyan / Zisserman, Very Deep Convolutional Networks for Large-Scale Image Recognition, 2015), which is only reduced to one channel, namely for the values of the depth image points, can be used as a neural network, for example . The depth image can be captured with a 3D camera, for example, since it can be arranged above a vibratory conveyor even if there is little space available due to the smaller space requirement. In order to compensate for fluctuations in the detection of the desired parameter and to compensate for incorrect output values of the neural network, several successive output values of the classifier can also be averaged and the mean value as the desired parameter of the bulk material
Erfassungsbereich ausgegeben werden. Insbesondere kann ein beschriebenes neuronales Netzwerk zur Regelung eines Brechers mit einem Brechwerkzeug und einem einen Antrieb aufweisenden Schwingförderer zum Einsatz kommen, wobei in einem Erfassungsbereich liegendes Schüttgut mit einem Tiefensensor erfasst wird, der ein zweidimensionales Tiefenbild von an dem Tiefensensor vorbeigefördertem Schüttgut erzeugt und einem vorab trainierten, faltenden neuronalen Netzwerk zugeführt wird, das wenigstens drei hintereinanderliegende Faltungsebenen und einen nachgelagerten Klassifizierer aufweist, dessen Ausgangswert als ein Parameter des im Erfassungsbereich vorhandenen Schüttguts ausgegeben wird. Der Klassifizierer kann ein Leistungsklassifzierer und/oder ein Abschaltklassifizierer sein, wobei der Leistungsklassifzierer als positiven Ausgangswert das Überschreiten des größten effektiven Durchmessers deff über einen vorgegebenen Leistungsschwellwert und der Abschaltklassifizierer als positiven Ausgangswert das Überschreiten des größten effektiven Durchmessers deff über einen vorgegebenen Abschaltgrenzwert angibt und bei einem positiven Ausgangswert des Leistungsklassifizierers die Leistung des Brechwerkzeugs erhöht und/oder bei einem positiven Ausgangswert des Abschaltklassifizierers der Antrieb des Schwingförderers abgeschaltet wird. Detection area can be output. In particular, a described neural network can be used to control a crusher with a crushing tool and a vibratory conveyor having a drive, with Bulk material lying in a detection area is detected with a depth sensor, which generates a two-dimensional depth image of the bulk material conveyed past the depth sensor and is fed to a previously trained, folding neural network that has at least three consecutive folding levels and a downstream classifier, the output value of which is used as a parameter of the Bulk material present in the detection area is output. The classifier can be a power classifier and / or a shutdown classifier, the power classifier indicating, as a positive output value, that the largest effective diameter deff is exceeded above a specified power threshold value and the shutdown classifier specifies, as a positive output value, that the largest effective diameter deff is exceeded above a specified shutdown limit value and at a positive output value of the power classifier increases the power of the breaking tool and / or with a positive output value of the shutdown classifier the drive of the vibratory conveyor is switched off.
Das Trainieren des neuronalen Netzwerks wird erschwert und die Messgenauigkeit nimmt im laufenden Betrieb ab, wenn schüttgutfremde Elemente im Erfassungsbereich des Tiefensensors liegen. Dazu zählen beispielsweise vibrierende Bauteile des Schwingförderers selbst, oder aber andere Maschinenelemente. Zur Vermeidung der daraus entstehenden Störungen wird vorgeschlagen, dass aus dem Tiefenbild die Werte jener Bildpunkte entfernt werden, deren Tiefe einem vorab erfassten Abstand zwischen Tiefensensor und einem Hintergrund für diesen Bildpunkt entspricht oder diesen Abstand überschreitet. Dadurch können störende Bildinformationen, hervorgerufen beispielsweise durch Vibrationen der Unwuchtmotoren, entfernt und sowohl die Tiefenbilder als auch die Trainingstiefenbilder auf die für die Vermessung relevanten Informationen beschränkt werden. The training of the neural network is made more difficult and the measurement accuracy decreases during operation if non-bulk material elements are in the detection range of the depth sensor. These include, for example, vibrating components of the bowl feeder itself, or other machine elements. To avoid the resulting disturbances, it is proposed that the values of those image points are removed from the depth image, the depth of which corresponds to a previously detected distance between the depth sensor and a background for this image point or exceeds this distance. In this way, disruptive image information, caused for example by vibrations of the unbalance motors, can be removed and both the depth images and the training depth images can be limited to the information relevant for the measurement.
Das Training des neuronalen Netzwerks erfordert große Mengen an Trainingstiefenbildern, die das zu erfassende Schüttgut möglichst exakt repräsentieren. Der Arbeitsaufwand um die notwendige Menge an Schüttgut zu vermessen ist allerdings extrem hoch. Um dem neuronalen Netz dennoch ausreichende Trainingstiefenbilder zur Verfügung zu stellen, um den oder die gewünschten Parameter zu bestimmen, wird vorgeschlagen, dass zunächst Beispieltiefenbilder je eines Beispielkornes mit bekanntem Einzelparameter erfasst und gemeinsam mit dem Einzelparameter abgespeichert werden, wonach mehrere Beispieltiefenbilder zufällig zu einem Trainingstiefenbild zusammengesetzt werden, dem als gemeinsamer Parameter beispielsweise die Summe, der Maximalwert oder der Mittelwert der Einzelparameter der zusammengesetzten Beispieltiefenbilder zugeordnet wird, wonach das Trainingstiefenbild eingangsseitig und der zugeordnete gemeinsame Parameter ausgangsseitig dem neuronalen Netzwerk zugeführt und die Gewichte der einzelnen Netzwerkknoten in einem Lernschritt angepasst werden. Der Trainingsmethode liegt also die Überlegung zugrunde, dass durch die Kombination von Beispieltiefenbildern vermessener Beispielkörner mannigfaltige Kombinationen an Trainingstiefenbildern erstellt werden können. Es genügt also, Beispieltiefenbilder verhältnismäßig weniger Beispielkörner mit ihrenThe training of the neural network requires large amounts of training depth images that represent the bulk material to be recorded as exactly as possible. However, the amount of work required to measure the required amount of bulk material is extremely high. To the neural network anyway To provide sufficient training depth images to determine the desired parameter (s), it is proposed that sample depth images each of a sample grain with known individual parameters be recorded and stored together with the individual parameters, after which several sample depth images are randomly combined to form a training depth image, the one that is common Parameter for example the sum, the maximum value or the mean value of the individual parameters of the composite sample depth images is assigned, after which the training depth image on the input side and the assigned common parameter on the output side are fed to the neural network and the weights of the individual network nodes are adapted in a learning step. The training method is therefore based on the consideration that by combining sample depth images of measured sample grains, diverse combinations of training depth images can be created. It is therefore sufficient to use example depth images with comparatively fewer example grains
Einzelparametern zu erfassen, um eine große Anzahl an Trainingstiefenbildern zu generieren, mit denen das neuronale Netzwerk trainiert werden kann. Zum Training des neuronalen Netzwerks werden in den einzelnen Trainingsschritten in bekannter Weise die Gewichte zwischen den einzelnen Netzwerkknoten so angepasst, dass der tatsächliche Ausgabewert dem vorgegebenen Ausgabewert am Ende des neuronalen Netzwerks ehestmöglich entspricht. Dabei können an den Netzwerkknoten unterschiedliche Aktivierungsfunktionen vorgegeben werden, die dafür maßgeblich sind, ob ein am Netzwerkknoten anliegender Summenwert an die nächste Ebene des neuronalen Netzwerks weitergegeben wird. Zur Tiefenbildverarbeitung wird auch hier vorgeschlagen, dass aus dem Tiefenbild die Werte jener Bildpunkte entfernt werden, deren Tiefe einem vorab erfassten Abstand zwischen Tiefensensor und dem Hintergrund, beispielsweise der Förderrinne des Schwingförderers, für diesen Bildpunkt entspricht oder diesen Abstand überschreitet. Dadurch weisen die Trainingstiefenbilder und die Tiefenbilder des gemessenen Schüttguts nur die für die Vermessung relevanten Informationen auf, wodurch ein stabileres Trainingsverhalten erreicht und die Erkennungsrate bei der Anwendung erhöht wird. Über die Auswahl der Beispiel- bzw. der aus ihnen zusammengesetzten Trainingstiefenbilder kann das neuronale Netz auf beliebige Arten von Schüttgut trainiert werden. Detect individual parameters in order to generate a large number of training depth images with which the neural network can be trained. To train the neural network, the weights between the individual network nodes are adapted in a known manner in the individual training steps so that the actual output value corresponds as closely as possible to the predefined output value at the end of the neural network. Different activation functions can be specified at the network nodes, which are decisive for whether a sum value present at the network node is passed on to the next level of the neural network. For depth image processing, it is also proposed here that the values of those image points are removed from the depth image, the depth of which corresponds to a previously detected distance between the depth sensor and the background, for example the conveyor trough of the vibratory conveyor, for this image point or exceeds this distance. As a result, the training depth images and the depth images of the measured bulk material only have the information relevant for the measurement, as a result of which a more stable training behavior is achieved and the recognition rate is increased during use. Via the selection of the example or the training depth images composed of them, the neural network can be trained on any type of bulk material.
Um das Trainingsverhalten und die Erkennungsrate weiter zu verbessern, wird vorgeschlagen, dass die Beispieltiefenbilder mit zufälliger Ausrichtung zu einem Trainingstiefenbild zusammengesetzt werden. Dadurch wird bei gegebener Anzahl an Körnern pro Beispieltiefenbild die Anzahl an möglichen Anordnungen der Körner deutlich erhöht, ohne dass mehr Beispieltiefenbilder generiert werden müssen und eine Überanpassung des neuronalen Netzwerks wird vermieden. In order to further improve the training behavior and the recognition rate, it is proposed that the example depth images are combined with a random alignment to form a training depth image. As a result, given the number of grains per example depth image, the number of possible arrangements of the grains is significantly increased without more sample depth images having to be generated and an over-adaptation of the neural network is avoided.
Eine Vereinzelung der Körner des Schüttguts kann entfallen und größere Schüttgutvolumina können bei gleichbleibender Fördergeschwindigkeit des Förderbandes bestimmt werden, wenn die Beispieltiefenbilder mit teilweisen Überlappungen zu einem Trainingstiefenbild zusammengesetzt werden, wobei der Tiefenwert des Trainingstiefenbilds im Überlappungsbereich der geringsten Tiefe beider Beispieltiefenbilder entspricht. Um realistische Schüttgutverteilungen zu erfassen, müssen die Fälle berücksichtigt werden, in denen zwei Körner aufeinander zu liegen kommen. Das neuronale Netzwerk kann dahingehend trainiert werden, dass es solche Überlappungen erkennt, und die Parameter der Beispielkörner trotzdem ermitteln kann. Separation of the grains of the bulk material can be omitted and larger bulk material volumes can be determined with constant conveying speed of the conveyor belt if the sample depth images with partial overlaps are combined to form a training depth image, the depth value of the training depth image in the overlap area corresponding to the shallowest depth of both sample depth images. In order to capture realistic bulk material distributions, the cases in which two grains come to rest on top of each other must be taken into account. The neural network can be trained to recognize such overlaps and still be able to determine the parameters of the sample grains.
Kurze Beschreibung der Erfindung In der Zeichnung ist der Erfindungsgegenstand beispielsweise dargestellt. Es zeigen BRIEF DESCRIPTION OF THE INVENTION The subject matter of the invention is shown in the drawing, for example. Show it
Fig. 1 eine schematische Seitenansicht eines Schwingförderers zur Durchführung des erfindungsgemäßen Verfahrens und Fig. 2 eine Draufsicht auf einen solchen Schwingförderer in größerem Maßstab. Wege zur Ausführung der Erfindung 1 shows a schematic side view of a vibratory conveyor for carrying out the method according to the invention, and FIG. 2 shows a plan view of such a vibratory conveyor on a larger scale. Ways of Carrying Out the Invention
Ein erfindungsgemäßes Verfahren kann für die Regelung eines in der Fig. 1 dargestellten Schwingförderers 1 eingesetzt werden. Schwingförderer 1 werden beispielsweise zum Beschicken von Brechern mit Schüttgut 2 eingesetzt. Um auch bei inhomogenem Schüttgut 2, also bei Schüttgut 2 mit stark unterschiedlicher Korngrößenverteilung, eine wirksame Zerkleinerung zu ermöglichen und gleichzeitig die Standzeit des Brechers zu erhöhen, wird ein sich aufgrund des größten Durchmessers dmax und seiner Richtung 9 ergebender effektiver Durchmessers deff quer zur Förderrichtung 8 eines Kornes des Schüttguts 2 als Regelgröße herangezogen (Fig. 2). Bei Überschreiten des effektiven Durchmessers deff über einen vorgegebenen Leistungsschwellwert wird die Leistung eines Brechwerkzeugs eines nicht dargestellten Brechers erhöht. Bei Überschreiten des effektiven Durchmessers deff über einen vorgegebenen Abschaltgrenzwert wird der Antrieb 5 des Schwingförderers 1 abgeschaltet. Zur Bestimmung des effektiven Durchmessers deff bzw. des größten Durchmessers dmax des Schüttguts 2 ist ein Sensor 3 vorgesehen, der das in seinem Erfassungsbereich 4 liegende Schüttgut 2 aufnimmt und die aufgenommenen Daten einer Steuereinheit 6 übergibt. Die Steuereinheit 6 kann die Durchmesser mittels gängiger Bildverarbeitungsmethoden oder mithilfe eines vorab trainierten neuronalen Netzwerks bestimmen und den Antrieb 5, als auch einen Antrieb des nicht dargestellten Brechers in Abhängigkeit der vorgegebenen Grenz- bzw. Schwellwerte ansteuern. A method according to the invention can be used for regulating a vibratory conveyor 1 shown in FIG. 1. Vibratory conveyors 1 are used, for example, to feed crushers with bulk material 2. Around Even with inhomogeneous bulk material 2, i.e. with bulk material 2 with very different grain size distribution, to enable effective comminution and at the same time to increase the service life of the crusher, an effective diameter deff resulting from the largest diameter dmax and its direction 9 is transverse to the conveying direction 8 a Grain of the bulk material 2 used as a control variable (Fig. 2). When the effective diameter deff is exceeded above a predetermined power threshold value, the power of a breaking tool of a crusher, not shown, is increased. If the effective diameter deff is exceeded above a predetermined switch-off limit value, the drive 5 of the vibratory conveyor 1 is switched off. To determine the effective diameter deff or the largest diameter dmax of the bulk material 2, a sensor 3 is provided which records the bulk material 2 lying in its detection area 4 and transfers the recorded data to a control unit 6. The control unit 6 can determine the diameter by means of common image processing methods or with the help of a previously trained neural network and control the drive 5 as well as a drive of the crusher (not shown) as a function of the predetermined limit or threshold values.
Der Antrieb 5 kann darüber hinaus so geregelt werden, dass das in vorgegebenen Intervallen vom Sensor 3 erfasste Volumen des im Erfassungsbereich 4 liegenden Schüttguts 2 als Regelgröße einem Vorgabewert entspricht. Der Antrieb 5 wird dabei durch Anpassung der Schwingungsamplitude und/oder der Schwingungsfrequenz so angesteuert, dass die Regelgröße einem Vorgabewert entspricht. Ein solcher Vorgabewert kann beispielsweise ein Bereich eines Nennvolumeneingangsstroms sein, auf den ein zu beschickender Brecher ausgelegt ist. The drive 5 can furthermore be regulated in such a way that the volume of the bulk material 2 lying in the detection area 4 detected by the sensor 3 at predetermined intervals corresponds to a specified value as a control variable. The drive 5 is controlled by adapting the oscillation amplitude and / or the oscillation frequency in such a way that the controlled variable corresponds to a preset value. Such a default value can be, for example, a range of a nominal volume input flow for which a crusher to be charged is designed.
Wie der Fig. 2 zu entnehmen ist, kann durch eine gezielte Ansteuerung des Antriebs 5 eine Ausrichtung der Körner des Schüttguts 2 vorgenommen werden. Hierzu kann der Antrieb 5 mehrere Unwuchtmotoren 7 als Antriebe umfassen, die über Stellglieder unabhängig voneinander hinsichtlich ihrerAs can be seen from FIG. 2, the grains of the bulk material 2 can be aligned by targeted control of the drive 5. For this purpose, the drive 5 can comprise several unbalance motors 7 as drives which, via actuators, are independent of one another with regard to their
Schwingungsamplitude und Schwingungsfrequenz angesteuert werden können. Dadurch kann ein asymmetrischer Schwingungseintrag erzeugt werden, wodurch beispielsweise besonders lange Schüttgutkörner so ausgerichtet werden können, dass deren größter Durchmesser dmax in Förderrichtung 8 verlagert und damit deren effektiver Durchmesser den, der sich aufgrund des größten Durchmessers dmax und seiner Richtung 9 ergibt, verkleinert wird. Dadurch kann eine Blockierung des Brechers durch besonders langes Schüttgut 2 verhindert werden. Vibration amplitude and frequency can be controlled. As a result, an asymmetrical input of vibrations can be generated, whereby, for example, particularly long bulk material grains can be aligned in such a way that their largest diameter dmax is displaced in conveying direction 8 and thus their effective diameter is reduced to that resulting from the largest diameter dmax and its direction 9. Blocking of the crusher by particularly long bulk material 2 can thereby be prevented.
Damit nur Schüttgut 2 verlagert wird, das auch tatsächlich eine Blockade des Brechers verursachen kann, kann der sich aufgrund des größten Durchmessers dmax und seiner Richtung 9 ergebender effektiver Durchmesser deff mit einem Ausrichtungsgrenzwert verglichen werden. Nur bei Überschreitung desSo that only bulk material 2 is displaced, which can actually cause a blockage of the crusher, the effective diameter deff resulting from the largest diameter dmax and its direction 9 can be compared with an alignment limit value. Only when the
Ausrichtungsgrenzwertes wird eine Verlagerung des Schüttguts 2 durch eine entsprechende Ansteuerung der Stellglieder der Unwuchtmotoren 7 veranlasst. Alignment limit value, a displacement of the bulk material 2 is caused by a corresponding activation of the actuators of the unbalance motors 7.
Fig. 2 zeigt auch ein Schüttgutkorn 9, das aufgrund dessen Ausbildung auch nach einer entsprechenden Ausrichtung des größten Durchmessers dmax zu einer Blockierung des Brechers führen würde. Damit ein Schaden des Brechers, verursacht von einem besonders groben Schüttgutkorn 10, verhindert werden kann, wird vorgeschlagen, dass die Steuereinrichtung 6 bei Überschreiten des sich aufgrund des größten Durchmessers dmax und seiner Richtung 9 ergebenden effektiven Durchmessers deff über einen Abschaltgrenzwert den Antrieb 5 abschaltet. 2 also shows a bulk material grain 9 which, due to its design, would lead to a blockage of the crusher even after a corresponding alignment of the largest diameter dmax. In order to prevent damage to the crusher caused by a particularly coarse bulk material grain 10, it is proposed that the control device 6 switch off the drive 5 via a switch-off limit value when the effective diameter deff resulting from the largest diameter dmax and its direction 9 is exceeded.
Liegt der effektive Durchmesser deff knapp unterhalb des Abschaltgrenzwertes kann eine Erhöhung der Brechwerkzeugleistung genügen. Hierzu kann das Brechwerkzeug von der Steuereinrichtung 6 angesteuert werden, wenn der effektive Durchmesser deff einen Leistungsschwellwert überschreitet. If the effective diameter deff is just below the switch-off limit value, an increase in the breaking tool performance can be sufficient. For this purpose, the breaking tool can be activated by the control device 6 when the effective diameter deff exceeds a power threshold value.

Claims

Patentansprüche Claims
1 . Verfahren zur Regelung eines Brechers mit einem Brechwerkzeug und einem einen Antrieb (5) aufweisenden Schwingförderer (1 ), wobei in einem Erfassungsbereich (4) liegendes Schüttgut (2) mit einem Sensor (3) erfasst wird, dadurch gekennzeichnet, dass als Regelgröße ein sich aufgrund des größten Durchmessers dmax und seiner Richtung (9) ergebender effektiver Durchmessers deft quer zur Förderrichtung (8) eines Kornes des Schüttguts (2) im Erfassungsbereich (4) bestimmt wird und dass bei Überschreiten des effektiven Durchmessers de« über einen vorgegebenen Leistungsschwellwert die Leistung des Brechwerkzeugs erhöht und/oder bei Überschreiten des effektiven Durchmessers de« über einen vorgegebenen Abschaltgrenzwert der Antrieb (5) abgeschaltet wird. 1 . Method for regulating a crusher with a crushing tool and a vibratory conveyor (1) having a drive (5), with bulk material (2) lying in a detection area (4) being detected with a sensor (3), characterized in that a based on the largest diameter dmax and its direction (9) resulting effective diameter de ft transversely to the conveying direction (8) of a grain of the bulk material (2) in the detection area (4) is determined and that if the effective diameter d e «is exceeded, a specified power threshold value the power of the breaking tool is increased and / or the drive (5) is switched off when the effective diameter d e «is exceeded above a predetermined switch-off limit value.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass wenigstens zwei Stellglieder des Antriebs (5) so angesteuert werden, dass der effektive Durchmessers de« quer zur Förderrichtung (8) verkleinert wird. 2. The method according to claim 1, characterized in that at least two actuators of the drive (5) are controlled so that the effective diameter d e «is reduced transversely to the conveying direction (8).
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass bei Überschreiten des effektiven Durchmessers de« quer zur Förderrichtung (8) eines Kornes im Erfassungsbereich (4) über einen vorgegebenen Ausrichtungsgrenzwert die wenigstens zwei Stellglieder des Antriebs (5) zur Verkleinerung des effektiven Durchmessers deff der Körner angesteuert werden. 3. The method according to claim 1 or 2, characterized in that when the effective diameter d e «is exceeded transversely to the conveying direction (8) of a grain in the detection area (4) above a predetermined alignment limit value, the at least two actuators of the drive (5) to reduce the effective diameter deff of the grains can be controlled.
4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass der Antrieb (5) so geregelt wird, dass das in vorgegebenen Intervallen von einem Volumensensor erfasste Volumen des in einem Erfassungsbereich (4) liegenden Schüttguts (2) als Regelgröße einem Vorgabewert entspricht. 4. The method according to any one of claims 1 to 3, characterized in that the drive (5) is controlled so that the volume of the bulk material (2) lying in a detection area (4) recorded at predetermined intervals by a volume sensor is a default value as a control variable is equivalent to.
5. Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass der Sensor (3) einen Tiefensensor umfasst, der ein zweidimensionales Tiefenbild von an dem Tiefensensor vorbeigefördertem Schüttgut (2) erzeugt und einem vorab trainierten, faltenden neuronalen Netzwerk zugeführt wird, das wenigstens drei hintereinanderliegende Faltungsebenen und einen nachgelagerten Klassifizierer aufweist, dessen Ausgangswert als ein Parameter des im Erfassungsbereich (4) vorhandenen Schüttguts ausgegeben wird. 5. The method according to claim 4, characterized in that the sensor (3) comprises a depth sensor, which generates a two-dimensional depth image of the bulk material (2) conveyed past the depth sensor and is fed to a previously trained, folding neural network which has at least three has successive folding planes and a downstream classifier, the output value of which is output as a parameter of the bulk material present in the detection area (4).
6. Verfahren zum Trainieren eines neuronalen Netzwerks für ein Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass zunächst Beispieltiefenbilder je eines Beispielkornes mit bekanntem Einzelparameter erfasst und gemeinsam mit dem Einzelparameter abgespeichert werden, wonach mehrere Beispieltiefenbilder zufällig zu einem Trainingstiefenbild zusammengesetzt werden, dem als gemeinsamer Parameter die Summe, der Maximalwert, oder der Mittelwert der Einzelparameter der zusammengesetzten Beispieltiefenbilder zugeordnet wird, wonach das Trainingstiefenbild eingangsseitig und der zugeordnete gemeinsame Parameter ausgangsseitig dem neuronalen Netzwerk zugeführt und die Gewichte der einzelnen Netzwerkknoten in einem Lernschritt angepasst werden. 6. A method for training a neural network for a method according to claim 5, characterized in that first of all sample depth images of a sample grain with known individual parameters are recorded and stored together with the individual parameters, after which several sample depth images are randomly combined to form a training depth image, which is the common parameter the sum, the maximum value, or the mean value of the individual parameters of the composite sample depth images is assigned, after which the training depth image on the input side and the assigned common parameter on the output side are fed to the neural network and the weights of the individual network nodes are adapted in a learning step.
EP21728414.0A 2020-05-13 2021-05-12 Method for controlling a crusher Pending EP4149686A2 (en)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
ATA50420/2020A AT523812B1 (en) 2020-05-13 2020-05-13 Process for controlling a vibratory conveyor
ATA50422/2020A AT523754A2 (en) 2020-05-13 2020-05-13 Method for determining the volume of a bulk material placed on a conveyor belt in sections
ATA50423/2020A AT523755A2 (en) 2020-05-13 2020-05-13 Method for determining the grain size distribution in sections of a bulk material placed on a conveyor belt
PCT/AT2021/060169 WO2021226651A2 (en) 2020-05-13 2021-05-12 Method for controlling a crusher

Publications (1)

Publication Number Publication Date
EP4149686A2 true EP4149686A2 (en) 2023-03-22

Family

ID=76180819

Family Applications (1)

Application Number Title Priority Date Filing Date
EP21728414.0A Pending EP4149686A2 (en) 2020-05-13 2021-05-12 Method for controlling a crusher

Country Status (4)

Country Link
US (1) US12343732B2 (en)
EP (1) EP4149686A2 (en)
CN (1) CN115209999B (en)
WO (1) WO2021226651A2 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120801736B (en) * 2025-09-11 2025-11-21 中储粮成都储藏研究院有限公司 A fully automated method and system for crushing and detecting grain pellets

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3480212A (en) * 1967-02-23 1969-11-25 Reserve Mining Co Control apparatus
DE2034672A1 (en) * 1970-07-13 1972-01-20 Hazemag Hartzerkleinerungs und Ze ment Maschinenbau GmbH, 4400 Munster Method of operating an impact mill
US4179074A (en) * 1978-08-30 1979-12-18 Allis-Chalmers Corporation Method of controlling feed rate to crushing plant while crushers are adjusted to continually operate at full power
DD281668A5 (en) 1988-11-24 1990-08-15 Groeditz Stahl Walzwerk Veb METHOD AND DEVICE FOR COMPLIANCE WITH THE SUPPLY OF SWING FEEDERS
DE4326530A1 (en) 1993-04-20 1994-10-27 Thomas Mueller Vibratory conveyor with horizontally arranged bar spring elements and applications
DE19741524A1 (en) 1997-09-20 1999-03-25 Heinrich Kuehlert Optical displacement sensor for vibratory conveyor regulation
DE10046464A1 (en) 2000-09-19 2002-04-04 Nokraschy Hani M El Process for controlling the discharge of a supercritical free-swinging vibrating trough
GB0215441D0 (en) * 2002-07-04 2002-08-14 Extec Ind Plc A crusher machine
EP2160247A4 (en) * 2007-06-15 2014-12-17 Sandvik Intellectual Property Crushing plant and method for controlling the same
FI122462B (en) * 2008-06-27 2012-01-31 Metso Minerals Inc Procedure and plant for controlling a crushing process
EP2556891B1 (en) * 2011-08-10 2014-01-08 Sandvik Intellectual Property AB A method and a device for sensing the properties of a material to be crushed
DE102012106554A1 (en) * 2012-07-19 2014-05-15 Thyssenkrupp Resource Technologies Gmbh Method and plant for comminuting regrind with a roller mill
CN204933653U (en) * 2015-08-10 2016-01-06 中国黄金集团内蒙古矿业有限公司 Ore grinding ore grain size control system
FI20155908A1 (en) * 2015-12-01 2017-06-02 Outotec Finland Oy Method and arrangement for controlling a grinding process equipped with a grinding circuit
FI20155909A7 (en) 2015-12-01 2017-06-02 Outotec Finland Oy A method and an arrangement for controlling of a comminution process
CN105478220A (en) * 2016-01-19 2016-04-13 中国黄金集团内蒙古矿业有限公司 Ore crushing system and control method of crusher
JP6776001B2 (en) * 2016-05-20 2020-10-28 株式会社中山鉄工所 Transfer system for crusher
CN107755063A (en) * 2016-08-18 2018-03-06 中国铁建重工集团有限公司 A kind of mobile crushing station and its feeding control method and system
CN107899733B (en) * 2017-12-18 2023-04-07 江苏徐工工程机械研究院有限公司 Crusher, control method, device and system thereof, and computer-readable storage medium
CN108711149B (en) * 2018-05-16 2022-01-28 郑州大学 Mineral rock granularity detection method based on image processing
CN208928360U (en) * 2018-08-17 2019-06-04 福建南方路面机械有限公司 A kind of sand shaping crusher processed automatically removing super partial size raw material
CN110852395B (en) * 2019-11-15 2023-11-14 鞍钢集团矿业有限公司 Ore granularity detection method and system based on autonomous learning and deep learning

Also Published As

Publication number Publication date
CN115209999A (en) 2022-10-18
CN115209999B (en) 2024-03-01
US12343732B2 (en) 2025-07-01
WO2021226651A2 (en) 2021-11-18
WO2021226651A3 (en) 2022-01-13
US20230082025A1 (en) 2023-03-16

Similar Documents

Publication Publication Date Title
EP4150317B1 (en) Method for determining the particle size distribution of parts of a bulk material fed onto a conveyor belt
EP4119230A1 (en) Stone processing machine with image detection and image processing using a neural network
EP2375380A1 (en) Method and device for measuring a parameter during the transport of objects to a processing device
WO2021226643A1 (en) Method for cleaning blinding particles in crushers
EP3700677A1 (en) Method for the load-dependent operation of a material comminution system
AT523812B1 (en) Process for controlling a vibratory conveyor
EP3605034B1 (en) Inlet module for a roller mill, roller mill with such an inlet module, method for determining the fill level of a storage tank of a roller mill
EP4149686A2 (en) Method for controlling a crusher
DE102021204391A1 (en) Process for particle size-dependent optimization of a sieve with regard to product quality
EP4052559A1 (en) Method for detecting lengths of a particle
AT523807B1 (en) Methods for dust suppression in crushers with spray devices
DE102016124022B4 (en) Control with a lowering prevention function for a gap control axis
AT1073U1 (en) METHOD AND DEVICE FOR GRINDING PARTICULAR INPUT
WO2005092522A1 (en) Vibrating sieve machine and method for operation of a vibrating sieve machine
DE2515525A1 (en) FLOW CONTROL SYSTEM
AT523805B1 (en) Procedure for detecting wear in crushers when running empty
EP4150316B1 (en) Method for determining, in parts, the volume of a bulk material fed onto a conveyor belt
DE102022105345A1 (en) Method for controlling and/or regulating the supply of material to be processed to a crushing and/or screening system of a material processing facility
DE102022105343A1 (en) Method for controlling and/or regulating the supply of material to be processed to a crushing and/or screening system of a material processing facility
EP3415463A1 (en) Arrangement of sections of a string of springs for the manufacture of a spring core
DE3419281A1 (en) METHOD FOR REGULATING THE OPERATING STATE OF A GRINDING SYSTEM
WO2014122036A1 (en) Method for controlling and/or regulating a grinding mill and grinding mill
DE922098C (en) Pneumatic conveyor system with an automatic control device built into the system
WO2020221620A1 (en) Slurry pump of centrifugal pump design for the transport of pumping media with highly abrasive solid particles
DE1607575C3 (en) Method for controlling a classifier grinding plant

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20220504

AK Designated contracting states

Kind code of ref document: A2

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)