Электродвигатели переменного тока являются ключевым и наиболее распространенным элементом технологического оборудования на горнодобывающих предприятиях, включая шахты, карьеры и обогатительные фабрики. Их работа критически важна для таких механизмов, как конвейеры, дробилки, мельницы, насосы и вентиляторы. Своевременная оценка технического состояния электродвигателя — это особая задача, поскольку его выход из строя может привести не только к остановке отдельного агрегата, но и к простою всей технологической цепи, что влечет за собой значительные экономические потери и риски для безопасности. В настоящее время существует ряд методов диагностики состояния электродвигателей и выявления дефектов. Однако многие из них требуют установки специализированного диагностического оборудования, стоимость которого зачастую многократно превышает цену самого двигателя, что не всегда экономически оправдано для массового применения на множестве единиц техники. В данной работе предложен упрощенный подход к оценке состояния электродвигателя, адаптированный для условий эксплуатации в горнодобывающем комплексе. Метод заключается в построении и анализе диагностической кривой, основанной на данных с датчиков тока, которые, как правило, уже установлены на электродвигателе в составе систем управления и защиты. Эта кривая, получаемая с помощью модификации метода векторного (Парка) преобразования, представляет собой простой и доступный способ получения информации о состоянии двигателя в реальном времени без необходимости в дорогостоящей дополнительной аппаратуре. В статье приведено описание алгоритма формирования диагностической кривой и продемонстрирована ее эффективность на примере модельных и натурных экспериментов. В ходе модельного эксперимента имитировались типичные для тяжелых условий эксплуатации неисправности ротора и статора. Натурные эксперименты проводились на действующем оборудовании с целью оценки реакции диагностической кривой на изменение механической нагрузки, аналогичной реальным рабочим режимам горнодобывающих комплексов.

According to the top-priority trends and challenges in the mineral sector, and as per the mining science strategy, it is highly critical to arrange enhanced control, prediction and safety of production objects and their functioning for the preservation of automation sustainability. Improved control of databases, regulatory bonds, management, logistics and principles of sustainable development in mining makes it possible to reduce technological deviations and accidents at large mining and processing plants. Most procedural violations and accidents in surface and underground mines occur because of the unskilled actions of process flow operators. Damage in this case can be considerable, especially as compared with the expenses connected with qualitative training and persistent development of personnel engaged with supervisory control and data acquisition for the efficient operation of SCADA-systems within the automation framework of mining and processing plants. Definition of digital systems and their interrelation with multilevel automated control can be incorrect. The review of new principles can awaken interest in the conceptual assessment of digitalization processes using such notions as: numerical models, simulator, and artificial intel-ligence. Often applied formulations and principles of a digital model are substituted without justification of functional connections. On the other hand, a digital system today can be assumed as robotic lines and other numerical models and smart technologies, for instance, machining sta-tions with numerical program control. It is necessary to define the practical significance of conceptual modifications and digital transformation regarding objects of the mineral sector, using Big Data; to understand how a digital twin can influence a changeable process situation; to provide prompt prediction; to eliminate an accident; and to preserve the physical balance in the whole production system. Such intelligent and flexible productions particularly need computer-based simulators and digital twins based on technologies of Industry 4.0–extended and virtual reality on the basis of digital twins. Digital twins allow maximal simulation of real-life activity of process flow operators. The skills acquired by personnel after such simulation training enable operators to master the optimized procedure for functioning in emergency situations in mineral mining and processing. This paper exemplifies the remote training and control of process flows, which is of concern in the current international situation.

In this article actual topics concerned with mechanical properties of bulk materials, usage of computer vision and artificial neural networks in this research are discussed. The main principles of the system for analysis of bulk materials mechanical characteristics are described. Bulk material outflow behaviour with predefined parameters (particles shapes and radius, coefficients of friction, etc.) was modelled. The outflow was modelled from the calibrated conical funnel. Obtained dependencies between mechanical characteristics and pile geometrical properties are represented as diagrams and graphs.