Ziel der vorliegenden Arbeit ist die wissenschaftliche Sicherstellung der nachhaltigen Nutzung der Bodenschätze unter Berücksichtigung der Interessen des Umweltschutzes und der Interessen der Bevölkerung in den goldgewinnenden Regionen der Mongolei. Hierzu ist zum einen die Sensibilisierung des öffentlichen Bewusstseins für die Ökologie erforderlich als auch die Aktivierung der Marktmechanismen zur Anpassung der sozio-ökologischen Situation.

Mit dem zweidimensionalen numerischen Diskrete-Elemente-Programm UDEC wurde nach vorheriger Kalibrierung das Einstanzen einer keilförmigen Schneide in Gesteinsmaterial simuliert und mit Laborversuchen verglichen. Außerdem wurde ein Schneidprozess simuliert. Mittels einer selbst entwickelten Routine, welche die Gesteinselemente bei Überlastung zerteilt und ein ‚Re-meshing‘ erzeugt, konnten befriedigende Simulationsergebnisse erzielt werden. Mit der dreidimensionalen Simulationssoftware PFC3D auf Partikelbasis wurden Modelle mit Hilfe von Zug-, Druck-, Scher- und Stanzversuchen kalibriert und anschließend Schneid- und Bohrversuche simuliert. Die Schneidsimulationen erbrachten bezüglich der Kräfte bei verschiedenen Prozessparametern gute Übereinstimmung mit den Laborversuchen. Bei der Bohrsimulationen konnten Kräfte und Momente aus den Laborversuchen nur teilweise reproduziert werden.:1 Einleitung.................................................................................................... 1 2 Grundlagen der Gesteinszerstörung .......................................................... 3 2.1 Die mechanische Gesteinszerstörung beeinflussende Faktoren................ 3 2.2 Bohrwerkzeuge .......................................................................................... 8 2.2.1 Anforderungen an Bohrwerkzeuge ...................................................... 8 2.2.2 Rollenbohrwerkzeuge .......................................................................... 9 2.2.3 Diamantbohrwerkzeuge....................................................................... 9 2.2.4 Hartmetallwerkzeuge ......................................................................... 11 2.2.5 Auswahl und Einsatz des Bohrmeißels.............................................. 12 2.3 Gestaltung des Bohrprozesses ................................................................ 13 2.4 Vergleich zwischen schneidender, drückender und schlagender Gesteinszerstörung .................................................................................. 14 2.5 Schneidende Gesteinszerstörung ............................................................ 15 2.5.1 Zerspankraft und deren Komponenten: ............................................. 15 2.5.2 Steinbearbeitung mit geometrisch unbestimmter Schneide............... 17 2.5.3 Steinbearbeitung mit geometrisch bestimmter Schneide................... 18 2.6 Drückende Gesteinszerstörung ................................................................ 27 2.7 Verschleiß ................................................................................................ 28 3 Stand der Technik .................................................................................... 31 3.1 Rollenmeißel ............................................................................................ 31 3.1.1 Experimentelle Untersuchungen........................................................ 31 3.1.2 Simulation der Rollenmeißel.............................................................. 34 3.2 Simulation von mechanischen Zerkleinerungsprozessen......................... 40 4 Zweidimensionale Simulation der Gesteinszerstörung mit UDEC ............ 71 4.1 Vorstellung UDEC .................................................................................... 71 4.2 Simulation eines Stanzversuchs mit Diskenmeißeln ................................ 73 4.2.1 Modellaufbau, Methodik..................................................................... 73 4.2.2 Kalibrierung des Gesteinsmodells ..................................................... 73 4.2.3 Simulation der Stanzversuche ........................................................... 74 4.3 Simulation von Schneidversuchen ........................................................... 83 4.3.1 Kalibrierung des Gesteinsmodells ..................................................... 83 4.3.2 Simulation der Schneidversuche ....................................................... 85 5 Dreidimensionale Simulation der Gesteinszerstörung mit PFC3D ............. 97 5.1 Vorstellung PFC3D .................................................................................... 97 5.2 Methodik der Parameterkalibrierung......................................................... 98 5.3 Kalibrierung an Postaer Sandstein ......................................................... 100 5.3.1 Verwendete Rechenmodelle............................................................ 100 5.3.2 Kalibrierung an einaxialen Duck- und Zugversuchen....................... 102 5.3.3 Kalibrierung an Scherversuchen...................................................... 113 5.3.4 Kalibrierung an Stanzversuchen...................................................... 120 5.3.5 Schlussfolgerungen aus der Kalibrierung ........................................ 124 5.4 Simulation von Schneidversuchen ......................................................... 124 5.4.1 Laborversuche................................................................................. 124 5.4.2 Simulationen mit fünffachem Partikeldurchmesser.......................... 128 5.4.3 Simulation mit der Originalkorngröße .............................................. 133 5.4.4 Zusammenfassung .......................................................................... 149 5.5 Simulation der Bohrversuche ................................................................. 149 5.5.1 Versuchsstand................................................................................. 149 5.5.2 Berechnung von Kräften und Momenten ......................................... 151 II 5.5.3 Vergleich verschiedener Rechenmodelle ........................................ 152 5.5.4 Vergleich der Simulation des Bohrversuches mit dem Schneidversuch.............................................................................. 163 5.5.5 Betrachtungen zu den einzelnen Schneidplatten............................. 165 5.5.6 Zusammenfassung .......................................................................... 168 6 Zusammenfassung..................................................................................169 6.1 Hauptbeiträge......................................................................................... 171 7 Extended Summary.................................................................................173 7.1 Two-dimensional simulation of the rock destruction with UDEC............. 173 7.1.1 Introduction...................................................................................... 173 7.1.2 Simulation of a stamping experiment with disc cutters .................... 173 7.1.3 Simulation of rock cutting experiments ............................................ 174 7.2 Three dimensional simulation of the rock destruction with PFC3D .......... 177 7.2.1 Introduction...................................................................................... 177 7.2.2 Calibration ....................................................................................... 177 7.2.3 Simulation of cutting experiments.................................................... 178 7.2.4 Simulation of drilling experiments .................................................... 182 8 Literatur ...................................................................................................187

Die maschinelle Gewinnung ist in der Lage, den verantwortungsvollen Umgang mit Lagerstätten und die Sicherheit in Bergwerken zu erhöhen. Dennoch hat sie sich bisher nicht in gekurvten Strecken und in untertägigen Abbauen des Festgesteinsbergbaus etablieren können. Es wird daher überprüft, welche Aktivierungsparameter nötig sind, um den Anwendungsbereich der schrämenden Werkzeuge auf hochfeste Gesteine zu erweitern. Anhand von sechs Gesteinen werden einerseits die Leistungsfähigkeit des schrämenden Lösens und die Herausforderungen mit zunehmender Festigkeit der Gesteine, andererseits das schlagende Lösen und sein potenzieller Beitrag zur Leistungssteigerung untersucht. Dazu erfolgt die systematische Bestimmung der Gewinnungsparameter und die der gegenseitigen Abhängigkeiten. Am Einzelmeißel werden Orientierung, Schlagenergie, Abstand und Abfolge von Einzelschlägen untersucht, um eine Prognose für günstige Aktivierungsparameter geben zu können. Die Ergebnisse fließen in das Rechenmodell eines rotierenden Gewinnungsorgans, das die Spanleistung und wichtige Parameter der Gewinnung wahlweise mit oder ohne Aktivierung bestimmt. Der darauffolgende Vergleich der beiden Konzepte ermittelt anhand von zwei Gesteinen die jeweilige Vorzugsvariante.

This dissertation evaluates the possibilities and limitations of rock type identification in rock cutting with conical picks. For this, machine learning in conjunction with features derived from high frequency cutting force measurements is used. On the basis of linear cutting experiments, it is shown that boundary layers can be identified with a precision of less than 3.7 cm when using the developed programme routine. It is further shown that rocks weakened by cracks can be well identified and that anisotropic rock behaviour may be problematic to the classification success. In a case study, it is shown that the supervised algorithms artificial neural network and distributed random forest perform relatively well while unsupervised k-means clustering provides limited accuracies for complex situations. The 3d-results are visualised in a web app. The results suggest that a possible rock classification system can achieve good results—that are robust to changes in the cutting parameters when using the proposed evaluation methods.:1 Introduction...1 2 Cutting Excavation with Conical Picks...5 2.1 Cutting Process...8 2.1.2 Cutting Parameters...11 2.1.3 Influences of Rock Mechanical Properties...17 2.1.4 Influences of the Rock Mass...23 2.2 Ratios of Cutting Force Components...24 3 State of the Art...29 3.1 Data Analysis in Rock Cutting Research...29 3.2 Rock Classification Systems...32 3.2.1 MWC – Measure-While-Cutting...32 3.2.2 MWD – Measuring-While-Drilling...34 3.2.3 Automated Profiling During Cutting...35 3.2.4 Wear Monitoring...36 3.3 Machine learning for Rock Classification...36 4 Problem Statement and Justification of Topic...38 5 Material and Methods...40 5.1 Rock Cutting Equipment...40 5.2 Software & PC...42 5.3 Samples and Rock Cutting Parameters...43 5.3.1 Sample Sites...43 5.3.2 Experiment CO – Zoned Concrete...45 5.3.3 Experiment GN – Anisotropic Rock Gneiss...47 5.3.4 Experiment GR – Uncracked and Cracked Granite...49 5.3.5 Case Study PB and FBA – Lead-Zinc and Fluorite-Barite Ores...50 5.4 Data Processing...53 5.5 Force Component Ratio Calculation...54 5.6 Procedural Selection of Features...57 5.7 Image-Based Referencing and Rock Boundary Modelling...60 5.8 Block Modelling and Gridding...61 5.9 Correlation Analysis...63 5.10 Regression Analysis of Effect...64 5.11 Machine Learning...65 5.11.2 K-Means Algorithm...66 5.11.3 Artificial Neural Networks...67 5.11.4 Distributed Random Forest...70 5.11.5 Classification Success...72 5.11.6 Boundary Layer Recognition Precision...73 5.12 Machine Learning Case Study...74 6 Results...75 6.1 CO – Zoned Concrete...75 6.1.1 Descriptive Statistics...75 6.1.2 Procedural Evaluation...76 6.1.3 Correlation of the Covariates...78 6.1.4 K-Means Cluster Analysis...79 6.2 GN – Foliated Gneiss...85 6.2.1 Cutting Forces...86 6.2.2 Regression Analysis of Effect...88 6.2.3 Details Irregular Behaviour...90 6.2.4 Interpretation of Anisotropic Behaviour...92 6.2.5 Force Component Ratios...92 6.2.6 Summary and Interpretations of Results...93 6.3 CR – Cracked Granite...94 6.3.1 Force Component Results...94 6.3.2 Spatial Analysis...97 6.3.3 Error Analysis...99 6.3.4 Summary...100 6.4 Case Study...100 6.4.1 Feature Distribution in Block Models...101 6.4.2 Distributed Random Forest...105 6.4.3 Artificial Neural Network...107 6.4.4 K-Means...110 6.4.5 Training Data Required...112 7 Discussion...114 7.1 Critical Discussion of Experimental Results...114 7.1.1 Experiment CO...114 7.1.2 Experiment GN...115 7.1.3 Experiment GR...116 7.1.4 Case Study...116 7.1.5 Additional Outcomes...117 7.2 Comparison of Machine Learning Algorithms...118 7.2.1 K-Means...118 7.2.2 Artificial Neural Networks and Distributed Random Forest...119 7.2.3 Summary...120 7.3 Considerations Towards Sensor System...121 7.3.1 Force Vectors and Data Acquisition Rate...121 7.3.2 Sensor Types...122 7.3.3 Computation Speed...123 8 Summary and Outlook...125 References...128 Annex A Fields of Application of Conical Tools...145 Annex B Supplements Cutting and Rock Parameters...149 Annex C Details Topic-Analysis Rock Cutting Publications...155 Annex D Details Patent Analysis...157 Annex E Details Rock Cutting Unit HSX-1000-50...161 Annex F Details Used Pick...162 Annex G Error Analysis Cutting Experiments...163 Annex H Details Photographic Modelling...166 Annex I Laser Offset...168 Annex J Supplements Experiment CO...169 Annex K Supplements Experiment GN...187 Annex L Supplements Experiment GR...191 Annex M Preliminary Artificial Neural Network Training...195 Annex N Supplements Case Study (CD)...201 Annex O R-Codes (CD)...203 Annex P Supplements Rock Mechanical Tests (CD)...204 / Die Dissertation evaluiert Möglichkeiten und Grenzen der Gebirgserkennung bei der schneidenden Gewinnung von Festgesteinen mit Rundschaftmeißeln unter Nutzung maschinellen Lernens – in Verbindung mit aus hochaufgelösten Schnittkraftmessungen abgeleiteten Kennwerten. Es wird auf linearen Schneidversuchen aufbauend gezeigt, dass Schichtgrenzen mit Genauigkeiten unter 3,7 cm identifiziert werden können. Ferner wird gezeigt, dass durch Risse geschwächte Gesteine gut identifiziert werden können und dass anisotropes Gesteinsverhalten möglicherweise problematisch auf den Klassifizierungserfolg wirkt. In einer Fallstudie wird gezeigt, dass die überwachten Algorithmen Künstliches Neurales Netz und Distributed Random Forest teils sehr gute Ergebnisse erzielen und unüberwachtes k-means-Clustering begrenzte Genauigkeiten für komplexe Situationen liefert. Die Ergebnisse werden in einer Web-App visualisiert. Aus den Ergebnissen wird abgeleitet, dass ein mögliches Sensorsystem mit den vorgeschlagenen Auswerteroutinen gute Ergebnisse erzielen kann, die gleichzeitig robust gegen Änderungen der Schneidparameter sind.:1 Introduction...1 2 Cutting Excavation with Conical Picks...5 2.1 Cutting Process...8 2.1.2 Cutting Parameters...11 2.1.3 Influences of Rock Mechanical Properties...17 2.1.4 Influences of the Rock Mass...23 2.2 Ratios of Cutting Force Components...24 3 State of the Art...29 3.1 Data Analysis in Rock Cutting Research...29 3.2 Rock Classification Systems...32 3.2.1 MWC – Measure-While-Cutting...32 3.2.2 MWD – Measuring-While-Drilling...34 3.2.3 Automated Profiling During Cutting...35 3.2.4 Wear Monitoring...36 3.3 Machine learning for Rock Classification...36 4 Problem Statement and Justification of Topic...38 5 Material and Methods...40 5.1 Rock Cutting Equipment...40 5.2 Software & PC...42 5.3 Samples and Rock Cutting Parameters...43 5.3.1 Sample Sites...43 5.3.2 Experiment CO – Zoned Concrete...45 5.3.3 Experiment GN – Anisotropic Rock Gneiss...47 5.3.4 Experiment GR – Uncracked and Cracked Granite...49 5.3.5 Case Study PB and FBA – Lead-Zinc and Fluorite-Barite Ores...50 5.4 Data Processing...53 5.5 Force Component Ratio Calculation...54 5.6 Procedural Selection of Features...57 5.7 Image-Based Referencing and Rock Boundary Modelling...60 5.8 Block Modelling and Gridding...61 5.9 Correlation Analysis...63 5.10 Regression Analysis of Effect...64 5.11 Machine Learning...65 5.11.2 K-Means Algorithm...66 5.11.3 Artificial Neural Networks...67 5.11.4 Distributed Random Forest...70 5.11.5 Classification Success...72 5.11.6 Boundary Layer Recognition Precision...73 5.12 Machine Learning Case Study...74 6 Results...75 6.1 CO – Zoned Concrete...75 6.1.1 Descriptive Statistics...75 6.1.2 Procedural Evaluation...76 6.1.3 Correlation of the Covariates...78 6.1.4 K-Means Cluster Analysis...79 6.2 GN – Foliated Gneiss...85 6.2.1 Cutting Forces...86 6.2.2 Regression Analysis of Effect...88 6.2.3 Details Irregular Behaviour...90 6.2.4 Interpretation of Anisotropic Behaviour...92 6.2.5 Force Component Ratios...92 6.2.6 Summary and Interpretations of Results...93 6.3 CR – Cracked Granite...94 6.3.1 Force Component Results...94 6.3.2 Spatial Analysis...97 6.3.3 Error Analysis...99 6.3.4 Summary...100 6.4 Case Study...100 6.4.1 Feature Distribution in Block Models...101 6.4.2 Distributed Random Forest...105 6.4.3 Artificial Neural Network...107 6.4.4 K-Means...110 6.4.5 Training Data Required...112 7 Discussion...114 7.1 Critical Discussion of Experimental Results...114 7.1.1 Experiment CO...114 7.1.2 Experiment GN...115 7.1.3 Experiment GR...116 7.1.4 Case Study...116 7.1.5 Additional Outcomes...117 7.2 Comparison of Machine Learning Algorithms...118 7.2.1 K-Means...118 7.2.2 Artificial Neural Networks and Distributed Random Forest...119 7.2.3 Summary...120 7.3 Considerations Towards Sensor System...121 7.3.1 Force Vectors and Data Acquisition Rate...121 7.3.2 Sensor Types...122 7.3.3 Computation Speed...123 8 Summary and Outlook...125 References...128 Annex A Fields of Application of Conical Tools...145 Annex B Supplements Cutting and Rock Parameters...149 Annex C Details Topic-Analysis Rock Cutting Publications...155 Annex D Details Patent Analysis...157 Annex E Details Rock Cutting Unit HSX-1000-50...161 Annex F Details Used Pick...162 Annex G Error Analysis Cutting Experiments...163 Annex H Details Photographic Modelling...166 Annex I Laser Offset...168 Annex J Supplements Experiment CO...169 Annex K Supplements Experiment GN...187 Annex L Supplements Experiment GR...191 Annex M Preliminary Artificial Neural Network Training...195 Annex N Supplements Case Study (CD)...201 Annex O R-Codes (CD)...203 Annex P Supplements Rock Mechanical Tests (CD)...204