露天矿智能采矿系统方案_第1页
露天矿智能采矿系统方案_第2页
露天矿智能采矿系统方案_第3页
露天矿智能采矿系统方案_第4页
露天矿智能采矿系统方案_第5页
已阅读5页,还剩13页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

露天矿智能采矿系统方案第一章系统概述1.1系统定义与目标1.2系统组成及功能1.3系统优势与挑战1.4系统应用前景1.5系统实施步骤第二章系统硬件架构2.1传感器技术2.2数据采集与传输2.3控制系统设计2.4设备选型与集成2.5硬件维护与更新第三章系统软件架构3.1数据管理平台3.2智能算法模块3.3用户界面设计3.4系统安全性与可靠性3.5软件升级与维护第四章系统关键技术与创新4.1人工智能技术应用4.2大数据分析与挖掘4.3物联网技术融合4.4虚拟现实技术辅助4.5系统优化与创新方向第五章系统实施与运维5.1系统安装与调试5.2数据采集与处理5.3系统运行监控5.4故障分析与处理5.5系统评估与优化第六章经济效益与社会效益分析6.1经济效益评估6.2社会效益分析6.3风险与对策6.4可持续发展策略6.5政策法规影响第七章案例研究与分析7.1典型案例介绍7.2案例分析与方法7.3案例启示与借鉴7.4案例局限性7.5未来研究方向第八章结论与展望8.1系统总结8.2未来发展趋势8.3潜在问题与挑战8.4建议与对策8.5持续改进方向第一章智能采矿系统概述1.1系统定义与目标露天矿智能采矿系统是指基于现代信息技术、人工智能以及自动化设备构建的,用于提升采矿效率、优化资源利用、保障作业安全的综合管理系统。其核心目标是实现采矿过程的智能化管理,通过数据采集、分析与决策支持,提高作业效率,降低运营成本,并保证矿产资源的可持续开采。1.2系统组成及功能智能采矿系统由多个模块构成,主要包括数据采集层、数据处理层、决策支持层以及执行控制层。数据采集层通过传感器、GPS、雷达、无人机等设备实现对矿区环境、设备状态及作业过程的实时监测;数据处理层利用大数据分析与机器学习算法对采集数据进行处理与建模,提取关键信息;决策支持层基于处理后的数据,提供最优的采矿方案与作业策略;执行控制层则通过自动化设备实现对采矿作业的精准控制。1.3系统优势与挑战智能采矿系统具有显著的优势,包括提升作业效率、减少人工干预、增强安全性以及优化资源分配等。同时系统也面临一些挑战,如数据采集与处理的复杂性、算法模型的稳定性、设备适配性问题以及系统集成难度等。未来需通过技术创新与系统优化,逐步解决上述问题。1.4系统应用前景矿山开采行业的数字化转型加速,智能采矿系统在露天矿中的应用前景广阔。该系统可有效提升矿产资源开采的智能化水平,推动矿山向绿色、高效、安全方向发展。是在复杂地质条件下,智能采矿系统能够实现对采掘作业的精准控制,提高作业效率并降低对环境的影响。1.5系统实施步骤智能采矿系统的实施需遵循系统规划、数据采集与预处理、算法开发与模型构建、系统集成与测试、部署运行与优化等步骤。系统规划阶段需明确项目目标与技术路线;数据采集与预处理阶段需构建高质量的数据基础;算法开发与模型构建阶段需结合行业需求设计智能算法;系统集成与测试阶段需保证各模块之间的协调与适配;部署运行与优化阶段则需根据实际运行情况持续优化系统功能。第二章系统硬件架构2.1传感器技术露天矿智能采矿系统依赖于高精度的传感器技术以实现对矿体的实时监测与控制。传感器主要分为位移传感器、压力传感器、温度传感器、振动传感器和光栅传感器等类型,用于采集矿体的三维位置、地质参数、环境条件等关键数据。在实际应用中,传感器需具备高灵敏度、高稳定性、抗干扰能力强等特性,以保证数据的准确性与可靠性。通过传感器网络,系统能够实现对矿体的动态监测与分析,为后续的智能决策提供数据支持。2.2数据采集与传输数据采集与传输系统是露天矿智能采矿系统的核心组成部分,其主要功能是将传感器采集的数据实时传输至控制系统,以便进行进一步处理和分析。在数据采集过程中,系统采用多通道数据采集模块,支持多源数据的并行采集,保证数据的完整性与实时性。传输方式主要包括无线传输和有线传输两种,其中无线传输适用于远程监测场景,而有线传输则适用于高精度、高稳定性的数据传输需求。系统采用工业级通信协议(如Modbus、OPCUA等),保证数据传输的可靠性和安全性。2.3控制系统设计控制系统是露天矿智能采矿系统的大脑,负责对采集到的数据进行分析、处理,并生成相应的控制指令。控制系统采用分布式架构,主要包括数据处理单元、控制逻辑单元和执行单元三部分。数据处理单元负责对采集的数据进行滤波、去噪和特征提取,控制逻辑单元则基于预设的算法和规则,对数据进行决策判断,执行单元则根据控制逻辑单元的指令,对设备进行控制,如启停、调节、报警等。控制系统需具备高可靠性、高实时性和良好的容错能力,以适应露天矿复杂的作业环境。2.4设备选型与集成设备选型与集成是保证露天矿智能采矿系统高效运行的关键环节。系统设备主要包括传感器、数据采集器、控制器、执行器、通信设备等。在设备选型过程中,需考虑设备的功能指标、工作环境、成本效益等因素,保证设备的适用性与经济性。设备集成方面,系统采用模块化设计,支持设备的灵活配置与扩展,便于后续的维护与升级。同时系统采用统一的硬件平台,保证各模块之间的适配性与协同工作能力。2.5硬件维护与更新硬件维护与更新是保障露天矿智能采矿系统长期稳定运行的重要保障。系统采用预防性维护策略,定期对传感器、通信设备、控制系统等关键部件进行检查与保养,保证设备处于良好工作状态。维护内容包括清洁、校准、更换磨损部件等。同时系统支持软件升级与硬件升级,通过固件更新、驱动优化等方式,不断提升系统的功能与功能。硬件更新方面,系统支持模块化升级,便于根据实际需求进行设备的替换与扩展,保证系统能够适应不断变化的采矿需求。第三章系统软件架构3.1数据管理平台数据管理平台是露天矿智能采矿系统的核心基础设施,负责数据的采集、存储、处理与共享。平台采用分布式架构,支持多源异构数据的整合与实时处理。数据采集模块通过传感器网络与自动化设备实现对矿区环境参数(如地质结构、矿石成分、设备状态等)的实时监测。数据存储模块采用高可靠性的分布式数据库系统,保证数据的完整性与可用性。数据处理模块运用数据挖掘与清洗技术,实现数据的标准化与结构化,为智能算法提供高质量的数据输入。数据共享模块支持跨系统数据交互,保证各子系统间的数据一致性与协同工作。在数据管理平台中,数据流的处理涉及大量实时数据,其处理效率直接影响系统运行的实时性。为提升数据处理效率,平台采用基于流处理技术的计算引擎,如ApacheKafka与ApacheFlink,实现数据的实时摄取与分析。数据存储采用NoSQL数据库(如MongoDB)与关系型数据库(如MySQL)结合的方式,兼顾灵活性与一致性。数据管理平台还集成数据安全机制,通过加密传输、权限控制与数据脱敏技术,保障数据在存储与传输过程中的安全性。3.2智能算法模块智能算法模块是系统实现智能化决策的关键组成部分,基于机器学习与深入学习技术,实现对矿山开采过程的自动化控制与优化。模块主要包括地质建模、路径规划、资源评估与实时控制算法。在地质建模方面,系统采用基于深入学习的三维地质模型构建技术,通过大量历史地质数据与现场勘探数据的训练,实现对矿区地质结构的高精度建模。模型输出的地质参数可用于矿山开采路径规划与资源分布评估。在路径规划方面,系统采用基于强化学习的路径优化算法,结合地形、矿石品位与设备状态等多维因素,动态调整开采路径,提升开采效率与安全性。资源评估模块基于机器学习模型,对矿石的品位、可采储量与开采成本进行预测,为决策提供数据支持。智能算法模块还集成实时反馈机制,通过传感器数据与历史数据的对比,动态调整算法参数,提升系统智能化水平。算法模块的优化与迭代需结合实际应用场景,通过不断积累数据与经验,实现系统的持续进化与优化。3.3用户界面设计用户界面设计是系统人机交互的核心,需兼顾操作便捷性、信息展示清晰度与系统响应速度。界面设计采用模块化架构,分层实现功能与数据展示的分离,提升系统的可扩展性与维护性。主界面包含导航栏、数据展示区、操作控制区与实时信息区,各区域功能明确,信息交互直观。在数据展示区,系统采用可视化图表(如热力图、三维模型、动态仪表盘)展示矿山开采状态、资源分布与设备运行参数,提升用户对系统状态的直观理解。操作控制区集成多种交互方式,如手势控制、语音指令与触控操作,。实时信息区通过WebSocket技术实现与设备的实时数据同步,保证用户能够及时获取关键信息。界面设计遵循人机工程学原理,兼顾不同用户群体的操作习惯,通过色彩、字体与布局的优化,提升界面的易用性与可访问性。同时系统支持多语言切换与个性化设置,适应不同用户需求。3.4系统安全性与可靠性系统安全性与可靠性是露天矿智能采矿系统运行的基石,需从硬件、软件及管理三个层面保障系统稳定运行。硬件层面,系统采用冗余设计,关键设备配置双冗余电源、双路网络与双控制器,保证在单一故障情况下系统仍能正常运行。软件层面,系统实现多层次安全防护,包括数据加密(如AES-256)、身份认证(如OAuth2.0)与访问控制(RBAC),防止未授权访问与数据泄露。系统集成入侵检测与响应机制,实时监控系统行为,及时发觉并阻断潜在攻击。在可靠性方面,系统采用高可用架构,关键模块部署在多节点,通过负载均衡与故障转移机制,保证系统在突发故障时仍能保持服务连续性。系统具备自愈能力,当检测到异常时,自动启动修复流程,减少停机时间。同时系统定期进行安全审计与功能测试,保证系统始终处于最佳运行状态。3.5软件升级与维护软件升级与维护是系统长期运行的重要保障,需遵循模块化升级策略,保证系统在更新过程中保持稳定与适配性。系统采用版本控制与回滚机制,支持对旧版本的快速恢复,降低升级风险。升级过程中,系统通过自动化部署工具实现无缝升级,保证生产环境与测试环境的同步。维护方面,系统采用预防性维护与故障诊断相结合的方式,定期进行系统功能评估与资源优化,提升系统运行效率。系统支持远程监控与远程管理,运维人员可通过Web界面实时查看系统状态、日志信息与报警信息,提升维护效率。同时系统提供详细的维护文档与操作指南,保证运维人员能够快速掌握系统运维流程。在软件升级与维护过程中,需结合实际应用场景,通过不断积累数据与经验,优化系统功能,提升系统智能化水平。系统升级与维护需与矿山生产节奏紧密配合,保证在不影响生产运行的前提下,实现系统的持续优化与迭代。第四章系统关键技术与创新4.1人工智能技术应用在露天矿智能采矿系统中,人工智能技术被广泛应用于数据驱动的决策支持与自动化控制。通过深入学习算法,系统能够对大量的采矿数据进行实时分析,识别出最优的采矿路径和资源分布模式。例如卷积神经网络(CNN)可对矿区地形数据进行高精度建模,提升矿产资源的开采效率。强化学习(ReinforcementLearning)技术被用于动态调整采矿作业策略,以适应多变的环境条件。通过机器学习模型的持续训练与优化,系统能够实现对采矿过程的自适应控制,提高作业的稳定性和经济性。4.2大数据分析与挖掘大数据技术为露天矿智能采矿系统提供了强大的数据支撑与分析能力。系统通过部署分布式数据处理框架(如Hadoop或Spark),对来自各类传感器、地质探测设备及作业设备的实时数据进行高效存储与处理。基于大数据挖掘技术,系统能够实现对采矿作业的全面分析,包括资源分布、开采效率、设备状态及环境影响等方面的深入洞察。例如使用Apriori算法进行关联规则挖掘,可识别出资源开采与设备维护之间的潜在关系,从而优化设备维护策略。同时基于时间序列分析的预测模型能够对未来矿山的资源产出进行估算,为决策提供科学依据。4.3物联网技术融合物联网技术在露天矿智能采矿系统中发挥着关键作用,实现了对矿区设备与环境的全面感知与智能控制。通过部署边缘计算节点和智能传感器,系统能够实时采集矿区温度、湿度、振动、压力等关键参数,并将数据传输至云端进行分析。基于物联网平台,系统可实现对采矿设备的远程监控与状态诊断,保证作业的连续性和安全性。例如基于LoRaWAN协议的无线通信技术,能够实现远距离数据传输,适用于矿山环境中复杂的电磁干扰条件。物联网技术还支持设备故障的智能预警与自动报警,提高矿山作业的可靠性和安全性。4.4虚拟现实技术辅助虚拟现实(VR)技术在露天矿智能采矿系统中被用于提升作业人员的培训与操作效率。通过VR仿真平台,系统能够模拟真实的矿山环境,为作业人员提供沉浸式的操作训练。在虚拟环境中,作业人员可进行复杂采矿流程的模拟操作,从而提升对矿区环境的适应能力。VR技术还可用于矿区安全评估与模拟,帮助管理人员识别潜在风险并制定相应的安全措施。例如基于VR的三维建模技术可实现对矿区地质结构的可视化呈现,辅助地质勘探与开采规划。4.5系统优化与创新方向露天矿智能采矿系统的优化与创新方向主要集中在提升系统智能化水平、增强数据驱动决策能力以及实现资源高效利用。在系统优化方面,采用数字孪生技术构建矿山的虚拟模型,实现对矿山运行状态的实时监控与动态优化。同时基于云计算的分布式计算架构能够提升系统处理能力,支持大规模数据的实时分析与响应。在创新方向上,系统可结合5G通信技术实现远程操控与协同作业,提升矿山作业的灵活性与效率。结合区块链技术可实现采矿数据的透明化管理,保证数据安全与可信度。未来,系统将朝着更加智能化、自动化和协同化的方向发展,以满足矿山行业对高效、安全、可持续发展的需求。第五章系统实施与运维5.1系统安装与调试露天矿智能采矿系统在部署前需完成硬件与软件的安装配置,保证系统各模块间通信正常。系统安装涉及矿场硬件设备的部署,包括但不限于传感器、数据采集单元、通信模块、控制终端等。调试阶段需对各设备进行校准与参数设置,保证系统在实际工况下稳定运行。通过自动化测试工具对系统进行功能验证,保证数据采集、传输、处理环节无异常。系统安装与调试完成后,需进行整体功能测试与功能评估,保证系统满足预期运行要求。5.2数据采集与处理数据采集是系统运行的基础,涉及多源异构数据的获取与整合。露天矿智能采矿系统采集的数据包括但不限于矿车位置、设备状态、环境参数、生产数据等。数据采集采用边缘计算与云计算相结合的方式,实现数据的实时采集与初步处理。数据处理环节包括数据清洗、格式转换、数据存储与索引,保证数据的完整性与可用性。通过数据挖掘与机器学习算法,对采集数据进行深入分析,提取关键业务指标,为决策提供数据支持。系统需建立统一的数据接口标准,实现多系统间数据交互。5.3系统运行监控系统运行监控是保障系统稳定运行的重要环节。监控内容包括系统状态、设备运行状态、数据处理进度、任务执行情况等。系统采用实时监控平台,通过可视化界面展示系统运行状态,支持多维度数据查询与分析。监控系统需具备异常预警功能,对系统运行中的异常情况及时发出警报。通过日志记录与分析,实现对系统运行过程的追溯与优化。监控数据可用于系统优化与运维决策,提升系统运行效率与稳定性。5.4故障分析与处理系统故障是运维过程中不可避免的问题,需建立完善的故障分析与处理机制。故障分析需结合系统日志、监控数据与现场数据进行综合判断,定位故障根源。故障处理需遵循“预防、监控、修复”三级响应机制,保证故障快速响应与修复。系统需具备自愈能力,对部分可自动修复的故障实现流程控制。故障处理后需进行回顾分析,总结故障原因与改进措施,形成运维知识库,提升系统可靠性与稳定性。系统需建立故障处理流程与操作规范,保证处理过程标准化、流程化。5.5系统评估与优化系统评估是保证系统持续改进与优化的重要手段。评估内容包括系统功能指标、运行效率、数据准确性、运维成本等。评估方法采用定量分析与定性分析相结合,结合系统运行数据与运维记录进行综合评估。系统优化需基于评估结果,提出改进方案,包括算法优化、资源配置优化、流程优化等。优化方案需经过可行性分析与测试验证,保证优化效果。系统优化需持续进行,根据实际运行情况动态调整,保证系统在不断变化的采矿环境中保持高效运行。优化成果需形成文档记录,为后续运维提供参考依据。第六章经济效益与社会效益分析6.1经济效益评估露天矿智能采矿系统通过自动化、信息化和智能化技术提升采矿效率,降低人工成本,优化资源回收率,从而对矿山企业的经济效益产生显著影响。系统在开采过程中采用先进的传感器、数据分析与人工智能算法,实现对矿岩品位、开采进度、设备状态等关键参数的实时监控与精准控制,有效减少因人为操作失误或设备故障导致的资源浪费和生产中断。从财务角度分析,智能采矿系统可显著提升单位作业成本效率,降低设备维护与人工干预成本,提升采掘效率,进而提高矿山的综合经济效益。系统能够实现多矿井、多矿区的协同作业,提升整体资源利用率,提高矿山的盈利水平。在经济效益评估中,可通过以下公式进行量化分析:经济效益其中,单位产出价值为系统提升的效率与效益,单位成本为传统采矿方式下的成本,产量为实际开采量。6.2社会效益分析露天矿智能采矿系统不仅提升矿产资源的开采效率,还对社会产生深远影响。系统通过自动化与智能化技术,减少对人力的依赖,提高作业安全性,降低工人劳动强度,改善矿山工人的工作条件,提升其生活质量。在环境保护方面,系统能够实现对矿区体系的智能化监测与管理,减少对周边环境的污染,提升矿区体系系统的可持续性。智能采矿技术的推广应用有助于推动矿山行业向绿色、低碳方向发展,符合国家体系文明建设的战略方向。6.3风险与对策露天矿智能采矿系统在实施过程中面临技术、安全、运营等多方面的风险。技术风险主要来自系统集成复杂性、数据处理能力及算法准确性;安全风险主要来自设备故障、系统误操作以及作业环境复杂性;运营风险则来自系统维护成本、人员培训不足及系统稳定性问题。针对上述风险,应采取以下对策:技术风险:在系统设计阶段引入多学科交叉技术,建立完善的技术验证机制,并定期进行系统测试与优化。安全风险:实施严格的设备安全标准与操作规范,加强人员培训,保证系统运行过程中的人身与设备安全。运营风险:建立完善的运维管理体系,制定详细的维护计划与应急预案,提升系统的稳定性和运行效率。6.4可持续发展策略露天矿智能采矿系统应融入可持续发展战略,实现资源开发与环境保护的协调发展。在系统设计中,应优先考虑资源的高效利用与循环利用,减少对环境的负面影响。同时系统应具备良好的可扩展性,便于未来技术升级与矿区扩展。可持续发展策略包括:资源高效利用:通过智能算法优化采矿路径,提升资源回收率,减少资源浪费。环境保护:系统应配备环境监测模块,实时监控矿区体系变化,及时采取措施减少污染。能源节约:采用节能型设备与智能能源管理系统,降低系统运行能耗。6.5政策法规影响政策法规对露天矿智能采矿系统的实施具有重要影响。国家及地方对矿山行业的发展制定了多项政策,如《矿山安全法》《矿产资源法》《环境保护法》等,明确了矿山开发的合规要求与环境保护标准。在政策法规影响下,智能采矿系统需符合相关法律法规的要求,保证系统在设计、实施与运营过程中遵守国家政策与行业规范。同时政策法规的更新与完善也将推动智能采矿技术的进一步发展与应用。露天矿智能采矿系统在经济效益、社会效益、风险控制与可持续发展等方面具有显著优势,施将对矿山行业的发展产生积极影响。第七章案例研究与分析7.1典型案例介绍露天矿智能采矿系统方案在实际应用中具有显著的经济效益与环境效益。本节选取某大型露天矿作为典型案例,该矿年开采量达数十万吨,采用智能化采矿技术,涵盖无人驾驶采掘设备、数据采集与处理系统、自动化控制平台等核心技术。该案例在智能化程度、自动化水平及环境适应性方面具有代表性,能够为其他露天矿提供参考与借鉴。7.2案例分析与方法本案例采用定性与定量相结合的方法进行分析,通过数据采集与系统运行监测,评估智能采矿系统的实际运行效果。具体方法包括:数据采集:对系统运行过程中的关键参数进行实时采集,如采掘效率、设备能耗、设备故障率等。运行监测:通过传感器与数据采集系统,对系统运行状态进行实时监控,保证系统稳定运行。功能评估:基于采集数据,采用统计分析方法对系统运行效率、设备利用率、能耗水平等进行量化评估。对比分析:与传统采矿方式进行对比,分析智能采矿系统的运行效率、成本控制、环境影响等指标的变化。7.3案例启示与借鉴本案例表明,智能化采矿系统的应用能够显著提升露天矿的生产效率与资源利用率。具体启示包括:技术集成:智能采矿系统需实现多技术融合,如物联网、大数据、人工智能、边缘计算等,以提升系统整体功能。设备自动化:通过自动化设备的部署与优化,减少人工干预,提高作业效率与安全性。数据驱动决策:基于实时数据构建决策支持系统,实现对采掘作业的精准控制与优化。环境友好性:智能采矿系统在提升效率的同时也需关注环境保护与资源可持续利用,保证长期运营的可行性。7.4案例局限性尽管智能采矿系统在实际应用中表现出色,但其仍存在一定的局限性。具体包括:技术依赖性:系统依赖于高质量的数据采集与处理能力,若数据质量不高,将影响系统功能。设备成本较高:智能采矿设备的购置与维护成本较高,可能影响初期投资回报率。技术适应性:不同地质条件与矿床类型对智能采矿系统的适应性存在差异,需针对性优化。人员培训:系统操作与维护需要专业人员进行培训,若培训不足,可能导致系统运行效率下降。7.5未来研究方向未来研究方向应围绕智能采矿系统的持续优化与拓展进行摸索,具体包括:算法优化:进一步优化机器学习与深入学习算法,提升系统对复杂地质条件的适应能力。系统集成:加强不同子系统间的协同与数据共享,提升整体系统运行效率。能源管理:研究智能采矿系统在能源消耗方面的优化策略,提升可持续性。人工智能应用:引入更多人工智能技术,如计算机视觉、自然语言处理等,提升系统智能化水平。安全与可靠性:加强系统安全性与可靠性研究,保证在复杂环境下的稳定运行。第八章结论与展望8.1系统总结露天矿智能采矿系统作为现代采矿工业的重要组成部分,其核心在于通过先进技术实现矿产资源的高效、安全、可持续开采。该系统集成了物联网、大数据分析、人工智能、自动化控制等前沿技术,构建了实时监测、智能决策与自动执行的流程控制架构。系统不仅提升了矿山运营效率,还显著降低了人工干预成本,优化了矿产资源利用结构,具有明显的经济效益和社会效益。系统在矿井选址、作业流程调度、设备状态监测、安全预警等方面均展现出显著优势,为露天矿的智能化转型提供了坚实的技术支撑。8.2未来发展趋势数字化、智能化和绿色化趋势的深入发展,露天矿智能采矿系统将呈现

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论