سه شنبه, ۳ خرداد , ۱۴۰۱
Tuesday, 24 May , 2022
«تولید، پشتیبانی‌ها، مانع‌زدایی‌ها»
جستجو
پیش‌بینی نرخ نفوذ سرمته در سنگ با استفاده از هوش مصنوعی
1

پژوهشگران گروه استخراج دانشکده فنی و مهندسی دانشگاه تربیت مدرس با هدف کاهش هزینه‌های عملیاتی در فعالیت‌های عمرانی و معدنی، طی پژوهشی به بررسی پیش‌بینی نرخ نفوذ سرمته در سنگ با استفاده از هوش مصنوعی، پرداختند. به گزارش اداره کل روابط عمومی وزارت علوم به نقل از دانشگاه تربیت مدرس، عملیات چالزنی اولین گام در […]

پ
پ


پژوهشگران گروه استخراج دانشکده فنی و مهندسی دانشگاه تربیت مدرس با هدف کاهش هزینه‌های عملیاتی در فعالیت‌های عمرانی و معدنی، طی پژوهشی به بررسی پیش‌بینی نرخ نفوذ سرمته در سنگ با استفاده از هوش مصنوعی، پرداختند.

به گزارش اداره کل روابط عمومی وزارت علوم به نقل از دانشگاه تربیت مدرس، عملیات چالزنی اولین گام در برخی از فعالیت‌های عمرانی و معدنی محسوب می‌شود. به دلیل هزینه زیاد این عملیات، باید در تجهیز و نگه داری اقلام مصرفی و مستهلک شونده، دقت شود.

جهت بررسی دلایل استهلاک دستگاه و اقلام مصرفی، ابزار دقیقی موجود نمی‌باشد به همین دلیل باید در هنگام اجرای عملیات دقت کافی صورت گیرد تا ازهزینه‌های اضافی جلوگیری شود. به منظور کاهش هزینه‌های عملیاتی باید علاوه بر شناخت محیط کاری (زمین)، عملکرد دستگاه چالزنی نیز تحت کنترل باشد، این فرآیند موجب تسهیل برنامه‌ریزی بر اساس عملکرد دستگاه در شرایط مختلف زمین می‌شود. در اندازه‌گیری راندمان چالزنی و تشخیص بازدهی دستگاه در مناطق مختلف، شاخص‌های متفاوتی در نظر گرفته شده که نرخ نفوذ و قابلیت چالخوری بیشترین کاربرد را دارند.

هدف از این پژوهش که در قالب پایان نامه کارشناسی ارشد علی نعمتی در رشته مهندسی معدن- استخراج مواد معدنی، انجام شد، پیش‌بینی نرخ نفوذ سرمته و بررسی تاثیر پارامتر رده‌بندی توده سنگ، ژئومکانیکی در معدن وپارامترهای عملیاتی دستگاه بر میزان نرخ نفوذ سرمته در سنگ و عملکرد دستگاه چالزنی به روش هوشمند است.

جهت ارزیابی مدل ازدستگاه‌های چالزنی اطلس کپکو، هوشر، سانوارد و تامراک موجود در معدن مس سونگون استفاده شد. پس از انجام برداشت‌های میدانی و آزمون‌های آزمایشگاهی، بانک اطلاعاتی از ۸۵ چال وپارامترهای مورد نظر از معدن مس سونگون گردآوری شد.

در مدل، نیروی فشاری پشت سرمته وفشار دوران سرمته جزو پارامترهای عملیاتی دستگاه چالزنی وپارامترتوده سنگ از سیستم رده‌بندی توده سنگ و چکش اشمیت متغیرژئومکانیکی استفاده شده است. پس از برداشت داده‌های زمین شناسی و عملکرد دستگاه، مطالعه آماری بر روی چهار دستگاه چالزنی انجام شد. سپس تاثیر هریک ازمتغیرهای چالزنی برروی نرخ نفوذ سرمته بررسی شد. نتایج تحلیل‌ها ارتباطی معنی داربین متغیرهای مورد بررسی و نرخ نفوذ سرمته نشان داد.

در دستگاه‌های اطلس کپکو، هوشر و سانوارد فشار پشت سرمته به ترتیب با ضریب تعیین ۸۷ %، ۸۶% و % ۷۱ موثرترین متغیر می‌باشد. در دستگاه تامراک با ضریب تعیین ۸۵ % موثرترین متغیر بر نرخ نفوذ سرمته، فشار دوران می باشد. همچنین در تحلیل داده‌های هر دستگاه به صورت مجزا به روش رگرسیون خطی چند متغیره با استفاده ازمتغیرهای مسئله، مدلی جهت پیش بینی نرخ نفوذ سرمته با ضریب تعیین ۹۱ %، ۸۹ %، ۸۹ % و ۸۳ % به ترتیب برای دستگاه‌های اطلس کپکو، هوشر، تامراک، و سانوارد به دست آمد. در بررسی رگرسیون چند متغیره برای تمامی دستگاه‌ها و متغیرها، مدلی با ضریب تعیین ۷۴ % جهت تخمین نرخ نفوذ سرمته ایجاد شد. با استفاده از مدل شبکه عصبی با الگوریتم‌های بهینه سازی درجه اول شبکه عصبی به روش‌های Adam ، SGD و GD استفاده شد و به ترتیب هر یک با ضریب تعیین ۹۴ %، ۹۱ % و ۹۱ % در داده‌های آموزش و در داده های آزمون ۹۴ %، ۹۰ % و ۸۶ % نتیجه شد. با تحلیل حساسیت مدل مشخص شد متغیر فشار پشت سرمته بیشترین تأثیر و فشار دوران کمترین تأثیر را درمعدن مورد مطالعه دارد.

گفتنی است این پژوهش در قالب پایان نامه کارشناسی ارشد علی نعمتی با راهنمایی دکتر مسعود منجزی و با مشاوره دکتر جعفر خادمی در دانشکده فنی و مهندسی دانشگاه تربیت مدرس انجام شد.



Source link

ثبت دیدگاه

  • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.