NeoPedia

پیش بینی نرخ نفوذ سرمته در سنگ با کمک هوش مصنوعی

پیش بینی نرخ نفوذ سرمته در سنگ با کمک هوش مصنوعی

پژوهشگران گروه استخراج دانشکده فنی و مهندسی دانشگاه تربیت مدرس با هدف کاهش هزینه های عملیاتی در کارهای عمرانی و معدنی، طی پژوهشی به بررسی پیش بینی نرخ نفوذ سرمته در سنگ با بهره گیری از هوش مصنوعی پرداختند.


به گزارش نئوپدیا به نقل از ایسنا، عملیات چالزنی نخستین گام در بعضی از کارهای عمرانی و معدنی شمرده می شود. به سبب هزینه زیاد این عملیات، باید در تجهیز و نگهداری اقلام مصرفی و مستهلک شونده، دقت شود.
جهت بررسی دلیلهای استهلاک دستگاه و اقلام مصرفی، ابزار دقیقی موجود نیست، بنا بر این باید در هنگام اجرای عملیات دقت کافی صورت گیرد تا از هزینه های اضافی جلوگیری شود. بمنظور کاهش هزینه های عملیاتی باید علاوه بر شناخت محیط کاری (زمین)، عملکرد دستگاه چالزنی نیز تحت کنترل باشد، این پروسه سبب تسهیل برنامه ریزی برمبنای عملکرد دستگاه در وضعیت مختلف زمین می شود. در اندازه گیری راندمان چالزنی و تشخیص بازدهی دستگاه در مناطق مختلف، فاکتورهای 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، پیش بینی نرخ نفوذ سرمته و بررسی تاثیر پارامتر رده بندی توده سنگ، ژئومکانیکی در معدن و پارامترهای عملیاتی دستگاه بر میزان نرخ نفوذ سرمته در سنگ و عملکرد دستگاه چالزنی به روش هوشمند است.
جهت ارزیابی مدل از دستگاه های چالزنی اطلس کپکو، هوشر، سانوارد و تامراک موجود در معدن مس سونگون استفاده شد. بعد از انجام برداشت های میدانی و آزمون های آزمایشگاهی، بانک اطلاعاتی از ۸۵ چال و پارامترهای مورد نظر از معدن مس سونگون گردآوری شد.
در مدل، نیروی فشاری پشت سرمته و فشار دوران سرمته جزو پارامترهای عملیاتی دستگاه چالزنی و پارامتر توده سنگ از سیستم رده بندی توده سنگ و چکش اشمیت متغیر ژئومکانیکی استفاده شده است. بعد از برداشت داده های زمین شناسی و عملکرد دستگاه، مطالعه آماری بر روی چهار دستگاه چالزنی انجام شد. سپس تاثیر هریک از متغیرهای چالزنی بر روی نرخ نفوذ سرمته بررسی گردید. نتایج تحلیل ها ارتباطی مدلول دار بین متغیرهای مورد بررسی و نرخ نفوذ سرمته نشان داد.
در دستگاه های اطلس کپکو، هوشر و سانوارد فشار پشت سرمته به ترتیب با ضریب تعیین ۸۷، ۸۶ و ۷۱ درصد مؤثرترین متغیر است. در دستگاه تامراک با ضریب تعیین ۸۵ درصد مؤثرترین متغیر بر نرخ نفوذ سرمته، فشار دوران است. همین طور در تحلیل داده های هر دستگاه بصورت مجزا به روش رگرسیون خطی چند متغیره با بهره گیری از متغیرهای مسئله، مدلی جهت پیش بینی نرخ نفوذ سرمته با ضریب تعیین ۹۱، ۸۹، ۸۹ و ۸۳ درصد به ترتیب برای دستگاه های اطلس کپکو، هوشر، تامراک و سانوارد به دست آمد.
در بررسی رگرسیون چند متغیره برای تمامی دستگاهها و متغیرها، مدلی با ضریب تعیین ۷۴ درصد جهت تخمین نرخ نفوذ سرمته بوجود آمد. با بهره گیری از مدل شبکه عصبی با الگوریتم های بهینه سازی درجه اول شبکه عصبی به روش های Adam، SGD و GD استفاده شد و به ترتیب هر یک با ضریب تعیین ۹۴، ۹۱ و ۹۱ درصد در داده های آموزش و در داده های آزمون ۹۴، ۹۰ و ۸۶ درصد نتیجه شد. با تحلیل حساسیت مدل مشخص شد متغیر فشار پشت سرمته بیشترین تأثیر و فشار دوران کمترین تأثیر را درمعدن مورد مطالعه دارد.
به نقل از وزارت علوم، 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.



1401/02/20
12:16:07
5.0 / 5
435
تگهای خبر: آموزش , پژوهش , پژوهشگران , پژوهشی
این مطلب نئوپدیا را می پسندید؟
(1)
(0)

تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب
لطفا شما هم نظر دهید
= ۵ بعلاوه ۳
NeoPedia