ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

A fuzzy logic model to predict the performance of hard rock tunnel boring machine

تعداد صفحات: 7 | تعداد نمایش خلاصه: 2491 | نظرات: 0
سال انتشار: 1390
کد COI مقاله: ITC09_111
زبان مقاله: انگلیسی
(فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله A fuzzy logic model to predict the performance of hard rock tunnel boring machine

Mansour Hedayatzadeh - Mining Engineering Group, Islamic Azad University, Tehran South Branch, Iran
Kourosh Shahriar - Departments of Mining and Metallurgical Engineering, Amirkabir University of Technology, Tehran, Iran
Jafar Khademi Hamidi - Departments of Mining and Metallurgical Engineering, Amirkabir University of Technology, Tehran, Iran

چکیده مقاله:

Prediction of tunnel boring machine (TBM) is one of the most crucial and decisive issues in underground excavation projects. Precise estimation of machine performance can significantly mitigate the capital costs of mechanical excavation project. The main objective of this study is to estimate the TBM penetration rate by constructing a fuzzy inference system analysis. For this purpose, rule-based (Mamdani model) fuzzy logic were employed to build a fuzzy model and 34 TBM field datasets including Q rock mass classification system, rock material properties and machine characteristics along the route of the tunnel were compiled. Hence, the FQ (fabric index of Q rock mass classification system), Ff (the ratio of uniaxial compressive strength and load per cutter) and Fα were determined as input parameters In order to verify the validity of the two models, the predicted penetration rate and the measured penetration rate gained from the field records were compared. Results picked out form this predictor model revealed that this model has a strong capability for estimation of TBM performance with a correlation coefficient of 81.5%.

کلیدواژه ها:

Tunnel boring machine; rate of penetration (PR); advance rate (AR); fuzzy inference system; rock mass classification system

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/127880/

کد COI مقاله: ITC09_111

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Hedayatzadeh, Mansour و Shahriar, Kourosh و Khademi Hamidi, Jafar,1390,A fuzzy logic model to predict the performance of hard rock tunnel boring machine,نهمین همایش ملی تونل,تهران,,,https://civilica.com/doc/127880

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390, Hedayatzadeh, Mansour؛ Kourosh Shahriar و Jafar Khademi Hamidi)
برای بار دوم به بعد: (1390, Hedayatzadeh؛ Shahriar و Khademi Hamidi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود ممقالهقاله لینک شده اند :

  • Australian Tunneling Conference, Vol. 2, 9-22. ...
  • Barton, N. 2000. TBM tunneling in jointed _ faulted rock. ...
  • Bieniawski, Z.T., Tamames, B.C., Fermandez, J.M.G., Hermandez, M.A. 2006. Rock ...
  • Blindheim, O.T. 1979. Boreability predictions for tunneling. PhD Thesis, The ...
  • Bruland, A. 1998. Hard rock tunnel boring. PhD Thesis, Norwegian ...
  • capable to predict PR using input variable conditions, since it ...
  • Dollinger, G.L, Handewith, J.H., Breeds, C.D. 1998. Use of punch ...
  • Farmer, I.W., Glossop, N.H. 1980. Mechanics of disc cutter penetration. ...
  • Gong, Q.M. & Zhao, J. 2009. Development of a rock ...
  • Graham, P.C. 1976. Rock exploration for machine manufacturers. In: Bieniawski, ...
  • Hassanpour, J., Rostami, J., Khamehchiyan, M., Bruland, A., Tavakoli, H.R. ...
  • Innaurato, N., Mancini, R., Rondena, E., Zaninetti, A. 1991. Forecasting ...
  • Ozdemir, L, Miller, R., Wang, F.D. 1978. Mechanical Tunnel Boring ...
  • Palmstrom, A. 1995. RMi-a rock mass characterization system for rock ...
  • Ribacchi, R. & Lembo-Fazio, A. 2005. Influence of rock mass ...
  • Rostami, J. & Ozdemir, L. 1993. A new modl for ...
  • Roxborough, F.F. & Phillips, H.R. 1975. Rock excavation by disc ...
  • Sanio, H.P. 1985. Prediction of the performance of disc cutters ...
  • Sapigni, M., Berti, M., Behtaz, E., Busillo, A., Cardone, G. ...
  • Snowdon, R.A., Ryley, M.D., Temporal, J. 1982. A study of ...
  • Tzamos, S. & Sofianos, A.I. 2006. A correlation of four ...
  • Ross TJ (1995) Fuzzy logic with engineering applications. McGraw-Hill, New ...
  • Tsoukalas LH, Uhrig RE (1996). Fuzzy and neural approach in ...
  • Liberatore, M., "Critical Path Analysis with Fuzzy Activity Times, " ...
  • Grima, M.A., Verhoef, P.N.W., 1999. Forecasting rock trencher performance using ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی