Investigation of the Effect of Different Parameters on the Penetration Rate of Earth Pressure Balance Boring Machine using Fuzzy and Neuro-Fuzzy Methods, and Metaheuristic Algorithms (A Case Study: Tabriz Metro Line ۲)

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 26

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ANM-10-25_005

تاریخ نمایه سازی: 20 آذر 1403

چکیده مقاله:

One of the most widely used methods for the excavation of metro tunnels is mechanized excavation using an earth pressure balance (EPB) boring machine. Predicting the penetration rate of the boring machine can significantly reduce costs in mechanized excavation. Geological and geotechnical factors, machine specifications, and operational parameters can be influential on the penetration rate of the machine. Important geotechnical factors include cohesion, friction angle, and soil shear modulus. Among the important machine parameters, the thrust force of the jacks, the torque, and the rotational speed of the cutter head can be mentioned. In this study, after analyzing the main component, eliminating the outlier data, and normalizing the data, by considering the geotechnical factors and various parameters of the mechanized boring machine, the penetration rate of the EPB machine in the Tabriz metro line ۲ tunnel has been predicted. For this purpose, linear regression methods, fuzzy logic using Mamdani and Sugeno algorithms, neuro-fuzzy method, and metaheuristic algorithms were used. To validate each model, statistical indices of the coefficient of determination (), root mean squares error (RMSE), and performance indicator (VAF) were used. The results of the studies showed that the neuro-fuzzy method has a better prediction of the penetration rate in comparison to other methods. Also, the results of the sensitivity analysis revealed that the cutter head torque had the greatest effect on the penetration rate of the EPB machine.

نویسندگان

Mohammad Darbor

Dept. of Mining, Sahand University of Technology, Iran

Hamid Chakeri

Dept. of Mining, Sahand University of Technology, Iran

Mohammad Asgharzadeh Dizaj

Dept. of Mining, Sahand University of Technology, Iran

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 مقاله لینک شده اند :
  • Shi, H., Yang, H., Gong, G., & Wang, L. (۲۰۱۱). ...
  • Bakhshandeh Amnieh, H., Zamzam, M. S., Moosavi, S. E., & ...
  • Farmer, I. W., & Glossop, N. H. (۱۹۸۰). Mechanics of ...
  • Berke, L., & Hajela, P. (۱۹۹۱). Application of Neural Networks ...
  • Barton, N. (۲۰۰۰). TBM Tunneling in Jointed and Faulted Rock, ...
  • Sapigni, M., Berti, M., Bethaz, E., Busillo, A. & Cardone, ...
  • Jahed Armaghani, D., Koopialipoor, M., Marto, A., & Yagiz, S. ...
  • Faramarzi, L., Kheradmandian, A., & Azhari, A. (۲۰۲۰). Evaluation and ...
  • Zhao, J., Gong, Q.M., & Eisensten, Z. (۲۰۰۷). Tunnelling through ...
  • Elbaz K, Shen, S. L., Zhou, A., Yuan, D. J., ...
  • Chou, H. S., Yang, C. Y., Hsieha, B. J., & ...
  • Ball, R. P. A, Young, D. Y., Isaacson, J., Champa, ...
  • Zumsteg, R., Plotze, M., & Puzrin, A. M. (۲۰۱۳). Reduction ...
  • Alavi Gharahbagh, E., Rostami, J., & Talebi, K. (۲۰۱۴). Experimental ...
  • Zhao, B., Liu, D., & Jiang, B. (۲۰۱۸). Soil conditioning ...
  • Mohammadi, S. D., Firuzi, M., & Asghari Kaljahi, E. (۲۰۱۶). ...
  • Centis, S., & Giacomin, G. (۲۰۰۴). EPB tunnelling in highly ...
  • Carrieri, G., Fornari, E., Guglielmetti, V., & Crova, R. (۲۰۰۶). ...
  • Song, X., Liu, J., & Guo, W. (۲۰۱۰). A cutter ...
  • Toth, A., & Zhao, J. (۲۰۱۳). Evaluation of EPB TBM ...
  • Barzegari, G., Uromeihy, A., & Zhao, J. (۲۰۱۴). EPB tunneling ...
  • Namli, M., & Bilgin, N. (۲۰۱۷). A model to predict ...
  • Avunduk, E., & Copur, H. (۲۰۱۸). Empirical modeling for predicting ...
  • Massinas, S., Prountzopoulos, G. K., Bhardwaj, V., Saxena, A., Clark, ...
  • Tzamos, S., & Sofianos, A. I., (۲۰۰۶). Extending the Q ...
  • Zadeh, L. A. (۱۹۶۵). Fuzzy sets. Information and Control, ۸, ...
  • Mamdani, E. H., & Assilian, S. (۱۹۷۵). An experiment in ...
  • Acaroglu, O., Ozdemir, L., & Asbury, B. (۲۰۰۸). A fuzzy ...
  • Wang, Y., & Chen, Y. (۲۰۱۴). A comparison of Mamdani ...
  • Bezdek, J. C. (۱۹۸۱). Pattern Recognition with Fuzzy Objective Function ...
  • Imensazen Consultant Engineers Institute (۲۰۰۹-۲۰۱۸). Tunnel Quality Control Reports and ...
  • Asgharzadeh Dizaj, M. (۲۰۱۹). Predicting Performance of Tunnel Boring Machine ...
  • Kennedy, J., & Eberhart, R. (۱۹۹۵). Particle swarm optimization. Proceedings ...
  • Eberhart, R., & Kennedy, J. (۱۹۹۵). A new optimizer using ...
  • Dorigoa, M., & Blum, C. (۲۰۰۵). Ant colony optimization theory: ...
  • Darbor, M., Faramarzi, L., & Sharifzadeh, M. (۲۰۱۹). Performance assessment ...
  • نمایش کامل مراجع