پیش بینی توان بارگیری بار کننده لودر LHD توسط شبکه های عصبی و سیستم فازی با نگرشی ویژه به معدن مرکزی زغال سنگ پروده طبس

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 534

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCACS02_095

تاریخ نمایه سازی: 25 آذر 1396

چکیده مقاله:

چرخه تولید معادن زیرزمینی به صورت پیوسته شامل چند مرحله مانند استخراج، نگهداری، بارگیری و باربری می باشد. بارگیری و باربری در میان عملیات معدن بیش ترین تاثیر از هزینه های کل معدن را دارا می باشد. به طوری که کاهش در زمان باربری و بارگیری، کاهش قابل توجهی در مجموع هزینه ها به همراه خواهد داشت. یکی از ماشن آلاتی که در معادن زیرزمینی عملیات بارگیری و باربری و باراندازی را با هم انجام می دهد، لودرLHD است. هدف از این مقاله پیش بینی توان بارگیری بارکننده لودرLHD است. جهت دستیابی به این هدف، عملیات بارگیری و باربری مربوط به 15 سینه کار معدن زغال سنگ مرکزی طبس شامل: زمان واقعی بارگیری و فاکتور صندوق، ظرفیت اسمی صندوقه، زمان یک سیکل بارگیری، سرعت حرکت ماشین و مسافت حمل از نقطه بارگیری تا نقطه تخلیه به عنوان پارامترهای ورودی و توان بارگیری بارکننده لودر به عنوان پارامتر خروجی در سیستم فازی و شبکه های عصبی در نظر گرفته شد. سیستم فازی از دقت کمتری نسبت به شبکه های عصبی برخوردار بوده و می توان گفت که دارای اعتبار سنجی کمتری برای پیش بینی توان بارگیری لودر LHD است. نتایج نشان داد که جهت تعیین میزان تاثیرگذاری هر یک از پارامترهای ورودی بر توان بارگیری لودر، پارامترهایی مانند سرعت لودر و زمان واقعی بارگیری و فاکتور صندوق بیش ترین تاثیر را دارد. هم چنین نشان داده شد که توان بارگیری پیش بینی شده لودر LHD با استفاده از شبکه های عصبی مصنوعی دارای ضریب همبستگی0/81977=R می باشد، که نشان دهنده کارایی قابل قبول این روش در پیش بینی توان بارگیری لودر LHD است.

کلیدواژه ها:

توان بارگیری ، لودر LHD ، شبکه های عصبی مصنوعی ، سیستم فازی ، معدن زغال سنگ مرکزی طبس

نویسندگان

امین فرامرز

کارشناس ارشد مهندسی معدن، دانشگاه شهید باهنر کرمان،

علی بحیرایی

کارشناس ارشد مهندسی معدن دانشگاه تهران،