پیش بینی قابلیت برش اره گروهی با رویکرد شبکه عصبی مصنوعی (مطالعه موردی: سنگبری پاسارگاد بیرجند)

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 555

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCMME01_011

تاریخ نمایه سازی: 7 خرداد 1398

چکیده مقاله:

عمر مفید سگمنت های اره گروهی در سودآوری کارخانه های سنگبری از اهمیت بالایی برخوردار است. پارامترهای مکانیک سنگی از مهم ترین عوامل تاثیرگذار در عمر سگمنت اره گروهی است که کمتر مورد توجه قرار گرفته است. در این تحقیق برای بررسی تاثیر پارامترهای مکانیک سنگی بر عمر مفید اره گروهی، کارخانه برش سنگ پاسارگادبیرجند به عنوان مورد مطالعاتی انتخاب شده است. در ادامه پارامترهای رفتاری و فیزیکی سنگ و عمر مفید سگمنت برداشت و ارتباط بین این پارامترها و عمر سگمنت با استفاده از شبکه عصبی مصنوعی مدلسازی شد. در مرحله برداشت اطلاعات، چهل نمونه در 4 نوع سنگ ساختمانی و نما شامل مرمر، مرمریت آرک، تراورتن و تراونیکس انتخاب و عمر مفید سگمنت، سختی چکش اشمیت، تعداد درزه ها، مقاومت فشاری تک محوره، مقاومت کششی، چگالی و ضریب جذب آب نمونه ها برداشت شد. در مدلسازی شبکه عصبی مصنوعی از روش رو به جلو Entered استفاده شد. در شبکه عصبی 15 درصد داده ها برای صحت سنجی و 15 درصد دیگر برای تست و 70 درصد باقیمانده برای آموزش در نظر گرفته شد. نزدیکی ضریب همبستگی مدل ساخته شده به عدد یک نشانگر آن می باشد که شبکه عصبی به خوبی آموزش دیده و درصد خطای میان داده های واقعی و داده های پیشنهاد شده توسط شبکه عصبی بسیار کم می باشد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، عمر سگمنت اره گروهی ، سنگ ساختمانی و نما ، سنگ بری پاسارگاد بیرجند.

نویسندگان

امیر سودخواه

دانشجوی کارشناسی ارشد مهندسی معدن، دانشگاه زنجان

فرهاد صمیمی نمین

استادیار گروه مهندسی معدن دانشگاه زنجان

رضا روکی

استادیار گروه مهندسی معدن دانشگاه صنعتی بیرجند