CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

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

عنوان مقاله: پیش بینی قابلیت برش اره گروهی با رویکرد شبکه عصبی مصنوعی (مطالعه موردی: سنگبری پاسارگاد بیرجند)
شناسه ملی مقاله: NCMME01_011
منتشر شده در اولین کنفرانس ملی مدلسازی در مهندسی معدن در سال 1397
مشخصات نویسندگان مقاله:

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

خلاصه 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.

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

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/860586/