دانلود پروژه روشهای پیش بینی ضریب بهره وری TBM

روشهای پیش بینی ضریب بهره وری TBM

چکیده
پس از بررسی اصول پایه شکست سنگ توسط برش دهنده آزمایشهای استفاده شده در روشهای مختلف پیش بینی نرخ نفوذ و ضریب بهره وری شرح داده شده و پارا مترهای ورودی – خروجی و دامنه کاربرد هر یک از روشهای پیش بینی مورد بحث قرار گرفته است روشهای مختلف با هم مقایسه شده و شباهت ها – تفاوتها – مزایا و معایب هر کدام عنوان گردیده و روشهای که می توانند جهت بهینه کردن طرح تاج حفار و دستیابی به بهره وری بیشینه مورد استفاده قرار گیرند شرح داده شده است . در میان روشهای ارائه شده دو روش CSM  وNTH کاربرد بیشتری دارند. روش  CSM بر اساس تخمین نیروهای اعما ل شده بر برش دهنده و روش NTH بر مبنای تجربیات حاصل از حفاری می باشد هنگامی که داده های حاصل از آ زمونهای بزرگ مقیاس موجود باشد استفاده از روش CSM برای تخمین نرخ نفوذ و روش NTH جهت پیش بینی نرخ پیشروی توصیه میشود

فهرست مطالب

مقدمه
اشنایی و سابقه
نرخ پیشروی
نرخ نفوذ
انرژی ویژه سنگهای مختلف(جدول)
مقایسه روشهای پیش بینی نرخ نفوذ با مقادیر واقعی(جدول)
آزمون مورد نیاز برای پیش بینی بهره وری
آزمون تعیین تردی
آزمایش جی سیورز
آزمون سا یش
آزمون اند یس سوشار
آزمون های برش آزمایشگاهی
آزمون برش خطی
آزمون برش دورانی
آزمون پانچ
تاریخچه آزمون
آزمون تعیین سختی
آزمون های مقاومت سنگ
خواص توده سنگ
برش دهنده های دیسکی
فرضیا ت پایه
توزیع فشار و فرآیند برش
طراحی ما شین و محاسبات
پیش بینی نرخ نفوذ
پیش بینی نرخ نفوذ بر اساس تردی
ارزیابی برخی داده های حاصل از آزمایش
داده های حاصل از آزمونهای آزمایشگاهی انجام شده توسط کلارک(جدول)
داده های حاصل از آزمونهای برجای انجام شده توسط کلارک(جدول)
داده های حاصل از آزمونهای برجای انجام شده توسط بیلگین(جدول)
داده های حاصل از آزمونهای آزمایشگاهی انجام شده توسط سلیم و بروث(جدول)
داده های حاصل از آزمونهای برجای انجام شده توسط کهرامان(جدول)
داده های حاصل از آزمونهای بر جای انجام شده توسط اشمیت(جدول)
پیش بینی نرخ نفوذ با استفاده از نتایج آزمون
تعیین نرخ نفوذ
رده بندی سنگ با استفاده از آزمون پانچ
آزمون پانچ ابزاری جهت ارزیابی پارامترهای ماشین
روش فازی عصبی
اجزاء منطقی
اجزاء عددی
مدل نرخ نفوذ(روش عصبی- فازی)
ویژگی های توده سنگ
ویژگی های ماشین
هندسه تونل
تحلیل داده ها
کاهش تعداد متغیرها با استفاده از تحلیل اجزاء اصلی
مدل عصبی- فازی(روش تاکاگی- سوگنو)
دو روش آموزش در الگوریتم انفیس(جدول)
مدل نرخ پیش روی(بر مبنای شبکه عصبی)
الگوریتم آموزش شبکه عصبی
توپولوژی شبکه عصبی
بهبود قابلیت تعمیم شبکه عصبی
نتایج- تفسیر- اعتبار و توان تعمیم مدل
مقایسه با مدلهای آماری
پیش بینی بهره وری TBM با استفاده از
سایش برش دهنده
رابطه میان نرخ نفوذ ونرخ پیشروی با
تخمین زمان اتمام تونل
پیش بینی بهره وری TBM براساس فاکتور
پایداری تونل
تخمین ضریب بهره وری
تخمین نرخ پیشروی
تخمین زمان اتمام تونل
پارامترهای ورودی مدل NTH(جدول)
نیروهای عمودی روی برش دهنده  
نیروهای غلتشی  
رابطه مدرسه عالی معدن کلرادو جهت تعیین نیروهای روی برش دهنده
تصحیح نرخ نفوذ
نتیجه گیری
منابع

(((برای دانلود کلیک کنید)))