IR
۳۷۹۹پ
فارسی
IR
پیش بینی عملکرد دستگاه حفاری با استفاده از روش هوشمند منطق فازی( مطالعه موردی خط ۲ مترو تبریز)
[پایان‌نامه]
Predicting performance of tunnel boring machine using fuzzy logic intelligent method (case study Tabriz metro line ۲)
/محمد اصغرزاده دیزج
: مهندسی معدن
، ۱۳۹۸
۱۲۲ص.
:
زبان: فارسی
چاپی - الکترونیکی
مصور
کارشناسی ارشد
مهندسی معدن- مکانیک سنگ
۱۳۹۸/۰۷/۰۱
صنعتی سهند
امروزه با گسترش جمعیت شهرها، نیاز به استفاده از خطوط مترو افزایش یافته است .یکی از پرکاربردترین روش‌های حفر تونل‌های مترو، حفاری مکانیزه با استفاده از دستگاه حفاری تمام مقطع است. در حفاری مکانیزه، عملکرد دستگاه اهمیت زیادی دارد .یکی از مهم‌ترین پارامترها برای بررسی عملکرد دستگاه حفاری، نرخ نفوذ یا نرخ پیش‌روی است .عوامل مؤثر بر نرخ نفوذ، بطورکلی به دو دسته عوامل زمین‌شناسی و پارامترهای عملکردی دستگاه حفاری تقسیم می‌شود .از عوامل زمین‌شناسی می‌توان به چسبندگی، زاویه اصطکاک داخلی و مدول برشی خاک اشاره کرد .از جمله پارامترهای عملکردی نیز، می‌توان، نیروی تراست جک‌ها، گشتاور و سرعت چرخش کله- -حفار را نام برد .پیش‌بینی روند عملکردی این پارامترها در پروژه‌های حفاری، اهمیت زیادی دارد .برای پیش‌بینی این پارامترها، روش‌های آماری مختلفی وجود دارد که از جمله پرکاربردترین این روش‌ها، می‌توان به روش هوشمند منطق فازی اشاره کرد .در این پژوهش با استفاده از پارامترهای مختلف دستگاه حفاری مکانیزه، مانند گشتاور، نیروی تراست و سرعت چرخش و با درنظرگرفتن عوامل زمین‌شناسی نظیر مدول برشی، چسبندگی و زاویه اصطکاک داخلی خاک، نرخ نفوذ دستگاه حفاری در خط ۲ مترو تبریز با استفاده از روش هوشمند منطق فازی و همچنین الگوریتم‌های فراابتکاری پیش‌بینی شده است .نتایج مطالعات نشان داد که روش منطق فازی با دو الگوریتم ممدانی و سوگنو، با خطای کم و دقت بالا، پیش بینی بسیار نزدیکی نسبت به مقدار واقعی نرخ نفوذ را ارائه می‌دهد .به‌منظور بررسی سایر روش‌ها، نتایج منطق فازی با دیگر روش‌ها از جمله الگوریتم‌های بهینه سازی، مقایسه گردید و مشخص شد که تلفیق روش فازی با الگوریتم مورچگان، جواب دقیق‌تری ارائه می‌دهد
Today, with the expansion of the urban population, the use of metro lines has been increased. Metro tunnels excavated by various methods that mechanized drilling by Tunnel Boring Machine (TBM) is one of the most widely used methods. In mechanized tunnelling, TBM performance is very important and one of the complex problems is the prediction of TBM performance since it plays a significant role in the economic and time planning of any mechanized tunnels. From various parameters of the drilling machine, the torque, thrust force and the penetration rate can be pointed out. Penetration Rate is the most important parameter to check the performance of drilling machine. Factors affecting the penetration rate are generally devided into two categories of geological factors and the functional parameters of the drilling machine. Penetration rate is a function of the ground characteristics and the operational parameters of TBM. Geological factors include cohesion, friction angle and soil shear modulus. Functional parameters can also be the torque, thrust force and the speed of rotation of the drilling machine. Machine performance and penetration rate in any project depends on the operational parameter as well as the ground conditions. Naturally, a reliable performance prediction model should include these parameters. Predicting of the performance of these parameters in projects is very important in the process of drilling. Many empirical, statistical and intelligent methods have been presented for prediction of functional performance parameters so far. Experimental methods are relationships and correlations between ground characteristics, machine operational parameters, and recorded penetration rate of the TBM in given tunneling projects. These models are mostly based on statistical analysis of TBM field performance data and recently the use artificial intelligence methods to interpret such data. Accuracy of these models depends on the number of input parameters used and the diversity of scenarios in their original database. One of these intelligent methods is Fuzzy Logic. In this research penetration rate is predicted by fuzzy logic and intelligent methods
ba
Predicting performance of tunnel boring machine using fuzzy logic intelligent method (case study Tabriz metro line ۲)
حفاری مکانیزه
TBM
نرخ نفوذ
منطق فازی
پارامترهای دستگاه
TBM, ,fuzzy logic, Tabriz metro , Tunnel boring machine
حفاری مکانیزه،TBM ، نرخ نفوذ، منطق فازی، پارامترهای دستگاه، عوامل زمین‌شناسی
اصغرزاده دیزج، محمد
چاکری، حمید، استاد راهنما
داربر، محمد، استاد راهنما
رجائی، محمد مهدی، استاد مشاور
ایران
20230617
معدن ،۵۰۲۵۵ ،۱۳۹۸
ی‌زاف ق‌طنم دنمشوه ش‌ور زا ه‌دافتسا اب ی‌رافح ه‌اگتسد درکلمع ی‌نیب ش‌یپ) طخ ی‌دروم ه‌علاطم ۲ زیربت ورتم(.pdf
عادی
عادی
3799.pdf
p50255.pdf
0
ایمانی
متن
0
پ۳۷۹۹
فارسی
نمایه‌سازی قبلی
pe
TF
92029
1
a
Y
