آگاهی از خواص مکانیکی فولادها به دلیل استفاده بسیار وسیع از آنها در صنایع گوناگون، امری ضروری و مهم است. معمولاً از روشهای مخرب و هزینهبر برای به دست آوردن این خواص استفادهمیشود. در این مقاله، برای به دست آوردن خواص مکانیکیفولادAISI4140از روش غیرمخرب فراصوتی استفاده شده است. نمونههایی از این فولاد ساخته شده و با اعمال فرآیندهای مختلف عملیات حرارتی، ساختارهایی با دانهبندی و سختیهای مختلف ایجاد شده است. برای پیشبینی خواص مکانیکی از جمله مدول الاستیسیتهE)مدول برشیG)ضریب پواسونσ و مدولحجمیk) در این میکروساختارها، سرعت موج طولی و عرضی توسط آزمون فراصوتی با روش غوطهوری و با دقت بسیار بالا اندازهگیری شده است. تحلیل عدم قطعیت و مقایسه نتایج به دست آمده از آزمایشات با دادههای موجود در مراجع مختلف، صحت نتایج اندازهگیری به روش غیرمخرب فراصوتی را تایید میکنند.
پایان نامه برای دریافت درجه کارشناسی ارشد“M.Sc” -مهندسی معدن - استخراج
عنوان : پیشبینی خردایش سنگ ناشی از انفجار در معدن مس سرچشمه با استفاده ازشبکه عصبی
مقدمه:
الگوی آتشباری معدن مس سرچشمه بر اساس روابط تجربی و فرمولهای سنتی طراحی شده است. از
طرفی این روابط و فرمولها برای یک نوع سنگ یا یک معدن تعریف نشدهاند، لذا ممکن است این روابط
برای توده سنگهای یک معدن سازگار نباشند. درمعدن مزبور نیز پس از انفجارهای بلوکها مشکلات
عدیده نظیر خردایش نا مناسب، پس زدگی، پرتاب سنگ، لرزش زمین، هوا و... بهوجود میآیند که
ناشی از بهکارگیری این روابط میباشد. از طرفی تحقیقات انجام گرفته برای اصلاح الگوی معدن نیز، تا به
حال براساس روشهای سنتی بوده است. بنابراین به نظر میرسد بهکارگیری یک تکنیک نوین نرم
افزاری براساس تجربیات گذشته، در این زمینه ضروری باشد، تکنیک مورد استفاده در این تحقیق
شبکههای عصبی مصنوعی میباشد.
شبکههای عصبی یکی از مؤلفههای مهم و اساسی هوش مصنوعی میباشد که ارتباط سیناپسی و
ساختار نرونی مغز را مدل می کنند. هوش مصنوعی به معنای استخراج هوش، دانش، الگوریتم یا نگاشت
از دل محاسبات عددی بر اساس ارائه بهروز دادههای عددی است. همچنین شیوه برخورد محاسباتی
شبکههای عصبی از سیستم عصبی موجودات زنده الهام گرفته شده است.
چکیده:
انفجار از مراحل اصلی در عملیات استخراج معدن است. از موارد اساسی جهت بهینه سازی عملیات انفجار
پیش بینی دقیق خردایش سنگ می باشد که باعث تنظیم عملیات بعدی مانند بارگیری، باربری،
سنگ شکنی و آسیا کردن و جلوگیری از صرف هزینه های ثانویه در این زمینه می شود. پارامترهای
متعددی مانند خصوصیات توده سنگ، خصوصیات ماده منفجره و مشخصات هندسی شبکه انفجار در
طراحی الگوی آتشباری و نتایج حاصل از آن تاثیرگذار هستند. برای رسیدن به خردایش بهینه و مینیمم
کردن اثرات سوء حاصل از انفجار (عقب زدگی، پرتاب سنگ و ...)، ابتدا باید این عوامل تاثیرگذار تعیین و
سپس الگوی آتشباری بهینه بر مبنای این عوامل طراحی شود. در دو دهه گذشته پیشرفت خوبی در
توسعه تکنیک های جدید در زمینه طراحی الگوی آتشباری و پیش بینی عملکرد آن صورت گرفته است.
این تکنیک ها بیشتر شامل مدل های کامپیوتری خبره می باشند که علاوه بر دقت لازم در طراحی، از
سرعت بالا و سهولت کاربرد نیز برخوردار هستند. در این تحقیق، خردایش سنگ معدن مس سرچشمه با
توسعه مدل شبکۀ عصبی مصنوعی، پیشبینی شده است. برای ساخت مدل، پارامترهایی نظیر نسبت
بردن به اسپیسینگ، قطر چال، طول گلگذاری، مجموع خرج بر تأخیر و اندیس بار نقطهای بهعنوان
9 و با روش انتشار معکوس خطا -8 -5 - پارامتر ورودی در نظر گرفته شده است. مدل با معماری 1
آموزش دید و نتیجۀ مطلوب را بدست آورد. برای تعیین کارایی شبکههای عصبی، روش آماری نیز مورد
برای هر دو مدل (RMSE) و جذر متوسط مربعات خطا (R استفاده قرار گرفت. ضریب همبستگی ( 2
محاسبه شده که نشان از برتری مطلق شبکه عصبی نسبت به روش آماری داشت. در نهایت، آنالیز حساسیت
انجام و میزان تأثیر هر کدام از (CAM) مدل شبکه عصبی با استفاده از روش میدان کسینوسی
پارامترهای ورودی بر خروجی (خردایش) مشخص شد.
این پایان نامه در7فصل به قرار زیر تهیه و تنظیم شده است:
فصل اول : کلیات
فصل دوم : عوامل و پارامترهای تأثیرگذار در انفجار
فصل سوم : مدلهای تجربی پیشبینی خردشدگی سنگ حاصل از انفجار
فصل چهارم : شبکه های عصبی
فصل پنجم : آشنایی با ناحیه معدنی سرچشمه
فصل ششم : مدلسازی انفجار
فصل هفتم : نتیجه گیری و پیشنهادات
این فایل با فرمت pdf و در 117ص تنظیم گشته است.