ارائه مدلي براي پيش‌بيني عملكرد دستگاه‌هاي حفار هيدروليكي (چكش ضربه‌اي) در صنايع معدني و عمراني

نياز روز افزون جامعه بشري به مواد خام معدني، تونلسازي و احداث تأسيسات زيربنايي در شهرهاي بزرگ و راه‌اندازي سيستم‌هاي حمل و نقل سريع در اين نقاط، حفاري هاي بيشتري را ايجاب مي كند. با پيشرفت علم و تكنولوژي، استفاده وسيع ماشين‌آلات در حفاري به جاي عمليات آتشباري كاربرد وسيعي پيدا كرده است. چكش‌هاي هيدروليكي يكي از دستگاه‌هاي حفار مكانيزه هستند كه در عمليات حفاري در اكثر پروژه‌هاي عمراني و معدني مورد استفاده قرار ميگيرند. از اينرو پيش‌بيني عملكرد و نرخ شكست آني (ميزان توليد در واحد زمان) اين دستگاهها مي تواند كمك شاياني به زمان اجراي پروژهها و اقتصاد طرحها نمايد. در اين پژوهش سعي شد تا روابطي براي پيش‌بيني عملكرد چكش هاي هيدروليكي با در نظر گرفتن عوامل تاثيرگذار مانند خواص ماده و توده سنگ شامل مقاومت كششي، مقاومت فشاري تك محوري و انديس كيفي سنگ به عنوان پارامتر اصلي ناپيوستگي سنگ ها و با استفاده از مدلسازي به روش‌هاي رگرسيون خطي چند متغيره و شبكه عصبي مصنوعي توسعه داده شود. بدين منظور يك بانك اطلاعاتي شامل 46 مورد از عملكرد ميداني ماشين و پارامترهاي توده و ماده سنگ در حفاري در پروژه‌هاي عمراني، تونل‌سازي و معدني تهيه شد. سپس اين داده ها با استفاده از روش‌هاي آماري مورد تحليل قرار گرفت. مدلساز‌يهاي رگرسيون (خطي چند متغيره) رابطه نسبتاً خوبي را براي پيش‌بيني نرخ شكست آني ماشين با ضريب تعيين (0.852=R2) ارائه داد. در ادامه و به منظور بهبود نتايج، از شبكه عصبي مصنوعي بهره گرفته شد. شبكه عصبي بهينه براي پيش بيني نرخ شكست آني، شبكه سه لايه پيشخور با الگوريتم آموزش پس انتشار خطا با 3 نرون در لايه ورودي، 9 نرون در تك لايه پنهان و 1 نرون در لايه خروجي بدست آمد. در تحليل عصبي، مقادير ضريب تعيين، جذر متوسط مربعات خطا، ميانگين خطاي مطلق و VAF مدل، بترتيب برابر 901/ 0، 66/ 0، 585/ 0 و 704/ 89 محاسبه شد. نتايج تحقيق نشان داد كه شبكه عصبي مصنوعي در مقايسه با ساير روش ها از دقت بالاتري در پيش بيني نرخ شكست آني چكش هيدروليكي برخوردار است.