روشهای پیش بینی ضریب بهره وری TBM
رشته : عمران
فرمت : word
مقدمه:
در این پایان نامه 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 :
سپاسگذاری
چکیده
مقدمه
فصل اول
۱-آشنایی و سابقه ۱
۱-۱-نرخ پیشروی ۳
۱-۲-نرخ نفوذ ۳
فصل دوم
۲-آزمون موردنیاز برای پیش‌بینی بهره‌وریTBM ۱۲
۲-۱-آزمون تعیین تردی ۱۲
۲-۲-آزمایش جی سیورز ۱۳
۲-۳-آزمون سایش ۱۳
۲-۴-آزمون اندیس سوشار ۱۴
۲-۵-آزمون‌های برش آزمایشگاهی
۲-۵-۱-آزمون برش خطی ۱۵
۲-۵-۲-آزمون برش دورانی ۱۷
۲-۶-آزمون پانچ ۱۷
۲-۶-۱-تاریخچه آزمون ۱۹
۲-۷-آزمون تعیین سختی ۲۰
۲-۸-آزمون‌های مقاومت سنگ ۲۰
۲-۹-خواص توده سنگ ۲۱
فصل سوم
۳-تحلیل مکانیسم برش سنگ توسط برش‌دهنده‌های دیسکی ۲۲
۳-۱-فرضیات پایه ۲۳
۳-۲-توزیع فشار و فرآیند برش ۲۷
۳-۳-طراحی ماشین و محاسبات ۳۴
۳-۴-پیش‌بینی نرخ نفوذ ۳۴
فصل چهارم
۴-پیش‌بینی نرخ نفوذ براساس تردی ۳۸
۴-۱-ارزیابی برخی داده‌های حاصل از آزمایش ۳۹
فصل پنجم
۵-پیش‌بینی نرخ نفوذ با استفاده از نتایج آزمون پانچ
۵-۱-تعیین نرخ نفوذ ۵۲
۵-۲-رده‌بندی سنگ با استفاده ازآزمون پانچ ۵۶
۵-۳-آزمون پانچ ابزاری جهت ارزیابی پارامترهای ماشین ۵۹
فصل ششم
۶-پیش‌بینی نرخ نفوذبرمبنای مدل فازی-عصبی ونرخ پیشروی بابهره‌گیری ازشبکه عصبی ۶۱
۶-۱-روش فازی-عصبی ۶۱
۶-۱-۱-اجزاء منطقی
۶-۱-۱-۱-مجموعه‌های فازی ۶۳
۶-۱-۱-۲-منطق فازی و استدلال‌های تقریبی ۶۳
۶-۱-۲-اجزاء عددی ۶۴
۶-۱-۲-۱-شبکه‌های عصبی مصنوعی ۶۴
۶-۱-۲-۲-خوشه‌یابی داده‌ها ۶۴
۶-۲-مدل نرخ نفوذ(روش عصبی-فازی) ۶۵
۶-۲-۱-ویژگی‌های توده سنگ ۶۵
۶-۲-۲-ویژگی‌های ماشین ۶۵
۶-۲-۳-هندسه تونل ۶۶
۶-۲-۴-تحلیل داده‌ها ۶۷
۶-۲-۴-۱-کاهش تعداد متغیرها با استفاده از تحلیل اجزاء اصلی ۶۸
۶-۲-۵-مدل عصبی-فازی(روش تاکاگی-سوگنو) ۶۹
۶-۳- مقایسه با روشهای مختلف ۷۲
۶-۴-مدل نرخ پیشروی(برمبنای شبکه عصبی) ۷۴
۶-۴-۱-انتخاب ساختار مدل و کاهش متغیرها ۷۴
۶-۴-۲-الگوریتم آموزش شبکه عصبی ۷۶
۶-۴-۳-توپولوژی شبکه عصبی ۷۶
۶-۴-۴-بهبود قابلیت تعمیم شبکه عصبی ۷۶
۶-۴-۵-نتایج-تفسیر-اعتبار و توان تعمیم مدل ۷۷
۶-۴-۶-مقایسه با مدل‌های آماری ۷۷
فصل هفتم
۷-پیش‌بینی بهره‌وری TBM با استفاده از QTBM ۷۹
۷-۱-Q و QTBM ۷۹
۷-۲-سایش برش‌دهنده ۸۵
۷-۳-رابطه میان نرخ نفوذ و نرخ پیشروی با QTBM ۸۶
۷-۴-تخمین زمان اتمام تونل ۸۷
فصل هشتم
۸-پیش‌بینی بهره‌وریTBM براساس فاکتور پایداری تونل ۸۹
۸-۱-تخمین ضریب بهره‌وری ۹۰
۸-۲-تخمین نرخ پیشروی ۹۱
۸-۳-مثالی از کاربرد مدل ۹۳
۸-۴-تخمین زمان اتمام تونل ۹۶
فصل نهم
۹-پیش‌بینی بهره‌وری TBM بر مبنای روش NTH ۹۸
فصل دهم
۱۰-پیش‌بینی بهره‌وری TBM بر مبنای روش CSM ۱۱۱
۱۰-۱-نیروهای عمودی روی برش‌دهنده Fn ۱۱۳
۱۰-۲-نیروهای غلتشی Fr ۱۱۴
۱۰-۳-رابطه مدرسه عالی معدن کلروادوجهت تعیین نیروهای روی برش‌دهنده دریک نفوذمشخص ۱۱۸
۱۰-۴-تصحیحی نرخ نفوذ
۱۰-۴-۱-شاخص دشواری زمین GDI ۱۲۰
۱۰-۴-۲-انرژی ویژه ۱۲۱
۱۰-۴-۳-اصلاحات پیشنهادی روش CSMجهت تخمین نرخ پیشروی ۱۲۱
نتیجه گیری ۱۲۶
منابع ۱۲۸
این پروژه به عنوان کمک آموزشی و در راستای تکمیل مطالعات شما ، در وبسایت قرار گرفته است .
لطفا از این پروژه به عنوان پایان نامه و یا پروژه تخصصی استفاده ننمایید .
- فاقد لینک دانلود و فروش. این پروژه فقط جهت معرفی در سایت قرار گرفته است. [purchase_link id=”6021″ text=”اضافه‌کردن به سبدخرید” style=”button” color=”green”]
