138 صفحه
چکیده :
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 و NTH کاربرد بیشتری دارند . روش CSM بر اساس تخمین نیروهای اعمال شده بر برش دهنده و روش NTH بر مبنای تجربیات حاصل از حفاری می باشد .
هنگامی که داده های حاصل از آزمونهای 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
فصل اول : آشنایی و سابقه
1-1- نرخ پیشروی
1-2- نرخ نفوذ
فصل دوم : آزمون های مورد نیاز برای پیش بینی بهره وری TBM
2-1- آزمون تعیین تردی
2-2- آزمایش اندیس جی سیورز
2-3- آزمون سایش
2-4- آزمون اندیس سوشار
2-5- آزمون های برش ازمایشگاهی
2-5-1- آزمون برش خطی
2-5-2- آزمون برش دورانی
6-2- آزمون پانچ
2-6-1- تاریخچه آزمون
7-2- آزمون های تعیین سختی
8-2- آزمون های مقاومت سنگ
9-2- خواص توده سنگ
فصل سوم : تحلیل مکانیسم برش سنگ توسط برش دهنده های دیسکی
3-1- فرضیات پایه
3-2- توزیع فشار و فرایند برش
3-3- طراحی ماشین و محاسبات
3-4- پیش بینی نرخ نفوذ
فصل چهارم : پیش بینی نرخ نفوذ بر اساس تردی
4-1- ارزیابی برخی داده های حاصل از آزمایش
فصل پنجم : پیش بینی نرخ نفوذ با استفاده از نتایج آزمون پانچ
5-1- تعیین نرخ نفوذ
5-2- رده بندی سنگ با استفاده از آزمون پانچ
5-3- آزمون پانچ ابزاری جهت ارزیابی پارامترهای ماشین
فصل ششم : پیش بینی نرخ نفوذ بر مبنای مدل فازی – عصبی و نرخ پیشروی با بهره گیری از شبکه عصبی
6-1- روش فازی – عصبی
6-1-1- اجزاء منطقی
6-1-2- اجزاء عددی
6-2- مدل نرخ نفوذ ( روش عصبی – فازی)
6-2-1- ویژگیهای توده سنگ
6-2-2- ویژگیهای ماشین
6-2-3- هندسه تونل
6-2-4- تحلیل داده ها
6-2-5- مدلهای عصبی – فازی ( روش تاکاگی – سوگنو)
6-3- مقایسه با روشهای مختلف
6-4- مدل نرخ پیش روی ( بر مبنای شبکه عصبی)
6-4-1- انتخاب ساختار مدل و کاهش متغییرها
6-4-2- الگوریتم آموزش شبکه عصبی
6-4-3- توپولوژی شبکه عصبی
6-4-4- بهبود قابلیت تعمیم شبکه عصبی
6-4-5- نتایج – تفسیر – اعتبار و توان تعمیم مدل
6-4-6- مقایسه با مدلهای آماری
فصل هفتم : پیش بینی بهره وری TBM با استفاده از QTBM
7-1- Q و QTBM
7-2- سایش برش دهنده
7-3- رابطه میان نرخ نفوذ و نرخ پیشروی با QTBM
7-4- تخمین زمان اتمام تونل
فصل هشتم : پیش بینی بهره وری TBM براساس فاکتور پایداری تونل
8-1- تخمین ضریب بهره وری
8-2- تخمین نرخ پیشروی
8-3- مثالی از کاربرد مدل
8-4- تخمین زمان اتمام تونل
فصل نهم : پیش بینی بهره وری TBM برمبنای روش NTH
فصل دهم : پیش بینی بهره وری TBM بر مبنای روش CSM
10-1- نیروهای عمودی روی برش دهنده (FN)
10-2- نیروهای غلتشی FT
10-3- رابطه مدرسه عالی معدن کلرادو جهت تعیین نیروهای روی برش دهنده در یک نفوذ مشخص
10-4- تصحیح نرخ نفوذ
10-4-1- شاخص دشواری زمین (GDI)
10-4-2- انرژی ویژه
10-4-3- اصلاحات پیشنهادی روش CSM جهت تخمین نرخ پیشروی
نتیجه گیری
منابع
روشهای پیش بینی ضریب بهره وری TBM