مروری جامع بر فناوری‌های نوین اسکرین(سرند)های ویبره صنعتی: از مدل‌سازی گسسته اجزاء (DEM) و یادگیری ماشین تا طراحی مکانیکی، دینامیک ترک و تشخیص هوشمند عیوب

مروری جامع بر فناوری‌های نوین اسکرین(سرند)های ویبره صنعتی: از مدل‌سازی گسسته اجزاء (DEM) و یادگیری ماشین تا طراحی مکانیکی، دینامیک ترک و تشخیص هوشمند عیوب

سينا سليمانی1 محمود اسکندری نسب2

1) دانشجوی کارشناسی ارشد مهندسی فراوری مواد معدنی،دانشگاه شهید باهنر کرمان
2) دکتری مهندسی فراوری مواد معدنی،دانشگاه شهید باهنر کرمان

کد IOI مقاله : ACCD-ACZDCD
محل انتشار : دهمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی(carseconf.com)
چکیده :
    صفحات ویبره (Vibrating Screens) از تجهیزات کلیدی در فرآیندهای جداسازی و دسته‌بندی ذرات در صنایع معدن، بازیافت، فرآوری مواد معدنی و انرژی‌های تجدیدپذیر (مانند بازیافت پنل‌های خورشیدی) به شمار می‌روند. در سال‌های اخیر، پژوهش‌های متعددی با تمرکز بر چهار محور اصلی صورت گرفته است: (۱) شبیه‌سازی رفتار ذرات نامنظم با روش گسسته اجزاء سوپرکوادریک (Superquadric DEM) و توسعه مدل‌های یادگیری عمیق ترکیبی (CNN-LSTM) برای پیش‌بینی سریع رفتار جداسازی؛ (۲) طراحی سازه‌های مکانیکی قابل‌پیکربندی مجدد (Reconfigurable) برای انطباق با نوسانات تقاضای تولید؛ (۳) تحلیل دینامیکی تیرهای عرضی ترک‌دار به‌عنوان یکی از شایع‌ترین علل خرابی صفحات ویبره خطی معدنی؛ و (۴) توسعه سامانه‌های تشخیص هوشمند عیوب توری صفحه با بهره‌گیری از الگوریتم‌های تشخیص شیء مبتنی بر یادگیری عمیق. در این مقاله، این چهار محور به‌صورت یکپارچه مرور و مقایسه شده و یافته‌های کمّی کلیدی هر پژوهش، شامل راندمان جداسازی، دقت مدل‌های پیش‌بینی، تنش‌های سازه‌ای و دقت تشخیص عیب، در قالب جدول و نمودار ارائه شده است. نتایج نشان می‌دهد جابه‌جایی دورانی (Circular Displacement) و زاویه ویبراسیون، مؤثرترین پارامترهای عملیاتی بر راندمان جداسازی هستند، مدل‌های CNN-LSTM با دقت R² بالاتر از ۰٫۹۴ و سرعتی تا ۷۲ برابر نسبت به شبیه‌سازی DEM، جایگزین مناسبی برای پیش‌بینی سریع فرآیند هستند، و الگوریتم‌های بهبودیافته YOLOv5 با ترکیب ماژول‌های ConvNeXt V2، EfficientRep و ODConv می‌توانند میانگین دقت تشخیص عیب (mAP) را به بیش از ۹۷ درصد برسانند.

کلمات کلیدی : صفحه ویبره روش گسسته اجزاء (dem) ذرات غیرکروی یادگیری عمیق cnn lstm صفحه ویبره قابل‌پیکربندی مجدد دینامیک تیر ترک‌دار تشخیص عیب مبتنی بر بینایی ماشین yolov5