پیش¬بینی توان بارگیری بارکننده لودر LHD توسط شبکه¬های عصبی و سیستم فازی با نگرشی ویژه به معدن مركزي زغال سنگ پروده طبس

امین فرامرز¹ علی بحیرایی²

1) کارشناس ارشد مهندسی معدن، دانشگاه شهید باهنر کرمان،
2) کارشناس ارشد مهندسی معدن دانشگاه تهران،

کد IOI مقاله : XYKB-BGDAA
محل انتشار : دومین کنفرانس بین المللی عمران ، معماری و طراحی شهری 9 شهریور ماه 1396 - دانشگاه کاسم بندیت ،بانکوک، تایلند(2iccacs.com)
چکیده :
    چرخه تولید معادن زیرزمینی به صورت پیوسته شامل چند مرحله مانند استخراج، نگهداری، بارگیری و باربری می باشد. بارگیری و باربری در میان عملیات معدن بیش ترین تاثیر از هزینه های کل معدن را دارا می باشد. به طوری که کاهش در زمان باربری و بارگیری، کاهش قابل توجهی در مجموع هزینه ها به همراه خواهد داشت. یکی از ماشن آلاتی که در معادن زیرزمینی عملیات بارگیری و باربری و باراندازی را با هم انجام می دهد، لودرLHD است. هدف از این مقاله پیش بینی توان بارگیری بارکننده لودرLHD است. جهت دستیابی به این هدف، عملیات بارگیری و باربری مربوط به 15 سینه کار معدن زغال سنگ مرکزی طبس شامل: زمان واقعی بارگیری و فاکتور صندوق، ظرفیت اسمی صندوقه، زمان یک سیکل بارگیری، سرعت حرکت ماشین و مسافت حمل از نقطه بارگیری تا نقطه تخلیه به عنوان پارامترهاي ورودي و توان بارگیری بارکننده لودر به عنوان پارامتر خروجی در سیستم فازی و شبکه های عصبی در نظر گرفته شد. سیستم فازی از دقت کمتری نسبت به شبکه های عصبی برخوردار بوده و می توان گفت که دارای اعتبار سنجی کمتری برای پیش بینی توان بارگیری لودر LHD است. نتایج نشان داد که جهت تعیین میزان تأثیرگذاري هر یک از پارامترهاي ورودي بر توان بارگیری لودر، پارامتر هایی مانند سرعت لودر و زمان واقعی بارگیری و فاکتور صندوق بیش ترین تاثیر را دارد. هم چنین نشان داده شد که توان بارگیری پیش بینی شده لودر LHD با استفاده از شبکه های عصبی مصنوعی دارای ضریب همبستگی81977/0=R می باشد، که نشان دهنده کارایی قابل قبول این روش در پیش بینی توان بارگیری لودر LHD است.

کلمات کلیدی : توان بارگیری لودر lhd شبکه های عصبی مصنوعی سیستم فازی معدن زغالسنگ مرکزی طبس