• بازدید : 50 views
  • بدون نظر
دستیابی به کارکرد یا کارآیی مناسب دستگاه حفر تمام مقطع TBM یک بخش مهم در تکمیل موفق یک پروژه تونلسازی می باشد که تاثیر بسزایی در اقتصاد یک پروژه میگذارد. هر چند که مدلهای مختلف ریاضی برای تعیین کارکرد این دستگاه ارئه شده است اما توسعه روشهای هوش مصنوعی برای مدلسازی TBM به خوبی از سوی جامعه علمی پذیرفته شده است ، چرا که تلاشهای گوناگون در این زمینه کارایی آن را به اثبات رسانده است . در این سمینار سعی بر آن است تا کاربرد شبکه های هوشمند عصبی در تونلزنی  با دستگاه TBM بررسی شود. در این راستا ابتدا به معرفی ماشین حفر تمام مقطع پرداخته سپس کلیاتی در مورد شبکه های عصبی و کاربرد آنها مطرح می شود. در نهایت مقالاتی در زمینه چگونگی استفاده از شبکه های هوشمند عصبی در این روش تونلسازی ارائه خواهد شد.

فهرست مطالب

چکیده 
مقدمه
فصل اول ماشین های حفاری تمام مقطع TBM
فصل دوم عمر مفید ابزار برش
ابزار برش 
محاسبه عمر ابزار برش CSM
محاسبه عمر ابزار برش RMI
فصل سوم پیشروی و بهره وری
نرخ نفوذ
عوامل اساسی موثر بر نرخ نفوذ
سرعت حفاری
قطر و وزن دستگاه
نیروی رانش
توان، سرعت دوران و گشتاور اعمالی
آزمون تردی
آزمون چال خوری
آزمون سایش
پیشروی
مدل QTBM
فصل چهارم شبکه های عصبی
قابلیت های شبکه عصبی
آشنایی با مدل نورون و معماری شبکه های عصبی
شبکه های چندلایه 
شبکه های پرسپترون
ایجاد یک شبکه پرسپترون
شبیه سازی شبکه 
قوانین یادگیری
شبکه های پس انتشار
الگوریتم شیب توام
الگوریتم های شبه نیوتن
نمونه هایی از کاربرد شبکه های عصبی در تونلزنی با دستگاه TBM
پیش بینی نرخ نفوذ TBM  در تونل گاوشان با استفاده از شبکه های عصبی
مدلسازی کارایی دستگاه TBM در تونل متروی آتن با شبکه های عصبی




عتیقه زیرخاکی گنج