این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدلسازی در مهندسی، جلد ۱۵، شماره ۴۸، صفحات ۲۱-۲۱
عنوان فارسی بهینه‌سازی عملیات انفجار با استفاده از روش ترکیبی عصبی-مورچگان (مطالعه موردی: معدن سنگ آهن دلکن)
چکیده فارسی مقاله در یک عملیات مطلوب انفجار، هدف اصلی تامین خردایش مناسب سنگ و جلوگیری از بروز پدیده‌های نامطلوب و ناخواسته ناشی از انفجار (لرزش زمین، پرتاب‌سنگ و عقب‌زدگی) است. بطور کلی عوامل تاثیرگذار بر عملیات انفجار را می‌توان به دو گروه پارامترهای قابل کنترل (الگوی انفجار) و پارامترهای غیر قابل کنترل (خصوصیات ژئومکانیکی توده‌سنگ) تقسیم بندی نمود. پارامترهای قابل کنترل در عملیات انفجار را می‌توان با استفاده از مدل‌های تجربی تعیین نمود. با توجه به تنوع مقادیر بدست آمده برای پارامترهای قابل کنترل از مدل‌های تجربی، باید از روش‌های با کارایی بالاتر استفاده نمود. دلیل عمده عدم حصول نتیجه مناسب از مدل‌های تجربی، دخیل بودن تعداد زیادی پارامتر در نتیجه حاصل از انفجار است. ترکیب روش‌های هوشمند و فرا ابتکاری در حل چنین مسائل پیچیده‌ای می‌تواند بسیار مفید باشد. در این تحقیق، که در آن معدن سنگ آهن دلکن به عنوان مطالعه موردی در نظر گرفته شده، پرتاب سنگ و عقب زدگی از عوارض ناخواسته انفجار می‌باشند. هدف از این تحقیق، ساخت یک مدل شبکه عصبی مصنوعی با قدرت پیش بینی بالا و سپس استفاده از الگوریتم مورچگان برای یافتن ترکیبی از داده‌های ورودی است به گونه‌ای که عوارض نامطلوب ناشی از انفجار، به کمترین مقدار ممکن برسد. پس از عملیات مدل ‌سازی، بهترین الگوی انفجاری با ضخامت بارسنگ 8/2 متر، فاصله ردیفی چال 3/3 متر، طول چال 2/10 متر، گل‌گذاری 5/1 متر و خرج ویژه 201 گرم بر تن انتخاب گردید. استفاده از الگوی فوق می‌تواند منجر به کاهش تقریبی 42 درصدی عقب زدگی و 62 درصدی پرتاب‌سنگ گردد.
کلیدواژه‌های فارسی مقاله الگوی انفجار پرتاب‌سنگ عقب زدگی الگوریتم کلونی مورچگان،
عنوان انگلیسی OPTIMIZATION OF BLASTING OPERATION USING HYBRID NEURAL NETWORK-ANT COLONY (CASE STUDY: DELKAN IRON MINE)
چکیده انگلیسی مقاله The main purpose of optimal blasting operation is suitable crushing and prevent undesirable and unwanted phenomena arising from the blasting (ground vibration, flyrock and backbreak). Generally, the parameters affecting the blasting operation divided into two main group controllable (blasting pattern) and uncontrollable (geomechanical properties of rocks) parameters. Controllable parameter can be determined using experimental models. Due to variety of obtained values for controllable parameters from experimental models, it is necessary to use methods with high efficiency. The main reason for not achieving good results in experimental models is engaging a large number of parameters, resulting from blasting. The combination of intelligent and mehta heuristic methods to solve suck problems can be useful. In this study, Delkan iron mine as a case study has a side effects of blasting like as flyrock and backbreak. The main purpose of this paper is making a artificial neural network model as a strong predictor and finding a combination of data using ant colony optimization to minimum the unwanted phenomena. After the Modeling the blast pattern Burden 2.8 m, spacing 3.3 m, hole length 10.2 m, stemming 1.5 m and powder factor is 201 gr/ton. Using this model can lead to a reduction of approximately 42 percent and 62 percent in flyrock and backbreak respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله امیر سقط فروش | سقط foroush


مسعود منجزی |


جعفر خادمی حمیدی | khademi hamidi


نشانی اینترنتی
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات