研究回收价值分级和实时感知TBM道挖掘的岩石碎片的研究
Weiqi Yue1, Weilin Su2, Zhanfei Gu1
1School of Civil Engineering and Environment, Zhengzhou University of Aeronautics, No. 15 Wenyuan West Road, Zhengzhou, 450046, Henan, China.
道钻机 (TBM) 岩石碎片回收利用四层网络和TOPSIS方法进行了优化. 机器学习模型,特别是人工神经网络 (ANN),准确地在实时感知岩石碎片回收价值.
科学领域:
- 地质技术工程 地质技术工程
- 环境科学 环境科学
- 材料科学 材料科学 材料科学
背景情况:
- 道钻机 (TBM) 施工产生了大量的岩石碎片,导致土地占用和污染.
- 将这些垃圾回收成建筑材料,为废物管理和资源利用提供了一个可持续的解决方案.
研究的目的:
- 开发一个实时系统来分类和评估TBM道岩石碎片的回收价值.
- 建立一个客观的功能和分级系统,用于道岩石碎片回收.
- 确定用于预测碎片回收价值的关键TBM运行参数.
主要方法:
- 根据性能指标,使用了类似于理想解决方案的优先顺序技术 (TOPSIS) 方法来对岩石碎片的回收价值进行分类.
- 通过相关性和重量分析确定了五个关键的TBM道参数 (例如,切头扭矩,推进率).
- 使用机器学习算法 (CART,SVM,KNN,ANN) 开发和优化知觉模型,并提供全面的数据库.
主要成果:
- 优化的人工神经网络 (ANN) 模型实现了83.8%的岩石碎片回收价值的感知精度.
- 实时感知模型准确地将TBM运行参数与碎片回收价值相关联.
- 在TBM道工程中,ANN模型展示了83.3%的实际应用精度.
结论:
- 拟议的四级处理网络和机器学习方法使TBM岩石碎片的有效分级存储和回收成为可能.
- 使用TBM参数的回收价值的实时感知有助于高效的资源管理和污染减轻.
- 这种方法为可持续的TBM建设实践提供了有价值的框架.
更多相关视频
07:29Author Spotlight: Advanced Techniques for Characterizing Tissue Mineralization in Bone Regeneration Research
Published on: September 27, 2024
12:18Pore-scale Imaging and Characterization of Hydrocarbon Reservoir Rock Wettability at Subsurface Conditions Using X-ray Microtomography
Published on: October 21, 2018
相关概念视频
Aggregates Classification
Petrographic classification groups aggregates based on common mineralogical characteristics. Some of the common mineral groups found in aggregates are...
Taping Over Different Ground Profiles
Non-destructive Tests for Concrete Strength
Toughness and Hardness of Aggregate
Abrasion Resistance of Concrete
One such test is the revolving disc test, where three plates...
