فهرست نشریات علمی دسترسی آزاد ایران

برآورد صحیح پارامترهای راهبری ماشین حفار تونل، جهت تعیین شرایط بهینه عملکرد ماشین و افزایش راندمان پروژه ‌های تونلسازی مکانیزه امری ضروری است. در این مطالعه با استفاده از روش‌های شبکه عصبی مصنوعی پرسپترون چند لایه (ANN-MLP) و رگرسیون چند متغیره (MVR) مدل‌هایی تجربی برای تخمین پارامترهای راهبری ماشین حفار EPB، شامل گشتاور کله حفار و نیروی رانش، در بخشی از پروژه توسعه جنوبی خط 6 متروی تهران توسعه داده شده است که حفاری در سنگ آهک مستحکم توسط ماشین EPB و با ابزار برشی از نوع دیسک کاتر صورت گرفته است. حفاری در چنین شرایطی با این نوع ماشین معمول نمی‌باشد. پارامترهای مورد استفاده جهت توسعه مدل‎ها شامل پارامترهای اپراتوری و عملکردی ماشین حفار نظیر نفوذ کاترهد،‌ فشار جبهه کار، سرعت چرخش کاترهد و بار کاتر می‌باشند. مقایسه نتایج بدست آمده از روش ANN-MLP با داده‌های واقعی اندازه‌گیری شده‌ی ماشین حفار توسط توابع خطا در یادگیری عمیق، موید دقت و صحت قابل قبول نتایج حاصل از مدل می‌باشد. مقادیر تابع خطا میانگین قدر مطلق تفاضل (MAE) برای گشتاور در مرحله آموزش و صحت سنجی به ترتیب 0.00010 و 0.005 محاسبه گردیدند. همچنین مقادیر تابع MAE در برآورد نیروی رانش بر اساس داده‌های آموزش و آزمایش به ترتیب 0.00016 و 0.010 برآورد شدند. مقایسه مابین نتایج روش MVR با داده‌های واقعی اندازه گیری شده توسط ماشین حفار نیز بیانگر صحت روابط توسعه داده شده است، به صورتیکه مقدار تابع خطا MAE در برآورد گشتاور 0.0018 و برای نیروی رانش 0.0010 بدست آمد.