عملیات چالزنی اولین گام در برخی از فعالیت های عمرانی و معدنی محسوب می شود. به دلیل هزینه زیاد این عملیات، باید در تجهیز و نگه داری اقلام مصرفی و مستهلک شونده، دقت شود. جهت بررسی دلایل استهلاک دستگاه و اقلام مصرفی، ابزار دقیقی موجود نمی باشد به همین دلیل باید در هنگام اجرای عملیات دقت کافی صورت گیرد تا ازهزینه های اضافی جلوگیری شود. به منظور کاهش هزینه های عملیاتی باید علاوه بر شناخت محیط کاری (زمین)، عملکرد دستگاه چالزنی نیز تحت کنترل باشد، این فرآیند موجب تسهیل برنامه ریزی بر اساس عملکرد دستگاه در شرایط مختلف زمین می شود. در اندازه گیری راندمان چالزنی و تشخیص بازدهی دستگاه در مناطق مختلف، شاخص های متفاوتی در نظر گرفته شده که نرخ نفوذ و قابلیت چالخوری بیشترین کاربرد را دارند.
هدف از این پژوهش که در قالب پایان نامه کارشناسی ارشد علی نعمتی در رشته مهندسی معدن -استخراج مواد معدنی، انجام شد، پیش بینی نرخ نفوذ سرمته و بررسی تاثیر پارامتر رده بندی توده سنگ، ژئومکانیکی در معدن وپارامترهای عملیاتی دستگاه بر میزان نرخ نفوذ سرمته در سنگ و عملکرد دستگاه چالزنی به روش هوشمند است.
جهت ارزیابی مدل ازدستگاه های چالزنی اطلس کپکو، هوشر، سانوارد و تامراک موجود در معدن مس سونگون استفاده شد. پس از انجام برداشت های میدانی و آزمون های آزمایشگاهی، بانک اطلاعاتی از85 چال وپارامترهای مورد نظر از معدن مس سونگون گردآوری شد.در مدل، نیروی فشاری پشت سرمته وفشار دوران سرمته جزء پارامترهای عملیاتی دستگاه چالزنی وپارامترتوده سنگ از سیستم رده بندی توده سنگ و چکش اشمیت متغیرژئومکانیکی استفاده شده است. پس از برداشت داده های زمین شناسی وعملکرد دستگاه، مطالعه آماری بر روی چهار دستگاه چالزنی انجام شد. سپس تاثیر هریک ازمتغیرهای چالزنی برروی نرخ نفوذ سرمته بررسی شد. نتایج تحلیل ها ارتباطی معنی داربین متغیرهای مورد بررسی و نرخ نفوذ سرمته نشان داد. در دستگاه های اطلس کپکو، هوشر و سانوارد فشار پشت سرمته به ترتیب با ضریب تعیین87%،
86% و%71 موثرترین متغیر می باشد. در دستگاه تامراک با ضریب تعیین 85% موثرترین متغیر بر نرخ نفوذ سرمته، فشار دوران می باشد. همچنین در تحلیل داده های هر دستگاه به صورت مجزا به روش رگرسیون خطی چند متغیره با استفاده ازمتغیرهای مسئله، مدلی جهت پیش بینی نرخ نفوذ سرمته با ضریب تعیین 91%، 89%، 89% و 83% به ترتیب برای دستگاه های اطلس کپکو، هوشر، تامراک، و سانوارد به دست آمد. در بررسی رگرسیون چند متغیره برای تمامی دستگاه ها و متغیرها، مدلی با ضریب تعیین74% جهت تخمین نرخ نفوذ سرمته ایجاد شد. با استفاده از مدل شبکه عصبی با الگوریتم های بهینه سازی درجه اول شبکه عصبی به روشهای Adam،SGD و GD استفاده شد و به ترتیب هر یک با ضریب تعیین 94%،91% و 91% در داده های آموزش و در داده های آزمون 94%، 90% و 86% نتیجه شد. با تحلیل حساسیت مدل مشخص شد متغیر فشار پشت سرمته بیشترین تأثیر و فشار دوران کمترین تأثیر را درمعدن مورد مطالعه دارد.
گفتنی است این پژوهش در قالب پایان نامه کارشناسی ارشد علی نعمتی با راهنمایی دکتر مسعود منجزی و با مشاوره دکتر جعفر خادمی در دانشکده فنی و مهندسی دانشگاه انجام شد