Rock Sample Analyzer: 4 Βήματα

2024 Συγγραφέας: John Day | [email protected]. Τελευταία τροποποίηση: 2024-01-30 08:35

Ο αναλυτής δειγμάτων βράχου χρησιμοποιείται για τον εντοπισμό και την ανάλυση των τύπων δειγμάτων πετρωμάτων χρησιμοποιώντας τεχνική δόνησης με μαλακό σφυρί. Είναι μια νέα μέθοδος για τον προσδιορισμό των δειγμάτων βράχου. Εάν υπάρχει μετεωρίτης ή οποιοδήποτε άγνωστο δείγμα βράχου, μπορεί κανείς να εκτιμήσει το δείγμα χρησιμοποιώντας αυτόν τον αναλυτή δείγματος βράχου. Η τεχνική του μαλακού σφυρηλάτησης δεν θα διαταράξει ή θα βλάψει το δείγμα. Για την αναγνώριση των δειγμάτων εφαρμόζεται η προηγμένη τεχνική ερμηνείας Neuro Fuzzy. Η γραφική διεπαφή χρήστη (GUI) έχει σχεδιαστεί με χρήση λογισμικού MATLAB και ο χρήστης μπορεί να δει τις δονήσεις που λαμβάνονται σε μια γραφική έξοδο και η προκύπτουσα έξοδος θα εμφανιστεί στον πίνακα εντός των κλάσεων του δευτερολέπτου.

Βήμα 1: Κατασκευή της μηχανικής συσκευής

Οι διαστάσεις της μηχανικής συσκευής έχουν ως εξής

Μήκος X Πλάτος X ightψος = 36 cm X 24,2 cm X 32 cm

Μήκος ράβδου δείγματος = 24 cm

Μήκος σφυριού = 37 εκ

Ακτίνα δίσκου = 7,2 cm

Μήκη άξονα = 19,2 cm (2)

Η αυτόματη μηχανική συσκευή με μαλακό σφυρί είναι να σφυροκοπήσει το δείγμα και να δημιουργήσει δονήσεις … Οι δονήσεις που δημιουργούνται απλώνονται στα δείγματα. Οι δονήσεις που δημιουργούνται είναι πολύ ομαλές και δεν θα διαταράξουν ή θα βλάψουν το δείγμα.

Βήμα 2: Αισθητήρας δόνησης

3 αριθμός μοντέλου δόνησης αισθητήρα δόνησης 801S Ρυθμιζόμενη ευαισθησία εξόδου για ρομπότ Arduino Χρησιμοποιούνται αισθητήρες δόνησης για τη συλλογή των δονήσεων … Ο μέσος όρος και των τριών τιμών χρησιμοποιείται για την ανάλυση των δεδομένων.

Βήμα 3: Έλεγχος και προγραμματισμός Arduino

Το Arduino θα συλλέξει τα δεδομένα χρησιμοποιώντας τις αναλογικές ακίδες και θα μετατρέψει τα δεδομένα και θα τα στείλει σε αρχείο κειμένου

Προγραμματισμός Arduino

int vib_1 = A0; int vib_2 = A1; int vib_3 = A2;

{

Serial.begin (9600);

pinMode (vib_1, INPUT);

pinMode (vib_2, INPUT);

pinMode (vib_3, INPUT);

Serial.println ("LABEL, VIBRATION VALUE");

}

void loop () {

int val1;

int val2;

int val3;

int val?

val1 = analogRead (vib_1);

val2 = analogRead (vib_2);

val3 = analogRead (vib_3);

val = (val1 + val2 + val3)/3;

αν (val> = 100)

{

Serial.print ("DATA,");

Serial.print ("VIB =");

Serial.println (τιμή);

επεξεργασία εισαγωγής.σειρά.*;

Σειριακό mySerial;

Έξοδος PrintWriter.

void setup ()

{

mySerial = νέο Σειριακό (αυτό, Serial.list () [0], 9600);

έξοδος = createWriter ("data.txt"); }

άκυρη κλήρωση ()

{

εάν (mySerial.available ()> 0)

{

Τιμή συμβολοσειράς = mySerial.readString ();

εάν (τιμή! = null)

{

output.println (τιμή);

}

}

}

void keyPressed ()

{

output.flush ();

// Γράφει τα υπόλοιπα δεδομένα στο αρχείο

output.close (); // Ολοκληρώνει το αρχείο

έξοδος(); // Διακόπτει το πρόγραμμα

}

καθυστέρηση (1000)?

}

}

}

Βήμα 4: Γραφική διεπαφή χρήστη Neuro Fuzzy Interpretation

Το ANFIS είναι ένας συνδυασμός λογικών ασαφών συστημάτων και νευρωνικών δικτύων. Αυτό το είδος συμπερασμάτων έχει την προσαρμοστική φύση να βασίζεται στην κατάσταση που εκπαιδεύει. Έτσι, έχει πολλά πλεονεκτήματα από τη μάθηση έως την επικύρωση του αποτελέσματος. Το ασαφές μοντέλο Takagi-Sugeno φαίνεται στο σχήμα

Όπως φαίνεται στο σχήμα, το σύστημα ANFIS αποτελείται από 5 στρώματα, το επίπεδο που συμβολίζεται με το κουτί είναι ένα στρώμα που είναι προσαρμοστικό. Εν τω μεταξύ, συμβολίζεται με τον κύκλο είναι σταθερό. Κάθε έξοδος κάθε στρώματος συμβολίζεται με ακολουθία κόμβων και l είναι η ακολουθία που δείχνει την επένδυση. Ακολουθεί μια εξήγηση για κάθε επίπεδο, και συγκεκριμένα:

Στρώμα 1

Χρησιμεύει για την αύξηση του βαθμού συμμετοχής

Στρώμα 2

Χρησιμεύει για να προκαλέσει δύναμη πυροδότησης πολλαπλασιάζοντας κάθε σήμα εισόδου.

Στρώμα 3

Κανονικοποιήστε τη δύναμη πυροδότησης

Στρώμα 4

Υπολογισμός της εξόδου με βάση τις παραμέτρους του κανόνα επακόλουθο

Στρώμα 5

Μετρώντας το σήμα εξόδου ANFIS, αθροίζοντας όλα τα εισερχόμενα σήματα, παράγεται

Εδώ η γραφική διεπαφή χρήστη έχει σχεδιαστεί χρησιμοποιώντας λογισμικό MATLAB. Τα δεδομένα δόνησης που εισάγονται εισάγονται στο λογισμικό χρησιμοποιώντας τον ελεγκτή Arduino και το αντίστοιχο δείγμα θα αναλυθεί αποτελεσματικά χρησιμοποιώντας την ερμηνεία ANFIS.