Innehållsförteckning:
Video: Rockprovanalysator: 4 steg
2025 Författare: John Day | [email protected]. Senast ändrad: 2025-01-13 06:58
Rock Sample Analyzer används för att identifiera och analysera typerna av stenprover med hjälp av mjuk hamrande vibrationsteknik. Det är en ny metod för att identifiera bergproverna. Om det finns en meteorit eller något okänt bergprov kan man uppskatta provet med hjälp av denna bergprovsanalysator. Den mjuka slagtekniken stör inte eller skadar provet. Avancerad Neuro Fuzzy -tolkningsteknik tillämpas för att identifiera proverna. Grafiskt användargränssnitt (GUI) är utformat med MATLAB -programvara och användaren kan se vibrationerna erhållna en grafisk utmatning och den resulterande utsignalen kommer att visas i panelen inom bråkdelen av sekunden.
Steg 1: Konstruera den mekaniska enheten
Dimensionerna på den mekaniska anordningen är följande
Längd X Bredd X Höjd = 36 cm X 24,2 cm X 32 cm
Provstångens längd = 24 cm
Hammarlängd = 37 cm
Skivradie = 7,2 cm
Axellängder = 19,2 cm (2)
Den automatiska mjuka hammarmekaniska anordningen är att hamra provet och skapa vibrationer … De genererade vibrationerna sprids över proverna. Vibrationerna som genereras är mycket mjuka och kommer inte att störa eller skada provet.
Steg 2: Vibrationssensor
3 antal 801S Vibrationssensor Vibrationsmodell Analog utgång Justerbar känslighet för Arduino Robot Vibrationssensorer används för att samla in vibrationerna … Medelvärdet av alla tre värdena används för att analysera data.
Steg 3: Arduino -kontroll och programmering
Arduino samlar in data med hjälp av de analoga stiften och konverterar data och skickar dem till textfil
Arduino programmering
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 ("ETIKETT, VIBRATIONSVÄRDE");
}
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;
om (val> = 100)
{
Serial.print ("DATA");
Serial.print ("VIB =");
Serial.println (värde);
import bearbetning. serie.*;
Seriell mySerial;
PrintWriter -utmatning;
void setup ()
{
mySerial = new Serial (detta, Serial.list () [0], 9600);
output = createWriter ("data.txt"); }
void draw ()
{
om (mySerial.available ()> 0)
{
Strängvärde = mySerial.readString ();
if (värde! = null)
{
output.println (värde);
}
}
}
void keyPressed ()
{
output.flush ();
// Skriver återstående data till filen
output.close (); // Slutför filen
utgång(); // Stoppar programmet
}
fördröjning (1000);
}
}
}
Steg 4: Grafiskt användargränssnitt för Neuro Fuzzy Interpretation
ANFIS är en kombination av logiska luddiga system och neurala nätverk. Denna typ av slutsatser har den anpassningsbara karaktären att förlita sig på den situation som den tränade. Således har det många fördelar från att lära sig att validera utdata. Takagi-Sugeno suddig modell visas i figuren
Som visas i figuren består ANFIS -systemet av fem lager, lager som symboliseras av rutan är ett lager som är adaptivt. Samtidigt är symbolen av cirkeln fixerad. Varje utsignal från varje lager symboliseras med sekvens av noder och l är sekvensen som visar fodret. Här är en förklaring för varje lager, nämligen:
Skikt 1
Tjänar att höja graden av medlemskap
Skikt 2
Tjänar att framkalla avfyrningsstyrka genom att multiplicera varje insignal.
Skikt 3
Normalisera skjutstyrkan
Skikt 4
Beräkning av utdata baserat på parametrarna för den regel som följer
Skikt 5
Att räkna ut ANFIS -utsignalen genom att summera alla inkommande signaler kommer att producera
Här är det grafiska användargränssnittet utformat med MATLAB -programvara. Inmatningsvibrationsdata matas in i programvaran med Arduino -styrenhet och motsvarande prov analyseras effektivt med ANFIS -tolkning.