Tabla de contenido:
Video: Analizador de muestras de rocas: 4 pasos
2025 Autor: John Day | [email protected]. Última modificación: 2025-01-13 06:57
El analizador de muestras de rocas se utiliza para identificar y analizar los tipos de muestras de rocas mediante la técnica de vibración de martilleo suave. Es un método novedoso para identificar las muestras de rocas. Si hay un meteorito o cualquier muestra de roca desconocida, se puede estimar la muestra usando este analizador de muestras de roca. La técnica de martilleo suave no perturbará ni dañará la muestra. Se aplica una técnica de interpretación avanzada de Neuro Fuzzy para identificar las muestras. La interfaz gráfica de usuario (GUI) está diseñada utilizando el software MATLAB y el usuario puede ver las vibraciones obtenidas en una salida gráfica y la salida resultante se mostrará en el panel dentro de las fracciones de segundo.
Paso 1: construcción del dispositivo mecánico
Las dimensiones del dispositivo mecánico son las siguientes
Largo X Ancho X Alto = 36 cm X 24,2 cm X 32 cm
Longitud de la varilla de muestra = 24 cm
Longitud del martillo = 37 cm
Radio del disco = 7,2 cm
Longitudes de eje = 19,2 cm (2)
El dispositivo mecánico de martilleo suave automático es para martillar la muestra y crear vibraciones … Las vibraciones generadas se extienden sobre las muestras. Las vibraciones generadas son muy suaves y no perturbarán ni dañarán la muestra.
Paso 2: sensor de vibración
3 número de 801S Sensor de vibración Modelo de vibración Salida analógica Sensibilidad ajustable Para el robot Arduino Los sensores de vibración se utilizan para recopilar las vibraciones … La media de los tres valores se utiliza para analizar los datos.
Paso 3: Programación y control de Arduino
Arduino recopilará los datos utilizando los pines analógicos y convertirá los datos y los enviará a un archivo de texto
Programación Arduino
int vib_1 = A0; int vib_2 = A1; int vib_3 = A2;
{
Serial.begin (9600);
pinMode (vib_1, ENTRADA);
pinMode (vib_2, ENTRADA);
pinMode (vib_3, ENTRADA);
Serial.println ("ETIQUETA, VALOR DE VIBRACIÓN");
}
bucle vacío () {
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;
si (val> = 100)
{
Serial.print ("DATOS");
Serial.print ("VIB =");
Serial.println (valor);
procesamiento de importación.serie. *;
Serial mySerial;
Salida de PrintWriter;
configuración vacía ()
{
mySerial = new Serial (esto, Serial.list () [0], 9600);
salida = createWriter ("data.txt"); }
vacío dibujar ()
{
si (mySerial.available ()> 0)
{
Valor de cadena = mySerial.readString ();
si (valor! = nulo)
{
output.println (valor);
}
}
}
anular tecla presionada ()
{
salida.flush ();
// Escribe los datos restantes en el archivo
output.close (); // Termina el archivo
Salida(); // Detiene el programa
}
retraso (1000);
}
}
}
Paso 4: Interfaz gráfica de usuario de interpretación Neuro Fuzzy
ANFIS es una combinación de sistemas lógicos difusos y redes neuronales. Este tipo de sistema de inferencia tiene la naturaleza adaptativa para depender de la situación que entrenó. Por lo tanto, tiene muchas ventajas desde el aprendizaje hasta la validación del resultado. El modelo difuso de Takagi-Sugeno se muestra en la Figura
Como se muestra en la Figura, el sistema ANFIS consta de 5 capas, la capa simbolizada por la caja es una capa que es adaptativa. Mientras tanto, simbolizado por el círculo se fija. Cada salida de cada capa está simbolizada con una secuencia de nodos y l es la secuencia que muestra el revestimiento. Aquí hay una explicación para cada capa, a saber:
Capa 1
Sirve para elevar el grado de membresía
Capa 2
Sirve para evocar la fuerza de disparo multiplicando cada señal de entrada.
Capa 3
Normalizar la fuerza de disparo
Capa 4
Cálculo de la salida en función de los parámetros de la regla consecuente
Capa 5
Contar la señal de salida ANFIS sumando todas las señales entrantes producirá
Aquí, la interfaz gráfica de usuario está diseñada con el software MATLAB. Los datos de vibración de entrada se introducen en el software usando el controlador Arduino y la muestra correspondiente se analizará de manera eficiente usando la interpretación ANFIS.