Penganalisis Contoh Batu: 4 Langkah

2024 Pengarang: John Day | [email protected]. Diubah suai terakhir: 2024-01-30 11:09

Penganalisis Sampel Batu digunakan untuk mengenal pasti dan menganalisis jenis sampel batuan dengan menggunakan teknik getaran pemalu lembut. Ini adalah kaedah baru dalam mengenal pasti sampel batuan. Sekiranya terdapat meteorit atau sampel batu yang tidak diketahui, seseorang boleh menganggarkan sampel menggunakan penganalisis sampel batuan ini. Teknik pemalu lembut tidak akan mengganggu atau merosakkan sampel. Teknik penafsiran Neuro Fuzzy lanjutan diterapkan untuk mengenal pasti sampel. Antaramuka Pengguna Grafik (GUI) dirancang menggunakan perisian MATLAB dan pengguna dapat melihat getaran yang diperoleh output grafik dan output yang dihasilkan akan ditunjukkan dalam panel dalam pecahan detik.

Langkah 1: Membina Peranti Mekanikal

Dimensi peranti mekanikal adalah seperti berikut

Panjang X Lebar X Tinggi = 36 cm X 24.2 cm X 32 cm

Panjang batang Sampel = 24 cm

Panjang Tukul = 37 cm

Radius Cakera = 7.2 cm

Panjang gandar = 19.2 cm (2)

Peranti mekanikal pemalu lembut automatik adalah untuk memalu sampel dan membuat getaran… Getaran yang dihasilkan tersebar di atas sampel. Getaran yang dihasilkan sangat halus dan tidak akan mengganggu atau merosakkan sampel.

Langkah 2: Sensor Getaran

3 bilangan 801S Sensor Getaran Model Getaran Analog Output Sensitiviti Laras Untuk Arduino Robot Sensor Getaran digunakan untuk mengumpulkan getaran… Rata-rata ketiga nilai tersebut digunakan untuk menganalisis data.

Langkah 3: Pengendalian dan Pengaturcaraan Arduino

Arduino akan mengumpulkan data menggunakan pin analog dan menukar data dan menghantarnya ke fail teks

Pengaturcaraan 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, NILAI VIBRASI");

}

gelung kosong () {

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;

jika (val> = 100)

{

Serial.print ("DATA,");

Serial.print ("VIB =");

Serial.println (nilai);

pemprosesan import.serial. *;

Serial mySerial;

Output PrintWriter;

persediaan tidak sah ()

{

mySerial = Serial baru (ini, Serial.list () [0], 9600);

output = createWriter ("data.txt"); }

undian tidak sah ()

{

jika (mySerial.available ()> 0)

{

Nilai rentetan = mySerial.readString ();

jika (nilai! = nol)

{

output.println (nilai);

}

}

}

kekunci kekosongan Ditekan ()

{

output.flush ();

// Menulis data yang tinggal ke fail

keluaran.tutup (); // Selesaikan fail

jalan keluar (); // Menghentikan program

}

kelewatan (1000);

}

}

}

Langkah 4: Interface Pengguna Grafik Interpretasi Neuro Fuzzy

ANFIS adalah gabungan sistem kabur logikal dan rangkaian saraf. Sistem inferensi seperti ini mempunyai sifat adaptif untuk bergantung pada keadaan yang dilatihnya. Oleh itu, ia mempunyai banyak kelebihan dari belajar untuk mengesahkan output. Model kabur Takagi-Sugeno ditunjukkan dalam Gambar

Seperti yang ditunjukkan dalam Gambar, sistem ANFIS terdiri dari 5 lapisan, lapisan yang dilambangkan oleh kotak adalah lapisan yang bersifat adaptif. Sementara itu, dilambangkan oleh bulatan tetap. Setiap output setiap lapisan dilambangkan dengan urutan nod dan l adalah urutan yang menunjukkan lapisan. Berikut adalah penjelasan untuk setiap lapisan, iaitu:

Lapisan 1

Berfungsi untuk meningkatkan tahap keahlian

Lapisan 2

Berfungsi untuk membangkitkan kekuatan tembakan dengan mengalikan setiap isyarat input.

Lapisan 3

Menormalkan kekuatan menembak

Lapisan 4

Mengira output berdasarkan parameter peraturan yang berlaku

Lapisan 5

Mengira isyarat output ANFIS dengan menjumlahkan semua isyarat yang masuk akan menghasilkan

Di sini antara muka pengguna grafik dirancang menggunakan perisian MATLAB. Data getaran input dimasukkan ke dalam perisian menggunakan pengawal Arduino dan sampel yang sesuai akan dianalisis dengan cekap menggunakan interpretasi ANFIS.