امیرحسین نجف آبادی پور

بهینه سازی مصرف انرژی در ماشین آلات حفاری تونل (TBM) یکی از چالش های اساسی در پروژه های زیرساختی بزرگ است، زیرا این دستگاه ها بخش قابل توجهی از انرژی کل عملیات را مصرف می کنند و هرگونه کاهش در مصرف آن می تواند منجر به صرفه جویی اقتصادی و کاهش اثرات زیست محیطی شود. در سال های اخیر، هوش مصنوعی به عنوان ابزاری قدرتمند برای تحلیل داده های پیچیده و ارائه پیش بینی های دقیق در حوزه ماشین آلات معدنی و تونلی مطرح شده است. این مقاله یک مرور جامع بر روش های مبتنی بر هوش مصنوعی برای پیش بینی و کاهش مصرف انرژی در TBM ارائه می دهد و نشان می دهد چگونه مدل های یادگیری ماشین و شبکه های عصبی می توانند با تحلیل عوامل زمین شناسی، شرایط عملیاتی و پارامترهای مکانیکی، الگوهای مصرف انرژی را شناسایی کرده و پیشنهادهای بهینه سازی ارائه دهند. همچنین، یک مدل مفهومی پیشنهادی مبتنی بر داده های آنی، سنسورهای پیشرفته و الگوریتم های هوشمند ارائه می شود که یک سیستم تصمیم یار بلادرنگ برای پیش بینی دقیق مصرف انرژی، تنظیم خودکار پارامترهای حفاری و کاهش استهلاک تجهیزات ایجاد می کند. مطالعات موردی نشان دهنده کاهش قابل توجه مصرف انرژی و استهلاک تجهیزات است. در نهایت، این مطالعه راه را برای توسعه سیستم های هوشمند خودتنظیم در صنعت تونل سازی هموار کرده و افق های جدیدی در مدیریت پایدار انرژی زیرساختی می گشاید.