Penganalisis Sampel Batu: 4 Langkah

2025 Pengarang: John Day | [email protected]. Terakhir diubah: 2025-01-13 06:57

Rock Sample Analyzer digunakan untuk mengidentifikasi dan menganalisis jenis-jenis sampel batuan menggunakan teknik vibrasi soft hammering. Ini adalah metode baru dalam mengidentifikasi sampel batuan. Jika meteorit atau sampel batuan yang tidak diketahui ada di sana, orang dapat memperkirakan sampel menggunakan penganalisis sampel batuan ini. Teknik soft hammering tidak akan mengganggu atau merusak sampel. Teknik interpretasi Advanced Neuro Fuzzy diterapkan untuk mengidentifikasi sampel. Graphical User Interface (GUI) dirancang menggunakan software MATLAB dan pengguna dapat melihat getaran yang diperoleh output grafis dan output yang dihasilkan akan ditampilkan di panel dalam sepersekian detik.

Langkah 1: Membangun Perangkat Mekanik

Dimensi perangkat mekanis adalah sebagai berikut:

Panjang X Lebar X Tinggi = 36 cm X 24,2 cm X 32 cm

Panjang batang Sampel = 24 cm

Panjang Palu = 37 cm

Jari-jari Disk = 7,2 cm

Panjang poros = 19,2 cm (2)

Perangkat mekanis pemukul lunak otomatis adalah untuk memalu sampel dan menciptakan getaran… Getaran yang dihasilkan tersebar di sampel. Getaran yang dihasilkan sangat halus dan tidak akan mengganggu atau merusak sampel.

Langkah 2: Sensor Getaran

3 Jumlah Sensor Getaran 801S Model Getaran Keluaran Analog Sensitivitas yang Dapat Disesuaikan Untuk Robot Arduino Sensor Getaran digunakan untuk mengumpulkan getaran…Rata-rata dari ketiga nilai tersebut digunakan untuk menganalisis data.

Langkah 3: Kontrol dan Pemrograman Arduino

Arduino akan mengumpulkan data menggunakan pin analog dan mengonversi data dan mengirimkannya ke file teks

Pemrograman 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 GETARAN");

}

lingkaran kosong(){

int nilai1;

int nilai2;

int val3;

int nilai;

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);

import processing.serial.*;

Serial sayaSerial;

keluaran PrintWriter;

batalkan pengaturan()

{

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

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

batal menggambar()

{

jika (mySerial.available() > 0)

{

Nilai string = mySerial.readString();

jika (nilai != null)

{

output.println(nilai);

}

}

}

tombol batal Ditekan()

{

keluaran.flush();

// Menulis data yang tersisa ke file

keluaran.tutup(); // Menyelesaikan file

keluar(); // Menghentikan program

}

penundaan (1000);

}

}

}

Langkah 4: Antarmuka Pengguna Grafis Neuro Fuzzy Interpretation

ANFIS adalah kombinasi dari sistem fuzzy logis dan jaringan saraf. Sistem inferensi semacam ini memiliki sifat adaptif untuk mengandalkan situasi yang dilatihnya. Dengan demikian memiliki banyak keuntungan dari belajar untuk memvalidasi output. Model fuzzy Takagi-Sugeno ditunjukkan pada Gambar

Seperti terlihat pada Gambar, sistem ANFIS terdiri dari 5 layer, layer yang disimbolkan dengan kotak merupakan layer yang bersifat adaptif. Sedangkan yang disimbolkan dengan lingkaran tetap. Setiap output dari setiap layer dilambangkan dengan urutan node dan l adalah urutan yang menunjukkan lapisan. Berikut penjelasan untuk masing-masing layer, yaitu:

Lapisan 1

Berfungsi untuk menaikkan derajat keanggotaan

Lapisan 2

Berfungsi untuk membangkitkan kekuatan tembak dengan mengalikan setiap sinyal input.

Lapisan 3

Normalisasikan kekuatan tembak

Lapisan 4

Menghitung output berdasarkan parameter konsekuensi aturan

Lapisan 5

Menghitung sinyal keluaran ANFIS dengan menjumlahkan semua sinyal yang masuk akan menghasilkan

Di sini antarmuka pengguna grafis dirancang menggunakan perangkat lunak MATLAB. Data getaran input dimasukkan ke dalam perangkat lunak menggunakan pengontrol Arduino dan sampel yang sesuai akan dianalisis secara efisien menggunakan interpretasi ANFIS.