চূর্ণ পাথর 40 70 আবেদন। ভগ্নাংশ ধ্বংসাবশেষ

এই অপ্টিমাইজেশানটি সমষ্টি ফাংশনটি হ্রাস করে সঞ্চালিত হয়, যেমন। ম্যাট্রিক্সের কার্ভের পরিমাণ যা অপ্টিমাইজেশান মানদণ্ডের সারির সাথে সামঞ্জস্যপূর্ণ নয়। চিত্র 11 এই অপ্টিমাইজেশান দেখায়। এই অপ্টিমাইজেশনের ফলাফলগুলি মূল্যের শর্তে টেবিল 9 এ উপস্থাপিত হয়। প্রতিটি স্তরের জন্য দুটি মানদণ্ডের সাথে সংশ্লিষ্ট কার্ভের সংখ্যা দ্বারা সর্বাধিক স্তরটি টেবিলে উপস্থাপিত হয়। এটি পাওয়া গেছে যে সম্পূর্ণ ম্যাট্রিক্সের 5% এরও কম, সমীকরণ ফাংশনের জন্য নির্বাচিত দুটি মানদণ্ড সঞ্চালন করতে পারে।

গড়ে, আপনি দেখতে পারেন যে একটি বেসল্ট উৎসের জন্য সর্বাধিক শতাংশ পাওয়া যায় না, যার মধ্যে 96, 7% নয়। বিপরীতভাবে, সর্বনিম্ন শতাংশ একটি চুন উত্সের জন্য পাওয়া যায় যার জন্য অগভীর ভগ্নাংশের porosity এর পরিবর্তনশীলতাটি ছোট কণাগুলির শতাংশের উপর নির্ভর করে। সম্ভবত যে কারণে? এই ক্ষেত্রে, সম্পূর্ণ ম্যাট্রিক্সের ছোট কণাগুলির শতাংশের গড় মূল্যের খুব কাছাকাছি। 5, 07%।

গড়, স্বাভাবিকভাবেই উচ্চতর, স্বাভাবিকভাবেই উচ্চ কণার শতাংশের হার্ভের সংখ্যা একযোগে দুটি মানদণ্ড সন্তুষ্ট করা আরও কঠিন হয়ে ওঠে। এই দুটি পদ্ধতির তুলনায়, এটি মনে হয় যে পদ্ধতিটি বেশ ঘনিষ্ঠ ফলাফল দেয়, যেমনটি টেবিল থেকে দেখা যায়। তারা এই টেবিলে পরম মান প্রকাশ করা হয়।

এটি উল্লেখ করা উচিত যে সাধারণভাবে দুটি পদ্ধতির মধ্যে পার্থক্যটি প্রায় এক দশম, যা একটি আকর্ষণীয় প্যারামিটারের স্কেলে রয়েছে, যা ছোট কণার শতাংশের প্রতিনিধিত্ব করে। সারণী 11: মধ্যে পার্থক্য? সমষ্টি ফাংশন থেকে প্রাপ্ত এবং? ফলে রৈখিক সোজা লাইন।

ইতালিতে অর্থ: পরম মান প্রকাশিত পার্থক্য। মূল্য? ফলে সমষ্টি, মান সম্পর্কিত নির্মিত হয়েছিল? প্রতিক্রিয়া সমীকরণ থেকে প্রাপ্ত। যার জন্য উভয় পদ্ধতি একই ফলাফল দেয়, পরিমাণ 3, 5%। অর্থের জন্য? ২ থেকে 3, 5% পর্যন্ত, সমষ্টি ফাংশন পদ্ধতি উচ্চ মান দেয়, এটি মূল্যের জন্য নিম্ন মান দেয়? থেকে 3, 5 থেকে 7%।

উপস্থাপন করা ফলাফলগুলির উপর ভিত্তি করে, এটি উপসংহারে বলা যেতে পারে যে, রিগ্রেশন লাইনগুলি ব্যবহার সম্পর্কিত সম্পর্কের বৈশিষ্ট্য সত্ত্বেও বেশিরভাগ ক্ষেত্রেই পর্যাপ্ত নির্ভুলতা নিশ্চিত করে। রিগ্রেশন লাইন ব্যবহার করে গণনা করা মানগুলি সংক্ষেপে ফাংশন থেকে প্রাপ্ত মানগুলির সাথে তুলনামূলকভাবে সামঞ্জস্যপূর্ণ, যা ন্যূনতম বক্ররেখাটি ভগ্নাংশের সাহসীতার সাথে যুক্ত দুটি অপ্টিমাইজেশান মানদণ্ডের সাথে সামঞ্জস্যপূর্ণ নয়। অনুকূল পাতলা এবং ছোট কণা শতাংশ।

তবে, উভয় পদ্ধতি উন্নত করা যেতে পারে, এর সমান ফলাফল অর্জনের পাশাপাশি, যদি ম্যাট্রিক্সটি রিয়েল ফর্মের অনেক অন্যান্য বাঁক যুক্ত করে উন্নত করে। উপকরণের সূক্ষ্ম ভগ্নাংশের মধ্যে porosity সৃষ্টির উপর ক্ষুদ্র কণা শতাংশের পাশাপাশি এটি সমস্ত শস্য আকারের ভূমিকা বিবেচনা করা আরও ভাল করে তুলবে। মূল্য? ছবি দেখা যায়? ফাংশন থেকে প্রাপ্ত সমষ্টি এই ক্ষেত্রে বিবেচনা করা হয়।

উপস্থাপিত পদ্ধতি স্বাভাবিক পদ্ধতির থেকে ভিন্ন, যেহেতু একটি নিয়ম হিসাবে, কর্মক্ষমতা প্রতি ছোট কণাগুলির প্রভাব বিশেষত ভর অবস্থার উপর মূল্যবান। এই গবেষণা প্রকল্পে, একটি জটিল β-পরিবর্তনশীলটি ক্ষয় প্রতিরোধের বর্ণনা বর্ণনা করার প্রস্তাব দেওয়া হয়েছিল। এটি অভিন্নতা সমষ্টি, অগভীর ভগ্নাংশের porosity এবং উপকরণ নীল মান গঠিত। অগভীর ভগ্নাংশের porosity উপকরণ অবস্থা সঙ্গে যুক্ত একটি পরিবর্তনশীল, যা ক্ষয় এই ঘটনাটি সেরা বর্ণনা।

সাদৃশ্যের সহকর্মীর উপর নির্ভর করে ক্ষয়ক্ষতির প্রতিরোধের অপ্টিমাইজেশান অনুসারে ফলাফলগুলি টেবিলে উপস্থাপিত হয়। এটি স্বাভাবিকভাবেই একটি পাওয়ার টাইপ আছে এমন প্রবণতা সমীকরণের প্রকৃতির সাথে যুক্ত। এটি সূক্ষ্ম সমালোচকদের শতকরা শতকরা সম্পর্কে সিদ্ধান্তগুলি অনুসরণ করে, যেখানে কর্মক্ষমতা উচ্চ স্তরেরগুলি স্পিন্ডে পরিবর্তনের সীমার উচ্চতর শতাংশের সাথে যুক্ত হয়। আগে যেমন আলোচনা করা হয়েছে, যান্ত্রিক আচরণ দুটি দিক, অর্থাত্, বিপরীতমুখী মডিউল এবং ধ্রুবক বিকৃতি সংবেদনশীলতা বিশ্লেষণ করা হয়।

একটি বিপরীত মডিউল সহ পরীক্ষার আরো মানসম্মত প্রকৃতির কারণে, এই পরীক্ষাগুলি উচ্চতর আপেক্ষিক গুরুত্বের সাথে সম্পর্কিত হওয়া উচিত। যাইহোক, ধ্রুবক বিকৃতি থেকে সংবেদনশীলতার জন্য পরীক্ষাগুলি থেকে সন্তোষজনক ফলাফল প্রাপ্ত হয়েছিল, যা যান্ত্রিক চরিত্রগতটি সম্পন্ন করতে এবং এটি আরও বিশ্বব্যাপী দৃষ্টিকোণ থেকে এটিকে অপটিমাইজ করতে পারে।

সূক্ষ্ম ভগ্নাংশের porosity এর অপটিমাইজেশনের বিপরীতে, এই বিষয়টির প্রতিফলনটি ক্ষুদ্র সমালোচনামূলক মূল্যবোধের শতাংশের সংজ্ঞা দেয়, যান্ত্রিক আচরণের অপ্টিমাইজেশানটি গ্রানুলোমেট্রি রেগুলেটগুলির অঞ্চলের সংকল্পের দিকে পরিচালিত করে যা সম্পর্কিত এলাকাগুলির সীমিত কর্মক্ষমতা নির্দিষ্ট মাত্রা। প্রকৃতপক্ষে, যদিও কেবলমাত্র একজনের মধ্যে পরিবর্তনশীলটি ব্যাখ্যা করে, কর্মক্ষমতা স্তরগুলির মধ্যে সীমানা নির্ধারণ করতে, ব্যাখ্যামূলক ভেরিয়েবলগুলির একটি নির্দিষ্ট পরিসরের জন্য বিভিন্ন দক্ষতা সূচকগুলির সাথে সম্পর্কের একটি ভাল স্তরের অংশটির দৃঢ়সংকল্প বিবেচনা করতে পারে। কর্মক্ষমতা মাত্রা সীমাবদ্ধ যে granulometric curves।

এটি চূর্ণকৃত উপকরণের জন্য আরও বেশি ন্যায্য, যার জন্য বেশ কয়েকটি ব্যাখ্যামূলক ভেরিয়েবলগুলি সংশ্লেষের উচ্চ স্তরের চিহ্নিত করা হয়েছে। উল্লেখ করা হয়েছে, এটি একটি আংশিকভাবে চূর্ণ উৎসের ক্ষেত্রে কম সঠিক। উপরন্তু, দুটি ফ্রন্ট, বিপরীতমুখী মডিউল এবং ধ্রুবক বিকৃতির সংবেদনশীলতার সাথে যান্ত্রিক বৈশিষ্ট্যগুলির বিবেচনার বিবেচনায় কমপক্ষে দুটি অপ্টিমাইজেশান পয়েন্টগুলি স্পিন্ডে বিবেচনা করা সম্ভব হয় এবং এভাবে, শস্যের আকারের রেখাচিত্রের অংশগুলি পৃথক করে এমন প্রতিটি কর্মক্ষমতা মাত্রাগুলির জন্য অপ্টিমাইজ করা হয় ।

এ প্রসঙ্গে, ধ্রুবক বিকৃতির সংবেদনশীলতার জন্য পরীক্ষার আরো পরীক্ষামূলক প্রকৃতির কারণে, উৎসটিকে পরিবর্তনশীল ব্যাখ্যা করার জন্য শুধুমাত্র লক্ষ্যগুলি অপটিমাইজ করার জন্য সংরক্ষণ করা হবে। তাছাড়া, সাধারণভাবে, এই গবেষণার সাথে সম্পর্কিত সম্পর্কগুলি সামান্য কম সঠিক বলে মনে হয়।

অগভীর ভগ্নাংশের porosity অপ্টিমাইজ করার জন্য বিভাগে দেখানো হয়, যান্ত্রিক আচরণ অপ্টিমাইজ করার প্রথম পদক্ষেপটি হল সময়ের মধ্যে যান্ত্রিক বৈশিষ্ট্যগুলির প্যারামিটারে সর্বাধিক পরিবর্তন নির্ধারণ করা। অগভীর ভগ্নাংশের porosity এর বিপরীতে, যান্ত্রিক আচরণ মূল্যায়ন করার জন্য সাধারণত কোন স্বীকৃত কর্মক্ষমতা নির্দেশক নেই। উপরন্তু, ফলাফলগুলি দেখায় যে এই সূচকগুলি এক উৎস থেকে অন্যের কাছে পরিবর্তিত হয় এবং একই আকারের ভগ্নাংশগুলি অন্তর্ভুক্ত করে না। অতএব, সর্বনিম্ন এবং সর্বাধিক গড় মান চিহ্নিত করার জন্য প্রত্নতাত্ত্বিক মডিউলটির সর্বোচ্চ রেটিং স্তরের সাথে তিনটি সম্পর্কের সাথে তিনটি সম্পর্ক পূরণের জন্য এটি প্রস্তাব করা হয়।

যাইহোক, এটি উল্লেখ করা উচিত যে এই ব্যায়ামটি ভেরিয়েবলগুলি ব্যাখ্যা করে যার "বাস্তবসম্মত" সীমানা সময় অঞ্চলে সনাক্ত করা কঠিন। অতএব, এই ধরনের পরিবর্তনশীল শস্য আকার বক্ররেখা দুটি পয়েন্ট অন্তর্ভুক্ত। অতএব, এই ক্ষেত্রে, শুধুমাত্র ভেরিয়েবলগুলি ব্যবহার করা হয়, যার সীমানা সহজেই চিহ্নিত করা হয়। তবে, উপরের ফলাফল দেওয়া হয়েছে, এটি জানা যায় যে এই তিনটি অর্থ আন্তঃসংযোগ করা হয়। তারা আকৃতি নিতে। উল্লেখ করা হয়েছে, একটি গ্রানাইট GNEISSE উত্স ক্ষেত্রে, আপনি বিভিন্ন ব্যাখ্যামূলক ভেরিয়েবল ব্যবহার করতে পারেন।

যাইহোক, দুটি চূর্ণ সূত্র ক্ষেত্রে, বেশ কয়েকটি ব্যাখ্যামূলক ভেরিয়েবল চিহ্নিত করা হয়। একটি বেসল্ট উৎস জন্য, বিভিন্ন ভেরিয়েবল চিহ্নিত করা হয়েছে, কিন্তু এটি উল্লেখ করা উচিত যে এই ভেরিয়েবলগুলিতে redundancy আছে। যাইহোক, প্রথমটি ব্যবহার করার জন্য, তাদের মূল্য নির্ধারণের জন্য কাঁটাচামচ শতাংশ নির্ধারণ করা প্রয়োজন। এই তথ্যটি সারণিতে 14 টি দেখানো হয়েছে। তবে, এই উৎসের জন্য আরও বিস্তারিতভাবে উত্পাদনশীলতা অঞ্চলগুলির সংজ্ঞা বিবেচনা করা সম্ভব, ধ্রুবক বিকৃতির সংবেদনশীলতার প্রভাব বিবেচনা করা সম্ভব।

আরও বিস্তারিত এই বিষয়ে আরও অনুসরণ করুন। অবশেষে, এটি উল্লেখ করা যেতে পারে যে কিছু ক্ষেত্রে দুটি ভিন্ন সমীকরণ থেকে প্রাপ্ত মানগুলি খুব ঘনিষ্ঠ ফলাফল দেয়, যা ক্ষেত্রের দ্বারা উত্পন্ন মূল্যায়ন সমীকরণের ত্রুটি সহ কিছু ত্রুটিযুক্ত। এটি লক্ষ্য করা উচিত যে চুনাপাথর উত্সের জন্য তৈরি বিশ্লেষণটি আপনাকে ছোট কণাগুলির শতাংশকে বহিষ্কার করতে দেয়, কারণ কাঁটাচামচ এবং বালি শতাংশটি পরিচিত। যাইহোক, এই মান তথ্য উদ্দেশ্যে উপস্থাপন করা হয়।

এটা বোঝা গুরুত্বপূর্ণ যে, দৃশ্যত, এই উৎসের জন্য বিপরীত যান্ত্রিক আচরণ এবং উপকরণের সূক্ষ্ম অংশের মধ্যে কোন উল্লেখযোগ্য প্রবণতা নেই। ধ্রুবক বিকৃতির সংবেদনশীলতার জন্য, শুধুমাত্র একটি নির্দেশক ব্যবহার করা হয়, কারণ কয়েকটি ধ্রুবক বিকৃতি হারের সাথে সম্পর্কের উচ্চ মাত্রা দেখিয়েছিল এবং এই মানটি পাওয়ার পর থেকে এই গবেষণার ক্ষেত্রে মানসম্মত পরীক্ষার ফলাফল নয়। এই সম্পর্ক বর্ণনা সমীকরণ আকৃতি নিতে।

এই মান টেবিলে উপস্থাপন করা হয়। এই মান টেবিলে অন্তর্ভুক্ত করা হয়। উপর ভিত্তি করে granular উপকরণ যান্ত্রিক আচরণ অপ্টিমাইজ করার জন্য সঞ্চালিত বিশ্লেষণ মিশ্রন রোড কোট, অর্থাৎ, বিপরীতমুখী মডিউল এবং ধ্রুবক বিকৃতির সংবেদনশীলতা পরীক্ষা করার জন্য অপ্টিমাইজেশান প্রক্রিয়া থেকে প্রাপ্ত মানগুলি। আপনি কর্মক্ষমতা মাত্রা প্রতিটি সংশ্লিষ্ট এলাকায় প্রদর্শন করতে পারেন। চিত্রের মধ্যে। 14, ডুমুর। 15 এবং চাল। 16 এই বিভাগে অর্জনের যান্ত্রিক আচরণের অপ্টিমাইজেশনের একটি গ্রাফিক চিত্রণ দেখায়।

তবে, মনে রাখা উচিত যে এই চার্টটি দুটি ফ্রন্টে যান্ত্রিক বৈশিষ্ট্যগুলি বিবেচনা করে আঁকা হয়। যাইহোক, বিপরীত মডিউল বিশ্লেষণ অনুযায়ী, সমাধি coefficients মান প্রস্তাব করা হয়। এটা প্রমাণিত করা উচিত যে, চিত্র হিসাবে দেখানো হবে। 35 মনে হচ্ছে যে বৃহত ইউনিট এই উৎসের উপকরণের জন্য ম্যাট্রিক্স তৈরি করে না, কিন্তু ছোট সামগ্রিকতার তৈরি হয়েছিল। পরবর্তী অধ্যায় এই দৃষ্টিভঙ্গি নিবেদিত হবে। চুনাপাথর হিসাবে, চিত্র 15 এ এটি দেখা যেতে পারে যে যান্ত্রিক কর্মক্ষমতা বেশ ভালভাবে কাঁটাচামচ অংশে স্পিন্ডের আকারের সাথে সামঞ্জস্যপূর্ণ।

এই অঙ্কনটি এই উৎসের অপারেশনের জন্য একটি বড় ইউনিটের গুরুত্বকে চিত্রিত করে। অতএব, এটি কিছু ছড়িয়ে দিয়ে উপকরণের জন্য একটি জায়গা ছেড়ে দেয়। যাইহোক, ধ্রুবক বিকৃতির সংবেদনশীলতার দৃষ্টিকোণ থেকে, এটি দেখানো হয়েছিল যে এই বৈশিষ্ট্যটি অযৌক্তিক, যা সম্ভবত ছোট কণার উচ্চ শতাংশের সাথে যুক্ত। অবশেষে, ব্যাসাল্টের ক্ষেত্রে, পারফরম্যান্সটি একটি কাঁটাচামচ-এর পাশাপাশি একটি চুনাপাথর উত্সের ক্ষেত্রে একটি স্পিন্ডের আকারের সাথে সামঞ্জস্যপূর্ণ।

যাইহোক, একটি বেসল্ট উৎস ক্ষেত্রে, যদি যান্ত্রিক বৈশিষ্ট্য দুটি ফ্রন্টের সাথে যোগাযোগ করে তবে এটি নির্ধারণ করা হয় যে এটি আরও ভাল যে বালি ভগ্নাংশটি বেশি পাতলা। যান্ত্রিক অপ্টিমাইজেশান প্রক্রিয়াটি শস্যের আকার আনুমানিক বা অপ্টিমাইজ করার জন্য উপলব্ধ বা উপলব্ধ করার জন্য একটি স্থান ছেড়ে দেয়। প্রকৃতপক্ষে, মানদণ্ডের উপর নির্ভর করে, যা শুধুমাত্র একটি বিপরীত মডিউলটির অংশে অপ্টিমাইজেশান বিবেচনা করা যায়, শুধুমাত্র একটি ধ্রুবক বিকৃতি বা দুটি সংমিশ্রণের অংশ হিসাবে এটি উপস্থাপিত হয়।