یکی از روشهای مهم نوین در ماشینکاری قطعات دقیق و پیچیده ازجنس مواد سخت، ماشینکاری با تخلیه ی الکتریکی می باشد که با توجه به کاربرد این روش درصنایع پیشرفته، همواره بهبود عملیات باربرداری و کیفیت سطح حاصل از این فرآیند مورد توجه بوده است. یکی از روش های موثر در بهبود راندمان ماشینکاری با تخلیه ی الکتریکی، افزودن پودر مواد به دی الکتریک و همچنین اعمال امواج مافوق صوت (التراسونیک) به فرآیند می باشد. در این پژوهش، اثرات افزودن نانو پودرهای اکسید تیتانیوم، اکسید روی و اکسید آلومینیوم به دی الکتریک و همچنین اثرات بکارگیری امواج التراسونیک بطور همزمان در فرآیند ماشینکاری تخلیه ی الکتریکی مورد مطالعه قرار گرفته است. برای این منظور پس از طراحی، ساخت و اتصال کلگی جدید به دستگاه اسپارک، اثر پارامترهای ورودی شامل نوع و درصد اختلاط نانو پودر در دی الکتریک، زمان روشنی پالس و جریان جرقه بر روی نرخ براده برداری، زبری سطح و نرخ فرسایش ابزار در فرآیند ماشینکاری با تخلیه ی الکتریکی بررسی گردیده است. براساس نتایج بدست آمده، اثر امواج التراسونیک بر نانو پودرها بصورت،جلوگیری از تجمع نانوذرات، تعلیق بهتر در دی الکتریک، افزایش برخوردهای نانوذرات با یون ها و الکترون ها و همچنین باربرداری نانو پودرهای اکسیدی عمل کرده که در نتیجه، شرایط بهتری برای باربرداری ایجاد شده است. در حالت استفاده از نانو پودر، بکارگیری نوسانات التراسونیک در نرخ فرسایش ابزار اثر قابل ملاحظه نداشته ولی در جریان های بالا، نرخ فرسایش ابزار را کاهش می دهد. با استفاده از ذرات نانوپودر و اعمال امواج التراسونیک، می توان بطور میانگین نرخ براده برداری را تا 30% افزایش داد بطوری که میانگین زبری سطح و نرخ فرسایش ابزار ثابت بماند. همچنین با اعمال نوسانات التراسونیک بدون ذرات نانوپودر، می توان مقدار میانگین نرخ براده برداری را تا 17% افزایش داد. برای نانو پودر اکسید روی که بیشترین رسانایی الکتریکی را دارد، نرخ براده برداری و زبری سطح بیشتری حاصل شده و برای نانو پودر اکسید آلومینیوم که کمترین رسانایی الکتریکی را دارد، زبری سطح کمتری ایجاد شده است. رسانایی حرارتی بالاتر نانو پودر اکسید روی باعث ایجاد کمترین نرخ فرسایش ابزار شده است. درصد اختلاط 3 گرم بر لیتر، بهترین نرخ براده برداری را برای تمام نانو پودر ها ایجاد کرده است.

پساب اسیدی معدنی مهم ترین نگرانی های زیست محیطی مربوط به فعالیت های استخراج معدن و مناطقی که دارای دمپ های باطله غنی از سولفید می باشد. پساب اسیدی معدن دارای ph پایین و غلظت بالای آهن، سولفات، فلزات سنگین و ترکیبات مختلف وابسته به منشا نوعی کانسار معدنی است. مهم ترین عامل در تولید پساب اسیدی معدن، اکسیداسیون کانی سولفیدی است که ناشی از قرار گرفتن کانی سولفیدی در معرض آب و اکسیژن می باشد. تخمین فلزات سنگین در پساب های اسیدی یک کار بزرگ در عملیات اصلاحی مناسب است. علاوه بر این غلظت بالایی از فلزات سنگین در پساب ها برای انسان و سایر موجودات زنده اثرات سوء دارد. سیستم های خبره به طور گسترده ای در بسیاری از برنامه های کاربردی استفاده می شود. در این مطالعه، یک سیستم استنتاج عصبی فازی تطبیقی چند خروجی برای مدل سازی از فلزات سنگین در پساب اسیدی معدنی از مس سرچشمه مورد استفاده قرار گرفت. هدف از این مطالعه برآورد غلظت مس ، آهن، منگنز و روی از پساب اسیدی معدن با استفاده از سیستم استنتاج عصبی-فازی تطبیقی چند خروجی و رگرسیون خطی چندگانه، با در نظر گرفتن ph و سولفات (so4) و منیزیم (mg) در رودخانه شور، معدن مس سرچشمه، جنوب شرقی ایران است. نتایج بدست آمده از روش انفیس چندخروجی مقادیر79/0 =r2، 016/0=r2 ، 80/0= r2 و80/0=r2 به ترتیب برای cu، fe، mn و zn در مرحله تست بدست آمده است. در حقیقت، روش سیستم استنتاج عصبی-فازی تطبیقی چند خروجی یک روش دقیق و با کارایی بالاتری در مقایسه با رگرسیون خطی چندگانه (مقادیر 75/0 =r2، 043/0=r2 ، 55/0= r2 و 45/0= r2به ترتیب برایcu ، fe، mn و zn از روش رگرسیون خطی بدست آمده) برای پیش بینی فلزات سنگین فراهم کرده است.

آلودگی آب توسط فلزات سنگین یک مسأله جهانی است. امروزه بر ما روشن است فلزات سنگین شامل آهن، سرب، منگنز، کادمیوم، روی و نیکل به عنوان آلودگی های متداول در پساب های معدنی شناخته شده اند که منجر به مشکلات بسیاری برای سلامتی انسان، آب و محیط زیست می شوند. در این مطالعه از ترکیب شبکه عصبی مصنوعی چند لایه پرسپترون با الگوریتم تکاملی رقابت استعماری برای پیش بینی فرایند حذف فلزات سنگین (کادمیوم و نیکل) مورد استفاده قرار گرفته است. الگوریتم رقابت استعماری برای بهنیه سازی وزن و آموزش شبکه عصبی مصنوعی مورد استفاده قرارگرفته است. غلظت اولیه فلزات، نانو جاذب، زمان تماس به عنوان ورودی و درصد جذب به عنوان خروجی در نظر گرفته شده است. عملکرد مدل (شبکه عصبی مصنوعی - رقابت استعماری) با روش آماری رگرسیون خطی چند متغیره مقایسه شده است. مقادیرr2 و mse بدست آمده از مدل شبکه عصبی مصنوعی - الگوریتم رقابت استعماری برای فلز نیکل به ترتیب برابر است با 9297/0 و 0141/0 و مقادیر بدست آمده از شبکه برای فلز سنگین کادمیوم به ترتیب برابر است با 9539/0 و 0120/0 که این مقادیر بدست آمده در مقایسه با نتایج مدل رگرسیون خطی چند متغیره (فلز کادمیوم r2 و mse به ترتیب برابر است با 8202/0 و 0252/0 و فلز نیکل 6294/0 و 0336/0 ) بدست آمده چنین استنباط می شود که روش ترکیبی شبکه عصبی مصنوعی - رقابت استعماری نسبت به روش آماری رگرسیون خطی چند متغیره دارای کارآیی بالاتری در پیش بینی جذب فلزات سنگین توسط نانو جاذب های معدنی در داده های آزمایشگاهی است.

: آنالیز نشت، تحلیل پایداری، روش تعادل حدی، سد خاکی رودبار لرستان

ناحیه آسیب دیده در اطراف تونل، ناحیه ای است که خواص و شرایط فیزیکی، ژئومکانیکی و هیدرولیکی آن در اثر حفاری دچار تغییرات شده است. این ناحیه تاثیر مستقیم بر روی رفتار توده سنگ اطراف سازه ی زیرزمینی خواهد داشت به طوری که این ناحیه سبب می شود که پایداری و ضریب اطمینان سازه ی زیرزمینی کاهش پیدا کند. لذا شناسایی این ناحیه دارای اهمیت ویژه ای است.