랜덤포레스트 모델을 이용한 암석의 역학적 물성과 절삭조건 기반의 픽 커터 작용력 예측
Prediction of Pick Acting Forces Using an Random Forest Model based on Mechanical Properties of Rocks and Cutting Parameters
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
기계화 암석 절삭은 토목 및 자원개발 분야에서 중요하게 활용되고 있으며, 절삭도구의 작용력은 굴착 효율, 커터마모, 에너지 효율을 결정하는 데 핵심적인 역할을 한다. 본 연구에서는 머신러닝기법을 적용 하여 픽 커터의 평균 수직력과 평균 절삭력을 예측하기 위한 연구를 수행하였다. 머신러닝모델의 훈련을 위해 다양한 암종, 커터의 형상 변수, 절삭조건을 포함하는 195개의 선형절삭시험 데이터세트를 구축하 여 활용하였다. 모델링은 두 단계로 진행되었으며, 먼저 다변수 선형 회귀 분석을 통해 기초 상관관계를 설정한 후, 무작위 탐색 교차 검증을 통한 체계적인 하이퍼파라미터 튜닝을 거쳐 최적화된 랜덤 포레스 트(RF) 모델을 구축하였다. 선형 회귀 분석 결과, 평균 수직력에 대한 결정계수(R2) 값은 0.743, 평균 절삭력은 0.674로 중간 수준의 예측 성능을 보였다. 반면, 최적화된 랜덤포레스트 모델은 우수한 성능을나타내었다, 평균수직력 예측에서는 훈련 데이터에서 R2 = 0.993, 테스트 데이터에서 R2 = 0.983을 기록하였고, 평균절삭력 예측에서는 훈련 데이터에서 R2 = 0.972, 테스트 데이터에서 R2 = 0.908을 달성하였다. 각 작용력에 미치는 입력변수의 중요도를 분석한 결과, 수직력 예측에서는 일축 압축 강도가 가 장 중요한 영향을 미쳤으며, 절삭력 예측에서는 여러 매개변수가 복합적으로 작용하는 것으로 나타났다.
Abstract
Rock cutting is a critical process in mining and civil engineering applications, with acting forces of cutting tools playing a pivotal role in determining excavation efficiency, tool wear, and energy consumption. This study presents a comprehensive analysis of predicting mean normal force and mean cutting force using an advanced machine learning approach. The research leverages a robust dataset of 195 experimental samples encompassing diverse rock types, cutting tool geometries, and operational parameters. A two-stage modeling methodology was employed, initially establishing baseline correlations through multivariate linear regression, followed by an optimized Random Forest model with systematic hyperparameter tuning via randomized search cross-validation. The linear regression analysis revealed moderate predictive capabilities, with R2 values of 0.743 for FNm and 0.674 for FCm. In contrast, the optimized RF model demonstrated exceptional performance, achieving R2 values of 0.993 (training) and 0.983 (testing) for FNm, and 0.972 (training) and 0.908 (testing) for FCm. Feature importance analysis highlighted the dominance of uniaxial compressive strength in predicting normal force, while cutting force prediction demonstrated a more complex interaction of multiple parameters.